DOI: https://doi.org/10.37811/cl_rcm.v8i1.10055
Análisis de la Técnica de la Adición de la Urea en la Remediación de Suelos Contaminados por Hidrocarburos de la Ciudad de Juliaca–2022
Edwin Parillo Escarsena[1]
https://orcid.org/0000-0003-1175-0512
Universidad Andina Néstor Cáceres Velásquez
Juliaca, Puno, Perú
RESUMEN
Palabras clave: contaminación del suelo, urea, remediación, conductividad eléctrica, landfarming
Analysis of the Urea Addition Technique in the Remediation of Hydrocarbon-Contaminated Soils in the City of Juliaca–2022
ABSTRACT
The study addresses soil contamination by hydrocarbons and the need to find effective remediation methods. The objective is to evaluate the efficacy of urea addition technique in contaminated soils. The study methodology was experimental and quantitative, utilizing the nutrient degradation method (urea) and landfarming. Five cells with 15000 grams of samples were used, applying hydrocarbons and urea under specific conditions, and analytical methods were used to measure contaminant reduction in the soil. This resulted in the preservation of electrical conductivity, related to other soil parameters. In conclusion, the addition of urea as a nitrogen source at a dosage of 1267.39 grams restored electrical conductivity to 185.30 uS/cm and reduced the pH to 7.75, indicating successful correction. Despite variations in moisture, phosphorus, and potassium due to specific soil conditions, a balance was achieved in nitrogen, phosphorus, and potassium at 57.34 kg/ha, 175.07 kg/ha, and 102.83 kg/ha respectively, contributing to the restoration of the contaminated soil. Landfarming is cost-effective, but its effectiveness varies depending on contamination, climate, and soil, essential for selecting remediation strategies.
Keywords: soil contamination, urea, remediation, electrical conductivity, landfarming
Artículo recibido 20 enero 2024
Aceptado para publicación: 22 febrero 2024
INTRODUCCIÓN
En los últimos años, uno de los problemas más destacados a nivel mundial ha sido el conflicto relacionado con el agua y su relación con otros elementos (Encinas, 2011). La contaminación del suelo se ha posicionado como una preocupación significativa, especialmente cuando se vierten compuestos líquidos, ya que estos pueden alcanzar el nivel freático y allí contaminar los ríos y demás afluentes hidráulicos, de esto no se libra la ciudad de Juliaca ni ninguna de las demás ciudades del Perú.
Por otro lado, las estaciones de servicio son vitales para abastecer combustibles líquidos y ofrecer servicios adicionales; En Juliaca, una ciudad que alberga a aproximadamente 325,146 habitantes y vehículos (Instituto nacional de estadística e informática, 2013), pero enfrentan desafíos cruciales debido al deterioro de elementos como tanques de almacenamiento y surtidores, lo que causa derrames frecuentes de combustible y genera graves problemas ambientales al afectar tanto el suelo como las fuentes de agua locales. En este contexto, se propone investigar la eficacia de la técnica de adición de urea en la remediación de suelos contaminados por hidrocarburos (Crespo González, 2018), con el objetivo de estimular la actividad microbiana y restaurar el suelo afectado.
La justificación de esta investigación se fundamenta en la urgente necesidad de encontrar métodos efectivos y sostenibles para remediar suelos contaminados, en la escasez de estudios exhaustivos que evalúen específicamente el impacto y la eficacia de la adición de urea en la remediación de suelos contaminados por hidrocarburos (Ariza & Mejía, 2017). Aunque existen investigaciones previas que sugieren el potencial de la urea como agente de bioestimulación, En las estrategias de remediación de suelos se ha seguido la técnica de extracción física in situ siempre que ha sido posible (Coria, 2007), cuando se ha agotado este tipo de solución se han empleado tratamientos físico-químicos a base de adición de aditivos y sustancias que limiten los contaminantes de una forma total o menos asequible (Universidad de Ácala, 2012). Las primeras tareas de remediación que se aplicaron fueron similares a la “biolabranza”, indudablemente fueron utilizadas por empresas petroleras, fundamentalmente para la remediación de vertidos de gasolina, estas aparecen en los años 70 (Geotecnia, 2000).
En los años 80 se generalizó el uso del aire para suministrar oxígeno a los lugares contaminados mejorando la eficacia de los métodos de degradación (Cossio et al., 2012), durante los años 90, se hizo posible la biorremediación mediante el desarrollo de las tecnologías de “burbujeo de oxígeno” en franjas por debajo del nivel freático (Helena et al., 2014). Al mismo tiempo, la implementación de laboratorios permitió el tratamiento de hidrocarburos clorados, los primeros intentos fueron con metales pesados, entre otros experimentos anaerobios, paralelamente se desarrollaron estrategias de ingeniería que mejoraron los rendimientos de los métodos más populares para suelos contaminados (“biolabranza”, “compostaje") (Torres Delgado & Zuluaga Montoya, 2013).
