evaluaciÓn del comportamiento de un...
TRANSCRIPT
EVALUACIÓN DEL COMPORTAMIENTO DE UN SISTEMA DE LAGUNAS DE AZOLLA PINNATA PARA EL TRATAMIENTO DE EFLUENTES DE PRODUCCIÓN DE TILAPIA
GUILLERMO CHAUX FIGUEROA
UNIVERSIDAD DEL VALLE FACULTAD DE INGENIERÍA
SANTIAGO DE CALI 2011
EVALUACIÓN DEL COMPORTAMIENTO DE UN SISTEMA DE LAGUNAS DE AZOLLA PINNATA PARA EL TRATAMIENTO DE EFLUENTES DE PRODUCCIÓN DE TILAPIA
GUILLERMO CHAUX FIGUEROA Estudiante
Maestría en Ingeniería Énfasis en Ingeniería Sanitaria y Ambiental
Universidad del Valle
Directora Ph. D. Julia Rosa Caicedo Bejarano
Codirector
Magíster Javier Ernesto Fernández Mera
Grupo de Investigación: Estudio y control de la contaminación ambiental
UNIVERSIDAD DEL VALLE FACULTAD DE INGENIERÍA
POSTGRADO EN INGENIERÍA SANITARIA Y AMBIENTAL SANTIAGO DE CALI
2011
Nota de aceptación
__________________________________
__________________________________
__________________________________
__________________________________
__________________________________
Director del trabajo de investigación
__________________________________
Co Director del trabajo de investigación
__________________________________
Jurado
__________________________________
Jurado
Santiago de Cali, septiembre 14 de 2011
A Dios nuestro Señor
que me ha dado pruebas de su infinita grandeza
y me ha acompañado en el logro de las metas propuestas
A mis padres: Rosa Figueroa y Víctor Chaux López
que además de darme la vida, forjaron el camino para mi
educación, el mayor legado que se le puede dar a un hijo.
AGRADECIMIENTOS
El autor expresa sus más sinceros agradecimientos a:
Julia Rosa Caicedo Bejarano y Javier Ernesto Fernández Mera,
Directores de este trabajo de investigación, por su constante
apoyo, importantes orientaciones y por el tiempo que tan
generosamente dedicaron a la producción de este documento
de tesis.
Robinson Astudillo y Sra., Nury Pinto, Paulo Mauricio Espinosa
Echeverry y Julio César Diago Franco, por la colaboración
prestada desde las diversas áreas y oficios en que se
desempeñan.
CREPIC, UNIVERSIDAD DEL CAUCA, UNIVERSIDAD DEL
VALLE y MINISTERIO DE AGRICULTURA por el apoyo
logístico y financiero, indispensables para el desarrollo de este
proyecto.
Dalia Ariza L., Ángel Guillermo Idrobo D., Javier Rivera A.,
Víctor M. Fernández, Jhayson E. Fernández por su valiosa
compañía y por motivarme a salir adelante, ofreciéndome su
amistad durante estos tres fructíferos años.
TABLA DE CONTENIDO
Página
LISTA DE TABLAS
viii
LISTA DE FIGURAS
ix
LISTA DE ANEXOS
x
LISTA DE ABREVIATURAS
xii
RESUMEN
xiii
1 INTRODUCCIÓN
1
2 PLANTEAMIENTO DEL PROBLEMA
2
3 JUSTIFICACIÓN
3
4 OBJETIVOS
4
5 MARCO TEÓRICO
4
5.1 Tipos de piscicultura 4
5.2 Proceso de producción de tilapia 5
5.2.1 Producción de alevinos 5
5.2.2 Levante y Engorde 5
5.2.3 Fertilización y abono 6
5.2.4 Cosecha 7
5.2.5 Procesamiento o transformación de los peces 7
5.2.6 Comercialización 7
5.3 Calidad de los efluentes de estanques productores de tilapia 7
5.4 Tratamiento de efluentes piscícolas 9
5.4.1 Antecedentes 9
5.5 Azolla
15
6 METODOLOGÍA
17
6.1 Ubicación de la estación experimental 17
6.2 Construcción de la planta piloto 17
6.3 Arranque del sistema 17
6.4 Operación de la planta 18
6.5 Evaluación del rendimiento de lagunas con y sin Azolla pinnata en condición de operación normal
19
6.6 Evaluación del efecto del incremento en el tiempo teórico de detención hidráulico en la calidad del efluente de las lagunas de Azolla pinnata
20
6.7 Evaluación del impacto de la captura de peces y vaciado del estanque en la calidad del efluente de las lagunas del sistema de tratamiento con Azolla pinnata
21
6.8 Análisis estadístico y diseño experimental 22
6.8.1 Comparación entre las dos líneas de tratamiento
22
CONTINUACIÓN TABLA DE CONTENIDO
6.8.2 Efecto del tiempo teórico de detención hidráulico en el sistema de lagunas con Azolla pinnata
23
6.8.3 Impacto de la captura de peces y vaciado del estanque en el rendimiento del sistema con Azolla
24
7 RESULTADOS
25
7.1 Comparación entre los efluentes del sistema de lagunas con Azolla pinnata y el sistema sin Azolla (Blanco) en condiciones de operación normal
26
7.1.1 Temperatura 27
7.1.2 pH 27
7.1.3 Oxígeno disuelto 28
7.1.4 Sólidos disueltos y conductividad eléctrica 28
7.1.5 Materia orgánica 29
7.1.6 Sólidos suspendidos totales 30
7.1.7 Fósforo total 31
7.1.8 Nitrógeno total Kjeldahl y amoniacal 31
7.2 Evaluación del efecto del incremento en el tiempo teórico de detención hidráulico en la calidad del efluente de las lagunas de Azolla pinnata
32
7.2.1 Materia orgánica y sólidos suspendidos 32
7.2.2 Nutrientes, sólidos disueltos y producción de biomasa 35
7.2.3 Lodos 39
7.3 Efecto del vaciado del estanque asociado a la cosecha de peces en la calidad del efluente de las lagunas de Azolla pinnata
40
8 DISCUSIÓN DE RESULTADOS
41
9 CONCLUSIONES Y RECOMENDACIONES
52
10 REFERENCIAS BIBLIOGRÁFICAS
54
11 ANEXOS
62
LISTA DE TABLAS
Página
Tabla 1. Parámetros de calidad del efluente en la Estación piscícola de Pambío en condiciones de operación normal
8
Tabla 2. Parámetros de calidad del efluente en la Estación piscícola de Pambío en un día de cosecha
8
Tabla 3. Cargas contaminantes equivalentes generadas durante la operación normal de un estanque de tilapia que procesa 0.91 L/s
9
Tabla 4. Cargas equivalentes diarias generadas durante un día de cosecha
9
Tabla 5. Puntos de muestreo
19
Tabla 6. Ensayos y métodos de análisis
20
Tabla 7. Valor de parámetros a la entrada del sistema en condiciones de operación normal
26
Tabla 8a. Desempeño del sistema piloto plantado con Azolla pinnata en condiciones de operación normal
26
Tabla 8b. Desempeño del sistema sin la planta acuática (Blanco) en condiciones de operación normal
27
Tabla 9. Tasa de producción de biomasa en lagunas de Azolla, nutrientes y contenido de materia seca
39
Tabla 10. Caracterización de los lodos acumulados durante 140 días (época de verano)
39
Tabla 11. Cargas de nitrógeno medidas en el sistema de lagunas con Azolla pinnata
39
Tabla 12. Calidad del efluente al final del proceso de vaciado
40
LISTA DE FIGURAS
Página
Figura 1. Vista superficial del estanque de tilapia durante su operación normal
6
Figura 2. Cosecha de Tilapia
7
Figura 3. Aspecto del efluente en operación normal
8
Figura 4. Aspecto del efluente durante la cosecha
8
Figura 5. Foto planta piloto
18
Figura 6. Esquema general de la planta piloto
19
Figura 7. Contenido de una caja esquemática
25
Figura 8. Variación de temperatura
27
Figura 9. Variación del pH
28
Figura 10. Variación del oxígeno disuelto
28
Figura 11. Variación de los sólidos disueltos
29
Figura 12. Variación de la conductividad eléctrica
29
Figura 13. Variación de la DBO5
30
Figura 14. Variación de DQO
30
Figura 15. Variación de los sólidos suspendidos totales
31
Figura 16. Variación del fósforo total en los dos sistemas
31
Figura 17. Variación del nitrógeno total Kjeldahl
32
Figura 18. Variación del nitrógeno amoniacal
32
Figura 19. Comportamiento de la DBO5 en el sistema de lagunas de Azolla. pinnata
33
Figura 20. Comportamiento del OD en el sistema de lagunas de Azolla pinnata
34
Figura 21. Comportamiento de la DQO en el sistema de lagunas de Azolla pinnata
35
Figura 22. Comportamiento de los SST en el sistema de lagunas de Azolla pinnata
35
Figura 23. Comportamiento del fósforo total en el sistema de lagunas de Azolla pinnata
36
Figura 24. Comportamiento de los sólidos disueltos en el sistema de lagunas de Azolla pinnata
37
Figura 25. Comportamiento del NTK en el sistema de lagunas de Azolla pinnata 37
Figura 26. Comportamiento del N-NH4+ en el sistema de lagunas de Azolla pinnata 38
Figura 27. Comportamiento del N-NO3 en el sistema de lagunas de Azolla pinnata 38
Figura 28. Comportamiento del N-NO2 en el sistema de lagunas de Azolla pinnata 38
LISTA DE ANEXOS
ANEXO A. Valores de parámetros físico químicos en las dos líneas de tratamiento en operación normal ANEXO A1. Calidad del afluente en condiciones de operación normal 62
ANEXO A2. Temperatura efluente 64
ANEXO A3. Sólidos disueltos efluente 65
ANEXO A4. Conductividad efluente 66
ANEXO A5. pH efluente 67
ANEXO A6. Oxígeno disuelto efluente 68
ANEXO A7. DBO5 efluente 69
ANEXO A8. DQO efluente 70
ANEXO A9. Sólidos suspendidos totales efluente 71
ANEXO A10. Fósforo total efluente 72
ANEXO A11 N- NH4 efluente 73
ANEXO A12. N-NTK efluente 74
ANEXO A13. N- NO3 en el sistema con Azolla efluente 74
ANEXO A14. N- NO2 en el sistema con Azolla efluente 75
ANEXO B. Resultados del modelo estadístico de comparación entre la línea con A. pinnata y el blanco ANEXO B1. Modelo estadístico para temperatura 76
ANEXO B2. Modelo estadístico para pH 77
ANEXO B3. Modelo estadístico para oxigeno disuelto 78
ANEXO B4. Modelo estadístico para conductividad eléctrica 79
ANEXO B5. Modelo estadístico para sólidos disueltos 80
ANEXO B6. Modelo estadístico para DBO5 81
ANEXO B7. Modelo estadístico para DQO 82
ANEXO B8. Modelo estadístico para fósforo total 83
ANEXO B9. Modelo estadístico para N- NTK 84
ANEXO B10. Modelo estadístico para N- NH4 85
ANEXO B11. Modelo estadístico para SST 86
ANEXO C. Comparación mediante pruebas T al interior de la línea con A. pinnata
ANEXO C1. Pruebas T temperatura 88
ANEXO C2. Pruebas T pH 91
ANEXO C3. Pruebas T oxígeno disuelto 95
ANEXO C4. Pruebas T conductividad eléctrica 99
ANEXO C5. Pruebas T sólidos disueltos 103
ANEXO C6. Pruebas T sólidos suspendidos totales 106
ANEXO C7. Pruebas T DBO5 109
ANEXO C8. Pruebas T DQO 112
ANEXO C9. Pruebas T fósforo total 116
ANEXO C10. Pruebas T N- NTK 119
ANEXO C11. Pruebas T N- NH4 122
ANEXO C12. Pruebas T nitritos 125
ANEXO C13. Pruebas T nitratos 128
CONTINUACIÓN LISTA DE ANEXOS
ANEXO D. Producción de biomasa fresca. Contenido de nitrógeno, fósforo y proteína en A. pinnata Peso húmedo, ganancia semanal de peso y producción semanal de biomasa fresca
131
Nitrógeno, proteína y fósforo en la biomasa
132
Peso seco de la biomasa 133 ANEXO E. Comparación mediante pruebas Z de la calidad efluente del vaciado del estanque piscícola con los promedios obtenidos en operación normal en la línea de A. pinnata ANEXO E1. Pruebas Z para temperatura
134
ANEXO E2. Pruebas Z para pH
135
ANEXO E3. Pruebas Z para conductividad eléctrica
136
ANEXO E4. Pruebas Z para sólidos suspendidos totales
137
ANEXO E5. Pruebas Z para oxigeno disuelto
138
ANEXO E6. Pruebas Z para DBO5
139
ANEXO E7. Pruebas Z para DQO
140
ANEXO E8. Pruebas Z para fósforo total
141
ANEXO E9. Pruebas Z para N- NH4
142
ANEXO E10. Pruebas Z para N- NTK 143 ANEXO F. Ejemplo de interpretación de resultados estadísticos ANEXO F1. Ejemplo de interpretación 144
LISTA DE ABREVIATURAS
EPA Agencia de protección ambiental de los Estados Unidos
N-NH3 Amoniaco
A. pinnata Azolla pinnata
cm Centímetro
CONAMA Consejo Nacional de Medio Ambiente- Brasil.
d Día
DBO5 Demanda Bioquímica de Oxígeno a 5 días y 20 oC
DQO Demanda Química de Oxígeno
ENA Estudio Nacional de Agua
FAO Fondo de la Organización de las Naciones Unidas para la Agricultura y la alimentación la Alimentación
P Fósforo
PT Fósforo total
g Gramo
ha Hectárea
FS Humedal de flujo sub superficial
FWS Humedal de flujo superficial
IC 95% Intervalo de confianza del 95%
N-NH4+ Ión amonio
Kg Kilogramo
m Metro
m2 Metro cuadrado
mg/L Miligramos por litro
MINAGRICULTURA Ministerio de Agricultura y Desarrollo Rural
MINAMBIENTE Ministerio de Ambiente, Vivienda y Desarrollo territorial
N Nitrógeno
N org Nitrógeno orgánico
NO3 Nitratos
NO2 Nitritos
NT Nitrógeno total
NTK Nitrógeno total Kjeldahl
n Número de muestras
Anammox Oxidación anaeróbica del amonio
OD Oxígeno disuelto
pH Potencial de hidrógeno
SDT Sólidos disueltos totales
SST Sólidos suspendidos totales
TRH Tiempo de retención hidráulico
et al. Y otros
µS/cm Micro-Siemens por centímetro
RESUMEN Los efluentes piscícolas producen impactos por nitrógeno, fósforo, materia orgánica y patógenos, capaces de causar eutrofización y limitar los usos de los cuerpos receptores en cuanto a pesca, recreación y consumo. Los sistemas de tratamiento con plantas acuáticas flotantes son una alternativa económica y sostenible para el tratamiento de estos líquidos. Azolla pinnata es una de las plantas acuáticas flotante que puede ser utilizada en este tipo
de sistemas de tratamiento y que además ofrece la posibilidad de ser usada para alimentación de animales y/o producción de fertilizantes para suelos. Se evaluó a escala piloto el desempeño de un sistema de lagunas en serie plantadas con Azolla pinnata como tratamiento para efluentes de lagos de cría de tilapia roja (Oreochromis sp.). La evaluación se realizó durante el proceso de levante y engorde del pez (operación normal) y durante los eventos de captura de peces y drenaje de estanques (cosecha). El sistema construido en la piscícola "La Yunga" (Popayán, Colombia) consistió en dos líneas de cinco lagunas en serie; una con A. pinnata y la otra sin la planta acuática (blanco); cada
laguna se operó con un tiempo teórico de detención de un día. La evaluación se realizó en época seca (temperaturas: 17 a 24 oC, abril- septiembre/2009). En operación normal las eficiencias de remoción obtenidas en las líneas (Azolla, blanco) fueron respectivamente: 56% y 46% DBO5; 49% y 26% DQO; 56% y 33% SST; 28% y 36% N-NTK; -108% y 23% N-NH4; 64% y 34% del fósforo total, mostrando superioridad de Azolla sobre el blanco. El efluente del sistema con Azolla cumple con la mayoría de los requisitos para vertimiento directo a cuerpos receptores y recirculación en cría de tilapia, excepto en sólidos suspendidos y oxígeno disuelto, situación que se puede mejorar con filtración gruesa y dilución del efluente. La remoción de materia orgánica, sólidos y fósforo total en el sistema con Azolla fue significativa hasta la tercera laguna de la serie, presentando una tendencia exponencial; la remoción del nitrógeno total fue del 23%, la producción de biomasa fresca osciló entre 42 y 87 g/m2.d y el contenido de proteína entre 18.5% y 20.4%. Durante el evento de cosecha todos los parámetros aumentaron significativamente, excepto la conductividad eléctrica; afectando drásticamente el sistema piloto, el cual tarda aproximadamente una semana en regresar a su condición de operación normal. Prácticas de cosecha sin drenar el estanque podrían minimizar el impacto de esta actividad. Futuras investigaciones deben evaluar los procesos de remoción del nitrógeno en sistemas de lagunas plantadas con A. pinnata.
1. INTRODUCCIÓN La captura de peces y la piscicultura suministraron al mundo cerca de 106 millones de toneladas de carne en el año 2004, con una provisión de 16.6 kg/persona (peso vivo equivalente). De este total, la producción piscícola suministró el 43%, que hace parte de la dieta de alrededor de 2600 millones de personas que derivan el 20% de su ingesta de proteína de la carne de pescado. En el mismo año la producción piscícola en América del Sur fue de 1.31 millones de toneladas (FAO, 2007) y en Colombia, de 30.000 toneladas con una demanda de agua en este último caso de 509.336.000 m3/año, que representa el 8.8% de la demanda nacional (MINAGRICULTURA, 2005).
El crecimiento de la actividad piscícola ha sido evidente en América del Sur, particularmente en Colombia. Debido a este crecimiento, que ha superado el 8.9% desde 1970, la actividad cambió, dejando de ser aquella piscicultura familiar para convertirse en una industria generadora de mayor lucro y mayores impactos ambientales. La producción de peces trae impactos al ambiente que incluyen desde liberación de excretas, restos de alimentos y medicamentos hasta ―contaminantes genéticos‖, ejemplo de esto son las tilapias y las carpas introducidas en América del Sur (Pardo et al., 2006). La calidad de los efluentes generados por la producción piscícola del país no ha sido documentada ni caracterizada en un buen porcentaje y se considera que se presentan deficiencias por el contenido de sólidos en suspensión, materia orgánica, nutrientes, subproductos de la actividad y contaminación fecal (Díaz, 2003). El potencial de expansión de la industria piscícola estará en duda, a menos que se desarrollen métodos para reducir los nutrientes emanados por este tipo de efluentes, potenciales causantes de eutrofización en fuentes receptoras. Cualquier sistema de tratamiento que se proponga debe ir encaminado a la reducción de sólidos sedimentables, nutrientes y materia orgánica para proteger los acuíferos, reservorios de agua y estuarios costeros (Carqberl et al., 2002).
Las alternativas consideradas para el tratamiento de efluentes piscícolas incluyen pre tratamientos por sedimentación simple y tratamientos complementarios como filtros de arena. Otras alternativas complejas usadas ante la necesidad de recircular las aguas, incluyen el uso de filtros percoladores en combinación con filtros de carbón activado y desinfección con lámpara UV (Díaz, 2003); sin embargo, su aplicación se limita por los altos costos de operación y mantenimiento. En el departamento del Cauca, la producción piscícola, está orientada hacia la cría de trucha y tilapia. En los estanques de producción de tilapia, se presentan dos condiciones en el efluente producido: una durante la cosecha (captura de peces) y otra durante el proceso de levante y engorde, llamada también operación normal. En el proceso de levante y engorde, el efluente presenta un grado de contaminación relativamente bajo y durante la cosecha se presentan drásticos incrementos en todos los parámetros físico químicos y bacteriológicos (Fernández, 2008), bajo estas condiciones, se puede explorar la utilización de plantas acuáticas flotantes en la
remoción de nutrientes y materia orgánica en este tipo de efluentes. Inicialmente este proyecto pretendía evaluar el comportamiento de sistemas de lagunas con Duckweed bajo condiciones de operación normal y cosecha con respecto a la remoción de contaminantes (nutrientes, sólidos suspendidos y materia orgánica) al tratar efluentes de lagos productores de tilapia roja; sin embargo, las condiciones ambientales del sitio donde se desarrolló la investigación y la cantidad de
nutrientes presentes en este efluente, no fueron adecuados para el desarrollo y crecimiento de esta planta, la cual se deterioró por la alta intensidad lumínica y radiación solar del sitio (estación piscícola "La Yunga"), presentó crecimiento nulo, redujo el tamaño de sus frondas y finalmente murió. Por ello, se decidió probar una especie diferente que se reproduce con facilidad en el área de estudio: el helecho acuático Azolla pinnata, en una planta piloto de cinco lagunas en serie y se evaluó el
comportamiento del sistema en el tratamiento del efluente mencionado bajo condiciones de operación normal y durante eventos de cosecha.
2. PLANTEAMIENTO DEL PROBLEMA Colombia poseía uno de los mayores potenciales hídricos del mundo: 53.000 m3 por persona por año, muy superior al promedio mundial de 10.000 m3 (Marín, 2003); sin embargo, según el Estudio Nacional de Agua (ENA) 2005, el índice de disponibilidad per cápita del agua ya no clasifica a Colombia como una las potencias hídricas del mundo, sino como el país número 24 en una lista de 182 naciones, ya que en la actualidad cada colombiano dispone de 40.000 m3 de agua al año y de no adoptar medidas para su conservación, para el año 2020, cada colombiano dispondrá de un volumen potencial de 1890 m3 de agua al año (Contraloría general de la República, 2008), además se enfrentan retos importantes en degradación ambiental que comprometen el desarrollo sostenible. Estudios preliminares sobre los costos de degradación ambiental en Colombia indican que los impactos mas considerables están asociados con la contaminación del agua, el saneamiento y la higiene (MINAMBIENTE, 2005). El país presenta rezago en el tratamiento de las aguas residuales debido a la poca existencia de sistemas de tratamiento y a la baja cobertura de las plantas existentes (para el año 2006 de 159 m3/s de agua residual producida solamente 5 m3/s recibían tratamiento) (Contraloría general de la República, 2008). Además, se tiene que el 85% de las aguas residuales industriales y un promedio del 95% de las aguas residuales agrícolas se vierten sin tratamiento alguno a las fuentes hídricas generando cargas contaminantes que se convierten en una externalidad negativa para los sistemas de abasto, al tiempo que traen consigo potenciales problemas de salud relacionados con enfermedades de origen hídrico causadas por virus y bacterias que afectan la población adulta e infantil, reducción del nivel de oxígeno disuelto y pesca en ríos y generan pérdida de productividad de tierras por riegos contaminados, entre otras consecuencias (MINAMBIENTE, 2008).
Una actividad no incluida en tales estudios es la piscicultura: las piscícolas tienen una alta presencia en nuestro país gracias a la oferta de recursos hídricos, terrenos y climas apropiados para esta actividad (MINAGRICULTURA, 2005); sin embargo, durante el proceso de producción de peces es inevitable la acumulación de residuos orgánicos y metabólicos en los estanques y criaderos. El suministro de alimento es el principal causante del deterioro de la calidad del agua, ya que el aporte de nutrientes en los estanques no es aprovechado por completo y en el momento de cosecha, agua con gran cantidad de materia orgánica es lanzada a los ríos o cuerpos de agua natural. Además, la digestibilidad del material seco, usado como alimento, es del orden del 70 al 75%, lo cual significa que entre el 25 y el 30% se convierte en residuo fecal (Pardo et al., 2006).
Este material orgánico no solo genera contaminación microbiológica, también consume oxígeno disuelto del agua disminuyendo la reserva disponible en el cuerpo receptor (Hussar et al., 2005); al respecto, un estudio realizado por Salazar y De La Cruz (2007) reporta que durante de la cosecha de tilapia (actividad que implica el vaciado de un estanque piscícola), se generan efluentes con concentraciones de materia orgánica que alcanzan los 360 mg/L de DBO5, 503 mg/L de DQO, 2000 mg/L de sólidos suspendidos, niveles variables de fósforo y nitrógeno y valores del orden de 1400 UFC/100 mL de coliformes, además, un solo estanque de tilapia procesando un litro por segundo puede producir contaminación orgánica equivalente a la generada por 6 personas diariamente en términos de agua residual doméstica durante la operación normal y a la contaminación generada por 700 personas, durante eventos de cosecha. Tales niveles de contaminación, pueden convertir los cuerpos de agua en fuentes deficientes para su potabilización (MINAMBIENTE, 2000) y afectar su flora y fauna; por otro lado, el residual de macronutrientes descargados podrían generar eutrofización en las aguas, llevándolas a condiciones anóxicas, imposibilitando su uso para consumo humano (Lawrence et al., 2000), hechos que sugieren la necesidad de
desarrollar sistemas de tratamiento adecuados para estas aguas, que además sean económicamente sostenibles y fáciles de operar y mantener.
3. JUSTIFICACIÓN Aunque no existe un diagnóstico sobre el tratamiento de efluentes piscícolas en Colombia, se presume que la falta de tratamiento es generalizada. En el país, son pocas las experiencias conocidas a escala real: el sistema de pre tratamiento de la piscifactoría El Diviso, recientemente evaluada y un sistema a escala piloto en la misma piscifactoría (ubicada en el sector rural de la ciudad de Popayán), consistente en un humedal precedido de un sedimentador convencional. Este último sistema se evalúo en los dos últimos años y arrojó buenos resultados en el tratamiento de efluentes generados en la producción de trucha (Herrera y Rosero, 2009; Manquillo y Solano, 2009). Sin embargo, en el tratamiento de efluentes de lagos productores de tilapia roja, en el país solo se registra una experiencia a escala piloto realizada por García y Luna (2009), quienes evaluaron el desempeño de filtros gruesos en capas, obteniendo resultados apenas aceptables en la remoción de nutrientes, pero bajos porcentajes de remoción de materia orgánica; lo que sugiere que deben evaluarse alternativas distintas para el tratamiento de estos efluentes. Entre las tecnologías q ue se han utilizado en el tratamiento de efluentes de tilapia se destacan: filtros percoladores (Shnel et al., 2002), osmosis (Qin et al., 2005), lagunas (Gál et al., 2003); humedales de flujo subsuperficial (Zachritz et al., 2008), filtros de bolas y arena (Pfeiffer et al., 2008) y, plantas acuáticas [Rorippa nasturtiumaquaticu, Azolla filiculoides y Elodea nuttallii (Redding et al., 1997); Lotus (Nelumbo mucifera) (Lin Kwei & Yi Yang, 2003); alfalfa, trébol, avena, centeno y cebada (Ghaly et al., 2005); Eichhornia crassipes, Pistia stratiotes y Salvinia molesta
(Henry-Silva & Camargo, 2006)]. Las principales ventajas de los sistemas de tratamiento que utilizan plantas acuáticas son su bajo costo de construcción y mantenimiento, su simplicidad de operación y su buena integración paisajística. Además, se utiliza un recurso disponible hasta ahora no aprovechado en muchos lugares y que puede tener diversos usos. A su vez, el éxito del tratamiento con plantas acuáticas depende del adecuado crecimiento de las mismas durante todo el año y de la tasa de absorción de nutrientes (Costa et al.,
2009).
Al respecto, Azolla pinnata es un helecho acuático que crece con facilidad en los
efluentes de lagos productores de tilapia roja aún en condiciones climáticas adversas (Bazán y Alomía, 2009); diversas especies de Azolla han demostrado su potencialidad para remover nutrientes en los mismos efluentes (Redding et al., 1997; Da Silva, 2006) y puede ser utilizada como parte de la dieta de rumiantes, aves y peces (Khatun et al., 1999; Leterme et al., 2009). Los factores anteriormente mencionados sugieren que es
pertinente evaluar el comportamiento de esta planta en el tratamiento de efluentes de la producción de tilapia roja, razón por la cual se eligió para este estudio.
4. OBJETIVOS
4.1 OBJETIVO GENERAL Evaluar a escala piloto el comportamiento de un sistema de lagunas de Azolla pinnata
en serie para el tratamiento de efluentes de lagos de producción de tilapia.
4.2 OBJETIVOS ESPECÍFICOS
4.2.1 Evaluar las eficiencias de remoción de DBO5, DQO, nitrógeno total, fósforo total, sólidos suspendidos y sólidos disueltos en sistemas de lagunas con Azolla pinnata cuando tratan efluentes de estanques de tilapia bajo condiciones de operación normal. 4.2.2 Evaluar el efecto del incremento del tiempo teórico de detención hidráulico en la calidad del efluente de las lagunas de Azolla pinnata cuando tratan líquidos provenientes de estanques de tilapia. 4.2.3 Evaluar el impacto de la captura de peces y drenaje de estanques en la calidad del efluente de lagunas de Azolla pinnata con respecto a los parámetros:
nitrógeno (NTK y amoniacal), fósforo total, DBO5, DQO y sólidos suspendidos.
5. MARCO TEÓRICO
5.1 TIPOS DE PISCICULTURA
La piscicultura se clasifica en extensiva e intensiva según el uso de los recursos y el manejo que se le da a la actividad. La piscicultura extensiva es aquella que se realiza
en cuerpos de aguas tales como madreviejas, ciénagas, antiguos cauces de río, lagos, lagunas etc., caracterizándose por una baja productividad y por no existir control de los peces cultivados. La piscicultura intensiva se caracteriza por ser una actividad realizada en estanques construidos, especialmente diseñados para el cultivo de peces, lo que permite controlar la actividad mediante el manejo de la dieta de los peces, el control de la producción y un seguimiento técnico de los mismos, donde se minimiza la fuga de peces a los cuerpos de agua naturales (Mauna, 2005; citado por Salazar y De La Cruz, 2007).
5.2 PROCESO DE PRODUCCIÓN DE TILAPIA
El proceso inicia con la selección de los organismos reproductores para la obtención de ―semilla‖, o adquiriendo la ―semilla‖ de productores especializados, pasando luego a las fases de pre cría, pre engorde y engorde final para la posterior comercialización del producto. En términos generales se presentan las siguientes fases: Producción de alevinos Levante y engorde Fertilización y abono Cosecha Procesamiento o transformación de los peces Comercialización 5.2.1 Producción de alevinos
La producción de alevinos se divide en las sub fases de reproducción, incubación, larvicultura y pre cría. En esta fase, mediante la reproducción en cautiverio entre machos y hembras previamente seleccionados, se obtienen las ovas o huevos fertilizados, que son posteriormente depositados en incubadoras donde se convierten en larvas. En el caso de la tilapia, se inicia un ciclo de 30 días, en el cual las larvas permanecen exclusivamente sometidas al suministro de alimentos con hormonas para efectos de reversión sexual. La reversión sexual se recomienda debido a la mayor tasa de crecimiento, mayor eficiencia en la tasa de aprovechamiento del alimento y porque es posible alcanzar tamaños hasta de un kilogramo en peso vivo, en un año de producción y mayor rendimiento del filete (ALICORP S.A., 2003). El tratamiento para la reversión sexual consiste en el suministro a cada pez, durante su primer mes de vida de 60 mg de hormonas (17alfametiltestosterona), mezcladas con alimento concentrado, lo que permite que pasados 28 o 30 días las hembras se transformen en machos, ofreciendo como ventajas mayor crecimiento y rendimiento de este sexo, evitando la reproducción sin control en los estanques de engorde, lo que ocasionaría competencia por el alimento, espacio, oxígeno disuelto y descomposición acelerada del agua y el suelo perjudiciales para el cultivo inicial. La reversión sexual garantiza la conversión a machos del 90 al 95% de la especie (Arboleda, 2005). Finalmente los alevinos son trasladados a estanques de mayor tamaño, donde permanecen hasta que alcancen un peso cercano a los 30 g., que habitualmente se logra en 90 días (pre cría) (MINAGRICULTURA (Cadena piscícola de Colombia), 2005). En la piscícola "La Yunga", donde se llevó a cabo esta investigación, no se realiza el proceso de reversión sexual, ya que semestralmente se adquieren 8000 alevinos previamente "revertidos", los cuales son traídos de una piscícola ubicada en el municipio de Tulúa (Valle del Cauca), por lo cual no hay peligro de que la fuente receptora se contamine con las hormonas provenientes de este proceso. 5.2.2 Levante y Engorde
Consiste en llevar los alevinos hasta un peso aproximado de 180 gramos; a partir de este momento, el pez pasa a la etapa de engorde, donde es cultivado hasta llevarlo a un peso por encima de los 300 g. Para la tilapia, la mayor tasa de crecimiento la presentan los machos de 6 a 8 meses, con un crecimiento promedio entre 18 y 25 cm.
y pesos de 150 a 250 g. En Colombia no se diferencian las actividades de levante y engorde. Habitualmente se asocia la cadena de piscicultura con estas dos actividades, porque en ellas se realizan las mayores inversiones de capital, mano de obra y se realizan prácticas para el control del animal. Para que los peces crezcan a su tasa potencial, requieren alimento que les sirva de sustento y de dieta para su crecimiento. Los peces necesitan porcentajes de nutrientes que varían dependiendo de la especie. Generalmente las dietas de los peces son muy ricas en proteínas (40-60%), lo cual conlleva una fuerte excreción de nitrógeno, cuya velocidad de excreción está relacionada directamente con la cantidad y calidad de la proteína suministrada en el alimento. La tendencia actual es buscar medios para disminuir la pérdida de nitrógeno y aumentar su retención controlando la relación entre la proteína digestible y el total de energía digestible de la dieta. Así mismo, el elevado precio que las fuentes de proteína, principalmente las harinas de pescado, tienen en el mercado hace que las investigaciones encaminadas hacia la búsqueda del máximo aprovechamiento proteico sea uno de los principales objetivos de las empresas
dedicadas a la elaboración de dietas para peces (Sanz, 2003).
Como se mostrará en páginas posteriores, el proceso de levante y engorde, (ver Figura 1), llamado operación normal, produce contaminación ―diluida" en el efluente de los estanques.
Figura 1. Vista superficial del estanque de tilapia durante su operación normal (Levante y Engorde).
5.2.3 Fertilización y abono
Debido a los altos costos involucrados en la alimentación de los peces en un proceso productivo comercial o artesanal, los productores optan por incrementar la producción de alimento natural en los estanques. Para que esto sea posible introducen fertilizantes químicos, abonos orgánicos o ambos. Los fertilizantes químicos proporcionan los minerales necesarios para la producción de materia orgánica por fotosíntesis, provocando así un crecimiento de plancton, que sirve como alimento natural y diverso para los peces. Algunos fertilizantes usados son: superfosfato (fosfato de roca con ácido sulfúrico), sulfato de amonio o amoniaco líquido y fertilizantes nitrogenados. También se agregan abonos orgánicos para estimular la producción de grandes cantidades nutrientes minerales y algunos abonos de animales de granja, que son fuente de materia orgánica e incluso agua residual doméstica por la fácil dispersión de sus partículas finas. Los abonos más utilizados en piscicultura son: la gallinaza seca, el abono líquido de ganado y el abono de ganado de corral.
5.2.4 Cosecha
Es necesario destacar esta parte de la producción, porque genera el mayor impacto negativo al ambiente, particularmente al recurso hídrico. La cosecha es el proceso en el cual se obtienen los peces para su posterior procesamiento o transformación (ver Figura 2). Este proceso varía según la especie producida en las diferentes estaciones piscícolas.
Figura 2. Cosecha de Tilapia
Los estanques de producción de tilapia, generalmente son cuadrados, con pendientes promedio entre el 0.1 y 0.2%, con taludes laterales protegidos por grava y fondo en fango, lo que hace que la cosecha se convierta en un proceso engorroso, ya que en algunos casos; para esta especie, implica desagüe del estanque para que los peces se concentren en el fondo, y con una red de arrastre que se extiende a través del estanque, puedan ser capturados en un alto porcentaje, provocando la resuspensión de lodos depositados en el fondo del mismo. En otros casos primero se efectúa la recolección de peces con red o ―chinchorro‖ y luego se procede al vaciado del estanque, lo que también genera arrastre de sedimentos y resuspensión de lodos. La frecuencia de la recolección de peces es del orden de una vez cada 3 meses por estanque, con duración promedio de 3 a 4 horas, con simultáneo o posterior desagüe del estanque piscícola (cuya duración depende del tamaño del estanque) razón por la cual se considera como una actividad eventual. 5.2.5 Procesamiento o transformación de los peces
Una vez obtenidos los peces con los pesos deseados pasan a una etapa de procesamiento donde se obtienen productos enteros y filetes. 5.2.6 Comercialización
Etapa final donde los productos procesados son acopiados por agentes comercializadores como tiendas mayoristas, supermercados, restaurantes especializados, quienes se encargan de su distribución para el consumo.
5.3 CALIDAD DE LOS EFLUENTES DE ESTANQUES PRODUCTORES DE TILAPIA
Como se dijo anteriormente, el efluente de los estanques de tilapia, presenta dos condiciones diferentes: una durante el proceso de levante y engorde (Operación Normal, ver figura 3) y otra durante la Cosecha (ver figura 4).
Figura 3. Aspecto del efluente en operación normal Figura 4. Aspecto del efluente durante la cosecha
Las tablas 1 y 2 presentan los resultados reportados por Salazar y De la Cruz en la estación piscícola de Pambío (Cauca), en cuanto a la calidad de efluentes para las dos condiciones. Tabla 1. Parámetros de calidad del efluente en la Estación piscícola de Pambío en condiciones de operación normal
CARACTERÍSTICAS DEL EFLUENTE EN CONDICIONES DE OPERACIÓN NORMAL
Caudal Temperatura DBO5 DQO pH Turbiedad Fosfatos Nitratos (N-NO3)
Sólidos Suspendidos
Coliformes
(L/s) oC mg/L mg/L Unid UNT mg/L mg/L mg/L UFC/100mL
Media 0.91 19.4 2.8 7.03 25 0.016 0.21 17.2 493
Desv. 0.47 0.57 1.09 3.2 5. 25 0.009 0.13 7.79 246
Máximo 1.4 20 4.8 11.8 7.71 37 0.039 0.51 34.00 1000
Mínimo 0.13 18.5 1.5 4.26 6.05 18 0.010 0.04 7.00 101
Tabla 2. Parámetros de calidad del efluente en la Estación piscícola de Pambío en un día de cosecha
CARACTERÍSTICAS DEL EFLUENTE EN CONDICIONES DE COSECHA HORA Caudal Temperatura DBO5 DQO pH Turbiedad Fosfatos Nitratos
(N-NO3) SST
Coliformes
(L/s) oC mg/L mg/L Unid UNT mg/L mg/L mg/L UFC/100
mL
11 1.89 19 2.3 4.26 7.08 25.0 0.012 0.32 265 280
12 1.85 20 3.1 9.30 6.87 27.6 0.012 0.27 80 470
13 1.74 20 2.2 4.26 6.81 30.1 0.012 0.11 90 320
14 13.49 21 360.3 503.30 6.28 1054.0 0.014 0.42 2040 1490
15 12.3 21 43.9 69.80 6.99 282.0 0.034 0.44 1145 500
16 10.05 23 106.5 160.53 6.34 555.0 0.032 0.35 3630 780
17 6.92 22 179.1 311.80 6.28 1620.0 0.045 0.46 5210 3760
Análisis de nitrógeno total Kjeldahl y fósforo total realizados por García & Luna (2009) (en el marco del proyecto de tratamiento de efluentes de piscicultura) en el efluente de la piscícola "La Yunga" (El Tambo, Cauca) arrojaron valores que oscilaban de 1 a 3 mg/L N- NTK y 0.02 a 0.08 mg P/L respectivamente, en época de invierno bajo condiciones de operación normal.
La tabla 2 muestra que las condiciones más críticas de calidad al efluente proveniente del drenaje completo del estanque piscícola se presentan en las horas finales de vaciado. Al respecto, Schwartz y Boyd (1994) (citados por Banas et al., 2008)
demostraron que los efluentes de drenaje de lagunas de piscicultura tienen concentraciones más altas en nitrógeno, fósforo, materia orgánica y sólidos suspendidos que los efluentes normales y que las concentraciones más grandes de contaminantes se presentan en las horas finales del vaciado. En un estudio posterior realizado en 12 operaciones de drenaje de estanques piscícolas Banas et al. (2008)
también encontraron que las cargas de nitrógeno, sólidos suspendidos y fósforo total en los efluentes de los lagos de cultivo fueron más grandes durante la etapa final del
vaciado, y que las principales fuentes de contaminantes fueron los sedimentos, por encima de los alimentos y fertilizantes. Los mayores valores de contaminantes en las horas finales de drenaje posiblemente se deben a la resuspensión de los sedimentos remanentes en el agua de salida más que al fitoplancton y la materia orgánica resultante de actividades de cultivo. Los valores reportados muestran el efluente de levante y engorde como un desecho diluido poco contaminante, mientras que el efluente proveniente del vaciado de los tanques durante o después de la cosecha tiene algunas características similares a un agua residual de concentración media (Metcalf & Eddy, 2004). Al observar las bajas concentraciones de los parámetros físico químicos en condiciones de operación normal, podría considerarse que no es necesario tratar el efluente diluido, pero al tener en cuenta las grandes cantidades de agua que utiliza la piscicultura, solo se puede valorar su impacto ambiental al calcular las cargas contaminantes equivalentes a la contaminación generada por las aguas residuales domésticas de grupos poblacionales mostradas en la tabla 3:
Tabla 3. Cargas contaminantes equivalentes generadas durante la operación normal de un estanque de tilapia que procesa 0.91 L/s
Cada estanque genera diariamente la contaminación equivalente a la que por aguas residuales domésticas generarían
Parámetro Número equivalente de personas
DBO5 6
DQO 7
Sólidos suspendidos 34
La operación de cosecha eleva dichas cargas generando las cargas equivalentes promedio mostradas en la Tabla 4. Tabla 4. Cargas equivalentes diarias generadas durante un día de cosecha
Cada estanque genera durante la cosecha, la contaminación que por aguas residuales domésticas generarían en un día:
Parámetro Número equivalente de personas
DBO5 700
DQO 515
Sólidos suspendidos 10345
Cuando estas cargas, tanto en operación normal como en cosecha, se multiplican por el número de estanques de tilapia que hay en el país, se evidencia una problemática real, que justifica la necesidad de tratar tanto el efluente diluido de la operación normal como el efluente concentrado de la cosecha.
