Simulación de contaminación por nitratos y vulnerabilidad de recursos hídricos subterráneos utilizando modelos MODFLOW y DRASTIC

Jul 06, 2023

Scientific Reports volumen 13, Número de artículo: 8211 (2023) Citar este artículo

227 Accesos

Detalles de métricas

Los recursos de aguas subterráneas son los principales recursos imperativos de agua dulce accesibles para las personas, especialmente en las regiones áridas y semiáridas. Para la investigación de los cambios temporales en la contaminación por nitratos de las aguas subterráneas y el papel de la agricultura y otras fuentes en la contaminación de las aguas subterráneas, se utilizó la información de 42 pozos de agua potable con distribución adecuada en la llanura de Bouin-Daran Plain en el centro de Irán. Los resultados mostraron que la cantidad de conductividad hidráulica en la llanura para diferentes áreas después de la calibración en estado estacionario se calculó entre 0,8 y 34 m/día. Después de calibrar el modelo en condiciones permanentes, se calibró el modelo en condiciones no permanentes durante 2 años. Los resultados mostraron que en una amplia zona de la región, la concentración de iones nitrato tiene valores superiores a 25 mg/L. Esto muestra que la concentración promedio de este ion en la región es generalmente alta. El nivel más alto de contaminación en el acuífero de la llanura está relacionado con las partes sur y sureste de la llanura. Debido a las actividades agrícolas con el uso de grandes cantidades de fertilizantes en esta llanura, existe un potencial de contaminación en todos los lugares, y requiere una planificación codificada y ejecutiva para las operaciones agrícolas, así como el uso de fuentes de agua subterránea. El método de estimación de vulnerabilidad DRASTIC solo es útil para estimar las áreas que tienen un alto potencial de contaminación y según las pruebas de validación, también ha proporcionado una estimación adecuada.

Los recursos de agua subterránea son los recursos más importantes de agua dulce disponibles para los humanos. El desarrollo de la agricultura por el aumento de la población y la demanda de seguridad alimentaria ha llevado a la contaminación de las aguas subterráneas, la cual es provocada por varios factores como la erosión del suelo, y el uso extremo de fertilizantes y pesticidas. La falta de aplicación de soluciones de gestión adecuadas genera problemas complejos y mayores, como la propagación de enfermedades causadas por aguas contaminadas, la muerte de animales acuáticos y la destrucción de humedales y ríos1,2.

Por otro lado, la agricultura siempre se considera el mayor consumidor de agua dulce. El agua utilizada en la agricultura siempre regresa a la superficie y al agua subterránea en una cadena. Sin embargo, la agricultura es tanto la causa como la víctima de la contaminación del agua3,4. Por lo tanto, es importante gestionar tanto el desarrollo del sector agrícola como la calidad de los recursos hídricos subterráneos.

El agua subterránea se refiere al agua que se encuentra debajo de la superficie de la tierra y se puede recolectar en pozos, túneles y galerías de drenaje. Además, el agua subterránea puede fluir naturalmente a la superficie de la tierra en forma de manantiales5. Los recursos de agua subterránea no están uniformemente distribuidos en todas las partes de la corteza sólida de la tierra. Este problema complica el proceso de gestión y simulación de estos recursos. Las ecuaciones existentes en el proceso de modelado del nivel freático pueden resolverse en forma de modelo matemático de dos formas analíticas y numéricas. La complejidad del sistema acuífero, la heterogeneidad de las formaciones geológicas, diferentes cantidades de bombeo y alimentación en diferentes momentos, etc., hacen que los modelos numéricos sustituyan a los modelos analíticos en el medio natural6,7.

Los métodos numéricos basados ​​en el uso de la computadora se convierten en la principal herramienta en la resolución de problemas en el medio natural. Una serie de simplificaciones deben estar involucradas en la resolución analítica de las ecuaciones que gobiernan el flujo de agua subterránea. En estas simplificaciones se consideran supuestos como la homogeneidad y el flujo unidimensional o bidimensional. Los métodos analíticos se utilizan generalmente en la hidráulica de pozos. Las soluciones numéricas son muy amplias y al tener acceso a las computadoras de hoy, son más útiles que las soluciones analíticas complejas8. Se utilizan cinco métodos numéricos en el modelado de aguas subterráneas, que son: métodos de diferencias finitas, métodos de elementos finitos, métodos de ecuaciones integrales de contorno, métodos integrales de diferencias finitas y métodos de elementos analíticos.

Modelado de aguas subterráneas utilizando modelos matemáticos y conceptuales y utilizando software para simular acuíferos y sistemas de recursos de aguas subterráneas. Entre los modelos más comunes en la simulación de capas de acuíferos, se pueden mencionar las diferentes versiones de los modelos MODFLOW, PMWIN, GWM, GMS y Visual MODFLOW, los cuales se crean utilizando el método de diferencias finitas (FDM)9. El método de diferencias finitas se utiliza para modelar el flujo y las capas del acuífero subterráneo. Estos modelos han sido probados con eficacia en aguas subterráneas en ambientes porosos y condiciones convencionales4. El modelo GMS (Sistema de modelado de aguas subterráneas) es el software de modelado de aguas subterráneas más nuevo y completo disponible. Se realiza el modelado en GMS con dos métodos de diferencias finitas y elementos finitos en entornos bidimensionales y tridimensionales y utilizando herramientas (MODFLOW, MODPATH, MT3DMS/RT3D, SEAM3D, PEST, SEEP2D, etc.)4.

