1

GEOACTA 41(2) (2017) ISSN 1852-7744 © 2017 Asociación Argentina de Geofísicos y Geodestas

EVALUACION DE RELACIONES GEOMORFOLOGÍA – CALIDAD DE AGUA SUBTERRÁNEA MEDIANTE TÉCNICAS ESTADÍSTICAS Y MODELACIÓN

NUMÉRICA EN LA PLANICIE ARENOSA DEL SUR DE CÓRDOBA, ARGENTINA

ASSESSMENT OF GEOMORPHOLOGY-GROUNDWATER QUALITY RELATIONSHIPS USING STATISTICAL TECHNIQUES AND NUMERICAL

MODELS IN THE SANDY PLAIN OF THE SOUTH OF CORDOBA. ARGENTINA

Fátima Noelia Bécher Quinodóz 1,2

y Mónica. T. Blarasin 2

1 Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET).

2 Universidad Nacional de Río Cuarto, Departamento de Geología, Río Cuarto, Argentina. Ruta 36 km

601. X5804BYA Río Cuarto, Argentina E-mail: fbecher@exa.unrc.edu.ar

RESUMEN

El área de estudio localizada en la planicie arenosa del Sur de Córdoba, constituye un palimpsesto

resultante de la yuxtaposición del sistema eólico (“Mar de Arena Pampeano”), con el sistema fluvial río Quinto. La zona presenta un relieve suavemente ondulado, caracterizado por la presencia de dunas longitudinales y médanos resultantes de reactivaciones modernas, paleocanales y antiguos derrames del río Quinto y lagunas permanentes/temporarias. Dada la complejidad de este ambiente, el objetivo del presente trabajo es realizar la caracterización hidrogeoquímica del acuífero libre, estableciendo relaciones con los principales rasgos geomorfológicos, utilizando análisis estadístico multivariado y modelación numérica para validar el modelo conceptual. El acuífero libre estudiado presentó un patrón espacial geoquímico complejo, con aguas dulces a saladas (0,4 a 10 g/L) y tipo geoquímico de bicarbonatadas a cloruradas sódicas, muchas de ellas de carácter aniónico mixto. El análisis estadístico en Modo Q presenta dos grupos: G1, que asocia aguas dulces pertenecientes al ambiente fluvio-eólico y G2 agrupa las aguas salobres y saladas del ambiente fluvial (G2

a) y eólico

(G2b), respectivamente. Las aguas salobres y saladas, sulfatadas y cloruradas, son más

evolucionadas y se consideran resultantes de un largo tránsito de flujos regionales que proceden del sector occidental, mientras que las aguas dulces bicarbonatadas se vinculan a médanos activos y/o lomas donde se desarrollan sistemas de flujos locales (recarga reciente de lluvias). La modelación numérica validó el modelo hidrogeológico conceptual, indicando que los procesos geoquímicos, fundamentalmente disolución de sales e intercambio catiónico, permiten explicar la evolución que experimenta el agua a lo largo de la línea de flujo regional, desde el sector periserrano (aguas dulces y del tipo bicarbonatadas sódicas) y hacia la zona de estudio (aguas saladas y cloruradas sódicas). Por su parte, a nivel local, las aguas subterráneas dulces bicarbonatadas sódicas localizadas en sectores medanosos pueden ser explicadas a través de la evolución geoquímica del agua de lluvia que ingresa al acuífero, debido a la disolución de sales e intercambio catiónico. Palabras clave: aguas subterráneas - geomorfología - análisis estadístico - modelación.

ABSTRACT

The area studied, located on the sandy plain of the South of Cordoba, is a palimpsest resulting from the juxtaposition of the Aeolian (“Pampean Sand Sea”) and the Río Quinto river systems. The area has an undulated topography, with old longitudinal dunes and modern ones resulting from reactivations by present winds. Paleochannels, belonging to the Rio Quinto river, and temporary and permanent lagoons were observed. Given the complexity of this environment, the objective of this work is to characterize the unconfined aquifer from a dynamic and geochemical point of view, establishing relationships with geomorphological features. A multivariate statistical analysis was made

2

for the validation of the conceptual model. The unconfined aquifer presented a complex geochemical pattern with fresh and salt water (0.4 to 10.0 g/L) and sodium bicarbonate to sodium chloride geochemical type. There are also many samples with mixed anionic type. The Q mode multivariate analysis showed two groups: G1 explains fresh groundwater located in the fluvial-aeolian area and G2

represents brackish - salty groundwater in the fluvial (G2a) and aeolian (G2

b) environment, respectively.

Brackish-salty water is the result of regional flows and the fresh water is related to local flows and precipitation recharge in dunes. Furthermore, the conceptual hydrogeologic model was validated by numerical modeling, indicating that the geochemical processes (mainly dissolution of salts and cation exchange) may explain the geochemical evolution of water throughout a regional flow line, from the peri-mountain sector to the study area. Fresh groundwater of sodium bicarbonate type located in dunes sectors can be explained through the geochemical evolution of the rainwater that enters the aquifer where dissolution of salts and cation exchange take place. Keywords: groundwater - geomorphology - statistical analysis - modeling.

INTRODUCCIÓN, OBJETIVOS Y UBICACIÓN DEL ÁREA ESTUDIADA

Los procesos de gestión de los recursos hídricos y del ambiente en general, involucrados en programas de desarrollo sustentable, necesitan anticipar o prever escenarios futuros y esto implica definir las características, los cambios y las tendencias ambientales en los sistemas considerados. En el caso de los sistemas hidrológicos subterráneos, cuyo comportamiento se encuentra condicionado por factores naturales y antrópicos, es necesario analizar, entre los primeros, las variables climáticas y geológicas y entre los segundos, el modo de ocupación del territorio y el uso al que se someten los recursos naturales (Sophocleous, 2002, Macklin y Lewin, 2008 y Gates et al., 2008). En diversos lugares del mundo, la disponibilidad y calidad del recurso hídrico superficial y subterráneo puede convertirse en un grave problema, sobre todo cuando la demanda de agua para diversos usos (humano, industrial, agropecuario, etc.) incrementa notoriamente. Numerosas zonas, con poblaciones que atraviesan por estas circunstancias, han sido sometidas en los últimos años a estudios hidrogeológicos para encontrar nuevas fuentes de agua potable (Blarasin et al., 2013, Bécher Quinodóz et al., 2013, Bécher Quinodóz et al., 2014). Casos particulares como los trabajos de Naik et al., (2007) y Rani et al., (2015), entre otros, plantean la búsqueda en sectores donde la frecuente escasez de agua es resultado de la combinación de la alteración en la estacionalidad de las lluvias, intrusión de agua salada y/o la contaminación procedente de aguas residuales y sistemas de drenaje deficientes. En la exploración hidrogeológica es de suma utilidad el estudio de las geoformas del paisaje, vinculándolas con las zonas de escorrentía/recarga. Esto ha permitido, por ejemplo, encontrar sectores de recarga de agua subterránea, no afectados por procesos de contaminación y aptas para diversos usos, incluso humanos (Rani et al., 2015, Blarasin et al., 2013, Bécher Quinodóz et al., 2013, Bécher Quinodóz et al., 2014). Sedhuraman et al., (2014), Alvarez et al., (2010) y Ramaiah et al., (2012) reconocen la importancia de la geomorfología como condicionante del agua subterránea y definen potencialidad y características de diferentes zonas sobre la base de unidades geomorfológicas. En los últimos años incrementa el número de trabajos (Martínez et al., 2000, Martínez y Osterrieth, 2013, Bécher Quinodóz y Blarasin, 2015, Bécher Quinodóz et al., 2015), que aplican modelación numérica geoquímica para comprender el origen y las causas de las variaciones espacio-temporales en la composición química del agua superficial y/o subterránea, como así también para verificar la verosimilitud de un modelo conceptual planteado.

En el caso del Sur de Córdoba, el recurso hídrico más utilizado para todas las actividades es el agua subterránea, en particular la del acuífero libre. Sin embargo, en numerosas ocasiones, presenta escasa aptitud como resultado del impacto de las actividades humanas o por la presencia de altos valores de iones disueltos que forman parte del fondo natural de la composición química del agua, como por ejemplo arsénico y flúor, entre otros (Bécher Quinodóz y Blarasin, 2015, Blarasin et al., 2014, Bécher Quinodóz y Blarasin, 2014, Bécher Quinodóz et al., 2014, Bécher Quinodóz et al., 2013). Las poblaciones rurales y urbanas requieren entonces de estudios hidrogeológicos específicos que permitan a través de exploraciones, definir cambios espacio-temporales y encontrar y cuantificar reservas de aguas dulces aptas, de manera de disminuir la amenaza que constituyen a la salud pública las aguas de mala calidad.

El área de estudio (3.900 km2) comprende un sector de la planicie medanosa al Sur del río Quinto,

entre las localidades de Villa Valeria y Mattaldi, Córdoba (Fig. 1). Esta región, que integra el Mar de Arena Pampeano (Iriondo, 1999), presenta una historia alternada de ciclos dominados por deflación y fundamentalmente agradación eólica con construcción de dunas y otros de disipación de estas

3

geoformas. Se observa además actividad fluvial, existencia de lagunas y bañados y, en ambientes de interfluvios, pedogénesis dominante. En esta planicie el agua subterránea del acuífero libre es la más utilizada para todas las actividades, aunque en ocasiones, presenta una composición química natural no apta para diversos usos dados los elevados valores de salinidad, sulfatos, arsénico y fluoruro (Bécher Quinodóz et al., 2015; Bécher Quinodóz y Blarasin, 2015, Bécher Quinodóz y Blarasin, 2014, Bécher Quinodóz et al., 2013). En función de los antecedentes regionales y locales mencionados, resulta necesario conocer los condicionamientos geomorfológicos sobre la geoquímica del agua. En este marco, y dada la importancia de contar con información científica sobre el funcionamiento del sistema hidrológico subterráneo para mejorar su gestión y manejo, se plantea como objetivo realizar la caracterización hidrogeoquímica del acuífero libre en la planicie arenosa del Sur de Córdoba, estableciendo posibles relaciones con los principales rasgos geomorfológicos, utilizando análisis estadísticos multivariado y modelación numérica para tratar de validar el modelo hidrogeológico conceptual.

Figura 1. Localización área de estudio. Figure 1. Study area.

CARACTERIZACIÓN GENERAL DEL ÁREA DE ESTUDIO

Caracterización climática

El clima en la zona es de tipo mesotermal subhúmedo seco, con una precipitación media anual de

716 mm, concentrada principalmente en primavera–verano, con un mínimo de 317 mm y un máximo de 1.407 mm, según el tratamiento de datos realizado por Bécher Quinodóz (2014), de la serie de precipitaciones 1911-2014 de Mattaldi Cooperativa. Bécher Quinodóz (2014) determina que los déficit

4

se producen en los meses de otoño-invierno, mientras que los excesos (1-223 mm), en primavera–verano, condicionados fundamentalmente por el comportamiento de las precipitaciones. El análisis de tendencias utilizando la media móvil muestra que, a partir de 2005 y hasta la fecha, los déficit hídricos se han incrementado, comportamiento hidrológico que resultó en descensos del nivel freático y reducción de superficie de agua en lagunas instaladas en dunas parabólicas y en los corredores de deflación de las dunas longitudinales (Bécher Quinodóz, 2014).