5.4 TRATAMIENTO DE EFLUENTES PISCÍCOLAS
5.4.1 ANTECEDENTES El interés en el tratamiento de efluentes piscícolas surge en 1970; sin embargo, se estancaron las investigaciones sobre el tema y solamente se reanudaron a finales de la década del 80 y comienzos de los 90s (Troell et al., 2005; citados por Pardo et al.,
2006). Las técnicas utilizadas para tratar estos líquidos van desde la sedimentación, remoción de sólidos, filtros percoladores, osmosis y lagunas hasta la filtración del efluente a través de moluscos, algas y plantas acuáticas.
5.4.1.1 Sedimentación Teichert et al. (1999) encontraron que la sedimentación es eficiente en las remoción de
sólidos en suspensión , pero no lo es para nitrógeno, fósforo y DBO5, con eficiencias del 60, 7, 14 y 12% respectivamente, por ello, debe ser solamente una parte del tratamiento del efluente. Brinker & Rôsch (2005) observaron que la eficiencia de los procesos físicos de sedimentación depende del tamaño de los sólidos suspendidos en el estanque piscícola, además estudiaron el tamaño de las partículas y concluyeron que deben evitarse situaciones que fragmenten los sólidos en suspensión, como la exagerada
turbulencia de aireadores. 5.4.1.2 Filtros percoladores Shnel et al. (2002) evaluaron un sistema de tratamiento con fines de recirculación del
efluente para el cultivo de tilapia durante un periodo de 331 días, tiempo en el cual los alevinos de tilapia adquieren tamaño adecuado para ser comercializados. El sistema involucró procedimientos tradicionales de tratamiento de aguas (filtros percoladores) seguidos de una fase de tratamiento anóxica donde el lodo fue biológicamente digerido y el nitrato fue reducido a nitrógeno gaseoso. El promedio de remoción de amonio realizada por el filtro percolador fue de 0.16 g N/m2.día, mientras que la remoción de nitrato se realizó en el sistema de tratamiento anóxico consistente en una instalación de sedimentación- digestión y un reactor de lecho fluidizado. La remoción de nitrato fue mayor en el sistema de sedimentación- digestión, mientras que el 70% del fósforo agregado como alimento fue removido en la etapa de tratamiento anóxico del sistema.
5.4.1.3 Osmosis Qin et al. (2005) desarrollaron y aplicaron la tecnología de Osmosis Inversa para la
eliminación de residuos nitrogenados de efluentes de tilapia en la isla del Coco (Hawai). Los resultados de las pruebas indicaron que un prototipo de Osmosis Inversa impulsado por el viento puede procesar y recircular caudales que oscilan entre 228 y 366 L/h dependiendo de la velocidad del viento. Con dicho prototipo se alcanzaron rangos de remoción de nitrógeno total entre el 90 y el 97%. La calidad del efluente reportó concentraciones de nitritos menores de 0.002 mg/L y nitratos menores de 0.02 mg/L después de la primera semana de operación del sistema.
5.4.1.4 Lagunas Gál et al. (2003) desarrollaron un sistema de lagunas combinando piscicultura
extensiva e intensiva para el tratamiento y reuso del efluente de estanques piscícolas de carpa, bagre y tilapia. El agua fue recirculada entre las lagunas extensivas e intensivas con un periodo de retención promedio de 60 días. Al f inal de un periodo de observación de tres años el 81.5% del carbono orgánico, 54.7% de nitrógeno y 72.2% de fósforo fueron retenidos por el sistema. La combinación de piscicultura intensiva
con piscicultura extensiva disminuyó fuertemente la carga de nutrientes que se lanzaban al ambiente.
5.4.1.5 Moluscos Los moluscos, además de filtrar algas, reducen los niveles de nutrientes disueltos y la concentración de partículas en la columna de agua (Soto & Mena, 1999). Estos autores realizaron un trabajo de mitigación de la eutrofización en estanques de cultivo de salmón utilizando Diplodon chilensis, convirtiendo tanques cerrados hiper eutróficos
en tanque oligotróficos. La capacidad filtradora del molusco declinó después de 61 días, debido probablemente a la acumulación de materia orgánica en los acuarios experimentales, necesitándose mayor investigación al respecto.
5.4.1.6 Algas Troell et al. (1999) reportan el uso de algas para mejorar la calidad de las aguas utilizadas en la producción de salmón. La variedad Gracilaria logró remover el 50% del
amonio disuelto liberado por los peces en invierno, incrementando dicho valor hasta un 95% en primavera, minimizando las variedades de nutrientes que suelen ser tóxicas para los salmones cultivados en jaulas.
5.4.1.7 Plantas acuáticas Las plantas acuáticas tienen los mismos requerimientos nutricionales básicos que las plantas que crecen sobre suelo y están influenciadas por muchos factores ambientales comunes. La respuesta del tratamiento en un sistema acuático se debe a la presencia de plantas que alteran el ambiente físico de estos sistemas. Las macrófitas acuáticas mas comunes utilizadas en el tratamiento de aguas residuales incluyen: jacinto de agua, lechuga de agua, helecho de agua y duckweed (Reed, 1990).
Las plantas flotantes tienen su estructura fotosintética justamente sobre la superficie de agua con raíces que se extienden bajo la columna de agua. En la fotosíntesis las plantas acuáticas sintetizan dióxido de carbono para formar biomasa y liberan oxígeno. Los nutrientes los toman de la columna de agua a través de las raíces. Con las plantas flotantes la penetración de la luz solar en la columna de agua se reduce y la transferencia de gas entre el agua y la atmósfera es restringida, por ello, las plantas acuáticas tienden a mantener el agua residual casi libre de algas y casi anaeróbica dependiendo de los parámetros de diseño como la carga orgánica, el tiempo de detención y la densidad y cobertura de las especies de plantas flotantes seleccionadas. Una observación interesante es que el oxígeno molecular producido por medios fotosintéticos es trasladado a las raíces que pueden albergar en su contorno microorganismos que metabolizan aeróbicamente, aunque en su alrededor el agua puede ser anaeróbica o anóxica (Stoweell et al., 1980; citados por Reed, 1990);
sin embargo, durante la noche el oxígeno es consumido en el proceso de respiración de los microorganismos y algas si las hay, restringiendo completamente la oxigenación lograda en horas de brillo solar (EPA, 2000). Las plantas acuáticas tienen capacidad para asimilar nutrientes y crear ambientes favorables para la descomposición microbiana de la materia orgánica, razón por la cual han sido utilizadas en el tratamiento de aguas residuales domésticas. El uso de macrófitas emergentes para el tratamiento de efluentes es conocido como sistema de humedales naturales o artificiales. Las raíces de las macrófitas pueden actuar como
medio soporte para epifitas, bacterias nitrificantes, y bacterias que ayudan a remover materia orgánica. La mezcla de macrófitas emergentes y sumergidas otorga el mayor beneficio para remoción de nitrógeno en humedales (Weisner et al., 1994; citados por Pardo et al., 2006). A continuación se describen algunas experiencias relacionadas
con el uso de plantas acuáticas en el tratamiento de efluentes piscícolas: Redding et al. (1997) investigaron el potencial para remover contaminantes provenientes de lagos de tilapia del Nilo a través de tres sistemas con diferentes plantas acuáticas: Rorippa nasturtiumaquaticum (sistema emergente); Azolla filiculoides (sistema libre flotante) y Elodea nuttallii (sistema sumergido). Las remociones de nitrógeno amoniacal fueron de 8.19, 4.35 y 10.66%; nitratos: 15.43, 3.3 y 5.92%; fosfatos: 8.63, 2.60 y 7.81% para los sistemas emergente, libre y sumergido, respectivamente. El estudio sirvió para identificar la necesidad de cosechar periódicamente dichas plantas para controlar sus densidades y mejorar las eficiencias de remoción. Jiang & Xinyuan (1998) confrontaron el tratamiento del efluente de una laguna (que trataba las aguas residuales del zoológico de Beijing, poluida con excretas de aves, peces y otros animales, con DBO5 efluente media de 7.4 mg/L, DQO de 39.6 mg/L, 0.40 mg/L de fósforo total, 58 mg/L de SST y 5.5 mg/L de nitrógeno total) mediante un sistema con varias macrófitas acuáticas (incluyendo Azolla filiculoides y jacinto) y un
sistema sin macrófitas (blanco), con evidente superioridad del sistema con macrófitas: 62% y 44% de reducción de fósforo total, 44% y 21% de reducción de DQO, 54 % y 48% de reducción de DBO5; 73 y 58% de reducción de nitrógeno total y 75% y 78% de reducción de sólidos suspendidos totales en los sistemas con y sin macrófitas respectivamente. Yang et al. (2001) evaluaron la eficacia de un sistema de biofiltración para tratar
efluentes de lagunas de cría de Anguilla japónica usando diferentes medios de filtración y diferentes arreglos de flujo. Los resultados mostraron que el sistema fue capaz de mejorar la calidad del efluente para fines de recirculación. Se lograron eficiencias del 73% en remoción de sólidos suspendidos, 72% de DBO5. Todos los niveles de NH4–N, NO2- N y NO3 -N estuvieron por debajo de los límites exigidos para recirculación; sin embargo, el tratamiento no mostró efectividad en la remoción de fosfatos, los cuales se incrementaron ligeramente durante el periodo de análisis. Posadas (2001) (citado por Pardo et al., 2006) demostró que humedales artificiales de dos días de tiempo de detención mejoran significativamente los parámetros de calidad de agua de producción de bagre de canal, reteniendo y asimilando nutrientes disponibles, siendo efectivos en la remoción de contaminantes, dejando el agua, incluso, con mejores condiciones que el afluente. Lin et al. (2002) evaluaron humedales superficiales plantados con espinaca de agua (Ipomoea aquatica) en la primera mitad y maleza de Taiwan (Paspalum vaginatum) en la segunda para tratar efluentes piscícolas provenientes de estanques de producción de el pez Chanos (Chanos chanos) también conocido como "pez de leche". Se
lograron excelentes remociones de nitrógeno amoniacal (95%) y regulares remociones de fosfatos (32%), la remoción de amonio y nitrito fue suficiente para dejar apto el efluente para ser recirculado en la cría del pez. Lin Kwei & Yi Yang (2003) determinaron la eficiencia de las raíces de la planta acuática Lotus (Nelumbo mucifera) para extraer nutrientes de los lodos del fondo de
lagunas de producción de tilapia, siendo capaz de eliminar 300 kg N/Ha. año y
43 kg P/Ha. año. Así mismo, utilizaron el efluente de la producción de bagre para fertilizar cultivos de arroz, removiendo el 32% del nitrógeno total y el 24% del fósforo total. Schulz et al. (2003) investigaron el tratamiento de efluentes de estanques de producción de trucha arco iris utilizando humedales plantados con Phragmites australis
empleando tiempos de detención (muy cortos) de 7.5, 2.5 y 1.5 horas. Lograron remociones de sólidos suspendidos totales entre 97.3 y 95.8%; DQO de 64.1 a 73.8%, demostrando una poca influencia del tiempo de detención hidráulico. Las remociones de PT variaron del 49 al 68.5%, NT del 20.6 al 41.8%, en relación inversa al incremento del tiempo de detención hidráulico, aunque los mejores resultados los obtuvieron para el tiempo de 7.5 horas, no fueron significativas las diferencias para tiempos de detención menores. Lin et al. (2005) con un sistema compuesto por un FWS plantado con Typha angustifolia y un FS plantado con Phragmites australis en el tratamiento de agua de
recirculación de camarón lograron porcentajes de remoción en el humedal FS de 44.5% de SS, 50.9% de DBO5, 53.8% de NH4-N y un porcentaje de eliminación en el sistema FWS-SF de 55% de SS, 54% de DBO5, 64% de NH4-N. Ghaly & Kamal (2005) evaluaron cinco plantas para determinar su capacidad para eliminar los nutrientes de aguas residuales procedentes de la acuicultura y su idoneidad para ser usadas en la alimentación de los peces: alfalfa, trébol, avena, centeno y cebada. Las semillas fueron germinadas en el agua en un sistema hidropónico, y las plantas fueron alimentadas con aguas residuales efluentes de la producción de tilapia. Las semillas de trébol y alfalfa se infectaron con un hongo poco después de la germinación y sus raíces quedaron totalmente destruidas por el día 14. La avena, el centeno y la cebada presentaron crecimiento más rápido y demostraron una mayor tolerancia a enfermedades fúngicas en comparación con la alfalfa y trébol. Aunque las semillas de las plantas liberaron importantes cantidades de sustancias solubles e insolubles durante el período de germinación, las plantas fueron capaces de remover fracciones importantes de contaminantes: se reportan reducciones en sólidos suspendidos totales (54,7% a 91,0%), DQO (56,0% a 91,5%), NO3_- N (82,9% a 98,1%), NO2-N (95,9% a 99,5%), fosfato (54,5% a 93,6%) y potasio (99,6% a 99,8%). La avena, la cebada y el centeno crecen bien en sistemas hidropónicos y se pueden emplear en la alimentación de los peces suplementadas con grasa, sodio, hierro y manganeso. Lymbery et al. (2006) probaron a escala piloto un humedal sembrado con Juncus kraussii para tratar efluentes de trucha con altos niveles de salinidad. Después de 38
días el humedal removió el 69% del nitrógeno total y el 88.5% del fósforo total. La remoción de nitrógeno se incrementó marcadamente a través del tiempo, mientras que la remoción de fósforo se mantuvo relativamente constante. La salinidad no afectó la remoción de nitrógeno pero redujo la remoción de fósforo. Aunque se removió el 54.8% de la salinidad (cloruro de sodio), dicho parámetro afectó adversamente el crecimiento de la planta. Henry- Silva & Camargo (2006) evaluaron la eficiencia de remoción de contaminantes procedentes de un efluente de tilapia por medio de tres macrófitas acuáticas flotantes (Eichhornia crassipes, Pistia stratiotes y Salvinia molesta), encontrando que las especies E. crassipes y P. stratiotes son más eficientes en la eliminación de fósforo total alcanzando porcentajes de remoción de 82% y 83.3% respectivamente, y de
eliminación de nitrógeno total (46,1% y 43,9%, respectivamente), posibilitando el reuso de los efluentes en la piscicultura. Nduwimana et al. (2007) utilizaron las plantas Lolium perenne y Amaranthus viridis,
para adecuar efluentes piscícolas para su uso en irrigación. Los dos sistemas de plantas flotantes removieron 88.9% y 82.7% de nitrógeno amoniacal, 90% y 82% de NO2-N, 64.8% y 60.5% de NO3-N, respectivamente. Aunque ambas plantas reportaron buenas eficiencias, Amaranthus viridis presentó limitaciones en su tasa de crecimiento.
Pan et al. (2007) probaron cultivos hidropónicos (Lolium perenne) mejorados con un medio consistente en placas de plástico perforadas y hasta siete capas de tejido de algodón para ganar eficiencia en la remoción de sólidos en efluentes de retrolavado de estanques acuícolas. El sistema removió entre el 48 y el 63% de los sólidos totales, entre el 48 y 69% de los sólidos volátiles y entre el 4 y el 25% de los sólidos suspendidos. La mayoría de los nutrientes fueron absorbidos por la planta obteniendo remociones de 72.2, 80.21 y 84.5% de nitrógeno total, fósforo total y nitrógeno amoniacal, respectivamente. La remoción de DQO fue del 62.6%. Silva et al. (2008) evaluaron el efecto de las concentraciones de nitrógeno y fósforo, procedentes de efluentes de lagos de cría de tilapia (Oreochromis niloticus) en el crecimiento de tres macrófitas acuáticas: Eichhornia crassipes, Pistia stratiotes, y Salvinia molesta. Para diferentes rangos de nutrientes Salvinia molesta presentó tasas mas altas de crecimiento que Eichhornia crassipes y Pistia stratiotes (0.029/día,
0.016/día y 0.016/día, respectivamente). Así mismo observaron que el crecimiento de Eichhornia crassipes y Pistia stratiotes se ve afectado por las concentraciones de
nitrógeno y fósforo para densidades muy altas de dichas plantas, mientras que el crecimiento de Salvinia molesta no se vio influenciado por la magnitud de dichos parámetros, manteniendo en todos los casos densidades más bajas que las otras especies. Se concluyó que Eichhornia crassipes, Pistia stratiotes pueden causar serios problemas en cuerpos de agua que reciban este tipo de efluentes y que Salvinia molesta tiene velocidades de infestación mas rápidas, aún en aguas con bajos
contenidos de nitrógeno y fósforo. Zachritz et al. (2008) evaluaron un sistema consistente en un sedimentador simple seguido de un humedal de flujo subsuperficial para remover sólidos suspendidos y compuestos nitrogenados en efluentes de lagos de tilapia. El humedal manejando una carga hidráulica de 3.03 m/día, tamaño efectivo de medio de 3.8 cm, profundidad de lecho de 0.9 m y plantado con una mezcla de Canna lillies (Canna sp.) y Bulrush (Scirpus sp.) removió 67.2, 46, 87 y 40.6% de sólidos suspendidos, nitrógeno
amoniacal, nitritos y nitratos respectivamente. Las remociones de DQO total, DQO soluble y fósforo total fueron de 5.7, 8 y 1.9%, respectivamente. Henry- Silva & Camargo (2008) evaluaron la eficiencia de dos especies de macrófitas flotantes (Eichhornia crassipes y Pistia stratiotes) en el tratamiento de efluentes de un vivero de reproducción de camarones canela (Macrobrachium amazonicum), efluente
de características similares a los vertimientos procedentes de lagos de tilapia roja. No hubo diferencias significativas en la remoción de nutrientes por parte de las dos especies vegetales, obteniendo los siguientes resultados: 71,6% por E. crassipes; 69,9% por P. stratiotes en fósforo total; 54,3% por E. crassipes; 54,5% por P. stratiotes de N-nitritos; 40% por E. crassipes, 38% por P. stratiotes de N total; 40% por E. crassipes, 38,8% por P. stratiotes de N-nitrato; 32,3% por E. crassipes, 34,7% por P. stratiotes de N amoniacal.
Sindilariu et al. (2008) reportan la utilización de humedales construidos plantados con Phragmites communis y Phalaris arundinacea para tratar efluentes de canales de
producción de trucha en un periodo de observación de seis meses. Se lograron eficiencias del 5.5% para NT y 90.1% para SS, remociones de nitrógeno amoniacal comprendidas entre el 61.2 y 87.8%, con incrementos de nitratos y fosfatos de 8.34 y 20.9% respectivamente. La eficiencia del tratamiento para nutrientes se incrementó al decrecer la carga hidráulica, presentando problemas de obstrucción el humedal de mayor carga hidráulica al cabo de 12 semanas. Sindilariu et al. (2009) demostraron que la intensidad de producción acuícola, la calidad del alimento, el pretratamiento de las aguas residuales y la carga hidráulica son los factores principales que determinan el contenido de los contaminantes que ingresan a un sistema de tratamiento, en este caso un humedal de flujo sub superficial, concluyendo que a menor carga hidráulica de entrada menor concentración de contaminantes a la salida del humedal. Así con la menor carga hidráulica estudiada, 0.9 L/s, obtuvieron los niveles más altos de remoción de NH4-N, DBO5 y SST con una eficiencia de 86%, 82% y 79% respectivamente, excepto por el fósforo total y nitratos los cuales mostraron ser influenciados por el valor de la carga de entrada.
5.5 AZOLLA
Azolla sp. es un helecho acuático libre flotante, capaz de crecer en variados
ambientes, con alta productividad de biomasa asociada a una gran habilidad para fijar nitrógeno y con múltiples aplicaciones como fertilizante, alimento para animales, biofiltro, concentración de nutrientes y metales pesados en distintas clases de aguas. Azolla es capaz de fijar nitrógeno en simbiosis con la cianobacteria filamentosa Anabaena y ha sido utilizada ampliamente para fertilizar cultivos de arroz en diferentes países. El cultivo de Azolla es simple y barato y crece tanto en aguas claras o frescas como en aguas poluidas presentando capacidad para remover fósforo incluso en aguas con deficiencias de nitrógeno (Arora & Saxena, 2005). La taxonomía de la Azolla se basa principalmente en las características del vegetal tales como dimensión de la planta, características de las hojas y formas de reproducción. Por muchos años la Azolla fue clasificada como una Salviniaceae, pero en el presente es considerada como una Azollaceae con un único género: Azolla. El género se divide en dos subgéneros: Azolla rhizosperma y Azolla tetrasporocarpia. Azolla Rhizosperma se divide en dos especies: Azolla pinnata y Azolla nilótica; mientras que Azolla tetrasporocarpia se divide en cinco especies: A. mexicana, A. microphylla, A.rubra, A. filiculoides y A. caroliniana (Sood et al., 2008). La planta utilizada en este estudio corresponde a las características de la especie Azolla pinnata.
Bazán y Alomía (2009) reportan tasas de producción de biomasa fresca de 6 a 32
g/m2.d para Azolla pinnata sembrada en efluentes de lagos de tilapia roja en época de
invierno, Arora & Singh (2003) reportan tasas relativas de crecimiento de 0.06 d -1 y tiempos de duplicación de 11.8 días para A. pinnata sembrada en medios de cultivo a nivel de laboratorio. Análisis químicos realizados Alalade e Iyayi (2006) indican que A. pinnata contiene en promedio 21.4% de proteína cruda, 12.7% de fibra cruda, 16.2% de ceniza, 47% de carbohidratos y 2.7% de extractos; concentraciones de calcio, fósforo, potasio y magnesio de 1.16%, 1.29%, 1.25% y 0.25%, respectivamente; indicando que esta planta puede ser una buena fuente de proteína que puede ser empleada hasta en un 10% en la dieta de animales no rumiantes.
El potencial de Azolla para ser utilizado como alimento para animales ha sido estudiado por varios autores. Leterme et al. (2009) reportan que el contenido mineral
de la planta constituye su principal ventaja nutricional para cerdos, pero su baja digestibilidad en altos niveles de inclusión limita su interés, por lo cual su contribución en dietas de cerdos no debe superar el 15%. Khatun et al. (1999) probaron Azolla en
la dieta de gallinas ponedoras encontrando que puede reemplazar las harinas de sésamo y ajonjolí (utilizadas en la alimentación de estas aves) en proteína y aminoácidos digestibles en raciones de 150 g/Kg., sin afectar la calidad, tamaño y color de los huevos. Katayama et al. (2008) reportan que el valor nutricional de la
Azolla es similar al de la alfalfa y al de las algas marinas (1.6, 1.4 y 1.4 g de fibra dietaria; 29, 30 y 23 Kj de energía; 1.1, 1.3 y 1.6 g de proteína para cada especie por cada 100 gramos) y puede ser utilizada como parte de la dieta de humanos, aunque su olor puede causar problemas en la aceptación de la misma. Tawwab (2008) evaluó la disponibilidad de la Tilapia zilli para consumir Azolla pinnata,
observando retardo en el crecimiento y pérdida de peso en todos los peces alimentados con Azolla fresca y tasas de mortalidad entre el 53.3 y 56.7%. La ingesta de Azolla fresca decreció con el tiempo hasta la octava semana, observando que su consumo dependía del tamaño del pez y que al incrementar el consumo se incrementaba la mortalidad, mientras se sobrepasara del 25% el porcentaje de Azolla en la dieta de la tilapia. Se concluyó que la disposición de esta variedad de tilapia para consumir Azolla es limitada, pero que el pez puede consumir Azolla seca en proporciones bajas o moderadas con un nivel máximo de inclusión en la dieta del 25%. El potencial de Azolla para mejoramiento ambiental también ha sido reportado. Liu et al. (2008) demostraron que la planta puede liberar oxígeno para humanos al interior de
cámaras herméticamente cerradas y que puede ser utilizada como tratamiento para mejorar la calidad de la orina humana removiendo nitratos, nitritos y urea. Benicelli et al. (2004) investigaron la capacidad de Azolla para remover mercurio y cromo en
aguas, presentando inhibición en su crecimiento hasta en un 31% por la presencia de dichos elementos; con remociones que oscilaron entre el 75 y 94% para mercurio y 74 a 91% para cromo (+3), incorporando parte de estos metales al tejido de la planta. También se ha reportado la habilidad de Azolla para remover arsénico (Zhang et al., 2008), plomo (Oren et al., 2004); níquel, cadmio y zinc (Rakhshaee et al., 2006) en aguas. Montaño (2005) estableció el potencial de Azolla para fertilizar cultivos de arroz en el Ecuador, reportando rendimientos de 20 Ton/(mes. Ha) de Azolla fresca equivalentes a 600 kg N/año. Ha con un rendimiento como fertilizante de 7.42 Ton /Ha de arroz, concluyendo que producir Azolla es un negocio rentable con una tasa de retorno del 50.6%. Forni et al. (2001), reportan la habilidad de Azolla para remover nutrientes en efluentes piscícolas, logrando remociones de nitrógeno amoniacal del 95%, NO3- N del 78%, PO4
3- del 62%, encontrando stress en la planta después de periodos de dos semanas, lo que sugiere que debe cosecharse antes de que se cumpla dicho periodo. Da Silva (2006) comprobó que con coberturas iniciales del 75% del área de recipientes de siembra equivalentes a densidades de 1600 g/m2 Azolla filliculoides presenta mejores eficiencias en la remoción de nutrientes en efluentes provenientes de lagos de tilapia (el experimento lo realizó para coberturas iniciales del 25%, 50%, 75% y 100%); Forni et al., (2001) sostienen que con coberturas iniciales del 70% del área de los
recipientes se obtienen los mejores rendimientos en la remoción de nutrientes, ya que con este grado de ocupación, se restringe el crecimiento de algas y se evita el hacinamiento de las plantas que podría restringir su crecimiento; esto fue corroborado
por Bazán y Alomía (2009) quienes obtuvieron buenos resultados en un sistema batch de tratamiento de efluentes de tilapia roja con Azolla pinnatta para la cobertura citada,
mientras que para coberturas del 50% las remociones de nutrientes fueron mas bajas. Basados en tales hallazgos, se decidió trabajar con una cobertura inicial del 70% del área de los recipientes utilizados, equivalente a 1630 g/m2 en el presente estudio En un segundo experimento realizado por Da Silva (2006) el efluente del tanque de piscicultura fue sometido a decantación previa por 2 horas. La sedimentación afectó significativamente la remoción de nitrógeno total, incrementándola en un 49%, sin embargo, no afectó significativamente la remoción de fósforo.
6. METODOLOGÍA
6.1 Ubicación de la estación experimental
El presente trabajo, se realizó a escala piloto, utilizando como unidad experimental el efluente de los estanques de tilapia roja de la Estación Piscícola ―La Yunga―, ubicada en zona rural de la ciudad de Popayán, a 27 Km. de la cabecera municipal, en límites con el municipio de ―El Tambo‖, departamento del Cauca. La región tiene un clima tropical, con temperatura promedio de 21 oC. Durante el periodo de muestreo (abril a agosto de 2009) predominó el tiempo seco con temperaturas que oscilaron entre 17 y 24 o C.
6.2 Construcción de la planta piloto La planta consistió en dos líneas de cinco lagunas en serie, una con Azolla pinnata
como planta flotante y la otra línea funcionó como un blanco. Cada laguna se construyó con recipientes cilíndricos de material termoplástico (polietileno de alta densidad, PE-HD-2) de 60 cm. de altura y 58 cm. de diámetro. El polietileno de alta densidad es un material que tiene buena resistencia térmica, adecuado para contener cualquier producto líquido, incluso químicos y ácidos corrosivos con punto de inflamación superior a los 55 oC 1. La regulación de caudales se realizó mediante una cámara de carga de nivel constante y válvulas de bola.
6.3 Arranque del sistema La siembra de la planta se realizó el 7 de febrero de 2009. Azolla fue obtenida en la localidad de Pambío (Cauca) y fue trasladada a "La Yunga" (Popayán), sitio con condiciones ambientales similares en temperatura, radiación solar y lluviosidad. Azolla mostró un rápido crecimiento y tuvo una fácil adaptación en el líquido efluente de los lagos de tilapia roja que alimentaban la planta piloto. Para iniciar el análisis experimental cada tanque se inoculó con la misma cantidad de Azolla fresca procurando cubrir aproximadamente el 70% del área de cada tanque. En la inoculación, realizada el 14 de abril de 2009, se colocó en cada tanque 430.6 gramos de Azolla fresca, garantizando una densidad inicial de 1630 gramos/m2. La densidad y el porcentaje de cobertura se eligieron para evitar el crecimiento de algas y la reducción en el crecimiento de Azolla por hacinamiento. Al final de cada semana se
1 http://es.wikipedia.org/wiki/Polietileno_de_alta_densidad
pesaba la Azolla en cada tanque y se retiraban los excesos, manteniendo la misma densidad inicial. La ganancia semanal de peso de la planta en cada tanque se utilizó para calcular las tasas de producción de Azolla fresca por unidad de área y tiempo. Con el fin de evitar la dilución por las lluvias, el sistema piloto se cubrió con techo de plástico transparente, de modo que no se inhibiera la radiación solar.
6.4 Operación de la planta El nivel del agua se mantuvo constante, mediante la implementación de Tees a la entrada y la salida de los mismos (ver figura 5) y con una profundidad de 40 cm., con tiempo teórico de detención hidráulica de 1.0 día por cada tanque, para un total de 5 días.
Figura 5. Foto planta piloto
Se utilizaron 6 puntos de muestreo, distribuidos de acuerdo con la tabla 5. El esquema de la planta piloto se muestra en la figura 6. Para considerar las fluctuaciones en la calidad del efluente del estanque piscícola2; en el punto 1 se tomaron muestras compuestas durante cinco horas basándose en que el estanque piscícola le proporciona un tiempo de detención de más de cuatro días al líquido, que a su vez es agitado por el movimiento de los peces, desarrollando un efecto homogeneizador para las fluctuaciones y cambios de carga, y por tanto una calidad relativamente uniforme en el efluente. Además, debido a que el tiempo de detención en el sistema de lagunas de Azolla (1 día en cada laguna) es suficiente para compensar aún más dichas fluctuaciones, en los demás puntos se tomaron muestras con un periodo de composición mucho menor (una hora).
2 Las principales fluctuaciones diarias en la calidad de efluentes de lagos de tilapia en términos de nutrientes, materia
orgánica y sólidos dependen de los periodos de alimentación de los peces y son fluctuaciones moderadas, muy
inferiores a las que se producen en aguas residuales domésticas (Redding et al., 1997; Salazar De la Cruz, 2007,
Bazán Alomía, 2009).
Tabla 5. Puntos de muestreo: Punto No Ubicación
1 Salida del estanque piscícola, inicio del sistema de tratamiento
2 Salida de la primera laguna
3 Salida de la segunda laguna
4 Salida de la tercera laguna
5 Salida de la cuarta laguna
6 Salida del sistema a cuerpo receptor
* La composición del afluente (punto 1) se realizó en horas de la mañana entre las 7AM y 12 M. En los
puntos 2, 3, 4, y 6 cada muestra fue colectada en periodos aproximados de una hora.
Durante el periodo de análisis y con una frecuencia de una vez por semana, la Azolla fresca producida en cada tanque fue colectada con un colador, se dejó escurrir por 10 minutos, se pesó y se retiraron los excesos (cosecha), garantizando la densidad promedio de 1630 g/m2 de biomasa fresca al inicio de cada periodo de cosecha (una semana). Los datos obtenidos fueron utilizados para calcular la tasa de producción de Azolla fresca en el efluente de estanques de tilapia. La expresión de cálculo utilizada fue:
Df DiT
t
T= Tasa de producción de Azolla fresca (g/m2d) Df= Densidad final de Azolla fresca (g/m2) Di= Densidad inicial de Azolla fresca (g/m2) t= periodo o ciclo de cosecha (d)
Figura 6. Esquema general de la planta piloto
6.5 Evaluación del rendimiento de lagunas con y sin Azolla pinnata en condición de operación normal Los datos se obtuvieron a partir del montaje experimental, el cual consistió en suministrar el mismo caudal a cada línea, durante un periodo de análisis de tres meses. Los estanques funcionando en condición de operación normal fueron evaluados alternadamente y se alimentaron con un caudal promedio de 105.6 L/d, garantizando un tiempo de detención teórico de 1.0 día en cada tanque. En ambas líneas se midieron los siguientes parámetros: pH, temperatura, oxígeno disuelto, DBO5, DQO, sólidos suspendidos, sólidos disueltos, conductividad eléctrica, nitrógeno amoniacal, nitrógeno total Kjeldahl y fósforo total con la periodicidad y número de
1 2 3 4 5
Estanque
Cámara de Carga
6
Sistema de lagunas con Azolla pinnata
Sistema de lagunas sin Azolla pinnata
análisis indicados en el Anexo A y los métodos Standard referenciados en la tabla 6. Los parámetros afluentes al sistema se midieron sobre muestras compuestas (tiempo de composición: 5 horas entre las 7 AM y 12 M), mientras que en las salidas de cada tanque, se tomaron muestras puntuales colectadas en periodos de una hora, partiendo del supuesto de que tenían una calidad mucho mas uniforme. Las medidas se realizaron en cada punto de las dos líneas. La línea en blanco fue un control que permitió visualizar el papel de Azolla en el tratamiento de efluentes de tilapia roja al ser comparada con lagunas tradicionales. Tabla 6. Ensayos y métodos de análisis
PARÁMETRO MÉTODO
ESTÁNDAR EQUIPO MARCA
Muestras analizadas en el sitio
Temperatura 2550 Sonda 51973-00 HACH
Oxígeno Disuelto 4500-O Sonda 51973-00 HACH
pH 4500-H+ Electrodo 51935-00 HACH
Conductividad
Eléctrica 2520 Sonda 51975-00 HACH
Sólidos Disueltos
Totales 2540 Sonda 51975-00 HACH
Muestras analizadas en el laboratorio
Nitrógeno Total
Kjeldahl 4500-N B
Digestor DK-6, Depurador SMS, Aspirador de agua
JP, Unidad de Destilación Automática JDK- 42
VELP-
SCIENTIFI
CA
Nitrógeno Amoniacal 4500-NH3C Unidad de Destilación Automática JDK- 42
VELP-
SCIENTIFI
CA
Nitritos* 4500 NO2-B Espectrofotómetro Dr/2010 HACH
Nitratos* 4500-NO3-B Espectrofotómetro Dr/2010 HACH
Fósforo total 4500-P D Espectrofotómetro Dr/2010 HACH
Sólidos Suspendidos
Totales 2540 Gravimétrico
Demanda Bioquímica
de Oxígeno (DBO5) 5210 B Winkler
Demanda Química de
Oxígeno (DQO) 5220 C Digestor 45600 HACH
* Parámetros medidos solamente en la línea plantada con Azolla para analizar las transformaciones del nitrógeno. Nota: Para el análisis de cada parámetro se siguieron las metodologías recomendadas por Standard Methods for the examination of Water and wastewater 20Th Edición.
6.6 Evaluación del efecto del incremento en el tiempo teórico de detención hidráulico en la calidad del efluente de las lagunas de Azolla pinnata Como se dijo en la sección 6.5, el caudal se reguló obteniendo un tiempo de detención teórico promedio (volumen/caudal) de 1.0 día en la cada laguna. Los datos de parámetros tomados a la salida de cada laguna permitieron evaluar el impacto incremento del tiempo teórico de detención en la calidad del efluente, equivalente al efecto del incremento del número de lagunas de la serie en la calidad del mismo.
Adicionalmente, se determinó el contenido de nutrientes (N y P de la biomasa) y finalizado el periodo de muestreo se midió el espesor de la capa de lodos en cada laguna, a dicho lodo se le analizó la concentración de sólidos secos y su contenido de fósforo y nitrógeno. Para determinar el contenido de nitrógeno de la biomasa, se tomaron muestras de Azolla cosechada, se drenaron, pesaron y secaron en un horno (marca DS-Dies) durante 24 horas lo que permitió calcular el contenido de materia seca. La materia seca se pulverizó y se utilizaron 0.1 gramos para el análisis mediante el método estándar 4500 N org- B utilizando un digestor DK6 con unidad de destilación automática (UDK- 142 Velp- Scientifica). Para analizar el contenido de fósforo, 0.1 g del polvo se llevaron a una mufla, se sometieron a una temperatura de 550 oC por una hora y las cenizas fueron procesadas usando el método de digestión con ácido clorhídrico seguido del método colorimétrico del molibdato de amonio y cloruro estañoso (método estándar 4500 P). Para medir el espesor de lodos, se realizó un cuidadoso vaciado de cada tanque y se empleó una vara vertical forrada con tela blanca para tal fin. Los métodos estándar 2540 B, 4500 P y 4500 N, fueron usados para determinar los contenidos de sólidos secos, fósforo y nitrógeno respectivamente. Además, se midió el contenido de nitritos y nitratos en la línea de Azolla con el fin de inferir sobre las transformaciones del nitrógeno que se llevaron a cabo en dicho sistema. Los nitritos se midieron por el método colorimétrico 4500 NO2-B y los nitratos empleando el método espectrofotométrico 4500-NO3-B (APHA, 1998)
6.7 Evaluación del impacto de la captura de peces y vaciado del estanque en la calidad del efluente de las lagunas del sistema de tratamiento con Azolla pinnata En la estación piscícola ―La Yunga‖ la recolección o pesca de peces se realiza con ―red o chinchorro‖ (ver figura 2) en periodos variables de 2 a 4 horas durante los cuales se resuspende parte de los sedimentos debido a la presencia de personas que pisan el fondo del estanque y agitan la masa líquida. Pero en términos ambientales este es un efecto de corta duración. El mayor impacto de la captura de peces sobre los cuerpos receptores se da cuando se drena completamente el estanque, actividad que se realiza simultamente con la pesca u horas después de haber finalizado la operación de recolección de peces y que en el caso de la piscícola ―La Yunga‖ puede durar periodos variables que oscilan entre 8 y 16 horas según el tamaño del estanque. Para evaluar esta situación se realizó una actividad real de recolección de peces el día 25 de Mayo de 2009 con vaciado simultáneo del estanque, conduciendo el efluente alterado hacia la planta piloto. La operación de pesca se realizó entre las 6 AM a 10 AM; el vaciado del estanque piscícola que alimentaba la planta finalizó entre las 5 y 6 PM, con una duración aproximada de 12 horas en la operación completa (dimensiones del estanque: largo 45 m, ancho 10 m, profundidad 0.8 m, diámetro del desagüe 4‖). Aforos previos realizados en el marco del presente estudio por Bazán y Alomía (2009), mostraron que el caudal promedio a la salida del estanque principal que alimentaba la planta piloto, durante el vaciado se incrementaba entre seis y siete veces; razón por la cual, el caudal de ingreso al sistema piloto se incrementó a 633.6 L/día durante las doce horas que duró el drenaje del estanque (reduciendo el tiempo de detención teórico de 1 día en operación normal a 4 horas durante el drenaje en cada tanque). El muestreo sobre el sistema piloto se realizó el mismo día con una muestra compuesta del afluente (tomada durante todo el proceso de pesca y vaciado) y muestras puntuales en la salida de cada uno de los tanques tomadas durante la
finalización del vaciado del estanque (entre las 5 y 6 PM). Terminado el vaciado se restableció el caudal de alimentación normal de la planta a 105.6 L/d (con el efluente de los otros estanques piscícolas); con muestreos posteriores realizados los días: 28 de Mayo y 2 de Junio se evaluó el comportamiento del sistema después de haber recibido la carga pico del vaciado del estanque.