El nitrato es el factor contaminante más importante de las aguas subterráneas, la mayor parte del cual proviene de la agricultura10. La contaminación de las aguas subterráneas es causada por la adición de formas de nitrato al suelo, oa través de procesos biológicos, a partir de la conversión de otras formas de nitrógeno. Según la Agencia de Protección Ambiental de los Estados Unidos (USEPA), la concentración máxima permisible de nitrógeno nítrico (NO3–N) para el agua potable es de 10 mg/L, lo que equivale aproximadamente a 45 mg de nitrato (N2O). Este límite según la Organización Mundial de la Salud y la Unión Europa (UE), se ha determinado 50 mg/L de nitrato. En Irán, se ha determinado 50 mg/L de nitrato como la concentración máxima permitida en el agua potable11,12. Por lo tanto, es muy esencial realizar diversas investigaciones en el campo de la contaminación y la predicción de la concentración de nitratos.

De la investigación realizada en este campo, se puede referir al estudio de Pacheco et al. En esta investigación, revisaron el modelo DRASTIC para evaluar el riesgo de contaminación de las aguas subterráneas en las cuencas hidrográficas rurales de montaña en el norte de Portugal. Según los resultados, el riesgo de contaminación de las aguas subterráneas por nitratos se clasificó generalmente como moderado. Las áreas de alto riesgo eran áreas que se utilizan para la producción agrícola y ganadera13. El Babá et al. evaluó y cartografió la vulnerabilidad de las aguas subterráneas y la contaminación por nitratos utilizando el análisis DRASTIC y las geoestadísticas. Esta investigación reportó una gran diferencia en los resultados debido a la presencia de áreas con alta y baja vulnerabilidad14. Moghaddam et al. evaluó el índice de vulnerabilidad de los recursos hídricos subterráneos utilizando el enfoque de predicción de la concentración de nitratos. Los resultados mostraron que la mayoría de los pozos han enfrentado un aumento de la concentración, que se intensifica en las zonas bajas de los terrenos agrícolas y urbanos, y el índice de vulnerabilidad mostró que las partes del acuífero central ubicadas aguas abajo de los terrenos agrícolas y urbanos a lo largo de la drenaje principal, son los más vulnerables15. Boufekane et al. discutió la hibridación del método DRASTIC para evaluar los escenarios futuros de vulnerabilidad de las aguas subterráneas en el noreste de Argelia. Los resultados de utilizar el método DRASTIC en el año de referencia de 2010 mostraron que las clases de vulnerabilidad alta y media cubren una amplia gama del área de estudio en alrededor del 97%. Los resultados de la predicción futura de la vulnerabilidad de las aguas subterráneas mostraron que los cambios en la vulnerabilidad de las aguas subterráneas a lo largo del tiempo (2010–2030) están estrechamente relacionados con los cambios en la profundidad de las aguas subterráneas causados ​​por las tasas de bombeo, porque la reducción del nivel piezométrico hace que la vulnerabilidad de las aguas subterráneas empeore16. Xiao et al. discutió los conocimientos hidrogeoquímicos sobre las firmas, la génesis y la perspectiva sostenible del agua subterránea enriquecida con nitrato en la cuenca del Piamonte de Hutuo, China. Para lograr el desarrollo sostenible de los recursos hídricos subterráneos en el piedemonte árido y semiárido, se recomiendan iniciativas como la sensibilización de los habitantes, la protección del medio ambiente, la gestión diferenciada del agua en función de la calidad del agua y el tratamiento focalizado del agua17. Xiao et al.18 Investigaron las fuentes, las fuerzas motrices y los riesgos potenciales para la salud del nitrato y el fluoruro en las aguas subterráneas de una llanura de abanico aluvial típica. Los resultados indicaron que los aportes/impactos humanos son las fuerzas dominantes que aumentan el contenido de nitratos y la salinidad de las aguas subterráneas en la región de Piedmont y los tramos inferiores residenciales e industriales del sureste, lo que presenta riesgos potenciales no cancerígenos para varias poblaciones a través de la vía oral. Zhi et al.19 estudiaron el mecanismo de enriquecimiento de fluoruro y yodo en aguas subterráneas salinas en la llanura de inundación inferior del río Amarillo, en el norte de China. Los resultados del análisis factorial confirman aún más los patrones de comportamiento opuestos del fluoruro y el yodo en las aguas subterráneas salinas.

En áreas con recursos hídricos superficiales limitados, la presión sobre las aguas subterráneas es mayor, lo que se debe a la disminución paulatina del volumen del reservorio de aguas subterráneas debido a la extracción adicional por pozos excavados y su intensificación, especialmente por la ocurrencia de sequías recientes en por un lado y la contaminación provocada por la actividad. Asimismo, las cuestiones económicas exigen un conocimiento preciso del acuífero y el suministro de la información necesaria para explotar los recursos hídricos subterráneos. Por otro lado, la necesidad de utilizar fertilizantes nitrados en la agricultura ha provocado un aumento significativo en el uso de este tipo de fertilizantes. Parece que el uso de modelos GMS (MODFLOW) y DRASTIC en el campo de la gestión de calidad de acuíferos como un nuevo método puede reducir muchos problemas y costos relacionados. Con base en el estudio de diferentes fuentes, es posible comprender la importancia de investigar la contaminación por nitratos de las fuentes de agua subterránea y el riesgo de vulnerabilidad de estas fuentes. Los objetivos del presente estudio son: investigar y comprender los cambios temporales de la contaminación por nitratos de las aguas subterráneas en la llanura de Bouin-Daran durante un año a través de muestreos una vez cada tres meses, investigar el papel de la agricultura y otras fuentes en la contaminación por nitratos de las aguas subterráneas, la evaluación cuantitativa y modelado cualitativo del acuífero llano utilizando el modelo GMS, determinando el potencial de vulnerabilidad del nivel freático de la región utilizando el modelo DRASTIC y optimizando los pesos y puntajes del modelo según la concentración de nitratos del agua subterránea, determinando los puntos críticos a la herramienta del mapa de vulnerabilidad identificada por DRASTIC y brinda sugerencias para una mejor gestión de las aguas subterráneas en el acuífero de Bouin-Daran, Irán.