Caracterización geológica e hidrológica superficial

La zona de estudio se ubica íntegramente dentro de la provincia geológica Llanura Chaco

Pampeana, al Este y Sudeste de las Sierras Pampeanas de Córdoba y San Luis. En el extremo sudoriental de esta última, el Río Quinto desarrolla su área de nacientes. El área de estudio posee control estructural que se asocia a la tectónica de bloques de la región, cuya conformación actual se relaciona a la orogenia Andina, reconociéndose importantes lineamientos (Bécher Quinodóz et al., 2015). Se destaca el sistema de estructuras NNO–SSE, representado en la zona por el lineamiento río Quinto (Criado et al., 1981; Kostadinoff y Gregori, 2004) y el tramo final de las fallas del Tigre Muerto y San Basilio (Degiovanni, 2005), que en la zona toman dirección NE-SO y son responsables del leve hundimiento del sector oriental. En el área de estudio no aflora basamento cristalino, ni ha sido detectado en las perforaciones realizadas con fines de abastecimiento de agua. Los materiales reconocidos corresponden a sedimentos cuaternarios, perteneciendo la mayoría de los depósitos aflorantes a la Fm Laguna Oscura (Holoceno superior, Cantú, 1992). También afloran depósitos históricos (últimos siglos), representados por materiales de origen eólico, aluvial y palustres (Bécher Quinodóz, 2014). En general, representan ciclos de agradación controlados por eventos neotectónicos y fundamentalmente por oscilaciones climáticas (Degiovanni, 2005, Carignano et al, 2014).

El río Quinto, con nacientes en las Sierras de San Luis, desarrolla dentro de la zona de estudio su cuenca media y media-baja, a lo largo de una longitud de 120 km, con una dirección general de escurrimiento NO-SE, que comprende los Bañados de La Amarga (vieja zona de derrames y antiguo nivel de base del curso de agua). El caudal que eroga el río es fundamentalmente el resultado de la contribución de los escurrimientos superficiales, regulados por embalses, y del agua subterránea. Los datos obtenidos, indican un caudal promedio para el invierno de 4,22 m

3/s con una velocidad

promedio de 0,68 m/s (Bécher Quinodóz et al., 2015). Se observan además en la zona lagunas en médanos y pantanos en áreas deprimidas vinculados fundamentalmente al aporte de agua subterránea (Bécher Quinodóz et al., 2015).

Caracterización hidrogeológica

El acuífero estudiado es el libre, con un espesor aproximado de 80-100 m, el cual exhibe moderada homogeneidad dado el dominio de sedimentos finos, aunque se reconocen cambios faciales que a una escala local implican anisotropías desde el punto de vista hidráulico. Estos cambios están vinculados a materiales más cementados o bien a los sectores medanosos que tienen proporciones de 10 % a 37 % de arenas finas o al ámbito de la faja fluvial del río Quinto y áreas de derrames, que poseen sedimentos más gruesos (17 % y 30 % de arenas gruesas y medias, respectivamente), (Bécher Quinodóz et al., 2015).

Los materiales dominantes en el área estudiada (arenas muy finas), presentan valores de conductividad hidráulica (K) del orden de 1-2 m/día. En los ensayos de bombeo realizados en zonas medanosas de Mattaldi (Blarasin et al., 2013) y Villa Valeria – Villa Sarmiento (Bécher Quinodóz et al., 2013; Bécher Quinodóz, 2014), la K alcanza valores de hasta 5-7 m/d. Las curvas de resistividad resultantes de sondeos eléctricos verticales, realizados en el sector por Blarasin et al., 2013; Bécher Quinodóz et al., 2013 y Bécher Quinodóz, 2014, indican un dominio de materiales arenosos muy finos a limosos, los que intercalan con niveles fuertemente cementados, resultados que fueron constatados con los correspondientes registros litológicos de perforaciones del área (Pf3-Pf4-Pf5-Pf7-Pf8-Pf9) (Fig. 2A). Los sectores con mejores propiedades acuíferas están vinculados a la faja fluvial antigua y actual del río Quinto y a los sistemas de médanos removilizados de la llanura arenosa (Fig. 2B). Esto se debe al predominio de materiales arenosos finos, medios, gruesos y con gravillas dispersas, en donde los valores de K, muy localmente, pueden alcanzar los 5-10 m/día, lo que le otorga cierta heterogeneidad y anisotropía al acuífero (Bécher Quinodóz, 2014). Los sedimentos en el sector oriental más deprimido, limo-arcillosos o cementados, pueden presentar valores de K inferiores, del

5

orden de 0,001-0,5 m/d y porosidades efectivas muy bajas (< 2 %), (Bécher Quinodóz, 2014). El acuífero libre se caracteriza por una dirección de escurrimiento general NO-SE, paralela a la traza

del río Quinto (Fig. 2C). La superficie freática presenta morfología desde suavemente ondulada en el sector SE a casi planar en el sector centro. La traza de las líneas de flujo (Fig. 2C), indican que en su mayor parte el sector se comporta como un área de tránsito del flujo subterráneo procedente del sector occidental (provincia de San Luis), mientras que en el extremo sur los bajos topográficos actúan como zonas de descarga parcial (pantanos) del acuífero libre. Los gradientes hidráulicos calculados son muy bajos del orden de 0,1%, asociados con áreas más planas y bajos hidrohalomórficos y de 0,2% vinculado a los sistemas medanoso del sector SO. A partir de los gradientes y conductividades hidráulicas mencionadas para la zona, las velocidades reales de escurrimiento del agua subterránea son de 0,04-0,07 m/d (en ambiente más plano, sector centro) y 0,25-0,5 m/d (en arenas de los campos de dunas del sector SO y NO, respectivamente) (Bécher Quinodóz, 2014). Considerando la morfología en planta de la superficie freática (Fig. 2C) y los perfiles transversales de detalle realizados, se puede establecer que las relaciones acuífero libre – río Quinto son de influencia, efluencia e indiferencia según los tramos analizados y que las mismas presentan variaciones espacio – temporales, destacando en general una dominancia de aporte del acuífero hacia el río (Bécher Quinodóz et al. (2015).

Figura 2. A) Mapa de localización de perforaciones y perfil hidrogeológico. B) Perfil hidrogeológico A-A’. C) Mapa

de equipotenciales del acuífero libre. Figure 2. A) Location of wells and hydrogeological profiles. B) Hydrogeological profile A-A’. C) Equipotential map

for the unconfined aquifer.

6

MATERIALES Y MÉTODOS

La descripción general del área de estudio (caracterización climática, geológica – hidrogeológica y geofísica mediante sondeos eléctrico verticales), se realizó a partir de la recopilación de antecedentes e integración de la información existente, en tanto que la información geomorfológica e hidrogeoquímica fue obtenida y procesada para este trabajo. La investigación se llevó a cabo a escala regional sobre la base de 4 Hojas topográficas del Instituto Geográfico Nacional (IGN) a escala 1:100.000 y de imágenes satelitales (Google Earth, LANDSAT ETM

+). El estudio geomorfológico se

llevó a cabo a través de la descripción e interpretación del relieve, perfiles litológicos aflorantes y procedentes de perforaciones, efectuándose en ambos casos la recolección de muestras de sedimentos para posterior análisis textural (tamices ASTM, escala Udden - Wendworth), obteniéndose los histogramas con los porcentajes de las distintas fracciones granulométricas. Algunas muestras fueron seleccionadas para el análisis mineralógico de las fracciones retenidas en el tamiz 270 (53-63 μ). Luego fueron preparadas y enviadas al Laboratorio de Petrotomía, donde se las preparó en un montaje de grano suelto para las determinaciones correspondientes por parte de personal del área de Mineralogía (Departamento de Geología, UNRC).

Para el análisis hidrogeológico se estableció en gabinete una red preliminar para el inventario de pozos, con una densidad adecuada a la zona y a la escala de trabajo seleccionada. Se trabajó a escala 1:100.000, realizándose finalmente un censo de perforaciones con una densidad de muestreo aproximada de un pozo cada 70 km

2 para el acuífero libre, quedando la red censada conformada por

55 pozos, que captan de los primeros 20 metros del acuífero. En la toma de muestras de agua subterránea en cada perforación, se garantizó la renovación del agua de la captación dejando fluir un mínimo de 3 volúmenes de pozo (Vázquez-Suñé, 2009), controlando además la temperatura del agua hasta su estabilización. Luego, el recipiente de muestreo fue enjuagado 2 veces con el agua de la perforación y llenado por completo. Se midieron in situ pH, temperatura y conductividad eléctrica (CE), con sonda multiparamétrica Hanna (HI 98127). Los análisis físico-químicos de las muestras, siguiendo Standard Methods (APHA-AWWA-WEF, 2005), fueron realizados en el Laboratorio de Geoquímica del Departamento de Geología (UNRC). Se corroboraron los datos obtenidos en el campo respecto a CE y pH (con electrodo Orion), y se midieron: carbonatos (CO3

-2) y bicarbonatos

(HCO3-), mediante titulación potenciométrica con electrodo selectivo Orion - Thermo; sulfatos (SO4

-2)

por turbidimetría (con centrífuga Macrotronic); cloruros (Cl-) mediante titulación colorimétrica con

nitrato de plata, calcio (Ca2+

) y magnesio (Mg2+

) por titulación colorimétrica con EDTA; sodio (Na+) y

potasio (K+) por fotometría de llama (fotómetro digital Metrolab 315). Los análisis físico-químicos de

las muestras presentan un error inferior al 10%. Finalmente, se efectuó el análisis de la información hidrogeoquímica obtenida durante las etapas de campo y laboratorio para el acuífero libre.

Las muestras fueron clasificadas geoquímicamente en función de los iones dominantes (Custodio, 1993), elaborándose mapas de distribución areal de CE e hidroquímicos de interés (diagramas de Stiff). La información resultante de los antecedentes hidrogeológicos y los obtenidos en la caracterización hidrogeoquímica, permitió elaborar el modelo hidrogeológico conceptual. Para validar dicho modelo se aplicó la técnica multivariada de análisis de conglomerados (en Modo Q) mediante el programa computacional SSPS (IBM Statistics 21.0) y modelación numérica geoquímica a través del programa computacional PHREEQC 2.17 (Parkhurst y Apello, 1999), por ser este una buena herramienta para hacer las primeras aproximaciones de balance de masas. El programa ha sido diseñado para el cálculo de la distribución de especies químicas a partir de: a) disolución de minerales b) procesos de mezcla entre aguas de diferente composición c) cambios en la temperatura d) procesos de evaporación y e) cambios en las condiciones redox. En las modelaciones realizadas se consideraron como variables químicas (constraints) a los iones mayoritarios HCO3

-, SO4

-2, Cl

-, Na

+,

K+, Ca

+2 y Mg

+2, mientras que las fases contempladas, seleccionadas en función de la mineralogía

descripta para los sedimentos son: calcita (para representar la gran cantidad de carbonatos identificados, dispersos, en nódulos y en capas), halita y yeso (si bien pueden estar presentes en pequeñas cantidades, sobre todo como aportes en áreas de hidrohalomorfismo que producen voladuras de sales que luego en periodos lluviosos pueden ser incorporadas al acuífero se usan también como artilugios para explicar la entrada de cloruros y sulfatos atmosféricos), silicatos (albita, illita, feldespato potásico y biotita), fases de intercambio (CaX, NaX, KX, MgX), y CO2(g) disuelto en el agua y responsable principal de la agresividad del agua (fase considerada por tratarse el sistema analizado de un acuífero libre y por lo tanto abierto al intercambio con CO2(g) con la atmósfera, aunque también deriva de actividades biológicas y de algunos procesos de contaminación).