Las características del contaminante, como la del suelo trabajan de manera compleja y se definirán por una variedad de factores para así poder determinar el comportamiento de un contaminante en el suelo, así como la eficacia de una tecnología de remediación (Helena et al., 2014). Por tanto, para la selección adecuada de una tecnología de remediación con excelentes resultados de éxito, es primordial considerar tanto las propiedades del contaminante como las del sitio contaminado. También dentro de los factores a considerar se encuentran los siguientes: (i) procesos químicos (reacciones de hidrólisis, oxidación, reducción, fotólisis); (ii) procesos físicos o de transporte (sorción, advección, dispersión, difusión, volatilización y solubilización); y (iii) procesos biológicos (biodegradación, biotransformación y toxicidad) (Sepúlveda & Trejo, 2002).
La biodegradación es la más común y es la más fácil de manejar como lo muestran varios de los investigadores en sus estudios y resultados (Díaz et al., 2013), por biorremediación tenemos la Biorremediación de suelo contaminado con 55000 y 65000 ppm de aceite residual automotriz y fitorremediación con Sorghum bicolor inoculado con Burkholderia cepacia y Penicillium chrysogenum (Sánchez Yañes et al., 2015) el cual somete al suelo contaminado con 55000 y 65000 ppm de aceite residual automotriz (ARA) a biorremediación por bioestimulación (BS), seguida de fitorremediación (FR) con Sorghum bicolor y microorganismos promotores del crecimiento vegetal (MPCV) para reducir el ARA a un valor inferior al máximo permisible por la NOM-138 SEMARNAT/SS-2003 de 4400 ppm/Kg de suelo (Sánchez Yañes et al., 2015).
En Puno también existen investigaciones de fitorremediación de suelos expuestos a plomo (Pb) y cadmio (Cd) utilizando alopecurus magellanicus bracteatus y muhlenbergia angustata (poaceae), en el cual se seleccionaron diez puntos de muestreo próximos a una zona minera de Ananea-Puno, Perú. No se encontraron diferencias entre A. magellanicus bracteatusy M. angustata en la concentración de Pb y Cd en la raíz, y en las hojas. El potencial de fitorremediación para ambas especies de plantas fue bajo (Argota Pérez et al., 2014).
Las hipótesis de esta investigación se centran en la suposición de que la adición controlada de urea y el landfarming al suelo contaminado favorecerá el crecimiento y la actividad de microorganismos degradadores de hidrocarburos, acelerando así el proceso de remediación. A este respecto se plantean los iguientes objetivos:
Objetivo general
§ Analizar la técnica de la adición de la urea en la remediación de suelos contaminados por hidrocarburos de la ciudad de Juliaca-2022
Objetivos específicos
· Determinar cómo interviene la urea en la remediación de suelos contaminados por hidrocarburos.
· Establecer la dosificación de la urea para el empleo en la remediación de suelos contaminados por hidrocarburos.
· Comparar el efecto de la urea en la estimulación de la degradación de hidrocarburos de suelos contaminados.
METODOLOGÍA
La metodología de investigación fue experimetal y cuantitativa, siendo de esta manera de tipo aplicada (Hernández-Sampieri et al., 2006). Para la remediación de suelos contaminados por hidrocarburos implica una serie de pasos y técnicas específicas para identificar, evaluar y tratar la contaminación.
A continuación, se presenta el procedimiento general de la metodología aplicada según las características particulares del estudio: Revisión de la literatura; Realizar una revisión exhaustiva de la literatura científica y técnica relacionada con la remediación de suelos contaminados por hidrocarburos. Caracterización del sitio; identificando el estrato de suelo con más resistencia con fines de cimentación para tomarlo como muestra natural, luego controlar la contaminación por hidrocarburos del suelo, su extensión y la profundidad. Para su remediación se utiliza la urea y el proceso de landfarming.
Población: Suelos contaminados por hidrocarburos en la ciudad de Juliaca presentes en las estaciones de servicio de combustible o aledaños.
Muestra: suelos contaminados por hidrocarburos de estrato de suelo con mayor capacidad de soporte de la urbanización Anexo Jesús Nazareno Mz. “C” lote 10.
Tipo de Muestreo: El muestreo es a conveniencia, intencional a criterio del investigador (Quezada Lucio, 2010).
En esta investigación se realizó el método de degradación de hidrocarburos por estimulación mediante nutrientes (urea) y landfarming. Para Esta actividad se ubicaron celdas cargadas con 15000 gr. de muestra natural del estrato de mejor capacidad de soporte para una cimentación. También se habilitaron zonas de tratamiento en un área adecuada para el método landfarming a pequeña escala además de las instalaciones de la Universidad Peruana Unión. Laboratorio de Ingeniería Ambiental, que se distribuyó de la siguiente manera:
Estimulación: landfarming a pequeña escala más;
§ M-1: Suelo natural; 100% de suelo provenientes de la zona de estudio del estrato de más capacidad de soporte.
§ M-2: Suelo contaminado; 100% de suelos contaminados artificialmente con hidrocarburos (petróleo) 16.67ml/kg provenientes de la zona de estudio.
§ M-3: Suelo Contaminado más Nutriente 33.33 gr/kg; 100% de sedimentos contaminados con hidrocarburos de la zona de estudio, más nutriente (Urea 500gr.)
§ M-4: Suelo Contaminado más Nutriente 66.67 gr/kg; 100% de sedimentos contaminados con hidrocarburos de la zona de estudio, más nutriente (Urea 1000gr.)
