BIOESTIMULACIÓN DE MICROORGANISMOS COMO ESTRATEGIA...
Transcript of BIOESTIMULACIÓN DE MICROORGANISMOS COMO ESTRATEGIA...
BIOESTIMULACIÓN DE MICROORGANISMOS COMO ESTRATEGIA
SUSTENTABLE DE PRETRATAMIENTO PARA AGUAS RESIDUALES
INDUSTRIALES DEL PROCESAMIENTO DE ACEITE DE PALMA: UN
ESTUDIO DE CASO EN BOGOTÁ D.C.
INVESTIGADOR
ING. OSCAR DANILO OME BARRERA
Tesis para optar por el título de Magister en Desarrollo Sustentable y Gestión Ambiental
DIRECTOR
ING. Ph.D. CARLOS ALFONSO ZAFRA MEJÍA
FACULTAD DE MEDIO AMBIENTE Y RECURSOS NATURALES
UNIVERISDAD FRANCISCO JOSÉ DE CALDAS
BOGOTÁ D.C., 2017
Dedicatoria
Dedico esto trabajo a Dios, por haberme dado la vida y permitirme el entendimiento para
llegar hasta a este punto fundamental de mi vida. A Jesucristo, luego que es mi amigo fiel
y su compañía me reconforta en los más tensos días. A mi madre, por ser un apoyo
incondicional y estar allí en cada momento. A mi padre, por enseñarme desde temprana
edad el reconocimiento de la ciencia. A mi hija, por estar en mi corazón y ser parte
fundamental de mi razón de vida. A mi esposa, por sus constantes sacrificios y por su
amor incondicional en cada momento, siendo voz de aliento o esa expresión de ánimo,
cariño y entendimiento que me recargan de pasión por la vida. A mi hermana y mis
sobrinos, porque son buena parte y razón de mi alegría. A mis profesores, por su
compartir su conocimiento, experiencia y sabiduría.
Agradecimientos
Agradezco a Dios y a Jesucristo, por guardarme cada día, por darme fuerzas cuando no
había ninguna y por cada una de las bendiciones que me acompañaron en este camino.
A mi familia, porque son el motor de mi vida y siempre han estado apoyándome y
forjando el camino de mi vida.
Y finalmente, agradezco al profesor Carlos Zafra, por su apoyo y guía en el desarrollo de
esta investigación.
TABLA DE CONTENIDO
RESUMEN ......................................................................................................................... 9
INTRODUCCIÓN ............................................................................................................ 13
1. PLANTEAMIENTO DEL PROBLEMA ................................................................... 15
2. JUSTIFICACIÓN ..................................................................................................... 19
3. OBJETIVOS ............................................................................................................. 22
3.1. Objetivo General .................................................................................................... 22
4. MARCO TEÓRICO .................................................................................................. 23
4.1. Elementos conceptuales y teóricos ........................................................................ 23
4.2. Mecanismos de evaluación ambiental, económica y social en el tratamiento de
aguas residuales ...................................................................................................................... 36
4.3. Estado del recurso hídrico en Colombia .............................................................. 39
4.4. Legislación nacional e internacional de referencia ............................................. 41
5. METODOLOGÍA ..................................................................................................... 43
5.1. Identificación de factores clave en procesos de biorremediación ...................... 44
5.2. Aplicación y evaluación del plan de bioestimulación en la empresa caso de
estudio 46
5.3. Formulación del modelo dinámico para el sistema propuesto ........................... 59
5.4. Análisis estadístico de datos .................................................................................. 62
6. RESULTADOS Y DISCUSIÓN ................................................................................. 65
6.1. Sistemas de biorremediación para el tratamiento de aguas residuales ............. 65
6.2. Plan de bioestimulación desarrollado en la PTARI ............................................ 79
7. CONCLUSIONES ................................................................................................... 112
8. RECOMENDACIONES .......................................................................................... 114
9. BIBLIOGRAFÍA ......................................................................................................... 116
INDICE DE FIGURAS
FIGURA 1. TÉCNICAS DE BIORREMEDIACIÓN ............................................................................ 24
FIGURA 2. REFINACIÓN FÍSICA DEL ACEITE DE PALMA ........................................................ 27
FIGURA 3. CULTIVOS DE PALMA PARA EL AÑO 1997 ................................................................ 29
FIGURA 4. CULTIVOS DE PALMA PARA EL AÑO 2007 ................................................................ 30
FIGURA 5. ETAPAS DE LA MODELACIÓN ...................................................................................... 34
FIGURA 6. VÍNCULOS ENTRE LA POBLACIÓN Y EL AGUA ...................................................... 40
FIGURA 7. DIAGRAMA DE FLUJO METODOLÓGICO ................................................................. 43 FIGURA 8. ACTUAL SISTEMA DE TRATAMIENTO DE AGUAS RESIDUALES
INDUSTRIALES .............................................................................................................................. 48 FIGURA 9. DIAGRAMA DE TRATAMIENTO DE AGUAS RESIDUALES INDUSTRIALES EN
LA PLANTA DE ESTUDIO ............................................................................................................ 49
FIGURA 10. ESQUEMA DEL SISTEMA DE CONDUCCIÓN Y ALMACENAMIENTO DE
AGUAS RESIDUALES .................................................................................................................... 51 FIGURA 11. IDENTIFICACIÓN DE LOS PUNTOS DE MUESTREO EN EL SISTEMA DE
TRATAMIENTO ............................................................................................................................. 52
FIGURA 12. MONTAJE PARA EL ANÁLISIS DE DBO5 ................................................................... 53 FIGURA 13. EVALUACIONES REALIZADAS A LOS RESULTADOS DEL PLAN DE
BIOESTIMULACIÓN ..................................................................................................................... 64
FIGURA 14. ANÁLISIS GEOGRÁFICO MUNDIAL POR TIPO DE TÉCNICA DE
BIORREMEDIACIÓN .................................................................................................................... 77 FIGURA 15. ANÁLISIS TEMPORAL DEL USO DE TÉCNICAS DE BIORREMEDIACIÓN
(BIOESTIMULACIÓN Y BIOAUMENTACIÓN) ....................................................................... 78
FIGURA 16. TANQUE DE PREPARACIÓN Y DOSIFICACIÓN DEL BIOCATALIZADOR ...... 82
FIGURA 17. CONTROLADOR AUTOMÁTICO DE PH .................................................................... 83 FIGURA 18. SUMINISTRO DE AIRE EN TANQUE DE ALMACENAMIENTO DE AGUA
RESIDUAL INDUSTRIAL ............................................................................................................. 84
19. RESULTADOS GRÁFICOS DE LA DBO OBSERVADA VERSUS LA DBO SIMULADA ...... 86 FIGURA 20. COMPORTAMIENTO TEMPORAL DE LA TEMPERATURA Y EL
DESARROLLO MICROBIOLÓGICO ......................................................................................... 87
21. RESULTADOS GRÁFICOS DE LA TEMPERATURA OBSERVADA VERSUS LA
TEMPERATURA CALCULADA .................................................................................................. 87
FIGURA 22. ESQUEMA CONCEPTUAL DE LA MODELACIÓN EN STELLA. ........................... 96 FIGURA 23. RESULTADOS GRÁFICOS DE PRONÓSTICOS DEL MODELO VERSUS DATOS
OBSERVADOS (CALCULADOS) ................................................................................................. 99 FIGURA 24. MATRIZ DE FASES DEL MODELO DINÁMICO (BACTERIAS HETERÓTROFAS
TOTALES VERSUS TIEMPO) .................................................................................................... 100
FIGURA 25. COMPORTAMIENTO TEMPORAL EN LA REMOCIÓN DE CONTAMINANTES
VERSUS LAS FASES DE DESARROLLO MICROBIOLÓGICO .......................................... 101 FIGURA 26. ANÁLISIS PROSPECTIVO A 10 AÑOS DEL COSTO ACUMULADO DEL
TRATAMIENTO FISICOQUÍMICO VERSUS BIOESTIMULACIÓN ................................. 107 FIGURA 27. COMPORTAMIENTO DE LA DBO EN EL VERTIMIENTO FINAL CON
BIOESTIMULACIÓN Y SIN BIOESTIMULACIÓN ................................................................ 109
INDICE DE TABLAS
TABLA 1. EMPRESAS EN COLOMBIA DE GRASAS Y ACEITES VEGETALES ...................... 31
TABLA 2. ELEMENTOS DE LA MODELACIÓN .......................................................................... 33 TABLA 3. NORMATIVIDAD VIGENTE EN MATERIA DE AGUAS RESIDUALES EN
COLOMBIA Y PRINCIPALES NORMAS EN PAÍSES PRODUCTORES O
PROCESADORES DE ACEITE DE PALMA. ......................................................................... 42 TABLA 4. ELEMENTOS QUE COMPONEN EL SISTEMA DE TRATAMIENTO DE AGUAS
RESIDUALES ............................................................................................................................ 48
TABLA 5. RESULTADOS FISICOQUÍMICOS DEL VERTIMIENTO FINAL PARA EL AÑO
2015 EN LA PLANTA DE ESTUDIO........................................................................................ 50
TABLA 6. RESULTADOS DE LA METODOLOGÍA APLICADA PARA LA REVISIÓN
BIBLIOGRÁFICA ..................................................................................................................... 66
TABLA 7. CONCENTRACIÓN DE FACTORES CLAVE EN PROCESOS DE
BIORREMEDIACIÓN DE AGUAS RESIDUALES ................................................................. 68
TABLA 8. MATRIZ DE CORRELACIÓN DE PEARSON PARA VARIABLES CUANTITATIVAS
.................................................................................................................................................... 76
TABLA 9. CÁLCULOS DE TRH EN EL SISTEMA DE CONDUCCIÓN Y ALMACENAMIENTO
DE AGUAS RESIDUALES ........................................................................................................ 79
TABLA 10. NITRÓGENO DOSIFICADO ........................................................................................ 81
TABLA 11. FÓSFORO DOSIFICADO ............................................................................................. 81
TABLA 12. OXIGENO DOSIFICADO ............................................................................................. 85 TABLA 13. RESULTADOS FISICOQUÍMICOS Y MICROBIOLÓGICOS EN EL INICIO DE LA
BIOESTIMULACIÓN (PUNTO A) ........................................................................................... 89 TABLA 14. RESULTADOS FISICOQUÍMICOS Y MICROBIOLÓGICOS EN LA
FINALIZACIÓN DE LA BIOESTIMULACIÓN (PUNTO B) ................................................. 90
TABLA 15. ANÁLISIS DE REMOCIÓN (%) DE CONTAMINANTES ENTRE LOS PUNTOS DE
CONTROL A – B ....................................................................................................................... 92 TABLA 16. PARÁMETROS PARA LA DETERMINACIÓN DE ECUACIONES LINEALES DE
LA DBO Y BACTERIAS OBSERVADAS ................................................................................ 95
TABLA 17. DETERMINACIÓN DE PARÁMETROS A, K Y C DEL MODELO........................... 95
TABLA 18. CALCULO DE LAS BACTERIAS HETERÓTROFAS TOTALES OBSERVADAS Y
CALCULADAS .......................................................................................................................... 99
TABLA 19. COSTO DE TRATAMIENTO FÍSICO-QUÍMICO PARA UN CAUDAL DE 3896
M3/MES .....................................................................................................................................104 TABLA 20. COSTO DE TRATAMIENTO MEDIANTE BIOESTIMULACIÓN PARA 3896
M3/MES .....................................................................................................................................104 TABLA 21. VERTIMIENTO DE LA PTARI EMPRESA CASO DE ESTUDIO (M3/MES) PARA
EL PERIODO 2011 A 2015 .......................................................................................................105 TABLA 22. RCE EVALUADO A CAUDAL DE VERTIMIENTO MÍNIMO, PROMEDIO Y
MÁXIMO (2011 - 2015) ............................................................................................................105 TABLA 23. ANÁLISIS PROSPECTIVO A 10 AÑOS DEL COSTO ACUMULADO DEL
TRATAMIENTO FISICOQUÍMICO VERSUS BIOESTIMULACIÓN ................................106
TABLA 24. ANÁLISIS FISICOQUÍMICOS DEL VERTIMIENTO FINAL ..................................110
TABLA 25. REPORTE DE RESULTADOS DE VERTIMIENTO DE DBO5 PERIODO (2008- 2015)
...................................................................................................................................................111
INDICE DE ECUACIONES
ECUACIÓN (1) PORCENTAJE DE REMOCION DE CONTAMINANTES .................................... 36
ECUACIÓN (2) RELACIÓN COSTE EFECTIVIDAD ........................................................................ 38
ECUACIÓN (3) VARIACÓN DE BIOMASA EN RELACION A LA CANTIDAD DE
MICROORGANISMOS .................................................................................................................. 59
ECUACIÓN (4) VARIACIÓN DE BIOMASA EN RELACION A LA CANTIDAD DE SUSTRATO
CONSUMIDO ................................................................................................................................... 59
ECUACIÓN (5) VARIACIÓN DEL SUSTRATO PROPORCIONAL AL SUSTRATO EN UN
MOMENTO DADO ......................................................................................................................... 60
ECUACIÓN (6) SUPERPOSICIÓN DE ECUACIONES 3 Y 4 ............................................................ 60
ECUACIÓN (7) SOLUCIÓN DEL SISTEMA DE ECUACIONES 5 Y 6 ........................................... 60
ECUACIÓN (8) FUNCION BASE DE DESARROLLO DEL MODELO DINAMICO ..................... 60
ECUACIÓN (9) VARIACIÓN DE LA BIOMASA (K) ......................................................................... 60
ECUACIÓN (10) VARIACIÓN DEL SUSTRATO (A) ......................................................................... 60
ECUACIÓN (11) IGUALACIÓN DE ECUACIONES 3Y4 .................................................................. 61
ECUACIÓN (12) UTILIZACIÓN DEL SUSTRATO POR LA BIOMASA (C) ................................. 61
9
RESUMEN
El objetivo de la investigación fue desarrollar un biocatalizador para la bioestimulación
de la población bacteriana nativa en las trampas de grasas de aguas residuales de la
industria de refinación física de aceite de palma, con el fin de reducir su carga
contaminante de DBO5, DQO, fenoles, y grasas y aceites. Se evaluó la eficiencia de la
bioestimulación aplicada desde las dimensiones ambiental (porcentaje de remoción
alcanzado), económica (costos de tratamiento) y social, desde el contexto de la salud
pública a través de valorar el cumplimiento de la legislación vigente; a partir de los valores
máximos permisibles en el vertimiento final. La metodología de investigación es de
carácter experimental y se desarrolló en tres epatas, una primera etapa de descripción del
lugar de investigación, una segunda etapa de recolección de información, y una última
etapa de análisis de la información para dar cumplimiento a los objetivos propuestos. Los
resultados mostraron que el proceso de bioestimulación fue exitoso y logró una remoción
promedio de 21,5% para DBO5, 13,0% para DQO, 30,0% para grasas y aceites, y 29,1%
para fenoles. Por lo cual, la adición equilibrada del biocatalizador desarrollado y el control
de los factores clave de bioestimulación (Temperatura, pH, N, P y DBO) en bacterias
nativas de trampas de grasas en aguas residuales industriales de aceite de palma
incrementa la remoción de DBO5 y las bacterias heterótrofas totales, dada la correlación
de estos últimos (r-Pearson: 0,737; p-valor: 0,005; gl: 12). el tratamiento mediante
bioestimulación fue 123 pesos más económico por cada 100 ppm de DBO5 a remover,
comparado con el tratamiento convencional efectuado; lo cual quiere decir, que este
último fue un 46,8% más costoso. Desde el contexto de la salud pública, la
bioestimulación como estrategia de pre-tratamiento en aguas residuales resulta viable
dado que el parámetro DBO5 (promedio = 303 mg/l) se mantuvo siempre en cumplimiento
de la actual norma (Resolución 631 de 2015) durante los seis meses del periodo de
evaluación. Se concluye, que el desarrollo del biocatalizador y el proceso de
bioestimulación es ambientalmente admisible, debido a los porcentajes de remoción de
los contaminantes críticos (DBO = 13%; DQO = 30%; grasas y aceites = 29,1%), y es
económicamente viable debido a presentar menor relación costo efectividad en
comparación al tratamiento convencional efectuado (123 pesos más económico por cada
10
100 ppm de DBO5 a remover). Finalmente, Desde la dimensión social del desarrollo
sustentable en sistemas de tratamiento de aguas y en el contexto de la salud pública, se
considera la bioestimulación como una estrategia de pretratamiento en aguas residuales
viable, dado que que el parámetro de DBO se mantuvo en cumplimiento normativo, el
cual es causante de propagación de enfermedades patogénicas (Osuolale et al., 2015;
Verma et al., 2008).
Palabras Clave: biorremediación, aguas residuales, bioaumentación, bioestimulación.
Autor corresponsal: (O. Ome) E-mail: [email protected]
11
ABSTRACT
Aim of the research was to develop a biocatalyst for biostimulation of the native bacterial
population in the grease traps of wastewater from the palm oil physical refining industry,
in order to reduce its pollutant load of BOD5, COD, phenols, and fats and oils. The
efficiency of biostimulation applied from the environmental dimensions (percentage of
removal achieved), economic (treatment costs) and social, from the context of public
health through assessing compliance with current legislation was evaluated; from the
maximum permissible values in the final efluent. The research methodology is of an
experimental kind and was developed in three stages, a first stage of description of the
research site, a second stage of information gathering, and a final stage of information
analysis to comply with the proposed objectives. Among the main results of the research
it was obtained that the biostimulation process was successful and achieved an average
removal of 21.5% for BOD, 13.0% for COD, 30.0% for fats and oils, and 29.1% for
phenols. Therefore, the balanced addition of the developed biocatalyst and the control of
the key factors of biostimulation (Temperature, pH, N, P and BOD) in bacteria native to
grease traps in industrial wastewater of palm oil increases the removal of BOD5 and total
heterotrophic bacteria, given the correlation of the latter (r-Pearson: 0.737, p-value: 0.005,
gl: 12). biostimulation treatment was 123 pesos cheaper for every 100 ppm of BOD5
removed, compared to the conventional treatment carried out; which means that the latter
was 46.8% more expensive. From the public health context, biostimulation as a pre-
treatment strategy in wastewater is feasible given that the BOD5 parameter (average = 303
mg / l) was always maintained in compliance with the current standard (Colombian
standard 631 of 2015) during the six months of the evaluation period. It is concluded that
the development of the biocatalyst and the biostimulation process is environmentally
acceptable, due to the percentages of removal of the critical pollutants (BOD = 13%, COD
= 30%, fats and oils = 29.1%), and economically viable due to having a lower cost-
effectiveness ratio compared to conventional treatment (123 pesos cheaper for every 100
ppm of BOD5 to be removed). Finally, from the social dimension of sustainable
development in water treatment systems and in the context of public health, biostimulation
is considered as a pretreatment strategy in viable wastewater, given that the BOD
12
parameter remained in compliance with regulations, that is responsible for the spread of
pathogenic diseases (Osuolale et al., 2015; Verma et al., 2008).
Key words: bioremediation, wastewater, bioaugmentation, biostimulation.
13
INTRODUCCIÓN
La refinación de aceites vegetales genera grandes cantidades de aguas residuales, las
cuales pueden ser altamente acidas, aceitosas y con importantes cargas de demanda
bilógica de oxígeno (DBO), ello implica un reto en su tratamiento. A menudo se observa
que los sistemas de tratamiento de aguas residuales industriales no tienen la suficiente
capacidad de remoción de contaminantes y en ocasiones se sobrecargan según sus
capacidades de diseño y operación, lo cual implica pérdida de tiempo producto del
reproceso y saturación del sistema. Es decir, el reproceso implica tratar nuevamente el
agua debido a un incumplimiento de los parámetros de calidad del agua y la saturación
indica el punto de operación en donde el sistema no logra remover los contaminantes de
manera eficiente, por lo cual se aumenta el tiempo de retención hidráulica (TRH) en el
sistema de tratamiento.
Considerando lo anterior, es conveniente tener en cuenta el tiempo de retención hidráulica
que el afluente tiene en los sistemas de trampeo de grasas y eventualmente en los tanques
de almacenamiento de agua residual; tiempo en el cual una población bacteriana presente
en la zona puede reducir la carga contaminante antes de llegar a la planta de tratamiento
de aguas residuales industriales (PTARI), toda vez se coadyuve su bioestimulación,
generando así ganancias de tiempo e insumos de tratamiento, que se disminuirán en el
proceso posterior de tratamiento, es decir, en la PTARI.
Es así como con el desarrollo de ésta investigación se generó conocimiento sobre otras
formas no convencionales de tratamiento de aguas residuales industriales y de
aprovechamiento de los recursos ya existentes; como por ejemplo, los microorganismos
presentes en el agua residual y su tiempo de residencia hidráulica antes de llegar a su
proceso de tratamiento en la PTARI de la industria de refinación física de aceite de palma.
Por lo cual, se desarrolló un biocatalizador para la bioestimulación de la población
bacteriana nativa en las trampas de grasas de aguas residuales industriales de la industria
de refinación física de aceite de palma, con el fin de reducir la DBO5, DQO, fenoles y
grasas y aceites.
14
Finalmente, es pertinente mencionar que la gestión adecuada de los vertimientos de aguas
residuales industriales trae consigo beneficios ambientales a la cuenca, luego que proveen
un efluente tratado apto para su vertimiento y, por otra parte, generan beneficios en el
contexto de la salud pública, ya que aguas abajo de los vertimientos industriales se capta
agua con fines agrícolas y también con fines de potabilización. Es decir, la presente
investigación propende por la sostenibilidad del recurso hídrico, involucrando beneficios
de tipo económico, social y ambiental.
El documento de investigación se estructura de la siguiente manera. En el Capítulo 1 se
desarrolla el planteamiento del problema, en el cual se exponen los impactos de tipo
ecológico, económico y social. El Capítulo 2 presenta la justificación, donde se exponen
los principales beneficios por el desarrollo del proyecto de investigación. El Capítulo 3
presenta los objetivos desarrollados, siendo el objetivo principal el desarrollo de un
biocatalizador para la bioestimulación de la población bacteriana nativa en las trampas de
grasas de aguas residuales de la industria de refinación física de aceite de palma. El
Capítulo 4 presenta el marco teórico, allí se reconocen las técnicas y factores clave para
los procesos de bioestimulación e igualmente se identifican los mecanismos de evaluación
ambiental, económica y social en el tratamiento de aguas residuales. El Capítulo 5 hace
referencia a la metodología, la cual fue de carácter experimental y se desarrolló en tres
etapas. En el Capítulo 6 se evidencian los resultados y, finalmente, se presentan las
conclusiones de la investigación.
15
1. PLANTEAMIENTO DEL PROBLEMA
La industria de la palma ha tenido una importante contribución económica para países
como Malasia, Tailandia, Indonesia, Colombia y otras regiones tropicales en desarrollo.
Al respecto, se han reportado elevadas cifras de exportación y producción en las
publicaciones en torno a esta actividad productiva, y no es sorprendente encontrar que esta
producción ha resultado ser una fuente significativa de contaminación del recurso hídrico
(Liew et al., 2014).
Autores como Thoenes (2010) han señalado a Malasia e Indonesia como los mayores
productores y procesadores de aceite de palma a nivel mundial. Los vertimientos
generados en todas las plantas procesadoras de aceite de palma en Malasia tienen el mismo
grado de contaminación que el generado por una población de 32 millones de habitantes.
Adicionalmente, con cargas contaminantes de demanda biológica de oxígeno (DBO5) de
cerca de 20000 ppm. Malasia ha progresado en la gestión del tratamiento de aguas por
medio del desarrollo de tecnologías apropiadas. En este sentido, en el año 2011 las
empresas de procesamiento de aceite de palma alcanzaron el 95,5% de cumplimiento
normativo (DOE 2011, citado por Liew et al., 2014).
América del sur y por supuesto Colombia no es ajena a esta situación, ya que se ha
observado un aumento en la oferta y demanda del aceite de palma. Al respecto, se proyecta
que incremente la producción de aceites vegetales en un 44% para el año 2018,
especialmente en los países en desarrollo (Thoenes, 2010).
En cuanto a la problemática del tratamiento de aguas residuales producto del
procesamiento de aceite de palma, es relevante señalar que los métodos convencionales
de tratamiento de aguas residuales producto de su procesamiento son ineficaces, ya que la
materia grasa es de difícil degradación. Asimismo, Pandey et al. (2003) advirtieron que
las aguas residuales producto de la refinación del aceite de palma son de preocupación
ambiental y requieren de un óptimo tratamiento antes de su descarga. Estas aguas surgen
principalmente en las actividades de división de ácido graso, torres de enfriamiento,
limpieza de filtro prensa, lavado de pisos y sección de calderas (Aslan et al., 2009).
16
Igualmente, Decloux et al. (2007) indicaron que la refinación de aceites vegetales generó
grandes cantidades de agua residuales; las cuales pueden ser altamente acidas y aceitosas,
ello implica un reto en su tratamiento dado que los coagulantes y, en general, los sistemas
de tratamiento biológico requieren un potencial de hidrógeno (pH) neutro o que tiendan a
la basicidad.
Por otro lado, no se debe desconocer que la producción de aceite de palma se encuentra
en crecimiento, y dada sus características de proceso y los impactos ambientales que estos
generan, se requiere una gestión ambiental adecuada en torno a sus vertimientos; ya que,
de no ser así, se pueden presentar impactos significativos sobre los cuerpos de agua
receptores.
En cuanto a los principales impactos ambientales generados por el vertimiento de aguas
residuales industriales producto del procesamiento de palma en la región del Magdalena
(Colombia), Soler et al. (2009) indicaron que se observó la aparición de macrofitas sobre
el espejo de agua de Caño Campano, y que esta problemática también se observa en otros
cuerpos de agua que reciben vertimientos de la industria del procesamiento de palma; lo
cual es un bioindicador de la presencia de nitratos. Igualmente, reportaron una coloración
oscura del agua y una capa de grasa sobre la superficie, lo cual genera una posterior
eutrofización por la falta de oxígeno, causando afectaciones a las características
organolépticas del cuerpo hídrico impactado.
En cuanto a las afectaciones sobre el componente social, Soler et al. (2009) indicaron que
en el Magdalena Medio los vertimientos de aguas desde, la industria procesadora de aceite
de palma pone en riesgo la salud pública de las comunidades cercanas, ya que se observan
casos de alergia en la piel en los niños de la región. Por lo tanto, esto indica una alerta
para las autoridades ambientales y de salud pública locales.
Igualmente, enmarcado en el contexto social, Lu et al. (2014) reporta que los vertimientos
de aguas residuales en China han causado híper eutrofización en los ecosistemas; lo cual
es una respuesta natural ante el aumento de la capacidad de autodepuración de los cuerpos
hídricos receptores. Es de tal magnitud esta problemática, que se ha convertido en un
factor limitante para del desarrollo sostenible del país. Indicando que tres de los cinco
17
grandes lagos de China presentan eutrofización. Por su parte, Prevost et al. (2015)
indicaron que luego de realizar una investigación a lo largo de un año en el río Sena a
través de la zona urbana de París (Francia) Identificaron que la fuente principal de
contaminación viral fueron los efluentes de las PTAR. Este estudio reconoció que existe
una estrecha relación entre las afectaciones a la salud pública y la contaminación de las
aguas superficiales.
En cuanto a la calidad del agua en Colombia, el IDEAM (2011) indicó que el río Bogotá
recibe cerca del 24% de los vertimientos totales sobre los sistemas hídricos del país.
Igualmente, son importantes los aportes contaminantes en las siguientes ocho subzonas
hidrográficas, que incluyen los arroyos del Caribe, el Porce, Río Pance, los directos al
Bajo Magdalena, el Río Lebrija, Alto Putumayo y el Río Guatiquía, que reciben el 36%
de la carga total vertida de carga orgánica y sustancias químicas del país.
Ahora bien, en la ciudad de Bogotá se presenta 18 empresas dedicadas a la elaboración de
grasas y aceites vegetales, lo cual representa un 47% del mercado nacional (Tabla 1);
siendo así la ciudad en Colombia con el mayor número de empresas de producción de
aceites vegetales. De esta manera, se requiere especial atención a los impactos ambientales
derivados de esta actividad productiva en la ciudad de Bogotá, ya que como se mencionó
anteriormente, estos vertimientos pueden generar eutrofización y alterar las características
limnológicas de los cuerpos de agua, generando así una dinámica perjudicial para el
ecosistema receptor.
Adicionalmente, la ciudad de Bogotá presenta industrias de diversos tamaños y
actividades económicas, que por supuesto generan vertimientos; lo cual ha llevado a la
ampliación del sistema de alcantarillado. Sin embargo, aún se observa contaminación al
recurso hídrico producto de la operación industrial y las descargas de agua residuales
domésticas. Este proceso ha afectado tres ríos en la ciudad: Salitre, Fucha y Tunjuelo, que
a su vez desembocan en el río Bogotá; incrementando el riesgo de contaminación en el
sur y occidente de la ciudad (Secretaria Distrital de Salud, 2011).