7

RESULTADOS Y DISCUSIÓN

Caracterización geomorfológica-litológica

Desde el punto de vista geomorfológico, el área presenta sólo relieves agradacionales del Pleistoceno superior - Holoceno, resultantes de la interacción/interdigitación y yuxtaposición del Mar de Arena Pampeano (Iriondo, 1999) con el sistema fluvial del río Quinto, el cual ha desarrollado un paleoabanico con ápices en diferentes posiciones. El paisaje constituye un verdadero palimpsest, reconociéndose tres grandes unidades geomorfológicas: I- Llanura Fluvial, II- Llanura Eólica y III- Llanura Fluvio-Eólica, en las que se han identificado subunidades para cada una de ellas (Fig. 3A). La Llanura fluvial del río Quinto (Unidad I), atraviesa la zona de estudio con dirección NO-SE, presentando un relieve moderadamente ondulado en el sector de cuenca media y en las áreas de derrames, a casi plano en la zona de bañados. En cuenca media-baja, dentro de la Faja Fluvial (Subunidad I.1), la faja fluvial tiene un ancho promedio de 1 km, alcanzando un máximo de 3 km al Este de Villa Sarmiento, donde presenta varios niveles de terrazas. En los Antiguos Bañados de la Amarga (Subunidad I.2), se reconocen paleocanales y paleoderrames y algunas lagunas permanentes y temporarias. Sin embargo, en la actualidad, constituye un área fundamentalmente de tránsito donde el curso ha profundizado (6 - 7 m) y exhibe una serie de saltos y ollas de erosión retrocedente, con procesos de erosión lateral e incisión vertical activos. Por consiguiente se ha trasladado el área de derrames/descarga hacia zonas sudorientales. La Llanura Eólica (Unidad II), caracterizada por un relieve plano a suavemente ondulado, presenta en el ángulo SO, dunas longitudinales de orientación NO-SE (pendientes inferiores al 2 %), con médanos resultantes de reactivaciones modernas (orientación NE-SO), coincidentes con la dirección de los vientos actuales (Subunidad II.1.). Esta planicie suavemente ondulada (desniveles locales entre 2-3 m), con pendientes inferiores al 2 %, presenta depresiones asociadas con antiguos corredores de deflación interdunas (espaciados 1,5 a 2 km), pero en algunos sectores se hacen imperceptibles y se observan extensas áreas planas como resultado de disipación de las geoformas. Los corredores muestran la acción de reiterados ciclos de deflación que generan depresiones elongadas, alojan bañados y lagunas encadenadas, permanentes y temporarias, que se hacen más notorias hacia el Este (Subunidad II.2.). Estas áreas deprimidas se caracterizan a su vez por presentar rasgos hidrohalomórficos. Los bordes de los cuerpos lagunares aparecen retrabajados por erosión eólica incipiente, durante los períodos más secos. El afloramiento del nivel freático en ciertas épocas y la posterior evaporación en períodos más secos, generan eflorescencias salinas sulfatadas –cloruradas (Bécher Quinodóz, 2014). La Llanura Fluvio-Eólica (Unidad III) está constituida por paleoabanicos aluviales del río Quinto, generados en los distintos estadios climáticos del cuaternario superior, y por geoformas erosivas y de acumulación asociadas a la actividad eólica. Los sedimentos eólicos pertenecen a la Fm. Laguna Oscura (Cantú, 1992) y a removilizaciones más modernas. En los paleocanales discontinuos y en corredores y cubetas de deflación, se sitúan cuerpos lagunares pequeños alimentados por aporte freático. El río Quinto ha desarrollado en la llanura arenosa del sur un paleoabanico aluvial que cubre una superficie aproximada de 4.000 km

2. Se destacan dos ápices

principales, uno de ellos a 8-10 km aguas abajo de Villa Sarmiento (Subunidad III.1.), previo al ingreso a los ambientes más deprimidos centro orientales (Carignano et al. 2014). Hacia el sudeste se reconocen médanos resultantes de reactivaciones modernas (norte de Mattaldi) superpuestos e interdigitados con los paleoabanicos (Subunidad III.2.).

En todas las unidades dominan sedimentos psamo - pelíticos con variable grado de cementación carbonática, reconociéndose en el ambiente fluvial, arenas muy gruesas y localmente gravas, en el ambiente fluvio-eólico aparecen subordinadamente arenas gruesas a muy gruesas, mientras que en el ambiente eólico se destaca la fracción arenas muy finas – limosas, con un aumento del porcentaje limo-arcilla en las áreas deprimidas (bajos hidrohalomórficos). En los ambientes medanosos (Fig. 3B), la fracción dominante es la de las arenas muy finas en el orden del 65 % con un porcentaje elevado de arenas finas (25 %), mientras que la fracción limo – arcilla no supera el 9 %. En el sector de bajos topográficos y bañados (Fig. 3B), se observa un alto porcentaje de la fracción limo – arcilla (34 %) aunque la fracción arenas muy finas continúa siendo la dominante (45 % a un 55 %).

Los estudios mineralógicos realizados en las 4 muestras seleccionadas de perforaciones y sedimentos aflorantes, permitieron identificar, para todas las muestras analizadas, la dominancia de vidrio volcánico y minerales como cuarzo, plagioclasa, feldespato potásico, biotita, anfíboles y piroxenos (Fig. 3C).

8

Figura 3. A)- Mapa geomorfológico. B) Descripción granulométrica de muestras de sedimentos aflorantes. C)

Mineralogía de la fracción retenida en el tamiz 270 (53 – 63 µ). 1) Muestra seleccionada del ambiente eólico. Nicoles paralelos. 2) Muestra seleccionada del ambiente fluvial. Nicoles paralelos. Nomenclatura: V1 = Vidrio tipo 1. V2 = Vidrio tipo 2. V3 = Vidrio tipo 3. Qz = cuarzo. Pl = Plagioclasa. Hn = Hornblenda Cpx = Clinopiroxeno. Op

= opacos. Figure 3. A)- Geomorphological map. B) Granulometry of selected sediment samples. C) Mineralogy of 270 -

mesh fraction (53 - 63 μ). 1) aeolian environment sample. Parallel nicols. 2) fluvial environment sample. Parallel nicols. Classification: V1: 1 Glass type. V2: 2 Glass type. V3: 3 Glass type . QZ = Quartz. Pl = Plagioclase. Hn =

Hornblende. Cpx = Clinopyroxene. Op = opaque.

Caracterización hidrogeoquímica

La calidad del agua puede en una primera instancia caracterizarse a partir de la conductividad eléctrica, la cual está directamente relacionada con la salinidad del agua. El estudio estadístico univariado de las 50 muestras de agua subterránea (Tabla 1) determinó que la conductividad eléctrica presenta una media de 4.825 μS/cm, con mínimo de 700 μS/cm, máximo de 14.530 μS/cm y desviación estándar de 3615 (Tabla 1), lo que muestra una gran variabilidad en los valores de la variable analizada.

Los cambios en la composición química del agua subterránea y los resultados del relevamiento geológico, permiten deducir una asociación con los ambientes geomorfológicos (Fig. 4). En el caso del ambiente fluvial los valores de salinidad se encuentran entre 0,7 y 6,5 g/L, los más bajos vinculados a la faja fluvial del río Quinto (I.1) y los más elevados asociados al sector de los antiguos Bañados de la Amarga (I.2). En el ambiente fluvio-eólico los valores de salinidad resultaron entre 0,49 y 2,6 g/L, las más dulces vinculadas con médanos activos localizados en el sector SO, con paleoderrames al Sur del río Quinto y con paleocauces al sur de Villa Sarmiento, mientras que las de tipo salobres corresponden a sectores más deprimidos dentro de esta unidad geomorfológica. En el ambiente eólico (IIa- Llanura medanosa con dunas longitudinales y IIb- Área con bajos hidrohalomórficos), el agua alcanza valores de salinidad de 2 hasta 10 g/L (salobres-saladas). Las mayores concentraciones se asocian, en general, a perforaciones más profundas (15 - 45 metros), mostrando salinización en profundidad. La distribución espacial del tipo geoquímico del agua en la zona de estudio (Fig. 4) resultó variada, con aguas del tipo bicarbonatadas magnésicas – cálcicas hasta cloruradas sódicas, muchas de ellas de carácter aniónico mixto.

9

Parámetros Número

Rango Mínimo Máximo Media Desv. típ. Varianza muestras

ph 50 1.6 7.3 9.0 8.2 0.3 0.1

CE 50 13,830.0 700.0 14,530.0 4,825.0 3,615.0 13,069,194.0

SDT 50 9,681.0 490.0 10,171.0 3,377.0 2,530.0 6,403,892.0

CO3-2

50 61.6 0.0 60.6 6.7 12.8 164.0

HCO3- 50 1,212.5 287.5 1,500.0 877.9 286.8 82,284.0

SO4-2

50 2,559.9 15.7 2,575.6 708.3 710.7 505,166.0

Cl- 50 3,754.3 17.1 3,771.4 856.8 1,017.2 1,034,723.0

Na+2

50 4,495.5 54.6 4,550.1 1,288.8 1,126.1 1,268,277.0

K+ 50 199.1 4.0 203.1 31.5 31.9 1,023.0

Ca+2

50 109.6 2.4 112.0 37.2 26.2 686.0

Mg+2

50 160.0 3.9 163.9 50.9 38.3 1,467.0

Tabla 1. Estadísticos descriptivos de las 50 muestras de agua subterránea del acuífero libre.

Table 1. Descriptive statistics of the 50 groundwater samples unconfined aquifer.

Figura 4. Mapa Hidrogeoquímico (acuífero libre). Figure 4. Hydrogeochemical map (unconfined aquifer).

Las aguas dulces bicarbonatadas corresponden a muestras extraídas de perforaciones ubicadas cercanas a médanos activos y/o lomas topográficas. Las aguas salobres y saladas, sulfatadas y cloruradas, se corresponden con perforaciones ubicadas en áreas más planas, donde dominan menores velocidades del agua (0,06 m/día) y dado los sedimentos más finos, se intensifican los procesos de incorporación de iones al agua. Estos tipos geoquímicos se encuentran también en áreas deprimidas, donde se suman procesos de concentración de sales por evaporación y evapotranspiración.