§ M-5: Suelo Contaminado más Nutriente 100.00 gr/kg; 100% de sedimentos contaminados con hidrocarburos de la zona de estudio, más nutriente (Urea 1500gr.)
Para la muestra M-1; se realizó un estudio físico mecánico del suelo en la urbanización Anexo Jesús Nazareno precisamente en la manzana C lote 10, realizando una calicata convencional, el cual el estrato con mayor capacidad de soporte está ubicado a una profundidad de 1.70m por el ensayo de GEOGAUGE y corte directo, siendo este estrato un suelo arenoso (SP) según el sistema de clasificación de suelos (SUCS) y en relación a la American Association of State Highway and Transportation Officials (AASHTO) clasifica en A1-b (0), los parámetros del suelo en estudio se muestran en las siguientes tablas AASHTO:
Tabla 1. Clasificación de suelo de la muestra M-1
|
Calicata |
Profundidad (m) |
Densidad |
Humedad (%) |
Consistencia |
Granulometría (% que pasa) |
I.G. |
Clasificación |
|||||||
|
Natural (gr/cm³) |
Seca (gr/cm³) |
LL (%) |
LP (%) |
IP (%) |
N°4 |
N°10 |
N°40 |
N° 200 |
SUCS |
AASHTO |
||||
|
C-01 |
1.70 |
1.75 |
1.62 |
7.50 |
NP |
NP |
NP |
99.69 |
97.21 |
36.61 |
4.77 |
0.0 |
SP |
A1-b (0) |
Nota: en la tabla muestra el resumen de los parámetros físicos de la muestra de suelo natural en estudio.
Tabla 2. Propiedades mecánicas de suelo de la muestra M-1
|
Calicata |
Profundidad (m) |
Corte Directo |
Módulo elástico (Mpa) |
Rigidez del suelo Mr (MN/m) |
Coeficiente de poisson (μ) |
Modulo de corte G (Mpa) |
CBR al 100% |
q adm (Kg/cm²) |
|
|
C (Kg/cm²) |
φ |
||||||||
|
C-01 |
1.70 |
0.09 |
30.48° |
44.96 |
5.18 |
0.37 |
16.37 |
11.50 |
2.43 |
Nota: en la tabla muestra el resumen de las propiedades mecánicas de la muestra de suelo natural en estudio realizadas mediante ensayos de GEOGAUGE y corte directo.
Fotografía 1. Muestreo de calicata C-01
Nota. Las fotografías muestran el ensayo de Geogauge y la extracción de la muestra a una profundidad 1.70m (Muestra M-1).
Para las muestras M-2, M-3, M-4, M-5; Se tuvo control en la contaminación pesando 15000gr de suelo natural contaminándolo artificialmente con hidrocarburos (petróleo) 16.67ml/kg equivalente a 250ml. Con una probeta normalizada.
Fotografía 2.
Medición
del contaminante
Nota. Las fotografías muestran el hidrocarburo (petróleo) en 250ml. utilizado para la contaminación del suelo.
Proceso de remediación
En esta etapa del proyecto se realiza la técnica de la adición de la urea como agente químico de remediación de suelo contaminado por hidrocarburo de la siguiente manera; a la muestra M-3, M-4, M-5 se le agrega 500gr, 1000gr, y 1500gr. De urea de cultivo triturada y diluida en 1000ml de agua respectivamente.
Fotografía 3. Técnica de adición de la urea en 500gr, 1000gr y 1500gr.
Nota. Las fotografías muestran la aplicación de la urea como diluida en agua en 500gr, 1000gr y 1500gr.
Además, para estimular este efecto de la urea con el suelo contaminado se procede a mezclar uniformemente la muestra, también se realiza el proceso de landfarming a pequeña escala, aireando el suelo dos veces al día comprendidos entre las 7:00am y 7:00pm para su análisis y comportamiento durante tres meses, acomodando las celdas en un lugar estratégico donde la luz solar también fungirá un factor importante.
Fotografía 4. Estimulación por landfarming a pequeña escala
Nota. La fotografía muestra el método de degradación de contaminantes mediante el uso de la urea y el landfarming a pequeña escala como estimulante.
Ensayos de condiciones ambientales del suelo
Para el análisis del efecto de remediación se realizó el análisis de suelo en el laboratorio de ingeniería ambiental de la Universidad Peruana Unión, llevando muestras periódicamente cada mes del estudio y así evaluar el comportamiento del suelo con la adicción de la urea y el landfarming. Para este análisis de suelo, las muestras deben estar secas por un lapso mínimo de 12 horas y ser trituradas, pasante el tamiz N° 200. La muestra deberá ser fina debido a que los químicos a utilizar necesitan reaccionar con la muestra y así obtener datos relevantes, sobre los parámetros medidos fueron los siguientes:
pH; El método potenciométrico para medir el pH es un enfoque común en el que se utiliza un electrodo de vidrio específico para pH para detectar el nivel de acidez o alcalinidad de una solución.
Humedad; El método termogravimétrico (TGA, por sus siglas en inglés, Thermogravimetric Analysis) es una técnica utilizada para medir cambios en la masa de una muestra a medida que se somete a un aumento controlado de temperatura. Este método puede ser empleado para determinar el contenido de humedad en una muestra a través del seguimiento de la pérdida de masa asociada con la evaporación del agua.