Considerando lo anterior, surgen preocupaciones sobre la sustentabilidad de los recursos
en torno a la producción del aceite de palma, principalmente sobre la tierra como sustento
18
de las palmas y, en segundo lugar, el agua como insumo de procesamiento y también como
cuerpo receptor de los efluentes de vertido. En el contexto de la gestión del recurso hídrico,
surge la Resolución 631 de 2015, por la cual se establecen los parámetros y los valores
límites máximos permisibles de los vertimientos puntuales a los cuerpos de aguas
superficiales y a los sistemas de alcantarillado público en Colombia; norma que remplaza
el Decreto 1594 de 1984. La actual norma establece límites máximos permisibles y, la
anterior norma, indicaba porcentajes de remoción; además de esto, la actual norma
establece diferentes límites de descarga por sector productivo. Por ejemplo, existen límites
de descarga para la actividad productiva de alimentos y existen límites de descarga para
la actividad productiva de extracción de petróleo.
En lo concerniente al vertimiento producto del procesamiento de palma, la norma indica
en el numeral 7.6 (elaboración de aceites y grasas de origen animal y vegetal), que para
esta actividad productiva existe un límite máximo de descarga en su vertimiento de 400
ppm de DBO5, por lo cual es más restrictiva comparada con la actual norma de
vertimientos de Bogotá (Resolución 3957/2009), donde se establece un límite máximo
permisible de 800 ppm de DBO5.
En cuanto a la eficiencia de remoción de contaminantes, Sarkar et al. (2004) indicaron que
luego de aplicar técnicas de bioestimulación (TB) se logró el 96% de remoción de
hidrocarburos, con un tiempo de retención hidráulica (TRH) de ocho semanas. Por su
parte, Gong (2012) indicó que luego de aplicar TB logró una remoción del 88,9% de
hidrocarburos, con un tiempo de retención hidráulica de veinte semanas. Las TB son
usualmente usadas en suelos y aguas contaminadas por hidrocarburos y dada la
complejidad de estos contaminantes se requieren largos TRH.
A partir de lo expuesto surgió la siguiente pregunta de investigación: ¿Se logrará reducir
la carga orgánica (DBO5), DQO, fenoles, y grasas y aceites, se obtendrá un menor costo
de tratamiento comparado con el tratamiento convencional efectuado y se logrará el
cumplimiento de la resolución 631 mediante la aplicación equilibrada de un biocatalizador
sustentable, y el control de los factores clave (temperatura, pH, ¿y oxígeno) de
bioestimulación de la población bacteriana nativa en las trampas de grasas de aguas
residuales de la industria de refinación física de aceite de palma?
19
2. JUSTIFICACIÓN
La Resolución 631 del año 2015 entró en vigencia el primero de enero del año 2016, lo
cual justifica la presente investigación desde el punto de vista normativo, ya que
probablemente las industrias con sus sistemas actuales de tratamiento de aguas residuales
no tienen la suficiente capacidad de remoción de contaminantes para cumplir con la
legislación. Como bien se observó en la exposición de la problemática, la DBO5 es el
parámetro crítico de los efluentes vertidos por las plantas de refinación física de aceite,
requiriendo así especial atención. De esta manera, es conveniente considerar el tiempo de
retención hidráulica que el afluente tiene en los sistemas de trampeo de grasas y
eventualmente en los tanques de almacenamiento de aguas residuales industriales; tiempo
en el cual una población bacteriana presente en la zona puede reducir la carga
contaminante antes de llegar a la planta de tratamiento de aguas residuales industriales
(PTARI). Al reducir la mencionada carga contamínate, se disminuirá también la carga
contaminante en el efluente tratado, repercutiendo positivamente en la sustentabilidad del
cuerpo hídrico receptor, siendo este el principal fin de la investigación desarrollada.
Considerando lo anterior, la presente investigación generó conocimiento sobre otras
formas no convencionales de tratamiento de aguas residuales, aprovechando los recursos
ya existentes, como por ejemplo, los microorganismos presentes en el agua residual y su
tiempo de residencia antes de llegar a los sistemas de tratamiento.
Los ríos, lagos, acuíferos y otras formas del recurso hídrico representan parte fundamental
de la vida de los ecosistemas naturales y, también, son fuente necesaria para el soporte de
la vida humana; por lo cual no se deben disminuir los esfuerzos por garantizar su cuidado,
manejo y uso sustentable. Es así como se justifica la presente Investigación desde la
dimensión social, luego que como se mencionó anteriormente, los cuerpos hídricos que
reciben el agua residual producto de la refinación física de aceite representan un peligro
potencial para la salud de los pobladores. No obstante, si se cumple con la legislación en
materia de vertimientos se contribuirá con la salud pública de estas comunidades.
Enmarcado en el contexto social, el agua representa un elemento fundamental para la vida
de las comunidades, ya que de ella se suministra el servicio del agua potable e igualmente
20
presta servicios de disfrute y recreación, alrededor de los cuerpos de agua se generan
actividades culturales y hábitos que hacen parte de la expresión de las personas. Es decir,
que el agua no solo es un elemento que genera y mantiene la vida, sino que también es un
medio que propicia espacios de interacción social. Adicionalmente, los cuerpos de agua
son útiles como sistema de transporte, es decir que también es un elemento que genera
desarrollo económico.
La presente investigación se realizó en una planta de refinación física de aceite de palma
de la ciudad de Bogotá, ya que como se observó anteriormente, esta ciudad alberga el
mayor número de plantas procesadoras de aceite de palma del país; lo cual convierte a la
capital en un sitio de especial relevancia en cuanto a los impactos ambientales generados
producto de la operación de la mencionada actividad industrial. Adicionalmente, a
menudo se observa que los tratamientos convencionales suelen ser costosos y poco
eficientes, siendo esto una oportunidad de mejora desde el punto de vista económico;
donde se procuró reducir los costos de tratamiento en relación a los sistemas
convencionales.
Es de reconocer el carácter interdisciplinar de la presente investigación, puesto que
involucra en su desarrollo las siguientes disciplinas: química, microbiología, estadística e
ingeniería ambiental. No obstante, estas disciplinas por si solas no conducen al desarrollo
de la investigación, por lo cual es necesario integrar sus postulados con el fin de desarrollar
los objetivos de la misma; con lo cual se logró la generación de soluciones técnicas en lo
concerniente a la bioestimulación como estrategia de pretratamiento de aguas residuales
industriales.
Por otro parte, se debe tener en cuenta que el incumplimiento de las metas de carga
contaminante en los cuerpos de agua según el Decreto 2667 de 2012, acarrean un cobro
extra en la tasa retributiva, luego que se aplicara el cobro de la tasa multiplicado por un
factor regional que toma valores de 1,0 a 5,5. Al respecto, cada usuario deberá reportar
anualmente las cargas contaminantes generadas por parámetro a la entidad ambiental,
siendo en el caso de Bogotá la Secretaria Distrital de Medio Ambiente; y de presentarse
una carga contamínate mayor a la carga meta del usuario, deberá este pagar la tasa
retributiva multiplicada por el factor regional. Considerando lo anterior, la presente
21
investigación procuró el cumplimiento normativo de vertimientos y consecuentemente
asegurar que las cargas contaminantes se encuentren por debajo de la carga meta, de tal
modo que la empresa no se vio obligada a pagar la tasa retributiva multiplicada por el
factor regional; es decir, que se pagó la menor tarifa establecida.
Finalmente, la presente investigación se enmarca en la línea de investigación de gestión
ambiental de la Maestría en Desarrollo Sustentable y Gestión Ambiental de la Universidad
Distrital F.J.C. en la cual se establece como objetivo proponer un espacio para el análisis
evaluativo y la solución de los problemas relacionados con el manejo y administración de
los sistemas ambientales; donde se busca plantear soluciones novedosas no ofertadas en
el mercado, basadas en procesos de investigación científica, que busquen la conservación
ambiental. Adicionalmente, se impulsa el fortalecimiento del grupo de investigación para
el desarrollo sostenible (INDESOS), el cual procura generar espacios de formación de
investigadores en temas relacionados con el desarrollo sustentable y la gestión ambiental.
22
3. OBJETIVOS
3.1. Objetivo General
Desarrollar un biocatalizador sustentable para la bioestimulación de la población
bacteriana nativa en las trampas de grasas de aguas residuales de la industria de refinación
física de aceite de palma, con el fin de reducir su carga orgánica (DBO5), DQO, fenoles,
y grasas y aceites: Caso de estudio en la ciudad de Bogotá D.C.
3.1.1. Objetivos específicos
❖ Identificar el orden de importancia de los factores claves en los procesos de
biorremediación para el tratamiento de aguas residuales a nivel mundial.
❖ Evaluar la sustentabilidad del biocatalizador desarrollado en la aplicación al
sistema de trampas de grasas, desde la dimensión ambiental (porcentaje de
remoción alcanzado), económica (costos de tratamiento) y social en el contexto de
la salud pública (cumplimiento de la legislación vigente según los valores
máximos permisibles en el vertimiento final).
❖ Desarrollar un modelo dinámico que permita explicar el proceso de remoción de
la carga orgánica (DBO5) a partir de la generación de bacterias heterótrofas.
23
4. MARCO TEÓRICO
4.1. Elementos conceptuales y teóricos
4.1.1. La sustentabilidad
En 1987 la comisión Bruntland es quien acuña el concepto “desarrollo sostenible o
sustentable”, que lo definió como "el desarrollo que satisface las necesidades del presente
sin comprometer la capacidad de las generaciones futuras para satisfacer sus propias
necesidades" (WCED, 1987, citado por Pearce et al., 1998). De esta manera, la comisión
reconoce la relación entre pobreza, mejoramiento ambiental y equidad social a través de
un crecimiento económico sostenible. La condición para el desarrollo sostenible se traduce
a que cada generación deja a la siguiente generación un stock de capacidad productiva en
forma de capital (humano, social y natural), y el cual debe ser capaz de sostener el
bienestar de ésta última (Pearce et al., 1998).
Pearce et al. (1998) reconocen que existe una sustentabilidad débil y una sustentabilidad
fuerte. La sostenibilidad débil (SD) se refiere a que cualquier forma de capital puede ser
sustituida por otra, esto no quiere decir que éste proceso de sustitución sea de bajo costo,
luego que una forma de capital debe ser compensado por otra forma de capital; por
ejemplo, cuando un recurso no renovable como una reserva de gas natural está siendo
explotado, se requiere que una parte de los ingresos sean invertidos en activos alternativos.
Por otro lado, la sostenibilidad fuerte (SF) se refiere a que ninguna forma de capital puede
ser sustituida por otra, aunque esto no implica que la SD sea irrelevante, es más, la SF
requiere de la SD considerando que las formas de capital no deben disminuir.
Ahora bien, en el marco de la SF y soportado en el mecanismo de gestión ambiental de
tratamiento de aguas, se aprovechan las potencialidades ofrecidas por la naturaleza desde
el contexto microbiológico y, de esta manera se contribuirá a la conservación de un
fundamental capital natural, como lo es el recurso hídrico; impactando positivamente a
los ecosistemas que se sustentan en él y beneficiando a las poblaciones que demandan su
uso.
24
4.1.2. Tratamiento de aguas residuales mediante biorremediación
En la Figura 1 se observa que la biorremediación se puede dividir en tres técnicas acorde
a lo señalado por Salinas et al. (2008). En primer lugar, a través de la depuración natural
los contaminantes se reducen por la acción de microorganismos nativos sin ninguna ayuda
externa. En segundo lugar, la bioestimulación se emplea donde los nutrientes se aplican
al sistema para acelerar la biodegradación. Por último, en la bioaumentación se añaden
microorganismos en el sistema.
Figura 1. Técnicas de biorremediación
Fuente: adaptado de Salinas et al. (2008)
Tanto para la bioestimulación como para la bioaumentación se coadyuva el crecimiento
bacteriano a través de un biocatalizador, éste es una mezcla equilibrada de nutrientes,
principalmente: oxígeno, nitrógeno, carbono y fósforo (Salinas et al., 2008).
Variedad de tecnologías biológicas, físicas y químicas han sido desarrolladas para tratar
la contaminación por hidrocarburos en los suelos y mares. Sin embargo, estas técnicas a
menudo no son capaces de eliminar completamente los contaminantes. Por su parte la
Biorremediación
Bioestimulación (adición de nutrientes)
Bioaumentación (adición de microorganismos)
Depuracion natural (no requiere ayuda externa)
25
bioestimulación y bioaumentación ha demostrado ser un método eficaz para la limpieza
de contaminantes en una variedad de entornos (Van Hamme et al., 2003), razón por la
cual la biorremediación se propone como la forma más viable a implementar en ambientes
marinos (Snape et al., 2001).
En cuanto al costo de operación, las tecnologías de biorremediación son de bajo costo,
según lo reportado por Saratale et al. (2010). Igualmente, los investigadores indicaron que
son ambientalmente amigables debido a que producen menor cantidad de lodo en
comparación con tecnologías de tratamiento físico-químico; éstas últimas suelen ser más
costosas, debido al gasto energético y de insumos químicos.
En cuanto al tratamiento de aguas residuales domésticas en el sur de China mediante el
uso de técnicas de bioaumentación, Guo et al. (2010) indicaron que para acelerar la puesta
en marcha de procesos de tratamiento de aguas residuales municipales biológicos a bajas
temperaturas y garantizar su tratamiento estable, se adoptó por la adición de bacterias
especializadas. Como resultado tres tipos de procesos biológicos se iniciaron con éxito
dentro de 15 días y mostraron actuaciones diarias estables y eficientes, donde las
condiciones como la temperatura y la carga contaminante, fueron constantes
fundamentales en el éxito del tratamiento biológico.
Adicionalmente, bacterias capaces de la eliminación de nitrógeno (heterótrofos-aeróbico)
se aplicaron con éxito para bioaumentado en el tratamiento de aguas residuales
municipales en un sistema piloto, las bacterias introducidas mejoraron en gran medida la
estructura de la comunidad microbiana original y han facilitado sus capacidades de
eliminación de nutrientes aeróbicos. La tecnología emergente propuesta demostró ser una
tecnología alternativa para establecer nuevos sistemas de tratamiento de aguas residuales
y actualizar o modernizar los sistemas convencionales (Chen et al., 2015).
26
4.1.3. Técnicas y factores clave en los procesos de biorremediación para el
tratamiento de aguas residuales
Guo et al. (2010), Sode et al. (2013), Van Deuren et al. (2007), Ward et al. (2003) y
Margesin et al. (1998) indicaron que los factores clave en procesos de biorremediación
fueron (i) DBO5, (ii) temperatura, (iii) pH, (iv) nitrógeno, (v) fosforo y (vi) oxígeno.
Es pertinente señalar, que las fases de síntesis y de respiración de un tratamiento por
degradación biológica aerobia requieren una cantidad adecuada de nutrientes para llevarse
a cabo; estos nutrientes son nitrógeno, fósforo, calcio, magnesio y vitaminas. La mayoría
de estos compuestos se encuentran en trazas, sin embargo, la deficiencia de nitrógeno y
fósforo contribuyen a una desestabilización del proceso, por lo que es necesario añadir
nitrógeno y fósforo en proporciones adecuadas identificadas previamente (Reyes et al.,
1998). No obstante, en exceso estos nutrientes pueden causar fenómenos de eutrofización
en los cuerpos de aguas (Charlar, 2006)
La técnica de bioestimulación se ha desarrollado mediante la circulación de soluciones de
origen natural a base de agua, donde los nutrientes (nitrógeno, fósforo y carbono) se
pueden usar para mejorar el desarrollo de las bacterias y la reducción de contaminantes
(Van Deuren et al., 1997).
En la mayoría de los casos la técnica más usual de biorremediación es la bioaumentación
dado que proporcionan cepas bacterianas especializadas, las cuales han sido desarrolladas
en ambientes agradables y son seleccionadas según su capacidad de metabolizar los
contaminantes críticos. En menor medida se usan técnicas de bioestimulación, ya que
implica potencializar las capacidades de las bacterias nativas, requiriendo identificar una
óptima relación de nutrientes (Hassanshahian et al., 2013; Gong, 2012).
Por ejemplo, en un estudio realizado en Estados Unidos a 50 empresas de lácteos por parte
de Danalewich et al. (1998) se logró detectar que la mayoría de las instalaciones de
tratamiento en sitio requerirán renovar o cambiar sus sistemas actuales para el tratamiento
de aguas, con el fin de cumplir con la normatividad; especialmente con respecto a los
niveles de nutrientes (nitrógeno y fósforo). Se llegó a la conclusión de que la eliminación
biológica de nutrientes de las aguas residuales de lácteos debe ser factible dada la relación
27
de altas concentraciones de compuestos orgánicos fácilmente degradables; situación que
es análoga a la presentada en la industria del procesamiento de aceite de palma.
4.1.4. Procesamiento industrial del aceite de palma
En la Figura 2 se observa el proceso de refinación física del aceite de palma. Donde,
inicialmente es pre refinado con soda caustica a fin de sepáralo de los ácidos grasos libre,
y con ácido cítrico para retirar las gomas. Posterior a ello el aceite es refinado, blanqueado
y desodorizado con tierras de blanqueo y carbón activado para eliminar color y material
residual. En un proceso posterior el aceite de palma puede ser hidrogenado para elevar su
punto de fusión y convertirlo en una grasa dura (Pandey et al., 2003).
Figura 2. Refinación física del aceite de palma
Fuente: www.tecnologiaslimpias.org (2016)
Dentro de las principales problemáticas ambientales y sociales de la producción de aceite
de palma se encuentra los vertimientos de aguas a cuerpos hídricos. Al respecto, el área
de planeación y gestión ambiental sectorial de Fedepalma (2011) ha recopilado
información relacionada con los vertimientos de diferentes plantas extractoras a nivel
nacional, donde se estableció un tamaño de muestra de 15 plantas; las cuales se
distribuyeron en tres zonas: norte, oriente y central. En cuanto al análisis de DBO5, el
promedio nacional de los valores reportados por laboratorio según el muestreo es de 267
mg/l. Sin embargo, el promedio de los datos históricos recolectados por Fedepalma a nivel
nacional es de 909 mg/l. lo cual evidentemente excede el límite permisible de vertimiento
de la resolución 631 para este parámetro. (Cenipalma, 2011).
28
Es pertinente mencionar que otro contaminante crítico encontrado en el efluente tratado
son los fenoles totales. En la Zona Central el rango de valores reportados va de 0,093 mg/l
a 4,2 mg/l. Considerando en la zona centro a la ciudad de Bogotá, es preocupante esta
situación, ya que la Resolución 3957/2009 estableció que el máximo permisible de fenoles
es de 0,2 mg/l.
• Producción de aceite de palma en Colombia
La producción de aceite de palma en Colombia se encuentra en crecimiento y se ha
diversificado su funcionalidad, además de ser un insumo alimenticio también es un
insumo para el cuidado personal y para la producción de biodiesel. Es de destacar, que el
Gobierno Nacional de Colombia considera el negocio de la palma como una importante
fuente de desarrollo económico y social en las zonas rurales. Si bien se reconoce el
potencial de la demanda internacional, se prioriza en la demanda nacional de aceite de
palma para ser cubierto por la oferta disponible. Es de reconocer el aumento en la demanda
nacional de aceite de palma, puesto que se observa una expansión en los cultivos pasando
de 138.458 hectáreas (ha) en el año 1997 a 451.131 ha en el año 2014; siendo la zona
oriental donde se presentan los más grandes cultivos de aceite de palma con un total de
173.861 ha, lo cual representa un 38,5% del total sembrado en Colombia (Fedepalma,
2014).
Es pertinente mencionar que existen zonas del país que han incursionado en la siembra de
palma, como es el caso de Cúcuta, luego que en el año 1997 no presentaban ningún cultivo
y para el año 2007 presenta importantes cultivos. En la Figura 3 y 4 se evidencia los
aumentos de producción, así como las zonas productivas de aceite de palma en Colombia
de los años 1997 y 2007.
En cuanto a la refinación de aceite de palma Colombia presenta un total de 38 industrias
dedicadas a la elaboración de grasas y aceites de origen vegetal, y la ciudad de Bogotá
cuanta con 18 industrias; representando el 47% de participación en el mercado nacional,
como se muestra en la Tabla 1. Esto refleja la especial atención que requiere la
mencionada actividad productiva en la capital, ya que las aguas residuales industriales del
procesamiento de aceite de palma pueden generar impactos ambientales significativos
sobre los cuerpos hídricos receptores.
29
Figura 3. Cultivos de palma para el año 1997
Fuente: Fedepalma (2007)
30
Figura 4. Cultivos de palma para el año 2007
Fuente: Fedepalma (2007)
31
Tabla 1. Empresas en Colombia de grasas y aceites vegetales
Empresas en Colombia de aceites y grasas vegetales
Ciudad/ municipio Número de empresas Porcentaje
Bogotá 18 47,4
Barranquilla 6 15,8
Santa Marta 3 7,9
Bucaramanga 2 5,3
Cali 2 5,3
Villavicencio 2 5,3
Yumbo 2 5,3
Buga 1 2,6
Ciénaga 1 2,6
Soacha 1 2,6
Colombia 38 100
Fuente: Adaptado de vademécum empresarial www.lanotadigital.com (2010)
4.1.5. Modelos dinámicos para procesos ambientales
La modelación es utilizada para mostrar de forma gráfica y sencilla la realidad que sucede
dentro de un ecosistema a fin de entender los procesos de trasformación de los elementos
en su interior, donde se puede o no hacer uso de programas de cálculo computacionales
para su desarrollo (Jorgensen et al., 2001; Rosero, 2013).
En un modelo dinámico los elementos que intervienen en la modelización no permanecen
invariables, sino que se consideran como funciones del tiempo, describiendo trayectorias
temporales. El objeto del análisis es estudiar la trayectoria temporal específica de sus
elementos. Existen modelos dinámicos deterministas y estocásticos, en el primer caso los
parámetros como las variables temporales se le asignan valores determinados, siendo este
tipo de modelo el que se utilizará en la presente investigación; luego que a través de los
análisis de laboratorio de los diferentes parámetros se tendrá certeza de su valor y a partir
de ello se construirá el modelo dinámico (Berrio, 2013).
Los modelos son una representación matemática de procesos que suceden en un espacio
delimitado. No obstante, el modelo debe ajustarse bien a los datos experimentales a fin de
que prediga el comportamiento del sistema estudiado. En tratamiento de aguas, no se debe
desconocer los procesos microbiológicos con el objetivo de tener un mayor ajuste en el
modelo (Van Loosdrecht et al., 1999).
32
A partir de lo anterior, los modelos dinámicos en tratamiento de aguas se desarrollan por
medio de balances de masas que toman en cuenta los procesos de transformación de la
materia, el tipo y mezcla en el reactor, y los flujos de entrada y de salida. Los modelos son
constituidos a través de ecuaciones de leyes de conservación de la materia, las cuales
deben solucionarse para luego describir los cambios en el estado del sistema a través de
variables como la DBO5, oxígeno, nitrógeno, entre otras. La escritura de un modelo resulta
en un sistema de ecuaciones diferenciales (Hulsbeek et al., 2002).
Para el desarrollo de un modelo matemático es necesario considerar los siguientes
elementos: (i) transporte de cantidad de movimiento, (ii) transporte de masa y transporte
de energía (Cañellas, 2006).
• Transporte de cantidad de movimiento
Existen dos tipos de sistemas que se pueden considerar en tratamiento de aguas, en primer
lugar se puede considerar el sistema de flujo continuo como un reactor cerrado,
presentándose a su vez dos tipos de flujo; completamente mezclado (CM) o flujo pistón
(FP). En el CM se considera que existe un movimiento y dinámica en el sistema la cual es
capaz de presentar un fluido homogéneo. Por otra parte, el FP considera una que al interior
del sistema se produce un desplazamiento del flujo entrante al interior del sistema, por lo
cual no existe homogenización (Levenspiel, 1999).
En segundo lugar, se puede considerar el sistema de conservación de la cantidad de
movimiento, donde se emplea un análisis de flujos no ideales y estos a su vez se puede
clasificar en dos tipos; modelo de flujo disperso y modelos diferenciales (Levenspiel,
1999).
• Transporte de masa
Dentro de un balance de masa se describe la cantidad de materia de entrada y salida del
sistema, este se deriva de los procesos biológicos de transformación y procesos físicos de
eliminación al interior del sistema. El balance se expresa mediante un sistema de
ecuaciones diferenciales. La representación general de la conversación de la materia
indica que la masa acumulada al interior del sistema es igual a la masa que ingresa, menos
33
la masa de salida, más una reacción fuente, esta última hace referencia a los procesos de
transformación y eliminación (Cañellas, 2006).
Dentro de los procesos biológicos, la degradación de un contamínate o la utilización de
un sustrato por parte de las comunidades microbiológicas adopta usualmente una cinética
de limitación de recursos tipo Monod, donde se relaciona el crecimiento de
microbiológico en función del sustrato (Kayombo et al., 2003).
• Componentes de la modelación
En la Tabla 2 se presentan los elementos para la modelación.
Tabla 2. Elementos de la modelación
Elemento Descripción
Variables externas Son funciones externas que influyen en el estado del sistema y no son
controladas, ejemplo: brillo solar.
Variables de estado Describen el estado del sistema, ejemplo: concentración de DBO5.
Ecuaciones matemáticas Son utilizadas para describir los procesos físicos, químicos y biológicos que
suceden al interior del sistema.
parámetros Variable que aparece en una ecuación para la representación matemática de los
procesos
Constantes Universales Son los términos que permanecen invariables ejemplos: coeficiente de
saturación, y tasa de velocidad.
Fuente: Adaptado de Rosero, 2013.
• Procedimiento para la modelación
En la Figura 5 se presenta las etapas para la construcción de un modelo, donde
inicialmente se debe plantear el objetivo o hipótesis del modelo, posteriormente se
conceptualiza el modelo, donde se da claridad al tipo de flujo y los procesos de
transformación al interior, para luego plantear el modelo matemático. Definido esto, se
procede a la parametrización, esta consiste en definir valores a los elementos del sistema
a fin de resolver las expresiones matemáticas, en la calibración se realizan ajustes al
modelo con los datos obtenidos, la verificación es un análisis subjetivo que intenta
responder a preguntas como: el modelo se desempeña como lo esperado o presenta
contradicciones. Finalmente, en la etapa de evaluación se identifica si el modelo planteado
es razonable y se ajusta con la realidad (Rosero, 2013).
34
Figura 5. Etapas de la modelación
Fuente: adaptado de Mancera et al. (2003).
• Experiencias de modelos de biodegradación de contaminantes en aguas residuales
En experiencias en el desarrollo de modelos dinámicos para reactores de lodos activados
se detectó variables que requieren de un control más preciso, siendo estas la recirculación
de lodos, el suministro de aire y la sedimentación de lodos; ya que son factores
determinantes en la eficiencia del tratamiento (Reyes et al., 1998).
Diversos autores han trabajo en el desarrollo de modelos dinámicos en sistemas de
tratamiento de aguas. Por ejemplo, Brdjanovic et al. (2000) modelaron el proceso el
proceso del bio-fósforo en una planta de tratamiento de aguas residuales domésticas,
Objetivos del modelo
Conceptos del modelo
Planteamiento matemático
Parametrizacióny calibración
Verificación
EvaluaciónModelo
Matemático
35
encontrando que la tasa de decaimiento de bacterias autótrofas es menor en condiciones
anaerobias que en condiciones aerobias. Por su parte, Rodríguez et al. (2008) modelaron
el comportamiento de un sedimentador en una planta piloto, mediante el estudio de los
tiempos de residencia. Finalmente, Sarkar et al. (2007) obtuvieron ecuaciones para
describir la eficiencia de un sedimentador, a partir de un factor el cual es obtenido
relacionado los números de Reynolds y Froude.
4.1.6. Tecnologías convencionales de tratamiento de aguas residuales del
procesamiento de aceite de palma
Las tecnologías convencionales para el tratamiento de aguas residuales producto de la
refinación física son usualmente sistemas de tratamientos físicos y biológicos. Las
instalaciones de tratamiento que tienen disponibilidad de espacio prefieren el uso de
sistemas biológicos, dado que sus costos de operación suelen ser menores en comparación
a un sistema de tratamiento físico-químico; los cuales igualmente son eficientes y
requieren un menor espacio y tiempo de retención hidráulica. Cenipalma (2011) indicó
que en Colombia el tratamiento de los efluentes de plantas de aceite de palma se realizó a
través de un sistema de lagunas de oxidación, compuesto por cuatro etapas: tratamiento
preliminar (rejillas), lagunas de ecualización, anaerobias y facultativas. Dicho sistema
remueve la materia orgánica con eficiencias superiores al 80%, requerido por el decreto
1594/1984.