10

Análisis estadísticos multivariado

Para validar el modelo conceptual se realizó el análisis de agrupamiento (cluster), de manera tal que permita establecer cuáles son las asociaciones entre la composición química del agua y las unidades geomorfológicas descriptas (Modo Q).

El análisis en Modo Q, es decir entre observaciones, permitió generar el dendrograma (Fig. 5A) donde se observa la presencia de dos grandes grupos, además de la exclusión de 2 muestras, que se caracterizan por presentar bajos valores de salinidad y de tipo geoquímico bicarbonatadas cálcicas – magnésicas, composición que se corresponde con aguas de recarga muy reciente, asociadas a perforaciones localizadas en cuerpos medanosos activos, dentro de la unidad geomorfológica llanura fluvio-eólica. En lo referente a los dos grupos principales, el grupo G1 se caracteriza por asociar 22 muestras que se localizan en el ambiente fluvio-eólico, con aguas dulces y en menor medida salobres (SDT < 2.600 mg/L) del tipo bicarbonatadas sódicas. El grupo G2, está conformado por los subgrupos 2ª y 2

b pertenecientes a los ambientes fluvial y eólico, respectivamente. El subgrupo G2ª (ambiente

fluvial) presenta aguas dulces a saladas, con valores de salinidad que no superan los 6,5 g/L (Fig. 5A) y tipo geoquímico mixto con el anión sulfato como dominante en general, mientras que el subgrupo G2

b (ambiente eólico) asocia las aguas saladas con valores que alcanza los 10 g/L y tipo geoquímico

cloruradas sódicas. Los resultados obtenidos a través del diagrama box-plot (Fig. 5B), indican claramente que en el

ambiente fluvio-eólico se encuentran las aguas más dulces, en el ambiente eólico las aguas con mayor contenido salino y en el ambiente fluvial, la composición del agua resultó ser más variada con contenidos salinos intermedios.

Las aguas salobres y saladas, sulfatadas y cloruradas sódicas, localizadas en el ambiente eólico, se presentan más evolucionadas y por lo tanto se consideran resultantes de un largo tránsito de flujos regionales, procedentes del sector occidental, fuera del área de estudio. En el caso de las aguas dulces bicarbonatadas, además de localizarse en el ambiente fluvio-eólico, se vinculan principalmente a médanos activos o lomas donde se desarrollan sistemas de flujos locales, que son el resultado de recarga reciente a partir de precipitaciones. Estas dos situaciones generales (aguas salobres-saladas y dulces) son validadas mediante modelación numérica de tipo inversa (o de balance), de manera de poder predecir las reacciones químicas que tienen lugar en el medio y que condujeron a la evolución observada desde una solución inicial a una final en el sentido del flujo del agua subterránea.

Figura 5. A) Diagrama Cluster en Modo Q (entre observaciones). B) Diagrama de caja, relación entre sales

disueltas totales (SDT) y unidades geomorfológicas. Figure 5. A) Cluster in Q mode (observation sites). B) Boxplot for the relationship between total dissolved salts

(TDS) and geomorphological units.

11

Modelación hidrogeoquímica del acuífero libre

Se partió del modelo hidrogeológico conceptual descripto anteriormente, intentando corroborar los procesos de ganancia y/o pérdida de los componentes mayoritarios del agua en el acuífero. Se seleccionaron los siguientes casos.

Caso Nº 1. Modelación geoquímica inversa a lo largo de una línea de flujo regional.

La hipótesis que se plantea es que el incremento en el contenido salino que presentan las muestras de agua subterránea del acuífero libre, ubicadas en el ambiente eólico, se debe a una evolución natural que experimenta el agua subterránea como resultado de un largo tránsito de flujos regionales, procedentes del sector occidental.

Para corroborar la hipótesis planteada se han seleccionado tres situaciones a modelar, considerando como solución inicial (SI) a la muestra M136 (dulce y bicarbonatada sódica, en el sector pedemontano de la cuenca del río Quinto, San Luis) y como soluciones finales a las muestras M65 (caso Nº1A) M64 (Caso Nº1B) y M48 (Caso Nº1C), ubicados a lo largo de la línea de flujo regional dentro del área de estudio y que presentan a su vez un incremento en el contenido salino (M65: 5.880 mg/L, M64: 7.560 mg/L y M48: 8.470 mg/L), (Fig. 6, Tabla 2).

Figura 6. Mapa de ubicación de la línea de flujo regional y local modelada. Figure 6. Modeled regional and local groundwater flow line.

Nº pH Cond. S.D.T. CO3

= CO3H

- SO4

= Cl

- Na

+ K

+ Ca

+2 Mg

+2

Muestra µS/cm mg/l mg/l mg/l mg/l mg/l mg/l mg/l mg/l mg/l

Caso N

º 1

M136 (SI) 8.06 700 490 0.0 300.0 92.5 42.9 99.1 7.3 28.8 30.7

M65(SF) 8.08 8400 5880 0.0 675.0 615.4 1828.6 1941.4 32.0 30.0 54.6

M64 (SF) 8.10 10800 7560 0.0 925.0 1640.0 2471.4 3159.8 34.8 35.2 62.4

M48 (SF) 8.11 12100 8470 0.0 1500.0 2053.8 3142.9 3791.7 86.2 40.0 79.0

Tabla 2. Análisis químico de las soluciones iniciales (SI) y final (SF), caso regional Table 2. Chemical analysis of the initial (IS) and final (FS) solutions, regional case

12

A través del programa PHREEQC, se han testeado para las tres situaciones (1A: M136-M65; 1B: M136-M64 y 1C: M136-M48) entre 30 y 55 modelos posibles, seleccionándose los que satisfacen las restricciones tenidas en cuenta para cada situación modelada (Tabla 3).

Modelos obtenidos

Fases contempladas [mmol/L]

Calcita Halita Yeso CO2

(g) NaX CaX2 MgX2 KX Illita Biotita Feld.K Albita

Caso 1

A

M136-M

65

Nº 2 4.0 55.3 6.1 4.9 11.0 -96.2 -- -- -0.01

-- 0.01 0.01

Nº 12

4.5 55.3 6.6 4.4 19.6 -10.1 -- -- -- -- -- --

Nº 29

4.4 55.3 6.1 4.6 17.2 -9.9 -- -- -- -- -- --

Nº 30

2.3 54.5 5.4 2.5 15.0 -7.8 -35.4 -- -- -- -- --

Caso 1

B

M136-M

64

Nº 16

4.6 75.4 17.8 9.5 -- -22.1 20.0 3.2 -76.9

-- 43.5 46.0

Nº 29

3.2 60.4 15.8 2.1 46.0 -24.6 1.3 0.7 -- -- -- --

Nº 33

4.4 74.3 16.9 4.4 42.9 -21.7 -- 0.5 -- -- -- --

Nº 35

0.1 72.4 15.4 -- 37.3 -16.9 -1.8 0.2 -- -- -- --

Caso 1

C

M136-M

48

Nº 11

4.2 69.9 21.4 3.6 52.3 -26.1 -- -- -0.7 0.4 0.4 --

Nº 36

0.3 67.7 19.7 -- 44.0 -22.0 -- -- -3.5 1.9 -- 2.1

Nº 54

0.3 67.7 19.7 -- 44.0 -22.0 -- -- -3.5 1.9 -- 2.1

Tabla 3. Resultado de la modelación numérica realizada con PHREEQC (Nº1).

Table 3. Numerical modeling results using PHREEQC (Case Nº1).

Para las tres situaciones modeladas 1A: M136-M65; 1B: M136-M64 y 1C: M136-M48 (Fig. 6; Tabla 3), los

modelos que mejor explican la posible evolución geoquímica del agua en la dirección del flujo regional, lo hacen fundamentalmente a través de la disolución de sales (CaSO4:2H2O y ClNa), produciendo el aumento notable de Na

+, Ca

+2, Cl

- y SO4

-2 acorde con los índices de saturación

obtenidos para yeso y halita (Tabla 4). Con respecto a calcita, el índice de saturación (Tabla 4) incrementa desde 0,54 en la muestra inicial (M136) hasta 1,05 en la muestra final mas distal (M48), por lo que en la dirección del flujo, tiene que haberse producido la disolución de la misma para que las soluciones alcancen el equilibrio. La incorporación de CO2 (g), en la dirección del flujo (Tabla 4) desde M136 (-2,53) a M48 (-2,06), favorece en las tres situaciones la disolución de calcita y el aumento leve de pH ya que la reacción puede producir OH

-. Los incrementos de Mg

2+ y K

+ en la solución final

pueden asociarse a la hidrólisis de silicatos (feldespato potásico, biotita), que liberan estos iones al agua, por su parte el intercambio catiónico (+) libera Na

+ y Mg

+2, a la vez que retiene Ca

+2 en las

posiciones de intercambio. Si bien todos los modelos presentados en la Tabla 3 son válidos y explican la posible evolución del

agua a lo largo de la línea de flujo regional. Dado que la biotita es escasa en los materiales del acuífero y el feldespato potásico y albita, son menos meteorizables y la formación de illita en el acuífero libre no han sido demostrada, los modelos Nº 30 (Caso Nº 1A), Nº 29 (Caso Nº1B) y Nº 11 (Caso Nº 1C) mostrados en la Tabla 3, son los que mejor ajustan a las situaciones modeladas.

13

Fases contempladas MUESTRAS MODELADAS

M136 M65 M64 M48

Calcita CaCO3 0.54 0.57 0.63 1.05

Yeso CaSO4:2H2O -2.07 -1.55 -1.36 -1.13

Halita NaCl -6.96 -4.16 -3.86 -3.85

CO2(g) CO2 -2.53 -2.46 -2.2 -2.06

Tabla 4. Índice de Saturación (IS) de las fases contempladas en las muestras modeladas.

Table 4. Saturation Index (SI) for the phases considered in the modeled samples.

Caso Nº 2: Modelación geoquímica inversa a lo largo de una línea de flujo local.

La hipótesis que se plantea es que las aguas dulces bicarbonatadas, se vinculan principalmente a médanos activos o lomas topográficas, donde se desarrollan sistemas de flujos locales como resultado de recarga reciente a partir de precipitaciones.

Para corroborar la hipótesis planteada se han seleccionado dos situaciones a modelar. En el caso Nº 2 A, el agua dulce de la perforación (M9), considerada como solución final (SF), localizada en los médanos activos, es el resultado de la recarga reciente y consecuente evolución de las precipitaciones (Ll1). En el caso Nº 2 B, la muestra de agua de la perforación M12 (SF) es resultado de la evolución geoquímica de la muestra de agua dulce (M9), ubicada aguas arriba y en la dirección de la línea de flujo local (Fig. 6, Tabla 5).