Conductividad eléctrica; El método conductimétrico se utiliza para medir la conductividad eléctrica de una solución. La conductividad eléctrica está relacionada con la capacidad de una solución para transportar iones y, por lo tanto, se puede utilizar para inferir la concentración de iones disueltos en dicha solución.
Nitrógeno; El método utilizado es por colorimetría a través del kit LaMotte. Para el nitrógeno se midió en forma de nitrato.
Fósforo; La prueba de fósforo es extremadamente sensible precauciones especiales deben adoptarse para evitar la contaminación. En particular, la exposición a los componentes de la prueba al polvo de fertilizantes debe ser escrupulosamente evitada, La superficie de trabajo, zona de pruebas, manos y ropa del operador, deben estar limpias y libres de residuos de fertilizantes.
Potasio; Es importante que la temperatura de la muestra (extracto de suelo) y del “Reactivo Potasio C” (5162) estén en el intervalo de 20 a 27 °C. En los días cálidos antes del ensayo se debe enfriar la muestra en el tubo Potash “A” y el contenedor del “Reactivo Potasio C” (5162), colocándolos en agua fría.
RESULTADOS Y DISCUSIÓN
A continuación, se muestran los resultados de análisis de suelo tomados en tres meses diferentes denominados muestreo N° 1, 2 y 3 determinados en el laboratorio, realizando análisis de suelo mediante el kit LaMotte y la metodología antes explicada, como la presencia y cantidad de diversos elementos químicos. Estos elementos pueden abarcar desde macronutrientes como nitrógeno, fósforo y potasio, como también el pH y conductividad eléctrica del suelo muy importantes para el crecimiento de plantas.
De los datos recopilados en laboratorio estos deben ser procesados a unidades conocidas para una mejor interpretación de los mismos como el nitrógeno, fosforo y potasio que están en libras por acre en kilogramos por hectárea siendo estos resultados lo siguiente:
Tabla 3. Análisis de suelo de muestreo N° 1
|
Muestras |
Parámetro |
|||||
|
pH |
Humedad (%) |
Conductividad eléctrica (μS/cm) |
Nitrógeno (kg/ha) |
Fósforo (kg/ha) |
Potasio (kg/ha) |
|
|
M-1; Suelo o sedimento |
7,50 |
2,02 |
39,70 |
56.04 |
134.51 |
156.92 |
|
M-2: Suelo contaminado con hidrocarburo 16.67ml/kg (petróleo) |
6,88 |
1,22 |
68,90 |
33.63 |
145.72 |
156.92 |
|
M-3: Suelo contaminado + nutriente 500gr. |
7,20 |
1,10 |
90,20 |
78.46 |
147.96 |
156.92 |
|
M-4: Suelo contaminado + nutriente 1000gr. |
7,23 |
1,04 |
83,40 |
56.04 |
156.92 |
112.09 |
|
M-5: Suelo contaminado + nutriente 1500gr. |
7,10 |
0,74 |
26,10 |
24.66 |
168.13 |
78.46 |
Nota: en la tabla muestra los parámetros químicos de suelo en estudio, muestra tomada en el mes diciembre de 2022.
Tabla 4. Análisis de suelo de muestreo N° 2
|
Muestras |
Parámetro |
|||||
|
pH |
Humedad (%) |
Conductividad eléctrica (μS/cm) |
Nitrógeno (kg/ha) |
Fósforo (kg/ha) |
Potasio (kg/ha) |
|
|
M-1; Suelo o sedimento |
9,16 |
2,19 |
168,20 |
16.81 |
112.09 |
112.09 |
|
M-2: Suelo contaminado con hidrocarburo 16.67ml/kg (petróleo) |
9,07 |
1,43 |
218,40 |
28.02 |
140.11 |
112.09 |
|
M-3: Suelo contaminado + nutriente 500gr. |
8,17 |
1,25 |
189,70 |
44.84 |
140.11 |
134.51 |
|
M-4: Suelo contaminado + nutriente 1000gr. |
8,11 |
1,16 |
186,50 |
44.84 |
168.13 |
112.09 |
|
M-5: Suelo contaminado + nutriente 1500gr. |
8,07 |
0,99 |
125,80 |
67.25 |
168.13 |
84.07 |
Nota: en la tabla muestra los parámetros químicos de suelo en estudio, muestra tomada en el mes enero de 2023.
Tabla 5. Análisis de suelo de muestreo N° 3
|
Muestras |
Parámetro |
|||||
|
pH |
Humedad (%) |
Conductividad eléctrica (μS/cm) |
Nitrógeno (kg/ha) |
Fósforo (kg/ha) |
Potasio (kg/ha) |
|
|
M-1; Suelo o sedimento |
8,01 |
2,38 |
348,00 |
22.42 |
140.11 |
123.30 |
|
M-2: Suelo contaminado con hidrocarburo 16.67ml/kg (petróleo) |
8,43 |
1,54 |
143,80 |
33.63 |
140.11 |
140.11 |
|
M-3: Suelo contaminado + nutriente 500gr. |
8,54 |
1,36 |
500,00 |
50.44 |
151.32 |
140.11 |
|
M-4: Suelo contaminado + nutriente 1000gr. |
8,18 |
1,24 |
372,00 |
56.04 |
168.13 |
123.30 |
|
M-5: Suelo contaminado + nutriente 1500gr. |
7,94 |
1,15 |
233,00 |
78.46 |
224.18 |
89.67 |
Nota: en la tabla muestra los parámetros químicos de suelo en estudio, muestra tomada en el mes febrero de 2023.