Ahora bien, en Malasia los sistemas de tratamiento de aguas residuales en la industria de
aceite de palma se han basado en sistemas biológicos, especialmente de tipo anaerobios
de estabilización de estancamiento de aguas; los cuales representan el 85% de los sistemas
de tratamiento de aguas de la industria de aceite de palma debido a sus bajos costos de
tratamiento (Zahrim et al., 2009). Dentro de sus desventajas se encuentra inicialmente los
grandes espacios que requieren este tipo de tratamientos, además de tiempos de retención
hidráulica que oscilan entre los 45 a 60 días para alcanzar su mayor eficiencia en la
remoción de contaminantes (Onyia et al., 2001; Chin et al., 1996).
36
A pesar de las eficiencias que tienen estos sistemas en la remoción de materia orgánica,
no serán suficientes para el cumplimiento de la nueva norma de vertimientos, Resolución
631 del año 2015; considerando que no se establecen porcentajes de remoción sino más
bien valores máximos permisibles, como es el caso de la ciudad de Bogotá que desde el
año 2009 expidió la Resolución 3957, que igualmente estableció valores máximos
permisibles.
4.2. Mecanismos de evaluación ambiental, económica y social en el tratamiento
de aguas residuales
Los mecanismos de evaluación ambiental, económica y social en el tratamiento de aguas
residuales permiten evidenciar los beneficios ambientales, así el costo de tratamiento y su
relación costo-efectividad. Desde el punto de vista social enmarcado en el contexto de la
salud pública, los mecanismos de evaluación permiten valorar la capacidad del tratamiento
en el cumplimiento de la normatividad vigente.
4.2.1. Mecanismo de evaluación ambiental
La valoración ambiental en el tratamiento de aguas residuales se realiza mediante el
método de porcentaje de remoción de contaminantes, entendido como la capacidad del
sistema para eliminar parte de la concentración de contaminantes que se encuentra en el
agua residual. Para el cálculo del porcentaje de remoción de contaminantes habitualmente
se utiliza la siguiente ecuación (Romero et al., 2009):
R= (Ci–Cf) x 100/Ci (1)
Donde, R es el porcentaje de remoción del contaminante en estudio (%), Ci es la
concentración inicial (ppm), y Cf es la concentración final (ppm).
El método de porcentaje de remoción de contaminantes proporciona una medida de
efectividad del tratamiento evaluado, lo cual permite evidenciar la capacidad de remoción
del mismo. Logrando así identificar los porcentajes de remoción de contaminantes del
tratamiento mediante bioestimulación (Romero et al., 2009).
37
El presente método fue utilizado por parte de Romero (2009) para evaluar la remoción de
la carga orgánica mediante un tratamiento de aguas residuales por un sistema piloto de
humedales artificiales. Igualmente, Bermúdez et al. (2000) utilizó este método para
evaluar la disminución de la carga contaminante de la vinaza de destilería por tratamiento
anaerobio. Por su parte, Quipuzco (2000) evaluó el comportamiento de dos pantanos
artificiales mediante el método de porcentaje de remoción de contaminantes. Los
anteriores autores coinciden en la utilización del método de porcentajes de remoción para
la evaluación de eficiencia del tratamiento efectuado al ser un método rápido y efectivo.
4.2.2. Mecanismo de evaluación económica y social
Dentro de la evaluación económica se reconocen tres tipos de herramientas de análisis; el
coste-utilidad, el coste-efectividad y, el coste-beneficio. La diferencia entre ellos se basa
en la forma de reconocer las consecuencias de las alternativas evaluadas (Sánchez et al.,
2003).
• Análisis coste-utilidad
Este tipo de análisis permite evaluar el tiempo de vida de la sociedad ajustado por la
calidad. El resultado de este análisis indica el costo por día saludable o costo por año
ganado a causa de la calidad, siendo útil para la comparación de intervenciones (Sánchez
et al., 2003).
• Análisis coste-beneficio
Este tipo de análisis compara el costo de las alternativas desde la perspectiva de todos sus
beneficios generados, es utilizado en escalas macros y cuando se quiere cuantificar el valor
neto de alcanzar un determinado resultado social. Es decir, que permite estudiar la
rentabilidad social, en temas como la mejora de la salud, la calidad de vida y la
preservación de recursos naturales (Sánchez et al., 2003).
38
• Análisis coste-efectividad
Este tipo de análisis mide los costos financieros directos para alcanzar un objetivo
determinado, es útil para comparar alternativas y establecer cual tiene una mayor
efectividad a un menor costo. Típicamente es utilizado en una escala micro de programas
de intervención (Sánchez et al., 2003).
Para la valoración económica se utilizó el método conocido como análisis coste-
efectividad (ACE). En el cual se comparan diferentes tecnologías de tratamiento de aguas
residuales donde es posible cuantificar sus costos de operación, de tal modo que se puede
determinar el tratamiento que a menor costo produce la mayor efectividad con el mismo
objetivo. Este método permite identificar la medida con mejor Ratio Coste Efectividad
(RCE) centrándonos en aquellos que se refieren directamente al estudio de aguas
residuales y su posterior vertimiento a cuerpos hídricos. A continuación, se presenta la
formula RCE (Martínez et al., 2007; Sánchez et al., 2003).
RCE = RCT/COT (2)
Donde, RCE es el ratio coste efectividad (ppm/pesos), RCT es la remoción de
contaminantes por cada tratamiento (ppm), y COT es el costo de operación de cada
tratamiento (pesos).
El método RCE permite identificar el tratamiento que a menor costo produce el mismo
objetivo de remoción de contaminantes; es también efectivo para reconocer si el
tratamiento mediante bioestimulación es no más costoso que el tratamiento fisicoquímico
para la remoción del contaminante crítico (Martínez et al., 2007).
Por otro lado, los impactos generados al ambiente pueden traducirse en consecuencias
negativas para la salud de las personas, generando perdida en su bienestar además de la
inclusión de gastos médicos asociados al tratamiento de las enfermedades provocadas por
la contaminación ambiental. Freeman (1993) indicó que la salud de las personas a causa
de la contaminación ambiental puede verse influenciada por aspectos como:
39
• Materia orgánica, la cual puede contaminar cuerpos hídricos usados como fuente
de abasto para el consumo humano.
• La contaminación del aire a causa de elevados niveles de ozono troposférico o de
dióxido de azufre, los cuales pueden generar enfermedades respiratorias agudas.
• Disminución del ozono estratosférico permitiendo el incremento en los niveles de
radiación solar, siendo este un precursor en la generación de cáncer en las
personas.
• Aguas residuales las cuales no reciben un tratamiento adecuado y las cuales
pueden ser la principal fuente de proliferación de virus y bacterias las cuales
pueden generar enfermedades en los humanos.
4.3.Estado del recurso hídrico en Colombia
4.3.1. Vertimientos de la industria nacional de aceite de palma
Tradicionalmente los lodos y efluentes del sistema de tratamiento de aguas residuales del
proceso de extracción de aceite de palma, al igual que otros residuos como racimos vacíos
(tusas), han sido valorados por su alto contenido de nutrientes (nitrógeno y fósforo). En
cuanto al contenido de los nutrientes en el vertimiento de 15 empresas de aceite de palma
estudiadas en Colombia se encontró lo siguiente, el nitrógeno total contenido en los
vertimientos se encuentra en un rango de 134 - 339 mg/l, el contenido de fósforo en los
vertimientos se encuentra en un rango de 10,1 - 72 mg/l (Cenipalma, 2011). Como bien
se puede observar el efluente cuenta con importantes fuentes de nutrientes, donde
proporcionando las relaciones exactas de estos nutrientes, se puede lograr un importante
desarrollo bacteriano, toda vez se controlen demás condiciones clave para el óptimo
proceso de la bioestimulación.
4.3.2. Estado del recurso hídrico en Bogotá
Es pertinente reconocer que el agua es un elemento fundamental para la vida y que en ella
se debe asegurar una gestión adecuada y sostenible. La Figura 6 permite evidenciar los
usos del agua y sus consecuencias en el agotamiento del recurso hídrico y alteración en la
calidad del agua, trayendo consigo efectos relacionados en enfermedades provocadas por
40
el consumo de aguas contaminadas y otros efectos de orden social y económico (SDSB,
2011).
Figura 6. Vínculos entre la población y el agua
Fuente: Secretaria Distrital de Salud Bogotá (2011)
Un diagnóstico sobre el estado del agua en Colombia, calcula que la demanda para el
desarrollo de actividades socioeconómicas se expresa mediante los siguientes usos:
agrícola 54%, doméstico 29%, industrial 13%, en menor proporción el pecuario y el de
servicios con 3% y 1%, respectivamente (SDSB, 2011).
Los vertimientos de aguas residuales de las principales ciudades en Colombia se
calcularon en aproximadamente 67 m3/s, donde Bogotá generó el 15% del total del país,
es decir 10 m3/s. El impacto que generan estos depende del volumen vertido y la capacidad
de asimilación de los cuerpos de aguas, entre los casos más importantes se encuentra el
humedal Juan amarillo y el río Fucha (SDSB, 2011).
Las industrias en 2008 aportaron 639.765 toneladas de DBO5, siendo las actividades de
fabricación de papel, cartón, elaboración de productos alimenticios, fabricación de
sustancias y productos químicos las que mayor carga generaron. Lo anterior, permite
denotar que las cargas contaminantes generadas por los sectores industriales son un
importante factor de deterioro de la calidad del recurso hídrico urbano (SDSB, 2011).
41
Igualmente, la Secretaria de Salud de Bogotá (2011) indicó que el río Fucha registró un
rango entre 100 - 250 mg/l de la DBO5, los demás ríos en Bogotá presentaron
concentraciones máximas de 140 mg/l. En cuanto a la demanda química de oxígeno
(DQO) el comportamiento entre los ríos es similar, presentando rangos entre 100 - 400
mg/l, excepto el río Fucha, el cual registró las mayores concentraciones entre 100 - 500
mg/l; esto se debe a que en el río Fucha existe la mayor densidad del sector productivo y
también se realizan importantes descargas de aguas residuales domésticas.
En cuanto al índice de riesgo para el consumo de agua potable (IRCA) obtenido por la
Empresa de Acueducto y Alcantarillado de Bogotá (EAAB), registró un valor consolidado
de enero a mayo de 2011 igual a 0,27%; garantizado que el agua suministrada no
representa ningún riego para la salud de la población en Bogotá (SDSB, 2011). No
obstante, es pertinente reconocer que las plantas de tratamiento de agua potable de Bogotá
se encuentran aguas arriba de las descargas domésticas e industriales, es decir que su
proceso de tratamiento de potabilización es más sencillo y de menor riesgo, en
comparación de poblaciones aguas abajo luego de descargas domésticas e industriales.
Se encontraron aproximadamente 81000 eventos en la ciudad de Bogotá catalogados
como enfermedades asociadas a manejo inadecuado del agua, y en muchos de los casos
se ubicaron en localidades que presentan problemáticas de urbanización ilegal, que pueden
contar con demás problemáticas como población desplazada y hacinamiento, algunas de
ellas no tienen acceso a los servicios de agua y alcantarillado (SDSB, 2011)
4.4. Legislación nacional e internacional de referencia
A continuación, se presenta en la Tabla 3 la normatividad nacional e internacional vigente
en materia de aguas residuales, cabe resaltar que diversas normas exigen gestión en las
plantas de tratamiento de aguas residuales industriales y su no cumplimiento puede
acarrear multas o hasta el cese de la actividad productiva.
42
Tabla 3. Normatividad vigente en materia de aguas residuales en Colombia y
principales normas en países productores o procesadores de aceite de palma.
Normatividad Descripción
Decreto 2811 de 1974 Art. 77 a 78: Clasificación de aguas. Art.134 a 138:
Prevención y control de contaminación.
Decreto 1541 de 1978 Art. 211 a 219, Control de vertimientos. Art. 226 a 230,
Vertimiento por uso industrial. Art. 231,
Reglamentación de vertimientos.
Decreto 1594 de 1984 Normas de vertimientos de residuos líquidos Art. 1 a 21
Definiciones. Art. 22-23, Ordenamiento del recurso
agua. Art. 60 a 71, Vertimiento de residuos líquidos. Art.
72 a 97, Normas de vertimientos. Art. 142, Tasas
retributivas. Art. 155, procedimiento para toma y análisis
de muestras
Resolución 3957 de 2009 por la cual se establece la norma técnica para el control
y manejo de los vertimientos realizados al recurso
hídrico en el distrito capital, expedida por la secretaria
distrital de ambiente
Resolución 3956 de 2009 Por la cual se establece la norma técnica, para el control
y manejo de los vertimientos realizados a la red de
alcantarillado público en el Distrito Capital, expedida
por la secretaria distrital de ambiente
Resolución 631 de 2015 Por la cual se establecen los parámetros y valores límites
máximos permisibles en los vertimientos puntuales a
cuerpos de aguas superficiales y a los sistemas de
alcantarillado público y se dictan otras disposiciones
Calidad ambiental (efluentes industriales)
(departamento de malasia ministerio de
medio ambiente recursos naturales y medio
ambiente de 2009) - Malasia
Anexo 5 vertimientos industriales
La calidad de las aguas residuales sin
procesar para las industrias (república de
indonesia, 2013)- Indonesia
Esta regulación se encuentra sólo en el idioma de
indonesia y es específica sólo para la provincia Yakarta
IS: 2490 límites de tolerancia para los
efluentes industriales vertidas en aguas
superficiales continentales (oficina de
normas de la india, 1981) - India
Límites de los efluentes descargados a una variedad de
cuerpos receptores.
GB 8978-1996 Estándar integrado de
descarga de aguas residuales (ministerio de
medio ambiente de China
protección, 1996) - China
Aplica a las descargas de aguas residuales a cuerpos de
agua.
Resolución 430 (Conama, 2011) el consejo
nacional del medio ambiente - BRASIL
Estándares que se aplican a los efluentes descargados a
los cuerpos de agua.
CFR título 40. regulaciones ambientales
federales son promulgadas por la USEPA –
Estados Unidos
Incluye normas de efluentes basados en el rendimiento
de las tecnologías de tratamiento y control de descargas
de aguas residuales a las aguas superficiales
Fuente: Elaboración propia
43
5. METODOLOGÍA
La metodología de la investigación es de carácter experimental y se desarrolló en tres
epatas; Una primera etapa de caracterización, una segunda etapa de experimentación y
una última etapa de análisis y evaluación de la información. Los aspectos metodológicos
para el primer objetivo específico son presentados en el apartado 5.1, para el segundo
objetivo específico se desarrolló el apartado 5.2, y para el tercer objetivo se desarrolló el
apartado 5.3. Por su parte, el apartado 5.4 es trasversal a todos los objetivos específicos
planteados debido a que se refiere a las pruebas estadísticas. En la Figura 7 se presenta un
diagrama de flujo con las fases de la metodología utilizada.
Figura 7. Diagrama de flujo metodológico
Fuente: Elaboración propia
44
5.1. Identificación de factores clave en procesos de biorremediación
5.1.1. Revisión bibliográfica internacional
La revisión bibliográfica permitió identificar los factores claves en los procesos de
biorremediación para el tratamiento de aguas residuales a nivel mundial, donde se
categorizó su orden de importancia (i.e., frecuencia de citación en documentos científicos)
y se realizó un análisis comparativo del uso de las tecnologías mediante biorremediación
(i.e., bioestimulación y bioaumentación) con respecto a tecnologías físicas y químicas. La
revisión se llevó a cabo utilizando datos entre los años 1970 y 2015. Adicionalmente, se
evaluó la distribución geográfica a nivel mundial de las tecnologías detectadas y su
eficiencia en la remoción de los siguientes contaminantes: nitrógeno amoniacal, demanda
química de oxígeno - DQO, hidrocarburos, metales pesados, surfactante aniónico, y
demanda biológica de oxígeno - DBO. Es importante mencionar, que se excluyeron de la
presente investigación bibliográfica los documentos sobre el tratamiento físico y químico
de aguas residuales.
Se utilizaron las siguientes bases de datos para la revisión de literatura: (i) ScienceDirect,
(ii) Scopus y (iii) Google Scholar. Los factores clave en los procesos de biorremediación
para el tratamiento de aguas residuales se detectaron a partir de las palabras clave
reportadas por la base de datos Scopus. Como se mencionó, las bases de datos se utilizaron
con el fin de establecer un orden de importancia para los factores clave identificados, a
partir de su frecuencia de citación en documentos científicos.
En la primera fase de la revisión, las palabras clave en inglés utilizadas fueron las
siguientes: (i) aguas residuales (en inglés: waste water) y (ii) biorremediación (en inglés:
bioremediation). Estas palabras clave fueron utilizadas debido a que se asumieron como
descriptores temáticos principales de la presente investigación.
La segunda fase de revisión fue desarrollada para incluir palabras clave adicionales en
inglés reportadas por la base de datos Scopus (descriptores temáticos: keywords). Estas
palabras clave adicionales permitieron identificar los factores clave en procesos de
biorremediación para el tratamiento de aguas residuales. A continuación, se listan por
45
orden de importancia las palabras clave detectadas: (i) potencial de hidrogeno (pH –
potential of hydrogen), (ii) temperatura (temperature), (iii) oxígeno (oxygen), (iv)
nitrógeno (nitrogen), (v) fósforo (phosphorus) y (vi) demanda biológica de oxígeno (BOD
– biologycal oxygen demand). En el capítulo de resultados y discusión se presentarán los
datos cuantitativos asociados con este orden de importancia, según la frecuencia de
citación de cada palabra clave.
Se desarrolló un índice que relacionó el número de documentos detectados en la segunda
y primera fase de la metodología de revisión aplicada (i.e., Q= Frecuencia de citación).
La ecuación para el índice fue la siguiente: documentos detectados por palabra clave (Fase
2) / total de documentos detectados (Fase 1); el índice tuvo una variación entre 0 – 1 (Zafra
et al., 2016). Esto se realizó con el fin de establecer un orden de importancia mediante
cuartiles (Q), siendo: (i) Q1 entre 0 - 0,25, (ii) Q2 entre 0.25 - 0.5, (iii) Q3 entre 0.5 - 0.75
y (iv) Q4 entre 0.75 - 1. Por lo cual los cuartiles representan de forma descendente el orden
de importancia de los factores clave. Es decir, Q4 representó los factores clave de mayor
importancia o frecuencia de citación en documentos científicos.
Posteriormente, se desarrolló una tercera fase de revisión, la cual consistió en el análisis
comparativo del uso de tecnologías físicas y químicas frente al uso de tecnologías
mediante biorremediación (bioestimulación y bioaumentación) para aguas residuales.
Igualmente, se utilizó el supuesto basado en la frecuencia de citación de documentos
científicos. Por lo tanto, las palabras clave identificadas fueron las siguientes: (i) aguas
residuales (waste water), (ii) biorremediación (bioremediation), (iii) físico (physical), y
(iv) químico (chemical).
Finalmente, en la Fase 4 a fin de reconocer la tecnología de biorremediación como
estrategia de tratamiento de aguas residuales, se realizó un análisis geográfico mundial
mediante el uso de la base de datos Scopus entre los años 1970 – 2015. Igualmente, se
utilizó el supuesto basado en la frecuencia de citación de documentos científicos y se
estableció el porcentaje de artículos detectados por continente con respecto al total de
artículos a nivel mundial. Las palabras clave en inglés utilizadas fueron las siguientes: (i)
aguas residuales (waste water) y (ii) biorremediación (bioremediation). En el capítulo de
46
resultados y discusión se presentarán los datos cuantitativos asociados con el orden de
importancia de las fases 3 y 4, según la frecuencia de citación de cada palabra clave.
5.2. Aplicación y evaluación del plan de bioestimulación en la empresa caso de
estudio
5.2.1. Descripción del lugar de investigación
La investigación se llevó a cabo en una planta de trasformación de aceite de palma ubicada
al sur de la ciudad de Bogotá, la cual cuenta con dos refinerías físicas y tienen la capacidad
de procesar 300 ton/día de aceite de palma. El promedio de producción mensual es de
7000 toneladas de aceite de palma. Se recibe el aceite de palma crudo y posterior a ello se
lleva a la refinería física con el fin de procesar el aceite y dejarlo refinado, blanqueado y
desodorizado (RBD); finalmente se comercializa.
El aceite de palma crudo se desgoma con 0,1% de ácido fosfórico, seguido por un
tratamiento con alrededor del 1% de tierra blanqueadora con respecto a la cantidad de
aceite a blanquear. El aceite de palma crudo tratado previamente se somete posteriormente
a refinación por un sistema de vacío a una presión de vapor de 110 - 130 psi a 250 - 270º
C. Durante las etapas de desgomado y blanqueado, las gomas, los metales trazas, los
productos de oxidación y algunos carotenos se reducen o se remueven, y los productos de
oxidación y descomposición de pigmentos se remueven durante la etapa de desodorizado
y se condensan, a medida que el ácido graso de la palma se destila.
En cuanto al consumo de agua en la planta de estudio, para el año 2015 éste fue en
promedio de 9875 m3/mes; de los cuales se vertieron como agua residual industrial 3896
m3/mes. Es decir, que del total de agua consumida el vertimiento representó el 39,4%.
El actual sistema de tratamiento de aguas residuales es de características físico-químicas,
compuesto inicialmente por una red de trampas de grasas donde se retienen sólidos
mayores y grasas; posterior a ello, el agua se conduce a dos tanques ecualizadores, cada
uno de 50 m3, con el fin de almacenar y homogenizar el agua a tratar. Posteriormente, el
agua se envía al tanque de mezcla rápida donde tiene un tiempo de retención hidráulica
(TRH) de 3 a 6 min; allí se agrega sulfato de aluminio como coagulante y acrilamida
aniónica como floculante. Seguidamente, se lleva el agua al tanque de mezcla lenta, el
47
cual tiene un sistema de flotación por aire disuelto (FAD). El agua ya clarificada se envía
a un filtro mixto a fin de remover sólidos suspendidos; luego de este proceso se dosifica
hipoclorito de sodio y soda caustica en el tanque de neutralización con el fin de regular el
pH y disminuir fenoles. Finalmente, el agua es pasada por una torre de enfriamiento y de
allí se conduce al alcantarillado como efluente tratado (ver Figuras 8 y 9, y Tabla 4).
Las aguas residuales industriales son conducidas hasta el Río Tunjuelo a la altura de su
cuenca media, en la localidad de Tunjuelito (Bogotá D.C.). El río nace a partir de la unión
de los cuerpos hídricos Lechoso, Chisacá y Curubital, allí toma dirección sur-norte hasta
llegar a la localidad de Bosa donde cambia de dirección hacia el occidente, hasta llegar a
su desembocadura en el río Bogotá. Su longitud es de 73 km y el área total de la cuenca
es de 390 km2, su caudal medio es de 4,2 m3/s, transporta anualmente 133 millones de m3
de agua (Sanabria, 2013).
A fin de identificar el componente social de la cuenca urbana del Río Tunjuelo desde el
vertimiento de las aguas residuales industriales de la empresa en estudio hasta su
desembocadura, se tuvo en cuenta la información suministrada por la encuesta
multipropósito de Bogotá (2014). Las localidades estudiadas fueron Tunjuelito, Kennedy
y Bosa, con una población de 203.130, 1.019.949 y 627.098 habitantes, respectivamente;
con un crecimiento poblacional de 0,21, 1,28 y 2,43%, respectivamente, con respecto al
año 2011. Por su parte, la pobreza por necesidades básicas insatisfechas (NBI) es de 3,8,
4,8 y 6 %, respectivamente; de lo cual cabe destacar que en la localidad de bosa el 0,01%
de la población no cuenta con alcantarillado. Adicionalmente, el 33,5% de los habitantes
en Bogotá indicaron la percepción de malos olores en el entorno a su vivienda, lo cual
puede estar asociado con el manejo inadecuado de residuos líquidos, sólidos o emisiones
atmosféricas (EMB, 2014).
48
Figura 8. Actual sistema de tratamiento de aguas residuales industriales
Fuente: Elaboración propia
Tabla 4. Elementos que componen el sistema de tratamiento de aguas residuales
N° Componente descripción Función
1 Dos tanques
ecualizadores Tanques cilíndricos con capacidad de 50 m3 cada uno Almacenar y homogenizar
2 Tanque mezcla rápida Tanque cilíndrico con un moto-reductor superior Mezclar agua con
floculante y coagulante
3
Tanque de flotación
por aire disuelto
(FAD)
Tanque rectangular con capacidad de 26 m3 y con
tuberías tipo flauta al fondo de donde emerge agua con
aire comprimido
Producir mezcla lenta y
flotación del lodo
4 Filtro Mixto Tanque cilíndrico con capacidad de 2 m3 con un relleno
de grava arena y antracita Retener residuos sólidos
5 Torre de enfriamiento Torre vertical de capacidad de 30 ton. de refrigeración Disminuir la temperatura
del agua
6 Tanque de
neutralización
Tanque cilíndrico de capacidad de 1 m3 con un moto-
reductor superior
Dosificar y mezclar soda
caustica, hipoclorito de
sodio y el agua tratada
7 Filtro prensa Filtro rectangular de capacidad de 350 L Retirar la humedad del lodo
Nota: Datos suministrados por la empresa.
Fuente: Elaboración propia.
Torre de enfriamiento
Filtro prensa
Filtro mixto
Tanque de flotación
Tanque de mezcla rápida
Tanque de neutralización
Tolva de lodo Tanque de agua recuperada
49
Figura 9. Diagrama de tratamiento de aguas residuales industriales en la planta de estudio
Fuente: Elaboración propia
Por su parte, en la Tabla 5 se muestran los resultados fisicoquímicos del vertimiento final
de la empresa en estudio. Los valores en negrilla muestran el incumplimiento de la norma
de vertimientos (Resolución 631 de 2015), siendo los máximos permisibles para DBO5
(450 ppm), DQO (850 ppm), grasas y aceites (60 ppm), y fenoles (0,2 ppm).
50
Tabla 5. Resultados fisicoquímicos del vertimiento final para el año 2015 en la planta de estudio
Fecha pH
(Und.)
Temperatura
(°C)
DBO5
(ppm)
DQO
(ppm)
Grasas y
aceites (ppm)
Fenoles
(ppm)
13/01/2015 7,78 23,7 275 634 48 0,05
13/02/2015 7,05 24,6 344 602 12 0,07
11/03/2015 5,22 23,9 800 1340 37 0,54
15/04/2015 8,55 23,7 236 726 65 0,05
05/05/2015 7,38 25 456 676 25 0,20
10/06/2015 7,53 26,1 526 925 14 0,20
06/07/2015 6,55 22,8 350 625 31 0,05
12/08/2015 7,2 24,1 465 557 30 0,05
24/09/2015 7,54 23,9 350 624 80 0,40
16/10/2015 7,56 23,1 410 610 7,4 0,05
11/11/2015 8,71 23,9 535 515 23 0,05
09/12/2015 7,79 24,2 358 689 13 0,05
Media 7,41 24,1 425 710 32,1 0,15
Mediana 7,54 23,9 384 629 27,5 0,05
Desv. Est. 0,91 0,9 150 223 22,3 0,16
Mínimo 5,22 22,8 236 515 7,4 0,05
Máximo 8,71 26,1 800 1340 80,0 0,54
Nota: Datos suministrados por la empresa.
Fuente: Elaboración propia.
5.2.2. Análisis del tiempo de retención hidráulica en el sistema de tratamiento
de aguas residuales industriales
Se realizó la identificación y medición de las dimensiones (ancho, largo y profundidad)
en las trampas de aguas residuales (ver Figura 10), y con base en esta información se
calculó su volumen y tiempo de retención hidráulica (TRH) del sistema teniendo en cuenta
el caudal medio horario de vertimiento de aguas residuales industriales. Donde, TRH =
(volumen m3) / (Caudal m3/h). El TRH fue medido con el fin de reconocer el tiempo de
residencia del agua en el sistema, luego que Sarkar et al. (2004) y Gong (2012) indicaron
que el TRH es una variable clave para el éxito del tratamiento mediante bioestimulación.