En términos de investigaciones de aguas subterráneas, la cuenca de Gavkhoni se ha dividido en 21 áreas de estudio 20, que es el área de estudio de Bouin-Daran en el área de la cabecera de la cuenca y la coordenada geográfica de longitud este de 50° 8′ a 50° 32 ′ latitud norte de 32° 42′ a 33° 12′. El tamaño total del área de estudio es de aproximadamente 1262 km2, de los cuales 530 km2 son tierras altas y 732 km2 son llanuras. Con unos 660,5 km de ancho, la llanura está cubierta por un acuífero aluvial. El punto más alto de esta área de estudio es de 3735 m en las alturas del norte y el más bajo es de 2075 m sobre el nivel del mar en el sur de la llanura. La figura 1a muestra la ubicación del área de estudio y la figura 1b muestra 42 puntos de muestreo de Bouin-Daran. El aluvión que contiene el nivel freático en esta zona tiene una composición diferente de arcilla, arena y grava y se pueden apreciar diferentes porcentajes de estas partículas según las condiciones de sedimentación a las diferentes profundidades. Otro punto a destacar es la profundidad y el tipo de roca del aluvión de la zona, que según los registros de perforación y los pozos de observación y exploración de la zona, está formado por margas y esquistos. Otro punto es el tipo de nivel freático. En el área de estudio, no existe una capa impermeable entre el agua subterránea y la superficie del suelo, y el nivel freático en esta área está abierto. En las partes noroeste y este del área de estudio, la profundidad del nivel freático es baja y entre 10 y 40 m, mientras que en el sur, este y sureste, la profundidad del nivel freático ha aumentado. La dirección general de las aguas subterráneas de la región es del noroeste y noreste al sur y este de la región. La formación más importante en la hidrogeología del área de estudio son las formaciones calizas del período Cretácico. En el área de estudio de Bouin-Daran, Isfahan Regional Water Company seleccionó tres acueductos seleccionados, tres bocas de manantiales seleccionados y ocho pozos seleccionados como fuentes de agua seleccionadas, y los manantiales y acueductos seleccionados generalmente están ubicados en los valles y en el borde de la sierra y pozos seleccionados se ubican en la llanura. Cabe mencionar que para analizar mejor la calidad del agua subterránea en el área de estudio, también se han utilizado los resultados del análisis químico de tres pozos seleccionados y un acueducto seleccionado en el área de estudio del dominio. Debido al pequeño número de las fuentes de agua seleccionadas y su inadecuada distribución en la planicie, investigar la calidad del agua subterránea en el área de estudio, muestreando resultados de varios pozos agrícolas en el área así como fuentes de agua potable en los pueblos de la zona. también fueron utilizados. La Tabla 1 muestra las características y resultados del análisis químico de fuentes de agua seleccionadas en la región.

La ubicación del área de estudio (a) y el número de muestreos de Bouin Daran, Irán usando GIS (b).

La razón de elegir estos iones es que debido a la intensa agricultura y la naturaleza de los fertilizantes utilizados, así como a las especiales condiciones del lecho rocoso y de las aguas subterráneas de esta llanura, parece que el contaminante químico más importante de las aguas subterráneas es el nitrato21. Sin embargo, hay un punto muerto debido al uso de fertilizantes orgánicos y minerales en esta área. Por otro lado, el abastecimiento de agua potable a las ciudades y pueblos de la llanura a partir de aguas subterráneas hizo que se considerara el manejo de las aguas subterráneas para los cambios de aguas subterráneas en esta región. para medir el nitrato en el llano y considerando las condiciones de selección de los pozos de muestreo, se seleccionaron 42 pozos de agua potable con la distribución adecuada en el llano, y se realizaron análisis químicos a las muestras tomadas en intervalos de tres meses. Después de seleccionar los pozos de muestreo en las diferentes áreas de estudio para distribuir la contaminación por nitratos en las aguas subterráneas, el muestreo de estos pozos comenzó en septiembre de 2013. Además, para comprobar la tendencia de los cambios en la contaminación por nitratos, se continuó con el muestreo a intervalos de 3 meses en cuatro etapas hasta Septiembre 2014. En cada etapa se realizó muestreo de agua de los pozos y las muestras se transportaron al laboratorio en recipientes plásticos de 1 L y se mantuvieron en heladera hasta el momento de la medición química para evitar actividades biológicas y cambios en las propiedades químicas. . Después de ser trasladadas al laboratorio, las muestras de agua de pozo se analizaron químicamente de inmediato de acuerdo con los métodos estándar de laboratorio. El ion nitrato se midió con el electrodo selector de iones Southern modelo 3310. La diferencia de potencial entre los dos lados de la membrana del electrodo de nitrato se mide en comparación con la diferencia de potencial de un electrodo de referencia. El dispositivo mide la actividad de los iones de nitrato. Este electrodo es capaz de medir nitrato en el rango de 7*10(−6) hasta 1 molar. Cabe señalar que esto es así si no hay iones que interfieran en la solución. Los iones perturbadores más importantes en la solución de electrodos de nitrato son cloro, bicarbonato, acetato, sulfato y fluoruro, mientras que los iones bicarbonato y cloro causan más perturbaciones. A pesar de los problemas relacionados con la interferencia de iones, el método de medición de nitrato con la ayuda de un electrodo es superior a los otros métodos debido a la mayor precisión asociada y al ahorro de tiempo y dinero. Después de las medidas deseadas, se hacen los cálculos pertinentes.