Los datos recopilados en esta investigación son cuantitativos en su totalidad y se expresan en términos de cantidades y medidas. Esto permite un análisis estadístico para inferir patrones, relaciones y tendencias:
Tabla 6. Estadísticos descriptivos
|
|
N |
Mínimo |
Máximo |
Media |
Desv. Estándar |
|
Tratamiento de muestras |
15 |
1,00 |
5,00 |
3,0000 |
1,46385 |
|
pH |
15 |
6,88 |
9,16 |
7,9660 |
,69400 |
|
Humedad |
15 |
0,74 |
2,38 |
1,3873 |
,46387 |
|
Conductividad eléctrica |
15 |
26,10 |
500,00 |
186,2467 |
133,31435 |
|
Nitrógeno |
15 |
16,81 |
78,46 |
46,1053 |
19,59645 |
|
Fósforo |
15 |
112,09 |
224,18 |
153,7107 |
25,00199 |
|
Potasio |
15 |
78,46 |
156,92 |
122,1767 |
25,69888 |
|
N válido (por lista) |
15 |
|
|
|
|
Nota: en la tabla muestra los estadísticos descriptivos que permitirán el análisis de las muestras.
Tabla 7. Análisis descriptivos (95% del intervalo de confianza para la media)
|
|
N |
Media |
Desv. Estándar |
Desv. Error |
Límite inferior |
Límite superior |
Mínimo |
Máximo |
|
|
pH |
M-1 |
3 |
8,2233 |
,85031 |
,49093 |
6,1110 |
10,3356 |
7,50 |
9,16 |
|
M-2 |
3 |
8,1267 |
1,12607 |
,65014 |
5,3294 |
10,9240 |
6,88 |
9,07 |
|
|
M-3 |
3 |
7,9700 |
,69203 |
,39954 |
6,2509 |
9,6891 |
7,20 |
8,54 |
|
|
M-4 |
3 |
7,8067 |
,58705 |
,33894 |
6,3483 |
9,2650 |
7,13 |
8,18 |
|
|
M-5 |
3 |
7,7033 |
,52653 |
,30399 |
6,3954 |
9,0113 |
7,10 |
8,07 |
|
|
Total |
15 |
7,9660 |
,69400 |
,17919 |
7,5817 |
8,3503 |
6,88 |
9,16 |
|
|
Humedad |
M-1 |
3 |
2,1967 |
,18009 |
,10398 |
1,7493 |
2,6440 |
2,02 |
2,38 |
|
M-2 |
3 |
1,3967 |
,16258 |
,09387 |
,9928 |
1,8005 |
1,22 |
1,54 |
|
|
M-3 |
3 |
1,2367 |
,13051 |
,07535 |
,9125 |
1,5609 |
1,10 |
1,36 |
|
|
M-4 |
3 |
1,1467 |
,10066 |
,05812 |
,8966 |
1,3967 |
1,04 |
1,24 |
|
|
M-5 |
3 |
,9600 |
,20664 |
,11930 |
,4467 |
1,4733 |
0,74 |
1,15 |
|
|
Total |
15 |
1,3873 |
,46387 |
,11977 |
1,1304 |
1,6442 |
0,74 |
2,38 |
|
|
Conductividad eléctrica |
M-1 |
3 |
185,3000 |
154,85971 |
89,40830 |
-199,3928 |
569,9928 |
39,70 |
348,00 |
|
M-2 |
3 |
143,7000 |
74,75005 |
43,15696 |
-41,9894 |
329,3894 |
68,90 |
218,40 |
|
|
M-3 |
3 |
259,9667 |
213,74532 |
123,40592 |
-271,0062 |
790,9395 |
90,20 |
500,00 |
|
|
M-4 |
3 |
213,9667 |
146,24740 |
84,43598 |
-149,3320 |
577,2654 |
83,40 |
372,00 |
|
|
M-5 |
3 |
128,3000 |
103,47265 |
59,73996 |
-128,7403 |
385,3403 |
26,10 |
233,00 |
|
|
Total |
15 |
186,2467 |
133,31435 |
34,42162 |
112,4196 |
260,0737 |
26,10 |
500,00 |
|
|
Nitrógeno |
M-1 |
3 |
31,7567 |
21,21623 |
12,24919 |
-20,9474 |
84,4607 |
16,81 |
56,04 |
|
M-2 |
3 |
31,7600 |
3,23894 |
1,87000 |
23,7140 |
39,8060 |
28,02 |
33,63 |
|
|
M-3 |
3 |
57,9133 |
18,01289 |
10,39975 |
13,1668 |
102,6598 |
44,84 |
78,46 |
|
|
M-4 |
3 |
52,3067 |
6,46632 |
3,73333 |
36,2434 |
68,3699 |
44,84 |
56,04 |
|
|
M-5 |
3 |
56,7900 |
28,38430 |
16,38769 |
-13,7205 |
127,3005 |
24,66 |
78,46 |
|
|
Total |
15 |
46,1053 |
19,59645 |
5,05978 |
35,2532 |
56,9575 |
16,81 |
78,46 |
|
|
Fósforo |
M-1 |
3 |
128,9033 |
14,82755 |
8,56069 |
92,0697 |
165,7370 |
112,09 |
140,11 |
|
M-2 |
3 |
141,9800 |
3,23894 |
1,87000 |
133,9340 |
150,0260 |
140,11 |
145,72 |
|
|
M-3 |
3 |
146,4633 |
5,75292 |
3,32145 |
132,1723 |
160,7544 |
140,11 |
151,32 |