51
Figura 10. Esquema del sistema de conducción y almacenamiento de aguas residuales
Fuente: Elaboración propia
5.2.3. Muestreo en puntos de control del sistema de tratamiento de aguas
Se tomaron dos puntos de muestreo de control del sistema así: (i) el primer punto, en el
afluente o inicio del sistema de trampeo, y (ii) el segundo punto, justo antes de iniciar el
tratamiento en la PTARI; entre estos dos puntos de control se realizó el plan de
bioestimulación (Figura 11). Se recolectaron muestras cada dos semana entre el
26/04/2016 y 19/10/2016, de los siguientes parámetros: DBO5, pH, temperatura, bacterias
heterótrofas totales, fósforo, nitrógeno; y cada mes de los siguientes parámetros: fenoles,
DQO, y grasas y aceites. El protocolo de muestreo utilizado fue el siguiente:
Materiales: pH-metro digital para campo Hanna Instruments E-316, preservantes, frascos
ámbar, frascos microbiológicos, nevera de icopor, soluciones buffer, recipiente lavador de
agua destilada y balde.
Metodología: Inicialmente se llenó con agua de muestreo el balde y se procedió a
desocuparlo a fin de purgarlo, luego se llenó nuevamente el balde para así obtener la
HOTWELL
POZO 1 POZO 2POZO 3
POZO 4 POZO 5
TANQUE
EQUALIZACION
TANQUE
EQUALIZACION
CEGRA 6
AB
CARCAMO
BOMBA
Q= 7M3/H
INICIO DE BIOESTIMULACION
* CONTRALADOR PH AUTOMATICO
(DOSIFICACION NAOH)
* REGISTRO DE TEMPERATURA
ADICION DE NUTRIENTES
AIREACION
FIN DE BIOESTIMULACION
INICIO DE TRATAMIENTO
FISICOQUIMICO
52
alícuota, se calibró el pH-metro con las soluciones buffer y se procedió a medir pH y
temperatura in situ. Seguidamente, se envasó una alícuota en frascos ámbar de 1000 ml.
Para las variables DQO, grasas y aceites y fenoles, los frascos estaban previamente
preservados con H2SO4 hasta pH menor a 2 y se envasó una alícuota de 100 ml en un
frasco de muestreo microbiológico de 100 ml, garantizando que no quede oxígeno en él.
Finalmente, los recipientes se llevaron a la nevera de icopor donde se mantuvieron a una
temperatura menor a 6°C para, su posterior análisis en el laboratorio.
Figura 11. Identificación de los puntos de muestreo en el sistema de tratamiento
Fuente: Elaboración propia
5.2.4. Plan de bioestimulación efectuado en la PTARI
A partir de un muestreo inicial se conoció la cantidad de micronutrientes (nitrógeno y
fosforo) en el agua a tratar, y se realizó un balance de masa donde se identificó
proporciones óptimas de nitrógeno y fósforo para el desarrollo de las bacterias
heterótrofas; de esta manera se formuló el biocatalizador y se procedió a ejecutar el plan
53
de bioestimulación. Se aplicó diariamente el biocatalizador durante seis meses al sistema
de trampeo cumpliendo una relación DBO5:N:P = 100:5:1 y se procuró que esta relación
nunca estuviese por debajo de 100:1:0,5; acorde a lo señalado por Nannipieri et al. (2003)
y en concordancia con los resultados de la revisión bibliográfica (p.ej., Venosa et al., 1996;
Duke et al., 2000; García et al., 2007; Sanscatier et al., 2009).
5.2.5. Análisis de laboratorio
En cuanto a los análisis de laboratorio se siguió el "Estándar métodos para la exanimación
de agua y agua residual", edición 22 (SM, 2012).
• La variable DBO5 fue analizada mediante el método SM 5210 B, 4500 O C
Incubación Modificación de azida: Se revisó que la muestra estuviera entre 20º C
a 68º C y se adicionó a las botellas la cantidad de muestra según los rangos: (i)
DBO5 de 0 a 35 ppm, volumen requerido 420 ml, (ii) DBO5 de 0 a 70 ppm,
volumen requerido 355 ml, (iii) DBO5 de 0 a 350 ppm, volumen requerido 160 ml,
y (iv) DBO5 de 0 a 700 ppm, volumen requerido 95 ml. Seguidamente, se introdujo
en las botellas el agitador magnético y se les agregó el medio de cultivo DBO5.
Posteriormente, se agregó en el tapón con el embudo el Hidrófilo de litio que
cumple la función de desodorizador y se ubicaron las botellas en el DBO5 –
TRACK, programando el horno de secado a 20º C para la incubación. Finalmente,
se encendido el equipo y se programó el tiempo de duración en incubación que fue
durante 5 días (ver Figura 12).
Figura 12. Montaje para el análisis de DBO5
Fuente: Elaboración propia
54
• La variable fosforo total fue analizada mediante el método SM 4500-P B, C,
Colorimétrico, Ácido Vanadomolibdofosfórico: Se depositaron 25 ml de la
muestra en un beaker y se adicionó 1 ml de indicador de fenolftaleína. Luego, se
adicionó 8 ml de reactivo mixto (para 100 ml: 20 ml de solución de molibdato, 50
ml de solución de ácido sulfúrico, 20 ml de ácido ascórbico, y 10 ml de solución
de tartrato de potasio) dejándolo en reposo durante 10 minutos, y se procedió a
medir la absorbancia tanto del blanco como de las muestras.
• La variable Nitrógeno total fue analizada mediante el método SM 4500 Norg,
4500 NH3 B, C Semi-micro-Kjeldahl: Se seleccionó un volumen de muestra así:
(i) nitrógeno de 4 a 40 ppm, volumen requerido 50 ml y (ii) nitrógeno de 8 a 80
ppm, volumen requerido 25 ml. Posteriormente, se agregó la muestra al matraz
Kjeldahl de 100 ml, luego se procedió a agregar 10 ml del reactivo de digestión.
Posteriormente, se procedió a añadir 5 celdas de 3 mm a la unidad de digestión, se
hirvió hasta observar una coloración verde pálida y a continuación se giró cada
unida de calefacción hasta su máximo ajuste y se dejó allí durante 30 minutos. Se
transfirió la muestra al destilador micro-Kjeldhl sin que el volumen exceda 30 ml,
luego se agregó 10 ml de hidróxido sódico tiosulfato. Finalmente, se destiló de 30
a 40 ml y se procedió a realizar su medición.
• La variable Oxígeno disuelto fue analizada mediante el método SM 4500 O-C,
Modificación de azida: Se llenó con la muestra una botella Winkler hasta que se
rebosó y se tapó, se destapó y agregó 1 ml de solución MnSO4; posteriormente se
agregó 1 ml de reactivo álcali-yoduro-azida, se tapó y mezcló, cuando se observó
un sobrenadante de hidróxido de manganeso se agregó 1 ml de H2SO4, se tapó y
mezclo, allí se tomaron 100 ml de la solución y se transfirieron a un Erlenmeyer
de 250 ml, donde se tituló con solución 0,025 M de Na2S2O3 hasta obtener un color
amarillo pálido, luego se agregaron de 3 a 5 gotas de solución de almidón en donde
toma un color azul y se continua con la titulación hasta que desapareció el color
azul, se tomó apunte del valor de tiosulfato utilizado y fue calculado el oxígeno
55
disuelto (mg/l) así: Volumen tiosulfato * Normalidad de tiosulfato *
8000/volumen de la muestra titulado * 200.
• La variable heterótrofos totales fue analizada mediante el método SM 9215 B: Se
tomó 100 ml de la muestra y se adicionó al embudo del equipo de filtración, se
activó la bomba de vacío conectada al equipo de filtración, donde lleva a una
membrana de 0,45 micras. Posteriormente, con pinzas estériles se retiró la
membrana la cual se colocó sobre la superficie de medio R2A (plate count agar) y
se cerró la caja de Petri, se incubó a 35 °C por 48 horas y se procedió a su lectura.
• La variable pH fue analizada mediante el método SM 4500-H +B, Electrométrico:
Se utilizó pH-metro digital para campo Hanna Instruments E-316, se calibró con
las soluciones buffer y se introdujo el electrodo y se procedió a leer al estabilizarse.
• La variable temperatura fue analizada mediante el método SM 2550 B,
Electrométrico: Se utilizó pH-metro digital para campo Hanna Instruments E-316,
se calibró con las soluciones buffer y se introdujo el electrodo y se procedió a leer
inmediatamente.
• La variable DQO fue analizada mediante el método SM 5220 C, Volumétrico,
Reflujo Cerrado: Se usaron tubos de borosilicate donde se agregó la cantidad de
muestra a evaluar y se adicionó la solución de digestión de dicromato de potasio
al 0.0167 M y el ácido sulfúrico, el equipo utilizado se encontraba a una
temperatura de 150º C y el tiempo de digestión fue de 120 minutos, después que
se enfriaron los tubos se utilizó como indicador la ferroina y se tituló con titrant
de sulfato de amonio férreo normal (FAS) al 0,10 M.
• La variable fenoles totales fue analizada mediante el método SM 5530 B, C,
Destilación - Extracción con cloroformo: Se tomó una muestra de 200 ml y se
agregó NaOH 6 M y H3PO4, 1:9 para ajustar el pH a 4,0; se transfirió la muestra
al balón de destilación y se procedió a destilar hasta obtener 150 ml se dejó enfriar
56
y se agregaron 50 ml de agua, se destiló nuevamente hasta obtener 200 ml en el
balón aforado y se completó el volumen, se trasfirieron los 200 ml a un embudo
de separación y se agregó 2 ml de hidróxido de amonio 0,5 N. Se ajustó el pH en
10 con solución buffer fosfato, posteriormente se agregó 1 ml de la solución de 4-
aminoantipirina y 1 ml de la solución de Ferrocianuro de potasio, agitando hasta
el desarrollo de color por 15 minutos, luego se agregó 20 ml de cloroformo se tapó
y agito, se despresuriza el embudo y se dejó en reposo hasta observar las dos fases.
Finalmente, se filtró cada extracto de Cloroformo sobre papel filtro que contenía
un gramo de Sulfato de Sodio anhidro. Se recogió el filtrado en vasos de 50 ml y
se midió la absorbancia en celdas de 1 cm de paso de luz.
• La variable grasas y aceite fue analizada mediante el método SM 5520 D,
Extracción Soxhlet: Se Adhiere el papel filtro y la muselina al fondo del embudo,
luego se aplicó vacío y filtro 100 ml de suspensión de ayuda (tierra de diatomácea),
se suspendió la filtración hasta cuando no pasó más agua a través del lecho
filtrante. Posteriormente, se aforó la botella demarcando el nivel de la muestra y
con la ayuda de una varilla de vidrio se adicionó poco a poco y cuantitativamente
la muestra a través del lecho filtrante, se aplicó vacío hasta cuando no pasó más
agua, se dobló el filtro y se transfirió al dedal de extracción, se llevó el dedal con
las muestras, el recipiente de la muestra y la varilla empleada en la filtración en el
horno a 103°C durante 30 minutos, se llevaron los dedales al extractor Soxhlet y
se pesó los vasos de extracción. Se enjuagó con solvente el recipiente que contenía
la muestra y la varilla de filtración para trasferir el enjuague al vaso de extracción
y para recuperar el material graso adherido a las paredes del recipiente, se adicionó
el solvente al vaso de extracción hasta 180 ml para La extracción y se llevó a la
plancha de calentamiento del equipo extractor, se conectó el baño de aceite a
temperatura de 110 °C y se dio paso al agua de refrigeración. Finalmente, se realizó
la extracción durante 4 horas y se retiró el vaso con la grasa extraída llevándolo a
la cabina de extracción, posteriormente se llevó al desecador los vasos fríos
durante 30 minutos y se determinó el peso final donde las Grasas y aceites (mg/l)
57
es: peso final del matraz – peso final del matraz de extracción * 1000000/volumen
de la muestra.
5.2.6. Evaluación ambiental del plan bioestimulación
Después de tener el plan de bioestimulación, se procedió a evaluar el porcentaje de
remoción de DBO5 y los demás parámetros fisicoquímicos y microbiológicos. La
metodología de remoción de contaminantes fue la siguiente: se realizó el análisis
fisicoquímico en los puntos a y b del plan de bioestimulación, luego se utilizó la ecuación
1 de remoción de contaminantes para las variables fisicoquímicas (DBO5, DQO, grasas y
aceites y fenoles) (Romero et al., 2009).
R= (Ci–Cf) x 100/Ci Ecuación (1)
Donde, R es el porcentaje de remoción del contaminante en estudio (%), Ci es la
concentración inicial (ppm), y Cf es la concentración final (ppm).
5.2.7. Evaluación económica de la bioestimulación versus el sistema actual
La evaluación económica se efectuó mediante el método análisis coste efectividad (ACE),
donde se identificaron los ratio costo efectividad (RCE) para cada contaminante, tanto
para la zona de bioestimulación como también para la zona del actual sistema. Es decir,
se evaluaron los dos sistemas como independientes logrando identificar cual presentó una
mayor efectividad por remoción de contaminante a un menor costo. La metodología de
evaluación económica fue la siguiente: Se calcularon los costos del tratamiento
convencional efectuado y los costos del tratamiento mediante bioestimulación.
Posteriormente, se calculó el RCE en pesos de cada tratamiento efectuado para remover
100 ppm de DBO5, mediante la ecuación 2. Finalmente, se efectuó el ACE, es decir el
tratamiento que a menor costo produce el mayor beneficio, comparando los RCE
calculados (Martínez et al., 2007; Sánchez et al., 2003).
58
RCE = RCT/COT Ecuación (2)
Donde, RCE es el ratio coste efectividad (ppm/pesos), RCT es la remoción de
contaminantes por cada tratamiento (ppm), y COT es el costo de operación de cada
tratamiento en pesos.
5.2.8. Evaluación social del sistema de biorremediación
Con respecto a la evaluación social desde el contexto de la salud pública, se evaluó si el
tratamiento de aguas residuales resultó efectivo en el cumplimiento de los parámetros
normativos vigentes, ya que como mención Freeman (1993), el tratamiento inadecuado
de las aguas residuales puede generar enfermedades en las personas. La evaluación social
se realizó mediante la valoración de los parámetros máximos permisibles de la Resolución
631 de 2015 (Colombia), donde se tomó todo el sistema en conjunto; tanto la zona de
bioestimulación, como la zona de tratamiento actual. La metodología fue efectuada de la
siguiente manera: Se realizaron análisis fisicoquímicos y microbiológicos del efluente
vertido y se compararon los resultados obtenidos con los límites máximos permisible de
la Resolución 631 de 2015, de esta manera se estableció el cumplimiento normativo del
vertimiento y se determinó si el tratamiento está o no afectando el componente social en
el marco de la salud pública.
Vásquez et al. (2014) indicaron que la biorremediación es una tecnología poco intrusiva
en el medio y por lo general no requiere grandes estructuras civiles o mecánicas además
de ser económica y, al tratarse de un proceso natural, tiene buena aceptación de la opinión
pública. Por su parte, Hurtado (2014) indicó que los beneficios sociales que trae consigo
la implementación de tecnologías de biorremediación son la disminución de costos de la
salud, mejora del medio ambiente, mejora en el bienestar social, incremento en el
excedente agrícola, y aprovechamiento del agua industrial. Igualmente, Carmen (2010)
indicó que en Almería se han desarrollado tecnologías para la biorremediación de aguas
las cuales han traído consigo beneficios económicos para el desarrollo de la zona en el
sector agroalimentario.
59
5.3. Formulación del modelo dinámico para el sistema propuesto
Se planteó un modelo dinámico que integró fórmulas matemáticas de crecimiento
microbiano en función del tiempo y con la limitante de recurso de materia orgánica, según
lo explica el modelo de Monod de limitante de recursos; el cual puede ser aplicado a
sistemas que se comporten como un reactor de flujo completamente mezclado, como en
este caso (Rosero, 2013; Kayombo et al., 2003). El anterior análisis se realizó con el fin
de explicar cómo la variable independiente (tamaño de la población bacteriana), está
relacionada con las variables dependientes (DBO5 y tiempo). El modelo dinámico fue
desarrollado a través del software Stella 9.0.2 (Van Loosdrecht et al., 1999; Kayombo et
al., 2003). A continuación, se presentan las variables del modelo y su interpretación:
a = constante de variación del substrato (adimensional).
c = constante de utilización del substrato por la biomasa (adimensional).
k = constante de variación de la biomasa (adimensional).
S = substrato presente en el tiempo, DBO en mg/l.
X = biomasa presente en el tiempo en unidades formadoras de colonia (UFC).
t = tiempo en días.
• Hipótesis del modelo
La variación de la biomasa en UFC es proporcional a la cantidad de microorganismos en
un momento dado, lo cual se puede expresar mediante la siguiente función matemática:
dX/dt= kX Ecuación (3)
La variación de biomasa en UFC es proporcional a la cantidad de substrato o DBO
consumido en un momento dado, lo cual se puede expresar mediante la siguiente función
matemática:
dX/dt = cS
Ecuación (4)
La variación del sustrato o DBO es proporcional al sustrato en un momento dado, lo cual
se puede expresar mediante la siguiente función matemática:
60
dS/dt = aS
Ecuación (5)
Al superponer las ecuaciones 3 y 4. Se obtiene la siguiente función matemática.
dX/dt = KX + cS Ecuación (6)
Desarrollo de funciones matemáticas del modelo: Con las Ecuaciones 5 y 6 se forma el
siguiente sistema de ecuaciones diferenciales:
dX/dt = KX + cS
dS/dt = aS
La solución para condiciones iniciales en: X = X0 y S = S0, cuando t = 0.
S = S0 eat Ecuación (7)
X = ekt (X0 + (c S0/ a – k)(e(a-k)t- 1))
Ecuación (8)
• Cálculos para el parámetro de variación de biomasa (k): Al resolver la
Ecuación 3 se obtiene:
Ln X= kt + ln X0
Ecuación (9)
Nótese que la ecuación anterior toma la forma de una ecuación para una línea recata, Y =
mX + b, los términos de la ecuación quedarían así:
Y = lnX, m=k, X=t, b =ln X0.
• Cálculos para el parámetro de variación del sustrato (a): Al resolver la
Ecuación 7 se obtiene:
Ln S= at + ln S0 Ecuación (10)
Nótese que la ecuación anterior toma la forma de una Ecuación para una línea recata, Y
= mX + b, los términos de la ecuación quedarían así:
Y = ln S, m= a, X= t, b = ln S0
• Cálculos para el parámetro de utilización del sustrato por la biomasa (c): Al
igualar las Ecuaciones 3 y 4 y considerando “n” observaciones, se obtiene lo
siguiente:
61
𝑛𝑐 ∑ 𝑆𝑖
𝑛
𝑖=1
= 𝑘 ∑ 𝑋𝑖
𝑛
𝑖=1
Ecuación (11)
Despejando “c” se obtiene:
c =𝑘
𝑛
∑ 𝑋𝑖𝑛𝑖=1
∑ 𝑆𝑖𝑛𝑖=1
Ecuación (12)
• Verificación y evaluación del modelo: Mediante el programa Stella versión 9.0.2.,
se evidencio de forma gráfica el comportamiento y ajuste del modelo. Por su parte,
la prueba estadística del coeficiente de correlación de Pearson y la prueba de R2
determinaron el ajuste del modelo dinámico. La suma acumulada de errores de
pronostico (SAEP) permitió evaluar el sesgo del pronóstico y un error sistemático
en el cálculo. El error cuadrático medio (ECM) indicó una medida de dispersión
del error. La desviación absoluta media (DAM) permitió evidenciar el tamaño del
error en unidades. Finalmente, el error porcentual absoluto medio (EPAM) permite
evidenciar el error en términos porcentuales. Un criterio para considerar un modelo
como bueno es el de EPAM < 25 (Conte et al., 1986; Garre et al., 2007).
• Análisis de sensibilidad del modelo: El análisis de sensibilidad por el método de
Sobol identificó la sensibilidad que cada variable ejerce en el modelo general, para
lo cual fue necesario seguir los siguientes pasos: (i) calcular el estadístico de
análisis de varianza (f) para cada una de las variables, (ii) calcular el f total, el cual
es la suma de los f de cada una de las variables, y (iii) calcular el índice de
sensibilidad (IS) para cada una de las variables, el cual es igual a f sobre f total
(Archer et al., 1997). Cannavó (2012) indicó que el índice de sensibilidad de cada
parámetro es interpretado así: (i) irrelevante 0 ≤ IS < 0,3, (ii) poco relevante 0,3 <
IS < 0,5, (iii) relevante 0,5 < IS < 0,8, y muy relevante 0,8 < IS ≤ 0,1.
62
5.4. Análisis estadístico de datos
• Estadísticos básicos: Al conjunto de datos fueron aplicados los siguientes
estadísticos básicos para variables cuantitativas: media, moda, mediana,
desviación estándar, máximo y mínimo.
• Prueba de Shapiro Wilk: La prueba de Shapiro Wilk para muestras pequeñas
de menos de 50 datos fue aplicada al conjunto de datos para establecer la
normalidad de los mismos, siendo ésta insumo para la aplicación del análisis
de correlación de Pearson y la prueba de varianzas de Levene.
• Análisis de correlación de Pearson: El análisis de correlación de Pearson para
datos normales fue aplicado para las variables cuantitativas con un nivel de
confianza del 95%, lo cual permitió identificar correlaciones positivas o
negativas entre pares de variables y su fuerza de relación según el valor de “r”
así: (i) muy fuerte entre (-0,8) – (-1) y entre 0,8 - 1 (ii) fuerte entre (-0,6) – (-
8) y entre (0,6 – 8), (iii) moderada entre (-0,4) – (-0,6) y entre 0,4 - 0,6, (iv)
débil entre (-0,2) – (-0,4) y entre (0,2 - 0,4), y (v) muy débil entre (-0,2) - 0,2.
• Prueba de igualdad de varianzas de Levene: La prueba de igualdad de
varianzas de Leven para datos normales con un nivel de confianza al 95 % fue
utilizada para conocer si existen diferencias significativas en las medias de
variables cuantitativas que cumplen con la prueba de normalidad de Shapiro
Wilk.
• Prueba T- Student: La prueba t-Student para muestras independientes fue
utilizada para conocer la relación entre las variables cualitativas: técnicas de
biorremediación y tipo de proceso con respecto a las variables cuantitativas
(pH, temperatura, nitrógeno, tiempo de puesta en marcha del proceso y
porcentaje de remoción del contaminante crítico). Evaluado con un nivel de
confianza al 95%, previamente se realizó la prueba de normalidad de Shapiro
63
Wilk y la prueba de igualdad de varianzas de Levene. Las variables
temperatura y fósforo se excluyeron del presente análisis, luego que no
cumplió con la prueba de normalidad de Shapiro Wilk.
• Prueba U de Mann-Whitney: La prueba U de Mann-Whitney para datos no
normales con un nivel de confianza al 95% fue utilizada para reconocer si
existieron diferencias significativas en las medias de las bacterias heterótrofas
totales del punto de control “a” con respecto al punto de control “b”. Logrando
identificar si el tratamiento mediante bioestimulación fue efectivo en el
desarrollo bacteriano.
• Análisis de clúster: Para identificar la relación entre las variables (Tabla 8) se
realizó un análisis de clúster (AC) utilizando el programa estadístico SPSS
versión comercial 22.0 para Windows. Las variables analizadas se
estandarizaron por medio de puntuaciones Z antes del AC y se calcularon las
distancias euclidianas de similitud de las variables. A continuación, se realizó
la agrupación jerárquica utilizando el método de Ward, con el conjunto de
datos previamente estandarizados.
Finalmente, la figura 13 muestra las evaluaciones relalizadas a partir de los analsis
estadisticos.
64
Figura 13. Evaluaciones realizadas a los resultados del plan de bioestimulación
Fuente: Elaboración propia
Pearson
• Correlación entre el crecimiento bacteriano y la remoción de contaminantes.
Analisis de varianza
• determinar si existen diferencias significativas con el uso del biocatalizador en las medias de la población bacteriana.
Modelo dinámico
• Modelo que permite analizar y explicar la trayectoria temporal de desarrollo bacteriano y remoción de contaminantes.
65
6. RESULTADOS Y DISCUSIÓN
El apartado 6.1 del capítulo de resultados y discusión fue desarrollado para cumplir con
el primer objetivo específico de la investigación, el apartado 6.2 fue elaborado para dar
cumplimiento al segundo objetivo específico, y el apartado 6.3 fue desarrollado para
cumplir con el tercer objetivo específico. A continuación, se presentan los resultados y
discusiones respectivas.
6.1. Sistemas de biorremediación para el tratamiento de aguas residuales
6.1.1. Identificación de factores clave
La Tabla 3 presenta el índice y orden de importancia calculado para los factores clave
identificados a partir de la metodología de revisión de literatura utilizada. La búsqueda se
realizó entre los años 1970 y 2015, y sobre el contenido total de artículos y libros
depositados en las tres bases de datos seleccionadas (palabras Clave en inglés: pH,
Temperature, Oxygen, Nitrogen, Phosphorus y BOD5). En esta primera fase se detectaron
31.800, 7.841 y 5.233 documentos en las bases de datos Google Scholar, ScienceDirect y
Scopus, respectivamente. Se observó que los factores clave de mayor importancia en los
procesos de biorremediación para el tratamiento de aguas residuales fueron los siguientes:
(i) pH (Q3 – 0,531), (ii) temperatura (Q2 – 0,496), (iii) oxígeno (Q2 - 0,457), (iv)
nitrógeno (Q2 – 0,421), (v) fósforo (Q1 – 0,24), y (vi) DBO5 (Q1 – 0,027). Igualmente,
Guo et al. (2010), Sode et al. (2013), Van Deuren et al. (2007), Ward et al. (2003) y
Margesin et al. (1998) indicaron que los factores clave en procesos de biorremediación
fueron (i) DBO5, (ii) temperatura, (iii) pH, (iv) nitrógeno, (v) fósforo, y (vi) oxígeno. Por
su parte, también se evidenció en la Tabla 3 que el tratamiento de aguas residuales
mediante tecnologías químicas presentaron la mayor frecuencia de citación (Q2 – 0,457),
seguida por las tecnologías físicas (Q2 – 0,27) y, finalmente, las tecnologías mediante
biorremediación (Q1 – 0,026).
66
Tabla 6. Resultados de la metodología aplicada para la revisión bibliográfica
Fas
e
Palabras clave Bases de datos Indicador
promedio
Cuartil
Promedio
Variación del
Cuartilb
ScienceDirect Scopus Google Scholar
Documentos
detectados Indicador
Documentos
detectados Indicador
Documentos
detectados Indicador
1 Waste water
bioremediation
7841 1,000 5233 1,000 30400 1,000 - - -
2 pH 5760 0,735a 1260 0,241 18800 0,618 0,531 Q3 Q3, Q1, Q3
Temperature 5740 0,732 802 0,153 18300 0,602 0,496 Q2 Q3, Q1, Q3
Oxygen 4171 0,532 1206 0,230 18500 0,609 0,457 Q2 Q3, Q1, Q3
Nitrogen 3888 0,496 832 0,159 18500 0,609 0,421 Q2 Q2, Q1, Q3
Phosphorus 1388 0,177 401 0,077 14200 0,467 0,240 Q1 Q1, Q1, Q2
BOD 523 0,067 128 0,024 6040 0,199 0,097 Q1 Q1, Q1, Q1
3 Waste water 397639 1,000 175846 1,000 1070000 1,000 - - -
Chemical 275717 0,693 67997 0,387 310000 0,290 0,457 Q2 Q3, Q2, Q2
Physical 162643 0,409 10831 0,062 363000 0,339 0,270 Q2 Q2, Q1, Q1
Bioremediation 7841 0,020 5233 0,030 30400 0,028 0,026 Q1 Q1, Q1, Q1
Nota: a5760/7841=0.735. bVariación del cuartil acorde a la base de datos. Demanda biológica de oxígeno por sus siglas en inglés Bilogycal Oxygen Demand (BOD).
Fuente: Elaboración propia
67
A continuación se presenta una exposición de los factores clave identificados y reportados
como más relevantes por la literatura, a partir del orden de importancia calculado con el
índice de frecuencia de citación. La Tabla 7 presenta una revisión bibliográfica de las
concentraciones de los factores clave previamente detectados en los procesos de
biorremediación de aguas residuales. Esta revisión se realizó para evaluar las
concentraciones óptimas y conocer las relaciones que existen entre variables, para
visualizar escenarios de puesta en marcha y operación del sistema en estudio. Finalmente,
se presenta un análisis geográfico del uso de técnicas de biorremediación, así como un
análisis temporal del uso de las mismas.
• pH (Índice = 0,531-Q3): El pH es considerado como un factor clave en los
procesos de biorremediación para el tratamiento de aguas residuales, dado que los
microorganismos requieren un pH óptimo como condición fundamental para su
correcto desarrollo. Así mismo, Dibble et al. (1979) mencionaron que el pH
extremo (pH > 10) inhibe el proceso de degradación bacteriana. La revisión indicó
que en los procesos de biorremediación se mantiene un pH mínimo de 4 hasta un
pH máximo de 9,1, con una media de 6,9 y una mediana de 7,1 (Tabla 7). Lo
anterior permitió sugerir que a pH extremadamente ácidos o extremadamente
básicos se pueden inhibir los procesos de degradación bacteriana.