6.8 Análisis estadístico y diseño experimental 6.8.1 Comparación entre las dos líneas de tratamiento Para formular un modelo estadístico que permitiera comparar los resultados de la línea de Azolla con la línea en blanco, se tuvo en cuenta lo siguiente: La calidad del líquido tratado (variable de respuesta; medida en términos de DBO5, DQO, sólidos suspendidos y disueltos, fósforo total, nitrógeno total Kjeldahl y amoniacal) se ve afectada por dos factores: Factor 1: la presencia o ausencia de la planta acuática, que para efectos del análisis se llamó: método de tratamiento, el cual a su vez tenía dos niveles: Nivel 1: Azolla; Nivel 2: Blanco. Factor 2: cada laguna de la serie, que para efectos del análisis se llamó laguna, el cual a su vez tenía 5 niveles que se llamaron: T1, T2, T3, T4 y T5. Debido a inconvenientes asociados con la disponibilidad y ocupación de equipos de laboratorio, no fue posible analizar simultáneamente todos los puntos de muestreo de cada línea, algunos días se analizaron tres, otros cuatro o cinco, escogiendo al azar los puntos analizados; esto conllevó a que no se tuviera un número igual de datos en cada punto (caso en el cual se debe utilizar un modelo desbalanceado) y a que en el modelo estadístico se tuviera en cuenta el efecto de cada día de muestreo como factor de bloqueo. Por ello, se utilizó un modelo estadístico desbalanceado de bloques al azar con estructura factorial, descrito por la siguiente ecuación:
Yijk= + i + k + j + () ij + eijk i= 1,2 j= 1, 2, 3, 4, 5 k= 1,2......r
es la media general
i es el i-ésimo nivel del factor 1
k es el efecto del k-ésimo bloque
j es el efecto del j-ésimo nivel del factor 2
()ij es el efecto de la interacción entre los factores 1 y 2 eijk es el error aleatorio
Yijk es la calidad del agua medida en términos de cada parámetro
Hipótesis de trabajo: Las lagunas de Azolla constituyen una alternativa eficaz para la remoción de nitrógeno (NTK y amoniacal), fósforo total, materia orgánica y sólidos suspendidos, provenientes de estanques de cría de tilapia. En condiciones de operación normal de un estanque de tilapia, las lagunas plantadas Azolla son más eficientes para remover contaminantes que el blanco. Hipótesis nula La calidad promedio del agua a la salida de cada laguna es igual para el sistema con Azolla y el blanco. Hipótesis alternativa: La calidad promedio del agua a la salida de cada laguna es diferente para los sistemas con Azolla y blanco. La hipótesis nula de igualdad entre medias se rechazó cuando la probabilidad de exceder el estadígrafo de prueba del análisis de varianza para cada factor o interacción de los mismos fue inferior a 0.05 (p<0.05), caso en el cual se consideró que había diferencias significativas entre la calidad del agua en el sistema con Azolla y el blanco, y se pasó a hacer pruebas comparativas de Tukey para estimar cual sistema se comportaba mejor en la remoción de cada parámetro
6.8.2 Efecto del tiempo teórico de detención hidráulico en el sistema de lagunas con Azolla pinnata
Para evaluar el efecto del incremento del tiempo de detención teórico en la calidad del líquido, se tuvieron en cuenta las siguientes consideraciones: Dado que el supuesto de independencia, necesario para plantear un modelo estadístico que incluya un análisis de varianza no se cumple al interior de una línea de tratamiento, donde el nivel de calidad logrado por cada laguna, se ve afectado por lo que ocurre en la laguna que la precede, las comparaciones al interior de la línea de Azolla se realizaron con pruebas t, que es la metodología estadística recomendada cuando hay una relación de dependencia, utilizando t pareadas cuando se tenía igual número de datos y t student simple para número de datos diferentes y varianzas diferentes (Berthouex y Brown, 2002). Hipótesis de trabajo A medida que se incrementa el tiempo teórico de detención hidráulico en las lagunas inoculadas con Azolla pinnata, se mejora significativamente la remoción de nitrógeno, fósforo total, materia orgánica y sólidos suspendidos provenientes de estanques de tilapia, pero existe un tiempo teórico límite asociado al número de lagunas iguales de una serie, a partir del cual no se presentan mejoras significativas en la calidad del líquido.
Hipótesis nula: El incremento en el tiempo teórico de detención hidráulico no afecta la calidad del efluente en el sistema de lagunas de Azolla. Hipótesis alternativa: El incremento del tiempo de detención teórico afecta significativamente la calidad del efluente en las lagunas de Azolla. La hipótesis nula de igualdad entre medias se rechazó cuando la probabilidad de exceder el estadígrafo de prueba de t student fue inferior a 0.05 (p<0.05); cuando se rechazó la hipótesis nula se pudo inferir que el incremento en el tiempo de detención teórico afectaba significativamente la calidad del efluente. Cuando no se rechazó la hipótesis nula se pudo inferir que el incremento del tiempo de detención mediante el aumento del número de lagunas de la serie no influía en la mejora de la calidad del líquido.
6.8.3 Impacto de la captura de peces y vaciado del estanque en el rendimiento del sistema con Azolla Para el análisis del efecto del drenaje del estanque piscícola asociado a la cosecha de peces no se consideró práctico proponer un modelo factorial, porque lo que se pretendía era visualizar el desempeño de las lagunas afectadas por esa actividad, caso en el cual es más adecuado hacer comparaciones mediante pruebas Z. Este tipo de pruebas permiten comparar un valor individual (correspondiente en este caso a parámetros medidos durante el evento de captura de peces con vaciado simultáneo del estanque piscícola) con un valor promedio (correspondiente a parámetros medidos en condiciones de operación normal). Hipótesis de trabajo: El proceso de vaciado del estanque asociado a la captura de peces (cosecha), desmejora significativamente la calidad del efluente de cada laguna en relación a los promedios obtenidos en condiciones de operación normal. En este caso, los valores promedio de los parámetros de calidad del efluente obtenidos durante la operación normal, se consideraron como valores medios especificados µo que se debían comparar contra los valores individuales de la calidad del efluente obtenidos el día de cosecha con vaciado simultáneo del estanque piscícola µ en el sistema plantado con Azolla pinnata
Ho: µ = µo Ha: µ diferente de µo Para la prueba de esta hipótesis se empleó un estadístico de prueba Zo
Zo= (Y- µo)/ (. n1/2) Y es el estadígrafo correspondiente al valor individual de la concentración del
contaminante al final del vaciado del estanque piscícola. µo es el promedio de cada parámetro físico químico en condiciones de operación normal.
es la desviación standard de los parámetros físico químicos en condiciones de operación normal y n es el número de datos tomados para cada parámetro en operación normal
Zo se confrontó con el valor Z de la distribución normal Z.
La hipótesis nula se rechazó cuando I Zo I > Z, lo que se registra con una probabilidad de exceder el estadígrafo de la distribución Z en un 5% (p< 0.05) Un rechazo de la hipótesis nula indica que hay diferencias significativas entre la calidad del efluente de cada laguna durante la operación normal y el valor alcanzado el por efecto del drenaje del estanque. El no rechazo de la hipótesis nula indica que la operación de drenaje del estanque, asociada con la captura de peces no afecta la calidad del efluente de cada laguna.
7. RESULTADOS En los apartados 7.1, 7.2 y 7.3 se hará la presentación detallada de los resultados y hallazgos más relevantes de este estudio. El análisis y discusión de los mismos se realizará en la sección 8. Para una mejor comprensión de los resultados se utilizaron cajas esquemáticas (box plot), que son diagramas que permiten visualizar el rango intercuartil, la media, la mediana y los valores inusualmente altos o bajos (con respecto al resto de datos) obtenidos durante el muestreo (ver figura 7).
Figura 7. Contenido de una caja esquemática
Los resultados promedio de las muestras compuestas tomadas a la entrada del sistema se muestran en la tabla 7 (ver anexo A1)
Barrera superior
Media Mediana
Barrera inferior
Tercer cuartil
Primer cuartil
* Valor alto
usualmentealto
* Valor bajo
Tabla 7. Valor de parámetros a la entrada del sistema en condiciones de operación normal
Parámetro Valor (IC, 95%) No de datos
Temperatura 21.92± 0.40 oC 23
Rango de pH 5.39 a 7.80 23
Oxígeno disuelto 4.16± 0.52 mg/L 23
Conductividad eléctrica 47.1± 4.1 µS/cm 22
Sólidos disueltos totales 21.79± 1.88 mg/L 22
DBO5* 11.39± 1.68 mg/L 15
DQO* 122.06± 21.47 mg/L 20
Fósforo total 0.15± 0.014 mgP/L 19
SST 110.4± 13.5 mg/L 20
N-NTK 4.68± 0.64 mgN/L 16
N-NH4 1.08± 0.36 mgN/L 20
N-NO3 0.0700±0.027 mgN/L 6
N-NO2 0.0203±0.0022 mgN/L 6
* Muestras sin filtrar
7.1 Comparación entre los efluentes del sistema de lagunas con Azolla pinnata y el sistema sin Azolla (Blanco) en condiciones de operación normal. Las tablas 8a y 8b muestran los resultados obtenidos en líneas de tratamiento bajo condiciones de operación normal. Los resultados detallados de análisis de laboratorio, muestreos y estadísticas descriptivas se presentan en los anexos A2 a A14. Los resultados del modelo estadístico que compara el blanco con la línea de Azolla para cada parámetro se presentan en los anexos B1 a B10.
Tabla 8a. Desempeño del sistema piloto plantado con Azolla pinnata en condiciones de operación normal* Temp Rango
de pH OD CE SDT DBO5 DQO Fósforo
total SST N-
NTK N-NH4 N-NO3 N-NO2
oC unidad mg/L µS/cm mg/L mg/L mg/L mgP/L mg/L mg/L mg/L mg/L mg/L
T1 21.28
0.64,
n=25
4.79 a 7.57, n=25
3.03
0.66,
n=24
39.18
5.17
n=22
18.30
2.34
n=24
8.22
1.30
n=15
76.00
15.2
n=14
0.101 0.016
n=18
79.18
15.2
n=14
3.917
0.57
n=14
1.575
0.53
n=17
0.0760.025
n=6
0.029 0.006
n=6
T2 21.09
0.54,
n=25
4.78 a 7.46,
n=24
2.74
0.61,
n=24
37.08
5.47
n=22
17.39
2.40
n=25
6.44
1.15
n=15
74.00
18.0
n=14
0.077 0.018
n=18
65.09
14.5
n=14
3.737
0.70
n=13
1.992
0.48
n=17
0.1070.018
n=6
0.052 0.011
n=6
T3
21.28
0.55,
n=24
4.60 a 7.18, n=24
2.90
0.58,
n=22
36.08
5.22
n=22
16.67
2.40
n=24
5.21
1.34
n=14
69.4
23.1
n=13
0.071 0.019
n=17
54.74
12.9
n=12
3.393
0.82
n=12
2.021
0.63
n=16
0.1610.009
n=6
0.079 0.022
n=6
T4 21.31
0.52, n=24
4.85 a
7.40 , n=24
3.11
0.44n=24
35.50
5.34 n=22
15.97
2.37n=24
4.75
1.12n=13
61.3
25.5n=12
0.065 0.018
n=17
50.56
11.3 n=12
3.485
0.86 n=12
2.022
0.61 n=15
0.1900.019
n=6
0.080 0.023
n=6
T5 21.15
0.59,
n=22
4.87 a 7.40,
n=23
3.49
0.48,
n=22
33.36
5.42
n=22
14.85
2.40
n=23
5.00
1.42
n=13
62.00
18.3
n=12
0.054 0.015
n=15
48.96
13.4
n=12
3.361
0.89
n=11
2.241
0.74
n=15
0.2280.023
n=6
0.080 0.017
n=6
* Promedio Intervalo de confianza 95%, n= número de datos.
Tabla 8b. Desempeño del sistema sin la planta acuática (Blanco) en condiciones de operación normal* Temp Rango
de pH OD CE SDT DBO5 DQO Fósforo
total SST N-NTK N-NH4
oC unidad mg/L µS/cm mg/L mg/L mg/L mgP/L mg/L mg/L mg/L
T1 20.52
0.67, n=17
6.10 a
7.88, n=17
5.78
0.98, n=16
41.21
4.36 n=17
19.22
2.09 n=17
8.97
2.09 n=12
110.4
18.3 n=12
0.129 0.018
n=14
88.51
12.7 n=14
4.170
0.90 n=13
0.832
0.34 n=16
T2 20.15
0.67, n=17
4.91 a 8.86,
n=17
6.03
0.84,
n=16
41.53
4.41n
=17
19.36
2.11
n=17
7.47
2.02
n=12
104.0
17.3
n=12
0.113 0.016
n=16
73.01
11.7
n=14
3.902
0.78
n=12
0.822
0.36
n=15 T3 20.30
0.48,
n=16
6.00 a
9.00, n=17
6.05
0.72,
n=16
41.32
4.13
n=17
19.26
1.97
n=17
7.16
2.51
n=12
105.8
24.7
n=12
0.113 0.020
n=16
81.29
14.3
n=14
4.148
0.78
n=12
0.801
0.28
n=16 T4 20.19
0.45 n=16
6.25 a 8.93,
n=17
6.16
0.75,
n=16
41.69
3.76
n=17
19.45
1.80
n=17
6.28
2.16
n=11
93.00
28.7 n=12
0.105 0.020
n=14
78.24
14.9
n=13
3.795
0.68
n=10
1.009
0.31
n=16 T5 19.97
0.61,
n=17
6.03 a 8.85, n=17
6.36
0.71,
n=16
41.66
3.85
n=17
19.411.85
n=17
6.10
2.49
n=10
90.20
23.2
n=12
0.099 0.020
n=15
74.25
12.8
n=13
3.006
0.71
n=10
0.832
0.21
n=16 * Promedio Intervalo de confianza 95%, n= número de datos.
7.1.1 Temperatura
La temperatura media, medida en horas de la mañana osciló entre 21 y 21.3 oC para el sistema con Azolla y entre 20 y 20.5 oC para el blanco. El modelo estadístico muestra que este parámetro está influenciado por la presencia de la planta acuática (p<0.0001) y es que es mínima la influencia de cada laguna de la serie (p=0.051). (Figura 8).
Figura 8. Variación de temperatura
7.1.2 pH El pH, medido en horas de la mañana, osciló entre 4.6 y 7.6 para el sistema con Azolla y entre 4.9 y 9.0 para el blanco; la figura 9 muestra que el pH disminuye ligeramente a lo largo de la línea con Azolla, manteniendo fluctuaciones mínimas en las tres últimas lagunas, mientras aumenta a lo largo de la línea en blanco. El modelo estadístico muestra que el pH se ve influenciado simultáneamente por la presencia de la planta acuática y por cada laguna de las líneas (p< 0.001); y que se presentan diferencias significativas entre los valores de pH de cada par de lagunas a partir de la segunda en los sistemas con Azolla y blanco.
Figura 9. Variación del pH 7.1.3 Oxígeno disuelto
El oxígeno disuelto en el sistema con Azolla osciló entre 1 y 6.7 mg/L O2 con promedios entre 2.74 ± 0.61 y 3.49 ± 0.48 mg/L O2 en el sistema con Azolla, y entre 2.2 y 9.1 mg/L O2 con promedios entre 5.78 ± 0.98 y 6.36 ± 0.71 mg/L O2 en el blanco. Su concentración en el sistema depende básicamente de la presencia de la planta acuática (p<0.0001) mientras que la influencia de cada laguna de las líneas es mínima (p=0.105). Al comparar una a una las lagunas de la serie entre Azolla y el blanco, en todos los casos se presentan diferencias significativas en la concentración de este parámetro (p<0.0001) con superioridad de la línea en blanco, lo que se corrobora al observar la tendencia mostrada por las cajas esquemáticas (Figura 10). Los diagramas de cajas muestran disminución de oxígeno en el sistema con Azolla hasta la laguna 2 y ligeros aumentos hasta la laguna 5, así como pequeños aumentos a medida que el efluente piscícola circula por la serie del blanco.
Figura 10. Variación del OD
7.1.4 Sólidos disueltos y conductividad eléctrica
Los promedios de sólidos disueltos variaron entre 14.85 ± 2.40 y 18.30 ± 2.34 mg/L en el sistema con Azolla, con mínimos de 6.76 y máximos de 27.20 mg/L; así mismo, variaron entre 19.22 ± 2.09 y 19.45 ± 1.80 mg/L en el blanco con mínimos de 11.10 y máximos de 26.7 mg/L. El modelo estadístico mostró que la variación de este
parámetro depende de la acción conjunta de la presencia planta acuática y de los procesos que se dan al interior de cada laguna (p<0.0001) (ver figura 11). Las remociones promedio de sólidos disueltos fueron del 32% para el sistema con Azolla y el 11% por parte del blanco.
Figura 11. Variación de los sólidos disueltos
Dada la relación directa que se presenta entre la conductividad eléctrica y los sólidos disueltos (observar figuras 11 y 12), los resultados para este segundo parámetro fueron similares: el sistema con Azolla registró promedios entre 33.36 ± 5.42 y 39.18 ± 5.17 µS/cm con valores mínimos de 16.2 y máximos de 58.8 µS/cm, mientras que en el blanco se registraron promedios entre 41.21 ± 4.36 y 41.69 ± 3.76 µS/cm con valores mínimos de 24.20 y máximos de 56.80 µS/cm.
Figura 12. Variación de la conductividad eléctrica
7.1.5 Materia orgánica El sistema con Azolla removió el 56% de la DBO5 mientras que en el blanco se removió el 46% de la DBO5 con efluentes de 5.00± 1.42 mg/L en Azolla y 6.10 ± 2.49 mg/L en el blanco. Aunque la figura 13 presenta un mejor comportamiento en la remoción de DBO5 en el sistema con Azolla, las comparaciones de Tukey no muestran diferencias significativas entre cada par de lagunas de los dos sistemas. A su vez, el resultado del modelo, sugiere que la presencia de Azolla pinnata afecta ligeramente la
remoción de este parámetro (p= 0.025), remoción que mejora hasta la cuarta laguna, punto a partir del cual se estabiliza en valores bastante bajos.
Figura 13. Variación de la DBO5
Con respecto a la DQO el sistema de lagunas plantado con Azolla removió el 49% mientras que el blanco removió el 26% con efluentes de 62.0 ± 18.3 mg/L y 90.2 ± 23.2 mg/L, respectivamente, presentándose diferencias significativas entre los dos sistemas (p<0.0001), con superioridad del sistema con Azolla (figura 14).
Figura 14. Variación de DQO
7.1.6 Sólidos suspendidos totales
El sistema con Azolla removió el 56% de SST, con un efluente de 48.96 ± 13.4 mg/L, mientras que el blanco removió el 33% con un efluente de 74.25 ± 12.8 mg/L. Existen diferencias significativas entre los dos sistemas (p<0.0001). Las comparaciones de Tukey ratifican la superioridad del sistema con Azolla a partir de la tercera laguna (p=0.0013, 0.0036, 0.0035) (figura 15).
DB
O5 (
mg/L
)
Figura 15. Variación de los sólidos suspendidos totales
7.1.7 Fósforo total
El sistema con Azolla pinnata removió el 64% del fósforo total, reportando un efluente
promedio de 0.054 ± 0.015 mg/L, mientras que el blanco removió el 34% con un efluente promedio de 0.099 ± 0.020 mg/L. La remoción de este parámetro se ve altamente influenciada por la presencia de la planta acuática con diferencias significativas entre las dos líneas y superioridad del sistema con Azolla (p<0.0001), que de acuerdo con las comparaciones por pares de Tukey, se presenta en todas las lagunas (p=0.0013, 0.0001, 0.0001, 0.0003 y 0.0001) (figura 16).
Figura 16. Variación del fósforo total en los dos sistemas
7.1.8 Nitrógeno total Kjeldahl y amoniacal La disminución de N-NTK fue del 28% en el sistema con Azolla con efluente final de 3.36± 0.89 mgN/L y 36% en el blanco, con un efluente de 3.01 ± 0.71 mgN/L sin reportarse diferencias significativas en la calidad lograda con las dos líneas de tratamiento (p=0.074) (figura 17), presentándose en ambas líneas mayores reducciones en la primera laguna de la serie. Contrariamente, el nitrógeno amoniacal se incrementó en un 108% en la línea con Azolla y se redujo en un 23% en el blanco, con efluentes finales de 2.241 ± 0.74 mg NH4-N/L y 0.832 ± 0.21 mg NH4-N/L en cada línea con diferencias significativas atribuibles a las transformaciones del nitrógeno en ambos sistemas (p=0.013).
Fósfo
ro t
ota
l (m
gP
/L)
Figura 17. Variación del nitrógeno total Kjeldahl
Figura 18. Variación del nitrógeno amoniacal
7.2 Evaluación del efecto del incremento en el tiempo teórico de detención hidráulico en la calidad del efluente de las lagunas de Azolla pinnata Las pruebas estadísticas que comparan los resultados obtenidos al interior de la línea de Azolla pinnata para cada parámetro se presentan en los anexos C1 a C13.
7.2.1 Materia orgánica y sólidos suspendidos La comparación entre el afluente y cada una de las lagunas de la serie muestra que el incremento en el tiempo de detención hidráulico (equivalente al incremento del número de lagunas) afecta de manera significativa la remoción de DBO5 (p<0.01, ver anexo C7). Como se explicó en la sección 6.8.2, se considera que el incremento del número de lagunas ejerce un efecto significativo en la calidad del líquido cuando la probabilidad resultante de la comparación entre cada par de lagunas mediante pruebas t sea inferior al 5% (p<0.05); al respecto, las comparaciones entre los promedios de DBO5
N-N
H4 (
mgN
/L)
N-N
TK
(m
gN
/L)
efluentes de las lagunas muestran que dicho impacto significativo va hasta la tercera laguna (T= 3 días), porque de la tercera en adelante no se presentan efectos significativos sobre la calidad del efluente (al comparar la DBO5 del efluente de la tercera laguna con la DBO5 efluente de la cuarta y quinta se obtiene p>>0.05, ver anexo C7), lo que sugiere que la remoción de DBO5 se estabiliza a partir de la tercera laguna3, hecho que se puede corroborar al observar la figura 19. Las remociones promedio individuales de cada laguna son: 27.7%, 21.6%, 19.2%, 8.9% y un incremento del 5.2% en la quinta laguna con respecto a la cuarta, mientras que las remociones acumuladas son 27.7%, 43.5%, 54.3%, 58.3% y 56.1 % para la primera, segunda, tercera, cuarta y quinta laguna respectivamente. La calidad promedio del efluente presenta una variación exponencial (y = 9,9462e-0,1709x, R2=0.87, siendo y la DBO5 y x el tiempo teórico acumulado) de laguna a laguna.
Figura 19. Comportamiento de la DBO5 en el sistema de lagunas de Azolla pinnata
El resultado obtenido en remoción de DBO5 es coherente con el comportamiento del oxígeno disuelto (figura 20), parámetro que también se ve afectado por el incremento en el tiempo teórico de detención hidráulico, presentando disminución con respecto al afluente debido a la utilización del mismo por parte de las bacterias del sistema (p<0.01 hasta la segunda laguna) y mostrando signos de recuperación desde la tercera hasta la quinta laguna, donde el sustrato es escaso (p= 0.072) y la materia orgánica biodegradable ha sufrido niveles importantes de estabilización.
3 En el anexo F1 se encuentra una explicación detallada de cómo se llegó a esta conclusión
DB
05 (
mg/L
)
Figura 20. Comportamiento del oxígeno disuelto en el sistema de lagunas de Azolla pinnata
Por su parte el pH del afluente, también se ve ligeramente afectado por el sistema de lagunas de Azolla (p<0.05), pasando de un promedio de 6.86± 0.28 en la entrada a 6.19± 0.28 en la última laguna, pero no se presentan diferencias significativas entre lagunas. Con la temperatura ocurre lo mismo: la temperatura del afluente se ve ligeramente afectada por el sistema de lagunas de Azolla (p<0.05), pasando de un promedio de 21.92± 0.40 oC en la entrada a 21.15± 0.59 oC en la última laguna, pero no se presentan diferencias significativas entre lagunas.
La DQO, al igual que la mayoría de los parámetros registra los mayores porcentajes de remoción en la primera laguna (ver figura 21). Los porcentajes individuales de remoción son: 37.8%, 2.6%, 6.2%, 11.6% y un muy ligero incremento (1.1%) en la última laguna, coherente con lo sucedido con la DBO5. Las remociones acumuladas son 37.8%, 39.4%, 43.2%, 49.8% y 49.2% para la primera, segunda, tercera, cuarta y quinta laguna respectivamente. La calidad promedio del efluente presenta una variación exponencial (y =100e-0,11x, R2=0.75, siendo y la DQO y x el tiempo teórico
acumulado). Los estadígrafos de prueba muestran que el sistema efectivamente remueve DQO (p<0.01 al comparar el afluente con todas las lagunas del sistema), pero dicha remoción solo es significativa hasta la segunda laguna (T=2 días) ya que de allí en adelante no se registran diferencias estadísticas en la calidad del agua en términos de DQO (p>0.05), hecho que también es coherente con la recuperación del oxígeno disuelto a partir de la tercera laguna.
Al comparar el afluente con cada una de las lagunas, se prueba que el sistema es efectivo en la remoción de sólidos (p<0.0001 en todos los casos). Los porcentajes individuales de remoción de sólidos son: 28.2%, 17.8%, 15.9%, 7.6% y 3.2%, mientras que las remociones acumuladas laguna tras laguna son: 28.2%, 41.0%, 50.4%, 54.2% y 55.6%. Los estadígrafos de prueba muestran que la remoción de sólidos es significativa hasta la tercera laguna (p<0.05) y que la calidad del agua medida a través de este parámetro no sufre cambios importantes en la cuarta y la quinta laguna
Figura 21. Comportamiento de la DQO en el sistema de lagunas de Azolla pinnata
Tal comportamiento de los sólidos, bastante afín con la DQO, se muestra en la figura 22, y al igual que la DBO5 y DQO presenta una variación exponencial (y =97.21e-0, 16x, R2=0.91, siendo y los SST y x el tiempo acumulado). Los resultados estadísticos
indican que se requieren tres lagunas en serie, cada una con un TRH de un día para lograr una remoción significativa de materia orgánica y SST.
Figura 22. Comportamiento de los SST en el sistema de lagunas de Azolla pinnata.
7.2.2 Nutrientes, sólidos disueltos y producción de biomasa
Al comparar el afluente con cada una de las lagunas se observa que el sistema tiene un impacto significativo en la eliminación del fósforo total (p<0.0001 en todos los casos). Al comparar mediante pruebas t los promedios de fósforo efluentes de las lagunas entre sí se observa que dicho efecto significativo en la remoción de fósforo va hasta la tercera laguna (p<0.01, ver anexo C9)4, ya que al comparar esta última con las dos restantes no se observan diferencias significativas entre los promedios de fósforo en el agua (p>0.05), hecho que se corrobora al observar la figura 23.
4 Como se explicó en la sección 6.8.2, se considera que el incremento del número de lagunas afecta de manera
significativa la calidad del efluente cuando la probabilidad arrojada por la comparación realizada entre cada par de lagunas mediante pruebas t resulta menor que 0.05
La remociones individuales de fósforo en cada laguna son: 33.8%, 23.7%, 8.7%, 8.2% y 16.6%, mientras que las remociones acumuladas son: 33.8%, 49.5%, 53.9%, 57.7% y 64.5%, respectivamente. La eliminación de fósforo en el sistema sigue una tendencia exponencial (y =0.130e-0,19x, R2=0.91, siendo y el P total y x el tiempo teórico acumulado)
Figura 23. Comportamiento del fósforo total en el sistema de lagunas de Azolla pinnata
Similar a lo reportado con el fósforo total, el sistema de Azolla presenta disminución de los sólidos disueltos y por ende, decremento de la conductividad eléctrica. Las pruebas estadísticas muestran que el sistema disminuye significativamente las sales disueltas (p<0.05 al comparar el afluente con todas las lagunas, ver anexo C5), presentándose una disminución significativa de las mismas hasta la tercera laguna (TRH= 3 días)5, al comparar la cuarta laguna con la quinta no se presenta una reducción significativa en este parámetro (p>0.05) lo que se corrobora al observar la figura 24. La eliminación de sales disueltas sigue una tendencia exponencial (y = 20.563e-0.0676x, R2 = 0.9164 siendo y los sólidos disueltos expresados en mg/L y x el tiempo de detención acumulado). La remoción individual de sólidos disueltos realizada por cada laguna es de 16%, 5%, 4.1%, 4.2% y 7% respectivamente; las remociones acumuladas son: 16%, 20.2%, 23.5%, 26.7% y 31.8%, en la primera, segunda, tercera, cuarta y quinta laguna respectivamente. La conductividad eléctrica tiene un comportamiento constante, y sus
promedios varían entre 47.06 S/cm y 33.36 S/cm desde la primera hasta la quinta laguna. El sistema reporta un factor de conductividad media de 0.46.
5 El criterio para esta conclusión es el mismo que se empleó para materia orgánica y fósforo, sustentado en la sección
6.8.2
Fósfo
ro t
ota
l (m
gP
/L)
Figura 24. Comportamiento de los sólidos disueltos en el sistema de lagunas de Azolla pinnata
Contrariamente a lo que ocurre con el fósforo, la eliminación de diversas formas de nitrógeno en el sistema no sigue una tendencia definida y se evidencia transformación del mismo al interior de las lagunas a medida que se incrementa el número de estas, incremento asociado al aumento del tiempo teórico de detención hidráulico. Con respecto al NTK, al comparar el efluente con todas las lagunas solamente se observa una reducción significativa del mismo a partir de la tercera laguna (TRH= 3 días, p< 0.05) y al comparar las lagunas entre sí, no se verifica aumento en la eliminación de este parámetro en las lagunas cuarta y quinta (p>0.05). Las eficiencias individuales en la reducción de este parámetro son: 16.3%, 4.6%, 9.2%, aumento en un 2.7% en la cuarta laguna y disminución de un 3.6% en la última laguna (figura 25); así mismo, las reducciones acumuladas son: 16.3%, 20.2%, 27.5%, 25.5% y 28.2% respectivamente.
Figura 25. Comportamiento del NTK en el sistema de lagunas de Azolla pinnata
Mientras que el NTK disminuye, la otra forma reducida del nitrógeno (N-NH4+),
presenta un aumento hasta la segunda laguna y se estabiliza (figura 26), a su vez, las formas oxidadas aumentan a lo largo de la serie (NO2-N y NO3-N, ver figuras 27 y 28), revelando la presencia de procesos de nitrificación al interior del sistema. Los incrementos totales del nitrógeno amoniacal, nitritos y nitratos en el sistema superficial con Azolla pinnata son: 206.6%, 325.7% y 396.5% respectivamente. Las causas del incremento del nitrógeno amoniacal en el sistema de lagunas con Azolla pinnata se
analizarán en la sección 8.
N-N
TK
(m
gN
/L)
Figura 26. Comportamiento del N-NH4
+ en el sistema de lagunas de Azolla pinnata
Figura 27. Comportamiento del N-NO3 en el sistema de lagunas de Azolla pinnata
Figura 28. Comportamiento del N-NO2 en el sistema de lagunas de Azolla pinnata La producción media de biomasa fresca en las lagunas osciló entre 42 y 87 g/m2.d (Anexo D). No se presentaron diferencias significativas en la producción de biomasa entre la primera y la segunda laguna (p=0.673), pero se observa un descenso significativo a partir de la tercera laguna, permaneciendo sin variaciones en la cuarta y quinta laguna (p>0.05) (Tabla 9). El contenido de nitrógeno en la biomasa osciló entre
N-N
H4
+ (
mgN
/L)
N
-NO
3 (
mgN
/L)
N-N
O2 (
mgN
/L)
2.97% y 3.26%, sin presentar diferencias significativas a lo largo del sistema (Tabla 9, p>0.05; n= 7 datos por laguna). El contenido promedio de proteína en la biomasa osciló entre el 18.5% y 20.4%. En todos los casos los menores valores se registraron en la quinta laguna. Por otro lado, el contenido medio de fósforo en Azolla osciló entre 0.28 y 0.41%, sin registrarse diferencias significativas a lo largo de las lagunas de la serie (p>0.05). El promedio de fósforo asimilado por Azolla en cada laguna fue de 0.010 gP/m2.d, 0.0105 gP/m2.d, 0.004 gP/m2.d, 0.006 gP/m2.d y 0.005 gP/m2.d. Tabla 9. Tasa de producción de biomasa en lagunas de Azolla, nutrientes y contenido de materia seca (Datos detallados en el anexo D) T1 T2 T3 T4 T5
Producción de biomasa fresca (g/m
2.d)
87.1133.33 94.0844.84 44.3625.85 45.5825.22 42.3715.72
Peso seco (% del peso húmedo)
3.470.26 3.66 .25 3.630.24 3.530.38 3.810.42
Producción media de biomasa seca (g/m
2.d)
3.022 3.443 1.610 1.608 1.614
Contenido de nitrógeno (%) 3.260.16 3.170.16 3.020.20 3.140.25 2.970.24
Contenido de proteína (%) 20.401.03 19.800.97 18.861.23 19.601.56 18.541.49
Contenido de fósforo (%) 0.340.14 0.310.20 0.280.14 0.410.09 0.310.18
7.2.3 Lodos La mayor acumulación de lodos (registrada durante los 140 días de evaluación) se presentó en las dos primeras lagunas. La tabla 10 muestra los resultados obtenidos en la caracterización de los mismos. Tabla 10. Caracterización de los lodos acumulados durante 140 días (época de verano) Laguna T1 T2 T3 T4 T5
Altura de lodos (mm) 8 8 7 5 5
Contenido de fósforo (%) 0.16 0.23 0.16 0.16 0.16
Contenido de nitrógeno (%) 1.98 2.15 2.24 1.98 2.37
Materia seca (%) 0.83 0.60 0.99 0.90 0.60
Volumen total de lodos (L) 2.11 2.11 1.85 1.32 1.32
Peso total de lodos secos (g) 17.51 12.66 18.32 11.88 7.92
Tasa de sedimentación del N (mgN/d)
2.48 1.94 2.93 1.68 1.34
Con base en los datos anteriores se calcularon las cargas de nitrógeno a lo largo sistema de lagunas plantadas con A. pinnata (Tabla 11). La cantidad total de nitrógeno
en el agua afluente a las lagunas fue de 503.74 mgN/d; 116.26 mgN/d (23% de la carga afluente) fueron removidos en el sistema de lagunas de Azolla pinnata y 387.48
mgN/d salieron en el efluente como nitrógeno orgánico, amoniacal, nitrito y nitrato. Tabla 11. Cargas de nitrógeno medidas en el sistema de lagunas con A. pinnata Laguna T1 T2 T3 T4 T5 TOTALES
Nitrógeno total en el afluente (mgN/d)
503.74 424.65 411.43 383.57 396.56 503.74
Nitrógeno acumulado por Azolla
cosechada (mgN/d) 26.03 28.84 12.85 13.34 12.66 93.72
Nitrógeno sedimentado (mgN/d) 2.48 1.94 2.93 1.68 1.34 10.37
Nitrógeno no contabilizado (mgN/d) 50.58 -17.56 12.08 -28.01 -4.92 12.17
Nitrógeno total a la salida (mgN/d) 424.65 411.43 383.57 396.56 387.48 387.48
Diferencia entre nitrógeno total en el afluente y el efluente (mgN/d)
79.09 (15.7%)
13.22 (3.1%)
27.86 (6.8%)
-12.99 (-3.4%)
9.08 (2.3%)
116.26 (23.0%)
Nota: El nitrógeno total equivale a la suma de N-NTK, N-NO3 y N-NO2
7.3 Efecto del vaciado del estanque asociado a la cosecha de peces en la calidad del efluente de las lagunas de Azolla pinnata
La tabla 12 presenta los resultados de calidad correspondientes al muestreo realizado al final del vaciado del estanque piscícola, el día 25 de Mayo de 2009. Tabla 12. Calidad del efluente al final del proceso de vaciado
O.D
(mg/L) pH
(unidad) COND (µS/cm)
T (° C )
SST (mg/L)
P (mg/L)
N-NT K (mg/L)
NH4-N (mg/L)
DBO5 (mg/L)
DQO (mg/L)
AFL 2.0 7.9 25.4 21.8 152 0.53 10.9 4.8 16.9 342
T1 2.2 7.9 25.9 21.0 143.2 0.20 10.8 4.4 15.9 266
T2 1.8 7.6 25.3 20.8 70.8 0.18 5.4 3.9 15.2 214
T3 1.8 6.6 24.8 20.7 82.2 0.18 3.4 3.0 10.9 206
T4 1.8 7.4 25.1 20.8 71.0 0.14 4.9 3.5 10.3 210
T5 2.0 6.8 25.8 20.9 54.2 0.16 5.9 3.5 9.4 216
Las pruebas de Z utilizadas para comparar el efluente de cada laguna en condiciones de operación normal con la calidad obtenida al final del proceso de vaciado del estanque (Anexos E1 a E10), muestran un impacto significativo de esta actividad en el desempeño del sistema piloto de lagunas de Azolla pinnata; ya que el único parámetro que no presentó variaciones significativas en las dos situaciones de operación fue la temperatura (p>0.05).
Con respecto a la materia orgánica, tanto la DBO5 como la DQO se afectan de manera significativa aumentando en todo el sistema (p< 0.0001), reportando valores de parámetros que superan los obtenidos en operación normal (tabla 12). El mismo resultado se obtuvo para el fósforo total (p<0.0001); nitrógeno total Kjeldahl, amoniacal (p<0.01) y pH (p<0.0001; mientras que los sólidos suspendidos totales aumentaron de manera significativa en el efluente de las lagunas 1, 3 y 4 (p<0.001) y registraron valores ligeramente por encima del promedio registrado en operación normal en los estanques 2 y 5. Las pruebas de Z realizadas sobre el último tanque de la planta piloto con base en los resultados del muestreo realizado 3 días después del vaciado (28 de mayo) revelan que el sistema aún no se ha recuperado de la carga pico generada en el vaciado y que por tanto no ha regresado a su condición de operación normal, pues parámetros como la DBO5: 9 mg/L (p<0.00001) y los SST: 89.2 mg/L (p<0.0001) son significativamente mayores que los rangos de confianza obtenidos a la salida del último tanque en condiciones de operación normal. En el muestreo siguiente realizado el 2 de junio de 2009, todos los parámetros, se encuentran en el rango registrado en operación normal, lo que indica que el sistema tardó aproximadamente seis días en recuperarse completamente del impacto causado por el vaciado del estanque piscícola Con respecto a la producción de biomasa en la semana posterior al vaciado (26 de mayo a 2 de junio) las pruebas Z mostraron que la producción de biomasa; aunque disminuyó, no se afectó significativamente con respecto a los rangos registrados en
operación normal en los tres primeros tanques (p=0.12, 0.20 y 0.33; respectivamente) registrando valores de 60.23 (g/m2d), 91.6 (g/m2d), 57.53 (g/m2d) en el primero, segundo y tercer tanque respectivamente; pero disminuyó de manera significativa en los dos últimos tanques (p<0.001) registrando un crecimiento nulo en el cuarto tanque (0 (g/m2d)) y un valor muy bajo en el quinto (13.2 (g/m2d))
8. DISCUSIÓN DE RESULTADOS Inicialmente se analizará el efluente piscícola que ingresó al sistema de lagunas de Azolla desde varios puntos de vista: calidad del efluente para recircularlo en la cría de tilapia, calidad para verterlo en un cuerpo receptor y efectos posibles del mismo en el potencial de las fuentes receptoras para ser potabilizadas; luego se procederá a analizar el desempeño del sistema de lagunas de Azolla tanto en operación normal como en cosecha y se discutirán las mejoras logradas en la calidad del líquido a través del sistema de tratamiento. El efluente de los lagos de cría de tilapia en la estación piscícola ―La Yunga‖ puede ser considerado como un agua residual débil de baja concentración (Metcalf y Eddy, 2004). Dicho efluente no es adecuado para ser reutilizado en la producción de tilapia por diversas razones: aunque el promedio de nitrógeno amoniacal observado6 está por debajo del máximo tolerable por la tilapia7 (0.14 mg/L N-NH3 a pH 8.0 y temperatura 25oC , concentración a partir de la cual se producen tumores en el hígado y daños en las branquias (Benli et al., 2008)), el promedio de oxígeno disuelto (4.160.52 mgO2/L)
con valores mínimos de 2.1 mgO2/L y máximos de 6.8 mgO2/L está en la mayoría de los casos por debajo del mínimo recomendado para la cría de tilapia (5 mgO2/L), además, cuando el oxígeno cae por debajo de 3.0 mg/L, se genera stress en el pez, el cual es causante de enfermedades en el mismo; con los valores reportados probablemente se presentará reducción en el crecimiento y una eventual mortalidad de parte de la población cuando se acerque al nivel mínimo (Alicorp, 2003). Otros
parámetros como la conductividad cuyo promedio es 47.1 4.1µS/cm supera el límite recomendado para cría de tilapia roja (30 µS/cm) y el valor medio de fósforo total
(0.1528 0.014 mgP/L) está por encima del valor máximo recomendado en aguas para piscicultura intensiva 0.05 mgP/L (CONAMA, 2005).
Dicho efluente tampoco es adecuado para ser descargado de manera directa a un cuerpo de agua: reglamentos como el de la Agencia de Protección ambiental de los EEUU (EPA), sugieren no descargar directamente a cuerpos receptores residuos líquidos con más de 30 mg/L SST (Romero, 2000); el valor medio de 11013.5 mg/L con picos de 163 mg/L supera ampliamente este valor y el nitrógeno total promedio de 4.77 mgN/L8, aunque cumple con la norma para vertimiento directo en cuerpos de agua de los Estados Unidos (<10 mgN/L); no cumple con reglamentos más estrictos
6 El rango de pH del efluente piscícola este entre 5.4 y 7.8, de modo que predomina el N-NH4
+ (Van Hulle et al., 2010).
Bajo las condiciones experimentales del presente estudio (pH<8 y temperatura media 22 oC) los niveles calculados de
N-NH3 en el líquido que ingresa a la planta piloto son inferiores a 0.03 mg/L.
7 La forma tóxica de nitrógeno amoniacal para la tilapia es el N-NH3 que fácilmente se puede difundir a través de las
membranas de las branquias debido a su solubilidad en lípidos y la falta de carga, mientras que la forma ionizada NH4+
se presenta como una forma hidratada que no puede pasar fácilmente a través de las membranas ((Svobodova et al.,
1993; citados por Benli et al.,2008)
8 Suma de los promedios de N- NTK,N- NO3 y N- NO2
como el canadiense, que estipula concentraciones máximas de nitrógeno total 3 mgN/L para vertimiento directo a cuerpos receptores (Cameron et al., 2003).