|
|
M-4 |
3 |
164,3933 |
6,47210 |
3,73667 |
148,3158 |
180,4709 |
156,92 |
168,13 |
|
|
M-5 |
3 |
186,8133 |
32,36048 |
18,68333 |
106,4254 |
267,2012 |
168,13 |
224,18 |
|
|
Total |
15 |
153,7107 |
25,00199 |
6,45548 |
139,8650 |
167,5563 |
112,09 |
224,18 |
|
|
Potasio |
M-1 |
3 |
130,7700 |
23,32987 |
13,46951 |
72,8154 |
188,7246 |
112,09 |
156,92 |
|
M-2 |
3 |
136,3733 |
22,64739 |
13,07548 |
80,1141 |
192,6326 |
112,09 |
156,92 |
|
|
M-3 |
3 |
143,8467 |
11,66293 |
6,73360 |
114,8743 |
172,8190 |
134,51 |
156,92 |
|
|
M-4 |
3 |
115,8267 |
6,47210 |
3,73667 |
99,7491 |
131,9042 |
112,09 |
123,30 |
|
|
M-5 |
3 |
84,0667 |
5,60500 |
3,23605 |
70,1431 |
97,9903 |
78,46 |
89,67 |
|
|
Total |
15 |
122,1767 |
25,69888 |
6,63542 |
107,9451 |
136,4082 |
78,46 |
156,92 |
|
Nota: en la tabla muestra el análisis descriptivo de las muestras en estudio.
Con las tablas 6 y 7 se procede a realizar el análisis de varianza, conocido comúnmente como ANOVA (por sus siglas en inglés, Analysis of Variance), para determinar si hay alguna diferencia significativa entre las medias de los grupos. Existen varios tipos de ANOVA, y la elección del tipo adecuado depende de la naturaleza del diseño experimental. En este caso se utilizará el ANOVA de un factor (One-Way ANOVA), debido a que se comparará las medias de tres o más grupos en una única variable independiente:
Tabla 8. Análisis de varianza (ANOVA)
|
|
Suma de cuadrados |
gl |
Media cuadrática |
F |
Sig. |
|
|
pH |
Entre grupos |
,559 |
4 |
,140 |
,226 |
,918 |
|
Dentro de grupos |
6,184 |
10 |
,618 |
|
|
|
|
Total |
6,743 |
14 |
|
|
|
|
|
Humedad |
Entre grupos |
2,755 |
4 |
,689 |
26,751 |
,000 |
|
Dentro de grupos |
,257 |
10 |
,026 |
|
|
|
|
Total |
3,012 |
14 |
|
|
|
|
|
Conductividad eléctrica |
Entre grupos |
34115,904 |
4 |
8528,976 |
,397 |
,806 |
|
Dentro de grupos |
214702,113 |
10 |
21470,211 |
|
|
|
|
Total |
248818,017 |
14 |
|
|
|
|
|
Nitrógeno |
Entre grupos |
2111,161 |
4 |
527,790 |
1,616 |
,245 |
|
Dentro de grupos |
3265,130 |
10 |
326,513 |
|
|
|
|
Total |
5376,291 |
14 |
|
|
|
|
|
Fósforo |
Entre grupos |
6046,326 |
4 |
1511,582 |
5,588 |
,013 |
|
Dentro de grupos |
2705,063 |
10 |
270,506 |
|
|
|
|
Total |
8751,390 |
14 |
|
|
|
|
|
Potasio |
Entre grupos |
6713,023 |
4 |
1678,256 |
6,625 |
,007 |
|
Dentro de grupos |
2533,030 |
10 |
253,303 |
|
|
|
|
Total |
9246,053 |
14 |
|
|
|
|
Nota: en la tabla muestra el análisis ANOVA de las diferentes muestras independientes.
Para estimar las diferencias entre dos componentes de variabilidad, se calcula el estadístico F, que es la razón de variación entre la variación de intergrupos y la variación intragrupos.
Si F es un numero grande, la variabilidad entre medias de las muestras es mayor que la esperada a la variabilidad dentro de las muestras, y rechazamos H₀.
Si P<0.05 rechazamos H₀, que indica que las medias comparadas son iguales. Es decir, si existe diferencia estadísticamente significativa entre las medias.
Del análisis podemos observar que el P valor o significancia superan el 0.05 en el pH, conductividad eléctrica y nitrógeno por lo que indica que estos datos son homogéneos y con lo que respecta a la humedad, fósforo y potasio son muy variados unos de otros.
