Professional Documents
Culture Documents
Viloria,Científica en Ciencias
M. I. y Cañón, Ambientales
J. E. Avances y Sostenibilidad
y perspectivas CAS.
para modelos de Vol 3, N.°
decaimiento 02, julio-diciembre
de patógenos 2016.
en ríos y cuencas.
DECAIMIENTO DE 1
Ingeniera ambiental, especialista en Manejo
PATÓGENOS EN RÍOS Y y Gestión del Agua, Facultad de Ingeniería,
Universidad de Antioquia. Medellín-Colombia.
CUENCAS Correo electrónico: margy003@gmail.com
ADVANCES AND PERSPECTIVES FOR PATHOGEN
2
Ingeniero civil, M. Sc., Ph. D. en Hidrología, Investigador
del Grupo de Investigación en Gestión y Modelación
FATE MODELS IN RIVERS AND BASINS Ambiental (GAIA), profesor asociado, Escuela Ambiental,
Margarita I. Viloria1, Julio E. Cañón2 Facultad de Ingeniería, Universidad de Antioquia
Correo electrónico: julio.canon@udea.edu.co
Tel.: (574) 2198580
Artículo de revisión
Keywords: pathogen modeling, Escherichia coli or E. coli, decay equations.
Palabras clave: modelación de patógenos, Escherichia coli o E. coli, ecuaciones de decaimiento.
Viloria, M. I. y Cañón, J. E. Avances y perspectivas para modelos de decaimiento de patógenos en ríos y cuencas. Revista Científica en
Ciencias Ambientales y Sostenibilidad (CAS). 3(2), 1-15. julio-diciembre 2016, http://aprendeenlinea.udea.edu.co/revistas/index.php/CAA
URL: http://aprendeenlinea.udea.edu.co/revistas/index.php/CAA
Resumen: Este trabajo analiza algunos modelos de decaimiento de patógenos en sistemas de agua superficial, especialmente
cuencas de alta montaña, con el fin de conocer los párametros de modelación, los datos de alimentación, los supuestos, los
conceptos fundamentales básicos y las ecuaciones para el cálculo del decaimiento de patógenos. Para cada uno de los
modelos estudiados se presentan casos de aplicación, destacando experiencias y limitaciones. Los modelos revisados son
BMQM (Bacterial Water Quality Model), EFDC (Environmental Fluid Dynamics Code), OO-SD (Object Oriented and System
Dynamics Code), Qual2Kw, Slim-EC, SWAT (Soil and Water Assessment Tool) y WAM (Watershed Assessment Model). De la
revisión hecha se concluye que se requiere mayor investigación sobre el comportamiento de los patógenos en relación con
los sedimentos en el agua y los fenómenos de transporte, y también se hace necesario tener en cuenta la amplia gama de
patógenos, como virus y protozoarios, que no se pueden relacionar fácilmente con los indicadores de contaminación fecal que
se utilizan comúnmente.
Abstract:This paper analyzes some pathogen decay models in surface water systems, especially in high mountain
environments, in order to determine the modeling parameters, data requirements, assumptions, fundamental concepts and
equations. Application cases are presented for each of the studied models, highlighting major experiences and limitations. The
models in this review include the BMQM (Bacterial Water Quality Model), EFDC (Environmental Fluid Dynamics Code), OO-
SD (Object Oriented and System Dynamics Code), Qual2Kw, Slim-EC, SWAT (Soil and Water Assessment Tool) and WAM
(Watershed AssessMent). This review points out the need for more research on pathogens behavior in relation to water and
sediment transport phenomena, and the need to consider a broad range of pathogens, such as viruses and protozoans, that
can not be easily related to commonly used fecal contamination indicators.
1
Viloria, M. I. y Cañón, J. E. Avances y perspectivas para modelos de decaimiento de patógenos en ríos y cuencas.
andino colombiano. Como se verá en el contenido Chowdhury (2012) menciona un grupo de bacterias
del artículo, las cuencas de montaña, a pesar de que patógenas primarias y secundarias que se han
tienen una gran capacidad de autodepuración por denotado como heterotróficas y oportunistas:
las altas tasas de reaireación asociadas a los flujos Escherichia, Klebsiella, Enterobacter, Citrobacter,
turbulentos (Holguín et al., 2003), exhiben importantes Serratia, Helicobacter, que pueden causar efectos
factores de deterioro de su calidad microbiológica adversos en la salud humana, y Fong et al. (2005)
como consecuencia de los aportes de materia orgánica añaden que los virus entéricos, por su resistencia
asociados a actividades productivas ganaderas. a procesos de tratamiento, son considerados como
patógenos causantes de enfermedades por consumo
En la primera sección se explica cómo los patógenos de agua incluso ya tratada.