Adicionalmente, de acuerdo con los aportes de aguas residuales per cápita sugeridos en la tabla E.2.6 del RAS 2000 y asumiendo que las concentraciones de contaminantes presentan fluctuaciones mínimas a lo largo del día; por cada litro por segundo utilizado en la cría de tilapia cada estanque produce diariamente la contaminación equivalente a la que generarían 20, 34 y 191 personas por aguas residuales domésticas en términos de materia orgánica, NTK y sólidos suspendidos respectivamente.
Por otro lado, aunque el promedio de fósforo (0.15 0.014 mgP/L) se puede considerar bajo y cumple especificaciones tan estrictas como la canadiense que estipula concentraciones máximas de fósforo total en descargas de 0.3 mgP/L para vertimiento directo a cuerpos receptores; debe tenerse en cuenta que en estos últimos la eutrofización se inicia con concentraciones de fósforo y nitrógeno total entre 0.1 y 0.3 mgP/L, 1.27 y 2.18 mgN/L, respectivamente y que no siempre la dilución podrá llevar los valores de la descarga hasta los niveles deseados en la fuente receptora, sobre todo cuando dichos cuerpos receptores ya tengan niveles moderados o altos de contaminación aguas arriba de la estación piscícola, o cuando el caudal del cuerpo receptor sea pequeño e insuficiente para garantizar un buen efecto de dilución de contaminantes (Cameron et al., 2003; CONAMA, 2005; Arce, 2005). El vertimiento directo de este tipo de efluentes a fuentes hídricas puede causar una potencial reducción en la calidad de las mismas para potabilización: en el título C del RAS 2000 se establece que fuentes con valores medios de DBO5> 6 mg/L, oxígeno disuelto menor de 4 mg/L y coliformes por encima de 5000 UFC/100mL se consideran deficientes para potabilización; al respecto, el efluente piscícola está aportando concentraciones medias de 11.4 mg/L de DBO5, promedios de oxígeno de 4 mg/L con mínimos de 2.1 mg/L y coliformes entre 13125 y 21500 UFC/100mL (García & Luna, 2009) que podrían empeorar la calidad de fuentes que no tengan caudales adecuados para garantizar la dilución de los contaminantes, lo que encarecería los costos de potabilización del agua del cuerpo receptor . El análisis anterior lleva a concluir que a pesar de tratarse de un efluente que se podría considerar como de muy buena calidad cuando se compara con efluentes de tratamientos biológicos completos de aguas residuales domésticas se justifica el tratamiento del mismo ya sea para vertimiento directo o fines de reuso. Con base en la conclusión anterior se implementó a escala piloto el sistema de tratamiento integrado por la línea plantada con A. pinnata y el blanco. A continuación,
se discuten las causas de variación de los diversos parámetros físico químicos en los dos sistemas y su desempeño en la remoción de materia orgánica y nutrientes.
Las diferencias de temperatura entre los dos sistemas fueron muy pequeñas (alrededor de 1oC) y pudieron ser generadas por la cobertura de Azolla sobre la superficie de la primera línea de tratamiento que incrementó ligeramente la temperatura del sistema con respecto al blanco. Igualmente, se pudo observar que hay mayor estabilidad en la temperatura del sistema con Azolla que en el blanco al ser comparada con la temperatura del afluente, probablemente porque la cobertura de Azolla sobre la superficie garantiza variaciones mínimas en este parámetro.
Los valores de pH y las concentraciones de oxígeno disuelto fueron superiores en la línea en blanco, esto sugiere que dicho sistema puede estar funcionando como lagunas terciarias con actividad fotosintética por la presencia de algas, fenómeno que no se presenta en el sistema con Azolla, dado que la cobertura de Azolla pinnata
sobre la superficie de las lagunas bloquea la luz solar, lo cual puede inhibir significativamente el crecimiento de algas y disminuir la transferencia de oxígeno desde la atmósfera a la fase acuosa (Mara, 2004; EPA,2000); no obstante, existe la posibilidad de que la actividad fotosintética de la planta genere oxígeno en las capas superiores, independientemente de la transferencia desde la atmósfera como ocurre con otras plantas flotantes como Duckweed. Se espera que en horas de la tarde el pH en el blanco sea más elevado por la actividad fotosintética de las algas y que caiga en la noche debido a que las algas dejan de consumir gas carbónico, el cual continúa siendo producido por las bacterias y también por las algas (Mara, 2004); en el sistema plantado con Azolla, se esperan
variaciones mínimas en este parámetro, debido a que el manto de plantas limita el ingreso de los rayos solares y por lo tanto el crecimiento de las algas. Igualmente, las condiciones de oxígeno pueden llegar a ser nulas en la noche ya que el poco oxígeno disponible es utilizado principalmente en la respiración de los microrganismos y algas si las hay (EPA, 2000). Como resultado de la actividad fotosintética se espera una variación diurna en la concentración de oxígeno disuelto en el blanco llegando a un valor mínimo en la noche cuando la actividad fotosintética cese y la actividad respiratoria algal y bacterial consuman el oxígeno (Mara, 2004). Con respecto a los sólidos disueltos, después de la primera laguna el sistema en blanco no hace ningún tipo de remoción, mientras que en el sistema de Azolla la variación lineal de los promedios evidencia el consumo o utilización de sales disueltas por parte de la planta acuática a medida que el agua residual circula por cada laguna de esa línea. Al igual que con los sólidos disueltos, la variación de la conductividad eléctrica fue superior en el sistema de Azolla, lo que se debe a la utilización de sales disueltas por parte de la planta para su crecimiento y desarrollo. Tanto el sistema de tratamiento implementado con Azolla pinnata como el blanco registran una remoción importante de DBO5 (56% y 46%, respectivamente), valores que se pueden considerar altos si se tiene en cuenta que se trata de un efluente bastante diluido con una muy baja relación entre la DBO5 y la DQO (<0.10). Esta baja relación es generada probablemente por la naturaleza del efluente piscícola, que además de presentar niveles muy altos de dilución contiene plancton, restos de alimento y algas que son oxidadas por el dicromato utilizado en el ensayo de DQO pero no alcanzan a ser degradadas en los 5 días que dura el ensayo de DBO, donde mueren por las condiciones de oscuridad en que se realiza este ensayo, generando una diferencia muy grande en la magnitud de estos dos parámetros. Valores similares (DBO5/DQO entre 0.05 y 0.2) fueron reportados por García y Luna (2009), Bazán y Alomía (2009) en estudios realizados sobre el mismo efluente piscícola en condiciones de operación normal. Situaciones similares se han reportado en lagos de cría de tilapia, alimentados con agua residual doméstica previamente tratada, con relaciones entre la DBO5 y la DQO inferiores a 0.18, para aguas con niveles variables de materia orgánica, presencia de algas, en las cuales se emplearon alimentos comerciales y plantas acuáticas para la dieta de los peces (El Shafai, 2004).
Para el sistema con Azolla los rangos de carga orgánica superficial variaron entre 45.5 kgDBO/ha.d en la primera laguna y 19 kgDBO/ha.d en la quinta, mientras que para el blanco dichos rangos variaron entre 45.5 kgDBO/ha.d en la primera laguna y 25 kgDBO/ha.d en la quinta. Las diferencias en los valores de DBO5 en el efluente final también se atribuyen a la presencia de algas en el blanco, cuyo comportamiento es similar al de lagunas de estabilización terciarias (carga menor de 100 kgDBO/ha.d) (Mara et al., 1992; Mara, 2004). Las remociones de DQO (49% en Azolla y 26% en el blanco) y sólidos suspendidos (56% en el sistema con Azolla y 33% en el blanco) son estadísticamente superiores en el sistema con la planta acuática. Dicha remoción depende básicamente de los procesos biológicos y de sedimentación que se dan al interior de cada una de las lagunas, generados por la presencia de materia orgánica particulada de tipo sedimentable en efluentes piscícolas (Salazar y De La Cruz, 2007; Brinker y Rôsch, 2005; Infeld et al., 2009).
La mayoría de los estudios que analizan sistemas con plantas acuáticas y sistemas adyacentes sin plantas confirman que la remoción de contaminantes (sólidos suspendidos y materia orgánica) es habitualmente superior en el sistema que cuenta con la planta acuática; sin embargo, no hay claridad sobre los mecanismos que le dan superioridad a la planta acuática; al respecto, en el manual de diseño de humedales de la EPA (2000) se afirma que la relación entre la densidad de la planta y el área superficial generan posibilidades de crecimiento adherido a la población microbiana, sin que hayan suficientes trabajos que verifiquen esta teoría (Infeld et al., 2009). Por otro lado, es posible que la inferioridad del blanco se deba exclusivamente a la presencia de algas, las cuales, al hacer la DQO sin filtrar son oxidadas por el dicromato incrementando el valor de este parámetro.
La mayor remoción de sólidos suspendidos se registra en la primera laguna, y tanto los valores como la tendencia y comportamiento de los sólidos registran gran similitud con el comportamiento de la DQO, lo que sugiere que la remoción de DQO está interrelacionada con la remoción de sólidos y que por tanto el mecanismo predominante de remoción de estos parámetros probablemente sea la sedimentación. Tanto la cantidad de materia orgánica como la de sólidos suspendidos se estabilizan o alcanzan su valor máximo en la tercera laguna, lo que sugiere que no se requieren mas de tres días para alcanzar el rendimiento máximo de estos sistemas en cuanto a los parámetros citados. Colombia no tiene una legislación para efluentes piscícolas; sin embargo, para este tipo de efluentes el valor específico de los parámetros a la salida de los sistemas es más representativo que un porcentaje de remoción. Porcentajes de remoción del 80% o mas estipulados por el decreto 1594 de 1984 para efluentes domésticos e industriales son muy difíciles de alcanzar por medios biológicos en aguas residuales altamente diluidas y de baja biodegradabilidad como las tratadas en el presente estudio, por ello, cualquier comparación con la normatividad debe hacerse con base en el probable impacto ambiental por la carga o concentración del parámetro al final de un sistema de tratamiento.
El efluente final tiene concentraciones de sólidos suspendidos de 48.96 13.35 mg/L
en Azolla y 74.25 23.49 mg/L en el blanco incumpliendo la norma Norte americana para efluentes de sistemas de lagunas y la recomendación de la EPA para descarga directa de efluentes líquidos a cuerpos receptores. No obstante los valores finales de
pH 6.19 0.28 en Azolla y 7.530.37 en el blanco y DBO5: 5.00 1.42 mg/L en Azolla y
6.102.49 mg/L en el blanco cumplen con los criterios de la EPA (pH entre 6 y 9 y DBO5< 25 mg/L); lo anterior sugiere que se requiere tratamiento físico, químico o físico químico complementario para cumplir con el estándar de sólidos suspendidos. Al respecto, García y Luna (2009), empleando otra solución para tratar el mismo efluente: filtros gruesos ascendentes en grava lograron que el efluente cumpliera con los estándares de la EPA en cuanto a materia orgánica y sólidos, manejando una velocidad de filtración de 0.6 m/h. Por su parte, Rodríguez et al. (2001), empleando
Azolla para tratar aguas residuales ligeramente mas cargadas (61 kgDBO5/ha.d) y tiempos de detención de 6.2 días lograron eliminar el 69% de la DBO5; dicha reducción disminuyó cuando se aumentó la carga (116 kgDBO5/ha.d) y se disminuyó el tiempo de detención a la mitad (3.1 días) , obteniendo una eliminación final del 52% de la DBO5, evidenciando similitud en el comportamiento del sistema para diversos tipos de aguas residuales, mientras se manejen rangos similares de carga orgánica. Con respecto a los objetivos de calidad de las aguas receptoras, el elemento con mayor restricción, cuya remoción debe ser exigida en efluentes piscícolas es el fósforo (Comeau et al., 2001; citados Vymazal, 2009). El sistema con Azolla pinnata removió
el 64% del fósforo total, reportando un efluente promedio de 0.054 ± 0.015 mgP/L, mientras que el blanco removió el 34% con un efluente promedio de 0.099 ± 0.020 mgP/L. La superioridad de la remoción en el sistema con Azolla pinnata se explica por
la utilización del fósforo por parte de la planta acuática para su crecimiento y desarrollo. La alta asimilación de fósforo por parte de Azolla pinnata se debe a que este elemento
junto con el calcio ejercen mayor influencia en el desarrollo de la planta que el potasio y el magnesio, siendo el fósforo un elemento fundamental en el crecimiento de Azolla e incluso, su carencia, causa cambios en su pigmentación y disminución de su tasas de crecimiento (Tandom y Roy, 2004; Adalberto et al., 2004). En el blanco, por el
contrario, la menor remoción puede deberse a que los mecanismos predominantes son la sedimentación del fósforo orgánico en la biomasa algal y la precipitación del fósforo inorgánico (para lo cual se requieren pHs sobre 9.5), de modo que el fósforo queda inmovilizado en los sedimentos, requiriendo grandes periodos de detención para lograr las máximas eficiencias, que en lagunas terciarias pueden ser del orden del 45% (Mara et al., 1992); al respecto Porello et al. (2003) lograron eficiencias de
remoción del 21% del fósforo total empleando cuatro lagunas de estabilización en serie para tratar efluentes de piscicultura, cada una con 14.2 horas de tiempo teórico de retención hidráulico; una remoción similar se alcanza con dos lagunas en el sistema piloto empleado en La Yunga (26%), sin mejoras significativas en la tercera laguna. Igual a lo ocurrido con la materia orgánica y los sólidos, se requieren tres lagunas de Azolla (tres días de tiempo teórico de retención) para alcanzar su máximo rendimiento y estabilizarlo. Parece ser que la remoción de las distintas variedades de fósforo utilizando Azolla es inferior en aguas residuales cuya concentración afluente de fósforo es mayor: Costa et al. (2009) empleando Azolla filiculoides obtuvieron remociones de
fósforo total que no superaron el 20% con tiempos de retención de 5 días con aguas residuales efluentes de lagunas cuya concentración inicial de fósforo era de 8.89 mgP/L. Da Silva (2006), también con Azolla filiculoides, reporta remociones de fósforo
total del 23% (en 3 días) en un efluente piscícola cuya concentración inicial era 0.753 mgP/L observando incremento del mismo al cabo del décimo día de tiempo de detención hidráulico. Forni et al. (2001) empleando Azolla filiculoides en efluentes
piscícolas en época de verano lograron remover el 62% de fosfatos (PO43-) con
tiempos de 3 días, en aguas cuya concentración inicial de fosfatos era de 0.8 mg/L, sin obtener incrementos significativos para tiempos de retención hasta de 9 días. Redding et al. (1997) por su parte obtuvieron remociones de fosfatos de 2.6% para concentraciones medias iniciales de PO4
3- eran 4.63 mg/L en efluentes de lagos de tilapia tratados con Azolla filiculoides. Es posible, que la mayor remoción de fósforo por
parte de Azolla en aguas diluidas o con escasez de este elemento, se deba a que entre menor sea su concentración, mayor es la fracción absorbida o asimilada por Azolla con respecto a la cantidad que ingresa al sistema. Como se dijo anteriormente, Colombia no tiene una legislación específica para efluentes de piscicultura; sin embargo, países como Brasil tienen normas para este tipo de efluentes. Según dicha norma (CONAMA, 2005), el contenido de fósforo total para reuso en piscicultura debe ser inferior o igual a 0.05 mgP/L, lo que quiere decir que con Azolla pinnata, se puede lograr la calidad exigida en términos de este parámetro; así mismo la concentración lograda al final del sistema de tratamiento es inferior a la mínima para tener problemas de eutrofización en cuerpos receptores de 0.1 mgP/L (Arce, 2005). La remoción de sólidos, materia orgánica y fósforo sigue una tendencia exponencial; al respecto, dado que se trata de reactores en serie, se requiere la realización de estudios hidrodinámicos para identificar el tipo de flujo y la cinética de reacción más adecuada para el entendimiento de la remoción de cada uno de estos parámetros según la temperatura y el tiempo de detención hidráulico. Aunque reducción del nitrógeno, por parte de Azolla pinnata podría considerarse baja
si se compara con los hallazgos de otros autores que emplearon otras variedades de Azolla en el tratamiento de efluentes de piscicultura con la misma frecuencia de recolección en la biomasa (por ejemplo: Forni et al. (2001) empleando Azolla filiculoides obtuvieron reducciones en nitrógeno amoniacal del 95% y nitratos del 78%; Redding et al (1997) con Azolla filiculoides reportan reducciones del 4.35% en
nitrógeno amoniacal y 3.3% en nitratos) resultados análogos fueron obtenidos por Da Silva (2006), quien reporta una reducción del 35% de NTK empleando Azolla filiculoides con 3 días de tiempo de detención, presentando incrementos notorios de
este parámetro después del tercer día. Con el blanco, la situación es similar pues el 28 % de eliminación de NTK logrado con las cinco lagunas en serie de la planta piloto es comparable con el 12.4% de reducción reportado por Porello et al. (2003) (utilizando cuatro lagunas de estabilización en serie
con 56.8 horas de tiempo teórico de retención hidráulico) para tratar efluentes de piscicultura; al respecto, el sistema piloto de La Yunga reporta una eliminación de 11.4% en este parámetro para la tercera laguna de la línea en blanco (tres días de tiempo teórico de detención hidráulico). Si se compara la reducción de nitrógeno lograda con A. pinnata con la eliminación
reportada utilizando otras plantas acuáticas para el tratamiento de efluentes del cultivo de tilapia, los valores de eliminación alcanzados para diferentes formas de nitrógeno en la piscifactoría "La Yunga" son bajos: Ghaly & Kamal (2005) utilizando alfalfa, trébol, avena, centeno y cebada (reducciones entre 56,0% a 91,5%, 82,9% a 98,1%, 95,9% a 99,5% para NO3_- N, NO2-N, respectivamente); Henry-Silva & Camargo (2006) (Eichhornia crassipes, Pistia stratiotes, 46,1% y 43,9% de nitrógeno total9, respectivamente; Zachritz et al. (2008) (humedal subsuperficial plantado con una mezcla de Canna Lillies (Canna sp.) y Bulrush (Scirpus sp.), 46, 87 y 40.6% de
nitrógeno amoniacal, nitritos y nitratos respectivamente); contra el 23% del nitrógeno
9 El nitrógeno total corresponde a la suma de N-NTK+N-NO2+N-NO3
total y el incremento de nitritos, nitratos y nitrógeno amoniacal presentados en el sistema plantado con Azolla. Pero es posible que este bajo valor en la remoción del nitrógeno total se deba al poder fijador de nitrógeno por la asociación entre Azolla y la cianobacteria Anabaena
(Arora & Saxena, 2005; Arora & Singh, 2003). Anabaena (que se aloja en las cavidades de las hojas de Azolla) fija nitrógeno atmosférico y suministra el nitrógeno fijado al helecho a través de mecanismos que aún no han sido descifrados, es más, estudios que utilizaron fuentes de nitrógeno en condiciones controladas mostraron que la fijación de nitrógeno atmosférico y la asimilación de compuestos nitrogenados del medio en que crece Azolla ocurren de manera simultánea, lo que hace posible que
Azolla pueda crecer en medios con nitrógeno muy escaso o libres de nitrógeno, tomando del agua, solamente el nitrógeno suplementario para su crecimiento, pues parte de este se lo suministra anabaena; al respecto, la fijación de nitrógeno por parte de A. Pinnata es relativamente baja (al ser comparada con otras especies de Azolla),
lo que hace que esta especie en particular requiera algo de nitrógeno del medio para garantizar su crecimiento (Kazuhiro et al., 2002), hecho que además de explicar su baja eficiencia la pone en desventaja frente a otras plantas que no fijan nitrógeno atmosférico y que deben tomar todo el nitrógeno requerido para su crecimiento del medio acuático. Desde el punto de vista de calidad de aguas, la concentración media de nitrógeno total a la salida del sistema de tratamiento (3.67 mgN/L) cumple con la norma de calidad para vertimiento de efluentes a cuerpos receptores de los Estados Unidos (< 10 mgN/L). El nitrógeno amoniacal y el nitrato cumplen con los estándares dados por la norma brasilera para reuso en acuacultura (3.7 mg/L N-NH4, 1.0 mg/L N-NO2, 10 mg/L N-NO3) (CONAMA, 2005); al respecto, con el rango de pH registrado en la última laguna (4.9 a 7.4) la concentración calculada de la forma tóxica de amonio (NH3) para la tilapia es muy pequeña (< 0.03 mgN/L a 21 oC), por lo que no se presentarán problemas de toxicidad en el pez, no obstante, los niveles de oxígeno registrados en el efluente final (entre 1.9 y 5.8 mg/L) restringen el uso directo del efluente para fines de recirculación en la cría de tilapia. Aunque el análisis realizado sugiere que se necesita tratamiento adicional para que el efluente sea adecuado para ser vertido a un cuerpo receptor; dicho tratamiento solo se justificará cuando los cuerpos de agua no brinden la suficiente dilución capaz de disminuir dichas concentraciones promedio de fósforo y nitrógeno. Es más, sin necesidad de tratamiento adicional y por simple dilución el efluente del sistema de Azolla podría mezclarse con las aguas naturales que alimentan las lagunas de cría de tilapia en la estación piscícola, siendo posible que se cumpla con la calidad exigida para recircular el efluente. La reducción registrada del 23% del nitrógeno total (Tabla 11) está distribuida así: el 18.6% del nitrógeno está contenido en la Azolla pinnata; el 2% se elimina por sedimentación y se incorpora a los lodos del sistema y el 2.4% restante, cuyo destino no es claro, probablemente es eliminado por mecanismos combinados de nitrificación- desnitrificación. Tal resultado es coherente con lo consignado en el manual de diseño de humedales (EPA, 2000) donde se afirma que los principales procesos de transformación de nitrógeno en un humedal de flujo superficial son la asimilación y la nitrificación. Debe tenerse presente que la asimilación por parte de la planta depende de la frecuencia de recolección de la misma, por lo que es importante cosecharla periódicamente antes de su etapa de senescencia. Así mismo debe tenerse presente que estos resultados pueden cambiar en época de invierno, ya que la nitrificación es
un proceso ampliamente dependiente de la temperatura, reduciéndose drásticamente a temperaturas bajas (Faulwetter et al., 2009; Kotti et al., 2010).
Los porcentajes mencionados anteriormente están relacionados con la carga de nitrógeno que entró al sistema a través del agua y pueden variar un poco debido a la posibilidad que tiene la Azolla de hacer simbiosis con la Anabaena para fijar nitrógeno (Ly, 2004). El incremento del nitrógeno amoniacal a lo largo de la serie puede ser explicado en parte por la producción de nitrógeno amoniacal por parte de la Anabaena y en parte por posible descomposición de biomasa vegetal muerta. Es importante señalar que
durante el periodo de observación, hubo semanas en que el incremento de la biomasa fresca fue nulo en varios de los tanques que componían el sistema (ANEXO D), lo cual pudo deberse también a muerte de parte de la biomasa, la cual sedimentó en la base, donde fue degradada y el nitrógeno fue liberado en forma de ión amonio. El aumento de nitritos y nitratos a lo largo del sistema y las bajas concentraciones registradas (< 0.08 mgN/L de nitritos y < 0.23 mgN/L de nitratos) indican que parte de la remoción de nitrógeno se debe a procesos de nitrificación- desnitrificación. Dadas las condiciones ambientales en el sistema como pH y niveles de oxígeno, se considera que otros procesos como volatilización de amonio o el anammox no estuvieron presentes (Kern, 2007; Caicedo, 2005; El Shafai et al., 2007; Van Hulle et al., 2010).
Tales transformaciones no se analizaron con profundidad en la línea en blanco porque este último sistema se comporta como lagunas de estabilización terciarias y existen suficientes estudios al respecto (Zimmo et al., 2003, Zimmo et al., 2004; Camargo &
Mara, 2007). La disminución del amonio registrada en el blanco (Figura 18) puede ser explicada con base en los hallazgos de Camargo & Mara (2007), quienes basados en un estudio realizado a escala piloto, sobre dos lagunas terciarias precedidas de una laguna facultativa cargada con 80 kgDBO/ha.d (50% agua residual doméstica, 50% industrial), utilizando isótopos de nitrógeno estables y analizando tanto las formas solubles como suspendidas de nitrógeno, señalan que en verano10, el ciclo del nitrógeno en una laguna terciaria es dominado por la asimilación biológica del nitrógeno amoniacal que es rápidamente transformado por la biomasa algal como nitrógeno orgánico suspendido el cual puede salir en el efluente de estas lagunas o sedimentar como células muertas. También señalan que la remoción del nitrógeno amoniacal por volatilización es muy pequeña o no contribuye a la remoción del nitrógeno11. Finalmente concluyen que la asimilación del amonio por parte de las algas y la subsecuente sedimentación y retención en la capa de lodos después de la amonificación parcial del nitrógeno orgánico algal son los mecanismos dominantes en la remoción de nitrógeno en lagunas terciarias en época seca. La mayor producción de biomasa fresca se registra en las 2 primeras lagunas (87± 33 y 94±44 g/m2.d) con una disminución importante en la misma a partir de la tercera laguna (44±25, 45±25 y 42±15 g/m2.d), lo que posiblemente se explica por las mayores cargas de fósforo en las dos primeras lagunas, sitios donde se presenta la mayor
10 Se cita la última referencia porque el presente estudio también se realizó en época seca, durante el fenómeno del
niño del año 2009 11 Al respecto, Zimmo et al. (2003) y Zimmo et al. (2004) también afirman que la volatilización del amonio no
desempeña un papel importante en la remoción de nitrógeno en sistemas de lagunas de estabilización convencionales.
remoción de este elemento; así mismo, la apariencia de Azolla es mejor en los dos primeros tanques ya que en los últimos se observaron signos de deterioro, caracterizados por un color rojizo que adquiere la planta en ausencia de nutrientes y por ende menor producción de biomasa (Adalberto et al., 2004).
Por otro lado, no se presentaron variaciones significativas en el contenido de proteína (20.40± 1.02, 19.8± 0.97, 18.86±1.23, 19.6±1.56 y 18.54±1.49%, en cada laguna),
nitrógeno (3.26±0.16, 3.17±0.16, 3.02±0.20 y 2.97±0.24%) y fósforo (0.340.14,
0.310.20, 0.280.14, 0.410.09 y 0.310.18%). La producción de biomasa fresca en verano (época correspondiente al presente estudio) es superior a la obtenida en invierno sobre el mismo efluente piscícola que osciló entre 6 y 32 g/m2.d explicándose la diferencia por la alta dilución de los nutrientes en la época de lluvia (promedios de 0.05 mg/L de fósforo total y 1.49 mg/L de NTK alimentando el sistema (Bazán y Alomía, 2009)). Resultados similares a los obtenidos con A. pinnata se han presentado en aguas
residuales domésticas tratadas con sistemas de lagunas Duckweed en serie: Caicedo (2005) reporta rangos de producción de biomasa fresca de 54-90 g/m2.d y 36-84 g/m2.d en aguas residuales con y sin pretratamiento (consistente en un reactor UASB), respectivamente, bajo niveles más altos de nutrientes (36.8-38.2 mgN/L de NTK y 6.8 mgP/L) que los registrados en el efluente piscícola; El Shafai et al. (2007) reportan
contenidos de proteína medios de 20.7% para Duckweed colectada en época de verano con disponibilidad más alta de nutrientes que la registrada en el efluente piscícola (26 a 29 mgN/L de NTK y 5 a 6 mgP /L). Con efluentes piscícolas más concentrados y con otra especie de Azolla (filiculoides), Redding et al. (1997) reportaron 30.4 g/m2.d de producción de biomasa fresca. Los porcentajes de proteína son ligeramente inferiores a los obtenidos por Khatun et al.
(1999) quienes reportan contenidos de proteína entre 22 y 28% con porcentajes de fósforo entre 0.34 y 0.35% para Azolla pinnata sembrada en lagos naturales; por su parte, Arora & Saxena (2005) reportan contenidos de fósforo entre 0.16 y 0.20% para Azolla sembrada sobre efluentes secundarios de aguas residuales domésticas con
concentraciones iniciales de 1 mg/L de fósforo, mientras que Ly (2004) reporta contenidos de nitrógeno de 2.75%, fósforo de 0.46% y proteína de 30.3% para Azolla pinnata sembrada en aguas naturales de Filipinas.
Los hallazgos de producción de biomasa, nutrientes y proteína con otras plantas acuáticas y otras variedades de Azolla en aguas residuales más concentradas son positivos para A. pinnata porque sugieren que esta planta puede lograr buenos niveles
de producción de biomasa y proteína en aguas residuales con baja disponibilidad de nutrientes, con un alto potencial de utilización en fertilización de suelos, alimento para animales y compostaje, entre otros posibles usos. Las tasas de crecimiento obtenidas en el presente estudio, son consistentes con las tasas de producción de biomasa (0.043±0.014; 0.044±0.019, 0.023±0.013, 0.024±0.013 y 0.023±0.008 d-1). Comparaciones realizadas entre Azolla pinnata y
otras especies de Azolla, plantadas en medios de cultivo producidos a nivel de laboratorio, muestran que A. pinnata es la especie que reporta la menor tasa de crecimiento (0.06 d-1) mientras que A. filiculoides, A. microfila, A. rubra, A mexicana y A caroliniana presentan mayores tasas de crecimiento específico (0.11, 0.13, 0.11, 0.10 y 0.11 d-1 respectivamente) (Arora y Singh, 2003). Otros estudios muestran que dichas tasas decrecen a medida que aumentan los nitratos (0.16 d-1, 0.15 d-1 y
0.12 d-1), para A. pinnata sembrada en medios de cultivo con concentraciones iniciales de 70, 140 y 210 mgN/L de nitratos respectivamente (Pabby et al., 2001); lo
que indica que la reducción de las tasas de crecimiento a partir de la tercera laguna, estuvo más influenciada por la disminución del fósforo que por el incremento de los nitratos, el cual fue muy pequeño ( de 0.070 a 0.228 mgN/L) en el sistema evaluado. La calidad del efluente del vaciado del estanque piscícola es inferior a la registrada en condiciones de operación normal; igualmente, tiene características similares a las de un efluente de un tratamiento secundario, salvo por la DQO (342 mg/L), que en términos de materia orgánica cataloga este líquido como un agua residual de concentración media (Metcalf y Eddy, 2004). Las eficiencias de remoción registradas en el efluente del vaciado son 44.5% de DBO5, 36.8% de DQO, 64.3% de SST, 69.9% de fósforo total, registrando reducciones del 45.7% de N-NTK y 27.3% de N-NH4. Independientemente del valor de estas remociones debe señalarse que los valores medios de la mayoría de los parámetros registrados en el efluente del sistema en operación normal se incrementan después del vaciado (DBO5: de 5 a 9.4 mg/L, DQO: de 62 a 216 mg/L, fósforo total de 0.054 a 0.158 mgP/L, SST: de 49 a 54 mg/L, N- NTK :de 3.36 a 5.91 mg/L y N-NH4: de 2.24 a 3.45 mg/L) y por lo tanto genera un impacto ambiental fuerte en el cuerpo receptor, pues el efluente del sistema después del vaciado de una calidad inferior a la del afluente al sistema piloto en condiciones de operación normal.
Al igual que en operación normal, durante la operación de cosecha con drenaje total del estanque piscícola se registra una baja relación entre la DBO5 y la DQO en el efluente del estanque. Esto se debe a que el líquido efluente del vaciado se compone principalmente de sedimentos resuspendidos que presentan niveles altos de mineralización con porcentajes de materia orgánica que son inferiores al 20% y contienen fitoplancton, algas, restos de alimentos y otros elementos derivados de la actividad piscícola que contribuyen a incrementar la DQO, con valores bajos de la DBO5 en las condiciones de dilución generadas por el drenaje (Banas et al., 2002, citados por Banas et al., 2008). Niveles de biodegradabilidad similares a los reportados
en este estudio en eventos de cosecha fueron reportados por García & Luna (2009) y Bazán y Alomía (2009). Como consecuencia lógica del incremento de los principales contaminantes durante el vaciado; el oxígeno disuelto presentó una disminución significativa; siendo inferior en todas las lagunas a los valores medios obtenidos en operación normal. La conductividad y por ende los sólidos disueltos se afectan de manera significativa con respecto a la condición de operación normal, pero en vez de aumentar disminuyen en todas las lagunas del sistema piloto, aunque la causa no es clara, esto podría deberse a la dilución generada por el ingreso de mayor caudal al sistema durante la operación de vaciado. En teoría, al incrementar el caudal de alimentación del sistema piloto a 633.6 L/d durante el vaciado, se supone que el tiempo de detención teórico en cada tanque pasa a ser de cuatro horas, con lo cual, se esperaría que la carga del vaciado se refleje en la salida de la planta piloto a las 20 horas. Sin embargo, las pruebas Z del muestreo realizado el día 25 de Mayo, muestran que la carga pico (para todos los parámetros, salvo los sólidos suspendidos totales), se ha reflejado a la salida del sistema al final del vaciado (en 12 horas aproximadamente), lo que revela la posible presencia de corrientes cinéticas, generadas por el aumento del caudal durante el
vaciado, que a su vez inducen cortos circuitos12 en el sistema de lagunas en serie. Tales fenómenos se acentúan en humedales de flujo superficial cuando se presentan cambios o aumentos drásticos en la velocidad del flujo. Las trayectorias preferenciales de flujo inducidas por corrientes cinéticas ocurren como resultado de la disminución de la resistencia hidráulica en áreas poco profundas (en el caso del sistema estudiado la profundidad es de 40 cm) o vegetación menos densa (Carleton y Montans, 2010). Situaciones similares han sido reportadas en humedales de flujo superficial y lagunas por diferentes autores: Kadlec (1994), utilizando litio como trazador encontró que el tiempo teórico de detención (calculado a partir del volumen y el caudal) fue 50% mas grande que el tiempo real medio medido en la prueba de trazadores en la salida de cargas pico aplicadas a humedales superficiales; Porello et al. (2003) reportan corto
circuitos en un sistema de cuatro lagunas en serie empleadas para tratar efluentes de piscicultura donde el tiempo teórico era de 14.2 horas en cada laguna y el medido en pruebas de trazadores fue de 8 horas. Mas hallazgos de cortos circuitos en humedales de flujo superficial son reportados por Lightbody et al. (2008) con
reducciones importantes del tiempo real de salida de las cargas pico con respecto al tiempo teórico. Debe tenerse presente que en ausencia de cargas hidráulicas pico (como ocurre durante la operación normal del sistema), el fenómeno de reducción del tiempo de retención teórico con respecto al real se minimiza como lo reportan Short et al. (2010)
quienes mediante un estudio de trazadores observaron una reducción de 1.16 días teóricos a 0.96 días reales (con un 17% de zonas muertas) en el tiempo de detención en cada laguna de un sistema piloto de Duckweed, que se utilizó como tratamiento del efluente de un sistema de lagunas de estabilización usado como tratamiento de aguas residuales domésticas. La presencia de corrientes cinéticas con su consecuente ―efecto de chorro‖ durante el drenaje implica que un sistema de tratamiento a escala real se va a ver rápidamente impactado por la actividad de vaciado del tanque. La recuperación del sistema en un periodo aproximado de seis días refleja que el drenaje de los estanques piscícolas no tiene un impacto puntual, sino transitorio, y que se puede agravar cuando por necesidades de comercializar los peces, se tengan que hacer vaciados de dos o mas estanques en periodos de tiempo cercanos, lo que afectaría notablemente la capacidad de respuesta del sistema incrementando el impacto ambiental negativo generado durante y después de la recolección de peces; lo que sugiere, que para efectos de diseño deberá tenerse presente la condición crítica de descargas sucesivas. Es posible que la condición de mala calidad en el efluente, sea generalizada para cualquier tipo de tratamiento. En un estudio realizado sobre el mismo efluente en cosecha, utilizando filtración gruesa en grava como sistema de tratamiento (velocidad de filtración 0.6 m/h) García y Luna (2009) reportan una reducción de DBO5 de 16.09 mg/L a 13.74 mg/L; SST de 232 mg/L a 104 mg/L; NTK de 3.58 mg/L a 2.24 mg/L , lo que define el evento de cosecha como una situación crítica para las plantas de tratamiento a la cual se le deben buscar soluciones acordes con el modo como se operan los estanques piscícolas.
12 El aumento de velocidad en el flujo pudo provocar que parte del afluente permaneciera en el sistema
por un tiempo de detención inferior al teórico; tal fenómeno se conoce como corto circuito y altera la distribución de las transformaciones químicas y biológicas al interior de los humedales (Lightbody et al., 2008)
Aunque podría pensarse, por ejemplo, en ampliar el tamaño del sistema de tratamiento para mejorar el efecto del mismo sobre el efluente de vaciado, esto no es práctico desde el punto de vista económico (porque equivaldría a tener un sistema mas grande y costoso para afrontar un impacto cuya duración por evento es inferior a una semana), por lo cual deben buscarse soluciones alternas para disponer dichos efluentes: cosechar sin drenar total o parcialmente el estanque piscícola (Boyd, 2003);
tal sugerencia fue puesta en práctica por Cuervo y Huetio (2009) quienes midieron la calidad del mismo efluente realizando una práctica de cosecha sin drenar el estanque, registrando valores de 2.46 mg/L NTK, 0.49 mg/L N-NH4, 0.17 mg/L P, 134 mg/L DQO (valores mucho menores que los obtenidos en este estudio drenando el estanque; siendo los SST y la DBO5 los únicos parámetros que no disminuyeron notoriamente con valores de 145 mg/L y 15.9 mg/L respectivamente). Igualmente, en la estación piscícola "La Yunga", Bazán y Alomía (2009) midieron la calidad del efluente de cosecha al realizar la pesca con red sin drenar el estanque, obteniendo valores de 0.34 mg/L de NTK, 0.11 mg/L de fósforo total, 98 mg/L de DQO, 16.4 mg/L de DBO5 y 116 mg/L de SST, registrando en ambos casos un efluente menos contaminado en nutrientes y materia orgánica que podría ser mejor asimilado por cualquier sistema de tratamiento que se implemente. Los mejores resultados obtenidos con el cambio de operación y con la forma de sacar los lodos, se explican porque con los métodos señalados se evita que el material que está sedimentado o precipitado vuelva a la forma soluble. También se pueden aplicar otras medidas señaladas por el mismo autor: no ubicar los puntos de drenaje cerca del fondo de los tanques; hasta donde sea posible descargar el efluente de la cosecha a una estructura de sedimentación, que podría ser una
especie de reactor batch, capaz de contener el efluente de un estanque por lo menos durante tres días, antes de disponerlo a un sistema de tratamiento o lanzarlo al ambiente. Otra forma adecuada de minimizar la resuspensión de sedimentos durante la etapa de vaciado consiste en drenar lentamente el agua de los lagos de cría (Banas et al.,
2008), lo que se puede conseguir utilizando tuberías de drenaje de menor diámetro.
9. CONCLUSIONES Y RECOMENDACIONES El efluente proveniente de estanques de cría de tilapia roja en condiciones de operación normal se puede considerar como un agua residual diluida semejante a un efluente terciario; mientras que el efluente producido durante eventos de recolección de peces y vaciado de estanques tiene características similares a las de un agua residual de concentración media; incrementando de manera significativa el valor de la mayoría de los parámetros físico químicos. En ambos casos, dicho líquido no cumple con las especificaciones para ser vertido de manera directa a un cuerpo receptor ni para reuso en cría de tilapia, hecho que justifica su tratamiento bajo cualquier condición de operación. A pesar de la baja relación entre la DBO5 y la DQO del efluente de los lagos de cría de tilapia (DBO5/DQO<0.10), sistemas con plantas acuáticas flotantes (A. pinnata), o
sin ellas (Lagunas de estabilización) mejoran la calidad del mismo. Las eficiencias obtenidas en operación normal: 56% y 46% DBO5, 49% y 26% DQO, 56% y 33% SST, 28% y 36% N-NTK, 64% y 34% del fósforo total, 32% y 11% SDT para los sistemas con Azolla y blanco, respectivamente, muestran superioridad del sistema con Azolla.