El área del acuífero de la llanura se determinó examinando los registros de pozos en el área, mapas geológicos y el mapa DEM del área, y el área del acuífero y la llanura de Bouin-Daran se muestra en la Fig. 2a. Después de determinar el límite del acuífero, se elaboró ​​el modelo conceptual del acuífero de acuerdo con la información disponible. Esta etapa incluye determinar el límite del acuífero, determinar las entradas al acuífero, determinar las salidas del acuífero, el número de capas estratigráficas del acuífero, crear la capa de alimentación del acuífero, crear la capa de conducción hidráulica del acuífero, crear la capa de pozos de observación del acuífero, creando la capa especial de riego del acuífero, creando la capa de pozos de bombeo del acuífero. La creación de la capa topográfica de la superficie del acuífero crea la capa topográfica del suelo del acuífero. Luego, se creó la red 3D del modelo MODFLOW y la información del modelo conceptual se convirtió en un modelo matemático 3D22.

Mapa del área del acuífero de la llanura de Bouin-Daran (a) y la profundidad del nivel freático usando GIS (b).

Para calibrar el modelo en estado estacionario se utilizaron los datos piezométricos de marzo de 2003. En este caso, los valores de conductividad hidráulica y alimentación se calibraron determinando y modificando las diferentes zonas de forma manual y utilizando el código PEST del acuífero. La precisión del proceso de calibración se determinó comparando los valores calculados y los valores observados del nivel del agua en los piezómetros. Para ello, se utilizaron dos índices de coeficiente de determinación (R) y error RMSE23.

Después de calibrar el modelo en condiciones permanentes, el modelo fue calibrado en condiciones temporales por un período de 2 años (abril de 2003 a marzo de 2004). En esta etapa se recalibraron los valores de alimentación y riego especial y también se modificaron los valores de conductividad hidráulica24.

Después de calibrar el modelo en condiciones temporales, el modelo fue validado en un año (abril de 2005 a marzo de 2005).

Después de crear el modelo cuantitativo, se elaboró ​​el modelo cualitativo del acuífero utilizando el código MT3D25. Para este propósito, se seleccionó el contaminante de nitrato como el parámetro a evaluar y se introdujeron en el modelo los factores de transporte de contaminantes, incluidos el transporte, la difusión y la dispersión. Luego, se introdujeron en el modelo los pozos de observación para la medición de nitrato. Finalmente, el modelo fue calibrado y validado por un año.

Primero, se recopiló información como mapas geológicos, registros meteorológicos, registros de piezómetros, pozos de exploración y registros de pozos para construir las capas de cada parámetro en el software Arc GIS26. Estos datos fueron recolectados de diferentes fuentes y en diferentes formatos. La base de datos para los datos en formato de puntos se preparó primero con el software Excel y luego se ingresó en el SIG. El sistema de imagen de todas las capas de información es la zona UTM 38, y el nivel base es WGS 1984. Además, se realizaron funciones de análisis espacial sobre los datos para convertirlos en un mapa, incluidas las funciones de análisis topológico como recorte, fusión, y superposición, y funciones analíticas de superficie, como la extracción de la pendiente del modelo digital denominado altura27. Se usó la transformación IDW (Ponderación de distancia inversa) para la interpolación. Esto se debe a que el error de este método basado en el RMSE y la validación cruzada es menor que el de otros métodos como kriging, co-kriging y spline. Utilizando el programa Spatial Analyst, los mapas se dividieron en las clases deseadas y luego de preparar los mapas básicos utilizando las características de este programa en cuanto a la operación raster, se calculó el mapa final de acuerdo con el índice DRASTIC.

Capa de profundidad de agua subterránea (D).

La profundidad del agua subterránea expresa la profundidad desde la superficie del suelo del nivel freático. La profundidad del nivel freático, junto con las características de la zona no saturada, afecta el tiempo de movimiento de los contaminantes sólidos o líquidos que son transportados por el agua y el tiempo de dilución de los contaminantes en la zona no saturada28.

La figura 2b muestra la capa obtenida después de la valoración. La capa de profundidad de agua subterránea de la región se ubica en siete clases1,2,3,5,7,9. Esta calificación se realizó para cada celda con dimensiones de 100 m.