se relacionan con otros parámetros de calidad de agua,
factores climáticos e hidrológicos. Posteriormente Pese a lo anterior, el riesgo de contraer enfermedades
se presentan los ríos y cuencas de alta montaña por contacto o consumo de aguas contaminadas por
y finalmente se muestran los modelos teóricos de patógenos no es el mismo en todo el curso del agua.
decaimiento de patógenos y algunos casos de aplicación Robles et al. (2012) mostraron que el riesgo por
particular de modelos comerciales, destacando las contacto con aguas contaminadas cambia de acuerdo
experiencias obtenidas y las limitaciones expresadas a la variación espaciotemporal de las descargas en los
en los diferentes estudios. ríos, o sea que después de un tiempo y una distancia el
riesgo puede disminuir debido a fenómenos de difusión
y dispersión que ocurren en el río.
2. Sobre los patógenos y su
comportamiento B. Indicadores de contaminación fecal
En esta sección se relacionan los patógenos como un Debido a que se presenta dificultad para enumerar los
tema importante de salud pública y también se explica el organismos patógenos en el agua, se han establecido
uso de indicadores de contaminación fecal que facilitan organismos indicadores de contaminación fecal. La
la identificación de patógenos en el agua. Al final se connotación de indicadores se refiere a que si estos
explican algunas características del comportamiento están ausentes en una muestra, los organismos
de estos indicadores. patógenos también lo estarán (Pachepsky et al., 2006;
Servais et al., 2007).
A. Un tema de salud pública
Daly et al. (2013) encontraron que los microorganismos
patógenos Enterococci y E. coli están correlacionados,
El agua es un medio importante para transmisión de es decir, que hay una relación proporcional entre las
enfermedades como diarrea, gastroenteritis, infecciones concentraciones de ambas bacterias en el agua. Wilkes
respiratorias y cutáneas, conjuntivitis, hepatitis, et al. (2009) observaron que cuando los patógenos
meningitis, encefalitis y parálisis, entre otras (Fong et estaban presentes en las muestras de agua también lo
al., 2005). Por tanto, su deterioro tiene repercusiones estaban los indicadores bacterianos.
en la salud humana y en la calidad de vida (Jamieson et
al., 2005). Pese a que actualmente no se ha completado Los coliformes fecales (CF) son los indicadores
un control completo de las enfermedades asociadas más usados y las organizaciones de protección de
al consumo de aguas contaminadas por patógenos la salud pública los utilizan para evaluar la calidad
(Chowdhury, 2012), hay varios avances que arrojan luz microbiológica en sistemas de agua dulce (Hellweger
sobre la gran problemática que se enfrenta en todo el et al., 2008; Servais et al., 2007; Zhu et al., 2011). Entre
mundo. ellos es utilizada en particular la EC O157:H7, que
genera serios riesgos a la salud humana (Jamieson et
A los patógenos se les atribuye un papel protagónico en al., 2004; Robles et al., 2012; Vermeulen et al., 2013).
el deterioro de la calidad microbiológica del agua (Wu
et al., 2009) ya que estos microrganismos representan Otras características por las cuales E. coli se utiliza
un riesgo biológico asociado directamente con como indicador de contaminación fecal son: su
contaminación fecal. Entre los patógenos se encuentran capacidad de vivir varios días en el agua y en los
bacterias (EC O157:H7, Salmonella, Shigella y Vicrio sedimentos (Yakirevich et al., 2013); su capacidad
cholerae), virus entéricos (Enterovirus, Rotavirus, para naturalizarse y proliferar en otros hábitats; su
Hepatitis A y Reovirus), protozoos (Cryptosporidium, abundancia y presencia en los animales vertebrados
Giardia lamblia y Entamoeba histolytica) y parásitos de sangre caliente como bacteria comensal; su
helmintos (Jamieson et al., 2004; Kim et al., 2005; manejabilidad en laboratorio, donde se puede sembrar,
Chowdhury, 2012; Jimmy et al., 2013).
identificar y contar con facilidad (Wilkes et al., 2009; los factores que afectan su concentración en el agua,
Kim et al., 2010); y su mayor resistencia comparada con entre los que se destacan el clima, la hidrología, la
otros patógenos, teniendo en cuenta que hay algunos geomorfología, los usos del suelo y las coberturas
aún más resistentes, como los virus, pero complejos de vegetales en las cuencas.
identificar en el laboratorio (Fong et al., 2005).