En las comparaciones realizadas entre las dos líneas de tratamiento se pudo establecer que la planta acuática juega un papel importante en la remoción de nutrientes, sobre todo fósforo, que es el nutriente crítico para efectos de eutrofización. Aunque la remoción de nitrógeno lograda en los humedales superficiales plantados con A. pinnata se puede considerar baja frente a los hallazgos de otros autores que
utilizaron variedades diferentes de Azolla y otras plantas acuáticas para el tratamiento del mismo tipo de efluentes, en términos de nitrógeno, Azolla permite cumplir con las regulaciones para vertimiento directo a cuerpos receptores y para recirculación en cría de tilapia. En términos de calidad, se observa que se requieren solo tres lagunas (cada una con un día de tiempo teórico de retención) plantadas con A. pinnata para mejorar las
condiciones de materia orgánica, sólidos y fósforo total del efluente; que a su vez, presentan una tendencia exponencial de eliminación en el sistema. La materia orgánica, el fósforo, los sólidos suspendidos totales y disueltos mostraron una tendencia exponencial en su remoción; al respecto, se requiere la realización de estudios hidrodinámicos complementarios que permitan determinar el tiempo real de retención del líquido en cada laguna, la presencia de cortos circuitos y zonas muertas en el sistema para fines de modelación. Las mejoras más notables logradas por el sistema con A. pinnata tienen que ver con la
eliminación de materia orgánica y fósforo total, aún así, las concentraciones finales de oxígeno disuelto hacen que el efluente sea inadecuado para ser reutilizado cría de tilapia, mientras que la concentración final de sólidos suspendidos restringe el vertimiento directo de dicho efluente hacia un cuerpo receptor. Alternativas tales como diluir el efluente en el líquido afluente o la utilización de filtración gruesa para pulir el efluente final, son viables para garantizar la condición de reuso y minimizar el impacto sobre fuentes receptoras. Las comparaciones realizadas entre A. pinnata con otras variedades de Azolla y otras
plantas acuáticas empleadas en tratamiento de aguas residuales con mayor disponibilidad de nutrientes que el efluente piscícola, muestran que A. pinnata puede
crecer en medios con niveles bajos de nitrógeno y fósforo registrando una buena productividad de biomasa y contenidos de proteína altos que pueden ser aprovechados para fertilización de cultivos, alimentos para animales y compostaje, entre otros usos posibles. El efecto de la pesca o captura de peces y el consecuente vaciado de estanques en la calidad del efluente piscícola y en el sistema de tratamiento es significativo y el deterioro de la calidad del líquido final tratado en la planta piloto es tal, que el efluente de la planta piloto en condición de cosecha es de menor calidad que el afluente que alimenta la planta en operación normal. Al respecto, es necesario explorar métodos alternos como almacenar el efluente de una cosecha antes de ser dispuesto en la planta de tratamiento para que sedimente o cambiar las prácticas de cosecha, propiciando aquellas que no impliquen el vaciado total de los estanques para minimizar el impacto del drenaje. Dado que no existen estudios detallados sobre los procesos involucrados en la remoción de nitrógeno por parte de sistemas con Azolla pinnata, futuras
investigaciones deben encaminarse a la realización de balances que cuantifiquen tasas de asimilación, fijación, nitrificación-desnitrificación, volatilización de amonio, entre otros, para comprender mejor el comportamiento de este tipo de sistemas.
10. REFERENCIAS BIBLIOGRÁFICAS
Adalberto, P., Massabni, A.,Goulart, M., Monti, R., Lacava, P. 2004. Efeito do fósforo na captação de minerais e pigmentação de Azolla caroliniana Willd. (Azollaceae). Revista Brasil. Bot., V.27, n.3, p.581-585. Alalade, O. A., Iyayi, E. A. 2006. Chemical Composition and the Feeding Value of Azolla (Azolla pinnata) Meal for Egg-Type Chicks. International Journal of Poultry Science Vol. 5: No 2: pp. 137-141 ALICORP S.A. 2003. Manual de crianza de tilapias, Lima. [Texto de Internet]. Disponible en: http://www.fiagro.org.sv/archivos/0/356 .doc. Visitado Junio 13 de 2008 APHA, AWWA, WEF. 1998. Standard Methods for the Examination of Water and Wastewater, 20th Edition, Washington DC. Arboleda, D. 2005. Reversión sexual de la tilapia roja (Oreochromis sp.), una guía básica para el acuicultor. Revista Eléctrónica de Veterinaria REDVET, Vol. 6 No 12 Neiva.1-5 p. Arce, O. Química del agua: eutrofización de cuerpos de agua, 2005, 30 p. [Texto de Internet] disponible en: http://www.fcyt.umss.edu.bo/docentes/29/documentos/Eutrofizacion.pdf. Visitado Junio 5 de 2009. Arora, A., Saxena, S. 2005. Cultivation of Azolla microphylla biomass on secondary-treated Delhi municipal effluents. Biomass and Bioenergy. Vol. 29. Pp. 60-64. Arora, A., Singh, P. 2003. Comparison of biomass productivity and nitrogen fixing potential of Azolla SPP. Biomass and Bioenergy. Vol. 24. Pp. 175 – 178 Banas, D., Masson, G., Leglize, L., Pihan, J.C., 2002a. Discharge of sediments,nitrogen (N) and phosphorus (P) during the emptying of extensive fishponds: effect of rain-fall and management practices. Hydrobiologia 472(1), 29e38. Citados por Banas, D., Masson, G., Leglize, L., Polatera, P., Boyd, P. 2008. Assessment of sediment concentration and nutrient loads in effluents drained from extensively managed fishponds in France. Environmental Pollution, Vol. 152. pp 679-685 Banas, D., Masson, G., Leglize, L., Polatera, P., Boyd, P. 2008. Assessment of sediment concentration and nutrient loads in effluents drained from extensively managed fishponds in France. Environmental Pollution, Vol. 152. pp 679-685 Bazán, S., Alomía, A. 2009 Estudio comparativo de tratabilidad de efluentes piscícolas mediante lagunas Duckweed (Spirodela polyrrhiza) y helecho de agua (Azolla pinnata): Tesis de pregrado. Universidad del Cauca. Programa de Ingeniería Ambiental, Popayán, 88 p. Benicelli, R., Stezpniewska, Z., Banach, A., Szajnocha, K., Ostrowski, J. 2004. The ability of Azolla caroliniana to remove heavy metals (Hg (II), Cr (III), Cr (VI)) from municipal waste water. Chemosphere. Vol. 55. Pp. 141-146. Benli, A., Kôksal, G., Oksul, A. 2008. Sub lethal ammonia exposure of Nile tilapia (Oreochromis niloticus ): Effects on gill, liver and kidney histology. Chemosphere Vol. 72. Pp. 1355–1358 Berthouex, P., Brown, L. 2002. Statistics for Environmental Engineers. Second edition; Lewis Publishers, London. Cap 17 y 18. 150-157 p. Boyd, C. E. 2003. Guidelines for aquaculture effluent management at the farm-level. Aquaculture. Vol. 226. pp 101– 112
Brinker, A., Rosch, R. 2005. Factor determining the size of suspended solids in flow- through fish faro. Aquacultural Engineering, Vol. 33, No 1. 1- 19 p. Caicedo, J. R. 2005. Effect of operational variables on nitrogen transformations in Duckweed stabilization ponds. Dissertation for the Degree of Doctor. Academic Board of Wageningen University and Academic Board of the UNESCO-IHE Institute for Water Education. London. 163 p. Camargo, M and Mara, D. 2007. Nitrogen transformation and removal in maturation ponds: tracer experiments with 15n stable isotopes in the United Kingdom in summer. In II International Conference SmallWat07 11 – 15 November 2007, Seville (Spain). Cameron, K., Madramootoo, C., Crolla, A., Kinsley, C. 2003. Pollutant removal from municipal sewage lagoon effluents with a free-surface wetland. Water Research 37.Pp. 2803–2812 Carleton, J., Montans, H. 2010. An analysis of performance models for free water surface wetlands. Water Research. Vol 44. Pp 3595-3606 Carqberl, J. Van Olst, J. Massingill, M. Cahmberlain, R. 2002. Aquaculture wastewater treatment system and method of making same. US Patent Issued on September 10. [Texto de internet]. Disponible en http://www.patentstorm.us/patents/6447681-fulltext.html. Visitado 28 de Abril de 2008. Colombia. Contraloría General de la República. 2008. Estado de los recursos naturales y del ambiente: Capítulo IV. La calidad del agua para consumo humano en Colombia. Imprenta nacional. Bogotá.175-181p. Colombia, Ministerio de Agricultura y Desarrollo Rural. 2005. La cadena de la piscicultura en Colombia, una mirada global de su estructura y dinámica, Bogotá. 36p. http://www.minagricultura.gov.co/archivos/carpeta_ministro_.pdf Visitado 21 de Abril de 2008. Colombia, Ministerio de Agricultura y Desarrollo Rural. 2005. Acuerdo de Competitividad de la cadena de Piscicultura en Colombia; Bogotá. 43p. [Texto de internet]. Disponible en http://www.agrocadenas.gov.co/piscicultura/documentos/Acuerdo_Piscicultura.pdf. Visitado Mayo 1 y Junio 13 de 2008 Colombia, Ministerio de Ambiente, Vivienda y Desarrollo territorial. 2000. Reglamento Técnico del Sector de Agua Potable y Saneamiento básico RAS 2000. Títulos C y E. Sistemas de Potabilización de agua y tratamiento de aguas residuales; Bogotá. 19-22p. [Texto de internet]. http://www1.minambiente.gov.co/viceministerios/ambiente/dir_agua_potable_saneam_basico/direccion/T%EDtuloC-Oct2.pdf. Visitado en Abril 30 de 2008 Colombia, Ministerio de Ambiente, Vivienda y Desarrollo Territorial. 2005. Lineamientos y estrategias de desarrollo sostenible para los sectores de agua, ambiente y desarrollo territorial. Bogotá. En: http://www.minambiente.gov.co/documentos/3343agua,ambienteyurbanismo.pdf Visitado 7 de Mayo de 2008 Colombia, Ministerio de Ambiente, Vivienda y Desarrollo Territorial. 2008. Impactos y daños generados por la contaminación hídrica en Colombia. Bogotá. [Texto de internet]. Disponible en http://www.docstoc.com/docs/891227/la-contaminaci%C3%B3n-hidrica-en-colombia. Visitado Octubre 22 de 2010 Colombia. Ministerios de la protección social y de ambiente, vivienda y desarrollo territorial. 2007. Resolución 2115 de Junio 22 de 2007. Por medio de la cual se señalan características, instrumentos básicos y frecuencias del sistema de control y vigilancia para la calidad del agua para consumo humano, Bogotá, 2007. 23 p.
Comeau, Y., Brisson, J., Reville, J.-P-., Forget, C., Drizo, A., 2001.Phosphorus removal from trout farm effluents by constructed wetlands. Water Science and Technology 44 (11/12), 55–60. Citado por Vymazal, J. 2009. The use constructed wetlands with horizontal sub-surface flow for various types of wastewater . Ecological Engineering. Vol. 35. Pp. 1-17 CONAMA. 2005. Brasil. Resolução CONAMA Nº 357. 2005. - "Dispõe sobre a classificação dos corpos de água e diretrizes ambientais para o seu enquadramento, bem como estabelece as condições e padrões de lançamento de efluentes, e dá outras providências." - Data da legislação: 17/03/2005 - Publicação DOU nº 053, de 18/03/2005, pp. 58-63 Costa, M., Santos, M., Carrapico, F., Pereira, A. 2009. Azolla–Anabaena’s behaviour in urban wastewater and artificial media – Influence of combined nitrogen. Water Research. Vol. 43. Pp 3743 – 3750 Cuervo, M., Huetio, J. 2009. Evaluación del crecimiento de la planta azolla pinnata en efluentes piscícolas y su efecto en la calidad del agua. Tesis de pregrado. Universidad del Cauca. Facultad de Ingeniería Civil. Programa de Ingeniería Ambiental. 85 p.
Da Silva, J. 2006. Fito tratamento de efluente de aquacultura com Azolla filiculoides. Tese de Maestria. Porto Alegre: Universidade Federal do Rio Grande do Sul. Facultade de Agronomia, 118 p. Díaz, C. 2003. Sistema de recirculación de agua para la cría de Alevín de trucha Arco iris (Oncotrhyncus Mykiss) y carpa común (Cyprinus Carpio); En: Agua potable para comunidades rurales: reuso y tratamientos avanzados de aguas residuales domésticas. España: Hidrored.86-96p. El- Shafai, S. 2004. Nutrients valorization via Duckweed- based wastewater treatment and aquaculture. Disserttation for the Degree of Doctor. Wageningen University and the Academic Board of the UNESCO-IHE. Delft. Netherlands. 110-122 p. EL-Shafai, S., El-Gohary, F., Nasr, F., Van Der Steen, P. and Gijzen, H. 2007. Nutrient recovery from domestic wastewater using a UASB-duckweed ponds system. Bioresource Technology. Vol. 98 (4), 798-807 p EPA. 2000. United States, Environmental Protection Agency- EPA. Manual Constructed Wetlands Treatment of Municipal Wastewaters. Office of Research and Development .Cincinnati, Ohio. Pp. 23, 50. FAO. 2007. The state of World fisheries and aquaculture. FAO. Fisheries and Aquaculture Department. Rome, Italy. 3p. [Texto de internet]. Disponible en: http://www.fao.org/docrep/009/A0699e/A0699e00.htm. Visitado 28 de Abril de 2008 Faulwetter; J., Gagnon, V., Sundberg, C., Chazarenc, F., Burr, M., Brisson, J., Camper, A., Stein, O. 2009.. Microbial processes influencing performance of treatment wetlands: A review. Ecological Engineering Vol 35 . Pp. 987–1004 Fernández, J. 2008.Informes de avance. Proyecto desarrollo y adaptación de tecnología para el tratamiento de efluentes piscícolas. Universidad del Cauca. Popayán.1-15p. Forni, C., Chen, J., Tancioni, L., Grilli, M. 2001. Evaluation of the fern Azolla for growth, nitrogen and phosphorus removal from wastewater. Wat. Res. Vol. 35, No. 6, pp. 1592–1598 Gál, D., Szabó, P., Pekár, F., Váradi, L. 2003. Experiments on the nutrient removal and retention of a pond recirculation system. Hidrobiología. Vol. 506. Pp. 767-772. García, M., Luna, M. 2009. Evaluación de un sistema de filtración en grava de flujo ascendente (FGA) como alternativa para el tratamiento de los efluentes en la producción de tilapia roja. Tesis de Pregrado. Programa de Ingeniería Ambiental. Universidad del Cauca, Popayán, 87p.
Ghaly, A., Kamal, M., Mahmoud, N. 2005. Phytoremediation of aquaculture wastewater for water recycling and production of fish feed. Environment International Vol. 31. Pp 1-13. Henry-Silva, G., Camargo, A. 2006. Efficiency of aquatic macrophytes to treat nile tilapia pond effluents. Scientia Agricola. Vol. 63. No 5. Pp. 433- 438 Henry-Silva, G. Camargo, A. 2008. Tratamento de efluentes de carcinicultura por macrófitas aquáticas flutuantes. Revista Brasileira de Zootecnia. Vol. 37. No 2. Pp. 181- 188. Hussar, J., Paradela, A. L., Jonas, T.C., Rodríguez, J.P. 2005. Tratamento de agua de escoamento de tanque de piscicultura a través de leitos cultivados de vazao subsuperficial: analise da qualidade fisica e química. Eng. Ambient. - Espírito Santo do Pinhal, v. 2, No. 1, p. 046-059. Herrera, M., Rosero, S. 2009. Estudio de tratabilidad de efluentes piscícolas mediante humedales artificiales sub superficiales plantados con caña común (Fragmites australis o communis) y lirio blanco (Hedychium coronarium). Tesis de pregrado. Facultad de Ingeniería Civil. Programa de Ingeniería Ambiental. Universidad del Cauca. Popayán, 97 p. Infeld; G., Braeckevelt, M., Kuschk, P., Richnow, H. 2009. Monitoring and assessing processes of organic chemicals removal in constructed wetlands. Chemosphere Vol. 74. Pp. 349–362 Jiang, Z., Xinyuan, Z. 1998. Treatment and utilization of wastewater in the Beijing Zoo by an aquatic macrophyte system. Ecological Engineering. Vol. 11. Pp 101–110 Kadlec, R. 1994. Detention and mixing in free water wetlands. Ecological engineering, Vol 3, pp 345- 380 Katayama, N., Yamashita, M., Wada, H., Chu-Liu, Ch., Watanabe, I., Kishida, Y. 2008. Azolla as a component of the space diet during habitation on Mars. Astronautic Act. Vol. 63. Pp. 1093-1099 Kazuhiro, M., Uheda, E., Kitoh, S., Shiomi, N. 2002. Differences in growth rate, nitrogen fixation and numbers of cyanobionts and heterocysts among three Azolla pinnata var. pinnata strains. Environmental and Experimental Botany Vol.47. Pp. 143–147 Kern, M.A. 2007. Azolla as a technology to improve the nitrogen use efficiency of lowland rice Chapter of Ph.D dissertation. Center for Development Research (ZEF), an international research nstitute under the University of Bonn. Pp 21-23. Khatun, A., Ali, M., Dingle, J. 1999. Comparison of the nutritive value for laying hens of diets containing azolla (Azolla pinnata) based on formulation using digestible protein and digestible amino acid versus total protein and total amino acid. Animal Feed Science and Technology. Vol. 81. Pp. 43-56 Kotti, I., Gikas, G., Tsihrintzis, A. 2010. Effect of operational and design parameters on removal efficiency of pilot-scale FWS constructed wetlands and comparison with HSF systems. Ecological Engineering Vol. 36. pp. 862–875 Lawrence, A., Velasco, M. y Neil, W. 2000. Efectos de la proteína y el fósforo dietario en la calidad de agua de acuacultura. México: UANL. 1-3p. [Texto de internet]. Disponible en http://www.uanl.mx/publicaciones/maricultura/acuicolaIII/pdfs/10.pdf. Visitado Mayo 2 de 2008 Leterme, P., Londoño, A., Ordoñez, D., Suarez, D., Bedoya, C., Muñoz, L., Buldgen, A., Souffrant, W. 2009. Nutritional value of aquatic ferns (Azolla filiculoides Lam. and Salvinia molesta Mitchell) in pigs. Animal Feed Science and Technology. Vol. 149. Pp. 135-148
Lihghtbody, A., Avener, M., Nepf, H. 2008. Observations of short-circuiting flow paths within a free-surface wetland in Augusta, Georgia, U.S.A. Limnol. Oceanogr.Vol 53, No 3, pp.1040–1053 Lin, K., Yi, Y. 2003. Minimizing environmental impacts o freshwater aquaculture and reuse of pond effluents and mud. Aquaculture. Vol. 226. Pp 57-68 Lin, Y., Jin, S., Lee, D., Wang, T. 2002. Nutrient removal from aquaculture wastewater using a constructed wetlands system. Aquaculture. Vol. 209. Pp. 169-184
Lin, Y., Jinga, S., Leeb, D., Chang, Y., Chen, Y., Shih, K. 2005 .Performance of a constructed wetland treating intensive shrimp aquaculture wastewater under high hydraulic loading rate. Environmental Pollution. Vol. 134. pp. 411–421.
Liu, X., Min, Ch., Xia-Shi, L., Chungchu, L. 2008. Research on some functions of Azolla in CELSS system. Astronautic Act. Vol. 63. Pp. 1061-1066 Ly, J. 2004. Macrófitas acuáticas flotantes en sistemas integrados de producción animal. Instituto de Investigaciones Porcinas. La Habana 19200, Cuba. Pp 89-111. Lymbery, A., Doupé, R., Benneth, T., Starcevich, M. 2006. Efficacy of a subsurface-flow wetland using the estuarines edge Juncus kraussii to treat effluent from inland saline aquaculture. Aquacultural Engineering. Vol. 34. Pp. 1-7. Manquillo, F., Solano, A. 2009. Evaluación de humedales subsuperficiales plantados con caña común (Phragmites australis) y lirio blanco (Hedychium coronarium) para el tratamiento de efluentes del lavado de estanques de producción de trucha con tiempo de detención de un día. Tesis de pregrado. Facultad de Ingeniería Civil. Programa de Ingeniería Ambiental. Universidad del Cauca. Popayán, 96 p. Mara, D., Alabaster, G., Pearson, H., Mills, S. 1992. Waste stabilization ponds. A design manual for Eastern Africa. Lagoon Technology Internationas Ledds, England, 18-20 p. Mara, D. 2004. Domestic wastewater treatment in developing countries. USA, 293 p. Marín, R. 2003.Colombia potencia hídrica. Subdirección de Hidrología del IDEAM. Bogotá.1-15p. [Texto de internet]. Disponible en http://www.sogeocol.edu.co/documentos/06colo.pdf. Visitado en Mayo de 2008. Visitado Abril 30 de 2008
Mauna, E. 2005. Guía del piscicultor. Centro de documentación CRC, Popayán. Citado por Salazar, A., De la Cruz, C. 2007. Caracterización y Estudio de Tratabilidad del efluente de estaciones piscícolas. Tesis de Pregrado. Programa de Ingeniería Ambiental, Universidad del Cauca.12-70 p. Metcalf & Eddy. 2004. Wastewater Engineering: Treatment, Disposal and Reuse, 4th ed. McGraw-Hill Inc., New. York. Montaño, M. 2005. Estudio de la aplicación de Azolla anabaena como bioabono en el cultivo de arroz en el Litoral ecuatoriano. Revista Tecnológica ESPOL, Vol. 18, N. 1, pp. 147-151 Nduwimana, A., Yang Xiang, L., Wang li, R. 2007. Evaluation of a cost effective technique for treating aquaculture water discharge using Lolium perenne Lam as a biofilter: Journal of Environmental Sciences. Vol. 19. Pp. 1079–1085. Oren, R., Tzin, V., Tel-Or, E., Zamski, E. 2004. Lead accumulation in the aquatic fern Azolla filiculoides. Plant Physiology and Biochemistry. Vol. 42. pp. 639-645
Pabby, A., Dua, S., Singh, A. 2001. Changes in ammonia-assimilation enzymes in response to different nitrate levels in Azolla pinnata and A. microphylla. Journal Plant Physiology. Vol. 158. Pp 899–903 Pan, J., Sun, H., Nduwimana, A., Wang, Y., Zhou, G., Ying, Y., Zhang, R. 2007. Hydroponic plate/fabric/grass system for treatment of Aquacultural wastewater. Aquacultural Engineering. Vol. 37. Pp. 266–273 Pardo, S., Suarez, H., Soriano, E. 2006. Tratamiento de efluentes: una vía para la acuacultura responsable. Revista MVZ Córdoba, Enero – Junio, año/vol11, suplemento1, Universidad de Córdoba. Montería, Colombia, 20-29 p. Pfefiffer, T., Osborn, A., Davis, M. 2008. Particle sieve analysis for determining solids removal efficiency of water treatment components in a recirculating aquaculture system. Aquacultural Engineering. Vol 39, pp 24–29 Porello, S., Lensi, M., Persia E., Tomassetti, P. and Finoia, M. 2003. Reduction of aquaculture wastewater eutrophication by phitotreatment ponds system I. Dissolved and particulate nitrogen and phosphorus. Aquaculture. Vol 219, pp 515-529 Posadas B. 2001. Comparative economic analysis of using different sizes of constructed wetlands in recirculating catfish pond production. Journal of Applied Aquaculture; 11: 1-19.Citado por Pardo, S., Suarez, H., Soriano, E. 2006. Tratamiento de efluentes: una vía para la acuacultura responsable. Revista MVZ Córdoba, Enero – Junio, año/vol11, suplemento1, Universidad de Córdoba. Montería, Colombia, 20-29 p. Qin, G., Liu, C.C.K., Richman, H., Moncur, J. 2005. Aquaculture wastewater treatment and reuse by wind-driven reverse osmosis membrane technology: a pilot study on Coconut Island, Hawaii. Aquacultural Engineering Vol. 32. Pp. 365–378 Rakhshaee, R., Khosravi, M., Taghi, M. 2006. Kinetic modeling and thermodynamic study to remove Pb (II), Cd (II), Ni (II) and Zn (II) from aqueous solution using dead and living Azolla filiculoides. Journal of Hazardous Materials. Vol. 134. Pp. 120-129. Redding, T., Tood, S., Midlen, A. 1997. The Treatment of Aquaculture Wastewaters—A Botanical Approach. Journal of Environmental Management. Vol. 50. Pp. 283- 289. Reed, S.C. 1990. Natural systems for wastewater treatment. Mc.Graw Hill Book.Co. New York. 187-208 p. Rodríguez, C., Díaz, M., Guerra, L., Hernández, J. 2001. Acción depuradora de algunas plantas acuáticas sobre las aguas residuales. Centro de investigaciones hidráulicas. Facultad de Ingeniería Química. Instituto superior politécnico "José A. Echeverría. La Habana, Cuba. Pág. 1,3. Romero, J. 2000. Tratamiento de aguas residuales. Teoría y principios de diseño. Santa fe de Bogotá: Editorial Escuela colombiana de ingeniería, Bogotá. Pp. 29-35 Salazar, A., De la Cruz, C. 2007. Caracterización y Estudio de Tratabilidad del efluente de estaciones piscícolas. Tesis de Pregrado. Programa de Ingeniería Ambiental, Universidad del Cauca.12-70 p. Sanz, Fernando. 2003. La alimentación en piscicultura. En: XVII Curso de Especialización FEDNA. Burgos, España.1-9 p. [Texto de internet]. Disponible en http://www.etsia.upm.es/fedna/capitulos/2001CAPXIII.pdf. Visitado Junio 14 de 2008. Svobodova, Z., Lloyd, R., Machova, J., 1993. Ammonia. Water quality and fish health. EIFAC Technical Paper. 54, pp. 11–16. Citado por Benli, A., Kôksal, G., Oksul, A. 2008. Sub lethal
ammonia exposure of Nile tilapia (Oreochromis niloticus ): Effects on gill, liver and kidney histology. Chemosphere Vol. 72. Pp. 1355–1358 Schulz, C., Gelbrecht, J., Rennert, B. 2003. Treatment of rainbow trout farm effluents in constructed wetland with emergent plants and subsurface horizontal water flow. Aquaculture Vol. 217. Pp. 207–221 Schwartz, M.F., Boyd, C.E. 1994. Effluent quality during harvest of channel catfish from watershed ponds. Progressive Fish-Culturist 56 (4), 25e32. Citado por Banas, D., Masson, G., Leglize, L., Polatera, P., Boyd, P. 2008. Assessment of sediment concentration and nutrient loads in effluents drained from extensively managed fishponds in France. Environmental Pollution, Vol. 152. pp 679-685 Shnel, N., Barak, Y., Van Rijn, J., Dafni, Z., Ezer, T. 2002. Design and performance of a zero-discharge tilapia recirculating system. Aquacultural Engineering Vol. 26. Pp 191–203 Short, M., Cromar N., Fallowfield, H. 2010. Hydrodinamic performance of pilot scale duckweed, algal based, rock filter and attached- growth media reactors used for waste stabilization pond research. Ecological Engineering. Vol 36 pp. 1700–1708 Silva, H., Camargo, A., Pezzato, M. 2008. Growth of free-floating aquatic macrophytes in different concentrations of nutrients. Hidrobiología Vol. 610. Pp.153–160. Sindilariu, P.-D., Wolter, C., Reiter, R., 2008. Constructed wetlands as a treatment method for effluents from intensive trout farms. Aquaculture. Vol. 277. Pp. 179-184
Sindilariu, P., Brinker, A., Reiter, R. 2009. Factors influencing the efficiency of constructed wetlands used for the treatment of intensive trout farm effluent. Ecological Engineering. Vol 35. Pp. 711-722 Sood, A., Prasanna, R., Singh, P. 2008. Fingerprinting of freshly separated and cultured cyanobionts from different Azolla species using morphological and molecular markers. Aquatic Botany Vol. 88, pp. 142–147 Soto, D., Mena, G. 1999. Filter feeding by the freshwater mussel, Diplodon chilensis, as a bio control of salmon farming eutrophication. Aquaculture. Vol. 171: 65-81 p. Stowell, R., Ludwig, J., Tchobanoglouss, G. 1980. Toward the rational design of aquatic treatment systems. Presented at the American Society of Civil Engineers. Spring Convention, Portland OR, April 14-18, 1980. Citado por Reed, S.C. 1990. Natural systems for wastewater treatment. Mc.Graw Hill Book.Co. New York. 187-208 p. Tandon, H., Roy, R. 2004. Integrated nutrient management - A glossary of terms. Organización de las Naciones Unidas para la Agricultura, la Alimentación y la Organización para el Desarrollo y Concertación en materia de Fertilizantes, Nueva Delhi, Pág. 175. Tawwab, M.A. 2008. The Preference of the Omnivorous–Macrophagous, Tilapia zillii (Gervais), to consume a Natural Free-floating Fern, Azolla Pinnata. Journal of the World Aquaculture Society. Vol. 39. Pp. 104-112 Teichert, D., Rouse, D., Potts, A., Boyd, C. 1999.Treatment of harvest discharge from intensive discharge from intensive shrimp ponds by settling. Aquacultural Engineering, 19. 147-161 p. Troell, M., Halling, C., Kautsky, N., Buschman, A. 1999. Ecological Engineering in aquaculture: use of seaweeds for removing nutrients from intensive mariculture. Journal of Applied Phycology. Vol. 11. Pp. 89–97
Troell M, Neori A, Chopin T, Buschmann AH. 2005. Biological wastewater treatment –more than just bacteria. World Aquaculture; 36: 27-29.Citado por Pardo, S., Suarez, H., Soriano, E. 2006. Tratamiento de efluentes: una vía para la acuacultura responsable. Revista MVZ Córdoba, Enero – Junio, año/vol11, suplemento1, Universidad de Córdoba. Montería, Colombia, 20-29 p. Van Hulle, S., Vandeweyer, H., Meesschaert, B., Vanrollheguem, P., Dejans, P., Dumoulin, A. 2010. Engineering aspects and practical application of autotrophic nitrogen removal from nitrogen rich streams. Chemical Engineering Journal Vol. 162 Pp. 1–20
Vymazal, J. 2009. The use constructed wetlands with horizontal sub-surface flow for various types of wastewater . Ecological Engineering. Vol. 35. Pp. 1-17 Weisner S, Eriksson P, Granéli W, Leonardson L. 1994. Influence of macrophytes onni trate removal in wetlands. Ambio; 23: 363-366. Citado por Pardo, S., Suarez, H., Soriano, E. 2006. Tratamiento de efluentes: una vía para la acuacultura responsable. Revista MVZ Córdoba, Enero – Junio, año/vol11, suplemento1, Universidad de Córdoba. Montería, Colombia, 20-29 p. Yang, L., Chou, L., Shieh, W. 2001. Biofilter treatment of aquaculture water for reuse applications. Water Research. Vol. 35. No 13. pp. 3097-3108 Zachritz, W., Hanson, A., Sauceda, J. Fitzsimmons, K. 2008. Evaluation of submerged surface flow (SSF) constructed wetlands for recirculating tilapia production systems. Aquacultural Engineering. Vol. 39. Pp. 16–23 Zimmo, O.R., van der Steen, N.P. and Gijzen, H.J. 2003. Comparison of ammonia volatilization rates in algae and duckweed-based waste stabilisation ponds treating domestic wastewater. Water Research, 37(19), 4587−4594. Zimmo, O., Van der Steen, N.,Gijzen, H.2004. Nitrogen mass balance across pilot-scale algae and duckweed-based wastewater stabilisation ponds. Water Research 38 913–920 Zhang, X., Lin, A., Zhao, F., Xu, G., Duan, G., Zhu, Y. 2008. Arsenic accumulation by the aquatic fern Azolla: Comparison of arsenate uptake, speciation and efflux by A. caroliniana and A. filiculoides. Environmental Pollution. Vol. 156. Pp. 1149–1155
ANEXOS
ANEXO A
Valores de parámetros físico químicos en las dos líneas de tratamiento en operación normal
ANEXO A1. CALIDAD DEL AFLUENTE EN CONDICIONES DE OPERACIÓN NORMAL
TEMPERATURA (OC) (Hora: 9AM)
pH (Hora: 9AM)
SÓLIDOS DISUELTOS (mg/L)
7 de Mayo 21,0 7 de Mayo 6,850 14 de Mayo 10,80
14 de Mayo 22,6 14 de Mayo 6,600 28 de Mayo 15,00
28 de Mayo 22,1 28 de Mayo 5,900 2 de Junio 14,20
2 de Junio 22,1 2 de Junio 6,000 4 de Junio 23,70
4 de Junio 23,0 4 de Junio 6,200 10 de Junio 26,60
10 de Junio 23,1 10 de Junio 7,610 11 de Junio 26,70
11 de Junio 22,2 11 de Junio 6,680 13 de Junio 27,60
13 de Junio 22,4 13 de Junio 7,190 16 de Junio 21,80
16 de Junio 21,4 16 de Junio 7,800 18 de Junio 24,80
18 de Junio 21,0 18 de Junio 5,390 20 de Junio 26,20
20 de Junio 21,6 20 de Junio 5,690 23 de Junio 23,30
23 de Junio 21,4 23 de Junio 7,330 25 de Junio 22,70
25 de Junio 19,7 25 de Junio 7,180 30 de Junio 21,00
30 de Junio 21,8 30 de Junio 7,100 2 de Julio 23,10
2 de Julio 21,0 2 de Julio 6,800 7 de Julio 25,90
7 de Julio 21,3 7 de Julio 6,800 9 de Julio 25,10
9 de Julio 21,5 9 de Julio 7,420 14 de Julio 24,50
14 de Julio 20,8 14 de Julio 7,590 21 de Julio 21,80
21 de Julio 22,5 21 de Julio 7,460 28 de Julio 20,10
28 de Julio 21,7 28 de Julio 7,520 4 de Agosto 19,10
4 de Agosto 24,3 4 de Agosto 7,500 25 de Agosto 18,50
25 de Agosto 23,0 25 de Agosto 7,090 1 de Septiembre 16,80
1 de Septiembre 22,8 1 de Septiembre 6,000
PROMEDIO 21,9 PROMEDIO 6,86 PROMEDIO 21,79
DESV. STAN 1,0 DESV. STAN 0,69 DESV. STAN 4,49
I.C (95%) 0,4 I.C (95%) 0,28 I.C (95%) 1,88
n 23 n 23 n 22
CONDUCTIVIDAD ELÉCTRICA (µS/cm)
OXÍGENO D. (mg/L) (Hora: 9AM) SÓLIDOS SUSPENDIDOS TOTALES (mg/L)
14 de Mayo 23,7 7 de Mayo 3,4 7 de Mayo 89,6
28 de Mayo 32,4 14 de Mayo 2,9 14 de Mayo 163,0
2 de Junio 30,7 28 de Mayo 4,6 21 de Mayo 138,6
4 de Junio 50,6 2 de Junio 4,7 28 de Mayo 112,0
10 de Junio 57,7 4 de Junio 5,9 2 de Junio 119,4
11 de Junio 56,8 10 de Junio 4,1 4 de Junio 88,4
13 de Junio 59,8 11 de Junio 5,2 10 de Junio 172,3
16 de Junio 47,1 13 de Junio 3,5 11 de Junio 146,8
18 de Junio 59,9 16 de Junio 4,7 13 de Junio 107,2
20 de Junio 56,7 18 de Junio 2,8 16 de Junio 81,0
23 de Junio 49,7 20 de Junio 2,4 18 de Junio 73,6
25 de Junio 48,5 23 de Junio 5,1 20 de Junio 132,0
30 de Junio 44,9 25 de Junio 3,2 23 de Junio 132,6
2 de Julio 49,4 30 de Junio 3,3 25 de Junio 80,0
7 de Julio 55,2 2 de Julio 2,1 30 de Junio 128,4
9 de Julio 53,4 7 de Julio 3,7 2 de Julio 59,0
14 de Julio 52,2 9 de Julio 2,4 9 de Julio 100,2
21 de Julio 46,6 14 de Julio 3,6 21 de Julio 92,0
28 de Julio 43,2 21 de Julio 6,1 28 de Julio 82,6
4 de Agosto 40,9 28 de Julio 4,5 4 de Agosto 109,2
25 de Agosto 39,7 4 de Agosto 5,2
1 de Septiembre 36,2 25 de Agosto 5,4
1 de Septiembre 6,8
PROMEDIO 47,1 PROMEDIO 4,15652174 PROMEDIO 110,4
DESV. STAN 9,9 DESV. STAN 1,28481555 DESV. STAN 30,8
I.C (95%) 4,1 I.C (95%) 0,52507937 I.C (95%) 13,5
n 22 n 23 n 20
ANEXO A1. Continuación:
CALIDAD DEL AFLUENTE EN CONDICIONES DE OPERACIÓN NORMAL
DBO5 (mg/L)
DQO (mg/L)
P (mg/L)
7 de Mayo 13,54 7 de Mayo 56 7 de Mayo 0,1164
2 de Junio 10,10 14 de Mayo 152 14 de Mayo 0,1536
10 de Junio 16,28 21 de Mayo 192 28 de Mayo 0,1803
11 de Junio 8,47 28 de Mayo 163,2 2 de Junio 0,1794
13 de Junio 7,49 2 de Junio 144 10 de Junio 0,1920
16 de Junio 11,51 4 de Junio 132 11 de Junio 0,1812
18 de Junio 8,32 10 de Junio 84 13 de Junio 0,1278
20 de Junio 5,72 11 de Junio 100 16 de Junio 0,0894
23 de Junio 10,25 13 de Junio 74 18 de Junio 0,1611
30 de Junio 8,76 16 de Junio 74 20 de Junio 0,1380
2 de Julio 15,74 18 de Junio 80 23 de Junio 0,1516
7 de Julio 11,96 20 de Junio 68 25 de Junio 0,1282
9 de Julio 12,33 23 de Junio 130 30 de Junio 0,1634
21 de Julio 16,04 25 de Junio 104 2 de Julio 0,1105
28 de Julio 14,33 30 de Junio 88 7 de Julio 0,1891
2 de Julio 80 9 de Julio 0,1233
7 de Julio 170 21 de Julio 0,1376
9 de Julio 130 28 de Julio 0,1944
28 de Julio 190 4 de Agosto 0,1862
4 de Agosto 230
PROMEDIO 11,39 PROMEDIO 122,06 PROMEDIO 0,1528
DESVIACIÓN STANDARD 3,32 DESV. STAN 48,9991235 DESV. STAN 0,0315
I.C (95%) 1,68 I.C (95%) 21,4744181 I.C (95%) 0,0142
n 15 n 20 n 19
N-NH4 (mg/L) N-NO3 (mg/L)
N-NTK (mg/L)
7 de Mayo 1,478 4 de Junio 0.049 14 de Mayo 5,910
14 de Mayo 0,493 16 de Junio 0.130 2 de Junio 5,914
21 de Mayo 0,493 30 de Junio 0.042 4 de Junio 4,435
28 de Mayo 0,493 7 de Julio 0.056 10 de Junio 3,940
2 de Junio 0,986 28 de Julio 0.055 11 de Junio 3,450
4 de Junio 0,493 4 de Agosto 0.088 13 de Junio 5,420
10 de Junio 2,460 16 de Junio 5,420
11 de Junio 0,493 PROMEDIO 0.0700 18 de Junio 2,960
13 de Junio 0,990 DESV. STAN 0.0334 20 de Junio 4,930
16 de Junio 2,460 I.C (95%) 0.0267 23 de Junio 7,392
18 de Junio 2,957 n 6 25 de Junio 3,450
20 de Junio 0,990 30 de Junio 3,450
23 de Junio 0,493 N-NO2 (mg/L) 2 de Julio 6,406
25 de Junio 0,986 7 de Julio 3,450
30 de Junio 0,493 4 de Junio 0.020 9 de Julio 4,928
7 de Julio 2,464 16 de Junio 0.022 28 de Julio 3,450
9 de Julio 0,493 30 de Junio 0.022
21 de Julio 0,986 7 de Julio 0.015
28 de Julio 0,493 28 de Julio 0.022
4 de Agosto 0,493 4 de Agosto 0.021
PROMEDIO 1,084 PROMEDIO 0.0203 PROMEDIO 4,682
DESV. STAN 0,824 DESV. STAN 0.0027 DESV. STAN 1,309
I.C (95%) 0,361 I.C (95%) 0.0022 I.C (95%) 0,642
n 20 n 6 n 16
ANEXO A2. TEMPERATURA (O C) (EFLUENTE Hora 9AM)
BLANCO T1 T2 T3 T4 T5
21,60 21,70 21,60 21,50 21,60
19,90 20,10 20,20 20,20 20,00
20,40 20,40 20,40 20,40 20,20
21,20 20,30 20,30 20,20 19,80
22,00 21,30 21,00 21,20 20,80
20,40 19,80 19,80 19,90 19,80
21,10 20,80 20,70 20,80 20,60
19,50 18,90 18,90 18,80 18,70
20,30 20,00 20,00 20,00 19,70
18,40 17,10 18,10
19,40 19,50 19,60 19,70 19,40
18,30 18,90 19,80 19,30 19,10
21,10 20,30 20,10 19,90 19,60
20,00 19,60 19,50 19,20 19,00
22,30 21,60 21,00 20,50 20,40
19,30 18,90 19,10 19,20 19,00
23,70 23,40 22,80 22,20 23,70
PROMEDIO 20,52 20,15 20,30 20,19 19,97
DESV. STAN 1,41 1,41 0,98 0,91 1,28
I.C (95%) 0,67 0,67 0,48 0,45 0,61
n 17 17 16 16 17
AZOLLA T1 T2 T3 T4 T5
21,40 21,20 21,60 21,60 21,00
23,20 22,90 23,00 22,90 23,10
24,80 23,90 24,10 24,10 23,90
22,10 22,00 22,10 22,00 22,20
21,10 20,80 20,80 20,80 20,40
21,10 20,50 20,60 21,20 21,00
19,90 20,50 20,60 22,40 22,00
20,60 20,10 20,00 20,30 20,30
22,60 21,80 21,70 21,80 21,80
21,70 21,00 20,70 20,80 20,50
17,70 20,60 20,40 20,50 20,40
20,80 20,50 20,60 20,80 20,20
21,10 20,80 20,70 21,10 20,90
21,30 21,80 21,30 21,30
20,60 20,60 20,50 20,40 20,20
20,30 19,90 19,80 19,30
21,80 21,10 20,80 21,00
18,80 18,60 18,80 18,90 18,80
19,70 20,10 20,00 20,10
20,30 19,60 19,70 22,00
23,70 23,10 22,70 22,30 22,10
19,20 19,10 19,60 19,60 19,40
24,10 24,30 24,40 24,50 24,40
22,30 21,80 21,00 20,80 21,90
22,00 20,70 20,20 20,60 20,50
PROMEDIO 21,28 21,09 21,03 21,31 21,15
DESV. STAN 1,64 1,37 1,38 1,29 1,41
I.C (95%) 0,64 0,54 0,55 0,52 0,59
n 25 25 24 24 22
ANEXO A3. SÓLIDOS DISUELTOS (mg/L) (EFLUENTE)
BLANCO T1 T2 T3 T4 T5
11,10 11,20 12,20 15,00 15,00
13,40 13,30 13,10 13,20 13,20
13,70 14,60 14,30 15,10 14,20
11,30 11,40 11,20 11,60 11,50
25,90 26,70 26,00 26,50 25,80
18,50 18,00 21,10 20,80 20,70
21,00 21,70 22,40 23,90 24,10
22,90 22,50 22,30 21,50 23,10