• Temperatura (Índice = 0,496-Q2): La condición ambiental es fundamental en el
éxito del proceso de crecimiento bacteriano y así mismo en la desorción de los
contaminantes presentes en el agua residual a tratar. Condiciones extremas o
fluctuaciones de temperatura impiden el desarrollo de los consorcios bacterianos.
El control de la misma en los procesos de tratamiento de agua mediante el uso de
técnicas de biorremediación, mejoran la eficiencia de la biodegradabilidad y la
capacidad de mineralización de los procesos biológicos (Tyagi et al., 2011; Rana
et al., 2014; Enright et al., 2005). Adicionalmente, la revisión indicó que en los
procesos de biorremediación se tiene un rango de temperaturas desde 4 °C hasta
46,5 °C, con una media de 24,3 °C y una mediana de 25 °C (Tabla 7).
68
Tabla 7. Concentración de factores clave en procesos de biorremediación de aguas residuales
Localización Área
continental Técnica de
biorremediaciónb
Tipo de
procesoc
Concentración Parámetro
evaluado
Tiempo
de
puesta
en
marcha
(días)
Remoción
contaminante
crítico (%)
Año
pH
(und)
Temperatu
ra (°C)
Oxígeno
(ppm)
Nitrógeno
(ppm)
Fósforo
(ppm)
DBO5
(ppm)
Austria 1 1 1 7,0 10,0 10,6 14,0 5 14,0 96,5 Margesin 1998
Austria 1 1 1 7,0 10,0
10,6 14,0
3 7,0 85,9 Margesin 1999
Pennsylvania,
USA
2 1 1 6,8 23,1
28,5
1 4,0 96,0 Tang et al.
2015
Henan, China 3 1 1 7,8
51,5 3,4
1 15,0 98,8 chen et al.
2015
Iran 3 1 1 4,5 37,0
3 12,0 80,0 Behnood et al.
2013
Dinamarca 1 3 2 8,4 40,0
17,7 1,3
1 18,0 16,4 Sode et al.
2013
Iran 3 1 1 7,0 18,0
79,0
660,0 3 15,0 75,0 Hassanshahian
et al. 2013
Tokio, Japón 3 2 2 8,0 20,0
50,0
1 1,0
Shou et al.
2015
Grahamstown
, sur África
4 2 1 5,3
4
80,0 Stoll et al.
1997
Atenas,
Grecia
1 1 1 4,5 25,0
2 3,0 76,0 Kyriacou et al.
2004
Patagonia,
Argentina
5 2
7,8 25,0
3 10,0 91,5 Nievas et al.
2005
Uttarakhand,
India
3 2
7,0 26,0
4 10,0 63,2 Rashmi et al.
2014
Guaraíras,
Brasil
5 3 1 8,2 29,3 5,2 2,6 0,2
1 0,2 59,5 Soriano et al.
2008
Senawang,
Malasia
3 3 1 7,6 46,5 4,5 25,7 2,0
2 6,0 81,5 Lim et al. 2010
Shandong,
China
3 3 1 7,2 21,8 0,9 28,2 1,5
2 7,0 75,7 Shao et al.
2014
Shanghái,
China
3 1 1 9,0 30,0 1,0 50,0 5,0
2 1,7 96,9 Chen et al.
2015
69
Localización Área
continental Técnica de
biorremediaciónb
Tipo de
procesoc
Concentración Parámetro
evaluado
Tiempo
de
puesta
en
marcha
(días)
Remoción
contaminante
crítico (%)
Año
pH
(und)
Temperatu
ra (°C)
Oxígeno
(ppm)
Nitrógeno
(ppm)
Fósforo
(ppm)
DBO5
(ppm)
China 3 1 1 7,1
1,0 51,2
129,1 2 1,5 58,0 Fang et al.
2013
Mudanjiang,
China
3 1 1
12,0 1,0 7,6
1200,0 2 0,5 83,4 Guo et al. 2010
Jiamusi,
China
3 1 1
13,0 1,0 2,9
377,0 2 0,7 84,7 Guo et al. 2010
Taiping,
China
3 1 1
13,0 1,0 2,4
2083,0 2 0,4 84,9 Guo et al. 2010
Hebei, China 3 1 1 4,3 4,0 2,0 600,0 115,0
2 3,0 90,0 Quan et al.
2012
Hangzhou,
China
3 1 1 7,0 22,0 1,0
2 28,0 85,0 Wang et al.
2013
China 3 1 1 9,1
540,0 2,5
2 15,0 85,0 Wen et al.
2013
Giza, Egipto 4 2 1
28,0 4,0 4,0
94,4 2 0,1 87,0 Abou et al.
2015
Kolkata, India 3 2 1 8,2
8,0
20,0 140,0 6 6,0 65,0 Das Gupta et
al. 2015
Kumamoto,
Japón
3 1 1 7,9 30,0 4,0
1800,0 6 19,0 60,0 Ermawati et al.
2006
Kumamoto,
Japón
3 1 2 7,1 30,0
27600,
0
6 19,0 76,0 Ermawati et al.
2006
Nanjing,
China
3 2
66,0 6,6 235,0 6 0,6 95,7 Fang et al.
2016
Beijing,
China
3 2 2 7,0 22,5 7,0 20,0 4,0
2 40,0 83,0 Ji et al. 2011
Nueva Delhi,
India
3 2 1 4,0 33,5
7,5 1833,0 2 3,0 91,3 Gupta et al.
2016
Nueva Delhi,
India
3 2 1 4,0 33,5
11,2 7,5 1733,0 2 3,0 85,1 Gupta et al.
2016
Nueva Delhi,
India
3 2 1 4,0 33,5
22,4 7,5 1300,0 2 3,0 67,8 Gupta et al.
2016
70
Localización Área
continental Técnica de
biorremediaciónb
Tipo de
procesoc
Concentración Parámetro
evaluado
Tiempo
de
puesta
en
marcha
(días)
Remoción
contaminante
crítico (%)
Año
pH
(und)
Temperatu
ra (°C)
Oxígeno
(ppm)
Nitrógeno
(ppm)
Fósforo
(ppm)
DBO5
(ppm)
Belo
Horizonte,
Brasil
5 2 1 7,0 25,0 4,3
403,0 6 6,0 46,0 Marcelino et al.
2016
Belo
Horizonte,
Brasil
5 2 1 7,0 25,0 5,2
230,0 6 6,0 70,0 Marcelino et al.
2016
Belo
Horizonte,
Brasil
5 2 1 7,5 25,0 7,4
66,0 6 6,0 98,0 Marcelino et al.
2016
Zambia, Sur
África
4 2 1 7,5 23,5 1,0 0,4 0,4 48,0 6 3,0 86,0 Ntengwe. 2005
Giessen,
Alemania
1 1 1 7,3
58,0 11,1 3626,0 6 1,0 30,0 Rajendran et al.
2012
Arabia saudita 3 2 1 6,9 22,0 0,2 2,0 3,7 72,0 6
93,1 Abdel-Kader.
2012
Arabia saudita 3 2 1 7,1 22,0 0,2 8,0 9,8 119,0 6
94,7 Abdel-Kader.
2012
Arabia saudita 3 2 1 7,4 22,0 0,2 13,0 14,6 182,0 6
95,6 Abdel-Kader.
2012
Media
6,9 24,3 2,9 65,3 12,0 2091,9
8,0 78,7
Mediana
7,1 25,0 1,0 20,0 6,6 377,0
6,0 84,7
Desviación estándar
1,4 9,0 2,6 147,4 24,2 5920,4
8,8 18,3
Mínimo
4,0 4,0 0,2 0,4 0,2 48,0
0,1 16,4
Máximo
9,1 46,5 8,0 600,0 115,0 27600
40,0 98,8
Datos considerados 35 33 21 27 21 21 36 39
Nota. a 1-Europa; 2-Norte América; 3-Asia; 4-Africa; 5-Sur América. b 1-Bioaumentación; 2-Bioestimulación; 3-Fitorremediación. c 1-Aerobio; 2-Anaerobio. d 1-Nitrogeno
amoniacal; 2-Demanda química de oxígeno (DQO); 3-Hidrocarburos; 4-Metales pesados; 5-Surfactante aniónico; 6-Demanda biológica de oxígeno.
Fuente: Elaboración propia.
71
• Oxígeno (Índice = 0,457-Q2): La presencia de oxígeno disuelto en el agua residual
en los procesos de biorremediación aeróbicos resulta ser un factor determinante en
la reducción de contaminantes como la DBO5, la demanda química de oxígeno
(DQO), las grasas y aceites, los sólidos disueltos totales (SDT) y los sólidos
suspendidos totales (SST) (Altaf et al., 2010). El oxígeno es un elemento vital para
las bacterias aerobias, de encontrase en las cantidades correctas o en exceso
contribuye al desarrollo microbiológico, pero si se encuentra de forma deficitaria
genera competencia microbiana; por lo cual se disminuirá la cantidad de
microorganismos, esto a su vez causará la reducción de la eficiencia de
biodegradabilidad de contaminantes (Rosenberg et al., 1992; Tyagi et al., 2011;
Marinho-Soriano et al., 2011). La revisión literaria indicó que para los procesos
aerobios se mantiene un mínimo de 0,2 ppm de oxígeno hasta un nivel máximo de
8 ppm de oxígeno, con una media de 2,85 ppm y una mediana de 1 ppm (Tabla 7).
• Nitrógeno (Índice = 0,421-Q2): El nitrógeno es el macronutriente de mayor
importancia en la biorremediación de contaminantes. Frecuentemente este
nutriente requiere ser añadido a aguas y suelos, acelerando así la velocidad de
descontaminación y mejorando el potencial de degradación bacteriano (Atlas et
al., 1992; Rosenberg et al., 1992; Margesin et al., 1998; Nikolopoulou et al., 2009;
Prince. 1997; Sarkar et al., 2005). La revisión literaria indicó que los niveles de
nitrógeno en los procesos de biorremediación de aguas residuales se encuentran
en un rango de 0,4 ppm hasta 600 ppm, con una media de 65,31 ppm y mediana
de 20 ppm (Tabla 7).
• Fósforo (Índice = 0,240-Q1): El fósforo es el segundo macronutriente de mayor
importancia en la biorremediación de contaminantes. Al igual que el nitrógeno,
este nutriente requiere ser añadidos a aguas y suelos (Atlas et al., 1992; Rosenberg
et al., 1992; Margesin et al., 1998; Nikolopoulou et al., 2009; Prince, 1997; Sarkar
et al., 2005). La revisión literaria indicó que los niveles de fósforo en los procesos
de biorremediación de aguas residuales se encuentran en un rango de 0,2 ppm hasta
115 ppm, con una media de 11,9 ppm y mediana de 6,7 ppm (Tabla 7).
72
• DBO5 (Índice = 0,024-Q1): La DBO es la cantidad de oxígeno que requiere una
población bacteriana para degradar la materia orgánica; en este sentido la prueba
DBO5 es una medida indirecta de la cantidad de la materia orgánica presente en
aguas residuales. Si bien es cierto la DBO es considerada un contaminante del
agua, también es una importante fuente de suministro de carbono para los procesos
metabólicos bacterianos. Es así como las técnicas de biorremediación suelen
procurar procesos de reducción de la DBO5, en virtud que esta última es alimento
para los microorganismos (Kumar et al., 2010; Pepper et al., 1996; Mellin et al.,
1996; Kahmark et al., 1997; Liu et al., 1996). La revisión literaria indicó que los
procesos de biorremediación se han desarrollado con concentración de DBO5
desde de 48 hasta 27600 ppm, con una media de 2092 ppm y mediana de 377 ppm
(Tabla 7).
6.1.2. Criterios de operación de los sistemas de tratamiento
Relación de nitrógeno y fósforo: Generalmente para procesos bilógicos aerobios
se utiliza una tasa de relación de nutrientes DBO5:N:P = 100:1:0,5 hasta relaciones
DBO5:N:P = 100:5:1 (Nannipieri et al., 2003). Tanto para técnicas de
bioestimulación como técnicas de bioaumentación es usual encontrar el uso de
fertilizantes comerciales con contenido de N y P, a fin de garantizar el óptimo
nutricional para el proceso metabólico bacteriano (Venosa et al., 1996; Duke et al.,
2000; García et al., 2007; Sanscatier et al., 2009). Como se mencionó
anteriormente, existe evidencia estadística para determinar correlación entre estas
dos variables (r-Pearson = 0,688; p = 0,001; gl = 19). Dada esta condición se
realizó una regresión lineal simple tomando datos de la Tabla 7, donde la variable
dependiente es el nitrógeno y la variable independiente es el fósforo; obteniendo
el siguiente modelo matemático: N = 4,701*P + 1,202. Modelo que resulta ser
similar al reportado anteriormente, donde se mencionó que por 1 ppm de P
deberían haber 5 ppm de N, con el fin de mantener una óptima relación de
nutrientes.
73
• Tiempo de puesta en marcha: La revisión literaria indicó que el tiempo mínimo de
puesta en marcha de las tecnologías de biorremediación es de 0,1 día hasta un
máximo de 40 días, con una media de 8 días y mediana de 6 días (Tabla 7). Es
pertinente indicar, que no existieron diferencias significativas en los tiempos de
puesta en marcha (t = 0,571; gl = 30; p = 0,573) entre el uso de tecnologías de
biorremediación y tecnologías de bioaumentación. Igualmente, no existieron
diferencias significativas (t = 1,602; gl = 31; p = 0,203) entre el uso de técnicas
aerobias y técnicas anaerobias. Los resultados sugirieron que el tiempo de puesta
en marcha de los sistemas no dependerá del tipo de tecnología de biorremediación
y técnica, ya se aerobia o anaerobia. Por otra parte, la correlación entre DBO5 y
tiempo de puesta en marcha (r-Pearson = 0,552; p = 0,018; gl = 18) indicó que a
mayores concentraciones de materia orgánica se requerirá un mayor tiempo de
puesta en marcha de las técnicas de biorremediación de aguas residuales.
• Porcentaje de remoción de parámetros evaluados: La revisión literaria indicó que
el porcentaje de remoción de parámetros evaluados se encontró entre el rango de
16,4% y 98,8%, con una media de 78,7% y mediana de 84,7% (Tabla 7). Es
pertinente mencionar que no existieron diferencias significativas (t = 0,571; gl =
30; p = 0,573) entre el uso de tecnologías de biorremediación y el uso de
tecnologías de bioaumentación, es decir que los porcentajes de remoción de
parámetros evaluados no varían entre el uso de una tecnología u otra. Por otra
parte, se encontró con un nivel de confianza de 95% que no existieron diferencia
significativas (t = 2,012; gl = 34; p = 0,052) entre el uso de técnicas aerobias y el
uso de técnicas anaerobias.
La revisión bibliográfica detectó 45 casos de parámetros evaluados (100%), con
la siguiente distribución por parámetro: demanda química de oxígeno (COD) 16
casos (35,6 %), demanda biológica de oxígeno (BOD) 12 casos (26,7 %),
surfactante aniónico 6 casos (13,3 %), nitrógeno amoniacal 5 casos (11,1%),
hidrocarburos 4 casos (8,9%), y metales pesados 2 casos (4,4%).
74
6.1.3. Relación entre factores clave y demás variables
• Análisis de clúster: El análisis estadístico de clúster (AC) permitió la
identificación de cinco grupos: (1) temperatura y pH, (2) concentraciones de
nitrógeno y fósforo, (3) tipo de proceso, tiempo de puesta en marcha y
concentraciones de oxígeno, (4) contaminante crítico y porcentaje de remoción del
contaminante crítico, y (5) técnica de biorremediación y área continental (Tabla
7). Los grupos 1 y 4 se encontraron en un nivel más alto, posiblemente mostrando
una relación entre ellos; del mismo modo los grupos 2, 3 y 5 mostraron una posible
relación entre ellos y con los grupos 1 y 4. La variable DBO5 fue excluida de este
análisis debido a que no logró relacionarse en el AC, por la existencia de datos
faltantes en relación a las demás variables.
• Prueba de t-Student: Para la variable de técnicas de biorremediación se evaluaron
las tecnologías de bioaumentación y bioestimulación. A partir de los datos de la
Tabla 7, se evidenció que no existieron diferencias significativas entre el uso de
técnicas de bioaumentación y el uso de técnicas de bioestimulación en los
siguientes factores clave y demás variables: pH (t = 0,548; gl = 29; p-valor =
0,588), oxígeno (t = -2,107; gl = 16; p = 0,058), nitrógeno (t = 1,669; gl = 21; p =
0,12), tiempo de puesta en marcha (t = 0,571; gl = 30; p = 0,573), porcentaje de
remoción de parámetros evaluados (t = -0,342; gl = 34; p = 0,735) y DBO5 (t =
1,639; gl = 19; p = 0,118). Es decir, los factores clave y demás variables reportadas
fueron similares para las dos tecnologías de biorremediación en estudio.
Por otro lado, se evaluaron los procesos de tipo aerobio y anaerobio. Las variables
temperatura y fósforo se excluyen del presente análisis por no cumplir con la
prueba de normalidad de Shapiro-Wilk (p-valor < 0,05), y las variables oxígeno y
DBO5 también se excluyeron dado que no fue posible estimar la igualdad de
varianzas de Levene por datos faltantes. Por lo cual, se realiza un análisis para
datos no paramétrico con la prueba U Mann Whitney para las variables de
75
temperatura, fósforo, oxígeno y DBO. Los resultados mostraron que no existieron
diferencias significativas entre el uso de procesos de tipo aerobio y anaerobio en
los siguientes factores clave y demás variables: pH (t = -1.181; gl = 31; p = 0,247),
nitrógeno (t = 0,434; gl = 24; p = 0,668), tiempo de puesta en marcha (t = 1,602;
gl = 31; p = 0,203), porcentaje de remoción de parámetros evaluados (t = 2,012;
gl = 34; p = 0,052), temperatura (u = 0.641; gl = 31), fósforo (u = 0,474; gl =20 ),
oxígeno (u = 0,476; gl = 21) y DBO (u = 1; gl =20). Es decir, los factores clave y
demás variables reportadas son similares en condiciones aerobias y anaerobias.
• Análisis de correlación de Pearson: Se encontró que existe evidencia estadística
para determinar correlación entre los siguientes grupos: (1) nitrógeno y fósforo (r-
Pearson = 0,688; p = 0,001; gl = 19), (2) DBO5 y tiempo de puesta en marcha (r-
Pearson = 0,552; p = 0,018; gl = 18), (3) temperatura y porcentaje de remoción de
parámetros evaluados (r-Pearson = -0,385; p = 0,03; gl = 32), y (4) pH y fósforo
(r-Pearson = -0,409; p = 0,073; gl = 20) (Tabla 8).
De lo anterior, se observó que la correlación entre pH y fósforo (r = -0,409) puede
deberse principalmente al uso de ácidos con contenido de fósforo como nutrientes
en los procesos de biorremediación, ya que la relación es inversamente
proporcional. Es decir, que a mayor contenido de fósforo menor es el pH, lo cual
resulta ser un hallazgo de la revisión bibliográfica. Gregori (2014) indicó que en
el ciclo del fosfato en aguas residuales a pH < 6 predomina la fracción de ácido
fosfórico y el ion dihidrogenofosfato. Por otra parte, se observó que la correlación
entre temperatura y porcentaje de remoción de parámetros evaluados (r = -0,385),
sugirió que a mayor temperatura existe un mayor porcentaje de remoción de
parámetros evaluados; probablemente esto se debe a mantener condiciones
óptimas para bacterias de características mesófilas y termófilas, enviciándose en
la revisión que a estas temperaturas se consigue una mayor degradación de los
contaminantes presentes en aguas residuales (Tyagi et al., 2011; Rana et al., 2014;
Enright et al., 2005).
76
Tabla 8. Matriz de correlación de Pearson para variables cuantitativas
pH Temperatura Oxígeno Nitrógeno Fósforo DBO5 Tiempo
de puesta
en marcha
Remoción de
parámetros
evaluados
pH C. Pearson - -0,002 0,188 -0,097 -0,409 0,026 0,109 -0,141
P - valor - 0,992 0,469 0,668 0,073 0,923 0,306 0,427
gl - 29 17 22 20 16 31 34
Temperatura C. Pearson -
0,002
- 0,404 -0,383 -0,583 0,237 0,09 -0,385
P - valor 0,992 - 0,086 0,078 0,018 0,36 0,637 0,03
gl 29 - 19 22 16 17 30 32
Oxígeno C. Pearson 0,188 0,404 - -0,003 -0,043 -0,128 0,293 -0,351
P - valor 0,469 0,086 - 0,991 0,899 0,663 0,238 0,119
gl 17 19 - 15 11 14 18 21
Nitrógeno C. Pearson -
0,097
-0,383 -0,003 - 0,688 0,198 0,075 0,085
P - valor 0,668 0,078 0,991 - 0,001 0,498 0,729 0,678
gl 22 22 15 - 19 14 24 26
Fósforo C. Pearson -
0,409
-0,583 -0,043 0,688 - 0,05 -0,156 0,125
P - valor 0,073 0,018 0,899 0,001 - 0,891 0,537 0,588
gl 20 16 11 19 - 10 18 21
DBO5 C. Pearson 0,026 0,237 -0,128 0,198 0,05 - 0,552 -0,095
P - valor 0,923 0,36 0,663 0,498 0,891 - 0,018 0,684
gl 16 17 14 14 10 - 18 21
Tiempo de
puesta en
marcha
C. Pearson 0,109 0,09 0,293 0,075 -0,156 0,552 - -0,045
P - valor 0,306 0,637 0,238 0,729 0,537 0,018 - 0,797
gl 31 30 18 24 18 18 - 35
Remoción
contaminante
crítico
C. Pearson -
0,141
-0,385 -0,351 0,085 0,125 -0,095 -0,045 -
P - valor 0,427 0,03 0,119 0,678 0,588 0,684 0,797 -
gl 34 32 21 26 21 21 35 -
Fuente: Elaboración propia.
Con respecto a la correlación entre nitrógeno y fósforo (r = 0,688), la cual resulta
ser la más alta; los procesos de biorremediación procuran un balance óptimo de
estos nutrientes con relación a la carga orgánica presente en las aguas residuales a
tratar (Venosa et al., 1996; Duke et al., 2000; García et al., 2007; Sanscatier et al.,
2009). Por último, se encontró una correlación entre DBO5 y tiempo de puesta en
marcha (r = 0,552). Los resultados sugirieron que a mayores concentraciones de
materia orgánica se requerirá un mayor tiempo de puesta en marcha de las técnicas
de biorremediación de aguas residuales. Análogo a lo reportado por Castillo et al.
77
(2011), quienes indicaron que a mayor porcentaje de remoción de DBO mayor será
el tiempo requerido de puesta en marcha.
• Análisis geográfico mundial del uso de técnicas de biorremediación: Se realizó un
análisis geográfico mundial de la información donde fueron detectados 5.233
(100%) documentos que relacionaron el uso de técnicas de biorremediación en las
bases de datos Scopus (Tabla 7), con la siguiente distribución geográfica por
continentes: Asia (41,3%), Europa (28,8%), América del Norte (20,1%), América
del Sur (3,3%), Oceanía (3,3%) y África (3,2%). Asia ha demostrado ser el
continente precursor del desarrollo y puesta en marcha de tecnologías de
biorremediación en lo concerniente al tratamiento de aguas residuales domésticas;
se han establecido nuevas plantas y modernizado plantas antiguas con el uso de
tecnologías de biorremediación (Chen et al., 2015).
Con los datos obtenidos en la Tabla 7 se realizó un análisis geográfico mundial de
la información donde se detectaron 36 (100%) documentos que reportaron el uso
de tecnologías de biorremediación, de lo cual se obtienen 18 (50%) casos para
bioaumentación y 18 casos para bioestimulación (50%), con la distribución
geográfica por tipo técnica de biorremediación presentada en la Figura 14. Lo cual
indicó que Asia es el continente líder en el uso de la biorremediación como
estrategia de tratamiento de aguas.
Figura 14. Análisis geográfico mundial por tipo de técnica de biorremediación
Fuente: elaboración propia.
01020304050607080
Asia Europa SurAmerica
Africa NorteAmerica
Bioaumentación 72 22 0 0 6
Bioestimulación 61 0 22 17 0
Po
rce
nta
je d
e c
aso
s re
po
rtad
os
78
Adicionalmente, se realizó un análisis de usos de técnicas de biorremediación en
el tiempo, donde se encontraron 11 casos (30,5%) en el periodo comprendido entre
los años 1997 y 2010; de los cuales la bioestimulación representó el 27% y la
bioaumentación el 63%. Se identificaron 25 casos (69,5%) en el periodo
comprendido entre los años 2010 y 2016, de los cuales la bioestimulación
representó el 60% con una tasa de uso de 0,19 casos por año; y la bioaumentación
el 40% con una tasa de uso de 0,15 casos por año. Considerando lo anterior, se
observó una tendencia del uso de la bioestimulación como técnica de
biorremediación en el tratamiento de aguas residuales en los últimos años (figura
15). Sin embargo, comparativamente no existió una diferencia marcada en el uso
de una tecnología en particular. Snape et al. (2001) indicaron que variedad de
tecnologías se han probado en la descontaminación de ambientes marinos (físicas
y químicas) y las más efectivas han resultado ser las técnicas de bioaumentación.
Por lo cual, ya se observa una tendencia en el uso para dichas aplicaciones.
Igualmente, Guo et al. (2010) indicaron que en China existe una marcada tendencia
en el uso de tecnologías de bioaumentación para el tratamiento de aguas residuales
domésticas.
Figura 15. Análisis temporal del uso de técnicas de biorremediación (bioestimulación y
bioaumentación)
Fuente: elaboración propia.
y = 0.1929x - 384.56R² = 0,68
y = 0.1492x - 297.14R² = 0,48
0
1
2
3
4
5
6
7
1995 2000 2005 2010 2015 2020
Nu
mer
o d
e ca
sos
rep
ort
ado
s
Año
Bioestimulación Bioaumentación
79
6.2. Plan de bioestimulación desarrollado en la PTARI
6.2.1. Tiempo de retención hidráulica en la zona de bioestimulación
Los resultados del análisis del tiempo de retención hidráulica (TRH) se presentan en la
Tabla 9. Este se midió con el fin de conocer el tiempo total de residencia del agua en el
sistema de tratamiento y, por lo tanto, conocer el tiempo que tuvo la población bacteriana
para realizar la remoción de contaminantes. Por su parte, Sarkar et al. (2004) y Gong
(2012) indicaron que el TRH es una variable clave para el éxito de los sistemas de
tratamiento mediante la tecnología de bioestimulación. En el presente estudio, el TRH fue
de 18,6 horas. Guo et al. (2010) han obtenido tiempos similares en sistemas de tratamiento
de aguas residuales domesticas mediante bioestimulación en la ciudad de Jiamusi (China),
con un THR de 17,4 horas y una remoción promedio de 84,7 % de la DQO.
Tabla 9. Cálculos de TRH en el sistema de conducción y almacenamiento de aguas residuales
Elemento
Largo
(m)
Ancho
(m)
Diámetro
(m)
Longitud ó
altura (m)
Volumen
(m3)
TRH
(horas)
Pozo 1 0,70 0,70 0,65 0,32 0,06
Tubería pozo 1 - pozo 2 0,15 1,53 0,03 0,01
Pozo 2 0,84 0,84 0,83 0,59 0,11
Tubería pozo 2 - pozo 3 0,30 9,91 0,70 0,13
Pozo 3 1,83 1,43 1,65 4,32 0,80
Tubería pozo 3 - pozo 4 0,20 25,5 0,80 0,15
Pozo 4 0,82 0,82 1,35 0,91 0,17
Tubería pozo 4 - pozo 5 0,15 1,58 0,03 0,01
Pozo 5 1,15 1,15 2,60 3,44 0,64
Tubería bomba - tanques
ecualizadores 0,05 103,4 0,20 0,04
Tanque ecualizador A 3,00 7,30 51,60 9,54
Tanque ecualizador B 3,00 5,30 37,46 6,92
Suma 18,6
Fuente: Elaboración propia
80
6.2.2. Desarrollo del biocatalizador aplicado en las trampas de grasas
Con el fin de desarrollar el biocatalizador, se realizó un diagnóstico inicial del agua
residual industrial (01/04/2016) donde se obtuvieron los siguientes resultados: DBO5 =
1930 ppm, nitrógeno = 14 ppm, y fósforo = 0 ppm. Los anteriores resultados se utilizaron
como punto de partida para el desarrollo del biocatalizador, cumpliendo con la relación
DBO5:N:P = 100:5:1, ya que en exceso pueden causar eutrofización en los cuerpos de
aguas y en déficit no tendrán las bacterias los suficientes nutrientes para degradar la
materia orgánica. Se procuró también que esta relación no estuviese por debajo de
100:1:0,5 durante los 180 días del plan de bioestimulación, acorde a lo señalado por
Nannipieri et al. (2003). A continuación, en las tablas 10 y 11 se presentan los cálculos
realizados para la dosificación del nitrógeno y fósforo (biocatalizador).