Nº pH Cond. S.D.T. CO3

= CO3H

- SO4

= Cl

- Na

+ K

+ Ca

+2 Mg

+2

Muestra uS/cm mg/l mg/l mg/l mg/l mg/l mg/l mg/l mg/l mg/l

Caso N

º 2

Lluvia(SI) 6.5 35.0 25.0 0.0 3.8 13.7 5.7 3.4 0.2 4.8 2.4

M9(SF) 7.5 700.0 490.0 0.0 342.5 31.5 31.4 54.6 13.9 68.0 27.3

M12(SF) 8.0 1900.0 1330.0 0.0 950.0 78.9 51.4 533.9 35.8 11.2 14.1

Tabla 5. Análisis químico de las soluciones iniciales (SI) y final (SF), caso local. Table 5. Chemical analysis of the initial (IS) and final (FS) solutions, local case.

A través del programa PHREEQC, se han testeado para las dos situaciones (2A: L l1-M9 y 2B: M9-M12) entre 25 – 30 modelos posibles, seleccionándose los que satisfacen las restricciones tenidas en cuenta para cada situación modelada (Tabla 6).

Modelos obtenidos

Fases contempladas [mmol/L]

Calcita Halita Yeso CO2

(g) NaX CaX2 MgX2 KX Illita Biotita Feld.K Albita

Caso 2

A

Llu

via

–M

9 Nº2 3.3 0.7 0.2 3.7 0.9 -1.9 1.3 0.4 -1.0 -- 0.6 0.6

Nº8 3.3 0.5 -- 3.6 1.5 -1.9 0.9 0.3 -- -- -- --

Nº13 3.3 0.7 0.2 3.8 -- -1.9 1.7 0.4 -- -- 1.4 1.5

Nº24 3.4 0.7 0.2 3.7 1.5 -2.0 1.0 0.4 -- -- -- --

Caso 2

B

M9-M

12

Nº13 6.9 0.6 0.5 6.8 16.9 -8.8 -- 0.6 -2.2 -- 1.2 1.3

Nº30 6.9 0.6 0.5 6.7 18.2 -8.9 -0.5 0.6 -- -- -- --

Tabla 6. Resultado de la modelación numérica realizada con PHREEQC (Caso Nº2).

Table 6. Numerical modeling results (PHREEQC) (Case Nº2).

14

Para las dos situaciones modeladas 2A: Ll1-M9 y 2B: M9-M12 (Fig. 6; Tabla 6), los modelos que mejor explican la posible evolución geoquímica del agua en la dirección del flujo local, lo hacen a través de: la disolución de sales (CaSO4:2H2O y NaCl). En el caso de M9, se produce el aumento notable de Na

+, Ca

+2, Cl

- y SO4

-2 acorde con los índices de saturación obtenidos para yeso y halita (Tabla 7). Con

respecto a Calcita, el índice de saturación (Tabla 7) incrementa desde -3,47 en la muestra inicial (Ll1) hasta 0,44 en la muestra final (M9), por lo que en la dirección del flujo, tiene que haberse producido la disolución de la misma para que las soluciones alcancen el equilibrio. En el caso 2B: M9-M12 se produce la disolución de las sales mencionadas, pero disminuyen Ca

+2 y Mg

+2, por lo que se asume

que aunque hubiera escasa disolución de calcita de acuerdo a los IS (Tabla 7), Ca+2

y también Mg+2

, pasan a las posiciones de intercambio como lo muestra el modelo (Tabla 6). La incorporación de CO2

(g), en la dirección del flujo (Tabla 7) desde Ll1 (-2,81) a M12 (-1,80), favorece en las dos situaciones la disolución de calcita y el aumento leve de pH ya que la reacción puede producir OH

-.

Fases contempladas MUESTRAS MODELADAS

LLUVIA M9 M12

Calcita CaCO3 -3.47 0.44 0.45

Yeso CaSO4:2H2O -3.33 -2.27 -2.10

Halita NaCl -9.24 -7.35 -6.19

CO2(g) CO2 -2.81 -1.90 -1.80

Tabla 7. Índice Saturación (IS) de las fases contempladas en las muestras modeladas.

Table 7. Saturation Index (SI) for the phases considered in the modeled samples

Si bien todos los modelos presentados en la Tabla 6 son válidos y explican la posible evolución del agua, teniendo en cuenta lo mencionado para feldespato, plagioclasa e illlita y considerando que el flujo es local de recarga reciente, los modelos Nº 24 (Caso Nº 2A) y Nº 30 (Caso Nº 2B) mostrados en la Tabla 6 son los que mejor ajustan a las dos situaciones modeladas.

El resto de los modelos obtenidos para los dos casos modelados (Nº 1 y Nº 2), no se presentan, por no contemplar las restricciones establecidas o bien proponer procesos (disolución, precipitación, entre otros), que no se corresponden con los índices de saturación de las fases contempladas para las respectivas muestras modeladas.

Si bien se han modelado dos casos, local y regional, nuevos modelos numéricos podrían plantearse para explicar las diferentes situaciones encontradas en la región.

CONCLUSIONES

El estudio hidrogeoquímico dio como resultado aguas con salinidad entre 0,4 g/L (dulces) a 10 g/L (saladas), con tipos geoquímicos desde bicarbonatadas hasta cloruradas sódicas muchas de ellas de carácter aniónico mixto, lo que resulta en una distribución espacial no homogénea condicionada por la geomorfología. Así, desde el punto de vista de la salinidad, las aguas más saladas se asocian al ambiente eólico y las más dulces al fluvio-eólico. Analizando todas las variables químicas en conjunto, el análisis estadístico multivariado de tipo cluster (Modo Q), permitió corroborar la estrecha relación que existe entre la calidad del agua subterránea y los ambientes geomorfológicos, a partir de los dos grandes grupos encontrados, donde G1 asocia las muestras pertenecientes al ambiente fluvio-eólico y G2 las correspondientes al fluvial (G2

a) y eólico (G2

b).

Por último, se concluye que las aguas salobres y saladas, sulfatadas y cloruradas, son más evolucionadas y se consideran resultantes de un largo tránsito de flujos regionales, procedentes del sector occidental, además condicionadas por los sedimentos finos dominantes y los bajos gradientes hidráulicos y velocidades del agua, lo que permite un largo tiempo de contacto agua – sedimento y, consecuentemente, procesos que favorecen la transferencia de iones a la solución. Por su parte, las aguas dulces bicarbonatadas se vinculan a médanos activos o lomas, donde se desarrollan sistemas de flujos locales que son el resultado del condicionamiento topográfico y la recarga reciente a partir de precipitaciones. La modelación numérica permitió validar el modelo hidrogeológico conceptual, para los dos casos propuestos. Los procesos geoquímicos (fundamentalmente disolución de sales e intercambio catiónico), permiten explicar la evolución geoquímica que experimente el agua a lo largo de la línea de flujo regional, desde el sector periserrano (aguas dulces y del tipo bicarbonatadas

15

sódicas) y hacia la zona de estudio (aguas saladas y cloruradas sódicas). A nivel local, las aguas subterráneas dulces bicarbonatadas sódicas de muy bajo contenido iónico, localizadas en sectores medanosos pueden ser explicadas a través de la evolución geoquímica del agua de lluvia que ingresa al acuífero, debido a la disolución de sales e intercambio catiónico. Estos mismos procesos actúan en el sentido de flujo para dar como resultado aguas también dulces pero con mayor contenido iónico, en cercanías de los médanos.

Los estudios básicos y la validación mediante estadística y la modelación numérica permitieron definir que en el sector bajo estudio las características geomorfológicas (formas, pendientes, tipo de sedimentos, etc.), participan del control de aspectos hidrodinámicos (gradientes y velocidad del agua) y consecuentemente influyen en forma notoria en las propiedades hidroquímicas del acuífero. Los resultados obtenidos indican además la necesidad de estudios locales posteriores, para evaluar las aptitudes de uso y reservas disponibles para diferentes actividades. Agradecimientos. El trabajo de investigación fue subsidiado por FONCYT y MINCYT (PID 35/08 Prestamo BID) y SECYT-UNRC. Se agradece al Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET).

REFERENCIAS Álvarez, M.P., N.E. Weiler, M.A. Hernández, (2010). Linking geomorphology and hydrodynamics: a

case study from Peninsula Valdés, Patagonia, Argentina. Hydrogeology Journal, 18 (2): 473-486. APHA (American Public Health Association), AWWA (American Water Works Association), WPCF

(Water pollution Control Federation), (2005). Standard methods for the examination of water and wastewater, 21th edn. Washington.

Bécher Quinodóz, F.N., (2014). Implicancias ambientales de las relaciones hidrodinámicas e hidroquímicas entre aguas superficiales y subterráneas en la planicie arenosa del Sur de Córdoba. Argentina. Tesis doctoral, Universidad Nacional de Río Cuarto (inédita), 412 p. Río Cuarto, Córdoba.

Bécher Quinodóz, F. y M. Blarasin, (2014). Arsénico y flúor en aguas subterráneas en la planicie sudoccidental de Córdoba. Un problema ambiental analizado desde la perspectiva hidrogeológica. Revista Estudios Ambientales, 2 (1): 1-23.

Bécher Quinodóz, F. y M. Blarasin, (2015). Evaluación de relaciones acuífero libre - lagunas mediante modelación hidrogeoquímica e isotópica en la planicie medanosa del sur de Córdoba - Argentina. Serie de Correlación Geológica; Lugar: San Miguel de Tucumán, 31: 155 - 172.

Bécher Quinodóz, F., M. Blarasin, G. Damilano, (2013). Evaluación de Relaciones Geomorfología - Calidad de Agua Subterránea con apoyo de Técnicas Estadísticas en la Planicie Sudoccidental de Córdoba, Argentina. Congreso; VIII Congreso Argentino de Hidrogeología - VI Seminario Hispano Latinoamericano.

Bécher, F., M. Blarasin, J. Felizzia, M. Gallo, (2014). Aguas subterráneas - Serie técnica Keipünentum - 9. Zona rural Villa Valeria - Del Campillo.

Bécher Quinodóz, F., M. Blarasin, H. Panarello, (2015). Modelado geoquímico e isotópico de las relaciones agua superficial-subterránea en la planicie arenosa del Sur de Córdoba. Revista de la Asociación Geológica Argentina, 72 (4): 506 - 518.

Blarasin, M., A. Cabrera, F. Bécher Quinodóz, J. Felizzia, J. Giuliano Albo, (2013). El Relieve y su Incidencia en el Hallazgo de Agua para Abastecimiento Humano en la Planicie Medanosa Sudoriental Cordobesa. En González, N., E.E. Kruse, M. Trovatto, P. Laurencena, (eds). Agua Subterránea Recurso Estratégico, EDULP, La Plata. Tomo I: 218-225.

Blarasin M., A. Cabrera, E. Matteoda, (2014). Aguas subterráneas de la provincia de Córdoba. Edición UniRio. Ebook. Rio Cuarto-Córdoba: 147.

Cantú, M., (1992). Holoceno de la provincia de Córdoba. Manual: Holoceno de la República Argentina. Simposio Internacional sobre el Holoceno en América del Sur, Paraná. T (I): 24.

Carignano, C., D. Kröhling, S. Degiovanni, M. Cioccale, (2014). Geomorfología de la provincia de Córdoba (Argentina). Relatorio del XIX Congreso Geológico Argentino Geología y Recursos Naturales de la Provincia de Córdoba. Ed.: 1ra., Chapter: Geomorfología, Publisher: Asociación Geológica Argentina (AGA), Eds: Martino R., A. Guereschi: 747-822.