20,50 24,60 21,50 20,90 22,40
19,50 20,50 20,10 20,90 20,40
19,70 19,60 19,10 20,00 20,50
22,90 21,30 22,10 20,10 19,90
24,10 23,20 22,50 21,90 20,70
22,30 21,50 21,10 20,80 20,80
21,20 20,90 20,60 20,40 20,00
20,10 19,70 19,60 19,40 19,40
18,70 18,50 18,30 18,60 18,20
PROMEDIO 19,22 19,36 19,26 19,45 19,41
DESV. STAN 4,39 4,44 4,15 3,79 3,89
I.C (95%) 2,09 2,11 1,97 1,80 1,85
n 17 17 17 17 17
AZOLLA T1 T2 T3 T4 T5
18,00 15,30 14,10 12,10 12,40
13,40 9,70 10,70 8,70 7,20
15,40 11,70 11,50 10,40 10,40
16,60 12,40 11,00 9,80 8,60
15,20 13,20 11,60 7,90
17,10 17,10 16,30 15,40 14,90
16,00 15,80 15,10 14,30 13,20
13,70 14,40 13,50 12,80 11,50
11,10 12,10 11,60 11,40 12,30
13,60 13,30 13,20 12,80 12,90
11,90 10,80 12,00 12,80 11,80
14,50 12,60 12,40 12,40 11,60
11,50 9,60 9,00 8,70 8,50
26,10 25,70 25,00 24,40
26,50 25,90 25,90 25,30 25,20
27,20 25,60 25,50 24,90
21,60 20,80 22,50 19,20
22,20 22,80 22,50 22,20 20,80
24,30 24,40 23,10 22,30
25,00 24,90 23,70 22,00 16,40
25,10 24,40 24,50 23,90 23,20
25,50 26,20 23,40 23,80 22,80
19,10 19,00 18,80 18,40 18,50
6,87 6,96 6,76 6,98 7,00
16,90 18,20 17,40 18,40 20,40
PROMEDIO 18,30 17,39 16,67 15,97 14,85
DESV. STAN 5,84 6,13 6,01 5,93 5,88
I.C (95%) 2,34 2,40 2,40 2,37 2,40
n 24 25 24 24 23
ANEXO A4. CONDUCTIVIDAD (µS/cm) (EFLUENTE)
BLANCO T1 T2 T3 T4 T5
24,20 24,50 26,50 32,40 32,50
29,10 28,80 28,40 28,60 28,70
29,70 31,70 30,90 32,60 30,80
24,60 24,80 24,60 25,40 25,20
55,20 56,80 55,50 56,40 54,90
39,60 38,60 45,10 44,50 44,20
44,90 46,50 47,90 51,10 51,40
48,80 48,20 47,70 45,90 49,30
43,90 52,40 45,90 44,80 47,90
41,70 43,90 43,10 44,60 43,60
42,20 42,10 40,90 42,80 43,90
48,90 45,60 47,20 43,10 42,60
51,30 49,50 48,10 46,80 44,30
47,70 46,00 45,20 44,50 44,60
45,40 44,70 44,00 43,60 43,60
43,10 42,30 42,10 41,70 41,50
40,20 39,60 39,40 39,90 39,20
PROMEDIO 41,21 41,53 41,32 41,69 41,66
DESV. STAN 9,18 9,28 8,68 7,90 8,10
I.C (95%) 4,36 4,41 4,13 3,76 3,85
n 17 17 17 17 17
AZOLLA T1 T2 T3 T4 T5
38,70 32,70 30,50 26,40 27,10
29,20 21,30 22,20 20,00 16,20
33,20 25,50 25,20 22,80 22,90
44,60 32,80 28,80 33,20 17,50
36,90 36,70 35,20 30,90 32,10
34,50 34,10 32,60 27,90 28,70
29,70 31,10 29,40 24,90 25,20
24,40 26,30 25,40 26,80
29,50 28,80 28,60 27,90 28,00
25,90 23,60 26,30 27,90 25,70
31,40 27,40 26,90 27,00 25,30
25,10 21,20 19,80 19,20 18,90
56,60 55,60 54,70 53,20
56,30 55,10 55,10 54,00 52,30
58,80 57,90 54,10 54,30 52,00
47,50 48,60 48,00 47,40 53,70
55,80 51,70 52,10 49,20 47,60
53,40 52,10 52,30 50,90 49,50
54,30 55,90 49,90 50,80 48,70
40,90 40,70 40,40 39,60 39,80
18,86 17,60 18,80 18,40 19,00
36,30 39,10 37,40 39,60 43,60
PROMEDIO 39,18 37,08 36,08 35,50 33,36
DESV. STAN 12,37 13,10 12,48 12,79 12,96
I.C (95%) 5,17 5,47 5,22 5,34 5,42
n 22 22 22 22 22
ANEXO A5. pH (Hora 9 AM) (EFLUENTE)
BLANCO T1 T2 T3 T4 T5
7,860 8,860 9,000 8,930 8,850
6,200 6,600 8,100 8,600 8,500
6,000 6,400 6,600 7,600 7,800
6,400 7,500 7,700 8,300 8,300
7,100 8,100 8,100 8,500 8,700
6,190 6,840 6,540 7,220 7,410
7,400 7,600 8,500 7,800 7,800
4,820 4,910 6,000 6,310 6,590
7,730 6,660 6,940 6,250 6,030
7,020 6,770 6,870 6,790 7,430
6,400 7,100 7,300 7,600 7,400
7,300 6,800 7,300 7,900 7,800
6,100 6,100 6,200 6,500 6,500
7,640 7,570 7,150 7,610 7,050
7,880 6,980 6,940 6,900 6,950
7,650 7,530 7,440 7,540 7,500
7,100 7,100 6,800 6,900 7,400
PROMEDIO 6,87 7,02 7,26 7,49 7,53
DESV. STAN 0,85 0,86 0,81 0,81 0,78
I.C (95%) 0,40 0,41 0,38 0,38 0,37
n 17 17 17 17 17
AZOLLA T1 T2 T3 T4 T5
6,79 6,48 6,76 6,55 6,15
4,79 4,78 4,76 4,85 4,87
6,10 5,29 6,02 6,04 6,15
7,08 6,86 6,76 6,80 6,55
5,97 5,79 5,65 5,56
5,50 5,33 5,17 5,05 5,06
6,84 6,72 6,66 6,81 6,81
6,44 6,43 6,38 6,38 6,37
6,80 6,50 6,00 6,70 6,70
7,57 5,31 6,58 6,95 6,21
6,90 5,50 5,30 5,20 5,60
5,50 5,60 5,30 5,40 5,30
6,00 6,70 5,30 6,00 6,10
7,44 7,46 7,18 7,11
6,67 6,35 6,51 6,37 6,19
6,65 6,86 6,75 6,31
6,90 6,80 6,50 6,40
6,50 6,70 6,20 6,60 6,40
6,48 6,24 6,14 6,17
6,16 6,22 6,05 6,40 6,35
6,70 6,30 6,60 6,50 6,60
7,01 6,85 6,56 6,48 7,27
7,40 7,10 7,50 7,40 7,40
6,87 6,96 6,76 6,98 7,00
5,40 5,10 4,60 5,20 5,00
PROMEDIO 6,50 6,27 6,15 6,25 6,19
DESV. STAN 0,68 0,72 0,75 0,70 0,69
I.C (95%) 0,27 0,29 0,30 0,28 0,28
n 25 24 24 24 23
ANEXO A6. OXÍGENO DISUELTO (mg/L) (Hora 9 AM) (EFLUENTE)
BLANCO T1 T2 T3 T4 T5
5,00 5,50 5,50 5,40 5,60
3,00 4,20 4,30 4,10 4,10
8,40 9,10 7,30 7,40 7,30
6,60 7,00 6,80 6,60 7,20
6,50 7,50 6,60 7,30 8,00
6,60 7,50 6,90 8,20 8,10
7,70 6,80 8,30 8,20 7,40
8,60 6,00 6,40 5,90 5,30
6,10 7,50 7,10 7,40 7,10
5,40 7,40 8,00 6,90 6,60
7,70 7,00 6,80 7,40 8,20
2,20 5,10 4,90 5,60 6,30
3,00 4,50 5,10 6,00 6,30
5,50 3,80 3,40 3,30 3,10
3,30 3,00 3,60 3,70 5,10
6,80 4,50 5,80 5,20 6,10
PROMEDIO 5,78 6,03 6,05 6,16 6,36
DESV. STAN 2,01 1,70 1,47 1,54 1,45
I.C (95%) 0,98 0,84 0,72 0,75 0,71
n 16 16 16 16 16
AZOLLA T1 T2 T3 T4 T5
2,10 1,80 1,60 2,40 3,10
1,00 1,10 1,20 2,80 2,40
1,30 1,50 2,00 3,00 3,10
1,70 1,80 2,30 2,90 3,40
1,40 1,70 2,10 3,00 4,20
3,20 2,60 3,30 3,30 4,10
4,60 3,30 4,30 4,90 5,80
1,10 1,00 1,50 2,20 3,20
1,50 1,30 1,30 2,00 2,70
2,50 2,20 2,20 2,60 2,40
6,20 6,00 4,20 4,30 4,30
2,20 1,60 2,00 2,30 2,10
6,00 6,70 5,30 6,00 6,10
2,20 2,40 2,50 3,10
5,60 4,90 5,20 4,80 4,80
3,00 2,40 2,10 1,90
2,80 3,30 4,60 3,70
1,70 1,80 1,80 2,20 2,20
2,10 1,80 2,10 2,00
2,70 1,70 2,50 1,60 2,80
4,00 4,50 4,60 3,40 2,70
3,30 3,00 2,70 3,60 4,10
5,50 3,50 5,70 2,30 4,50
5,00 3,80 3,30 3,20 3,10
PROMEDIO 3,03 2,74 2,90 3,11 3,49
DESV. STAN 1,64 1,52 1,38 1,11 1,15
I.C (95%) 0,66 0,61 0,58 0,44 0,48
n 24 24 22 24 22
ANEXO A7. DBO5 (mg/L) (EFLUENTE)
BLANCO T1 T2 T3 T4 T5
12,25 9,36 5,42 3,12 6,76
7,13 6,61 7,05 6,09 6,41
9,88 8,02 10,02 3,42
6,91 5,94 3,86 2,60 2,15
5,05 2,23 2,00 1,78 0,67
4,53 3,49 0,52 0,45 2,45
4,83 3,94 6,91 9,43
12,92 12,03 14,55 10,77 9,58
10,10 11,51 10,40 9,36 8,54
11,06 7,05 4,01 8,61 7,20
16,24 13,59 14,18 9,13 13,81
6,68 5,87 6,98 7,72
PROMEDIO 8,97 7,47 7,16 6,28 6,10
DESV. STAN 3,70 3,57 4,44 3,65 4,01
I.C (95%) 2,09 2,02 2,51 2,16 2,49
n 12 12 12 11 10
AZOLLA T1 T2 T3 T4 T5
8,32 5,72 4,23 5,79 4,46
5,72 4,38 2,38 0,30 0,15
5,05 4,23 0,74 4,60 2,82
8,91 5,87 4,60 3,86 3,94
5,94 4,23 2,97 3,12 3,19
11,96 10,02 8,99 6,53 7,05
8,17 7,13 7,13 6,53 8,58
9,91 10,43 8,84 8,24 8,31
14,02 8,67 4,75 5,94
10,93 10,22 9,03 8,32
7,37 5,35 6,36 5,70
7,01 4,75 3,09 2,26
7,43 5,57 5,12 5,05 4,60
5,20 4,46 3,71 6,39
7,43 5,64 4,08 2,97 4,90
PROMEDIO 8,22 6,44 5,21 4,75 5,00
DESV. STAN 2,57 2,28 2,56 2,07 2,61
I.C (95%) 1,30 1,15 1,34 1,12 1,42
n 15 15 14 13 13
ANEXO A8. DQO (mg/L) (EFLUENTE)
BLANCO T1 T2 T3 T4 T5
134,0 118,0 82,0 54,0 76,0
116,0 140,8 177,6 172,8 167,2
136,0 140,0 150,0 156,0 136,0
138,0 130,0 122,0 100,0 82,0
94,0 54,0 22,0 20,0 28,0
74,0 76,0 76,0 112,0 84,0
84,0 70,0 86,0 106,0 110,0
42,0 70,0 76,0 12,0 30,0
146,0 110,0 106,0 98,0 130,0
106,0 110,0 84,0 88,0 64,0
110,0 94,0 158,0 142,0 90,0
145,0 135,0 130,0 55,0 85,0
PROMEDIO 110,4 104,0 105,8 93,0 90,2
DESV. STAN 32,3 30,5 43,6 50,7 41,0
I.C (95%) 18,3 17,3 24,7 28,7 23,2
n 12 12 12 12 12
AZOLLA T1 T2 T3 T4 T5
48,0 22,0 16,0 12,0 14,0
42,0 38,0 22,0 32,0 26,0
62,0 74,0 48,0 58,0 88,0
52,0 66,0 72,0 34,0 58,0
102,0 84,0 88,0 76,0 64,0
94,0 74,0 64,0 32,0 34,0
124,0 146,0 162,0 174,0 132,0
126,0 134,0 144,0 118,0 96,0
68,0 80,0 44,0 42,0
102,0 92,0 82,0 52,0 60,0
58,0 40,0 50,0 46,0
76,0 74,0 72,0 70,0
70,0 66,0 52,0 56,0
40,0 46,0 58,0 34,0
PROMEDIO 76,0 74,0 69,4 61,3 62,0
DESV. STAN 29,0 34,3 42,5 45,1 32,3
I.C (95%) 15,2 18,0 23,1 25,5 18,3
n 14 14 13 12 12
ANEXO A9. SÓLIDOS SUSPENDIDOS TOTALES (mg/L) (EFLUENTE)
BLANCO T1 T2 T3 T4 T5
68,80 44,40 53,20 61,80 66,40
137,20 91,20 131,60 84,20 65,60
110,60 50,80 81,60 106,00 67,60
95,00 101,60 116,40 135,70 117,60
119,60 111,20 126,20 69,60 61,40
79,80 53,80 86,80 63,80 68,20
78,60 56,00 46,20 35,60 46,40
48,00 44,80 49,60
94,20 83,00 77,00 112,80 116,00
66,60 77,60 76,00 63,20 61,20
67,00 59,80 56,00 49,20 44,20
103,00 99,00 88,00 85,60 97,60
72,80 66,60 68,40 63,40 66,20
98,00 82,40 81,00 86,20 86,80
PROMEDIO 88,51 73,01 81,29 78,24 74,25
DESV. STAN 24,17 22,31 27,36 27,51 23,49
I.C (95%) 12,66 11,69 14,33 14,95 12,77
n 14 14 14 13 13
AZOLLA T1 T2 T3 T4 T5
63,50 31,83 41,00 36,12 35,70
48,00 37,80 37,71 39,60 37,00
80,00 49,20 43,20 36,40 31,40
134,60 111,66 106,00 96,40 86,60
91,60 117,00 89,20
46,00 55,80 45,80 43,00 30,60
76,20 70,60 63,40 68,60 67,40
135,20 77,83 51,33 49,83
112,40 104,20 94,40 78,80 71,60
64,00 58,20 53,80 49,80
62,60 54,80 44,20 28,00
66,00 43,20 33,20 32,60 37,80
67,80 48,80 45,60 41,20
60,60 50,40 41,40 40,00 22,40
PROMEDIO 79,18 65,09 54,74 50,56 48,96
DESV. STAN 29,02 27,58 22,77 19,94 23,59
I.C (95%) 15,20 14,45 12,89 11,28 13,35
n 14 14 12 12 12
ANEXO A10. Fósforo total (mgP/L) (EFLUENTE)
BLANCO T1 T2 T3 T4 T5
0,1027 0,0910 0,0695 0,0792 0,0633
0,1745 0,1735 0,0991 0,0926
0,1673 0,1216 0,1657 0,1882 0,1601
0,1627 0,1820 0,1650 0,1503
0,1924 0,1934 0,1820 0,1634 0,1973
0,1223 0,1272 0,0805 0,0783
0,0952 0,0939 0,0929 0,0982
0,1301 0,1255 0,1076 0,0959 0,0607
0,1301 0,0825 0,0819 0,0610 0,0669
0,0675 0,0845 0,0773
0,1207 0,0851 0,0812
0,1180 0,1030 0,0704 0,0747
0,1079 0,1295 0,1128 0,1060 0,0972
0,1138 0,0704 0,0770 0,0871 0,0695
0,1194 0,0952 0,0897 0,0805
0,1331 0,0880 0,0792 0,0773 0,0854
0,1500 0,1454 0,0998 0,1017 0,1027
PROMEDIO 0,1289 0,1131 0,1131 0,1048 0,0985
DESV. STAN 0,0334 0,0334 0,0405 0,0389 0,0399
I.C (95%) 0,0175 0,0164 0,0198 0,0204 0,0202
n 14 16 16 14 15
AZOLLA T1 T2 T3 T4 T5
0,0718 0,0453 0,0401 0,0590
0,0753 0,0408 0,0307 0,0333 0,0388
0,0965 0,0515 0,0307 0,0313 0,0157
0,0933 0,0669 0,0590 0,0470 0,0408
0,0730 0,0516 0,0394 0,0428 0,0414
0,0655 0,0567 0,0509 0,0515 0,0502
0,0877 0,0567 0,0590 0,0447 0,0479
0,1451 0,0858 0,0698 0,0662 0,0548
0,1529 0,1582 0,1523 0,1334 0,1177
0,1332 0,1191 0,1238 0,1015 0,0833
0,1319 0,1144 0,1150 0,1096 0,1083
0,1319 0,0739 0,0475 0,0462
0,1744 0,1765 0,1508 0,1474
0,1060 0,0776 0,0659 0,0476
0,0739 0,0543 0,0475 0,0290
0,0577 0,0462 0,0462 0,0421 0,0522
0,0806 0,0570 0,0657 0,0482
0,0698 0,0561 0,0509 0,0421 0,0225
PROMEDIO 0,1012 0,0771 0,0705 0,0647 0,0540
DESV. STAN 0,0350 0,0395 0,0397 0,0368 0,0288
I.C (95%) 0,0162 0,0183 0,0189 0,0175 0,0146
n 18 18 17 16 15
ANEXO A11. N-NH4 (mg/L) (EFLUENTE)
BLANCO T1 T2 T3 T4 T5
0,986 0,986 0,986 0,986 0,493
0,493 0,493 0,493 0,986 0,986
0,493 0,493 0,493 0,860 0,986
0,986 0,493 0,493 0,986 1,478
0,493 0,493 0,493 0,493 0,493
0,986 0,986 0,986 1,478 0,493
2,464 2,464 1,478 2,956 1,478
0,986 0,986 0,986 0,986
0,493 0,493 0,986 0,986 0,986
0,493 0,493 0,493 0,986 0,493
0,493 0,493 0,493 1,478 1,478
2,464 2,464 2,464 0,986 0,986
0,493 0,986 0,986 0,493 0,986
0,493 0,493 0,493 0,986 0,493
0,000 0,000 0,493 0,493 0,493
0,493 0,493 0,000 0,000 0,000
PROMEDIO 0,832 0,822 0,801 1,009 0,832
DESV. STAN 0,690 0,713 0,565 0,636 0,430
I.C (95%) 0,338 0,361 0,277 0,312 0,211
n 16 15 16 16 16
AZOLLA T1 T2 T3 T4 T5
0,450 0,900 0,450 1,340 2,240
2,690 3,580 4,480 4,930 5,380
3,140 1,340 1,790 0,450 1,340
0,990 2,460 2,960 3,450 2,960
2,960 1,480 0,490 0,990 0,490
0,990 2,460 3,450 2,960 2,970
0,490 0,990 0,490 0,490 1,970
3,940 4,430 3,940 3,450 4,930
2,460 1,480 1,970 2,460 2,460
1,270 1,480 1,970 0,990 0,490
0,990 1,970 0,490 1,970 0,490
0,990 1,480 1,480 1,970
2,460 3,450 2,960 1,480
0,990 1,970 1,970 2,960
0,990 1,480 0,990 1,480 1,970
0,493 1,970 2,460 1,480
0,490 0,940 1,970 1,970 1,480
PROMEDIO 1,575 1,992 2,021 2,022 2,241
DESV. STAN 1,110 1,002 1,282 1,201 1,464
I.C (95%) 0,528 0,476 0,628 0,608 0,741
n 17 17 16 16 15
ANEXO A12. N-NTK (mg/L) (EFLUENTE)
BLANCO T1 T2 T3 T4 T5
3,450 2,960 2,960 3,450 3,450
6,899 4,435 6,406
3,942 3,450 4,435 3,942 3,942
5,914 5,914 4,928 2,957
2,464 2,957 4,928 2,957 3,450
5,914 4,435 4,928 5,421
2,464 1,971 2,956 4,435 1,971
3,942 4,928 5,421 4,435 4,435
6,406 4,928 3,942
2,957 2,957 3,450 2,464 2,464
4,928 5,914 5,421 4,435
2,464 1,971 1,478 1,971 0,986
2,464 3,450 3,942 1,971
PROMEDIO 4,170 3,902 4,148 3,795 3,006
DESV. STAN 1,654 1,385 1,369 1,091 1,149
I.C (95%) 0,899 0,784 0,775 0,676 0,712
n 13 12 12 10 10
AZOLLA T1 T2 T3 T4 T5
3,580 2,240 1,790 0,900
3,450 1,480 0,990 0,990 0,490
4,440 4,930 3,940
6,900 6,410 4,930 4,930 3,940
3,450 3,940 3,450 4,440 2,960
5,420 4,440 3,940 4,440 1,480
3,450 2,460 3,450 3,450 2,960
2,960 3,450 1,970 3,940
2,960 3,940 5,910 4,930 5,420
3,940 4,440 3,940 4,440
2,960 2,960 3,450 2,960
3,450 1,970 1,480 2,960
3,940 3,450 3,940 3,940
3,940 4,440 4,440 4,930 5,420
PROMEDIO 3,917 3,737 3,393 3,485 3,361
DESV. STAN 1,080 1,287 1,449 1,521 1,508
I.C (95%) 0,566 0,699 0,820 0,860 0,891
n 14 13 12 12 11
ANEXO A13. N-NO3 (mg/L) EN EL SISTEMA CON AZOLLA (EFLUENTE)
T1 T2 T3 T4 T5
0,061 0,094 0,148 0,172 0,194
0,128 0,140 0,170 0,225 0,241
0,046 0,122 0,176 0,170 0,198
0,056 0,074 0,158 0,215 0,250
0,062 0,101 0,148 0,173 0,265
0,100 0,110 0,163 0,185 0,220
PROMEDIO 0,0755 0,1068 0,1605 0,19 0,228
DESVIACIÓN STAND 0,0316 0,0229 0,0114 0,024 0,0288
I.C (95%) 0,0253 0,0183 0,0092 0,0192 0,023
n 6 6 6 6 6
ANEXO A14. N-NO2 (mg/L) EN EL SISTEMA CON AZOLLA (EFLUENTE)
T1 T2 T3 T4 T5
0,03 0,052 0,074 0,077 0,077
0,0320 0,0390 0,0450 0,0450 0,0450
0,0420 0,0690 0,0820 0,0610 0,0920
0,0220 0,0690 0,1290 0,1290 0,1100
0,0220 0,0420 0,0690 0,0960 0,0820
0,0250 0,0430 0,0740 0,0740 0,0760
PROMEDIO
0,0288 0,0523 0,0788 0,0803 0,0803
DESVIACIÓN STAND 0,0077 0,0136 0,0276 0,0293 0,0214
I.C (95%)
0,0061 0,0109 0,0221 0,0234 0,0172
n
6 6 6 6 6
ANEXO B
Resultados del modelo estadístico de comparación entre la línea con A. pinnata y el blanco
COMPARACIÓN ENTRE EL BLANCO Y EL SISTEMA CON AZOLLA ANEXO B1. MODELO ESTADÍSTICO PARA TEMPERATURA
Modelo lineal general: Temperatura vs. Método de Tr, Día, Laguna Factor Tipo Niveles Valores
Método de Tratamiento fijo 2 Azolla, Blanco
Día fijo 31 D01, D06, D08, D104, D111, D13, D132,
D139, D15, D20, D22, D27, D29, D34, D43,
D48, D50, D56, D57, D59, D62, D64, D66,
D69, D71, D76, D78, D83, D85, D90, D97
Laguna fijo 5 T1, T2, T3, T4, T5
Análisis de varianza para Temperatura (oC), utilizando SC ajustada para pruebas
Fuente GL SC sec. SC ajust. MC ajust. F P
Método de Tratamiento 1 44.3730 7.0825 7.0825 20.38 0.000
Día 30 295.1778 295.2543 9.8418 28.32 0.000
Laguna 4 3.0591 3.3643 0.8411 2.42 0.051
Método de Tratamiento*Laguna 4 1.2732 1.2732 0.3183 0.92 0.456
Error 163 56.6408 56.6408 0.3475
Total 202 400.5239
S = 0.589482 R-cuad. = 85.86% R-cuad. (ajustado) = 82.47%
Pruebas simultáneas de Tukey
Variable de respuesta Temperatura (oC)
Método de Tratamiento = Azolla
Laguna = T1 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T1 -0.2937 0.2011 -1.460 0.9056
Método de Tratamiento = Azolla
Laguna = T2 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T2 -0.4683 0.2011 -2.328 0.3767
Método de Tratamiento = Azolla
Laguna = T3 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T3 -0.4172 0.2056 -2.029 0.5803
Método de Tratamiento = Azolla
Laguna = T4 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T4 -0.7510 0.2043 -3.676 0.0116
Método de Tratamiento = Azolla
Laguna = T5 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T5 -0.6341 0.2061 -3.077 0.0720
ANEXO B2. MODELO ESTADÍSTICO PARA pH
Modelo lineal general: pH vs. Método de Tratamiento, Laguna, Día Factor Tipo Niveles Valores
Método de Tratamiento fijo 2 Azolla, Blanco
Laguna fijo 5 T1, T2, T3, T4, T5
Día fijo 31 D01, D06, D08, D104, D111, D13, D132,
D139, D15, D20, D22, D27, D29, D34, D43,
D48, D50, D56, D57, D59, D62, D64, D66,
D69, D71, D76, D78, D83, D85, D90, D97
Análisis de varianza para pH, utilizando SC ajustada para pruebas
Fuente GL SC sec. SC ajust. MC ajust. F P
Método de Tratamiento 1 45.8510 19.1324 19.1324 63.72 0.000
Laguna 4 1.0731 2.0231 0.5058 1.68 0.156
Día 30 62.5999 62.0558 2.0685 6.89 0.000
Método de Tratamiento*Laguna 4 5.7544 5.7544 1.4386 4.79 0.001
Error 165 49.5413 49.5413 0.3003
Total 204 164.8197
S = 0.547951 R-cuad. = 69.94% R-cuad. (ajustado) = 62.84%
Pruebas simultáneas de Tukey
Variable de respuesta pH
Método de Tratamiento = Azolla
Laguna = T1 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T1 0.2588 0.1865 1.387 0.9295
Método de Tratamiento = Azolla
Laguna = T2 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T2 0.66651 0.1875 3.5538 0.0174
Método de Tratamiento = Azolla
Laguna = T3 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T3 0.97704 0.1888 5.1748 0.0001
Método de Tratamiento = Azolla
Laguna = T4 restado a:
Valor P
Blanco T4 1.10394 0.1875 5.8861 0.0000
Método de Tratamiento = Azolla
Laguna = T5 restado a:
Valor P
Blanco T5 1.1862 0.1886 6.289 0.0000
ANEXO B3. MODELO ESTADÍSTICO PARA OXÍGENO DISUELTO
Modelo lineal general: OD (mg/L) vs. Método de Tratamiento, Día, Laguna Factor Tipo Niveles Valores
Método de Tratamiento fijo 2 Azolla, Blanco
Día fijo 30 D01, D06, D08, D104, D111, D13, D139,
D15, D20, D22, D27, D29, D34, D43, D48,
D50, D56, D57, D59, D62, D64, D66, D69,
D71, D76, D78, D83, D85, D90, D97
Laguna fijo 5 T1, T2, T3, T4, T5
Análisis de varianza para OD (mg/L), utilizando SC ajustada para pruebas
Fuente GL SC sec. SC ajust. MC ajust. F P
Método de Tratamiento 1 434.242 151.096 151.096 176.22 0.000
Día 29 281.194 279.819 9.649 11.25 0.000
Laguna 4 7.134 6.677 1.669 1.95 0.105
Método de Tratamiento*Laguna 4 1.574 1.574 0.394 0.46 0.766
Error 157 134.616 134.616 0.857
Total 195 858.761
S = 0.925973 R-cuad. = 84.32% R-cuad. (ajustado) = 80.53%
Pruebas simultáneas de Tukey
Variable de respuesta OD (mg/L)
Método de Tratamiento = Azolla
Laguna = T1 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T1 2.1891 0.3258 6.720 0.0000
Método de Tratamiento = Azolla
Laguna = T2 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T2 2.7308 0.3258 8.3829 0.0000
Método de Tratamiento = Azolla
Laguna = T3 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T3 2.5656 0.3320 7.7285 0.0000
Método de Tratamiento = Azolla
Laguna = T4 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T4 2.4975 0.3258 7.667 0.0000
Método de Tratamiento = Azolla
Laguna = T5 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T5 2.381 0.3295 7.226 0.0000
ANEXO B4. MODELO ESTADÍSTICO PARA CONDUCTIVIDAD ELÉCTRICA
Modelo lineal general: Conductividad vs. Método de tr, Día, Laguna Factor Tipo Niveles Valores
Método de tratamiento fijo 2 Azolla, Blanco
Día fijo 29 D01, D06, D08, D104, D111, D132, D139,
D15, D20, D22, D27, D29, D34, D43, D48,
D50, D56, D57, D59, D62, D64, D69, D71,
D76, D78, D83, D85, D90, D97
Laguna fijo 5 T1, T2, T3, T4, T5
Análisis de varianza para Conductividad (S/cm), utilizando SC ajustada para pruebas
Fuente GL SC sec. SC ajust. MC ajust. F P
Método de tratamiento 1 1290.31 20.75 20.75 2.34 0.128
Día 28 21397.38 21322.99 761.54 86.04 0.000
Laguna 4 152.79 116.07 29.02 3.28 0.013
Método de tratamiento*Laguna 4 166.92 166.92 41.73 4.71 0.001
Error 155 1371.86 1371.86 8.85
Total 192 24379.26
S = 2.97502 R-cuad. = 94.37% R-cuad.(ajustado) = 93.03%
Pruebas simultáneas de Tukey
Variable de respuesta Conductividad (S/cm) Método de tratamiento = Azolla
Laguna = T1 restado a:
Método de Diferencia SE de Valor P
tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T1 -4.040 1.0462 -3.861 0.0062
Método de tratamiento = Azolla
Laguna = T2 restado a:
Método de Diferencia SE de Valor P
tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T2 -1.623 1.0462 -1.551 0.8689
Método de tratamiento = Azolla
Laguna = T3 restado a:
Método de Diferencia SE de Valor P
tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T3 -0.824 1.0462 -0.788 0.9987
Método de tratamiento = Azolla
Laguna = T4 restado a:
Método de Diferencia SE de Valor P
tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T4 0.5443 1.0613 0.5129 1.0000
Método de tratamiento = Azolla
Laguna = T5 restado a:
Método de Diferencia SE de Valor P
tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T5 1.3611 1.053 1.2926 0.9540
ANEXO B5. MODELO ESTADÍSTICO PARA SÓLIDOS DISUELTOS
Modelo lineal general: Sólidos disueltos vs. Método de Tr, Laguna, Día Factor Tipo Niveles Valores
Método de Tratamiento fijo 2 Azolla, Blanco
Laguna fijo 5 T1, T2, T3, T4, T5
Día fijo 31 D01, D06, D08, D104, D111, D13, D132,
D139, D15, D20, D22, D27, D29, D34, D43,
D48, D50, D56, D57, D59, D62, D64, D66,
D69, D71, D76, D78, D83, D85, D90, D97
Análisis de varianza para Sólidos disueltos (mg/L), utilizando SC ajustada para
pruebas
Fuente GL SC sec. SC ajust. MC ajust. F P
Método de Tratamiento 1 357.75 0.01 0.01 0.00 0.951
Laguna 4 88.61 34.34 8.58 4.94 0.001
Día 30 5201.90 5170.67 172.36 99.26 0.000
Método de Tratamiento*Laguna 4 45.16 45.16 11.29 6.50 0.000
Error 165 286.50 286.50 1.74
Total 204 5979.92
S = 1.31770 R-cuad. = 95.21% R-cuad. (ajustado) = 94.08%
Pruebas simultáneas de Tukey
Variable de respuesta Sólidos disueltos (mg/L)
Método de Tratamiento = Azolla
Laguna = T1 restado a:
Blanco T1 -1.413 0.4510 -3.133 0.0617
Método de Tratamiento = Azolla
Laguna = T2 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T2 -0.556 0.4486 -1.240 0.9646
Método de Tratamiento = Azolla
Laguna = T3 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T3 -0.083 0.4540 -0.182 1.0000
Método de Tratamiento = Azolla
Laguna = T4 restado a:
Blanco T4 0.5775 0.4510 1.280 0.9567
Método de Tratamiento = Azolla
Laguna = T5 restado a:
Blanco T5 1.397 0.4536 3.079 0.0715
ANEXO B6. MODELO ESTADÍSTICO PARA DBO5
Modelo lineal general: DBO5 (mg/L) vs. Método de Tratam, Laguna, Día Factor Tipo Niveles Valores
Método de Tratamiento fijo 2 Azolla, Blanco
Laguna fijo 5 T1, T2, T3, T4, T5
Día fijo 21 D01, D06, D104, D15, D20, D22, D29, D34,
D48, D56, D57, D59, D62, D64, D66, D69,
D76, D78, D83, D85, D97
Análisis de varianza para DBO5 (mg/L), utilizando SC ajustada para pruebas
Fuente GL SC sec. SC ajust. MC ajust. F P
Método de Tratamiento 1 49.361 16.296 16.296 5.18 0.025
Laguna 4 173.202 162.049 40.512 12.87 0.000
Día 20 861.686 863.494 43.175 13.71 0.000
Método de Tratamiento*Laguna 4 7.621 7.621 1.905 0.61 0.660
Error 97 305.366 305.366 3.148
Total 126 1397.237
S = 1.77429 R-cuad. = 78.14% R-cuad. (ajustado) = 71.61%
Pruebas simultáneas de Tukey
Variable de respuesta DBO5 (mg/L)
Método de Tratamiento = Azolla
Laguna = T1 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T1 -1.534 0.7724 -1.985 0.6112
Método de Tratamiento = Azolla
Laguna = T2 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T2 -1.249 0.7724 -1.616 0.8370
Método de Tratamiento = Azolla
Laguna = T3 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T3 -0.240 0.7901 -0.304 1.0000
Método de Tratamiento = Azolla
Laguna = T4 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T4 -0.807 0.8187 -0.986 0.9924
Método de Tratamiento = Azolla
Laguna = T5 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T5 -1.530 0.8120 -1.884 0.6794
ANEXO B7. MODELO ESTADÍSTICO PARA DQO
Modelo lineal general: DQO (mg/L) vs. Método de Tratamiento, Laguna, Día Factor Tipo Niveles Valores
Método de Tratamiento fijo 2 Azolla, Blanco
Laguna fijo 5 T1, T2, T3, T4, T5
Día fijo 22 D104, D111, D22, D27, D29, D34, D36, D43,
D48, D50, D56, D57, D59, D62, D64, D66,
D69, D71, D76, D78, D83, D85
Análisis de varianza para DQO (mg/L), utilizando SC ajustada para pruebas
Fuente GL SC sec. SC ajust. MC ajust. F P
Método de Tratamiento 1 31391.1 14992.4 14992.4 28.30 0.000
Laguna 4 5674.3 6822.5 1705.6 3.22 0.016
Día 21 121448.7 121327.2 5777.5 10.91 0.000
Método de Tratamiento*Laguna 4 151.5 151.5 37.9 0.07 0.991
Error 94 49801.2 49801.2 529.8
Total 124 208466.9
S = 23.0174 R-cuad. = 76.11% R-cuad. (ajustado) = 68.49%
Pruebas simultáneas de Tukey
Variable de respuesta DQO (mg/L)
Método de Tratamiento = Azolla
Laguna = T1 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T1 40.00 10.923 3.662 0.0144
Método de Tratamiento = Azolla
Laguna = T2 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T2 35.56 10.923 3.256 0.0480
Método de Tratamiento = Azolla
Laguna = T3 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T3 41.53 11.028 3.766 0.0103
Método de Tratamiento = Azolla
Laguna = T4 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T4 39.7216 11.146 3.56376 0.0195
Método de Tratamiento = Azolla
Laguna = T5 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T5 36.79 11.15 3.301 0.0423
ANEXO B8. MODELO ESTADÍSTICO PARA FÓSFORO TOTAL
Modelo lineal general: Fósforo total (mg/L) vs. Método de Tratam, Laguna, Día
Factor Tipo Niveles Valores
Método de Tratamiento fijo 2 Azolla, Blanco
Laguna fijo 5 T1, T2, T3, T4, T5
Día fijo 27 D01, D08, D104, D111, D13, D15, D20, D22,
D27, D29, D34, D43, D48, D50, D56, D57,
D59, D62, D64, D66, D69, D71, D76, D78,
D83, D85, D97
Análisis de varianza para Fósforo (mg/L), utilizando SC ajustada para pruebas
Fuente GL SC sec. SC ajust. MC ajust. F
Método de Tratamiento 1 0.0547272 0.0267510 0.0267510 70.32
Laguna 4 0.0271451 0.0328518 0.0082129 21.59
Día 26 0.1565573 0.1555530 0.0059828 15.73
Método de Tratamiento*Laguna 4 0.0003913 0.0003913 0.0000978 0.26
Error 123 0.0467942 0.0467942 0.0003804
Total 158 0.2856151
Fuente P
Método de Tratamiento 0.000
Laguna 0.000
Día 0.000
Método de Tratamiento*Laguna 0.905
Error
S = 0.0195049 R-cuad. = 83.62% R-cuad. (ajustado) = 78.95%
Pruebas simultáneas de Tukey
Variable de respuesta Fósforo total (mg/L)
Método de Tratamiento = Azolla
Laguna = T1 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencias Valor T ajustado
Blanco T1 0.03404 0.007863 4.329 0.0013
Método de Tratamiento = Azolla
Laguna = T2 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T2 0.03784 0.007586 4.988 0.0001
Método de Tratamiento = Azolla
Laguna = T3 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T3 0.04339 0.007699 5.636 0.0000
Método de Tratamiento = Azolla
Laguna = T4 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T4 0.036287 0.007770 4.670 0.0003
Método de Tratamiento = Azolla
Laguna = T5 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T5 0.03926 0.007846 5.003 0.0001
ANEXO B9. MODELO ESTADÍSTICO PARA N- NTK
Modelo lineal general: NTK (mg/L) vs. Método de Tratamiento, Día, Laguna Factor Tipo Niveles Valores
Método de Tratamiento fijo 2 Azolla, Blanco
Día fijo 21 D104, D13, D22, D29, D36, D43, D48, D50,
D56, D57, D59, D62, D64, D66, D69, D71,
D76, D78, D83, D85, D94
Laguna fijo 5 T1, T2, T3, T4, T5
Análisis de varianza para NTK (mg/L), utilizando SC ajustada para pruebas
Fuente GL SC sec. SC ajust. MC ajust. F P
Método de Tratamiento 1 1.7552 2.4677 2.4677 3.28 0.074
Día 20 139.0461 136.4452 6.8223 9.06 0.000
Laguna 4 7.3448 7.3359 1.8340 2.44 0.053
Método de Tratamiento*Laguna 4 2.5772 2.5772 0.6443 0.86 0.494
Error 89 66.9950 66.9950 0.7528
Total 118 217.7183
S = 0.867613 R-cuad. = 69.23% R-cuad. (ajustado) = 59.20%
Pruebas simultáneas de Tukey
Variable de respuesta NTK (mg/L)
Método de Tratamiento = Azolla
Laguna = T1 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T1 0.2871 0.3802 0.755 0.9990
Método de Tratamiento = Azolla
Laguna = T2 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T2 0.1946 0.3888 0.500 1.0000
Método de Tratamiento = Azolla
Laguna = T3 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T3 0.9389 0.4131 2.2729 0.4167
Método de Tratamiento = Azolla
Laguna = T4 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T4 0.6269 0.4189 1.4964 0.8901
Método de Tratamiento = Azolla
Laguna = T5 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T5 0.1541 0.4239 0.3634 1.0000
ANEXO B10. MODELO ESTADÍSTICO PARA N-NH4
Modelo lineal general: N-NH4 (mg/L) vs. Método de Tratam, Día, Laguna Factor Tipo Niveles Valores
Método de Tratamiento fijo 2 Azolla, Blanco
Día fijo 26 D104, D111, D13, D20, D22, D27, D29, D34,
D36, D43, D48, D50, D56, D57, D59, D6,
D62, D64, D66, D69, D71, D76, D8, D83,
D85, D97
Laguna fijo 5 T1, T2, T3, T4, T5
Análisis de varianza para N-NH4 (mg/L), utilizando SC ajustada para pruebas
Fuente GL SC sec. SC ajust. MC ajust. F P
Método de Tratamiento 1 48.6417 2.2796 2.2796 6.38 0.013
Día 25 95.6253 95.3200 3.8128 10.67 0.000
Laguna 4 2.2001 2.1580 0.5395 1.51 0.203
Método de Tratamiento*Laguna 4 1.7849 1.7849 0.4462 1.25 0.294
Error 125 44.6488 44.6488 0.3572
Total 159 192.9007
S = 0.597654 R-cuad. = 76.85% R-cuad. (ajustado) = 70.56%
Pruebas simultáneas de Tukey
Variable de respuesta N-NH4 (mg/L)
Método de Tratamiento = Azolla
Laguna = T1 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T1 -0.00591 0.2359 -0.0250 1.0000
Método de Tratamiento = Azolla
Laguna = T2 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T2 -0.4234 0.2412 -1.755 0.7614
Método de Tratamiento = Azolla
Laguna = T3 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T3 -0.5060 0.2411 -2.099 0.5319
Método de Tratamiento = Azolla
Laguna = T4 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T4 -0.2989 0.2411 -1.240 0.9643
Método de Tratamiento = Azolla
Laguna = T5 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T5 -0.6213 0.2401 -2.587 0.2348
ANEXO B11. MODELO ESTADÍSTICO PARA SST
Modelo lineal general: SST (mg/L) vs. Método de Tratamiento, Laguna, Día Factor Tipo Niveles Valores
Método de Tratamiento fijo 2 Azolla, Blanco
Laguna fijo 5 T1, T2, T3, T4, T5
Día fijo 22 D104, D111, D20, D22, D29, D34, D36, D43,
D48, D50, D56, D57, D59, D62, D64, D66,
D69, D71, D76, D78, D85, D97
Análisis de varianza para SST (mg/L), utilizando SC ajustada para pruebas
Fuente GL SC sec. SC ajust. MC ajust. F P
Método de Tratamiento 1 11479.5 6624.9 6624.9 30.31 0.000
Laguna 4 7906.6 8432.7 2108.2 9.65 0.000
Día 21 55283.9 54465.9 2593.6 11.87 0.000
Método de Tratamiento*Laguna 4 1779.5 1779.5 444.9 2.04 0.095
Error 101 22075.5 22075.5 218.6
Total 131 98525.0
S = 14.7841 R-cuad. = 77.59% R-cuad. (ajustado) = 70.94%
Pruebas simultáneas de Tukey
Variable de respuesta SST (mg/L)
Método de Tratamiento = Azolla
Laguna = T1 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T1 13.57 6.344 2.139 0.5048
Método de Tratamiento = Azolla
Laguna = T2 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T2 12.16 6.344 1.916 0.6581
Método de Tratamiento = Azolla
Laguna = T3 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T3 29.156 6.709 4.345 0.0013
Método de Tratamiento = Azolla
Laguna = T4 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T4 27.138 6.665 4.0715 0.0036
Método de Tratamiento = Azolla
Laguna = T5 restado a:
Método de Diferencia SE de Valor P
Tratamiento Laguna de medias diferencia Valor T ajustado
Blanco T5 26.73 6.552 4.079 0.0035
ANEXO C
Comparación mediante pruebas T al interior de la línea plantada con A. pinnata
ANEXO C1 .PRUEBAS T TEMPERATURA
AFL VS T1
Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 21.90 1.00 0.21
2 25 21.28 1.64 0.33
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.620
IC de 95% para la diferencia: (-0.166, 1.406)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.60 Valor P = 0.119 GL =
40
No hay diferencias
AFL VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 21.90 1.00 0.21
2 25 21.09 1.37 0.27
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.810
IC de 95% para la diferencia: (0.116, 1.504)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.35 Valor P = 0.023 GL =
43
Hay diferencias
AFL VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 21.90 1.00 0.21
2 24 21.03 1.38 0.28
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.870
IC de 95% para la diferencia: (0.162, 1.578)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.48 Valor P = 0.017 GL =
41
Hay diferencias
AFL VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 21.90 1.00 0.21
2 24 21.31 1.29 0.26
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.590
IC de 95% para la diferencia: (-0.087, 1.267)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.76 Valor P = 0.086 GL = 43
No hay diferencias
AFL VS T5
Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 21.90 1.00 0.21
2 22 21.15 1.41 0.30
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.750
IC de 95% para la diferencia: (0.009, 1.491)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.05 Valor P = 0.047 GL =
37
Hay diferencias
T1 VS T2 T pareada para C14 - C15
Media del
Error
N Media Desv.Est. Estándar
C14 25 21.288 1.648 0.330
C15 25 21.092 1.377 0.275
Diferencia 25 0.196 0.783 0.157
IC de 95% para la diferencia media: (-0.127, 0.519)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = 1.25 Valor P = 0.223
No hay diferencias
T1 VS T3
Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 21.28 1.64 0.33
2 24 21.03 1.38 0.28
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.250
IC de 95% para la diferencia: (-0.620, 1.120)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.58 Valor P = 0.566 GL =
46
No hay diferencias
T1 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 21.28 1.64 0.33
2 24 21.31 1.29 0.26
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.030
IC de 95% para la diferencia: (-0.877, 0.817)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.07 Valor P = 0.943 GL=45
No hay diferencias
T1 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 21.28 1.64 0.33
2 22 21.15 1.41 0.30
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.130
IC de 95% para la diferencia: (-0.767, 1.027)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.29 Valor P = 0.772 GL =
44
No hay diferencias
T2 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 21.09 1.37 0.27
2 24 21.03 1.38 0.28
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.060
IC de 95% para la diferencia: (-0.731, 0.851)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.15 Valor P = 0.879 GL =
46
No hay diferencias
T2 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 21.09 1.37 0.27
2 24 21.31 1.29 0.26
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.220
IC de 95% para la diferencia: (-0.985, 0.545)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.58 Valor P = 0.565 GL =46
No hay diferencias
T2 VS T5
Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 21.09 1.37 0.27
2 22 21.15 1.41 0.30
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.060
IC de 95% para la diferencia: (-0.880, 0.760)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.15 Valor P = 0.883 GL =43
No hay diferencias
T3 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 21.03 1.38 0.28
2 24 21.31 1.29 0.26
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.280
IC de 95% para la diferencia: (-1.057, 0.497)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.73 Valor P= 0.472 GL =45
No hay diferencias
T3 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 21.03 1.38 0.28
2 22 21.15 1.41 0.30
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.120
IC de 95% para la diferencia: (-0.951, 0.711)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.29 Valor P = 0.772 GL =43
No hay diferencias
T4 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 21.31 1.29 0.26
2 22 21.15 1.41 0.30
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.160
IC de 95% para la diferencia: (-0.646, 0.966)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.40 Valor P = 0.691 GL =
42
No hay diferencias
ANEXO C2. PRUEBAS T pH
AFL VS T1 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 6.860 0.690 0.14
2 25 6.500 0.680 0.14
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.360
IC de 95% para la diferencia: (-0.039, 0.759)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.82 Valor P = 0.076 GL =
45
No hay diferencias
AFL VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 6.860 0.690 0.14
2 24 6.270 0.720 0.15
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.590
IC de 95% para la diferencia: (0.176, 1.004)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.87 Valor P = 0.006 GL =
44
Hay diferencias
AFL VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 6.860 0.690 0.14
2 24 6.150 0.750 0.15
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.710
IC de 95% para la diferencia: (0.287, 1.133)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.38 Valor P = 0.002 GL =
44
Hay diferencias
AFL VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 6.860 0.690 0.14
2 24 6.250 0.700 0.14