• Factores climáticos: la temperatura, la precipitación,
C. Comportamiento de los patógenos y la humedad y la radiación solar son algunos de los
necesidades de estudio factores climáticos que afectan las concentraciones
de patógenos en el agua. Vermeulen et al. (2013)
El sistema biológico de los patógenos es complejo y hicieron un estudio en los ríos europeos Rhine,
debe comprenderse para enfrentar la contaminación Meuse y Drentse y encontraron que la temperatura
asociada a ellos y lograr simular su comportamiento. afecta negativamente a E. coli, es decir, que a mayor
Para ello es necesario conocer las causas y fuentes temperatura del agua menor concentración de estas
de contaminación, los factores que afectan su bacterias. Por otro lado, se genera un incremento
concentración en el agua, la relación con otros de concentraciones por causa del aumento en las
parámetros de calidad de agua y los mecanismos de precipitaciones, lo cual se relaciona directamente
transporte que los afectan (Wilcox et al., 2005). con la escorrentía superficial de las áreas agrícolas
y la resuspensión de los sedimentos. Se asume
El primer paso para comprender el comportamiento de que otros patógenos pueden responder de manera
los patógenos y para la gestión y remediación del recurso similar a E. coli. Adicionalmente, Kang et al. (2010)
hídrico es identificar las fuentes de contaminación encontraron que en el clima húmedo aumentan
(Fong et al., 2005). Estas fuentes pueden ser puntuales las contribuciones de E. coli y Enterobacter.
o no puntuales, siendo las no puntuales o difusas más
complejas de identificar por presentarse de maneras • La radiación solar es otro factor climático que
dispersas y bajo comportamientos impredecibles afecta el coeficiente de degradación de E.
(Jamieson et al., 2004; Kim et al., 2010). coli. Cea et al. (2011) observaron que este
coeficiente es más alto de día, ya que en la
Las fuentes puntuales o difusas pueden ser naturales noche el parámetro de radiación solar es cero.
(como lluvias, bosques plantados y vida silvestre) o •
antrópicas (como sistemas de tratamiento de aguas • De esta manera se demuestra que el clima y
residuales, descargas directas, sistemas sépticos, sus variaciones pueden significar un incremento
agricultura por aplicación de estiércol y ganadería por en el riesgo de contraer enfermedades
pastoreo y excretas animales) (Jamieson et al., 2004; asociadas al consumo de aguas contaminadas
Fong et al., 2005; Elshorbagy et al., 2006b; Servais et con patógenos (Vermeulen et al., 2013).
al., 2007; Maillard et al., 2008; Kang et al., 2010; Nasir
et al., 2012). • Factores geomorfológicos e hidrológicos: las
características topográficas de la cuenca, como
Se ha pensado que en zonas rurales y de alta montaña la la pendiente, el tamaño y la permeabilidad,
ganadería es la principal fuente de contaminación fecal afectan las contribuciones por uso del suelo
debido a que el manejo del ganado y su estiércol tiene respecto a la calidad de agua. Cuando la cuenca
un impacto significativo en la calidad del agua (Zhu et comienza a ser más larga, la contribución del
al., 2011). Algunos patógenos comunes en el estiércol uso del suelo a los parámetros de calidad de
son bacterias como Campylobacter, varias especies de agua disminuye. Este fenómeno se presenta
E. coli, Listeria monocytogenes, Salmonella, Yersinia para contaminantes no conservativos como
enterocolitica, y protozooarios como Cryptosporidium E.coli y Enterobacter (Kang et al., 2010).
parvum y Giardia (Pachepsky et al., 2006; Maillard
et al., 2008; Oliver et al., 2012). Por ejemplo, Coffey • Usos del suelo: los usos del suelo también inciden
et al. (2010b) observaron que entre 70 y 80% de los considerablemente sobre la calidad microbiológica
coliformes fecales en una fuente de agua superficial del agua, principalmente los asociados a sistemas
fueron transferidos desde una granja ganadera. de producción pecuarios y al modo de manejo de
sus efluentes. Se presume que a mayor intensidad
a. Factores que afectan la concentración de uso de la tierra se tendrán más efectos negativos
de patógenos sobre la calidad del agua (Miserendino, et al.
2011). Para el caso de las cuencas de montaña,
las actividades ganaderas son agentes detonantes
Después del análisis de las fuentes posibles de
de la calidad microbiológica del agua debido al
contaminación por patógenos se deben comprender
3
Viloria, M. I. y Cañón, J. E. Avances y perspectivas para modelos de decaimiento de patógenos en ríos y cuencas.