• Preparación y dosificación del biocatalizador: El biocatalizador desarrollado
estuvo compuesto por 23,2 kg de UREA al 98,5% en polvo, el cual se agregó en
un tanque plástico de capacidad de 280 litros; donde previamente se adicionaron
140 litros de agua potable y se realizó su homogenización por medio de aire
(difusor tipo flauta con agujeros de 1/8 de pulgada). Posteriormente, se
adicionaron 9,3 kg de ácido fosfórico líquido al 85% y se completó el tanque hasta
llegar a 280 litros de agua potable. La dosificación se realizó por goteo
directamente en la trampa de grasa, a un caudal de 11,67 litros por hora, a fin de
garantizar el consumo de este tanque en 24 horas (ver Figura 16). Lo anterior
permitió mantener una dosificación constante y adecuada de los nutrientes
necesarios para el desarrollo de la población bacteriana, acorde a lo señalado por
Salinas et al. (2008); estos investigadores indicaron que el tratamiento mediante
bioestimulación requiere la dosificación constante de los nutrientes (N y P) en el
caso de encontrarse en forma deficitaria.
81
Tabla 10. Nitrógeno dosificado
Descripción Calculo
Al utilizar la ecuación 13 se obtuvo: N ppm = (1930/100)*5-14
N = 82 ppm
Al calcular la cantidad de N en kilogramos/día para un caudal de 129,9 m3/día se
obtuvo:
N Kg/día = (caudal agua m3/día)*(1000 litros/1m3)*(N ppm(mg/litro))*(1 g/1000 mg)*(1 kg/1000 g)
N Kg/día = (129,9 m3/día)*(1000 litros/1m3)*(N 82 ppm(mg/litro))*(1 g/1000 mg)*(1 kg/1000 g)
N = 10,6 kg/día
El producto dosificado que contiene el nitrógeno es UREA (CH4N2O) al 98,5%, al
calcular la masa molar de los componentes se obtuvo:
C = 12 g/mol, H4 = 4 g/mol, N2 = 28 g/mol y O = 16 g/mol.
Masa molar de CH4N2O = 60 g/mol
El porcentaje de nitrógeno dentro de la molécula de UREA = (masa molar N/ masa
molar CH4N2O)*100
% N= (28,0 g/mol/ 60,0 g/mol)*100
N= 46,6 %
Cantidad de UREA dosificada Kg/día está dado por la cantidad de N dentro de la
molécula de UREA y el grado de pureza del producto por lo tanto es = N
Kg/día*100/ porcentaje de nitrógeno dentro de la molécula de UREA *100/ grado
de pureza del producto.
Urea a dosificar Kg/día = N 10,6 kg/día*100/46,6*100/98,5
Urea a dosificar Kg/día = 23,2 Kg/día
Fuente: elaboración propia
Tabla 11. Fósforo dosificado
Descripción Calculo
Al utilizar la ecuación 14 se obtuvo: P ppm = (1930/100)*1-0
P = 19,2 ppm
Al calcular la cantidad de P en kilogramos/día para un caudal de 129,9 m3/día se
obtuvo:
P Kg/día = (caudal agua m3/día)*(1000 litros/1m3)*(P ppm(mg/litro))*(1 g/1000 mg)*(1 kg/1000 g)
P Kg/día= (129,9 m3/día)*(1000 litros/1m3)*(P 19,2 ppm(mg/litro))*(1 g/1000 mg)*(1 kg/1000 g)
P = 2,49 kg/día
El producto dosificado que contiene el fósforo es ácido fosfórico (H3PO4) al 85%, al
calcular la masa molar de los componentes se obtuvo:
H3 = 3 g/mol, P = 31 g/mol y O4 = 64 g/mol
Masa molar de (H3PO4) = 98 g/mol
El Porcentaje de fósforo dentro de la molécula de ácido fosfórico = (masa molar P/
masa molar H3PO4)*100 es:
% P = (31 g/mol / 98 g/mol)*100
P = 31,6 %
Cantidad de ácido fosfórico a dosificar kg/día está dado por la cantidad de P dentro
de la molécula de ácido fosfórico y el grado de pureza del producto por lo tanto es =
P Kg/día*(100/ porcentaje de fosforo dentro de la molécula de ácido fosfórico) *
(100/ grado de pureza del producto).
Cantidad de ácido fosfórico a dosificar Kg/día = P 2,5 kg/día*100/31,6*100/85
Cantidad de ácido fosfórico a dosificar = 9,3 Kg/día
Fuente: elaboración propia
82
Figura 16. Tanque de preparación y dosificación del biocatalizador
Fuente: Elaboración propia
6.2.3. Control de factores clave en el sistema de tratamiento
En la etapa de revisión bibliográfica se detectaron seis factores clave: pH, temperatura,
oxígeno, nitrógeno, fósforo y DBO5. Con el desarrollo del biocatalizador se garantizó el
control de tres factores clave, siendo estos nitrógeno, fósforo y DBO5. Margesin et al.
(1998) señalaron que los nutrientes (nitrógeno y fósforo) generalmente son añadidos al
agua residual en proporciones adecuadas con respecto a la DBO5; logrando así acelerar
los procesos de desarrollo bacteriano y a su vez la degradación de los contaminantes. A
continuación se presenta un análisis con respecto a los demás factores clave del sistema
de tratamiento.
• Temperatura: La temperatura de agua del efluente de la refinería de aceite de
palma se mantuvo en un rango entre 31,2 °C y 50,7 °C, con media de 41,6 °C y
mediana de 40,5 °C (Tabla 13); siendo la temperatura ideal para el proceso de
bioestimulación de bacterias mesófilas. Lim et al. (2010) reportaron éxito en el
tratamiento de aguas mediante bioestimulación de bacterias mesófilas y termófilas
a una temperatura promedio de 46,5 °C. La revisión bibliográfica indicó que en
83
los procesos de biorremediación se tuvo un rango de temperatura entre 4 °C y 46,5
°C, con media de 24,3 °C y mediana de 25 °C. Guo et al. (2010) indicaron que un
proceso de tratamiento biológico mediante biorremediación para aguas residuales
municipales fue desarrollado en el sur de China. Donde la temperatura se mantuvo
en un promedio de 13 °C, y fue una constante fundamental en el éxito del
tratamiento biológico para el desarrollo de microorganismos psicrófilos.
• pH: Con el objeto de garantizar el pH sugerido por la revisión bibliográfica (entre
4 y 9,1) se instaló un sistema automático de control de pH por medio de
dosificación de soda caustica (Figura 17). Los parámetros ajustados en el
controlador de pH fueron los siguientes: (1) se activó la dosificación de soda
caustica a pH < 6,0 y (2) se desactivó la dosificación de soda caustica a pH > 7,5.
Los resultados durante la etapa de bioestimulación fueron los siguientes: el pH se
mantuvo en un rango entre 4,7 y 10,6, con promedio de 7,4 (Tabla 13). Al respecto,
Ermawati et al. (2006) reportaron un 76% de remoción de DBO en tratamiento de
aguas residuales mediante técnicas de bioestimulación con un pH promedio de 7,1.
Por su parte, Tyagi et al. (2011) indicaron que las condiciones que dificultan el
crecimiento bacteriano son las fluctuaciones o condiciones extremas de pH.
Figura 17. Controlador automático de pH
Fuente: Elaboración propia
84
Oxígeno: La revisión literaria indicó para los procesos aerobios un mínimo de 0,2 ppm de
oxígeno hasta un nivel máximo de 8 ppm de oxígeno, con media de 2,85 ppm y mediana
de 1 ppm (Tabla 7). Considerando lo anterior y dado el carácter aerobio del presente
proceso de bioestimulación, se dosificó aire comprimido en los tanques ecualizadores de
la PTARI a fin de garantizar un mínimo de 0,2 ppm y un máximo de 8 ppm. Se utilizaron
flautas difusoras de aire de 1/2 pulgada de diámetro y agujeros de 1/16 pulgada de
diámetro, a una tasa de dosificación de aire de 1690 litros/hora (Figura 18). A continuación
se presentan las características técnicas del sistema de dosificación de aire (Tabla 12). Los
resultados durante la etapa de bioestimulación fueron los siguientes: El oxígeno en el agua
se mantuvo entre 1,1 ppm y 2,99 ppm, con un promedio de 1,46 ppm (Tabla 13). Al
respecto, Rosenberg et al. (1992) señalaron que el oxígeno es un factor clave para el
desarrollo de las bacterias aerobias; por lo cual se requiere mantener su concentración en
las cantidades correctas o en exceso (oxigeno > 1 ppm). De no ser así, se puede generar
competencia microbiana y, por ende, disminución de la población bacteriana del sistema
de tratamiento; afectando la capacidad de degradación de los contaminantes en el agua.
Figura 18. Suministro de aire en tanque de almacenamiento de agua residual industrial
Fuente: Elaboración propia.
85
Tabla 12. Oxigeno dosificado
Descripción Calculo
Oxígeno a dosificar = 1 ppm, caudal de agua = 3896 m3/mes Oxígeno requerido = 1 mg/litro * caudal litros/hora
Oxígeno requerido = 1 mg/litro * 3896 m3/mes * 1 mes/ 30 días * 1000 litros/1 m3 *1 día/24 horas
Oxígeno requerido = 5411 mg/hora
Aire requerido = oxígeno requerido x peso molecular aire /peso molecular
oxígeno Densidad del aire comprimido = 1,18 kg/m3
Peso molecular del aire = 29 g/mol
Peso molecular oxígeno = 32 g/mol x 21% (Cantidad de oxígeno en el aire)
Aire requerido = 5411 mg/hora x 29 g/mol / 6,72 g/mol
Aire requerido = 23319 mg/hora 1 kg/1000000
Aire requerido= 0,02 kg/hora
Caudal de aire requerido = aire requerido/ densidad* 100/SOTE Rendimiento estándar de transferencia de oxígeno (SOTE) de las flautas = 1%.
Caudal de aire requerido = 1,69 m3/hora * 1000 litros/1 m3
Caudal de aire requerido = 1690 litros/hora
Fuente: Elaboración propia.
86
6.2.4. Evaluación de la eficiencia de la bioestimulación
Se realizó la evaluación de la eficiencia de la bioestimulación a través de comparar los
resultados obtenidos en el punto de inicio de la bioestimulación (punto a) con respecto a
la etapa de finalización de la bioestimulación (punto b) (Tabla 13 y 14). Igualmente, la
eficiencia de la bioestimulación fue comprobada mediante la prueba de correlación de
Pearson para variables cuantitativas, donde previamente se realizó el test de normalidad
de Shapiro-Wilk a fin de verificar la normalidad de los datos. El análisis temporal se
desarrolló en el numeral 6.2.5 dado que allí se visualiza cada una de las etapas del modelo.
Se obtuvieron los siguientes resultados del proceso de bioestimulación con un nivel de
confianza del 95%:
➢ Correlación entre bacterias heterótrofas totales y DBO5 (r-Pearson = 0,855; p =
0,005; gl = 12); la cual indicó que a mayor número de bacterias heterótrofas mayor
fue la remoción de la DBO5. A nivel internacional se han reportado resultados
similares (p.ej., Kumar et al., 2010; Pepper et al., 1996; Mellin et al., 1996;
Kahmark et al., 1997; Liu et al., 1996). Al realizar la regresión lineal se obtuvo el
siguiente modelo: Y= 0,0004X – 137,41; donde Y es DBO5, y X es bacterias
heterótrofas totales. En la Figura 19 se presenta la DBO calculada y la DBO
observada, con R2 = 0,79; el ajuste del modelo es bueno dada su cercanía a 1. El
error porcentual absoluto medio (EPAM) es de 23,42%, al ser menor a 25 el
modelo es bueno. Un criterio para considerar un modelo como bueno es el de
EPAM < 25 (Conte et al., 1986; Garre et al., 2007).
19. Resultados gráficos de la DBO observada versus la DBO simulada
Fuente: Elaboración propia.
0
200
400
600
800
0 50 100 150 200
pp
m
Días
DBO observada (ppm) DBO calculada (ppm)
87
➢ Correlación entre bacterias heterótrofas totales y Temperatura (r-Pearson = -
0,746; p = 0,005; gl = 12) (Figura 20); la cual indicó que a altas temperatura se
inhibió el desarrollo bacteriano, esto puede explicarse debido a que la media de la
temperatura de entrada se mantuvo en 41,6° C en contraste a la media de 24,3 °C
sugerida por la revisión bibliográfica. Lo anterior, sugirió evidencia de bacterias
de características mesófilas. A nivel internacional se han reportado resultados
similares (p.ej., Tyagi et al., 2011; Rana et al., 2014; Enright et al., 2005). Al
realizar la regresión lineal se obtuvo el siguiente modelo: Y= -0,00005X + 50,42;
donde Y es temperatura, y X es bacterias heterótrofas totales. En la Figura 21 se
presenta la temperatura calculada y la temperatura observada, con R2 = 0,56; el
ajuste del modelo no es muy bueno dado que se encuentra lejos de 1. No obstante,
el error porcentual absoluto medio (EPAM) es de 13,96%. Es decir, que aun
cuando el ajuste del modelo no es bueno, el error generado por la corrida del
modelo es aceptable.
Figura 20. Comportamiento temporal de la temperatura y el desarrollo microbiológico
Fuente: Elaboración propia
21. Resultados gráficos de la temperatura observada versus la temperatura calculada
Fuente: Elaboración propia.
0
500000
1000000
1500000
2000000
20
30
40
50
-20 30 80 130 180
UFC°C
Días
Temperatura (°C) Bacterias Heterotrofas totales (UFC)
0
10
20
30
40
50
60
0 50 100 150 200
°C
DíasTemperatura observada (°C) Temperatura calculada (°C)
88
➢ Correlación entre bacterias heterótrofas totales y pH (r-Pearson = 0,563; p =
0,057; gl = 12); la prueba estadística estableció que no existió correlación. No
obstante, es pertinente mencionar que el P-valor se encontró muy cercano a 0,05,
por lo cual el pH pudo tener incidencia en el desarrollo bacteriano. Por su parte,
Tyagi et al. (2011) indicaron que el pH es una condición fundamental para el
desarrollo bacteriano.
Por otra parte, con un nivel de significancia de 0,034 la prueba de U de Mann-Whitney
indicó que existieron diferencias significativas en la DBO5 entre los puntos de control
“a y b”. Por lo cual, se sugirió que el tratamiento mediante bioestimulación fue exitoso
debido a los cambios evidenciados en la etapa de inicio del proceso (a) con respecto
a la etapa de finalización del proceso (b). De tal modo, se aceptó la hipótesis de
investigación logrando aumento de la población bacteriana y remoción de la carga
orgánica (DBO5), DQO, fenoles, y grasas y aceites mediante la adición equilibrada
del biocatalizador desarrollado y el control de los factores clave de bioestimulación
en bacterias nativas de trampas de grasas en aguas residuales industriales de aceite de
palma. No obstante, el N y P aun cuando son nutrientes esenciales para la vida, se
deben mantener en las proporciones adecuadas, ya que su exceso provoca fenómenos
de eutrofización en los cuerpos hídricos donde se realiza el vertimiento (Moreno et
al., 2009).
Considerando lo anterior, se evidenció el éxito en el proceso biológico implementado.
Guo et al. (2010) indicaron que en los procesos de tratamiento de aguas residuales
municipales biológicos en China se seleccionaron técnicas de biorremediación,
debido a su eficiencia de remoción y arranque rápido del sistema (15 días). En el
apartado 6.2.5 se presentará de manera detallada una evaluación ambiental del sistema
de biorremediación, donde se muestra un análisis de la remoción de los parámetros de
control (DQO, DBO, grasas y aceites, y fenoles).
89
Tabla 13. Resultados fisicoquímicos y microbiológicos en el inicio de la bioestimulación (punto a)
Fecha Muestreo Puntos de
muestreo
pH
(und.)
Temperatura
(°C) DBO5
(ppm)
Fósforo
total
(ppm)
Nitrógeno
total
(ppm)
Bacterias
heterótrofas
totales
(UFC)
Oxígeno
(ppm)
DQO
(ppm)
Grasas
y
aceites
(ppm)
Fenoles
(ppm)
11/05/2016 1 a 7,53 31,2 1850 11,3 70,3 235 0 2497 659 3,76
25/05/2016 2 a 6,71 50,2 806 10,1 80,3 0 0
08/06/2016 3 a 7,2 41,6 850 34 37,2 40 0 1711 303 9,97
22/06/2016 4 a 4,72 50,7 1251 47 82 32000 0
19/07/2016 5 a 9,41 40,8 1792 7,39 31 0 0 3241 860 6,35
27/07/2016 6 a 5,68 50,2 1296 3,92 12,9 32000 0
10/08/2016 7 a 6,23 40,2 1325 13,6 8,07 4 0 2918 289 8,04
24/08/2016 8 a 7,3 44,8 1245 13,5 38,4 100 0
16/09/2016 9 a 7,72 39,2 1344 6,26 51,5 12000 0 2473 622 31,9
21/09/2016 10 a 10,6 36,2 1024 2,36 9,5 0 0
05/10/2016 11 a 6,35 39,3 1632 24,5 93,3 52000 0 3384 518 13,6
19/10/2016 12 a 9,51 35,2 1751 5,67 40,6 778 0
Media 7,42 41,6 1347 15 46,2 10763 0 2704 542 12,3
Mediana 7,25 40,5 1310 10,7 39,5 167 0 2707 570 9
Desviación Estándar 1,71 6,3 352 13,5 29,5 17854 0 613 220 10,2
Mínimo 4,72 31,2 806 2,36 8,1 0 0 1711 289 3,76
Máximo 10,6 50,7 1850 47 93,3 52000 0 3384 860 31,3
Fuente: Elaboración propia
90
Tabla 14. Resultados fisicoquímicos y microbiológicos en la finalización de la bioestimulación (punto b)
Fecha Muestreo
Puntos
de
muestreo
pH
(und.)
Temperatura
(°C)
DBO5
(ppm)
Fosforo
total
(ppm)
Nitrógeno
total
(ppm)
Bacterias
heterótrofas
totales
(UFC)
Oxígeno
(ppm)
DQO
(ppm)
Grasas
y
aceites
(ppm)
Fenoles
(ppm)
11/05/2016 1 b 7,64 25,7 1613 14,0 73,8 1400000 1,3 2130 438 3,31
25/05/2016 2 b 6,59 48,8 618 23,4 82,4 732000 1,54
08/06/2016 3 b 8,54 36,9 675 34 64 680040 1,1 1646 271 10
22/06/2016 4 b 4,85 50,7 1123 39 2,52 660000 1,38
19/07/2016 5 b 8,01 28,4 1600 18 138 1800000 1,23 2998 816 6,3
27/07/2016 6 b 5,95 45,4 1291 3,1 9,31 34000 1,52
10/08/2016 7 b 6,7 41 1043 32,8 5,26 1100000 1,2 2838 307 5,13
24/08/2016 8 b 7,75 25,5 794 16,3 22,2 1523100 1,35
16/09/2016 9 b 8,02 36,5 795 6,13 24 1635900 1,2 1933 229 19,5
21/09/2016 10 b 10,2 35,4 800 2,36 17,6 1210000 1,25
05/10/2016 11 b 6,95 35,9 1302 18,5 68 1470000 1,47 2449 134 7,99
19/10/2016 12 b 9,81 33,2 1047 5,16 35,1 1703000 2,99
Media 7,58 36,9 1059 17,7 45,1 1162337 1,46 2332 365 8,70
Mediana 7,7 36,2 1045 17,1 29,5 1305000 1,33 2289 289 7,15
Desviación Estándar 1,52 8,34 339 12,5 40,7 535463 0,50 526 242 5,75
Mínimo 4,85 25,5 618 2,4 2,52 34000 1,10 1646 134 3,31
Máximo 10,2 50,7 1612 39 138 1800000 2,99 2998 816 19,5
Fuente: Elaboración propia
91
6.2.5. Evaluación del sistema de bioestimulación desde la dimensión ambiental
Se evaluó la eficiencia de la bioestimulación desde la dimensión ambiental mediante el
porcentaje de remoción (Ecuación 1) de los siguientes parámetros: DBO5, DQO, grasas y
aceites, y fenoles (Tabla 15); obteniendo los siguientes resultados a partir del plan de
bioestimulación desarrollado.
En promedio, la DBO5 tuvo una remoción de 288 ppm (21,5 %) y se mantuvo en un rango
de 5,3 hasta 704 ppm. La DQO tuvo una remoción de 372 ppm (13 %) y se mantuvo en
un rango de 65 hasta 935 ppm. Las grasas y aceites tuvieron una remoción de 176 ppm
(30%) y se mantuvieron en un rango entre -18,1 y 393 ppm. Los fenoles tuvieron una
remoción de 3,57 ppm (29,1 %) y se mantuvieron en un rango entre -0,03 y 12,5 ppm. En
grasas y aceites y en fenoles se observó una remoción negativa, lo cual pudo deberse a
una acumulación de estos contaminantes debido a que la población bacteria no realizó
desorción de los mismos; esto ocurrió principalmente en la fase de decaimiento de
microorganismos, ya que estos contaminantes no son de fácil asimilación como si lo es la
DBO. Apella et al. (2005) indicaron que la acumulación de productos tóxicos del
metabolismo microbiano y los cambios en las condiciones ambientales disminuyen la
velocidad de crecimiento y la asimilación de contaminantes como alimento. La
comparación legislativa con límites de referencia para los parámetros en estudio se
realizará en el apartado 6.2.7.
Considerando lo anterior, se observó una remoción promedio de 228 ppm (21,5%) de
DBO5 y una correlación con las baterías heterótrofas totales (r-Pearson = 0,737; p = 0,005;
gl: 12); esto mediante la adición equilibrada del biocatalizador desarrollado, y el control
de los factores clave (oxígeno, pH y temperatura) de bioestimulación en bacterias nativas
de trampas de grasas en aguas residuales industriales de aceite de palma. Al respecto, Van
Deuren et al. (1997) indicaron que la circulación de nutrientes (nitrógeno, fósforo y DBO5
como carbono) se ha utilizado con éxito para el desarrollo de consorcios bacterianos y la
reducción de contaminantes en sistemas de tratamiento de aguas residuales industriales.
92
Tabla 15. Análisis de remoción (%) de contaminantes entre los puntos de control a – b
Fecha Muestreo DBO
(%)
DQO
(%)
Grasas y
aceites (%)
Fenoles
(%)
11/05/2016 1 12,8 14,7 33,4 11,9
25/05/2016 2 23,3
08/06/2016 3 20,6 3,8 10,6 -0,3
22/06/2016 4 9,7
19/07/2016 5 10,7 7,5 5,1 0,8
27/07/2016 6 0,4
10/08/2016 7 21,3 2,7 -6,3 36,2
24/08/2016 8 36,2
16/09/2016 9 40,6 21,8 63,2 39,0
21/09/2016 10 21,9
05/10/2016 11 20,0 27,6 74,0 41,2
19/10/2016 12 40,2
Media 21,5 13,0 30,0 21,5
Mediana 20,9 11,1 22,0 24,1
Desviación estándar 12,5 10,2 32,8 19,5
Mínimo 0,4 2,7 -6,3 -0,3
Máximo 40,6 27,6 74,0 41,2
Fuente: Elaboración propia
6.2.5.1. Desarrollo de un modelo dinámico para el sistema de biorremediación
• Objetivo del modelo: Desarrollar un modelo con el fin de explicar cómo la variable
independiente (tamaño de la población bacteriana), está relacionada con las
variables dependientes (DBO5 y tiempo).
• Hipótesis del modelo: (i) La variación de la biomasa en UFC es proporcional a la
cantidad de microorganismos en un momento dado (Ecuación 3); (ii) la variación
de biomasa en UFC es proporcional a la cantidad de substrato o DBO consumido
en un momento dado (Ecuación 4); (iii) la variación del sustrato o DBO es
proporcional al sustrato en un momento dado (Ecuación 5); (iv) el sistema de
transporte y almacenamiento de aguas residuales se comportó de forma similar a
un reactor de flujo completamente mezclado, el cual se utiliza para modelar la
transformación de compuestos cuando estos se homogenizan, ya sea por medios
naturales o artificiales (Levenspiel, 1999); siendo el presente caso, la
93
homogenización por medio de inyección de aire. Sánchez et al. (2009) indicaron
que luego de realizar la evaluación del comportamiento hidráulico en un reactor
aerobio y un reactor anaerobio, el primero funcionó en un 97 % como un reactor
de flujo completamente mezclado; lo cual puede ser explicado por el ingreso de
aire al reactor. Por otra parte, indicaron que el reactor anaerobio funcionó en un
60 % como un reactor de flujo completamente mezclado, lo cual se debió a las
terminaciones en punta del tanque y sugirió que fueran redondeadas. Considerando
lo anterior, el sistema bajo estudio en la presente investigación se asumió como un
reactor aerobio de flujo completamente mezclado, dado el ingreso de aire para la
homogenización del fluido y el diseño del tanque cilíndrico.
• Planteamiento matemático: en el apartado 5.3 del capítulo de metodología se
presentó el planteamiento matemático para el desarrollo del modelo. Se utilizaron
las ecuaciones 8, 9,10 y 12 para la parametrización y calibración.
• Parametrización y calibración: En la Tabla 16 se presentan los datos de la DBO5
y las baterías heterótrofas totales observadas para la determinación de ecuaciones
lineales “Y”. Luego, se aplicaron las ecuaciones 9, 10 y 12 para la obtención de
las constantes a, k y c (Tabla 17). Finalmente, se utilizó la ecuación 8 para la
obtención del modelo (Tabla 18).
a = constante de variación del substrato (adimensional).
c = constante de utilización del substrato por la biomasa (adimensional).
k = constante de variación de la biomasa (adimensional).
S = substrato presente en el tiempo, DBO en mg/l.
X = biomasa presente en el tiempo en unidades formadoras de colonia (UFC).
t = tiempo en días.
X = ekt (X0 + (c S0/ a – k)(e(a-k)t- 1)) Ecuación (3)
94
En la figura 22 se presenta el esquema gráfico de la modelación desarrollada con
el programa informático Stella, iniciando con una primera fase de arranque del
sistema, donde se observó un crecimiento microbiano hasta los 15 días; y
posteriormente, se presentó decaimiento por mortalidad hasta los 45 días (Figura
23 y Tabla 16). La segunda fase inició a los 45 días y terminó a los 180 días, donde
se observó un periodo de crecimiento y estabilización de las bacterias.
Dentro del esquema se observaron cuatro elementos de interacción: (i) la variación
del sustrato o DBO5 fue un elemento adimensional e indicó la tasa de variación del
mismo dentro del modelo; (ii) la utilización del sustrato o DBO5 es un elemento
adimensional e indica la tasa de consumo de alimento por parte de la población
microbiológica; (iii) la variación de la biomasa es un elemento adimensional y
hace referencia a la tasa de crecimiento de microorganismos en un momento dado
dentro del sistema; y (iv) el alimento disponible hace referencia a la cantidad de
materia orgánica disponible en el medio en términos de ppm de DBO5.
Los resultados evidenciaron una simulación similar en relación al modelo
desarrollado por Yuan et al. (2000), el cual también fue explicado a través de
entender la dinámica de nacimiento y mortalidad de los microorganismos. Así, el
tratamiento de lodos estuvo basado en el comportamiento temporal de las fases de
crecimiento y decaimiento de las bacterias autótrofas.
95
Tabla 16. Parámetros para la determinación de ecuaciones lineales de la DBO y bacterias
observadas
Tiempo
(días)
DBO5 observada
(ppm)
Ln(logaritmo
natural)
DBO5
Bacterias observadas
(UFC) Ln Bacterias
15 237 2,37 1399765 6,15
30 188 2,27 732000 5,86
45 175 2,24 680000 5,83
60 122 2,08 628000 5,80
90 192 2,28 800000 5,90
105 282 2,45 1099996 6,04
120 452 2,65 1523000 6,18
135 546 2,74 1623900 6,21
150 224 2,35 1210000 6,08
165 326 2,51 1418000 6,15
180 704 2,85 1702222 6,23
Fuente: Elaboración propia.