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.610
IC de 95% para la diferencia: (0.201, 1.019)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.01 Valor P = 0.004 GL =
44
Hay diferencias
AFL VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 6.860 0.690 0.14
2 23 6.190 0.690 0.14
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.670
IC de 95% para la diferencia: (0.260, 1.080)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.29 Valor P = 0.002 GL =
44
Hay diferencias
T1 VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 6.500 0.680 0.14
2 24 6.270 0.720 0.15
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.230
IC de 95% para la diferencia: (-0.173, 0.633)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.15 Valor P = 0.257 GL =
46
No hay diferencias
T1 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 6.500 0.680 0.14
2 24 6.150 0.750 0.15
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.350
IC de 95% para la diferencia: (-0.062, 0.762)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.71 Valor P = 0.094 GL =
46
No hay diferencias
T1 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 6.500 0.680 0.14
2 24 6.250 0.700 0.14
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.250
IC de 95% para la diferencia: (-0.147, 0.647)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.27 Valor P = 0.211 GL =
46
No hay diferencias
T1 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 6.500 0.680 0.14
2 23 6.190 0.690 0.14
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.310
IC de 95% para la diferencia: (-0.089, 0.709)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.57 Valor P = 0.124 GL =
45
No hay diferencias
T2 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 6.270 0.720 0.15
2 24 6.150 0.750 0.15
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.120
IC de 95% para la diferencia: (-0.307, 0.547)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.57 Valor P = 0.575 GL =
45
No hay diferencias
T2 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 6.270 0.720 0.15
2 24 6.250 0.700 0.14
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.020
IC de 95% para la diferencia: (-0.393, 0.433)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.10 Valor P = 0.923 GL =
45
No hay diferencias
T2 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 6.270 0.720 0.15
2 23 6.190 0.690 0.14
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.080
IC de 95% para la diferencia: (-0.334, 0.494)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.39 Valor P = 0.699 GL =
44
No hay diferencias
T3 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 6.150 0.750 0.15
2 24 6.250 0.700 0.14
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.100
IC de 95% para la diferencia: (-0.522, 0.322)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.48 Valor P =0.635 GL =45
No hay diferencias
T3 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 6.150 0.750 0.15
2 23 6.190 0.690 0.14
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.040
IC de 95% para la diferencia: (-0.463, 0.383)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.19 Valor P = 0.850 GL
=44
No hay diferencias
T4 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 6.250 0.700 0.14
2 23 6.190 0.690 0.14
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.060
IC de 95% para la diferencia: (-0.349, 0.469)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.30 Valor P = 0.769 GL =
44
No hay diferencias
ANEXO C3. PRUEBAS T OXÍGENO DISUELTO
AFL VS T1 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 4.16 1.28 0.27
2 24 3.03 1.64 0.33
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.130
IC de 95% para la diferencia: (0.267, 1.993)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.64 Valor P = 0.012 GL =
43
Hay diferencias significativas
AFL VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 4.16 1.28 0.27
2 24 2.74 1.52 0.31
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.420
IC de 95% para la diferencia: (0.595, 2.245)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.47 Valor P = 0.001 GL =
44
Hay diferencias significativas
AFL VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 4.16 1.28 0.27
2 22 2.90 1.38 0.29
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.260
IC de 95% para la diferencia: (0.458, 2.062)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.17 Valor P = 0.003 GL =
42
Hay diferencias significativas
AFL VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 4.16 1.28 0.27
2 24 3.11 1.11 0.23
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.050
IC de 95% para la diferencia: (0.344, 1.756)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.00 Valor P = 0.004 GL =
43
Hay diferencias significativas
AFL VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 23 4.16 1.28 0.27
2 22 3.49 1.15 0.25
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.670
IC de 95% para la diferencia: (-0.061, 1.401)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.85 Valor P = 0.072 GL =
42
No hay diferencias
T1 VS T2
T pareada para C13 - C14
Media del
Error
N Media Desv.Est. Estándar
C13 24 3.029 1.640 0.335
C14 24 2.738 1.523 0.311
Diferencia 24 0.292 0.636 0.130
IC de 95% para la diferencia media: (0.023, 0.560)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = 2.25 Valor P = 0.035
Hay diferencias significativas
T1 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 3.03 1.64 0.33
2 22 2.90 1.38 0.29
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.130
IC de 95% para la diferencia: (-0.769, 1.029)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.29 Valor P = 0.772 GL =
43
No hay diferencias
T1 VS T4 T pareada para C13 - C15
Media del
Error
N Media Desv.Est. Estándar
C13 24 3.029 1.640 0.335
C15 24 3.108 1.105 0.226
Diferencia 24 -0.079 1.254 0.256
IC de 95% para la diferencia media: (-0.609, 0.450)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -0.31 Valor P =
0.760
No hay diferencias
T1 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 3.03 1.64 0.33
2 22 3.49 1.15 0.25
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.460
IC de 95% para la diferencia: (-1.298, 0.378)
Prueba T de diferencia = 0 (vs. no =): Valor T = -1.11 Valor P = 0.274 GL =41
No hay diferencias
T2 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 2.74 1.52 0.31
2 22 2.90 1.38 0.29
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.160
IC de 95% para la diferencia: (-1.022, 0.702)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.37 Valor P = 0.710 GL =43
No hay diferencias
T2 VS T4
T pareada para C14 - C15
Media del
Error
N Media Desv.Est. Estándar
C14 24 2.738 1.523 0.311
C15 24 3.108 1.105 0.226
Diferencia 24 -0.371 0.932 0.190
IC de 95% para la diferencia media: (-0.764, 0.023)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -1.95 Valor P =
0.064
No hay diferencias
T2 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 2.74 1.52 0.31
2 22 3.49 1.15 0.25
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.750
IC de 95% para la diferencia: (-1.548, 0.048)
Prueba T de diferencia = 0 (vs. no =): Valor T = -1.90 Valor P = 0.065 GL
=42
No Hay diferencias
T3 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 2.90 1.38 0.29
2 24 3.11 1.11 0.23
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.210
IC de 95% para la diferencia: (-0.961, 0.541)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.57 Valor P = 0.575 GL
=40
No Hay diferencias
T3 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 2.90 1.38 0.29
2 22 3.49 1.15 0.25
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.590
IC de 95% para la diferencia: (-1.364, 0.184)
Prueba T de diferencia = 0 (vs. no =): Valor T = -1.54 Valor P = 0.131 GL
=40
No hay diferencias
T4 VS T5
Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 3.11 1.11 0.23
2 22 3.49 1.15 0.25
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.380
IC de 95% para la diferencia: (-1.053, 0.293)
Prueba T de diferencia = 0 (vs. no =): Valor T = -1.14 Valor P = 0.261 GL
=43
No hay diferencias
ANEXO C4. PRUEBAS T CONDUCTIVIDAD ELÉCTRICA
AFL VS T1 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 47.10 9.90 2.1
2 22 39.2 12.4 2.6
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 7.92
IC de 95% para la diferencia: (1.09, 14.75)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.34 Valor P = 0.024 GL =
40
Hay diferencias
AFL VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 47.10 9.90 2.1
2 22 37.1 13.1 2.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 10.02
IC de 95% para la diferencia: (2.94, 17.10)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.86 Valor P = 0.007 GL = 39
Hay diferencias
AFL VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 47.10 9.90 2.1
2 22 36.1 12.5 2.7
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 11.02
IC de 95% para la diferencia: (4.15, 17.89)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.24 Valor P = 0.002 GL = 39
Hay diferencias
AFL VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 47.10 9.90 2.1
2 21 35.5 12.8 2.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 11.60
IC de 95% para la diferencia: (4.51, 18.69)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.32 Valor P = 0.002 GL =
37
Hay diferencias
AFL VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 47.10 9.90 2.1
2 21 33.4 13.0 2.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 13.74
IC de 95% para la diferencia: (6.59, 20.89)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.89 Valor P = 0.000 GL =
37
Hay diferencias
T1 VS T2 T pareada para C15 - C16
Media del
Error
N Media Desv.Est. Estándar
C15 22 39.18 12.37 2.64
C16 22 37.08 13.10 2.79
Diferencia 22 2.094 3.640 0.776
IC de 95% para la diferencia media: (0.480, 3.708)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = 2.70 Valor P = 0.013
Hay diferencias
T1 VS T3 T pareada para C15 - C17
Media del
Error
N Media Desv.Est. Estándar
C15 22 39.18 12.37 2.64
C17 22 36.08 12.48 2.66
Diferencia 22 3.098 4.016 0.856
IC de 95% para la diferencia media: (1.318, 4.879)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = 3.62 Valor P = 0.002
Hay diferencias
T1 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 39.2 12.4 2.6
2 21 35.5 12.8 2.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 3.68
IC de 95% para la diferencia: (-4.08, 11.44)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.96 Valor P = 0.344 GL =
40
No hay diferencias
T1 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 39.2 12.4 2.6
2 21 33.4 13.0 2.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 5.82
IC de 95% para la diferencia: (-2.00, 13.64)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.51 Valor P = 0.140 GL =
40
No hay diferencias
T2 VS T3
T pareada para C16 - C17
Media del
Error
N Media Desv.Est. Estándar
C16 22 37.08 13.10 2.79
C17 22 36.08 12.48 2.66
Diferencia 22 1.005 1.871 0.399
IC de 95% para la diferencia media: (0.175, 1.834)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = 2.52 Valor P = 0.020
Hay diferencias
T2 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 37.1 13.1 2.8
2 21 35.5 12.8 2.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.58
IC de 95% para la diferencia: (-6.40, 9.56)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.40 Valor P = 0.691 GL =
40
No hay diferencias
T2 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 37.1 13.1 2.8
2 21 33.4 13.0 2.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 3.72
IC de 95% para la diferencia: (-4.31, 11.75)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.94 Valor P = 0.355 GL =
40
No hay diferencias
T3 VS T4 Error
Muestra N Media Desv.Est. Estándar
1 22 36.1 12.5 2.7
2 21 35.5 13.0 2.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.58
IC de 95% para la diferencia: (-7.27, 8.43)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.15 Valor P = 0.882 GL =
40
No hay diferencias
T3 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 36.1 12.5 2.7
2 21 33.4 13.0 2.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 2.72
IC de 95% para la diferencia: (-5.13, 10.57)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.70 Valor P = 0.488 GL =
40
No hay diferencias
T4 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 21 35.5 12.8 2.8
2 21 33.4 13.0 2.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 2.14
IC de 95% para la diferencia: (-5.90, 10.18)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.54 Valor P = 0.593 GL =
39
No hay diferencias
ANEXO C5. PRUEBAS T SÓLIDOS DISUELTOS AFL VS T1 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 21.79 4.49 0.96
2 24 18.30 5.84 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 3.49
IC de 95% para la diferencia: (0.40, 6.57)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.28 Valor P = 0.028 GL =
42
Hay diferencias significativas
AFL VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 21.79 4.49 0.96
2 25 17.39 6.13 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 4.39
IC de 95% para la diferencia: (1.25, 7.53)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.82 Valor P = 0.007 GL =
43
Hay diferencias
AFL VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 21.79 4.49 0.96
2 24 16.67 6.01 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 5.11
IC de 95% para la diferencia: (1.97, 8.25)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.29 Valor P = 0.002 GL =
42
Hay diferencias
AFL VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 22 21.79 4.49 0.96
2 24 15.97 5.93 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 5.81
IC de 95% para la diferencia: (2.70, 8.93)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.77 Valor P = 0.001 GL =
42
Hay diferencias
AFL VS T5 Error
Muestra N Media Desv.Est. Estándar
1 22 21.79 4.49 0.96
2 23 14.85 5.88 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 6.93
IC de 95% para la diferencia: (3.79, 10.08)
Prueba T de diferencia = 0 (vs. no =): Valor T = 4.46 Valor P = 0.000 GL =
41
Hay diferencias
T1 VS T2 Error
Muestra N Media Desv.Est. Estándar
1 24 18.30 5.84 1.2
2 25 17.39 6.13 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.90
IC de 95% para la diferencia: (-2.54, 4.35)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.53 Valor P = 0.600 GL = 46
No hay diferencias
T1 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 18.30 5.84 1.2
2 24 16.67 6.01 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.63
IC de 95% para la diferencia: (-1.82, 5.07)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.95 Valor P = 0.347 GL = 45
No hay diferencias
T1 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 18.30 5.84 1.2
2 24 15.97 5.93 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 2.32
IC de 95% para la diferencia: (-1.10, 5.75)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.37 Valor P = 0.178 GL = 45
No hay diferencias
T1 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 18.30 5.84 1.2
2 23 14.85 5.88 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 3.45
IC de 95% para la diferencia: (0.00, 6.89)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.02 Valor P = 0.050 GL = 44
Hay diferencias
T2 VS T3
Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 17.39 6.13 1.2
2 24 16.67 6.01 1.2
Estimado de la diferencia: 0.72
IC de 95% para la diferencia: (-2.77, 4.21)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.42 Valor P = 0.680 GL =
46
Hay diferencias
T2 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 25 17.39 6.13 1.2
2 24 15.97 5.93 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.42
IC de 95% para la diferencia: (-2.05, 4.89)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.82 Valor P = 0.414 GL =
46
No hay diferencias
T2 VS T5 Error
Muestra N Media Desv.Est. Estándar
1 25 17.39 6.13 1.2
2 23 14.85 5.88 1.2
Estimado de la diferencia: 2.54
IC de 95% para la diferencia: (-0.95, 6.03)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.47 Valor P = 0.150 GL =
45
No hay diferencias
T3 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 16.67 6.01 1.2
2 24 15.97 5.93 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.70
IC de 95% para la diferencia: (-2.77, 4.17)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.41 Valor P = 0.687 GL =
45
No hay diferencias
T3 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 16.67 6.01 1.2
2 23 14.85 5.88 1.2
Diferencia = mu (1) - su (2)
Estimado de la diferencia: 1.82
IC de 95% para la diferencia: (-1.67, 5.31)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.05 Valor P = 0.299 GL =
44
No hay diferencias
T4 VS T5
Media del
Error
Muestra N Media Desv.Est. Estándar
1 24 15.97 5.93 1.2
2 23 14.85 5.88 1.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.12
IC de 95% para la diferencia: (-2.35, 4.59)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.65 Valor P = 0.518 GL =
44
No hay diferencias
ANEXO C6. PRUEBAS T SÓLIDOS SUSPENDIDOS TOTALES
AFL VS T1
Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 110.4 30.8 6.9
2 14 79.2 29.0 7.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 31.2
IC de 95% para la diferencia: (10.0, 52.4)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.01 Valor P = 0.005 GL =
29
Hay diferencias significativas
AFL VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 110.4 30.8 6.9
2 14 65.1 27.6 7.4
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 45.3
IC de 95% para la diferencia: (24.7, 65.9)
Prueba T de diferencia = 0 (vs. no =): Valor T = 4.49 Valor P = 0.000 GL =
29
Hay diferencias significativas
AFL VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 110.4 30.8 6.9
2 12 54.7 22.8 6.6
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 55.66
IC de 95% para la diferencia: (36.16, 75.16)
Prueba T de diferencia = 0 (vs. no =): Valor T = 5.85 Valor P = 0.000 GL =
28
Hay diferencias significativas
AFL VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 110.4 30.8 6.9
2 12 50.6 19.9 5.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 59.84
IC de 95% para la diferencia: (41.48, 78.20)
Prueba T de diferencia = 0 (vs. no =): Valor T = 6.67 Valor P = 0.000 GL =
29
Hay diferencias significativas
AFL VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 110.4 30.8 6.9
2 12 49.0 23.6 6.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 61.44
IC de 95% para la diferencia: (41.60, 81.28)
Prueba T de diferencia = 0 (vs. no =): Valor T = 6.34 Valor P = 0.000 GL =
28
Hay diferencias significativas
T1 VS T2 T pareada
Media del
Error
N Media Desv.Est. Estándar
C14 14 79.18 29.02 7.76
C15 14 65.09 27.58 7.37
Diferencia 14 14.08 19.64 5.25
IC de 95% para la diferencia media: (2.74, 25.42)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = 2.68 Valor P = 0.019
Hay diferencias significativas
T1 VS T3
Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 79.2 29.0 7.8
2 12 54.7 22.8 6.6
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 24.4
IC de 95% para la diferencia: (3.4, 45.5)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.40 Valor P = 0.025 GL =
23
Hay diferencias significativas
T1 VS T4 Error Muestra N Media Desv.Est. Estándar
1 14 79.2 29.0 7.8
2 12 50.6 19.9 5.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 28.62
IC de 95% para la diferencia: (8.64, 48.60)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.96 Valor P = 0.007 GL =
23
Hay diferencias significativas
T1 VS T5
Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 79.2 29.0 7.8
2 12 49.0 23.6 6.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 30.2
IC de 95% para la diferencia: (8.9, 51.6)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.93 Valor P = 0.008 GL =
23
Hay diferencias significativas
T2 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 65.1 27.6 7.4
2 12 54.7 22.8 6.6
Estimado de la diferencia: 10.35
IC de 95% para la diferencia: (-10.08, 30.78)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.05 Valor P = 0.306 GL =
23
No hay diferencias
T2 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 65.1 27.6 7.4
2 12 50.6 19.9 5.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 14.53
IC de 95% para la diferencia: (-4.82, 33.88)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.55 Valor P = 0.134 GL =
23
No hay diferencias
T2 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 65.1 27.6 7.4
2 12 49.0 23.6 6.8
Estimado de la diferencia: 16.1
IC de 95% para la diferencia: (-4.6, 36.9)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.61 Valor P = 0.122 GL = 23
No hay diferencias
T3 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 12 64.7 22.8 6.6
2 12 50.6 19.9 5.8
Estimado de la diferencia: 14.18
IC de 95% para la diferencia: (-3.99, 32.35)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.62 Valor P = 0.120 GL = 21
No hay diferencias
T3 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 12 64.7 22.8 6.6
2 12 49.0 23.6 6.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 15.78
IC de 95% para la diferencia: (-3.90, 35.46)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.67 Valor P = 0.110 GL = 21
No hay diferencias
T4 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 12 50.6 19.9 5.8
2 12 49.0 23.6 6.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.60
IC de 95% para la diferencia: (-16.94, 20.14)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.18 Valor P = 0.859 GL =
21
No hay diferencias
ANEXO C7. PRUEBAS T DBO5
AFL VS T1
Media del
Error
Muestra N Media Desv.Est. Estándar
1 15 11.39 3.32 0.86
2 15 8.22 2.57 0.66
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 3.17
IC de 95% para la diferencia: (0.94, 5.40)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.92 Valor P = 0.007 GL =
26
Existen diferencias significativas
AFL VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 15 11.39 3.32 0.86
2 15 6.44 2.28 0.59
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 4.95
IC de 95% para la diferencia: (2.80, 7.10)
Prueba T de diferencia = 0 (vs. no =): Valor T = 4.76 Valor P = 0.000 GL =
24
Existen diferencias significativas
AFL VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 15 11.39 3.32 0.86
2 14 5.21 2.56 0.68
Estimado de la diferencia: 6.18
IC de 95% para la diferencia: (3.93, 8.43)
Prueba T de diferencia = 0 (vs. no =): Valor T = 5.63 Valor P = 0.000 GL =
26
Existen diferencias significativas
AFL VS T4 Error
Muestra N Media Desv.Est. Estándar
1 15 11.39 3.32 0.86
2 13 4.75 2.07 0.57
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 6.64
IC de 95% para la diferencia: (4.51, 8.77)
Prueba T de diferencia = 0 (vs. no =): Valor T = 6.44 Valor P = 0.000 GL =
23
Existen diferencias significativas
AFL VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 15 11.39 3.32 0.86
2 13 5.00 2.61 0.72
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 6.39
IC de 95% para la diferencia: (4.08, 8.70)
Prueba T de diferencia = 0 (vs. no =): Valor T = 5.70 Valor P = 0.000 GL =
25
Existen diferencias significativas
T1 VS T2 T pareada para C13 - C14
Media del
Error
N Media Desv.Est. Estándar
C13 15 8.225 2.569 0.663
C14 15 6.445 2.279 0.588
Diferencia 15 1.780 1.323 0.342
IC de 95% para la diferencia media:: (1.047, 2.513)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = 5.21 Valor P = 0.000
Existen diferencias significativas
T1 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 15 8.22 2.57 0.66
2 14 5.21 2.56 0.68
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 3.010
IC de 95% para la diferencia: (1.051, 4.969)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.16 Valor P = 0.004 GL =
26
Existen diferencias significativas
T1 VS T4
Media del
Error
Muestra N Media Desv.Est. Estándar
1 15 8.22 2.57 0.66
2 13 4.75 2.07 0.57
Estimado de la diferencia: 3.470
IC de 95% para la diferencia: (1.663, 5.277)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.95 Valor P = 0.001 GL = 25
Existen diferencias significativas
T1 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 15 8.22 2.57 0.66
2 13 5.00 2.61 0.72
Estimado de la diferencia: 3.220
IC de 95% para la diferencia: (1.198, 5.242)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.28 Valor P = 0.003 GL =
25
Existen diferencias significativas
T2 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 15 6.44 2.28 0.59
2 14 5.21 2.56 0.68
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.230
IC de 95% para la diferencia: (-0.625, 3.085)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.36 Valor P = 0.185 GL =
26
No hay diferencias
T2 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 15 6.44 2.28 0.59
2 13 4.75 2.07 0.57
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.690
IC de 95% para la diferencia: (-0.004, 3.384)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.06 Valor P = 0.050 GL =
25
Existen diferencias significativas
T2 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 15 6.44 2.28 0.59
2 13 5.00 2.61 0.72
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.440
IC de 95% para la diferencia: (-0.486, 3.366)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.54 Valor P = 0.136 GL =
24
No hay diferencias
T3 VS T4
Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 5.21 2.56 0.68
2 13 4.75 2.07 0.57
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.460
IC de 95% para la diferencia: (-1.383, 2.303)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.52 Valor P = 0.611 GL =
24
No hay diferencias
T3 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 5.21 2.56 0.68
2 13 5.00 2.61 0.72
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.210
IC de 95% para la diferencia: (-1.846, 2.266)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.21 Valor P = 0.835 GL = 24
No hay diferencias
T4 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 13 4.75 2.07 0.57
2 13 5.00 2.61 0.72
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.250
IC de 95% para la diferencia: (-2.166, 1.666)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.27 Valor P = 0.789 GL =22
No hay diferencias
ANEXO C8. PRUEBAS T DQO
AFL VS T1 Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 122.1 49.0 11
2 14 76.0 29.0 7.8
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 46.1
IC de 95% para la diferencia: (18.7, 73.4)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.43 Valor P = 0.002 GL = 31
Existen diferencias significativas
AFL VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 122.1 49.0 11
2 14 74.0 34.3 9.2
Estimado de la diferencia: 48.1
IC de 95% para la diferencia: (18.9, 77.2)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.36 Valor P = 0.002 GL = 31
Existen diferencias significativas
AFL VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 122.1 49.0 11
2 13 69.4 42.5 12
Estimado de la diferencia: 52.7
IC de 95% para la diferencia: (19.7, 85.6)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.27 Valor P = 0.003 GL =
28
Existen diferencias significativas
AFL VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 122.1 49.0 11
2 12 61.3 45.1 13
Estimado de la diferencia: 60.8
IC de 95% para la diferencia: (25.6, 95.9)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.57 Valor P = 0.002 GL =
24
Existen diferencias significativas
AFL VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 122.1 49.0 11
2 12 62.0 18.3 5.3
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 60.1
IC de 95% para la diferencia: (35.1, 85.1)
Prueba T de diferencia = 0 (vs. no =): Valor T = 4.94 Valor P = 0.000 GL =
26
Existen diferencias significativas
T1 VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 76.0 29.0 7.8
2 14 74.0 34.3 9.2
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 2.0
IC de 95% para la diferencia: (-22.7, 26.7)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.17 Valor P = 0.869 GL = 25
No hay diferencias T1 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 76.0 29.0 7.8
2 13 69.4 42.5 12
Estimado de la diferencia: 6.6
IC de 95% para la diferencia: (-22.8, 36.0)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.47 Valor P = 0.645 GL = 20
No hay diferencias
T1 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 76.0 29.0 7.8
2 12 61.3 45.1 13
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 14.7
IC de 95% para la diferencia: (-17.1, 46.5)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.97 Valor P = 0.345 GL =18
No hay diferencias
T1 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 76.0 29.0 7.8
2 12 62.0 32.3 9.3
Estimado de la diferencia: 14.0
IC de 95% para la diferencia: (-11.1, 39.1)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.15 Valor P = 0.261 GL= 22
No hay diferencias
T2 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 74.0 34.3 9.2
2 13 69.4 23.1 6.4
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 4.6
IC de 95% para la diferencia: (-18.6, 27.8)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.41 Valor P = 0.685 GL =
22
No hay diferencias
T2 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 74.0 34.3 9.2
2 12 61.3 45.1 13
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 12.7
IC de 95% para la diferencia: (-20.5, 45.9)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.80 Valor P = 0.434 GL = 20
No hay diferencias
T2 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 74.0 34.3 9.2
2 12 62.0 32.3 9.3
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 12.0
IC de 95% para la diferencia: (-15.0, 39.0)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.92 Valor P = 0.368 GL = 23
No hay diferencias
T3 VS T4
Media del
Error
Muestra N Media Desv.Est. Estándar
1 13 69.4 42.5 12
2 12 61.3 45.1 13
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 8.1
IC de 95% para la diferencia: (-28.3, 44.5)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.46 Valor P = 0.649 GL = 22
No hay diferencias
T3 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 13 69.4 42.5 12
2 12 62.0 32.3 9.3
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 7.4
IC de 95% para la diferencia: (-23.8, 38.6)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.49 Valor P = 0.627 GL =
22
No hay diferencias
T4 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 12 61.3 45.1 13
2 12 62.0 32.3 9.3
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.7
IC de 95% para la diferencia: (-34.2, 32.8)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.04 Valor P = 0.966 GL
=19
No hay diferencias
ANEXO C9. PRUEBAS T FÓSFORO TOTAL
AFL VS T1 Media del Error
Muestra N Media Desv.Est. Estándar
1 19 0.1528 0.0315 0.0072
2 18 0.1012 0.0350 0.0082
Estimado de la diferencia: 0.0516
IC de 95% para la diferencia: (0.0293, 0.0739)
Prueba T de diferencia = 0 (vs. no =): Valor T = 4.70 Valor P = 0.000 GL =34
Hay diferencias significativas
AFL VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 19 0.1528 0.0315 0.0072
2 18 0.0771 0.0397 0.0094
Estimado de la diferencia: 0.0757
IC de 95% para la diferencia: (0.0516, 0.0998)
Prueba T de diferencia = 0 (vs. no =): Valor T = 6.40 Valor P = 0.000 GL =32
Hay diferencias significativas
AFL VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 19 0.1528 0.0315 0.0072
2 17 0.0705 0.0397 0.0096
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.0823
IC de 95% para la diferencia: (0.0577, 0.1069)
Prueba T de diferencia = 0 (vs. no =): Valor T = 6.84 Valor P = 0.000 GL = 30
Hay diferencias significativas
AFL VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 19 0.1528 0.0315 0.0072
2 16 0.0647 0.0368 0.0092
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.0881
IC de 95% para la diferencia: (0.0647, 0.1115)
Prueba T de diferencia = 0 (vs. no =): Valor T = 7.67 Valor P = 0.000 GL =
31
Hay diferencias significativas
AFL VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 19 0.1528 0.0315 0.0072
2 15 0.0540 0.0288 0.0074
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.0988
IC de 95% para la diferencia: (0.0777, 0.1199)
Prueba T de diferencia = 0 (vs. no =): Valor T = 9.53 Valor P = 0.000 GL =
31
Hay diferencias significativas
T1 VS T2
Error
N Media Desv.Est. Estándar
C14 18 0.10115 0.03499 0.00825
C15 18 0.07713 0.03954 0.00932
Diferencia 18 0.02402 0.01754 0.00413
IC de 95% para la diferencia media: (0.01530, 0.03275)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = 5.81 Valor P = 0.000
Hay diferencias significativas
T1 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 18 0.1012 0.0350 0.0082
2 17 0.0705 0.0397 0.0096
Estimado de la diferencia: 0.0307
IC de 95% para la diferencia: (0.0048, 0.0566)
Prueba T de diferencia = 0 (vs. no =): Valor T = 2.42 Valor P = 0.022 GL = 31
Hay diferencias significativas
T1 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 18 0.1012 0.0350 0.0082
2 16 0.0647 0.0368 0.0092
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.0365
IC de 95% para la diferencia: (0.0117, 0.0613)
Prueba T de diferencia = 0 (vs. no =): Valor T = 3.00 Valor P = 0.005 GL = 32
Hay diferencias significativas
T1 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 18 0.1012 0.0350 0.0082
2 15 0.0540 0.0288 0.0074
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.0472
IC de 95% para la diferencia: (0.0245, 0.0699)
Prueba T de diferencia = 0 (vs. no =): Valor T = 4.25 Valor P = 0.000 GL = 30
Hay diferencias significativas
T2 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 18 0.0771 0.0395 0.0093
2 17 0.0705 0.0397 0.0096
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.0066
IC de 95% para la diferencia: (-0.0207, 0.0339)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.49 Valor P = 0.626 GL =
32
No hay diferencias significativas
T2 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 18 0.0771 0.0395 0.0093
2 16 0.0647 0.0368 0.0092
Estimado de la diferencia: 0.0124
IC de 95% para la diferencia: (-0.0139, 0.0387)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.96 Valor P = 0.344 GL = 32
No hay diferencias
T2 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 18 0.0771 0.0395 0.0093
2 15 0.0540 0.0288 0.0074
Estimado de la diferencia: 0.0231
IC de 95% para la diferencia: (-0.0012, 0.0474)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.94 Valor P = 0.062 GL =
30
No hay diferencias
T3 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 17 0.0705 0.0397 0.0096
2 16 0.0647 0.0368 0.0092
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.0058
IC de 95% para la diferencia: (-0.0210, 0.0326)
Prueba T de diferencia = 0 (vs. no =): Valor T = 0.44 Valor P = 0.662 GL =
31
No hay diferencias
T3 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 17 0.0705 0.0397 0.0096
2 15 0.0540 0.0288 0.0074
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.0165
IC de 95% para la diferencia: (-0.0084, 0.0414)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.36 Valor P = 0.186 GL =
28
No hay diferencias
T4 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 16 0.0470 0.0368 0.0092
2 15 0.0540 0.0288 0.0074
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.0070
IC de 95% para la diferencia: (-0.0308, 0.0168)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.60 Valor P = 0.551 GL
=29
No hay diferencias
ANEXO C10. PRUEBAS T N-NTK
AFL VS T1
Media del
Error
Muestra N Media Desv.Est. Estándar
1 16 4.68 1.31 0.33
2 14 3.92 1.08 0.29
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.765
IC de 95% para la diferencia: (-0.130, 1.660)
Prueba T de diferencia = 0 (vs. no =): Valor T = 1.75 Valor P = 0.091 GL =
27
No existen diferencias.
AFL VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 16 4.68 1.31 0.33
2 13 3.74 1.29 0.36
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.945
IC de 95% para la diferencia: (-0.052, 1.942)
Prueba T de diferencia = 0 (VS. no =): Valor T = 1.95 Valor P = 0.062 GL= 25
No existen diferencias
AFL VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 16 4.68 1.31 0.33
2 12 3.39 1.45 0.42
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.289
IC de 95% para la diferencia: (0.188, 2.390)
Prueba T de diferencia = 0 (VS. no =): Valor T = 2.43 Valor P = 0.024 GL =22
Existen diferencias significativas.