Pese a lo anterior, Moreno et al. (2007) señalan que La clasificación de modelos es amplia, pero lo esencial
unos de los mayores obstáculos para el desarrollo de es que se logre entender el sistema y controlar sus
la región andina es el fuerte deterioro del suelo y de los respuestas (Bobba et al., 2000). Elshorbagy et al.
recursos hídricos, y lo que pasa en la cuenca alta puede (2006b) recomiendan que un modelo debe permitir lo
favorecer o no a la cuenca baja. En este sentido, las siguiente: que el sistema hídrico sea descrito y simulado
acciones humanas relacionadas con tala de bosques, de manera simple; que comience de forma sencilla,
destrucción de páramos, ganadería, ampliación de la basándose en los datos disponibles y que sea flexible a
frontera agrícola y sistemas de cultivos limpios son los expandirse cuando haya mayor cantidad de datos; que
principales causantes del deterioro del recurso hídrico. se adecúe a las dinámicas de los sistemas hidrológicos;
Un gran porcentaje de los vertimientos de aguas que proporcione un sistema de retroalimentación con
residuales sin ningún tipo de tratamiento se hace a el fin de manejar procesos intuitivos; que tenga la
ríos o quebrabas de montaña, dando como origen ríos capacidad de simular la intervención humana y otras
contaminados y con varias limitaciones en su uso por que puedan ser encontradas en el sistema; y que
altas cargas orgánicas, de nutrientes y de patógenos, ofrezca la posibilidad de probar diferentes escenarios
y aunque teóricamente estos cuerpos de agua tienen para tomar decisiones.
buena capacidad de depuración, se han sobrepasado
5
Viloria, M. I. y Cañón, J. E. Avances y perspectivas para modelos de decaimiento de patógenos en ríos y cuencas.
La estructura del modelo se basa en la dinámica de dependiente de la radiación solar y puede ser modelado
las bacterias en general, y las ecuaciones se formulan por una reacción de primer orden en función de la
sobre el balance de masas. El modelo tiene tres salinidad, la temperatura y la radiación solar (Chan et
módulos: 1) Hidrología: intercambio de agua entre al., 2013):
aguas superficiales y subterráneas en la cuenca y
balance hídrico del ciclo hidrológico; 2) Temperatura:
transferencia de energía; 3) Bacterias: concentración y
carga de bacterias.
(3)
Los procesos para cuantificar la dinámica de bacterias
son la deposición de sedimentos y arrastre (se producen donde kb es la tasa de decaimiento básica en completa
simultáneamente a la velocidad de flujo). El arrastre oscuridad, ks es la constante empírica para salinidad,
neto se produce cuando el caudal de la corriente es S es salinidad, T es temperatura, θ=1.07, kI es la
mayor (se determina por una reacción de primer orden) constante de radiación solar, I es radiación solar y et es
y la mortandad es influenciada principalmente por la el coeficiente de extinción de la luz (Chan et al., 2013).
temperatura, como se mostró en la ecuación (2) (Zhu
et al., 2011). El modelo fue desarrollado por el Instituto de Ciencia
Marina en Virginia (Estados Unidos) y la versión actual
El modelo BWQM divide la cuenca en vegetación, es el EFDC 1.0. Se conocen aplicaciones en 1D, 2D y
hojarasca, suelo, subsuelo, agua corriente, fondo de 3D para ríos, lagos, estuarios, humedales, embalses y
arroyo y aguas subterráneas. La escala del tiempo es aguas costeras.
diaria, la temperatura es un dato correlacionado con la
tasa de supervivencia bacteriana y la transferencia se Las ecuaciones del modelo se basan en los
debe al flujo de bacterias. Los parámetros que modela principios de movimiento, conservación del volumen
son E. coli, Estreptococco faecalis y coliformes fecales y conservación de la masa. Su estructura incluye un
(CF). Se alimenta de datos diarios de temperatura del modelo hidrodinámico, un modelo de calidad de agua,
aire, precipitación, caudal, concentración y carga de un modelo de transporte de sedimentos y un modelo
CF; los datos antes de la calibración para la cuenca de tóxicos. Los parámetros que modela son salinidad,
son: ubicación, tipo de vegetación, propiedades del temperatura, transporte de sedimentos, transporte y
suelo, temperatura diaria del aire, precipitación diaria, destino de contaminantes tóxicos, nutrientes, oxígeno
valores iniciales de los parámetros, flujo de corriente disuelto y patógenos, y los datos de entrada son
diario y concentración de coliformes fecales (Zhu et al., velocidad, elevación superficial, viscosidad vertical,
2011). difusividad, temperatura, salinidad y densidad.
Zhu et al. (2011) corrieron el modelo BWQM en la En cuanto a requerimientos de software, está escrito
cuenca del río Salmon en Columbia Británica en Canadá en FORTRAN90, compatible con Macintosh, Windows
con el fin de evaluar los impactos de la ganadería y y con la interfaz WASP7, que es otro modelo de calidad
el cambio climático por contaminación fecal en una de agua recomendado por la Agencia de Protección
corriente de agua y desarrollar un modelo de calidad Ambiental de los Estados Unidos (EPA).
de agua bacteriano basado en procesos de BWQM.