En seguida mostramos los gráficos de medias de las muestras las muestras M-1. M-2, M-3, M-4 y M-5:
Figura 1. Comportamiento del pH
Nota. La figura muestra la reducción del pH promedio en relación al tratamiento realizado.
Figura 2. Comportamiento de la humedad
Nota. La figura muestra la reducción de la humedad promedio en relación al tratamiento realizado.
Figura 3. Comportamiento de la conductividad eléctrica
Nota. La figura muestra la conductividad eléctrica promedio en relación al tratamiento realizado.
Figura 4. Comportamiento del nitrógeno
Nota. La figura muestra el comportamiento de nitrógeno en relación al tratamiento realizado.
Figura 5. Comportamiento del fósforo
Nota. La figura muestra el incremento del fósforo promedio en relación al tratamiento realizado.
Figura 6. Comportamiento del potasio
Nota. La figura muestra el comportamiento del potasio promedio en relación al tratamiento realizado.
Para obtener la proporción optima de nutrientes en la remediación de suelos contaminados, procedemos a realizar una regresión lineal de los datos del pH, conductividad eléctrica y nitrógeno al ser estos homogéneos. para establecer el tratamiento que se asemeja a las propiedades de origen del suelo y así determinar la cantidad de nutriente a utilizar para un tratamiento óptimo.
Tabla 9. Resumen de modelo de estimaciones de regresión
|
Variable dependiente |
Ecuación |
Resumen del modelo |
Estimaciones de parámetro |
||||||
|
R cuadrado |
F |
gl1 |
gl2 |
Sig. |
Constante |
X |
X² |
||
|
pH |
Lineal |
,061 |
,650 |
1 |
10 |
,439 |
8,117 |
-2,87E-4 |
|
|
Humedad |
Lineal |
,598 |
14,901 |
1 |
10 |
,003 |
1,395 |
-2,8E-4 |
|
|
Conductividad eléctrica |
Cuadrático |
,159 |
,848 |
2 |
9 |
,460 |
149,830 |
0,284 |
-2,02E-4 |
|
Nitrógeno |
Cuadrático |
,291 |
1,843 |
2 |
9 |
,213 |
33,853 |
0,046 |
-2,167E-5 |
|
Fósforo |
Lineal |
,580 |
13,838 |
1 |
10 |
,004 |
137,048 |
0,030 |
|
|
Potasio |
Cuadrático |
,798 |
17,724 |
2 |
9 |
,001 |
137,961 |
0,022 |
-3,923E-5 |
Nota: en la tabla muestra las estimaciones de los parámetros de ecuación siendo la variable independiente el tratamiento de las muestras M-2, M-3, M- 4 y M-5.
Figura 7. Regresión lineal del pH
Nota. La figura muestra la ecuación y la regresión lineal de pH.
Figura 8. Regresión lineal de la humedad
Nota. La figura muestra la ecuación y la regresión lineal de la humedad.
Figura 9. Regresión cuadrática de la conductividad eléctrica
Nota. La figura muestra la ecuación y la regresión cuadrática de la conductividad eléctrica.
Figura 10. Regresión cuadrática del nitrógeno
Nota. La figura muestra la ecuación y la regresión cuadrática del nitrógeno.
Figura 11. Regresión lineal del fósforo
Nota. La figura muestra la ecuación y la regresión lineal del fósforo.
Figura 12. Regresión cuadrática del potasio
Nota. La figura muestra la ecuación y la regresión cuadrática del potasio
Tabla 10. Parámetros del suelo de la proporción optima de nutriente
|
Proporción de nutriente |
PARÁMETRO |
|||||
|
pH |
Humedad (%) |
Conductividad eléctrica (μS/cm) |
Nitrógeno (kg/ha) |
Fósforo (kg/ha) |
Potasio (kg/ha) |
|
|
1267,39 |
7,75 |
1,04 |
185,30 |
57,34 |
175,07 |
102,83 |
Nota: en la tabla se muestra los parámetros del suelo de la proporción optima de nutriente y landfarming en la remediación de suelos contaminados por hidrocarburos.
La urea proporciona nitrógeno, que es esencial para el crecimiento de microorganismos. Al aumentar la cantidad de nitrógeno disponible en el suelo, se puede estimular el crecimiento de bacterias y otros microorganismos que tienen la capacidad de degradar los hidrocarburos. El landfarming es un tratamiento que implica la aireación para mejorar el suministro de oxígeno necesario para el crecimiento de microorganismos presentes en el suelo.
CONCLUSIONES
La urea es un nutriente que puede tener aplicaciones en la remediación de suelos contaminados. En el caso de suelos contaminados por hidrocarburos, la técnica de la adición de la urea es adaptable a diferentes tipos de suelos y condiciones ambientales. Además, logra actuar como fuente de nitrógeno para microorganismos que descomponen los contaminantes presentes en los suelos, evitando la necesidad de soluciones químicas más agresivas.