Criado Roque, P., C. Mombrú, V. Ramos, (1981). Estructura e interpretación tectónica. 8º Congreso Geológico Argentino, Actas 3: 155-192, San Luis.

Custodio, E., (1993). Hidrogeoquímica e Isotopía ambiental. En Temas Actuales de la Hidrología

16

Subterránea. Ed. Bocanegra y Rapaccini Mar del Plata: 61-78. Degiovanni, S., (2005). Geomorfología Regional. En “Aguas superficiales y subterráneas en el Sur de

Córdoba: Perspectiva Geoambiental”. Ed. UNRC, Río Cuarto: 19 - 29. Gates, J.B., J.K. Bohlke, W.M. Edmunds, (2008). Ecohydrological Factors Affecting Nitrate

Concentrations in a Phreatic Desert Aquifer in Northwestern China. Environmental Science and Technology, 42(10): 3531-3537.

Iriondo, M., (1999). Climatic changes in the South American plains: Records of a continent–scale oscillation. Quaternary International, Elsevier Sciences, 57-58: 93-112.

Kostadinoff, J., D.A. Gregori, (2004). La Cuenca de Mercedes, provincia de San Luis. Revista Asociación Geológica Argentina, 59 (3): 488-494.

Macklin, M., J. Lewin, (2008). Alluvial responses to the changing Earth system. Journal of Earth surface processes and landforms, 33: 1374–1395.

Martínez, D. E., M. Osterrieth, (2013). Hydrogeochemistry and pollution effects of an aquifer in Quaternary loess like sediments in the landfilling area of Mar del Plata, Argentina. Revista Facultad de Ingeniería Universidad de Antioquia, (66): 9-23.

Martínez, D.E, E.M. Bocanegra, M. Manzano, (2000). La modelación Hidrogeoquímica como herramienta en estudios Hidrogeológicos. Boletín Geológico y Minero, 111 (4): 83-98.

Naik, P.K., B.N. Dehury, A.N. Tiwari, (2007). Groundwater pollution around an industrial area in the coastal stretch of Maharashtra State, India. Environ Monit Assess, 132: 207–233.

Parkhurst, D.L., C.A.J. Appelo, (1999). User’s Guide to PHREEQC (version 2). A computer program for speciation, batch-reaction, one-dimensional transport, and inverse geochemical calculations: U.S. Geological Survey Water-Resources Investigations Report, 99-4259: 312.

Ramaiah, S.N., G.S. Gopalakrishna, S. Srinivasa Vittala, K. Md. Najeeb, (2012). Geomorphological Mapping for Identification of Ground Water Potential Zones in Hard Rock Areas Using Geo-spatial Information – A Case Study in Malur Taluk, Kolar District, Karnataka, India. Nature Environment and Pollution Technology an International Quarterly Scientific Journal. 11(3): 369-376.

Rani, V.R., H.S. Pandalai, K.S. Sajinkumar, A.P. Pradeepkumar, (2015). Geomorphology and its implication in urban groundwater environment: case study from Mumbai, India. Appl Water Sci 5:137–151.

Sedhuraman, M., S.S. Revathy, S. Suresh Babu, (2014). Integration of Geology and Geomorphology for Groundwater Assessment using Remote Sensing and GIS Techniques. International Journal of Innovative Research in Science, Engineering and Technology, 3(3): 71- 85.

Sophocleous, M., (2002). Interactions between groundwater and surface water: the state of the science. Hydrogeology Journal, Springer, 10 (1) 52-67.

Vázquez-Suñé, E., (2009). Hidrogeoquímica. En Escuder, R., Fraile, J., Jordana, S., Ribera, F., Sánchez-Vila, X. y E. Vázquez-Suñé. (Eds.). Hidrogeología. Conceptos básicos de Hidrología Subterránea: 426-471.

Recibido: Octubre, 2015 Aceptado: Noviembre, 2016

17

GEOACTA 41(2) (2017) ISSN 1852-7744 © 2017 Asociación Argentina de Geofísicos y Geodestas

VARIACIÓN DE ~27 DÍAS EN LA ACTIVIDAD MAGNÉTICA TERRESTRE: CARACTERÍSTICAS GLOBALES Y UN NUEVO ENFOQUE BASADO EN EL ORIGEN DE LAS

SEÑALES

27-DAY VARIATION IN TERRESTRIAL MAGNETIC ACTIVITY: GLOBAL CHARACTERISTICS AND A NEW

APPROACH BASED ON THE ORIGIN OF THE SIGNALS

Facundo Leandro Poblet

1, Francisco Azpilicueta

1 1 Facultad de Ciencias Astronómicas y Geofísicas, Universidad Nacional de La Plata, CONICET, La

Plata, Argentina. Email: fpoblet@fcaglp.unlp.edu.ar

RESUMEN

El campo magnético terrestre posee un amplio rango de variaciones temporales. En primera

instancia se pueden clasificar según si provienen del campo magnético de origen interno como las variaciones seculares o las corrientes inducidas en la corteza, o si provienen de origen externo. En estas últimas, el principal responsable es el Sol que provoca desde las variaciones regulares como la variación diurna hasta algunas irregulares que dan origen por ejemplo a las tormentas magnéticas. El proceso físico disparador que las ocasiona no es el mismo en todos los casos. En este trabajo se investiga la variación de aproximadamente 27 días de periodicidad en la componente H del campo magnético terrestre asociada a la rotación solar. El rasgo más recurrente de esta señal, obtenida tras varias etapas de procesamiento que tratan de aislar tal variación, es que presenta otras periodicidades acopladas en su amplitud: una fuerte modulación de la amplitud por el ciclo solar y una segunda modulación semi-anual. Finalmente, el análisis comparativo con otras señales de ~27 días en parámetros solares como los índices F10.7 y Mg II, y el vTEC ionosférico permite establecer que el proceso físico que da origen a la señal en la actividad magnética está asociado al viento solar y no a su radiación electromagnética. Palabras clave: viento solar, radiación solar, señal de ~27 días, cross-correlation.

ABSTRACT

The terrestrial magnetic field has a wide range of temporal variations. In a first instance they can be

classified according to whether they come from the magnetic field of internal origin as the secular variation or crustal induced currents, or if they come from external sources. In the latter case, the main responsible is the Sun that causes from regular variations such as the diurnal variation to some more irregular ones for example those that produce magnetic storms. The physical process that triggers them it is not the same in all cases. In this paper, the variation of approximately 27 days of periodicity in the H component of the terrestrial magnetic field, associated to solar rotation is investigated. The most recurrent feature of this signal, obtained after various processing steps in an intend to isolate it, is the presence of other periodicities coupled to its amplitude: a strong amplitude modulation by the solar cycle and a second semiannual modulation. Finally, a comparative analysis with other ~27 days

18

signals in the solar parameters F10.7 and Mg II index, and ionospheric vTEC allows to establish that the physical process that gives rise to the signal in the magnetic activity is associated with the solar wind and not to its electromagnetic radiation. Key words: solar wind, solar radiation, 27-day variation, cross-correlation.

INTRODUCCIÓN

El Sol está compuesto por un plasma gaseoso que provoca que su rotación no sea uniforme como

un cuerpo sólido. Por ello, la velocidad de rotación en el ecuador solar es mayor, y decrece a medida que aumenta la latitud. Se dice que el Sol posee “rotación diferencial”, cuyo origen es objeto de estudio en la actualidad.

De acuerdo con la definición de Carrington (1863), el período de rotación del sol es de 25,3 días, que corresponde al período de rotación a una latitud heliográfica de 26º. Es comúnmente llamado el período sidéreo y no debe confundirse con el período sinódico de rotación de 27,2 días que se define como el tiempo promedio que le toma a un punto fijo en el Sol rotar a la misma posición aparente vista desde la Tierra (Beck, 2000). El período sinódico puede ser detectado en muchas variables físicas que se miden en la Tierra pero a grandes rasgos pueden ser clasificadas según su origen en señales que provienen de la entrada de partículas cargadas a la magnetosfera terrestre y señales que provienen de la radiación solar.

Para el caso cuyo origen son las partículas cargadas, la variable más importante para detectar una señal de ~27 días es el viento solar. En la órbita terrestre posee una densidad media de unos 4 protones cm

-3, una velocidad media de 400 km s

-1, y contiene un campo magnético interplanetario

(IMF, por su acrónimo en inglés: Interplanetary Magnetic Field) de 5 nT. El proceso de reconexión magnética entre el campo magnético terrestre (CMT) y el IMF domina la actividad geomagnética. En el sistema GSM, cuando el dipolo terrestre es aproximadamente perpendicular al plano de la eclíptica, la reconexión depende principalmente de la componente sur del IMF, y es proporcional a la

componente Y del campo eléctrico E

del viento solar (Vasyliunas, 1975), definido según la ec. (1):

IMFsw Bv=E

(1)

donde v

SW es la velocidad del viento solar y B

IMF es el IMF. Por lo tanto, las estructuras de viento

solar que tengan un IMF con la componente sur uniforme e intensa o velocidades altas serán más eficientes en la transferencia de energía al interior de la magnetosfera.

La variación de ~27 días en la actividad magnética ha sido estudiada por numerosos autores. Un trabajo pionero en este tema es el de Neupert y Pizzo (1974), en donde se identifica la relación entre el viento solar que generan los agujeros coronales (caracterizado por tener una velocidad relativamente alta y una densidad baja), con el aumento en la frecuencia de las tormentas magnéticas en la Tierra.

Los métodos más comunes para el análisis detallado de esta señal utilizan el espectro de potencia de los índices magnéticos (Ward, 1960; Fraser Smith, 1972) o bien métodos de correlación (Sargent, 1986). En este sentido, Schreiber (1998) investigó las variaciones periódicas en la larga serie de datos de los índices aa y Ap (Mayaud, 1980), y sugirió que la corta duración temporal de algunas estructuras longitudinales como los agujeros coronales (que pueden aparecer y desaparecer en diferentes longitudes heliográficas), hacen que el método de Fourier no sea el más adecuado para el estudio de esta señal en series muy largas. Los numerosos picos alrededor de esta periodicidad, encontrados en los espectros calculados por Clua de Gonzalez et al. (1993), permiten sustentar esta hipótesis. En los últimos años, se han implementado otras técnicas para el estudio de esta señal en la actividad magnética, como el análisis Wavelet. En el artículo de Singh y Badruddin (2014) se utiliza esta técnica y se confirma la presencia de esta señal pero también la de otras periodicidades como 5,3 años y 11 años utilizando los índices aa y SSN (Sunspot number).