Los resultados obtenidos muestran una precisión para Bai et al. (2005) utilizaron el modelo EFDC para
la concentración de coliformes fecales entre 0,55 y 0,60 determinar la cantidad de bacterias adheridas a las
y para carga entre 0,85 y 0.89. La concentración de partículas de sedimentos en la quebrada Topehaeche
coliformes fecales coincide con el valor observado y la (Waikato, Nueva Zelanda). Encontraron que el modelo
simula apropiadamente. provee un acercamiento para determinar la asociación
sedimento/microorganismos y concluyeron que en
Una limitante encontrada es que las bacterias de vida estudios futuros se debe incluir la distribución variable
silvestre son tomadas como constante de entrada en de bacterias en el lecho de sedimentos para mejorar la
la cuenca, lo cual limita la aplicación del modelo a predicción del modelo.
condiciones complejas relacionadas con procesos de
migración, en donde esta entrada realmente es variable c. Modelo OO-SD
(Zhu et al., 2011).
En el modelo orientado a objetos y sistemas dinámicos
(Object Oriented and System Dynamics model)
b. Modelo EFDC se asume la tasa de decaimiento de primer orden
formulada por Thomann y Mueller en 1987, donde kb es
El modelo EFDC (Environmental Fluid Dynamics Code) la tasa de decaimiento en d–1 y T es la temperatura en
propone el decaimiento de bacterias como altamente grados centígrados:
7
Viloria, M. I. y Cañón, J. E. Avances y perspectivas para modelos de decaimiento de patógenos en ríos y cuencas.
en la calidad de agua y para establecer propósitos donde KECF es la tasa de decaimiento para E. coli libre
para la gestión y planeación del río Minho entre y T es la temperatura (°C).
España y Portugal, que tiene como problemas de
contaminación principales la presencia de coliformes Muchos modelos describen las dinámicas de FIB
fecales, coliformes totales y Streptococcus faecalis. El (Fecal Indicator Bacteria: bacteria indicadora fecal) en
trabajo consistió en evaluar los recursos naturales de la sistemas acuáticos y solo consideran el comportamiento
cuenca del río Miño, identificando los riesgos naturales de bacteria fecal (Pandey et al., 2014; De Brauwere et
causados por el cambio climático y proponer el manejo, al., 2014). En este modelo se tuvieron en cuenta ECF
la gestión y el mejoramiento de la cuenca. Las etapas (E. coli libre), ECA (E. coli en los SS de la columna de
desarrolladas en este estudio fueron la determinación agua) y ECS (E. coli depositada en los sedimentos).
de los parámetros de calidad de agua, la recolección Los tres estados son afectados por tres tasas de
de información sobre el río, la evaluación del impacto mortalidad diferentes, ECA puede sedimentarse y ECS
de tributarios y las descargas industriales/domésticas puede resuspenderse (Ouattara et al., 2012).
en la calidad del agua, y la predicción de la calidad
del agua en diferentes escenarios. De acuerdo con El modelo SLIM es una versión de segunda generación
los autores, el modelo funcionó bien para predecir los del modelo Louvain-la-Neuve-hielo-océano. Este
diferentes escenarios. modelo se centra en los procesos físicos en el medio
ambiente acuático, y lo hace mediante la resolución de
Este modelo también fue corrido en el río Cuenca ecuaciones utilizando el método de elementos finitos
(Ecuador) para desarrollar un modelo completo de en mallas no estructuradas. Este modelo se combina
calidad de agua usando bioindicadores y orientar con trazadores para simular las concentraciones de E.
la gestión del recurso. Se modelaron OD, DBO5, coli, dando como resultado el SLIM-EC, que es único
coliformes fecales y caudal. Los resultados de los para modelación de esta bacteria.
procesos de calibración y verificación del modelo
Qual2Kw mostraron que reproduce con buena precisión En la parte ribereña el modelo es 1D (sección
las tendencias de máximos y mínimos para coliformes transversal), y el resto del río se modela con 2D de
fecales en las estaciones de monitoreo de dicho río acuerdo a la profundidad promedio. Las bacterias
(Holguín et al., 2013). se modelan como un solo reactivo trazador bajo los
fenómenos de advección, difusión y reacción (De
De esta manera se demuestra que el modelo Qual2Kw Brawere et al., 2011).
se puede aplicar razonablemente en pequeñas cuencas
para evaluar los efectos de diferentes modificadores La primera vez que se aplicó el modelo se hizo con el fin
en un ambiente acuático. Este modelo matemático de tener una idea de los diferentes factores observados
requiere parámetros de entrada simples y es un buen en el río Scheldt (Francia), centrando la atención en la
marco para simular la calidad del agua cuando los datos comprensión de las concentraciones a largo plazo (De
de vigilancia son escasos o cuando la evaluación no Brawere et al., 2011). Posteriormente se desarrollaron
requiere gran precisión. El modelo también es flexible, dos modelos que hacen parte del proyecto macro de
ya que puede ser utilizado sin conocer todos los modelar los patógenos en el mar: uno fue desarrollado
parámetros implicados (asume valores por defecto); sin para el mar (SENEQUE-EC) y el otro fue desarrollado
embargo, la calidad de los resultados de los modelos para un río grande que entra al mar. En un río de orden
está muy influenciada por la calidad de los datos de 7 el modelo fue el SLIM-EC2, en la cuenca del río
entrada (Oliveira et al., 2012). Scheldt (Ouattara et al., 2012).