Por lo general, cuanto más nutrición hay, mayor es el potencial de contaminación de las aguas subterráneas. Se utilizó el método de Piscopo (2001) para preparar la capa de alimentación29. La ecuación de Piscopo para calcular el potencial alimentario de un área es la siguiente:

Para el cálculo de la cantidad de nutrición se elaboró ​​un modelo de elevación digital (DEM) del área (utilizando mapas DGN del área con escala 1:25,000 elaborados por la organización cartográfica del país). Luego, se extrajo la pendiente del área de estudio utilizando el DEM preparado y, finalmente, todos los mapas se convirtieron a un formato raster. El mapa de nutrición se preparó superponiendo el mapa de pendiente y suelo junto con el puntaje de lluvia del área (Fig. 3a).

Mapa valorado de la nutrición neta (a) y Mapa valorado del entorno acuífero utilizando SIG (b).

Para preparar la capa de ambiente acuífero, se utilizaron los registros de siete pozos de la región, que fueron elaborados por la oficina de estudios de la empresa regional de agua, para pozos exploratorios y de explotación de la región. Los polígonos relacionados con el ambiente del acuífero se prepararon utilizando el programa Xtools en el software Arc GIS (Fig. 3b). Luego, se elaboró ​​el mapa del entorno del acuífero en formato raster con un tamaño de celda de 100 m para que pueda ser utilizado en las demás etapas de los cálculos.

Para preparar la capa de suelo se utilizó el mapa de la región a escala 1:50.000 elaborado por la Organización de Investigación Agrícola y Recursos Naturales. Primero se escaneó el mapa de suelos, luego se referenciaron y digitalizaron, y se aplicaron las leyes de cada polígono utilizando el método drástico (Fig. 4a).

Mapa valorado de la capa de suelo (a), mapa topográfico valorado (b), mapa valorado del entorno no saturado (c), mapa valorado de la conductividad hidráulica (d) y mapa valorado del uso de la tierra en el acuífero de Bouin-Daran utilizando GIS (e ).

Primero se preparó un modelo de altura digital del área y luego se extrajo el mapa de pendientes de este modelo. Finalmente, el mapa de pendientes obtenido se niveló para preparar la capa topográfica (Fig. 4b).

La capa de ambiente no saturado, al igual que la capa de ambiente acuífero, se determinó y valoró a partir de los registros de piezómetros, los registros de pozos exploratorios en el área, la ubicación geográfica de los registros y el tipo de zona no saturada. Los polígonos relacionados con el mapa de zonas no saturadas se prepararon utilizando el programa Xtools en el software Arc GIS. Luego, se elaboró ​​el mapa de la zona no saturada en formato raster con un tamaño de celda de 100 m para que pueda ser utilizado en los pasos de cálculo como las demás capas (Fig. 4c).

La información y los puntos geográficos relacionados con el coeficiente de transferibilidad y el espesor aluvial de la llanura se prepararon a partir de los mapas existentes. Luego, al restar el mapa de espesores aluviales y el mapa de profundidad superficial del agua, se obtuvo el mapa de espesores saturados utilizando la función de calculadora Raster, y luego de dividir el mapa de espesores saturados del acuífero, se obtuvo el mapa de conductividad hidráulica del acuífero30. El mapa resultante se calificó de acuerdo con el índice drástico (Fig. 4d).

Teniendo en cuenta el mapa de uso de suelo de la cuenca hidrográfica en Daran Plain, se obtuvo el siguiente mapa. Como se puede observar, la mayor área de la planicie está relacionada con las tierras de agua donde se cultiva papa (Fig. 4e).

Para calibrar el modelo. DRASTIC se utilizó a partir de datos recopilados de 44 pozos que se distribuyen uniformemente en la superficie del acuífero y la llanura.

Los mapas de la Fig. 5 muestran las curvas paralelas de nitrato en el área de estudio. Con base en eso, la concentración de iones de nitrato muestra valores altos en diferentes estaciones en la mitad este y sur de la región. De acuerdo con los mapas de la Fig. 5, en una amplia zona de la región, la concentración de iones nitrato tiene valores superiores a 25 mg/L. Esto muestra que la concentración promedio de este ion en la región es generalmente alta. Teniendo en cuenta que, por lo general, este ion tiene una baja concentración en las aguas subterráneas, la existencia de altas concentraciones en las aguas subterráneas de cualquier región puede deberse a varias razones, en tales casos se conoce a este ion como un elemento contaminante de las aguas subterráneas. Por tal motivo, se estudiará e investigará la distribución y posibles causas del aumento de la concentración de este ion en la región, así como la contaminación del manto freático en la región.

Líneas de heminitrato Otoño 2014 (a), Verano 2014 (b), Primavera 2014 (c) e Invierno 2014 utilizando GIS (d).

Se creó la red 3D del modelo MODFLOW y la información del modelo conceptual se convirtió en un modelo matemático 3D. El modelo tridimensional creado consta de 12.000 celdas computacionales (con dimensiones de 500*500 m), que según la forma del acuífero, 2688 celdas son celdas activas y el resto son celdas inactivas. La Figura 6 muestra el modelo 3D creado en MODFLOW.

Mapa de la red creada y los principales componentes del acuífero de Bouin-Daran utilizando MODFLOW.