Tabla 17. Determinación de parámetros a, k y c del modelo
Periodo
Ecuación
utilizada Parámetro determinado Resultado
0 a 45
días
9
“a”
X = días
Y= ln DBO5 observada
Y = -0,0044x + 2,429
R² = 0,918
a= -0,0044
10
“k”
X = días
Y= ln bacterias observadas
Y = -0,0105x + 6,2612
R² = 0,8257
k= -0,0105x
12 “c”
c = -0,0105/3 * (2811765/599,5)
c= -16,42
de 45 a
180 días
9
“a”
X = días
Y= ln DBO5 observada
Y = 0,0047x + 1,8954
R² = 0,5655
a= 0,0047
10
“k”
X = días
Y= ln bacterias observadas
Y = 0,0033x + 5,657
R² = 0,7415
k= 0,0033x
12 “c”
c = 0,0033/8 * (10005118/2848,7)
c= 1,45
Fuente: Elaboración propia.
96
Figura 22. Esquema conceptual de la modelación en Stella.
Fuente: elaboración propia
97
• Verificación y evaluación del modelo: En la Tabla 18 se presentan los pronósticos
del modelo y los datos observados. La Figura 23 presenta los resultados gráficos
entre los datos observados y los pronosticados mediante el modelo. Por su parte,
la Figura 24 muestra la matriz del modelo en el programa Stella versión 9.0.2., la
cual permitió evidenciar de forma gráfica el comportamiento y ajuste del modelo.
Al respecto, se observaron tres fases microbiológicas. Inicialmente de crecimiento
exponencial, posteriormente un decaimiento, y finalmente la fase de
estabilización. Así mismo, Diaz et al. (2013) indicaron que en un proceso de
tratamiento de aguas mediante biorremediación observaron tres fases en el
desarrollo microbiológico; una primera fase de crecimiento exponencial, una
segunda fase de decaimiento y una tercera fase de estabilización.
En la Figura 24. A. se observa la fase de crecimiento (t = 0 a 15 días), con un
desarrollo exponencial de las bacterias heterótrofas debido a la disponibilidad de
DBO como fuente de carbono orgánico y la poca existencia de competencia por
alimento. Piña et al. (2007) indicaron que la reproducción microbiológica
corresponde a una progresión y crecimiento exponencial y depende del rango de
condiciones ambientales y los nutrientes disponibles. En la fase de crecimiento
como consecuencia del agotamiento de los nutrientes o la acumulación de
productos tóxicos del metabolismo, disminuye la velocidad de crecimiento hasta
que llega a detenerse (Apella et al., 2005). En la Figura 24. B. se observa la fase
de decaimiento (t = 15 a 45 días), donde la tasa de mortalidad es mayor que la tasa
de natalidad y esto se debe al agotamiento del alimento y el acondicionamiento de
las poblaciones microbiológicas a su medio. En la fase de muerte los
microorganismos empiezan a morir, aunque parte de ellos pueden durar semanas
o meses en la fase estacionaria (Romo et al., 2002). En la Figura 24. C. se observa
la fase de estabilización del sistema, en donde la población bacteriana se adaptó al
medio y no se observan patrones drásticos de crecimiento o mortalidad, excepto
por un leve decrecimiento observado a los 150 días. En la fase estacionaria ya no
se observa una división celular neta, es decir, que la cantidad de microorganismos
98
se mantiene constante debido al balance entre las tasas de natalidad y mortalidad
(Lee et al., 2004).
Mediante la prueba estadística del coeficiente de correlación de Pearson se
determinó el ajuste del modelo dinámico (población bacteriana versus DBO y
tiempo) en 91,9%, con un nivel de confianza al 95% (r-Pearson = 0,919; p = 0,001;
gl = 12). Con la prueba R2 = 84,6% se evidenció que el ajuste del modelo fue
bueno dada su cercanía a 1. Ramos (2016) indicó un buen ajuste de un modelo de
tratamiento de aguas para la desorción del cianuro mediante R2 = 85,5%, similar
al R2 del presente modelo desarrollado e indicando así un buen ajuste para el
mismo.
La suma acumulada de errores de pronostico (SAEP) fue de 1,23 x 106 UFC, y
permitió evaluar el sesgo del pronóstico y un error sistemático en el cálculo. El
error cuadrático medio (ECM) es de 6,14 x 1010 UFC, e indica una medida de
dispersión del error. La desviación absoluta media (DAM) es de 2,1 x 105 UFC, y
permite evidenciar el tamaño del error en unidades. Finalmente, el error porcentual
absoluto medio (EPAM) es de 18,2 %; este estadístico es el de más fácil
interpretación, luego que permite evidenciar el error en términos porcentuales. Se
consideró un buen ajuste del modelo debido a que el EPAM calculado fue menor
a 25 % (Conte et al., 1986; Garre et al., 2007). Brousse et al. (2014) reportaron que
luego de desarrollar un modelo de cinética del agua con el uso de microrganismos,
el EPAM para cinco tipos de tratamiento fue de 8,5%, 9,5%, 9,6%, 7,9% y 5,2%,
e igualmente reportaron un ajuste de R2 de 96%, 94%, 92%, 95%, y 97%,
respectivamente. A partir de lo anterior, se evidenció un buen ajuste en sus
modelos. Los anteriores modelos comparados con el modelo desarrollado,
mostraron resultados similares; permitiendo sugerir que este último tiene un buen
ajuste (R2 = 85,5%; EPAM = 18,2 %).
99
Tabla 18. Calculo de las bacterias heterótrofas totales observadas y calculadas
tiempo
(días)
bacterias
observadas
(UFC)
Bacterias
pronosticadas
(UFC) Error (%)
15 1399765 1143625 18,3
30 732000 947389 -29,4
45 680000 780089 -14,7
60 628000 778950 -24,0
90 800000 881079 -10,1
105 1099996 953409 13,3
120 1523000 1060297 30,4
135 1623900 1164035 28,3
150 1210000 1119094 7,5
165 1418000 1233811 13,0
180 1702222 1515882 10,9
Fuente: Elaboración propia
Figura 23. Resultados gráficos de pronósticos del modelo versus datos observados (calculados)
Fuente: Elaboración propia
0
200000
400000
600000
800000
1000000
1200000
1400000
1600000
1800000
0 20 40 60 80 100 120 140 160 180
UFC
Días
bacterias observadas ( UFC) bacterias calculadas (UFC)
100
Figura 24. Matriz de fases del modelo dinámico (bacterias heterótrofas totales versus tiempo)
Fuente: Elaboración propia
A. Fase de crecimiento (0 a 15 días) B. Fase de decaimiento (15 a 45 días) C. Fase de estabilización (45 a 180 días)
Un
idad
es f
orm
ado
ras
de
colo
nia
s (U
FC)
101
La figura 25 presenta el comportamiento temporal en la eficiencia de la remoción de la
DBO, DQO, y grasas y aceites con respecto a las fases de desarrollo microbiano. En la
fase de crecimiento (0 a 15 días) se observó remoción de los contaminantes (DBO5, DQO,
grasas y aceites). Esquivel et al. (2002) indicaron que un biodigestor aerobio evaluado en
México requirió de 15 días para observar degradación de la materia orgánica (DBO) y
producción de biogás por el aumento microbiológico. En la fase de decaimiento (15 a 45
días) se evidenció una disminución en la población bacteriana y en la remoción de
contaminantes. Finalmente, en la fase de estabilización (45 a 180 días) se observó un
aumento de la población bacteriana y, por lo tanto, en la eficiencia de remoción de
contaminantes con algunas variaciones en DQO y grasas y aceites a los 105 días, pero
manteniendo la tendencia de remoción por encima del promedio (DBO = 21,5%, DQO =
13%, y grasas y aceites = 30%). Al respecto, Moller et al. (2009) indicaron que las causas
que explican los fenómenos de muerte y estabilización son: (i) se agota el sustrato o
nutrientes disponibles para su crecimiento, y (ii) el crecimiento de nuevos
microorganismos compensa la tasa de muerte. Considerando lo anterior, en la fase de
estabilización el crecimiento de nuevos microorganismos compensó la tasa de muerte en
el sistema y así también se mantienen el porcentaje de remoción de contaminantes
descrito.
Figura 25. Comportamiento temporal en la remoción de contaminantes versus las fases de
desarrollo microbiológico
Fuente: Elaboración propia
0
500000
1000000
1500000
2000000
-200
0
200
400
600
800
1000
0 20 40 60 80 100 120 140 160 180
UFC
pp
m
DíasDBO (ppm) DQO (ppm)
grasas y aceites (ppm) Bacterias Heterotrofas totales (UFC)
102
• Análisis de sensibilidad: se realizó un análisis de sensibilidad mediante el método
Sobol (Archer et al., 1997). El cual identifica la sensibilidad que cada variable
ejerce en el modelo general, para lo cual es necesario seguir los siguientes pasos:
(i) calcular el estadístico de análisis de varianza (f) para cada una de las variables,
(ii) calcular el f total, el cual es la suma de los f de cada una de las variables, y (iii)
calcular el índice de sensibilidad (IS) para cada una de las variables, el cual es
igual a f sobre f total. El estadístico de análisis de varianza (f) para las variables
DBO y tiempo fue de 6,61 y 0,62, respectivamente. El índice se sensibilidad (IS)
para las variables DBO y tiempo fue de 0,91 y 0,09, respectivamente. Cannavó
(2012) indicó que el índice de sensibilidad de cada parámetro es interpretado así:
(i) irrelevante 0 ≤ IS < 0,3, (ii) poco relevante 0,3 < IS < 0,5, (iii) relevante 0,5 <
IS < 0,8, y muy relevante 0,8 < IS ≤ 0,1. Considerando lo anterior, las variables
DBO y tiempo desde el análisis del IS fueron muy relevante e irrelevante para el
modelo planteado, respectivamente. Por lo cual, pequeños cambios en el alimento
disponible como materia orgánica generaron importantes cambios en la cantidad
de unidades formadoras de colonia de las bacterias heterótrofas totales. Por otra
parte, la variable tiempo presentó baja sensibilidad en el modelo; es decir, que si
bien es cierto las bacterias tienen fases de desarrollo temporal, fue más importante
la cantidad de alimento disponible en el medio antes que la trayectoria temporal.
Es decir, según el IS, el sistema es fácilmente recuperable en el tiempo luego de
una perturbación, toda vez se garantice alimento disponible.
6.2.6. Evaluación de la bioestimulación desde la dimensión económica
Se realizó el análisis ratio coste efectividad (RCE) para el tratamiento fisicoquímico
convencional y para el tratamiento mediante bioestimulación durante el periodo de
investigación. Los promedios de remoción en ppm de DBO5 por el tratamiento
fisicoquímico (el cual se explica en el numeral 5.2.1) y de bioestimulación fueron 865
ppm y 288 ppm, respectivamente. A partir de lo anterior, en las Tablas 19 y 20 se costeó
cada uno de los ítems de tratamiento para un caudal promedio del año 2015 de 3896
m3/día. Seguidamente, se calculó el costo total de cada uno de los tratamientos.
Posteriormente, se procedió a conocer el costo de tratamiento por m3. Finalmente, se
103
dividió este valor por 8,65 (tratamiento fisicoquímico) y 2,88 (tratamiento
bioestimulación) para obtener el RCE de remover 100 ppm de DBO5. El RCE del
tratamiento fisicoquímico fue de 388 pesos por 100 ppm DBO5, por su parte, el RCE del
tratamiento mediante bioestimulación fue de 262 pesos por 100 ppm DBO5 (Tablas 20 y
21). De tal modo, se aceptó la hipótesis de investigación dado que el tratamiento mediante
bioestimulación fue 123 pesos más económico por cada 100 ppm de DBO5 a remover,
comparado con el tratamiento convencional efectuado; lo cual quiere decir, que este
último fue un 46,8% más costoso. El anterior cálculo se realizó aplicando la Ecuación 2,
presentada a continuación y previamente en el numeral 5.2.7 del capítulo de metodología.
RCE = RCT/COT Ecuación (2)
Donde, RCE es el ratio coste efectividad (ppm/pesos), RCT es la remoción de
contaminantes por cada tratamiento (ppm), y COT es el costo de operación de cada
tratamiento en pesos.
Por otro lado, se realizó el análisis de costos considerando los vertimientos de los últimos
5 años (Tabla 21). Donde se evaluó el caudal mínimo, promedio y máximo de 1458, 3672
y 6215 m3/año, respectivamente. El RCE para tratamiento fisicoquímico fue de 1027, 408
y 241 pesos por 100 ppm DBO5, respectivamente. Por su parte, el RCE calculado para el
tratamiento mediante bioestimulación fue de 699, 278 y 164 pesos/100 ppm DBO5,
respectivamente. Considerando lo anterior, el tratamiento mediante bioestimulación
evaluado fue de 328, 130, y 77 pesos más económico por cada 100 ppm de DBO a remover
comparado con el tratamiento convencional efectuado para caudal máximo, promedio y
mínimo, respectivamente. Esto sugirió en todos los escenarios evaluados (caudal máximo,
promedio y mínimo) que el tratamiento fisicoquímico fue 47 % más costoso comparado
frente al tratamiento mediante bioestimulación (Tabla 22). Siendo esto congruente a lo
reportado por Saratale et al. (2010), quienes indicaron que las tecnologías de
biorremediación son de bajo costo comparadas con tecnologías fisicoquímicas; éstas
últimas suelen ser más costosas debido al gasto energético y de insumos químicos.
104
Tabla 19. Costo de tratamiento físico-químico para un caudal de 3896 m3/mes
Ítem Descripción Cantidad Valor unitario Valor Total
1 Mano de obra (und) 3 $ 1.960.840 $ 5.882.520
2 Sulfato de aluminio (Kg) 2321 $ 1.350 $ 3.133.350
3 Floculante (kg) 4,69 $ 2.462 $ 11.547
4 Hipoclorito de sodio (kg) 2005 $ 1.040 $ 2.085.200
5 Soda caustica (kg) 181 $ 993 $ 179.733
6 Energía eléctrica (Kwh) 5091 $ 326 $ 1.659.666
Costo total $ 12.952.019
Costo por m3 de agua tratada $ 3.324
RCE por cada 100 ppm DBO5 $ 384
Fuente: Elaboración propia
Tabla 20. Costo de tratamiento mediante bioestimulación para 3896 m3/mes
Ítem Descripción Cantidad Valor unitario Valor Total
1 Mano de obra (und) 0,25 $ 1.960.840 $ 490.210
2 Urea (kg) 695 $ 1.997 $ 1.388.714
3 Ácido Fosfórico (kg) 278 $ 4.357 $ 1.212.989
4 Aire (m3) 1713 $ 39,9 $ 68.348
5 Soda caustica (kg) 32 $ 993 $ 31.776
Costo total $ 3.192.037
Costo por m3 de agua tratada $ 819
RCE por cada 100 ppm DBO5 $ 262
Fuente: Elaboración propia.
105
Tabla 21. Vertimiento de la PTARI empresa caso de estudio (m3/mes) para el periodo 2011 a 2015
Mes Año Mínimo Máximo Media
2011 2012 2013 2014 2015
Enero 1902 2571 2895 2634 3755 1902 3755 2751
Febrero 2739 4648 3907 3832 4167 2739 4648 3859
Marzo 3308 4888 2577 3484 4422 2577 4888 3736
Abril 1458 4056 3393 2666 4363 1458 4363 3187
Mayo 2852 4654 3575 3830 3506 2852 4654 3683
Junio 2661 4682 3272 3720 2814 2661 4682 3430
Julio 2772 4412 3847 6215 4146 2772 6215 4278
Agosto 3497 4946 3204 5516 4111 3204 5516 4255
Septiembre 4074 3495 2293 5800 3956 2293 5800 3924
Octubre 4289 2871 3373 5990 3945 2871 5990 4094
Noviembre 4415 2568 3864 2422 4318 2422 4415 3517
Diciembre 4425 1788 1989 4723 3798 1788 4723 3345
Mínimo 1458 1788 1989 2422 2814 1458
Máximo 4425 4946 3907 6215 4422 6215
Media 3163 3737 3149 4248 3896 3672
Tabla 22. RCE evaluado a caudal de vertimiento mínimo, promedio y máximo (2011 - 2015)
Descripción Mínimo Promedio Máximo
Caudal (m3/mes) 1458 3672 6215
RCE tratamiento fisicoquímico (pesos) 1027 408 241
RCE tratamiento bioestimulación
(pesos) 699 278 164
Variación RCE fisicoquímico versus
RCE bioestimulación (pesos) 328 130 77
Variación RCE fisicoquímico versus
RCE bioestimulación (%) 47 47 47
La Tabla 23 y Figura 26 presenta un análisis prospectivo a 10 años del costo acumulado
de tratamiento fisicoquímico versus el tratamiento mediante bioestimulación. Para lo cual
se tiene en cuenta el RCE de cada uno de los tratamientos y cuál sería el costo de remover
la DBO5 por m3 si solo se utilizara uno de los dos tratamientos. Es decir, en cualquiera de
los casos sería necesario potencializar la capacidad de los tratamientos para que cualquiera
de ellos funcionado de forma individual sean capaces de cumplir la norma de vertimientos,
106
ya que actualmente el tratamiento fisicoquímico remueve 865 ppm de DBO y el
tratamiento mediante bioestimulación remueve 288 ppm de DBO, siendo la suma de estas
remociones necesarias para el cumplimiento normativo. Considerando lo anterior, se
observó que si se ampliara la capacidad del tratamiento mediante bioestimulación y se
adaptará este tipo de tratamiento como único en la empresa caso estudio, se obtendría un
ahorro en costos de tratamiento de $65.764.168 por año. Gupta et al. (2012) indicaron que
el tratamiento fisicoquímico de coagulación pues de ser de hasta 2,5 veces más costoso
comparado con el tratamiento biológico aérobico. En este caso, el tratamiento
fisicoquímico fue 1,5 veces más costoso comprado con el tratamiento mediante
bioestimulación de tipo aeróbico.
Adicionalmente, es pertinente mencionar, que la contaminación de los cuerpos hídricos
además de causar problemas en sus dinámicas naturales y cambios en los ecosistemas,
genera otro tipo de afectaciones de tipo económico y social; dado que se deben invertir
recursos para su descontaminación. En este sentido, Lu et al. (2014) reportaron que los
vertimientos de aguas residuales en China han causado hípereutrofización en los cuerpos
hídricos receptores, constituyéndose en un factor limitante para el desarrollo del país.
Tabla 23. Análisis prospectivo a 10 años del costo acumulado del tratamiento fisicoquímico versus
bioestimulación
Descripción
Tratamiento
fisicoquímico
Tratamiento
bioestimulación Ahorro
RCE por cada 100 ppm de
DBO5 / m3 $ 384 $ 262 $ 122
Costo de remover (865 +
288 ppm DBO5)/ m3 $ 4.428 $ 3.021 $ 1.407
Costo por tratar 3896
m3/mes $ 17.249.618 $ 11.769.271 $ 5.480.347
Costo tratamiento 1 año $ 206.995.415 $ 141.231.247 $ 65.764.168
Costo tratamiento 2 años $ 413.990.830 $ 282.462.493 $ 131.528.337
Costo tratamiento 3 años $ 620.986.245 $ 423.693.740 $ 197.292.505
Costo tratamiento 4 años $ 827.981.660 $ 564.924.987 $ 263.056.673
Costo tratamiento 5 años $ 1.034.977.075 $ 706.156.234 $ 328.820.842
Costo tratamiento 6 años $ 1.241.972.490 $ 847.387.480 $ 394.585.010
Costo tratamiento 7 años $ 1.448.967.905 $ 988.618.727 $ 460.349.178
Costo tratamiento 8 años $ 1.655.963.320 $ 1.129.849.974 $ 526.113.347
Costo tratamiento 9 años $ 1.862.958.735 $ 1.271.081.220 $ 591.877.515
Costo tratamiento 10 años $ 2.069.954.150 $ 1.412.312.467 $ 657.641.683
107
Figura 26. Análisis prospectivo a 10 años del costo acumulado del tratamiento fisicoquímico versus
bioestimulación
Fuente: Elaboración propia
6.2.7. Evaluación de la bioestimulación desde la dimensión social
El tratamiento de aguas residuales tiene como fin la prevención de la contaminación en
los cuerpos de aguas a los que se realiza su vertimiento. Igualmente, se destaca la
importancia en la protección de la salud pública, luego que estas aguas pueden propagar
enfermedades patogénicas (Wani et al., 2013). Las aguas residuales de baja calidad o la
falla de los sistemas de tratamiento representan un riesgo para la salud pública luego que
estas son vertidas en cuerpos de agua de interés y uso público como ríos, lagos y represas
(Molahalli, 2011). Por otra parte, la DBO es un indicador de contaminación de los cuerpos
de agua y el número de microorganismos aumenta en presencia de la descomposición de
estas sustancias orgánicas, afectando de esta forma la vida en los ecosistemas acuáticos y
propagando el transporte de enfermedades patogénicas (Osuolale et al., 2015; Verma et
al., 2008).
La Resolución colombiana 631 del año 2015 estableció como parámetro máximo
permisible de vertimiento 450 ppm de DBO5, 60 ppm de grasas y aceites, 40° C de
temperatura, rango de pH de 6 a 9, y DQO de 825 ppm; para las industrias de grasas y
aceites. En la Tabla 24 se reportan los análisis fisicoquímicos de estos parámetros en el
vertimiento final durante el periodo de bioestimulación. Se evidenció que el parámetro
DBO5 se mantuvo siempre en cumplimiento de la normatividad (< 450 ppm), luego que
y = 207x
y = 141,23x
$0
$500
$1.000
$1.500
$2.000
$2.500
0 2 4 6 8 10 12
Mill
on
es d
e p
eso
s
Años Tratamiento fisicoquímico Tratamiento bioestimulación
108
el objetivo del plan de bioestimulación fue causar un impacto en la remoción de este
parámetro. Igualmente, en la tabla 24 se muestran los valores máximos permisibles más
restrictivos de la descarga de aguas residuales al sistema de alcantarillado entre los
Estados de Oregon, Iowa y Kentucky de los Estados Unidos; reglamentados mediante el
título 40, “Protección del medio ambiente del Código Federal de Regulaciones (40 CFR).
Se realizó el análisis de cumplimiento con esta norma internacional luego que la misma
establece los parámetros máximos de vertimiento con el fin de proteger la salud pública y
la vida acuática.
En la Tabla 25 se mostró el análisis de la DBO5 en el vertimiento final desde el año 2008
hasta el año 2015, donde solo en el año 2015 no se cumplió con el límite máximo
permisible de vertimiento en 5 de los 12 meses del año (42%). Es pertinente señalar, que
en el primer mes del plan de bioestimulación, así como en el tercero no se cumplió con el
parámetro de vertimiento de grasas y aceites (< 60 ppm); en el primer mes pudo deberse
al arranque del sistema y en tercer mes debido al pH presentado (9,41). Dibble et al. (1979)
mencionaron que el pH extremo (pH > 10) inhibe el desarrollo bacteriano. Tyagi et al.
(2011) indicaron que a un pH alto las aguas residuales suelen ser difíciles en su tratamiento
y causa reducción de la población bacteriana. No obstante, para los demás parámetros de
control (DBO, DQO, fenoles, pH y temperatura) se cumplió la Resolución 631 del año y
se 2015 (DBO < 450 ppm, DQO < 850 ppm, Fenoles < 0,2 ppm, temperatura < 40 °C).
De tal modo, se aceptó la hipótesis de investigación para el cumplimiento normativo de
estos parámetros.
Con respecto a la norma internacional de Estados Unidos (40 CFR), se encontró un
cumplimiento en el vertimiento final durante el periodo de bioestimulación así: (i) DBO,
se cumplió en tres de los seis meses (50%) (DBO < 250 ppm); (ii) DQO, se cumplió solo
en un mes de los seis meses (16,7%); (iii) pH, se cumplió durante los seis meses (100%)
(pH = 6,5 – 10); (iv) grasas y aceites, se cumplió en cinco de los seis meses (83,3%)
(Grasas y aceites < 100 ppm); y (v) fenoles, se cumplió durante los seis meses (100%). Lo
anterior, permite evidenciar que las normas en Estados Unidos son más restrictivas en las
variables DBO y DQO, lo cual puede deberse a que la DBO ha sido considerada por la
EPA (Agencia de Protección del Medio Ambiente de Estados Unidos) como un
109
contamínate de interés; lo cual quiere decir que el mismo puede causar problemas en la
red de alcantarillado o presentar riesgo para la salud de los trabajadores (Secretaria
Distrital de Ambiente de Bogotá, 2015).
En la Figura 27 se observó que cuando se realizó el tratamiento con bioestimulación
existió una alta correlación negativa (r-Pearson = -0,844; p = 0,001; gl = 6) y un buen
ajuste en modelo de regresión lineal (R2 = 0,71), entre la descarga final de la DBO y el
tiempo; mientras que en el tratamiento sin bioestimulación se observó baja correlación (r-
Pearson = 0,264; p = 0,001; gl = 6) y un mal ajuste en el modelo de regresión lineal (R2 =
0,07). A partir de lo anterior, se sugirió que la bioestimulación como técnica de
pretratamiento fue útil en la remoción de la DBO5 y, de esta manera, generó un
cumplimiento normativo nacional en este parámetro; contribuyendo así en el contexto de
la salud pública, ya que estas aguas son utilizadas posteriormente con fines agrícolas y
para el consumo humano (SDBS, 2011). Por su parte, Prevost et al. (2015) identificaron
que la fuente principal de contaminación viral en el río Sena (Francia) fueron los efluentes
de las plantas de tratamiento de aguas residuales; existiendo una relación significativa
entre las afectaciones sobre la salud pública y la contaminación de las aguas superficiales.
Dada esta consideración, se plantea que el tratamiento de aguas residuales bajo el
cumplimiento normativo contribuye a la reducción de la propagación de contaminantes
con asociación viral.
Figura 27. Comportamiento de la DBO en el vertimiento final con bioestimulación y sin
bioestimulación
Fuente: Elaboración propia.
y = -41,971x + 458,4R² = 0,7135
y = 29,343x + 336,8R² = 0,07
0
200
400
600
800
1000
1 2 3 4 5 6
DB
O p
pm
meses
Bioestimulación Sin bioestimulación
Lineal (Bioestimulación) Lineal (Sin bioestimulación)
110
Tabla 24. Análisis fisicoquímicos del vertimiento final
Descripción pH (und) Temperatura
(°C)
DBO5
(ppm)
DQO
(ppm)
Grasas y
aceites (ppm)
Fenoles
(ppm)
Valor límite Resolución
631 (Colombia) 5 - 9 40 450 825 60 0,2
Valor más restrictivo entre:
Oregón, Iowa y Kentucky
(Estados Unidos)
6,5 - 10 NE 250 550 100 1,5
11/05/2016 7,17 26,9 357 534 98,8 0,07
8/06/2016 7,64 38,1 444 810 30 0,05
19/07/2016 8,23 23,1 372 666 110 0,05
10/08/2016 7,9 23,6 241 625 34,9 0,05
16/09/2016 7,58 25 248 685 26,9 0
6/10/2016 7,3 23,4 207 789 19,4 0,05
Media 7,64 26,7 312 685 53,3 0,05
Mediana 7,61 24,3 303 675 32,4 0,05
Desviación estándar 0,39 5,8 92,9 103 40 0,02
Mínimo 7,17 23,1 207 534 19,4 0
Máximo 8,23 38,1 444 810 110 0,07
NE: No establece
Fuente: Elaboración propia
111
Tabla 25. Reporte de resultados de vertimiento de DBO5 periodo (2008- 2015)
Fecha
DBO5
(ppm) Fecha
DBO5
(ppm) Fecha
DBO5
(ppm) Fecha
DBO5
(ppm)
14/08/2008 816 11/08/2010 661 04/07/2012 197 13/02/2015 344
26/08/2008 474 17/09/2010 460 09/10/2012 656 11/03/2015 800
10/11/2008 928 30/09/2010 456 19/01/2013 139 15/04/2015 236
27/01/2009 624 13/04/2011 133 03/05/2013 745 05/05/2015 456
18/04/2009 848 08/07/2011 170 27/07/2013 750 10/06/2015 526
05/06/2009 488 09/08/2011 896 19/12/2013 760 06/07/2015 350
09/07/2009 480 06/09/2011 725 24/02/2014 324 12/08/2015 465
06/08/2009 536 06/10/2011 715 25/03/2014 684 24/09/2015 350
24/12/2009 523 15/11/2011 389 07/05/2014 358 16/10/2015 410
03/02/2010 724 13/12/2011 326 25/06/2014 480 11/11/2015 535
27/02/2010 653 29/02/2012 584 15/09/2014 352 09/12/2015 358
10/04/2010 272 01/03/2012 397 02/12/2014 432
09/06/2010 416 02/05/2012 262 13/01/2015 275
Estadísticos para los años 2014 y 2015
Media 430
Mediana 410
Desviación estándar 137
Mínimo 236
Máximo 800
Nota: Los valores en negrilla no cumple con lo exigido en la Resolución 631 de 2015, máximo 450 ppm
de DBO5.