Las señales de ~27 días cuyo origen está asociado a la radiación solar se generan porque a medida que el sol rota sobre su eje, la proyección de la Tierra sobre el disco solar es afectada por distintas fuentes de radiación (distribuidas de manera no homogénea alrededor del disco), de modo que el flujo de radiación que llega a las capas altas de la atmósfera cambia (Lean et al., 1997). Las

19

componentes de esta radiación que son capaces de ionizar los elementos neutros de la atmósfera son las correspondientes a las bandas UV y rayos X del espectro electromagnético y son muy importantes ya que dan lugar a la ionosfera. Existe por lo tanto, una conexión muy estrecha entre las variaciones temporales en la radiación solar y la generación y destrucción de iones en el sistema ionosfera-termosfera. Estas variaciones han sido estudiadas por diversos autores, abarcando análisis globales en donde se analizan las periodicidades encontradas en variables como el TEC y la densidad electrónica considerando a la ionosfera en su totalidad como los artículos de Afraimovich et al. (2006) y Hocke (2008), o bien análisis más locales en donde el estudio se centra en una región específica de la ionosfera como la ionosfera alta (Min et al., 2009) o la capa D, la más baja de la ionosfera (Reuveni y Price, 2009).

El estudio combinado de la periodicidad de ~27 días en los distintos parámetros del medio Sol–Tierra ha servido para investigar otras periodicidades no tan documentadas en la actividad magnética terrestre. Por ejemplo, en el artículo de Apostolov et al. (2004) se analiza la periodicidad de 22 años en la actividad magnética. Utilizan los índices Ap, F10.7 y la frecuencia crítica f0F2 para analizar la variación de las amplitudes de la señal de ~27 días a lo largo de los ciclos solares 18 al 22, y encuentran que es mayor en los ciclos pares que en los impares, lo cual es un indicador del ciclo de 22 años como proponen otros autores (Cliver et al., 1996).

Como se puede constatar, la señal de ~27 días ha sido ampliamente estudiada. Es usual que esta periodicidad se encuentre afectada por otros fenómenos que aparecen acoplados a la señal, como por ejemplo la fase del ciclo solar. Es así que el objetivo de este trabajo es estudiar esta periodicidad en la actividad magnética y ver qué otras variaciones se encuentran presentes. Para hacerlo, se utilizan como punto de partida los resultados encontrados por Azpilicueta et al. (2012), en el que identifica la presencia de una señal de ~27 días de periodicidad en la componente H del campo magnético terrestre, modulada con diversas periodicidades. En este trabajo se aplica la misma metodología en mediciones de 10 observatorios magnéticos distribuidos alrededor del globo. La elección de los observatorios resulta de un estricto proceso de filtrado de los datos que tiene por objetivo mejorar la calidad de las mediciones con las que se trabaja.

El resultado es la presencia de la señal de ~27 días cuya amplitud se encuentra modulada por el ciclo solar y por la variación semi-anual al mismo tiempo en los 10 observatorios analizados.

El mismo procedimiento es extendido a otras mediciones, que son los parámetros solares F10.7 y Mg II y valores de TEC globales obtenidos de la misión TOPEX/Poseidon (Jee, 2004). Teniendo una señal de ~27 días en distintas variables del medio Sol-Tierra se pueden diferenciar las variaciones presentes en cada una y comparar las señales para sacar conclusiones sobre el origen de la señal en la actividad magnética. Como se verá más adelante, encontrar el desfasaje para el cual la señal radiativa y la señal magnética hacen máxima la correlación entre ambas permite obtener resultados al respecto. Al hacer lo mismo con las señales radiativas e ionosférica, se puede comparar el resultado obtenido por otros autores.

La metodología utilizada no permite discernir variaciones por debajo de 1 día ya que se utilizan valores medios diarios en todos los casos. Todo el análisis se hace en el dominio temporal, por lo que difiere de la mayoría de los trabajos clásicos en este tema.

SEÑAL DE ~27 DÍAS EN LA ACTIVIDAD MAGNÉTICA – H27

Observatorios seleccionados

La red global INTERMAGNET (http://www.intermagnet.org/index-eng.php) agrupa una gran cantidad de observatorios magnéticos distribuidos a lo largo del globo, que contienen datos precisos y con estándares modernos de medición. Los datos de estos observatorios son públicos, y pueden encontrarse por ejemplo en la página de la “World Data centre for Geomagnetism (Edinburgh)” (WDC) http://www.wdc.bgs.ac.uk/catalog/master.html. La Figura 1 muestra los valores medios diarios de la componente H medida en distintas estaciones distribuidas en el hemisferio norte y en el hemisferio sur. El comportamiento de H es distinto según el observatorio y el año. Se pueden observar saltos que no provienen de procesos naturales, sino que son consecuencia de cambios en la configuración de los magnetómetros y/o en el cálculo de la línea de base para cada observatorio. A su vez, la longitud temporal es muy variable dependiendo del observatorio. En algunos de ellos, se observa una tendencia negativa asociada a fenómenos de gran escala temporal como la variación secular.

20

Las características mencionadas se tuvieron en cuenta a la hora de seleccionar las 10 estaciones definitivas utilizadas en este trabajo. En primer lugar, de todos los observatorios de la WDC, se eligieron los que cumplían las siguientes condiciones:

1. Sólo los días con mediciones en las 24 hs. fueron utilizadas. 2. Sólo los años con al menos 330 días con mediciones fueron seleccionados. 3. Si hubieran saltos dentro del año, en los que los valores de un lado y del otro del salto se

mantienen (reflejando que el salto no proviene de procesos naturales) el año fue descartado. Se consideró saltos en los que los valores contiguos dentro de un año tenían una diferencia mayor o igual a 70 nT.

4. Solamente los observatorios con 15 o más años, luego del filtrado anterior fueron seleccionados.

El segundo criterio de selección fue que cubrieran ambos hemisferios y que abarcaran un amplio rango de longitudes y latitudes geomagnéticas para que el resultado del procesamiento reflejase fenómenos en todo el globo. Teniendo un conjunto de estaciones con esta distribución, se seleccionaron 10 observatorios. La Tabla 1 muestra la ubicación en coordenadas geomagnéticas de los observatorios resultantes.

Figura 1. Componente H del campo magnético terrestre. Media diaria para 6 observatorios permanentes. 3 (Izq.)

del hemisferio Norte y 3 (Der.) del hemisferio Sur. Figure 1. Earth magnetic field H component. Medium value for 6 permanent observatories. 3 (left) in the North

hemisphere and 3 (right) in the South hemisphere.

Obtención de la señal

Para evaluar periodicidades que se encuentren dentro del año, se debe quitar la tendencia secular. En la elaboración de índices magnéticos que monitorean la actividad magnética terrestre, se suelen utilizar datos de años contiguos a un año particular para quitar esta tendencia. Este es el caso del índice Dst en el que se realiza un ajuste cuadrático con los 4 años anteriores al año de interés que luego se resta a los valores de H (Sugiura, 1964). En nuestro caso, la tendencia secular fue removida considerando a cada año como individual. En primer lugar, se promediaron los 24 valores horarios de H para cada día de todos los observatorios. Luego, para cada año se ajustó una recta con todos los valores de ese año, que luego se sustrajo a los valores de H. Sustraer la tendencia de los valores medios diarios de H es análogo a aplicar un filtro pasa bajos a los datos, y el resultado es una señal que contiene períodos menores o iguales que el año.

Al realizar esto, el resultado es el de la Figura 2. En esta figura se muestran las desviaciones para dos años particulares, 1990 y 1996, que corresponden a años de actividad solar alta y baja respectivamente. La principal característica es un patrón con dos mínimos, uno cerca del día del año

21

(DOY) 90 y otro alrededor del DOY 290, y dos máximos en los DOYs 190 y 365. Este comportamiento se debe a la anomalía semi-anual en la actividad magnética. El consenso general en la comunidad científica es que gran parte de este fenómeno es producido por el efecto de Russell y McPherron (1973): A lo largo del año la orientación del dipolo geomagnético cambia con respecto a la línea Sol-Tierra, la anomalía es máxima en los equinoccios cuando el dipolo está inclinado hacia la línea orbital de la Tierra porque la proyección del IMF en el campo geomagnético se maximiza. De forma similar, la actividad alcanza un mínimo durante los solsticios cuando la proyección del IMF es mínima. Sin embargo, existen otras hipótesis (Cortie, 1912; Bartels, 1932) y el mecanismo que provoca esta anomalía permanece en discusión en la actualidad (Cliver et al., 2000; Azpilicueta y Brunini, 2012).

ID Longitud Geomag. (°) Latitud Geomag. (°)

SIT -77,69 60,21

NGK 97,64 51,64

KAK -150,32 27,76

SJG 46,95 27,63

HON -89,18 21,65

API -96,69 -15,07

HER 85,27 -34,00

GNA -170,29 -41,18

AIA 6,21 -55,49

PAF 134,42 -56,46

Tabla 1. Observatorios magnéticos utilizados en el trabajo ordenados por latitud geomagnética. Table 1. Magnetic observatories utilized in this work ordered by geomagnetic latitude.

Si a los gráficos de la Figura 2 se le calcula un promedio simple móvil para cada DOY, utilizando una ventana de datos de 30 días, con el DOY en cuestión en el centro, se obtiene una curva suavizada, en la cual los períodos menores a 30 días han sido eliminados. Al restar la curva suavizada a las desviaciones, las curvas resultantes de aplicar este último procedimiento son como las que se observan en la Figura 3, en la que se encuentra la señal filtrada que llamaremos H27. La misma técnica puede ser aplicada con una ventana de menor o mayor cantidad de días, pero se eligió 30 como la cantidad óptima porque este valor otorgaba la mejor visualización.

Características de H27

En los gráficos de la Figura 3, H27 es representado para dos años, uno de actividad solar alta y otro de actividad solar baja. Las características importantes que aparecen reflejadas en las curvas de H27 son:

La amplitud de la señal de ~27 días se ve significativamente aumentada para épocas de actividad solar alta.

Aparece una modulación semi-anual resultando en amplitudes mayores durante marzo y septiembre.

H27 se encuentra presente para todos los observatorios analizados. Estas características no son

específicas de los años de la Figura 3 (1996 y 1990), sino que son un patrón recurrente en todos los años y en todos los observatorios analizados. La modulación no es igual en todos los años y suele aparecer un poco desplazada en el tiempo. También, es diferente en amplitud para los meses de marzo y abril que para los meses de agosto y septiembre. La Figura 4 muestra a H27 para dos años consecutivos del observatorio NGK. La señal se encuentra modulada por otra curva de periodicidad semi-anual.