La dosificación óptima de nutrientes para la remedición de suelos contaminados por hidrocarburos (petróleo) se determinó en 1267.39 gramos, logrando restablecer la conductividad eléctrica a niveles similares a los del suelo antes de la contaminación, con un valor de 185.30 uS/cm. Además, se observó una reducción del pH a 7.75, indicando una corrección exitosa. Sin embargo, es importante destacar que, en cuanto a la humedad, fósforo y potasio, se obtendrán valores variados debido a las condiciones específicas del suelo, marcando la necesidad de considerar estos factores de manera individualizada en futuras aplicaciones de la técnica. Asimismo, se logró alcanzar un equilibrio en los niveles de nitrógeno, fósforo y potasio a 57.34 kg/ha, 175.07 kg/ha y 102.83 kg/ha respectivamente, contribuyendo a la restauración del suelo contaminado. Estos resultados subrayan la importancia de una dosificación precisa de nutrientes para lograr una efectiva remediación y resaltar la necesidad de monitoreo continuo para evaluar y ajustar el proceso según las características específicas de cada área afectada.
El landfarming se presenta como una alternativa viable y económicamente más accesible para la remediación de suelos contaminados, en contraste con otras técnicas más costosas. No obstante, es crucial reconocer que su eficacia está sujeta a diversos factores, incluyendo la naturaleza y nivel de contaminación, las condiciones climáticas y la capacidad del suelo para llevar a cabo el tratamiento. La evaluación integral de estos elementos es esencial para determinar la idoneidad del landfarming en la selección de estrategias de remediación del suelo.
REFERENCIAS BIBLIOGRÁFICAS
Argota Pérez, G., Encina Cáceres, M., Argota Coello, H., & Iannacone O, J. (2014). Coeficientes biológicos de fitorremediación de suelos expuestos a plomo y cadmio utilizando Alopecurus magellanicus var. bracteatus y Muhlenbergia angustata (Poaceae), Puno, Perú. The Biologist, 12(1), 99–108. https://doi.org/ISSN 1994-9073
Ariza, C., & Mejía, S. (2017). Optimización Del Proceso De Landfarming Para Mejorar La Funcionalidad Del Tratamiento De Suelos Contaminados Con Hidrocarburos Mediante La Adición De Materia Orgánica. Scientific International JournalTM, 14(3), 11.
http://www.nperci.org/C. Ariza & S. Mejía-Optimización del proceso de landfarming-V14N3.pdf
Coria, I. D. (2007). Remediación de suelos contaminados con hidrocarburos. Universidad Abierta Interamericana, 1–7.
Cossio, M. L. T., Giesen, L. F., Araya, G., Pérez-Cotapos, M. L. S., Vergara, R. L., Manca, M., Tohme, R. A., Holmberg, S. D., Bressmann, T., Lirio, D. R., Román, J. S., Solís, R. G., Thakur, S., Rao, S. N., Modelado, E. L., La, A. D. E., Durante, C., Tradición, U. N. A., En, M., … Héritier, F. (2012). Biorremediacion. Uma Ética Para Quantos?, XXXIII(2), 81–87.
https://doi.org/10.1007/s13398-014-0173-7.2
Crespo González, A. (2018). Revisión Del Tratamiento De Las Alteraciones En El Ciclo De La Urea. 1–20.
Díaz, J., Ricoy, cristina, Moreno, C., Ricoy, V., Perez, V., & Valbuena, O. (2013). Incorporacion de Alcanos Por Bacterias Degradadoras de Hidrocarburos mediada por una Proteína de 70 KDa Combustible Diesel. 38, 437–442.
Encinas, M. (2011). Medio Ambiente Y Contamianción. Principios Básicos. In Addi.Ehu.Es. https://bit.ly/2QDqF6R
Geotecnia. (2000). Remediación de suelos contaminadas por hidrocarburos mediante biopilas: Caso práctico. PONENCIA, 2000, 1–92. http://www.geotecnia2000.com/files/archivos/Ponencia - Suelos Contaminados.pdf
Helena, P., Cardona, P., Del, G., & Mercado, C. (2014). Petróleo En Colombia Bioremediation Contaminated Soil Oil Spill in Colombia Petroleum.
Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2006). Análisis de los datos cuantitativos. In Metodología de la investigación.
Instituto nacional de estadística e informática. (2013). PERÚ Instituto Nacional de Estadística e Informática. https://www.inei.gob.pe/estadisticas-indice-tematico/
Quezada Lucio, N. (2010). Estadística para Ingenieros. Macro E.I.R.L.
Sánchez Yañes, J. M., Alonso Bravo, Jennyfer Nayeli Dasgupta Schuber, N., & Márquez Benavides, L. (2015). Biorremediación de suelo contaminado con 55000 y 65000 de aceite residual automotriz y fitorre- mediación con Sorghum bicolor inoculado con Burkholderia cepacia y Penicillium chrysogenum Bioremediation of soil contaminated by waste motor oil in 55000 and. 86–94.
Sepúlveda, T. V., & Trejo, J. V. (2002). Tecnologías de remediación para suelos contaminados. In Jiménez Editores. https://doi.org/10.1007/s13398-014-0173-7.2
Torres Delgado, K., & Zuluaga Montoya, T. (2013). Biorremediación de suelos contaminados en Colombia. Journal of Chemical Information and Modeling, 53(9), 1689–1699.
https://doi.org/10.1017/CBO9781107415324.004
Universidad de Ácala. (2012). Remediación contra eventos de contaminación masiva. Seminario, 22. http://www2.uah.es/tejedor_bio/bioquimica_ambiental/remediacion.pdf