La cantidad de conductividad hidráulica en la llanura para diferentes áreas después de la calibración se calculó entre 0,8 y 34 m por día. La precisión del proceso de calibración se determinó comparando los valores calculados y los valores observados del nivel del agua en los piezómetros. Para ello se utilizaron dos índices de coeficiente de determinación (R2) y error RMSE. El gráfico que compara los valores observados y finales calculados en la calibración de estado estable se muestra en la Fig. 7. La Figura 8 muestra el mapa del modelo calibrado del acuífero junto con los piezómetros en el área. En esta figura, la precisión de la estimación del nivel del agua en piezómetros se indica en tres colores: rojo, amarillo y verde. Los piezómetros que se muestran en verde están calibrados dentro del rango ideal en términos de variación de error. Además, los piezómetros amarillo y rojo indican una calibración moderada y mala, respectivamente.

Valores calculados y observados del nivel del agua en estado estacionario.

Mapa modelo calibrado del acuífero Bouin-Daran utilizando MODFLOW.

La figura 9 muestra el mapa de valores de conductividad hidráulica obtenidos de la calibración del modelo. Como se puede observar, los valores finales de conductividad hidráulica en el acuífero varían entre 0,2 y 34 m por día.

Mapa de dispersión de los valores de conductividad hidráulica del acuífero de Bouin Daran, Irán utilizando GIS.

Después de calibrar el modelo en condiciones permanentes, el modelo fue calibrado en condiciones no permanentes por un período de 2 años (abril de 2003 a marzo de 2004). En esta etapa se recalibraron los valores de alimentación y riego especial y también se modificaron los valores de conductividad hidráulica. Los resultados de comparar los valores calculados y observados en meses representativos se muestran en los gráficos de la Fig. 10. Como puede verse, el modelo ha sido bien recalibrado y ha estimado los valores del nivel del agua con una precisión aceptable.

Valores calculados y observados del nivel de estabilidad en estado no permanente (septiembre 2003) (a), (abril 2003) (b), (septiembre 2004) (c) y (abril 2004) (d).

Después de calibrar el modelo en una condición no permanente, el modelo fue validado en un año (abril de 2005 a marzo de 2005). Los resultados de comparar los valores calculados y observados para abril y septiembre se muestran en los gráficos de la Fig. 11a,b. Como puede verse, el modelo ha estimado bien los valores del nivel del agua en la etapa de calibración. Por lo tanto, el modelo calibrado se puede utilizar con confianza para diferentes propósitos.

Valores calculados y observados del nivel del agua en el período de validación (septiembre de 2005) (a) y (abril de 2005) (b).

Los resultados mostraron que debido a la gran extensión del área de estudio, así como al alto volumen de entrada y salida de agua subterránea en secciones horizontales y verticales, los cambios de nitrato debido al proceso de dispersión son insignificantes. En general, los resultados mostraron que el modelo cualitativo del acuífero tiene muy baja sensibilidad a los cambios en el coeficiente de distribución, coeficiente de difusión e isotermas de absorción, y los cambios de nitrato en el modelo elaborado son los más sensibles a los cambios en el estado nutricional. concentración de nitrato. El gráfico que compara los valores de nitrato calculados y observados en agosto de 2014 y mayo de 2015 se muestra en los gráficos de la Fig. 12a,b. Como puede verse, el modelo calibrado predice los valores de concentración de nitrato con la precisión adecuada.

Valores calculados y observados de concentración de nitratos en el modelo cualitativo (mayo 2012015) (a) y (agosto 2014) (b).

La Figura 13 muestra la distribución de la concentración de nitratos obtenida del modelo en diferentes áreas del acuífero en julio de 2015. Como se puede observar, las áreas del sur de la planicie, que están marcadas con color rojo, presentan un alto nivel de concentración de nitratos, y esta área y las demás áreas con los colores rojo y amarillo se encuentran entre las áreas de alta vulnerabilidad y riesgo.

El mapa de distribución de los sedimentos de nitratos en la superficie del acuífero (julio de 2015) usando MODFLOW.

Al determinar la vulnerabilidad inherente, se evalúa la vulnerabilidad del agua subterránea independientemente de la contaminación de la superficie. En otras palabras, la vulnerabilidad es independiente del usuario y de cualquier ocurrencia del contaminante. Como se desprende de la Fig. 14, las áreas sin riesgo de contaminación y las áreas con baja contaminación se ubican en las laderas y el borde de las alturas. Asimismo, las áreas ubicadas en la parte norte y central de la llanura presentan vulnerabilidad moderada. Un punto muy importante es que las áreas este y sureste del acuífero están expuestas a mucha contaminación debido a la poca profundidad del nivel del agua, así como a la cercanía del lecho rocoso a la superficie del suelo y la buena conductividad hidráulica.

Mapa de vulnerabilidad intrínseca del acuífero en la llanura de Bouin-Daran utilizando SIG.

Al sumar el parámetro de uso del suelo (L) a los parámetros de vulnerabilidad inherente, se obtiene el índice de vulnerabilidad especial. De acuerdo a la Fig. 15 y teniendo en cuenta el uso del suelo y teniendo en cuenta que en las áreas de cultivo del acuífero, la papa es el cultivo dominante, el área que está expuesta a alta y muy alta contaminación, el este, sureste y partes del centro de el avion. Otro punto digno de mención es que, en general, se puede decir que el acuífero de la llanura de Bouin-Daran tiene un potencial de vulnerabilidad medio a muy alto.

Mapa de vulnerabilidad especial del acuífero de Bouin-Daran, Irán usando GIS.

El presente estudio se llevó a cabo para proporcionar un modelo para la investigación cualitativa y el control cualitativo de la situación de los nitratos en el acuífero de Bupin-Daran Plain, así como para identificar los puntos susceptibles a la contaminación por nitratos. Los principales resultados son los siguientes:

La mayor cantidad de contaminación en el acuífero de la llanura estuvo relacionada con las partes sur y sureste de la llanura.