9
Viloria, M. I. y Cañón, J. E. Avances y perspectivas para modelos de decaimiento de patógenos en ríos y cuencas.
El SWAT permite calcular la calidad del agua por efecto El modelo también interactúa con el software ArcGIS,
de la utilización de herbicidas y fertilizantes en las que ayuda a adaptar los procesos a la modelación
prácticas agronómicas de los cultivos. Asume cuatro hidrológica y a automatizar los datos de entrada,
tasas de decaimiento bacteriano: en el suelo adjunta comunicación y edición con los SIG y el modelo
al sedimento, Ksed = 0.1; en la solución del suelo, Ksol = hidrológico. Esta aplicación, conocida como ArcSWAT,
0.1; en el estiércol, Kman = 0.2; y en el agua, Kwat = 0.4. permite un fácil prepostprocesamiento de datos de
El modelo asume decaimiento de primer orden entrada distribuidos espacialmente. ArcSWAT provee
(Jamieson et al., 2004): representación gráfica y creación de mapas digitales
que incluyen topografía, suelos, uso del suelo,
información meteorológica y censo agrícola (Coffey et
(8) al., 2010a).
también que las bacterias pueden dividirse entre en especial E. coli en las corrientes, y evaluar los
solución follaje y suelo, donde la bacteria puede crecer efectos del uso del suelo sobre la contaminación,
o morir dependiendo de la temperatura, y que uno de encontrándose que las zonas que producen grandes
los próximos desarrollos de este modelo debe ser los cantidades de E. coli son las regiones montañosas
aportes de la vida silvestre al lecho de sedimentos en con pastoreo de ganado, con una incertidumbre
las quebradas (Kim et al., 2010). considerable con respecto a la comprensión de la
relación entre fuentes puntuales y no puntuales (Collins
Una de las principales limitaciones se refleja en la et al., 2004).
partición de microorganismos entre fracción absorbida
y no absorbida. Sin embargo, se requieren más h. Modelos econométricos de decaimiento
estudios sobre las características de absorción de los
microorganismos en suelos y sedimentos heterogéneos Algunos estudios se han aproximado estadísticamente
y aún no se ha clarificado si la adsorción es o no un al problema de la definición de la variación de los
proceso reversible (Jamieson et al., 2004). patógenos utilizando modelos econométricos con
variables de diverso origen para determinar qué tan
Debido a que los resultados del modelo se basan en significantes son en la ocurrencia de los patógenos
concentraciones, cuando el caudal baja aumentan las en ambientes fluviales. Por ejemplo, Rao et al. (2015)
predicciones de presencia, y cuando el caudal sube, analizaron la presencia de E. coli en tres corrientes
bajan. Se requiere que el modelo se base por tanto en de Ecuador utilizando un modelo econométrico de la
caudal y no en concentraciones (Coffey et al., 2010b). forma:
Se revelan áreas en donde se requiere más investigación,
sobre todo la evaluación de la concentración inicial de
E. coli en los residuos humano/animales. El modelo
desarrollado es capaz de ser una herramienta para
proteger a las fuentes de agua y a la salud humana de
los agentes patógenos transmitidos por el agua (Coffey
et al., 2010a). para incluir en una misma relación variables como
distancia a la línea de costa, turbidez, y velocidad
de la corriente en distintos puntos geográficamente
g. Modelo WAM
referenciados (ij). Aunque estos modelos de correlación
pueden ser útiles para identificar relaciones de aspectos
El modelo hidrológico WAM (Water Assessment Model) que normalmente no se consideran en ecuaciones
usa ecuaciones en serie para simular el transporte de físicamente basadas, no pueden utilizarse por fuera del
E. coli de celda a celda. El curso del agua es dividido contexto de la investigación en la que se usan.
en subcursos. Se basa en procesos dinámicos y
en la formulación del balance de masas en donde
se conserva la masa de E. coli. Se asume que esta i. Modelo de decaimiento bifásico
bacteria entra de manera directa al agua. El modelo
es espacialmente distribuido y las simulaciones son Basados en resultados de laboratorio, los modelos
conducidas célula por célula (Collins et al., 2004). existentes asumen que las bacterias mueren
típicamente en primer orden y exponencialmente
En cuanto a la simulación del decaimiento bacteriano, (Robles et al., 2012), pero un estudio reciente sugiere
se hace en función de la temperatura y la radicación que las bacterias pueden mutar relativamente rápido
solar (Collins et al., 2004): a una cepa adaptada al medio ambiente de agua
superficial y así esta descomposición se manifiesta de
manera bifásica: primero más rápido y luego más lento
(Bucci et al., 2012).