Fuente: Elaboración propia.
112
7. CONCLUSIONES
La revisión bibliográfica a nivel mundial sugirió seis factores clave de mayor importancia
que inciden en el éxito del proceso de biorremediación para el tratamiento de aguas
residuales: pH (Q3 – 0,531), temperatura (Q2 – 0,496), oxígeno (Q2 - 0,457), nitrógeno
(Q2 – 0,421), fósforo (Q1 – 0,24) y DBO (Q1 – 0,027). Lo anterior, a partir de su
frecuencia de citación en bases de datos académicas.
Desde la dimensión social del desarrollo sustentable en sistemas de tratamiento de aguas
y en el contexto de la salud pública, se considera la bioestimulación como una estrategia
de pretratamiento en aguas residuales viable, dado que el parámetro de la DBO5 se
mantuvo siempre en cumplimiento de la actual norma de vertimientos (Resolución
colombiana 631 de 2015 < 450 ppm, promedio = 312 ppm) durante los seis meses del
periodo de evaluación; contribuyendo de esta manera a un vertimiento apto para la cuenca
y para los fines posteriores de la misma (agrícola y potabilización) (SDSB, 2011). Es de
reconocer, que solo en el año 2015 la empresa caso de estudio estuvo por encima del
parámetro exigido (450 ppm) en cinco de los doce meses del año (excedencia = 42%).
Considerando la dimensión ambiental del desarrollo sustentable en el tratamiento de aguas
residuales, el proceso de bioestimulación fue exitoso y ha logrado una remoción promedio
adicional del 21,5% para DBO5, 13,0% para DQO, 30,0% para grasas y aceites, y 29,1%
para fenoles. Por lo cual, se acepta la hipótesis de investigación y se afirma que mediante
la adición equilibrada de Nitrógeno (46,2 ppm) y Fósforo (15 ppm) y el control de los
factores clave (temperatura, oxígeno y pH) de bioestimulación en bacterias nativas de
trampas de grasas en aguas residuales industriales de aceite de palma, se obtuvo una
remoción adicional de DBO5 (21,5%) y el crecimiento de baterías heterótrofas totales (de
10,7 x103 UFC a 11,6 x 105 UFC; porcentaje de incremento = 10799%).
113
La prueba de U de Mann-Whitney indica que existen diferencias significativas en las
medias de las bacterias heterótrofas totales del punto de control “a” (inicio de la
bioestimulación) con respecto al punto de control “b” (fin de la bioestimulación).
Igualmente, indica que existen diferencias significativas en las medias de la DBO5 entre
los mismos puntos de control (a = 1347; b = 1059). Por lo cual, se sugiere que el
tratamiento mediante bioestimulación fue exitoso debido a los cambios evidenciados en
la etapa de inicio, con respecto a la etapa de finalización del proceso.
Considerando la dimensión económica del desarrollo sustentable en sistemas de
tratamiento de aguas residuales, el RCE del tratamiento fisicoquímico fue de $388 por
100 ppm DBO5, y el RCE del tratamiento mediante bioestimulación fue de $262 por 100
ppm DBO5. Por lo cual, el tratamiento mediante bioestimulación fue $123 más económico
por cada 100 ppm de DBO5 a remover comparado con el tratamiento convencional
efectuado; lo cual quiere decir que este último fue 46,8 % más costoso. Es decir, que el
desarrollo del biocatalizador y el proceso de bioestimulación fueron económicamente
viables.
En el marco de la gestión ambiental del tratamiento de aguas residuales, se implementa
un tratamiento mediante bioestimulación y se desarrolla un modelo dinámico para la
estimación de las bacterias heterótrofas totales, teniendo en cuenta la trayectoria temporal
y la DBO5 de consumo de las mismas (tendencia polinómica). La prueba estadística del
coeficiente de correlación de Pearson muestra que el modelo desarrollado se ajusta a los
datos observados en un 91,9% (confianza de 95%). El error porcentual absoluto medio
(EPAM) es de 18,2 %. A partir de lo anterior, se considera un buen ajuste del modelo
debido a que el EPAM calculado es menor a 25 %. El índice de sensibilidad (IS) para la
variable DBO fue de 0,91, indicando que pequeños cambios en la misma pueden generar
grandes cambios en la cantidad de bacterias heterótrofas totales.
114
8. RECOMENDACIONES
La presente tesis ha supuesto un primer paso en la aplicación de técnicas de
bioestimulación como estrategia de pretratamiento de aguas residuales industriales
provenientes del procesamiento de aceite de palma, en la que se muestra la utilidad de la
metodología y el éxito en la remoción de los contaminantes; lo cual puede tener
importantes contribuciones de cara al futuro en la gestión ambiental del tratamiento de
aguas residuales. No obstante, es necesario proponer futuras líneas de investigación,
dirigidas a todo tipo de industrias y aguas residuales domésticas; además de evaluar
diferentes alternativas de factores claves de bioestimulación. A continuación, se presentan
sugerencias y futuras líneas de investigación:
• El proceso de bioestimulación tiene inconvenientes a pH mayor a 9, aun cuando
se implementó un sistema automático de control de pH. Por lo cual, se recomienda
para futuros tratamientos mediante bioestimulación realizar el ajuste de pH en dos
o más puntos; esto contribuiría a tener un pH más estable en el sistema de
biorremediación.
• El proceso de bioestimulación requiere la adición equilibrada de N y P, a fin de
que las bacterias se encuentren en un medio rico en nutrientes para realizar la
degradación de la materia orgánica. No obstante, su adición en exceso puede
causar la eutrofización de los cuerpos de agua donde se realizan los vertimientos
de estas aguas.
• Considerando que el proceso de bioestimulación fue exitoso basado en
condiciones aerobias y bajo un rango de aeración establecido, se recomienda que
el proceso de aireación sea evaluado a diferentes escalas e incluso a condiciones
anaerobias, a fin de reconocer el rango óptimo de remoción de contaminantes
críticos.
115
• Se debe estudiar en el futuro la integración de las técnicas de biorremediación. Es
decir, evaluar los efectos que puede tener el tratamiento por etapas o las
combinaciones del uso de técnicas de bioestimulación y bioaumentación.
• Adicionalmente, se debe estudiar la variabilidad del desarrollo bacteriano a
diferentes escalas de temperatura del agua residual, a fin de realizar una
identificación de las características de temperatura propias de los microorganismos
presentes en estas aguas industriales.
• Desde la dimensión social y en el contexto de la salud pública, se recomiendan
futuras investigaciones que puedan determinar los posibles virus presentes en estas
aguas residuales industriales.
116
9. BIBLIOGRAFÍA
Abou-Elela, S. I. Fawzy, M. E. & El-Gendy, A. S. (2015). Potential of using biological
aerated filter as a post treatment for municipal wastewater. Ecological Engineering, 84,
53–57.
Archer, G. Saltelli, A. Sobol, I (1997). Sensitivity measures, anova-like techniques and
the use of bootstrap. Journal of Statistical Computation and Simulation, 58 (2), 99–120.
Apella, C. Araujo, Z. (2005). Microbiologia del agua, conceptos basicos. Book solar safe
water. Instituto Nacional de Estadistica de España.
Aslan, B. Alyüz, Z. Bozkurt, M. Bakaoglu. (2009). Characterization and biological
treatability of edible oil wastewaters, Pol. J. Environ. Stud, 18, 533–538.
Behnood, M. Nasernejad, B. & Nikazar, M. (2013). Biodegradation of crude oil from
saline waste water using white rot fungus Phanerochaete chrysosporium. Journal of
Industrial and Engineering Chemistry, 20(4), 1879–1885.
Bermudez, C. Hoyos, A. Rodriguez, S. (2000). Evaluación de la disminución de la carga
contaminante de la vinaza de destilería por tratamiento anaerobio. Revista Internacional
de Contaminación Ambiental, 16 (3).
Berrio, L. (2013). Modelo estático y dinámico de un reactor industrial utilizado en el
proceso de pasteurización de envases. Scientia Et Technica, 18(1), 132-138.
Brdjanovic, D. Van Loosdrecht, M. Versteeg, P.Hooijmans,C. Alaerts, G. Heijnen, J.
2000. “Modelling COD, N and P Removal in a Full-Scale WWTP Haarlem
Waarderpolder”, Water Res, 34, 846-858
Brousse, M. Vergara, L. Zubreski, R. Cruz, E. Martos, A. (2014). Cinética de absorción
de agua de tejidos de mandioca macerados con una poligalacturonasa microbiana. Revista
de Ciencia y Tecnología, (22), 53-57.
117
Cañellas, A. (2006) Modelación matemática de procesos biológicos de tratamiento.
Tecnologías sostenibles para el tratamiento de aguas y su impacto en los sistemas
acuáticos, 1-25.
Cannavó, F. (2012). Sensitivity analysis for volcanic source modeling quality assessment
and model selection. Computers & Geosciences 44, 52-59.
Carmen, M. (2010). Biorremediación: vínculos entre investigación, desarrollo y
legislación. Agencia Nacional de promoción científica y tecnológica en Argentina.
Castillo, E. Lizama, C. Méndez, R. García, J. Espadas, A. Pat, R. (2011). Tratamiento de
efluentes de fosas sépticas por el proceso de lodos activados. UEAM redalyc.org, 15(3),
1665-529.
Chalar, G. (2006). Dinámica de la Eutrofización a diferentes escalas temporales: Embalse
Salto Grande. Instituto Internacional de Ecologia e Gerenciamento Ambiental, Academia
Brasileira de Ciências, 87 – 101.
Chen, Q. Ni, J. Ma, T. Liu, T. Zheng, M. (2015). Bioaugmentation treatment of municipal
wastewater with heterotrophic-aerobic nitrogen removal bacteria in a pilot-scale
SBR. Bioresource Technology, 183, 25-32.
Chin, K. Lee, W. Mohammad, H. (1996). A study of palm oil mill effluent treatment using
a pond system. Water Science Technol, 34, 119-123.
Conil, P. (2002). La tecnología anaerobia U.A.S.B. en el tratamiento de las aguas
residuales domésticas: 10 años de desarrollo y maduración en América Latina. BIOTEC.
Conte, S. Dunsmore, H. Shen, V. (1986). Software Engineering Metrics and
Models, Benjamin/Cummings.
Danalewich, J. R. Papagiannis, T. G. Belyea, R. L. Tumbleson, M. E. Raskin, L. (1998).
Characterization of dairy waste streams, current treatment practices, and potential for
biological nutrient removal. Water Research, 32(12), 3555-3568.
118
Das Gupta, A. Sarkar, S. Ghosh, P. Saha, T. Sil, A. K. (2016). Phosphorous dynamics of
the aquatic system constitutes an important axis for waste water purification in natural
treatment pond(s) in East Kolkata Wetlands. Ecological Engineering, 90, 63–67.
Decloux, M. Lameloise, M. Brocard, A. Bisson, E. Parmentier, M. Spiraers, A. (2007).
Treatment of acidic wastewater arising from the refining of vegetable oil by crossflow
microfiltration at very low transmembrane pressure. Process Biochemistry, 42(4), 693-
699.
Diaz, L. Beltran, B. Garcia, M. Rosales, N. Marin, J. Aiello, C. Morales, E. (2013)
Biodegradacion de queroseno por cultivos de bacterias aisladas de una fosa petrolera en
Venezuela. Revista tecnocientifica URU, 4, 224 – 775.
DOE (Department of Environment, Ministry of Natural Resources and Environment,
Malaysia). (2009). Annual Report 2009.
DOE (Department of Environment, Ministry of Natural Resources and Environment,
Malaysia). (2011). Annual Report 2011.
Ermawati, R. Morimura, S. Tang, Y. Liu, K. Kida, K. (2007). Degradation and behavior
of natural steroid hormones in cow manure waste during biological treatments and ozone
oxidation. Journal of Bioscience and Bioengineering, 103(1), 27–31.
Encuesta Multiproposito de Bogotá (EMB). (2014). Secretaria Distrital de Planeacion.
www.sdp.gov.co.
Ezquivel, R. Mendez, D. Preston, T. Pedraza G. (2002). Aspectos importantes al introducir
lecheras a pequeña escala. Livestock research for rural development 14 (3).
Fang, F. Qiao, L. Cao, J. Li, Y. Xie, W. Sheng, G. Yu, H. (2016). Quantitative evaluation
of A 2 O and reversed A 2 O processes for biological municipal wastewater treatment
using a projection pursuit method, 166, 164–170.
119
Freeman, M. (1993). the measurement of enviromental and resource values. Theory and
Methods. Resource for the future, Washintong, D.C.
Gregori, M. (2014). Estudio de la absorcion de fosfatos en aguas de depuradora mediante
intercambiadores iónicos. Escola tecnica superior d´enginyeria industrial de Barcelona
(ETSEIB).
G. Li, S.H. Guo, F.M. Li. (2010). Treatment of oilfield produced water by anaerobic
process coupled with micro-electrolysis, J. Environ. Sci, 22, 1875–1882.
Garre, M. Cuadrado, J. Sicilia, M. Rodriguez, D. Rejas, R. (2007). Comparación de
diferentes algoritmos de clustering en la estimación de coste en el desarrollo de software.
Revista Española de Innovación, Calidad e Ingeniería del Software, 3(1).
Guo, J. Wang, J. Cui, D. Wang, L. Ma, F. Chang, C. -. & Yang, J. (2010). Application of
bioaugmentation in the rapid start-up and stable operation of biological processes for
municipal wastewater treatment at low temperatures. Bioresource Technology, 101(17),
6622-6629.
Gupta, K. Imran, A. Tawfik, A. Arunima, N. Shilpi, A. (2012). Chemical treatment
technologies for waste-water recycling—an overview. Royal society of chemistry, 2, 6380-
6388.
Gupta, M. K. Mittal, A. K. (2016). Integrated biological and advanced oxidation based
treatment of hexamine bearing wastewater: Effect of cow-dung as a co-substrate. Journal
of Hazardous Materials, 308, 394–401.
Hassanshahian, M. Ahmadinejad, M. Tebyanian, H. Kariminik, A. (2013). Isolation and
characterization of alkane degrading bacteria from petroleum reservoir waste water in iran
(kerman and tehran provenances). Marine Pollution Bulletin, 73(1), 300-305.
Hulsbeek J.J.W. Roeleveld P.J. and Van Loosdrecht M.C.M. (2002). A practical protocol
for dynamic modelling of activated sludge systems. Wat. Sci. Tech, 45 (6), 127-136.
120
Hurtado, C. (2014). Análisis de alternativas de solución al problema de discontinuidad en
el servicio de agua potable en Cali. Universidad Del Valle.
Ji, G. Tong, J. & Tan, Y. (2011). Wastewater treatment efficiency of a multi-media
biological aerated filter (MBAF) containing clinoptilolite and bioceramsite in a brick-wall
embedded design. Bioresource Technology, 102(2), 550–557.
Jorgensen, E. & Bendoricchio, G. (2001) Fundamentals of ecological modelling, third
edition, Padova, Italy, elsiver.
Kaplan, C. W. & Kitts, C. L. (2004). Bacterial succession in a petroleum land treatment
unit. Applied and Environmental Microbiology, 70(3), 1777-1786.
Kayombo, S., Mbwette, T. S. A., Katima, J. H. Y. & Jorgensen, S. E. (2003) Effects of
substrate concentrations on the growth of heterotrophic bacteria and algae in secondary
facultative ponds. Water Research, 37, 2937-2943.
Lee, Y.K. (2001) Microalgal mass culture systems and methods: Their limitation and
potential. Applied Phycology (13), 307-315.
Levenspiel, O. (1999) Chemical Reaction Engineering, New York, third edition. John
Wiley and Sons, Inc.
Li, P. Zhao, D. Zhang, Y. Sun, L. Zhang, H. Lian, M. Li, B. (2015). Oil-field wastewater
treatment by hybrid membrane-aerated biofilm reactor (MABR) system. Chemical
Engineering Journal, 264, 595-602.
Liew, W. L. Kassim, M. A. Muda, K. Loh, S. K. Affam, A. C. (2014). Conventional
methods and emerging wastewater polishing technologies for palm oil mill effluent
treatment: A review. Journal of Environmental Management, 149, 222-235.
Lim, S. L. Chu, W. L. & Phang, S. M. (2010). Use of Chlorella vulgaris for bioremediation
of textile wastewater. Bioresource Technology, 101(19), 7314–7322.
121
Ma, A.N. Cheah, S.C. Chow, M.C. (1993). Current status of plam oil processing waste
management in Malaysia: Current Status and Prospects for Bioremediation. Ministry of
Science, Technology and the Environment, Malaysia. P. 111-136.
Mancera, J., Peña, E., Giraldo, E. & Santos, A. (2003) Introducción a la modelación
ecológica. Principios y aplicaciones., Bogotá, Colombia.
Marcelino, R. B. P. Leão, M. M. D. Lago, R. M. Amorim, C. C. (2016). Multistage ozone
and biological treatment system for real wastewater containing antibiotics. Journal of
Environmental Management, 1–7.
Margesin, R. Schinner, F. (1998). Low-temperature bioremediation of a waste water
contaminated with anionic surfactants and fuel oil. Applied Microbiology and
Biotechnology, 49(4), 482-486.
Martinez, J. Fernandez, J. Esteve, M. (2007). Evaluación económica del tratamiento de
drenajes agrícolas en mar menor (SE España). Revista española de estudios agrosociales
y pesqueros, 215, 211-232.
Moeller, G. Sandoval, L. Ramirez, E. Cardoso, L. Escalante, V. Tomasini, A. (2009).
Operación y mantenimiento de plantas de lodos activados. Instituto Mexicano de
tecnología del agua. 7.
Molahalli P. (2011). Chemical Pre-Precipitation of Municipal Wastewater Treatment
using Mg2+, Royal. Institute of Thecnology; Stockholm, Sweden.
Moreno, F. Quintero, M. Lopez, C. (2010). Métodos para identificar, diagnosticar y
evaluar el grado de eutrofia. Contactos, 78, 25 – 33.
Nievas, M. L. Commendatore, M. G. Esteves, J. L. Bucalá, V. (2005). Effect of pH
modification on bilge waste biodegradation by a native microbial community.
International Biodeterioration and Biodegradation, 56(3), 151–157.
122
Ntengwe, F. W. (2005). The cost benefit and efficiency of waste water treatment using
domestic ponds - The ultimate solution in Southern Africa. Physics and Chemistry of the
Earth, 30(11), 735–743.
Rajendran, R. Soora, M. Dananjeyan, B. Ratering, S. Krishnamurthy, K. Benckiser, G.
(2012). Microbial community diversity of organically rich cassava sago factory waste
waters and their ability to use nitrate and N2O added as external N-sources for enhancing
biomethanation and the purification efficiency. Journal of Biotechnology, 164(2), 266–
275.
Oerther, D. B. Danalewich, J. Dulekgurgen, E. Leveque, E. Freedman, D. L. Raskin, L.
(1998). Bioaugmentation of sequencing batch reactors for biological phosphorus removal:
Comparative rRNA sequence analysis and hybridization with oligonucleotide probes.
Water Science and Technology, 37(4-5), 469-473.
Onyia, C.O., A.M. Uyub, J.C. Akunna, N.A. Norulaini and A.K.M. Omar, (2001).
Increasing the fertilizer value of palm oil mill sludge: bioaugmentation in nitrification.
Sludge Management Entering the Third Millenium-Industrial, Combined, Water and
Wastewater Residues, 44, 157-162.
Ooi, C.K. Choo. Y.M. Ong, A.S. (1996). Refining of edible oil. Malaysian Patent MY-
104059A. 8 (1), 20-28.
Osuolale, O. Okoh, A. (2015). Assessment of the Physicochemical Qualities and
Prevalence of Escherichia coli and Vibrios in the Final Effluents of Two Wastewater
Treatment Plants in South Africa: Ecological and Public Health Implications.
International Journal of Environmental Research and Public Health, 12(10), 13399–
13412.
Pintor, A. M. A. Martins, A. G. Souza, R. S. Vilar, V. J. P. Botelho, C. M. S. Boaventura,
R. A. R. (2015). Treatment of vegetable oil refinery wastewater by sorption of oil and
grease onto regranulated cork - A study in batch and continuous mode. Chemical
Engineering Journal, 268, 92-101
123
Piña, P. Medina, M.A. Nieves, M. Leal, S. López-Elías, J.A. and Guerrero, M.A. (2007)
Cultivo de cuatro especies de microalgas con diferentes fertilizantes utilizados en
acuicultura 225-236.
Prevost, B. Lucas, F. S. Goncalves, A. Richard, F. Moulin, L. Wurtzer, S. (2015). Large
scale survey of enteric viruses in river and waste water underlines the health status of the
local population. Environment International,79, 383-396.
Quipuzco E. (2002). Evaluación del comportamiento de dos pantanos artificiales
instalados en serie con Phragmites australis para el tratamiento de aguas residuales
domésticas. Rev. Inst. Investig. Fac. Minas Metal. Cienc. Geogr. 5, 52-57.
R.A. Pandey, P.B. Sanyal, N. Chattopadhyay, S.N. Kaul, Treatment and reuse of wastes
of a vegetable oil refinery, resour.conserv.recycl. 37 (2003) 101-117.
Ramos B. (2016). Oxidación fotocatalítica como tratamiento de aguas residuales del
proceso de extracción de oro con cianuro. Universidad Nacional de Colombia.
Reyes, M. Santos, P. González, A. (1998). Modelación dinámica de un sistema de
tratamiento de aguas residuales por lodos activados Universidad de las Américas-Puebla,
Departamento de Ingeniería Química y Alimentos,. Santa Catarina Mártir, San Andrés
Cholula, Puebla.
Rodrıguez, P. Gutierrez, A. Mahamud, M. Bueno de las Heras, J. (2008). Flow Models
for Rectangular Sedimentation Tanks. Chemical Engineering and Processing, 47, 1705-
1716.
Romero, M. Colin, A. Sanchez, E. Ortiz L. 2009. Wastewater treatment by an artificial
wetlands pilot system: evaluation of the organic charge removal. Revista internacional de
conflicto ambiental, 25 (3).
Romo Piñera, A.K. (2002) Manual para el cultivo de microalgas, Universidad Autónoma
de Baja California Sur.
124
Rosero, A. (2013). Propuesta de un modelo matemático para la transformación de
nitrógeno y carbono presentes en lagunas facultativas secundarias, utilizadas en el
tratamiento de aguas residuales. Universidad del Valle.
Rupani, P.F. Pratap Singh, R. Ibrahim, M.H. Esa, N. (2010). Review of current palm oil
mill effluent (pome) treatment methods: vermicomposting as a sustainable practice. World
Appl. Sci. J. 10 (10), 1190-1201.
Salinas, A. de los Santos, M. Soto, O. Delgado, E. Pére, H. Háuad, L. A. Medrano, H.
(2008). Development of a bioremediation process by biostimulation of native microbial
consortium through the heap leaching technique. Journal of Environmental
Management, 88(1), 115-119.
Sarkar, D. Ferguson, M. Datta, R. Birnbaum, S. (2005). Bioremediation of petroleum
hydrocarbons in contaminated soils: comparison of biosolids addition, carbon
supplementation, and monitored natural attenuation. Environ. Pollut. 136, 187–195.
Sarkar, S. Kamilya, D. Mal, B. (2007). Effect of Geometric and Process Variables on the
Performance of Inclined Plate Settlers in Treating Aquacultural Waste. Water Research,
41, 993-1000.
Sanabria, M. J. (2013). Los conflictos ambientales asociados con la actividad minera en
la cuenca urbana del río Tunjuelo. Bogotá: Universidad Nacional.
Secretaria Distrital de Ambiente de Bogotá (2015). Concentraciones de referencia para
los vertimientos industriales realizados a la red de alcantarillado y de los vertimientos
industriales y domésticos efectuados a cuerpos de agua de la ciudad de Bogotá.
(SDSB) Secretaria Distrital de Salud de Bogotá. (2011). Política Distrital de Salud
Ambiental para Bogotá D.C.
Snape, I. Riddle, M.J. Stark, J.S. Cole, C.M. King, C.K. Duquesne, S. Gore, D.B. (2001).
Management and remediation of contaminated sites at Casey Station, Antarctica. Polar
Record 37, 199-214.
125
Sanchez, I. Pinto, J. Abellan, J. Barbieri, M. Drummond, M. Lázaro, A. Rodríguez, E.
(2003). Metodos para la evaluación económica de nuevas presentaciones. Centre de
recerca en economia i salut – cres ministerio de sanidad y consumo.
Sanchez, M. Cardona S. (2009). Evaluation of the hydraulic behaviour of an areobic
reactor and an anaerobic reactor in a small domestic wastewater treatment plant. Avances
en recursos hídricos. 121, 65- 80.
Sode, S. Bruhn, A. Balsby, T. J. S. Larsen, M. M. Gotfredsen, A. & Rasmussen, M. B.
(2013). Bioremediation of reject water from anaerobically digested waste water sludge
with macroalgae (ulva lactuca, chlorophyta).Bioresource Technology, 146, 426-435.
Soler, J. & Leon, D. (2009). Impactos ambientales de la expansión de la palma aceitera en
el Magdalena medio, hablan los pobladores. PDPMM, 18 – 36.
Sutter, J. (2006). Oil palm, production in Malaysia. En: Swiss Centre for Lie Cycle
Inventories. Life Cycle Inventories of Bioenergy. Ecoinvent report No. 17, v2.0 (84-95).
Zurich y Dubendorf (Suiza).
Stoll, A. Duncan, J. R. (1997). Implementation of a continuous-flow stirred bioreactor
system in the bioremediation of heavy metals from industrial wastewater. Environmental
Pollution, 97(3), 247–251.
Tang, H. L. Chen, H. (2015). Nitrification at full-scale municipal wastewater treatment
plants: Evaluation of inhibition and bioaugmentation of nitrifiers. Bioresource
Technology, 190, 76–81.
Thoenes, P. (2010). Prospects of global supply and demand for fats and oils, global
challenges and implications for the oil palm agro-industry. PALMAS, 31(2).
Tin, J. (2010). Treatment with bioflow effluent polishing plant: design and field
experiences. Seminar & Workshop on Palm Oil Mill Effluent Tertiary Treatment
Technologies (POMET ), Kota Kinabalu, Sabah, Malaysia.
126
Van Deuren, J. Wang, Z. Ledbetter, J. (1997). Remediation technologies screening matrix
and reference Guide. third ed. Technology Innovation Office, EPA.
Van Hamme, J.D. Singh, A. Ward, O.P. (2003). Recent advances in petroleum
microbiology. Microb. Mol. Biol. Rev. 67, 503-554.
Van Loosdrecht M.C.M y Henze M. (1999). Maintenance, endogeneous respiration,
lysis, decay and predation. Wat. Sci. Tech. Vol. 39 (1), 107-117.
Vásquez, M. Palacios, G. (2014). Propuesta de biorremediación microbiológica de
vertimientos peligrosos, aceites de automóviles, mediada por PTAR compacta. Latin
American Journal of Science Education. 22022, 1 -25.
Yi, B. Zhou, X.-Y. Tang, X.-M. Hu, S. Fritschi, J. Lu. (2008) Emulsified oily wastewater
treatment using a hybrid-modified resin and activated carbon system. Sep. Purif. Technol.
63, 400–406.
Yi, X. S. Yu, S. L. Shi, W. X. Wang, S. Sun, N. Jin, L. M. Sun, L. P. (2012).
Hydrodynamics behaviour of oil field wastewater advanced treatment by ultrafiltration
process. Desalination, 305, 12-16.
Yuan, Z. Bogaert, H. Leten, J. Verstraete, W. (2000). Reducing the Size of a Nitrogen
Removal Activated Sludge Plant by Shortening the Retention Time of Inert Solids Via
Sludge Storage. Water Res. 34, 539-549.
Wani, D. Pandit A.K. Kamili, A.N. (2013) Microbial assessment and effect of seasonal
change on the removal efficiency of FAB based sewage treatment plant. J. Environ. Eng.
Ecol. Sci. doi, 2, 1.
Ward, O. Singh, A. & Van Hamme, J. (2003). Accelerated biodegradation of petroleum
hydrocarbon waste. Journal of Industrial Microbiology and Biotechnology, 30(5), 260-
270.
127
Zafra, C. Temprano, J. Tejero, I. (2016) The physical factors affecting heavy metals
accumulated in the sediment deposited on road surfaces in dry weather: A review. Urban
Water Journal. 14(6), 639-649.
Zahrim, A.Y., F.M. Rachel, S. Menaka, S.Y. Su, F. Melvin and E.S. Chan, (2009).
Decolourisation of Anaerobic Palm Oil Mill Effluent via Activated Sludge-Granular
Activated Carbon. World Applied Sciences J. 5, 126-129.