Las áreas norte y noreste de la llanura tenían un potencial de contaminación medio a bajo y no habían sido afectadas por la contaminación por nitratos hasta el momento.

Debido a las actividades agrícolas con el uso de grandes cantidades de fertilizantes en esta llanura, existe un potencial de contaminación en todos los lugares, y requiere una planificación codificada y ejecutiva para las operaciones agrícolas, así como el uso de las fuentes de agua subterránea. Se requiere como agua potable.

El método de estimación de vulnerabilidad DRASTIC solo fue útil para estimar las áreas que tienen un alto potencial de contaminación y de acuerdo con la prueba de validación. La capacidad de los modelos presentados en esta investigación para determinar las áreas de los pozos que son más vulnerables a la contaminación es uno de los problemas de los métodos tradicionales de evaluación de la vulnerabilidad de los acuíferos, que es la incapacidad de predecir el efecto de la propagación de la contaminación en las áreas vulnerables del acuífero a la contaminación de valiosas fuentes de agua, como los pozos de agua potable, deben repararse. La identificación de estas áreas es muy importante para el diseño de la red de monitoreo de la calidad de las aguas subterráneas, así como para los estudios de uso del suelo y la determinación del uso del suelo.

Si alguien quiere solicitar los datos deberá ponerse en contacto con el autor correspondiente.

Gazal, O. & Eslamian, S. Evaluación de la vulnerabilidad de las aguas subterráneas basada en el modelo DRASTIC modificado y el modelo COP en zonas áridas. En t. J. Hydrol. ciencia Tecnología 13(2), 146–190 (2022).

Artículo Google Académico

Saatsaz, M., Sulaiman, WNA & Eslamian, SS Modelo GIS DRASTIC para la estimación de la vulnerabilidad de las aguas subterráneas de la llanura de Astaneh-Kouchesfahan, norte de Irán. En t. J. Agua 6(1/2), 1–14 (2011).

Artículo Google Académico

Abedi Kopaei, J., Nasri, Z., Mamanposh y Keshavarz, A. Tanto el agente como la víctima del agua. En Conferencia sobre Gestión de la Sostenibilidad Tecnológica, Producción y Consumo de Insumos Agrícolas, 74–75 (2007) (en persa).

Shariati, M. Capacidad hídrica causada por actividades agrícolas, traducción, publicaciones del Comité Nacional de Irrigación y Drenaje de Irán; vol. 1, 184, (2002). (En persa).

Malakouti, M. Fertilidad de suelos en zonas secas. Publicaciones de la Universidad Tarbiat Modares (1995). (En persa).

Mohammadi Fatideh, M. Knowledge of safe water, Tabriz University Publications (1987). (En persa).

Wayer, PJ et al. Nivel de nitrato en agua potable municipal y riesgo de cáncer en mujeres mayores. El estudio de salud de la mujer de Iowa. Epidemiología 12, 327–338 (2001).

Artículo Google Académico

Grimaldi, C., Gaudio, R., Calomino, F. & Cardoso, AH Un modelo numérico de flujo de agua subterránea del acuífero superior y medio de Trinity, junta de desarrollo de agua de Texas. J. Hydrol. Ing. ASCE 135(5), 425–431 (2009).

Artículo Google Académico

Shaabani, K., Abedi-Koupai, J., Eslamian, S. y Gohari, A. Simulación de los efectos del cambio climático y reducción de los requisitos de riego en la recarga de aguas subterráneas mediante modelos SWAT y MODFLOW: un estudio de caso de la provincia de Fars, Irán , Modelado de Sistemas Terrestres y Medio Ambiente; Aceptado (2022).

Spalding, RF & Exner, ME Ocurrencia de nitrato en aguas subterráneas. J. Medio Ambiente. Calidad 22, 392–402 (1993).

Artículo CAS Google Académico

EPA de EE.UU. Criterios de calidad para el agua, Rep. EPA 440/5-86-001. Agencia de Protección Ambiental, Washington; DC, Estados Unidos (1986).

Asuntos Hídricos del Ministerio de Energía. Norma de calidad física, química y radiológica del agua potable, Norma Número 6-1885, Irán (en persa).

Pacheco, FAL, Martins, LMO, Quininha, M., Oliveira, AS & Fernandes, LS Modificación del marco DRASTIC para evaluar el riesgo de contaminación de aguas subterráneas en cuencas rurales montañosas. J. Hydrol. 566, 175–191 (2018).

Artículo ADS CAS Google Académico

El Baba, M., Kayastha, P., Huysmans, M. y De Smedt, F. Vulnerabilidad de las aguas subterráneas y evaluación y mapeo de la contaminación por nitratos mediante DRASTIC y análisis geoestadístico. J. Agua 12(7), 1–19 (2022).

Google Académico

Kardan Moghaddam, H., Rahimzadeh Kivi, Z., Bahreinimotlagh, M. y Moghddam, HK Evaluación del índice de vulnerabilidad de los recursos de aguas subterráneas mediante el enfoque de predicción de la concentración de nitratos. J. Geocarto Int. 37(6), 1664–1680 (2022).