(9)
Para este modelo, al igual que para el modelo WAM
donde R es la radiación principal (MJ/m2d), T es la mencionado anteriormente, la inactivación en aguas
temperatura (°C), kR es el coeficiente de radiación y kT naturales estaría dada por (Bucci et al., 2012):
es el coeficiente de temperatura.
11
Viloria, M. I. y Cañón, J. E. Avances y perspectivas para modelos de decaimiento de patógenos en ríos y cuencas.
donde T es la temperatura inicial, I es la radiación solar Elshorbagy et al. (2006b) y Bucci et al. (2012)
diaria, y aI y aT son parámetros empíricos (Pachepsky mencionan que hay campos en donde se requiere
et al.,2006). mayor investigación y se hace importante actualizar
los modelos a medida que avanzan el conocimiento
Y el número de bacterias indicadoras N (Pachepsky et y las maneras de percibir la realidad. Existe también
al., 2006): una fuerte necesidad de explorar herramientas de
simulación que puedan representar sistemas complejos
de manera realista y que permitan a los administradores
(11)
y operadores de los recursos hídricos participar en el
desarrollo del modelo.
donde µ es tasa de decaimiento y ɵ es el factor de
corrección de la temperatura. Adicionalmente, asumen
Los sistemas de información geográfica (SIG) son
un modelo de decaimiento en dos estados, donde N es
herramientas prometedoras que se espera den la
el número de bacterias indicadoras, N0 es el número
pauta para modelar la calidad de agua ya que permiten
original de bacterias, µ1 es la constante de decaimiento
caracterizar patrones temporales y espaciales de la
en el primer estadio, µ2 es la constante de decaimiento
disposición de residuos a un cuerpo receptor. Sin
en el segundo estadío y t1 es el tiempo de la inactivación
embargo, estas herramientas no son suficientes ya que
del primer estadío.
lo esencial para un modelador es que pueda leer los
“espacios en blanco” (lo que no está especificado) y
Bucci et al. (2012) hicieron un estudio en el río Charles
que no se encuentra en las ecuaciones. También se
(Boston) con el fin de simular el crecimiento de bacterias
hace importante que el modelador use la herramienta
en condiciones ambientales normales, y demostraron
computacional para mejorar su intuición y simulación
que la tasa de decaimiento no es de primer orden sino
mental, y que comprenda las reacciones dentro del
que obedece a dos tiempos ya que algunas cepas
sistema y los conceptos fundamentales básicos
se adaptan a las condiciones ambientales, lo que les
(Sterman, 2002; Jamieson et al., 2004; Tsakiris et al.,
permite resistir y morir más lentamente. Esto explicaría
2012).
que la fase estacionaria, dentro de las fases de
crecimiento bacteriano, no es realmente estacionaria;
Sumado a los retos tecnológicos e informáticos en torno
por el contrario, es dinámica ya que surge el mecanismo
a la modelación, se encuentra el desafío de involucrar
de ventaja de crecimiento en fase estacionaria (GASP,
el concepto de modelación integrada del agua, en el
por sus siglas en inglés: Growth Advantage in Stationary
que no solo se evalúa el agua desde los puntos de
Phase), también llamada mutación de bacterias en fase
vista físicoquímico y microbiológico, sino también el
estacionaria.
ecológico, donde se incluyan factores de uso del suelo
y topografía e hidrología de toda una cuenca (Coffey et
5. Comentarios finales al., 2010a; Holguín et al., 2013).
13
Viloria, M. I. y Cañón, J. E. Avances y perspectivas para modelos de decaimiento de patógenos en ríos y cuencas.
P. (2012). Modelling faecal contamination in the models: an overview. European Water, 37, 33-46.
Scheldt Scheldt land-sea continuum. Part I. The 57. Vermeulen, L. y Hofstra, N. (2013). Influence of
Scheldt drainage network. Journal of Maryne climate variables on the concentration of E. coli in
Systems, 1-12. the Rhine, Meuse, and Drentse Aa during 1985-
44. Pachepsky, Y., Sadeghi, A., Bradford, S., Shelton, 2010. Regional Environmental Change, 1-13.
D., Guber, A. y Dao, T. (2006). Transport and fate 58. Vieira, J., Fonseca, A., Vilar, V. y Botelho, C. (2013).
of manure-borne pathogens: modeling perspective. Water quality modelling of Lis river, Portugal.