AFL VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 16 4.68 1.31 0.33
2 12 3.48 1.52 0.44
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.197
IC de 95% para la diferencia: (0.058, 2.336)
Prueba T de diferencia = 0 (VS. no =): Valor T = 2.19 Valor P = 0.040 GL = 21
Existen diferencias significativas
AFL VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 16 4.68 1.31 0.33
2 11 3.36 1.51 0.45
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 1.321
IC de 95% para la diferencia: (0.148, 2.494)
Prueba T de diferencia = 0 (VS. no =): Valor T = 2.36 Valor P = 0.029GL = 19
Existen diferencias significativas
T1 VS T2 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 3.92 1.08 0.29
2 13 3.74 1.29 0.36
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.180
IC de 95% para la diferencia: (-0.770, 1.130)
Prueba T de diferencia = 0 (VS. no =): Valor T = 0.39 Valor P = 0.699 GL = 23
No existen diferencias significativas
T1 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 3.92 1.08 0.29
2 12 3.39 1.45 0.42
Estimado de la diferencia: 0.524
IC de 95% para la diferencia: (-0.536, 1.584)
Prueba T de diferencia = 0 (VS. no =): Valor T = 1.03 Valor P = 0.315 GL =
20
No existen diferencias
T1 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 14 3.92 1.08 0.29
2 12 3.48 1.55 0.45
Estimado de la diferencia: 0.432
IC de 95% para la diferencia: (-0.684, 1.548)
Prueba T de diferencia = 0 (VS. no =): Valor T = 0.81 Valor P = 0.428 GL =
19
No existen diferencias
T1 VS T5 Media del Error
Muestra N Media Desv.Est. Estándar
1 14 3.92 1.08 0.29
2 11 3.36 1.51 0.45
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.556
IC de 95% para la diferencia: (-0.580, 1.692)
Prueba T de diferencia = 0 (VS. no =): Valor T = 1.03 Valor P = 0.316 GL= 17
No hay diferencias
T2 VS T3 Media del Error
Muestra N Media Desv.Est. Estándar
1 13 3.74 1.29 0.36
2 12 3.39 1.45 0.42
Estimado de la diferencia: 0.344
IC de 95% para la diferencia: (-0.796, 1.484)
Prueba T de diferencia = 0 (VS. no =): Valor T = 0.63 Valor P = 0.538 GL= 22
No existen diferencias
T2 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 13 3.74 1.29 0.36
2 12 3.48 1.52 0.44
Estimado de la diferencia: 0.252
IC de 95% para la diferencia: (-0.925, 1.429)
Prueba T de diferencia = 0 (VS. no =): Valor T = 0.45 Valor P = 0.661 GL =21
No existen diferencias
T2 VS T5
Media del Error
Muestra N Media Desv.Est. Estándar
1 13 3.74 1.29 0.36
2 11 3.36 1.51 0.45
Estimado de la diferencia: 0.376
IC de 95% para la diferencia: (-0.834, 1.586)
Prueba T de diferencia = 0 (VS. no =): Valor T = 0.65 Valor P = 0.523 GL =19
No existen diferencias
T3 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 12 3.39 1.45 0.42
2 12 3.48 1.52 0.44
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.092
IC de 95% para la diferencia: (-1.353, 1.169)
Prueba T de diferencia = 0 (VS. no =): Valor T = -0.15 Valor P = 0.881 GL=21
No existen diferencias
T3 VS T5 Media del Error
Muestra N Media Desv.Est. Estándar
1 12 3.39 1.45 0.42
2 11 3.36 1.51 0.45
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.032
IC de 95% para la diferencia: (-1.257, 1.321)
Prueba T de diferencia = 0 (VS. no =): Valor T = 0.05 Valor P = 0.959 GL 20
No existen diferencias
T4 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 12 3.48 1.52 0.44
2 11 3.36 1.51 0.45
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: 0.124
IC de 95% para la diferencia: (-1.194, 1.442)
Prueba T de diferencia = 0 (VS. no =): Valor T = 0.20 Valor P = 0.846 GL =
20
No existen diferencias
ANEXO C11. PRUEBAS T N-NH4
AFL VS T1 Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 1.084 0.824 0.18
2 17 1.58 1.11 0.27
Estimado de la diferencia: -0.491
IC de 95% para la diferencia: (-1.158, 0.176)
Prueba T de diferencia = 0 (vs. no =): Valor T = -1.51 Valor P = 0.143 GL
=29
No hay diferencias significativas
AFL VS T2
Error
Muestra N Media Desv.Est. Estándar
1 20 1.084 0.824 0.18
2 17 1.99 1.00 0.24
Estimado de la diferencia: -0.908
IC de 95% para la diferencia: (-1.530, -0.286)
Prueba T de diferencia = 0 (vs. no =): Valor T = -2.98 Valor P = 0.006 GL
=31
Hay diferencias significativas
AFL VS T3 Error
Muestra N Media Desv.Est. Estándar
1 20 1.084 0.824 0.18
2 16 2.02 1.28 0.32
Estimado de la diferencia: -0.937
IC de 95% para la diferencia: (-1.700, -0.174)
Prueba T de diferencia = 0 (vs. no =): Valor T = -2.53 Valor P = 0.018 GL
=24
Hay diferencias significativas
AFL VS T4 Error
Muestra N Media Desv.Est. Estándar
1 20 1.084 0.824 0.18
2 16 2.02 1.20 0.30
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.938
IC de 95% para la diferencia: (-1.664, -0.212)
Prueba T de diferencia = 0 (vs. no =): Valor T = -2.66 Valor P = 0.013 GL
=25
Hay diferencias significativas
AFL VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 20 1.084 0.824 0.18
2 15 2.24 1.46 0.38
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -1.157
IC de 95% para la diferencia: (-2.034, -0.280)
Prueba T de diferencia = 0 (vs. no =): Valor T = -2.75 Valor P = 0.012 GL
=20
Hay diferencias significativas
T1 VS T2 Media del
Error
N Media Desv.Est. Estándar
T1 17 1.575 1.110 0.269
T2 17 1.992 1.002 0.243
Diferencia 17 -0.416 0.970 0.235
IC de 95% para la diferencia media: (-0.915, 0.083)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -1.77 Valor P= 0.096
No hay diferencias significativas
T1 VS T3 Media del
Error
Muestra N Media Desv.Est. Estándar
1 17 1.58 1.11 0.27
2 16 2.02 1.28 0.32
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.446
IC de 95% para la diferencia: (-1.302, 0.410)
Prueba T de diferencia = 0 (vs. no =): Valor T = -1.07 Valor P = 0.295 GL
=29
No hay diferencias significativas
T1 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 17 1.58 1.11 0.27
2 16 2.02 1.20 0.30
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.447
IC de 95% para la diferencia: (-1.271, 0.377)
Prueba T de diferencia = 0 (vs. no =): Valor T = -1.11 Valor P = 0.276 GL =30
No hay diferencias significativas
T1 VS T5 Error
Muestra N Media Desv.Est. Estándar
1 17 1.58 1.10 0.27
2 15 2.24 1.46 0.38
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.666
IC de 95% para la diferencia: (-1.619, 0.287)
Prueba T de diferencia = 0 (vs. no =): Valor T = -1.44 Valor P = 0.162 GL=25
No hay diferencias significativas
T2 VS T3
Media del
Error
Muestra N Media Desv.Est. Estándar
1 17 1.99 1.00 0.24
2 16 2.02 1.28 0.32
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.029
IC de 95% para la diferencia: (-0.853, 0.795)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.07 Valor P = 0.943 GL
=28
No hay diferencias significativas
T3 VS T4 Media del
Error
Muestra N Media Desv.Est. Estándar
1 16 2.02 1.28 0.32
2 16 2.02 1.20 0.30
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.001
IC de 95% para la diferencia: (-0.899, 0.897)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.00 Valor P = 0.998 GL=29
No hay diferencias significativas
T3 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 16 2.02 1.28 0.32
2 15 2.24 1.46 0.38
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.220
IC de 95% para la diferencia: (-1.237, 0.797)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.44 Valor P = 0.661 GL=27
No hay diferencias significativas
T4 VS T5 Media del
Error
Muestra N Media Desv.Est. Estándar
1 16 2.02 1.20 0.30
2 15 2.24 1.46 0.38
Diferencia = mu (1) - mu (2)
Estimado de la diferencia: -0.219
IC de 95% para la diferencia: (-1.209, 0.771)
Prueba T de diferencia = 0 (vs. no =): Valor T = -0.45 Valor P = 0.654 GL =27
No hay diferencias significativas
ANEXO C12 PRUEBAS T N- NITRITOS T pareada para AFL - T1
Media del
Error
N Media Desv.Est. Estándar
AFL 6 0.02033 0.00273 0.00112
T1 6 0.02883 0.00765 0.00312
Diferencia 6 -0.00850 0.00680 0.00278
IC de 95% para la diferencia media:: (-0.01564, -0.00136)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -3.06 Valor P= 0.028
Hay diferencias
T pareada para AFL - T2
Media del
Error
N Media Desv.Est. Estándar
AFL 6 0.02033 0.00273 0.00112
T2 6 0.05233 0.01362 0.00556
Diferencia 6 -0.03200 0.01535 0.00627
IC de 95% para la diferencia media:: (-0.04811, -0.01589)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -5.11 Valor P= 0.004
Hay diferencias
T pareada para AFL - T3
Media del
Error
N Media Desv.Est. Estándar
AFL 6 0.0203 0.0027 0.0011
T3 6 0.0788 0.0276 0.0113
Diferencia 6 -0.0585 0.0301 0.0123
IC de 95% para la diferencia media: (-0.0901, -0.0269)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -4.76 Valor P =
0.005
Hay diferencias
T pareada para AFL - T4
Media del
Error
N Media Desv.Est. Estándar
AFL 6 0.0203 0.0027 0.0011
T4 6 0.0803 0.0293 0.0120
Diferencia 6 -0.0600 0.0316 0.0129
IC de 95% para la diferencia media: (-0.0931, -0.0269)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -4.66 Valor P =
0.006
Hay diferencias
T pareada para AFL - T5 Media del
Error
N Media Desv.Est. Estándar
AFL 6 0.02033 0.00273 0.00112
T5 6 0.08033 0.02144 0.00875
Diferencia 6 -0.06000 0.02336 0.00954
IC de 95% para la diferencia media:: (-0.08451, -0.03549)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -6.29 Valor P =
0.001
Hay diferencias
T pareada para T1 - T2
Media del
Error
N Media Desv.Est. Estándar
T1 6 0.02883 0.00765 0.00312
T2 6 0.05233 0.01362 0.00556
Diferencia 6 -0.02350 0.01328 0.00542
IC de 95% para la diferencia media:: (-0.03743, -0.00957)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -4.34 Valor P =
0.007
Hay diferencias
T pareada para T1 - T3
Media del
Error
N Media Desv.Est. Estándar
T1 6 0.0288 0.0077 0.0031
T3 6 0.0788 0.0276 0.0113
Diferencia 6 -0.0500 0.0309 0.0126
IC de 95% para la diferencia media: (-0.0824, -0.0176)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -3.97 Valor P =
0.011
Hay diferencias
T pareada para T1 - T4
Media del
Error
N Media Desv.Est. Estándar
T1 6 0.0288 0.0077 0.0031
T4 6 0.0803 0.0293 0.0120
Diferencia 6 -0.0515 0.0351 0.0143
IC de 95% para la diferencia media: (-0.0883, -0.0147)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -3.60 Valor P =
0.016
Hay diferencias
T pareada para T1 - T5
Media del
Error
N Media Desv.Est. Estándar
T1 6 0.02883 0.00765 0.00312
T5 6 0.08033 0.02144 0.00875
Diferencia 6 -0.05150 0.02412 0.00985
IC de 95% para la diferencia media:: (-0.07682, -0.02618)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -5.23 Valor P =
0.003
Hay diferencias
T pareada para T2 - T3
Media del
Error
N Media Desv.Est. Estándar
T2 6 0.0523 0.0136 0.0056
T3 6 0.0788 0.0276 0.0113
Diferencia 6 -0.02650 0.01879 0.00767
IC de 95% para la diferencia media: (-0.04622, -0.00678)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -3.45 Valor P =0.018
Hay diferencias
T pareada para T2 - T4
Media del
Error
N Media Desv.Est. Estándar
T2 6 0.0523 0.0136 0.0056
T4 6 0.0803 0.0293 0.0120
Diferencia 6 -0.0280 0.0264 0.0108
IC de 95% para la diferencia media:: (-0.0558, -0.0002)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -2.59 Valor P= 0.049
Hay diferencias
T pareada para T2 - T5
Media del
Error
N Media Desv.Est. Estándar
T2 6 0.05233 0.01362 0.00556
T5 6 0.08033 0.02144 0.00875
Diferencia 6 -0.02800 0.01308 0.00534
IC de 95% para la diferencia media: (-0.04173, -0.01427)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -5.24 Valor P= 0.003
Hay diferencias
T pareada para T3 - T4
Media del
Error
N Media Desv.Est. Estándar
T3 6 0.0788 0.0276 0.0113
T4 6 0.0803 0.0293 0.0120
Diferencia 6 -0.00150 0.01527 0.00623
IC de 95% para la diferencia media: (-0.01752, 0.01452)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -0.24 Valor P =
0.819
No hay diferencias
T pareada para T3 - T5
Media del
Error
N Media Desv.Est. Estándar
T3 6 0.0788 0.0276 0.0113
T5 6 0.0803 0.0214 0.0088
Diferencia 6 -0.00150 0.01122 0.00458
IC de 95% para la diferencia media:: (-0.01328, 0.01028)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -0.33 Valor P =
0.757
No hay diferencias
T pareada para T4 - T5 Media del
Error
N Media Desv.Est. estándar
T4 6 0.0803 0.0293 0.0120
T5 6 0.0803 0.0214 0.0088
Diferencia 6 -0.00000 0.01745 0.00712
IC de 95% para la diferencia media:: (-0.01831, 0.01831)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -0.00 Valor P =
1.000
No hay diferencias.
ANEXO C13 PRUEBAS T N- NITRATOS
T pareada para AFL - T1
Media del
Error
N Media Desv.Est. Estándar
AFL 6 0.0700 0.0334 0.0136
T1 6 0.0755 0.0316 0.0129
Diferencia 6 -0.00550 0.00592 0.00242
IC de 95% para la diferencia media: (-0.01172, 0.00072)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -2.27 Valor P= 0.072
No hay diferencias
T pareada para AFL - T2
Media del
Error
N Media Desv.Est. Estándar
AFL 6 0.0700 0.0334 0.0136
T2 6 0.1068 0.0229 0.0093
Diferencia 6 -0.0368 0.0257 0.0105
IC de 95% para la diferencia media:: (-0.0638, -0.0098)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -3.51 Valor P= 0.017
Hay diferencias
T pareada para AFL - T3
Media del
Error
N Media Desv.Est. Estándar
AFL 6 0.0700 0.0334 0.0136
T3 6 0.1605 0.0114 0.0047
Diferencia 6 -0.0905 0.0313 0.0128
IC de 95% para la diferencia media:: (-0.1233, -0.0577)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -7.09 Valor P =
0.001
Hay diferencias
T pareada para AFL - T4
Media del
Error
N Media Desv.Est. Estándar
AFL 6 0.0700 0.0334 0.0136
T4 6 0.1900 0.0240 0.0098
Diferencia 6 -0.12000 0.02346 0.00958
IC de 95% para la diferencia media: (-0.14462, -0.09538)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -12.53 Valor P =
0.000
Hay diferencias
T pareada para AFL - T5
Media del
Error
N Media Desv.Est. estándar
AFL 6 0.0700 0.0334 0.0136
T5 6 0.2280 0.0288 0.0118
Diferencia 6 -0.1580 0.0376 0.0153
IC de 95% para la diferencia media:: (-0.1974, -0.1186)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -10.30 Valor P =
0.000
Hay diferencias
T pareada para T1 - T2
Media del
Error
N Media Desv.Est. Estándar
T1 6 0.0755 0.0316 0.0129
T2 6 0.1068 0.0229 0.0093
Diferencia 6 -0.0313 0.0248 0.0101
IC de 95% para la diferencia media:: (-0.0573, -0.0054)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -3.10 Valor P =
0.027
Hay diferencias
T pareada para T1 - T3
Media del
Error
N Media Desv.Est. Estándar
T1 6 0.0755 0.0316 0.0129
T3 6 0.1605 0.0114 0.0047
Diferencia 6 -0.0850 0.0305 0.0125
IC de 95% para la diferencia media: (-0.1170, -0.0530)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -6.83 Valor P =
0.001
Hay diferencias
T pareada para T1 - T4
Media del
Error
N Media Desv.Est. Estándar
T1 6 0.0755 0.0316 0.0129
T4 6 0.1900 0.0240 0.0098
Diferencia 6 -0.1145 0.0256 0.0104
IC de 95% para la diferencia media: (-0.1413, -0.0877)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -10.96 Valor P =
0.000
Hay diferencias
T pareada para T1 - T5
Media del
Error
N Media Desv.Est. Estándar
T1 6 0.0755 0.0316 0.0129
T5 6 0.2280 0.0288 0.0118
Diferencia 6 -0.1525 0.0381 0.0156
IC de 95% para la diferencia media: (-0.1925, -0.1125)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -9.80 Valor P =
0.000
Hay diferencias
T pareada para T2 - T3
Media del
Error
N Media Desv.Est. Estándar
T2 6 0.10683 0.02288 0.00934
T3 6 0.16050 0.01145 0.00467
Diferencia 6 -0.05367 0.01747 0.00713
IC de 95% para la diferencia media:: (-0.07200, -0.03534)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -7.53 Valor P =
0.001
Hay diferencias
T pareada para T2 - T4
Media del
Error
N Media Desv.Est. Estándar
T2 6 0.10683 0.02288 0.00934
T4 6 0.19000 0.02403 0.00981
Diferencia 6 -0.0832 0.0310 0.0127
IC de 95% para la diferencia media:: (-0.1157, -0.0506)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -6.57 Valor P =
0.001
Hay diferencias
T pareada para T2 - T5
Media del
Error
N Media Desv.Est. Estándar
T2 6 0.1068 0.0229 0.0093
T5 6 0.2280 0.0288 0.0118
Diferencia 6 -0.1212 0.0397 0.0162
IC de 95% para la diferencia media:: (-0.1628, -0.0796)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -7.49 ValorP = 0.001
Hay diferencias
T pareada para T3 - T4
Media del
Error
N Media Desv.Est. Estándar
T3 6 0.16050 0.01145 0.00467
T4 6 0.19000 0.02403 0.00981
Diferencia 6 -0.02950 0.02355 0.00962
IC de 95% para la diferencia media:: (-0.05422, -0.00478)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -3.07 Valor P= 0.028
Hay diferencias
T pareada para T3 - T5
Media del
Error
N Media Desv.Est. Estándar
T3 6 0.1605 0.0114 0.0047
T5 6 0.2280 0.0288 0.0118
Diferencia 6 -0.0675 0.0338 0.0138
IC de 95% para la diferencia media:: (-0.1030, -0.0320)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -4.89 Valor P= 0.004
Hay diferencias
T pareada para T4 - T5
Media del
Error
N Media Desv.Est. Estándar
T4 6 0.1900 0.0240 0.0098
T5 6 0.2280 0.0288 0.0118
Diferencia 6 -0.0380 0.0275 0.0112
IC de 95% para la diferencia media: (-0.0668, -0.0092)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -3.39 Valor P =
0.020
Hay diferencias
ANEXO D
Producción de biomasa fresca. Contenido de N, P y proteína en A. pinnata
Peso húmedo (g)
T1 T2 T3 T4 T5
16 de Abril 430,6 430,6 430,6 430,6 430,6
21 de Abril 855,4 928 600 594 574
28 de Abril 627 619 430,6 531 575
5 de Mayo 527 802 593 567 543
12 de Mayo 470 473 430,6 563 512
19 de Mayo 642 669 486 546 472
26 de Mayo 549 570 430,6 430,6 430,6
2 de Junio 542 600 537 430,6 455
9 de Junio 622 646 701 684 573
16 de Junio 479 430,6 457 437 495
23 de Junio 473 430,6 457 437 495
25 de Agosto 628 553 540 528 535
1 de Septiembre 686 534 489 430,6 448
Ganancia semanal de peso (g)
T1 T2 T3 T4 T5
21 de Abril 424,8 497,4 169,4 163,4 143,4
28 de Abril 196,4 188,4 0 100,4 144,4
5 de Mayo 96,4 371,4 162,4 136,4 112,4
12 de Mayo 39,4 42,4 0 132,4 81,4
19 de Mayo 211,4 238,4 55,4 115,4 41,4
26 de Mayo 118,4 139,4 0 0 0
2 de Junio 111,4 169,4 106,4 0 24,4
9 de Junio 191,4 215,4 270,4 253,4 142,4
16 de Junio 48,4 0 26,4 6,4 64,4
23 de Junio 42,4 0 26,4 6,4 64,4
25 de Agosto 197,4 122,4 109,4 97,4 104,4
1 de Septiembre 255,4 103,4 58,4 0 17,4
Producción semanal de biomasa fresca (g/m2.d)
T1 T2 T3 T4 T5
21 de Abril 229,6892 268,944 91,59452 88,35032 77,53633
28 de Abril 106,1934 101,8678 0 54,28625 78,07703
5 de Mayo 52,12345 200,8159 87,80962 73,75143 60,77464
12 de Mayo 21,30357 22,92567 0 71,58863 44,01295
19 de Mayo 114,3039 128,9028 29,95476 62,39674 22,38497
26 de Mayo 64,01884 75,37353 0 0 0
2 de Junio 60,23394 91,59452 57,53044 0 13,19307
9 de Junio 103,4899 116,4667 146,2052 137,0133 76,99563
16 de Junio 26,16986 0 14,27447 3,460478 34,82106
23 de Junio 22,92567 0 14,27447 3,460478 34,82106
25 de Agosto 106,7341 66,18164 59,15254 52,66415 56,44904
1 de Septiembre 138,0947 55,90834 31,57686 0 9,408174
PROMEDIO 87,10671 94,08174 44,36441 45,58098 42,37283
DESV. STAND. 59,79416 79,25846 45,69495 44,56755 27,79243
I.C (95%) 33,83111 44,84387 25,85388 25,216 15,72476
n 12 12 12 12 12
Nitrógeno en la biomasa (%)
Fecha T1 T2 T3 T4 T5
7 de Julio 3,20 2,81 2,55 2,63 2,87
14 de Julio 3,56 3,24 3,05 2,96 3,20
4 de Agosto 3,42 3,27 3,45 3,27 3,30
12 de Agosto 3,00 3,47 2,92 3,74 3,31
25 de Agosto 3,04 3,01 3,00 3,16 2,46
26 de Agosto 3,15 3,15 3,11 3,17 2,92
1 de Septiembre 3,48 3,22 3,04 3,02 2,70
PROMEDIO 3,264 3,167 3,017 3,136 2,966
DESV. STAN 0,222 0,209 0,266 0,338 0,322
I.C (95%) 0,164 0,155 0,197 0,250 0,239
n 7 7 7 7 7
Proteína en la biomasa (%)
Fecha T1 T2 T3 T4 T5
7 de Julio 20 17,5625 15,9375 16,4375 17,9375
14 de Julio 22,25 20,25 19,0625 18,5 20
4 de Agosto 21,375 20,4375 21,5625 20,4375 20,625
12 de Agosto 18,75 21,6875 18,25 23,375 20,6875
25 de Agosto 19 18,8125 18,75 19,75 15,375
26 de Agosto 19,6875 19,6875 19,4375 19,8125 18,25
1 de Septiembre 21,75 20,125 19 18,875 16,875
PROMEDIO 20,402 19,795 18,857 19,598 18,536
DESV. STAN 1,387 1,308 1,664 2,112 2,014
I.C (95%) 1,028 0,969 1,233 1,564 1,492
n 7 7 7 7 7
Fósforo en la biomasa (%)
T1 T2 T3 T4 T5
7 de Julio 0,720 0,320 0,100 0,600 0,580
4 de Agosto 0,900 1,000 0,800 0,600 1,040
11 de Agosto 0,500 0,360 0,520 1,040 0,700
20 de Agosto 0,240 0,220 0,960 0,940 0,060
26 de Agosto 1,020 1,200 0,460 0,920 0,740
PROMEDIO 0,676 0,620 0,568 0,820 0,624
DESV. STAN 0,313 0,447 0,332 0,206 0,358
I.C (95%) 0,274 0,392 0,291 0,180 0,314
n 5 5 5 5 5
Peso seco biomasa (%)
T1 T2 T3 T4 T5
7 de Julio 3,45 3,69 3,74 3,36 4,09
14 de Julio 3,17 3,47 3,89 3,18 3,77
4 de Agosto 3,34 3,67 3,26 3,41 3,10
12 de Agosto 3,21 3,38 3,25 3,08 3,37
25 de Agosto 4,03 4,26 3,95 3,84 3,93
1 de Septiembre 3,64 3,50 3,69 4,33 4,59
PROMEDIO 3,47 3,66 3,63 3,53 3,81
DESVIACIÓN STANDARD 0,32 0,32 0,31 0,47 0,53
I.C (95%) 0,26 0,25 0,24 0,38 0,42
n 6 6 6 6 6
ANEXO E
Pruebas Z para comparar la calidad del efluente generado durante el vaciado del estanque piscícola con
la calidad del mismo en condiciones de operación normal
ANEXO E1. PRUEBAS Z PARA TEMPERATURA
AFLUENTE
Prueba de mu = 21.8 vs. no = 21.8
La desviación estándar supuesta = 1
Media del
Error
N Media estándar IC de 95% Z P
23 21.900 0.209 (21.491, 22.309) 0.48 0.632
No hay diferencias
T1
Prueba de mu = 21 vs. no = 21
La desviación estándar supuesta = 1.64
Media del
Error
N Media estándar IC de 95% Z P
25 21.280 0.328 (20.637, 21.923) 0.85 0.393
No hay diferencias
T2
Prueba de mu = 20.8 vs. no = 20.8
La desviación estándar supuesta = 1.37
Media del
Error
N Media estándar IC de 95% Z P
25 21.090 0.274 (20.553, 21.627) 1.06 0.290
No hay diferencias
T3
Prueba de mu = 20.7 vs. no = 20.7
La desviación estándar supuesta = 1.38
Media del
Error
N Media estándar IC de 95% Z P
24 21.030 0.282 (20.478, 21.582) 1.17 0.241
No hay diferencias
T4
Prueba de mu = 20.8 vs. no = 20.8
La desviación estándar supuesta = 1.29
Media del
Error
N Media estándar IC de 95% Z P
24 21.310 0.263 (20.794, 21.826) 1.94 0.053
No hay diferencias
T5
Prueba de mu = 20.9 vs. no = 20.9
La desviación estándar supuesta = 1.41
Media del
Error
N Media estándar IC de 95% Z P
22 21.150 0.301 (20.561, 21.739) 0.83 0.406
No hay diferencias
ANEXO E2. PRUEBAS Z PARA pH AFLUENTE
Prueba de mu = 7.9 vs. no = 7.9
La desviación estándar supuesta = 0.69
Media del
Error
N Media estándar IC de 95% Z P
23 6.860 0.144 (6.578, 7.142) -7.23 0.000
Hay diferencias
T1
Prueba de mu = 7.86 vs. no = 7.86
La desviación estándar supuesta = 0.68
Media del
Error
N Media estándar IC de 95% Z P
25 6.500 0.136 (6.233, 6.767) -10.00 0.000
Hay diferencias significativas
T2
Prueba de mu = 7.58 vs. no = 7.58
La desviación estándar supuesta = 0.72
Media del
Error
N Media estándar IC de 95% Z P
24 6.270 0.147 (5.982, 6.558) -8.91 0.000
Hay diferencias significativas
T3
Prueba de mu = 6.59 vs. no = 6.59
La desviación estándar supuesta = 0.75
Media del
Error
N Media estándar IC de 95% Z P
24 6.150 0.153 (5.850, 6.450) -2.87 0.004
Hay diferencias significativas
T4
Prueba de mu = 7.35 vs. no = 7.35
La desviación estándar supuesta = 0.7
Media del
Error
N Media estándar IC de 95% Z P
24 6.250 0.143 (5.970, 6.530) -7.70 0.000
Hay diferencias significativas
T5
Prueba de mu = 6.82 vs. no = 6.82
La desviación estándar supuesta = 0.69
Media del
Error
N Media estándar IC de 95% Z P
23 6.190 0.144 (5.908, 6.472) -4.38 0.000
Hay diferencias significativas
ANEXO E3. PRUEBAS Z PARA CONDUCTIVIDAD ELÉCTRICA AFLUENTE
Prueba de mu = 25.4 vs. no = 25.4
La desviación estándar supuesta = 9.9
Media del
Error
N Media estándar IC de 95% Z P
22 47.10 2.11 (42.96, 51.24) 10.28 0.000
Hay diferencias significativas
T1
Prueba de mu = 25.9 vs. no = 25.9
La desviación estándar supuesta = 12.37
Media del
Error
N Media estándar IC de 95% Z P
22 39.18 2.64 (34.01, 44.35) 5.04 0.000
Hay diferencias significativas
T2
Prueba de mu = 25.3 vs. no = 25.3
La desviación estándar supuesta = 13.1
Media del
Error
N Media estándar IC de 95% Z P
22 37.08 2.79 (31.61, 42.55) 4.22 0.000
Hay diferencias significativas
T3
Prueba de mu = 24.8 vs. no = 24.8
La desviación estándar supuesta = 12.48
Media del
Error
N Media estándar IC de 95% Z P
22 36.08 2.66 (30.87, 41.29) 4.24 0.000
Hay diferencias significativas
T4
Prueba de mu = 25.1 vs. no = 25.1
La desviación estándar supuesta = 12.79
Media del
Error
N Media estándar IC de 95% Z P
21 35.51 2.79 (30.04, 40.98) 3.73 0.000
Hay diferencias significativas
T5
Prueba de mu = 25.8 vs. no = 25.8
La desviación estándar supuesta = 12.96
Media del
Error
N Media estándar IC de 95% Z P
21 33.36 2.83 (27.82, 38.90) 2.67 0.008
Hay diferencias significativas
ANEXO E4. PRUEBAS Z PARA SÓLIDOS SUSPENDIDOS TOTALES
AFLUENTE Prueba de mu = 152 vs. no = 152
La desviación estándar supuesta = 30.8
Media del
Error
N Media estándar IC de 95% Z P
20 110.40 6.89 (96.90, 123.90) -6.04 0.000
Hay diferencias significativas
T1 Prueba de mu = 143.2 vs. no = 143.2
La desviación estándar supuesta = 29.02
Media del
Error
N Media estándar IC de 95% Z P
14 79.18 7.76 (63.98, 94.38) -8.25 0.000
Hay diferencias significativas
T2 Prueba de mu = 70.8 vs. no = 70.8
La desviación estándar supuesta = 27.58
Media del
Error
N Media estándar IC de 95% Z P
14 65.09 7.37 (50.64, 79.54) -0.77 0.439
Hay diferencias significativas
T3 Prueba de mu = 82.2 vs. no = 82.2
La desviación estándar supuesta = 22.77
Media del
Error
N Media estándar IC de 95% Z P
12 54.74 6.57 (41.86, 67.62) -4.18 0.000
Hay diferencias significativas
T4 Prueba de mu = 71 vs. no = 71
La desviación estándar supuesta = 19.94
Media del
Error
N Media estándar IC de 95% Z P
12 50.56 5.76 (39.28, 61.84) -3.55 0.000
Hay diferencias significativas
T5 Prueba de mu = 54.2 vs. no = 54.2
La desviación estándar supuesta = 23.59
Media del
Error
N Media estándar IC de 95% Z P
12 48.96 6.81 (35.61, 62.31) -0.77 0.442
No hay diferencias
ANEXO E5. PRUEBAS Z. OXÍGENO DISUELTO
AFLUENTE Prueba de mu = 2 vs. no = 2
La desviación estándar supuesta = 1.28
Media del
Error
N Media estándar IC de 95% Z P
23 4.160 0.267 (3.637, 4.683) 8.09 0.000
Hay diferencias
T1 Prueba de mu = 2.2 vs. no = 2.2
La desviación estándar supuesta = 1.64
Media del
Error
N Media estándar IC de 95% Z P
24 3.030 0.335 (2.374, 3.686) 2.48 0.013
Hay diferencias
T2 Prueba de mu = 1.8 vs. no = 1.8
La desviación estándar supuesta = 1.52
Media del
Error
N Media estándar IC de 95% Z P
24 2.740 0.310 (2.132, 3.348) 3.03 0.002
Hay diferencias
T3 Prueba de mu = 1.8 vs. no = 1.8
La desviación estándar supuesta = 1.38
Media del
Error
N Media estándar IC de 95% Z P
22 2.900 0.294 (2.323, 3.477) 3.74 0.000
Hay diferencias
T4 Prueba de mu = 1.8 vs. no = 1.8
La desviación estándar supuesta = 1.11
Media del
Error
N Media estándar IC de 95% Z P
24 3.110 0.227 (2.666, 3.554) 5.78 0.000
Hay diferencias
T5 Prueba de mu = 2 vs. no = 2
La desviación estándar supuesta = 1.15
Media del
Error
N Media estándar IC de 95% Z P
22 3.490 0.245 (3.009, 3.971) 6.08 0.000
Hay diferencias
ANEXO E6. PRUEBAS Z PARA DBO5
AFLUENTE Prueba de mu = 16.93 vs. no = 16.93
La desviación estándar supuesta = 3.32
Media del
Error
N Media estándar IC de 95% Z P
15 11.390 0.857 (9.710, 13.070) -6.46 0.000
Hay diferencias
T1 Prueba de mu = 15.92 vs. no = 15.92
La desviación estándar supuesta = 2.57
Media del
Error
N Media estándar IC de 95% Z P
15 8.220 0.664 (6.919, 9.521) -11.60 0.000
Hay diferencias
T2 Prueba de mu = 15.21 vs. no = 15.21
La desviación estándar supuesta = 2.28
Media del
Error
N Media estándar IC de 95% Z P
15 6.440 0.589 (5.286, 7.594) -14.90 0.000
Hay diferencias
T3 Prueba de mu = 10.93 vs. no = 10.93
La desviación estándar supuesta = 2.56
Media del
Error
N Media estándar IC de 95% Z P
14 5.210 0.684 (3.869, 6.551) -8.36 0.000
Hay diferencias
T4 Prueba de mu = 10.34 vs. no = 10.34
La desviación estándar supuesta = 2.07
Media del
Error
N Media estándar IC de 95% Z P
13 4.750 0.574 (3.625, 5.875) -9.74 0.000
Hay diferencias
T5 Prueba de mu = 9.39 vs. no = 9.39
La desviación estándar supuesta = 2.61
Media del
Error
N Media estándar IC de 95% Z P
13 5.000 0.724 (3.581, 6.419) -6.06 0.000
Hay diferencias
ANEXO E7. PRUEBAS Z PARA DQO
AFLUENTE Prueba de mu = 342 vs. no = 342
La desviación estándar supuesta = 48.9999
Media del
Error
N Media estándar IC de 95% Z P
20 122.1 11.0 (100.6, 143.5) -29.20 0.000
Hay diferencias
T1 Prueba de mu = 236 vs. no = 236
La desviación estándar supuesta = 29
Media del
Error
N Media estándar IC de 95% Z P
14 76.00 7.75 (60.81, 91.19) -33.55 0.000
Hay diferencias
T2 Prueba de mu = 214 vs. no = 214
La desviación estándar supuesta = 34.3
Media del
Error
N Media estándar IC de 95% Z P
14 74.00 9.17 (56.03, 91.97) -26.18 0.000
Hay diferencias
T3 Prueba de mu = 206 vs. no = 206
La desviación estándar supuesta = 42.5
Media del
Error
N Media estándar IC de 95% Z P
13 69.4 11.8 (46.3, 92.5) -20.07 0.000
Hay diferencias
T4 Prueba de mu = 210 vs. no = 210
La desviación estándar supuesta = 45.1
Media del
Error
N Media estándar IC de 95% Z P
12 61.3 13.0 (35.8, 86.8) -19.10 0.000
Hay diferencias
T5 Prueba de mu = 216 vs. no = 216
La desviación estándar supuesta = 32.3
Media del
Error
N Media estándar IC de 95% Z P
12 62.00 9.32 (43.72, 80.28) -27.24 0.000
Hay diferencias
ANEXO E8. PRUEBAS Z PARA FÓSFORO TOTAL
AFLUENTE Prueba de mu = 0.525 vs. no = 0.525
La desviación estándar supuesta = 0.0315
Media del
Error
N Media estándar IC de 95% Z P
19 0.15280 0.00723 (0.13864, 0.16696) -51.50 0.000
Hay diferencias
T1 Prueba de mu = 0.202 vs. no = 0.202
La desviación estándar supuesta = 0.035
Media del
Error
N Media estándar IC de 95% Z P
18 0.10120 0.00825 (0.08503, 0.11737) -12.22 0.000
Hay diferencias
T2 Prueba de mu = 0.183 vs. no = 0.183
La desviación estándar supuesta = 0.0395
Media del
Error
N Media estándar IC de 95% Z P
18 0.07710 0.00931 (0.05885, 0.09535) -11.37 0.000
Hay diferencias
T3 Prueba de mu = 0.184 vs. no = 0.184
La desviación estándar supuesta = 0.0397
Media del
Error
N Media estándar IC de 95% Z P
17 0.07050 0.00963 (0.05163, 0.08937) -11.79 0.000
Hay diferencias
T4 Prueba de mu = 0.135 vs. no = 0.135
La desviación estándar supuesta = 0.0368
Media del
Error
N Media estándar IC de 95% Z P
17 0.06470 0.00893 (0.04721, 0.08219) -7.88 0.000
Hay diferencias
T5 Prueba de mu = 0.158 vs. no = 0.158
La desviación estándar supuesta = 0.0288
Media del
Error
N Media estándar IC de 95% Z P
15 0.05400 0.00744 (0.03943, 0.06857) -13.99 0.000
Hay diferencias
ANEXO E9. PRUEBAS Z PARA NITRÓGENO AMONIACAL N-NH4
AFLUENTE Prueba de mu = 4.75 vs. no = 4.75
La desviación estándar supuesta = 0.824
Media del
Error
N Media estándar IC de 95% Z P
20 1.084 0.184 (0.723, 1.445) -19.90 0.000
Hay diferencias
T1 Prueba de mu = 4.44 vs. no = 4.44
La desviación estándar supuesta = 1.11
Media del
Error
N Media estándar IC de 95% Z P
17 1.575 0.269 (1.047, 2.103) -10.64 0.000
Hay diferencias
T2 Prueba de mu = 3.94 vs. no = 3.94
La desviación estándar supuesta = 1.002
Media del
Error
N Media estándar IC de 95% Z P
17 1.992 0.243 (1.516, 2.468) -8.02 0.000
Hay diferencias
T3 Prueba de mu = 2.96 vs. no = 2.96
La desviación estándar supuesta = 1.282
Media del
Error
N Media estándar IC de 95% Z P
16 2.021 0.321 (1.393, 2.649) -2.93 0.003
Hay diferencias
T4 Prueba de mu = 3.45 vs. no = 3.45
La desviación estándar supuesta = 1.201
Media del
Error
N Media estándar IC de 95% Z P
16 2.022 0.300 (1.434, 2.610) -4.76 0.000
Hay diferencias
T5 Prueba de mu = 0.99 vs. no = 0.99
La desviación estándar supuesta = 1.464
Media del
Error
N Media estándar IC de 95% Z P
15 2.241 0.378 (1.500, 2.982) 3.31 0.001
Hay diferencias
ANEXO E10. PRUEBAS Z PARA NTK
AFLUENTE Prueba de mu = 10.89 vs. no = 10.89
La desviación estándar supuesta = 1.309
Media del
Error
N Media estándar IC de 95% Z P
15 4.682 0.338 (4.020, 5.344) -18.37 0.000
Hay diferencias
T1 Prueba de mu = 10.84 vs. no = 10.84
La desviación estándar supuesta = 1.08
Media del
Error
N Media estándar IC de 95% Z P
14 3.917 0.289 (3.351, 4.483) -23.98 0.000
Hay diferencias
T2 Prueba de mu = 5.42 vs. no = 5.42
La desviación estándar supuesta = 1.287
Media del
Error
N Media estándar IC de 95% Z P
13 3.737 0.357 (3.037, 4.437) -4.71 0.000
Hay diferencias
T3 Prueba de mu = 3.45 vs. no = 3.45
La desviación estándar supuesta = 1.449
Media del
Error
N Media estándar IC de 95% Z P
12 3.393 0.418 (2.573, 4.213) -0.14 0.892
Hay diferencias
T4 Prueba de mu = 4.93 vs. no = 4.93
La desviación estándar supuesta = 1.521
Media del
Error
N Media estándar IC de 95% Z P
12 3.485 0.439 (2.624, 4.346) -3.29 0.001
Hay diferencias
T5 Prueba de mu = 5.91 vs. no = 5.91
La desviación estándar supuesta = 1.508
Media del
Error
N Media estándar IC de 95% Z P
11 3.361 0.455 (2.470, 4.252) -5.61 0.000
Hay diferencias
ANEXO F
Ejemplo de análisis de datos estadísticos
ANEXO F1. Ejemplo de interpretación de resultados
Mediante el siguiente ejemplo, se explica porque se afirma en la sección 7.2.1 que el efecto significativo en la remoción de DBO5 por parte del sistema de lagunas de Azolla va hasta la tercera laguna: Los resultados de las pruebas t para DBO5 se encuentran consignados en el anexo C7. Al analizar el anexo C7 se observa que cuando se compara la DBO5 media del afluente (AFL) con la DBO5 media a la salida de cada laguna (T1, T2, T3, T4 y T5), la probabilidad siempre es menor del 5% (p<0.05); estadísticamente esto se interpreta diciendo que todas las lagunas tienen un efecto significativo en la reducción de la DBO5 con respecto a la concentración de este parámetro en el afluente del sistema. Posteriormente, cuando se compara la DBO5 media efluente la primera laguna (T1) con T2, T3, T4 y T5, sucede lo mismo: la probabilidad en todas las comparaciones siempre es menor del 5%, lo que se interpreta diciendo que T2, T3, T4 y T5 tienen un efecto significativo en la reducción de DBO5 con respecto a la primera laguna. Luego, se compara la DBO5 efluente de la segunda laguna (T2) con la DBO5 efluente de las demás lagunas (T3, T4, T5). Al comparar T2 con T3 no hay diferencias significativas en la calidad en términos de DBO5 (p=0.185>0.05); sin embargo, la comparación entre T2 y T4 arroja una probabilidad del 5% lo que indica que la cuarta laguna puede llegar a afectar de manera significativa la disminución de DBO5 con respecto a la segunda laguna, pero no hay certeza de ello. Finalmente, cuando se compara T3 con T4 y T5, la probabilidad resulta mucho mayor del 5%, lo que se interpreta estadísticamente diciendo que la cuarta y la quinta laguna tienen una DBO5 promedio igual a la DBO5 efluente de la tercera laguna, lo que quiere decir que las dos últimas lagunas no tienen un efecto significativo en la disminución de la DBO5, razón por la cual se afirma en la sección 7.2.1 que el efecto significativo en la remoción de DBO5 por parte del sistema de lagunas de Azolla pinnata solo va hasta la
tercera laguna . Esto se corrobora gráficamente al observar la figura 19. El mismo tipo de análisis se realizó para fósforo, sólidos y demás parámetros, por lo cual se recomienda al lector remitirse a los anexos respectivos.