Artículo Google Académico

Boufekane, A. et al. Hibridación del método DRASTIC para evaluar futuros escenarios de vulnerabilidad de aguas subterráneas: Caso del acuífero aluvial Tebessa-Morsott (Noreste de Argelia). aplicación ciencia 12(18), 9205 (2022).

Artículo CAS Google Académico

Xiao, Y. et al. Conocimientos hidrogeoquímicos sobre las firmas, la génesis y la perspectiva sostenible del agua subterránea enriquecida con nitrato en el pie de monte de la cuenca Hutuo, China. CATENA 212, 106020 (2022).

Artículo CAS Google Académico

Xiao, Y. et al. Investigación de fuentes, fuerzas impulsoras y riesgos potenciales para la salud de nitrato y fluoruro en las aguas subterráneas de una llanura de abanico aluvial típica. ciencia Entorno Total. 802, 149909 (2022).

Artículo ADS CAS PubMed Google Scholar

Zhi, C. et al. Mecanismo de enriquecimiento de fluoruro y yodo en aguas subterráneas salinas en la llanura de inundación inferior del río Amarillo, norte de China. J. Hydrol. 621, 129529 (2023).

Artículo CAS Google Académico

Sharifinejad, A., Zahraie, B., Majed, V., Ravar, Z. y Hassani, Y. Análisis económico del nexo entre agua, alimentos y energía en la cuenca de Gavkhuni en Irán. J. Hidroambiental. Res. 31, 14–25 (2020).

Artículo Google Académico

Zang, Y. et al. Cuantifique los efectos de la recuperación del nivel de agua subterránea en la dinámica de nitrato de agua subterránea a través de un modelo integrado cuasi-3D para el sistema acoplado de zona vadosa-agua subterránea. Agua Res. 226, 119213 (2022).

Artículo CAS PubMed Google Académico

Barbieri, S. et al. Procedimiento numérico innovador para simular el funcionamiento de intercambiadores de calor de pozo e interpretar la prueba de respuesta térmica a través del código MODFLOW-USG. J. Hydrol. 614, 128556 (2022).

Artículo Google Académico

Malekzadeh, M., Kardar, S. & Shabanlou, S. Simulación del nivel del agua subterránea usando MODFLOW, máquina de aprendizaje extremo y modelos Wavelet-Extreme Learning Machine. Terreno Sostener. desarrollo 9, 100279 (2019).

Artículo Google Académico

Esfahani, SG, Valocchi, AJ & Werth, CJ Uso de MODFLOW y RT3D para simular difusión y reacción sin discretizar zonas de baja permeabilidad. J. Contam. Hidrol. 239, 103777 (2021).

Artículo CAS PubMed Google Académico

Lautz, LK & Siegel, DI Modelado de la mezcla de aguas superficiales y subterráneas en la zona hiporreica usando MODFLOW y MT3D. Adv. Recurso de agua. 29(11), 1618–1633 (2006).

Artículo ANUNCIOS Google Académico

Koon, AB et al. Evaluación de la vulnerabilidad de las aguas subterráneas utilizando el modelo DRASTIC basado en GIS en Greater Monrovia, condado de Montserrado, Liberia. Clima Urbano 48, 101427 (2023).

Artículo Google Académico

Shanmugamoorthy, M., Subbaiyan, A., Elango, L. y Velusamy, S. Evaluación de la susceptibilidad del agua subterránea utilizando el modelo DRASTIC-LU basado en GIS en el área del río Noyyal en el sur de la India. Clima Urbano 49, 101464 (2023).

Artículo Google Académico

Kumar, P., Sharma, R. & Bhaumik, S. Técnicas MCDA utilizadas en la optimización de pesos y clasificaciones del modelo DRASTIC para la evaluación de la vulnerabilidad de las aguas subterráneas. ciencia de datos Administrar 5, 28–41 (2022).

Artículo Google Académico

Al-Adamat, R. & Al-Shabeeb, AAR Un método simplificado para la evaluación de la vulnerabilidad de las aguas subterráneas a la contaminación. J. Recursos Hídricos. prot. 9(03), 305 (2017).

Artículo CAS Google Académico

Mfonka, Z. et al. Un modelo DRASTIC y GOD basado en GIS para evaluar las alteritas del acuífero de tres cuencas hidrográficas experimentales en Foumban (oeste de Camerún). Terreno Sostener. Desarrollar. 7, 250–264 (2018).

Artículo Google Académico

Descargar referencias

Departamento de Ciencias e Ingeniería del Agua, Facultad de Agricultura, Universidad Tecnológica de Isfahan, 8415683111, Isfahan, Irán

Saeed Islamian, Yaghub Harooni y Yasser Sabzevari

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

Todos los autores incluyen: SE, YH, YS, revisaron el manuscrito. Acerca de los datos del artículo: El conjunto de datos analizados durante el estudio actual no está disponible públicamente debido a la retirada por parte de una agencia gubernamental, pero está disponible previa solicitud razonable del autor correspondiente.

Correspondencia a Saeid Eslamian.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Eslamian, S., Harooni, Y. & Sabzevari, Y. Simulación de la contaminación por nitratos y la vulnerabilidad de los recursos de aguas subterráneas utilizando modelos MODFLOW y DRASTIC. Informe científico 13, 8211 (2023). https://doi.org/10.1038/s41598-023-35496-8

Descargar cita

Recibido: 15 noviembre 2022

Aceptado: 18 de mayo de 2023

Publicado: 22 mayo 2023

DOI: https://doi.org/10.1038/s41598-023-35496-8

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.