Agricultural Water Mangement, 86(1-2), 81-92. Environmental Science and Pollution Research
45. Pandey, P. K., Kass, P. H., Soupir, M. L., Biswas, International, 20(1), 508-524.
S. y Singh, V. P. (2014). Contamination of water 59. Vivilori, D., Weingartner, R. y Messerli, B. (2003).
resources by pathogenic bacteria. AMB Express, Assessing the hydrological significance of the
4(1), 51. world’s mountains. Mountain Research and
46. Parajuli, P., Mankin, K. y Barnes, P. (2009). Source Development, 23(1), 32-40.
specific faecal bacteria modeling using soil and 60. Wang, Q., Li, S., Jia, P., Qi, C. y Ding, F. (2013).
water assessment tool model. Bioresources A review of surface water quality models. The
Technology, 100(2), 953-963. Scientific World Journal, 2013, 1-7.
47. Pelletier, G., Chapra, S. y Tao, H. (2006). Qual2Kw: 61. Wilcox, B. y Gubler, D. (2005). Disease ecology
a framework for modeling water quality in streams and the global emergence of zoonotic pathogens.
and rivers using a genetic algorithm for calibration. Environmental Health and Preventive Medicine,
Environmental Modelling & Software, 21, 419-425. 10(5), 263-272.
48. Rao, G., Eisenberg, J. N., Kleinbaum, D. G., 62. Wilkes, G., Edge, T., Gannon, V., Jokinen, Ca.,
Cevallos, W., Trueba, G. y Levy, K. (2015). Spatial Lyautey, E., Medeiros, D., Neumann, N., Ruecker,
variability of Escherichia coli in rivers of northern N., Topp, E. y Lapen, D. (2009). Seasonal
coastal Ecuador. Water 7(2), 818-832. relationships among indicator bacteria, pathogenic
49. Robles, A., Mayer, A., Auer, M. y Vivoni, R. (2012). bacteria, Cryptosporidium oocysts, Giardia cysts,
Modeling riverine pathogen fate and transport in and hydrological indices for surface waters within
Mexican rural communities and associated public an agricultural landscape. Water Research, 43(8),
health implicaciones. Journal of Environmental 2209-2223.
Management, 113(30), 61-70. 63. Wu, J., Rees, P., Storrer, S., Alderisio, K. y Dorner,
50. Rodríguez, J., Ospina, R. & Gutiérrez, J. (2008). S. (2009). Fate and transport modeling of potential
Inputs and transport of organic matter in a tropical pathogens: the contribution from sediments. Journal
mountain stream. Caldasia, 30(2), 421-440. of the American Water Resources Association,
51. Santos, S., Vilar, V., Alves, P., Boaventura, R. y 45(1), 35-44.
Botelho, C. (2012). Water quality in Minho/Miño 64. Yakirevich, A., Pachepsky, Y., Guber, A., Gish, T.,
river (Portugal/Spain). Environmental Monitoring Shelton, D. y Cho, K. (2013). Modeling transport
Assessment, 185(4), 3269-3281. of E. coli in a creek during and after artificial high-
52. Servais, P., García, T., George, I. y Billen, G. flow events: Three-year study and analysis”. Water
(2007). Fecal bacteria in the rivers of the Seine Research, 47(8), 2676-2688.
drainage network (France): sources, fate and 65. Zhang, Y., Xia, J., Chen, J. y Zhang, M. (2011).
modeling. Science of the Total Environment, 375(1- “Water quantity and quality optimization modeling
3), 152-167. of dams operation based on SWAT in Wenyu river
53. Sterman, J. (2002). All models are wrong: reflections Catchment, China”. Environmental Monitoring
on becoming a systems scientist. Systems Assessment, 173(1-4), 409-430.
Dynamics Review, 18(4), 501-531. 66. Zhu, Z., Broesrma, K. y Mazumder, A. (2011).
54. Thomann, J. A. y Mueller, R. V. (1987). Principles of “Model assessment of cattle and climate impacts
surface water quality modeling and control. Editorial on stream fecal coliform pollution in the Salmon
Harper Collins. river watershed, British Columbia, Canada. Water,
55. Torres, J., Camacho, L. y Rodríguez, E. (2008). Air & Soil Pollution, 215(1-4), 155-176.
Marco de modelación de organismos patógenos 67. Ziemińska-Stolarska, A. y Skrzypski, J. (2012).
en ríos de montaña. XVIII Seminario Nacional de Review of mathematical models of water quality.
Hidráulica e Hidrología, 1-10. Ecological Chemistry and Engineering 19(2),
56. Tsakiris, G. y Alexakis, D. (2012). Water quality 197-211.
15