22

SEÑAL DE ~27 DÍAS EN PARÁMETROS SOLARES - F27 Y Mg27

Parámetros F10.7 y Mg II

Como fue mencionado en la Introducción, las frecuencias del espectro correspondiente al rango de EUV y rayos X de la radiación solar, son capaces de ionizar los elementos neutros de la alta atmósfera y generar corrientes. Más específicamente es el flujo de radiación EUV el responsable de la ionización del O, O2, NO y otras moléculas en la ionosfera terrestre que comprenden la mayor parte de los electrones libres. Resulta importante entonces monitorear la evolución de la radiación en estas frecuencias, para poder relacionarla con los parámetros en la ionosfera terrestre. Con este objetivo, suelen utilizarse distintos indicadores, que si bien no miden directamente las variaciones en las frecuencias de interés, tienen una correlación muy alta con dichas variaciones. A estos indicadores se los denomina proxys. Uno de los más comunes es F10.7, que mide la energía media de la densidad de flujo solar a una frecuencia de 2.8 GHz (longitud de onda: 10.7cm) en unidades de 10

-22 Wm

-2 Hz

-

1(unidades de flujo solar). A diferencia de otros índices, F10.7 es medido desde la superficie terrestre,

lo que permite tener mediciones confiables sin importar las condiciones climáticas, con una larga serie de datos (desde 1947). Los valores diarios de F10.7 (tomados de la gran base de datos del instituto Goddard Space Flight Center: http://spdf.gsfc.nasa.gov/data_orbits.html) se muestran en la Figura 5, entre los años 1947 y 2011, que corresponde a la serie completa utilizada para el procesamiento. En esta figura pueden observarse varios ciclos solares, y es notable como la dispersión de los datos aumenta en los años de actividad solar alta.

Figura 2. Valor medio por DOY de las desviaciones de H para la estación HER en los años 1990 y 1996. Un

promedio móvil de 10 días fue aplicado para eliminar ruido en la señal. Figure 2. H deviations. Medium value per DOY for HER station at 1990 and 1996. A 10 days moving average

filter was applied to eliminate noise in the signal.

Otro índice utilizado como un proxy es el Mg II. Se calcula tomando el cociente entre la intensidad de determinadas líneas de emisión del Mg II en 280 nm y el continuo en 280 nm. En el artículo de Viereck et al. (2001) se calculó un coeficiente de correlación de 0,996 con el flujo de radiación EUV en 30,4 nm, por lo que es un excelente indicador de la radiación en estas frecuencias. Los autores del artículo sugieren la utilización de este índice por sobre el F10.7. Este índice es calculado a partir de mediciones satelitales y provistos por NOAA y se encuentran en ftp://ftp.ngdc.noaa.gov/STP/SOLAR_DATA/SOLAR_UV/NOAAMgII.dat. Los datos abarcan un poco más de 2 ciclos solares completos como muestra la Figura 6.

23

Figura 3. H27 en dos años distintos. 1996 (negro) de actividad solar baja y 1990 (verde) de actividad solar alta.

Los datos corresponden a la estación GNA (superior) y KAK (inferior). Un promedio móvil de 10 días fue aplicado para mejorar la visualización.

Figure 3. H27 for two different years. 1996 (black) a low solar activity year and 1990 (green) a high solar activity

year. The data belongs to GNA station (up) and KAK station (down). A 10 days moving average filter was applied to improve the visualization of the signal.

Figura 4. H27 para dos años consecutivos del observatorio NGK. La señal se encuentra modulada por otra de

periodicidad semi-anual. Figure 4. H27 for two consecutive years in the NGK observatory. The signal is modulated for another one with a

semiannual periodicity.

La serie de datos de estos dos parámetros contienen valores anómalos, para poder procesarlas, se quitaron estos valores. Luego, si se aplica el mismo procedimiento que para obtener H27 se obtiene por ejemplo para F10.7 el gráfico de la Figura 7 donde se muestra el resultado para 3 años consecutivos. Como se observa, la periodicidad de ~27 días también puede encontrarse en F10.7 y en Mg II. y se indicarán como F27 y Mg27 respectivamente.

Una característica importante es que en estas señales no está presente ninguna modulación semi-anual, y tampoco es posible obtener una señal semi-anual como en el caso magnético. Las principales teorías que tratan de explicar la anomalía semi-anual concuerdan en que el fenómeno proviene del efecto que ocasionan los cambios en la corriente anillo a lo largo del año. Como se menciona en Daglis et al. (1999), las principales fuentes de la corriente anillo son las partículas de la ionosfera terrestre y del viento solar. Dentro de esta última están los protones y electrones que llegan del Sol y son atrapados por la magnetosfera. Por lo tanto, es de esperarse la ausencia de cualquier

24

señal semi-anual, ya que F10.7 y Mg II reflejan los cambios producidos en la radiación solar y no en las propiedades del viento solar.

Figura 5. Valores diarios del índice F10.7 para la serie utilizada. Figure 5. Daily values of the F10.7 index utilized in this work.

Figura 6. Valores diarios del índice Mg II utilizados en este trabajo. Figure 6. Daily values of Mg II index utilized in this work

Figura 7. F27 para tres años consecutivos: 1975, 1976 y 1977. Figure 7. F27 for three consecutive years: 1975, 1976 y 1977.

25

Señales F27 y Mg27

Si bien no poseen una modulación semi-anual como H27, son muy sensibles a los cambios en el ciclo solar, como se puede notar en la Figura 8, donde se encuentra graficado F27 para el año 1990 de actividad solar alta y para el año 1984 de actividad solar baja.

SEÑAL DE ~27 DÍAS EN LA IONOSFERA – V27

El contenido total de electrones (TEC) se define como la cantidad de electrones libres atravesados por una onda electromagnética que viaja desde un satélite hasta un receptor. Si el satélite se encuentra sobre el cenit de la estación, de forma que el camino recorrido por la onda electromagnética es vertical, se lo denomina VTEC. Cuando la visual satélite-receptor no es vertical, se lo denomina STEC. El TEC es un parámetro muy importante en el estudio de la ionosfera basada en satélites.

Una de las primeras misiones que midió de forma exitosa el VTEC fue TOPEX/Poseidon. El satélite orbitaba a una altura de 1336 km y pasaba por el mismo lugar sobre la tierra cada 10 días (Jee, 2004). Si bien fue diseñada para mapear la altura del océano con el fin de estudiar los procesos de circulación oceánica, la incorporación de un altímetro de doble frecuencia en el satélite permitió a la comunidad aeronómica contar con una serie continua de más de 13 años de datos de determinaciones de VTEC casi directa (sin el uso de ninguna función de mapeo) y de excelente precisión para estudios de la distribución global del VTEC (Azpilicueta et al., 2006).

En este trabajo se utilizó la serie completa de 13 años de datos de la misión TOPEX/Poseidon de la siguiente manera: se promediaron los valores de 1 segundo de VTEC de la misión para tener una media global por día. Los instrumentos de la misión proveen los valores de VTEC sobre la superficie del mar, y como la masa continental es desigual en ambos hemisferios, esto produce una asimetría en la cantidad de valores disponibles para promediar entre el hemisferio norte y el sur Por lo tanto, para balancear esta asimetría, los promedios se realizaron en un área específica del océano filtrando todos los valores fuera de ella al igual que en el trabajo de Azpilicueta et al. (2011). El área utilizada comprende los sectores (150º, 240º) y (300º, 360º) en longitud y (-60º, 60º) en latitud. De este modo, la serie temporal diaria obtenida tiene por un lado valores nulos (2,16% del total de días), correspondientes a los días en los que el satélite deja de medir por problemas técnicos o no pasa por el área en cuestión y días con distinta cantidad de datos considerados en el promedio. En tal caso los días con datos nulos fueron eliminados de la serie.

Figura 8. F27 para el año 1984 de actividad Solar baja y 1990 de actividad Solar alta. Un promedio móvil de 10

días fue aplicado para mejorar la visualización. Figure 8. F27 for a high solar activity year 1984 and for a low solar activity year 1990. A 10 days moving average

filter was applied to improve the visualization.

26

La Figura 9 muestra los promedios de VTEC para toda la serie temporal calculados según fue explicado anteriormente. Los rasgos más destacados de esta figura son, al igual que el índice F10.7, el aumento en la amplitud y en la dispersión de los datos de VTEC en épocas de actividad solar alta, lo que evidencia su dependencia con el ciclo solar.

Al VTEC de la Figura 9 se le aplicó la misma secuencia de procesamiento que para obtener las señales de ~27 días de las secciones anteriores y a la señal resultante se la denominó V27. Al restar la tendencia anual se observa una señal semi-anual. Sin embargo, cuando se resta el promedio móvil, no aparece ninguna modulación semi-anual pero si una modulación importante con el ciclo solar como muestra la Figura 10.

COMPARACIÓN ENTRE LAS SEÑALES

En las secciones anteriores se ha encontrado una señal de ~27 días de periodicidad en distintas variables del medio Sol-Tierra. Como se menciona en la Introducción y las secciones posteriores, el procedimiento para derivarla consiste básicamente en una correcta elección de los datos, la resta de la tendencia lineal anual, y un promedio móvil dinámico cómo muestra el esquema de la Figura 11, donde se observan las características presentes en cada etapa del procesamiento. En esta figura, SA es el patrón semi-anual, que puede identificarse tanto en la actividad magnética, como en el TEC ionosférico. MODSA es la modulación semi-anual, que aparece bien marcada en la actividad magnética en todos los años y está ausente en el resto de las señales. CICLO es la modulación por el ciclo solar que se observa en todas las señales analizadas en este trabajo. El ciclo Solar parece ser el fenómeno más persistente en las señales del medio Sol–Tierra (o al menos en la variación de ~27 días de los parámetros). Por último, S27 es la señal con periodicidad de ~27 días. Al aplicar el promedio móvil (MA) resultan H27, F27, Mg27, y V27.

Figura 9. Serie de tiempo completa de VTEC utilizada en este trabajo. Figure 9. VTEC complete time sequence utilized in this work.

27

El MA permite eliminar SA en la señal magnética e ionosférica, mientras que no tiene demasiados efectos en las señales radiativas ya que no está presente ninguna señal anual o semi-anual. En el caso de H o los índices solares, la serie temporal está conformada simplemente por los datos que entregan los centros internacionales. Para el caso del VTEC, promediar en las regiones adecuadas conlleva una tarea extra en el armado de la serie temporal a procesar.

Se estudió la correlación entre F27 y V27 y entre Mg27 y V27. En los años correspondientes a la serie más corta que es la de V27 y abarca 11 años en total (1992 - 2003), se calculó un coeficiente de correlación r por año para ambas correlaciones. La correlación entre F27 y V27 da un valor medio del coeficiente de 0,4 con un desvío porcentual del 9%, mientras que la correlación media entre Mg27 y V27 da un valor medio de 0,43 con un desvío de 4% resultando estos últimos valores ligeramente mejores. La correlación es muy similar en todos los años dado el bajo valor del desvío en ambos casos.

Si bien en ambos casos las series están correlacionadas (Figura 12), la metodología no filtra de ninguna manera periodicidades menores a 27 días por lo que la señal se ve enmascarada en ruido en muchos casos, lo que hace que el coeficiente de correlación no sea más alto.

Un aspecto interesante surge cuando se estudia el desfasaje entre las señales. Para hacerlo, se buscó el desfasaje en días de la señal V27 que hacía máximo el módulo de la correlación con F27 y Mg27 (o bien el máximo del módulo de la cross-correlation para distintos valores de corrimiento). Como las señales son aproximadamente periódicas, la cross-correlation será una función periódica por lo que puede suceder que a un aumento de F27 o Mg27 le corresponda una disminución de V27 en ese caso habría que buscar un mínimo en la cross-correlation. Por este motivo, se tomó el valor absoluto de la función. El resultado es un desfasaje de 1 día para ambos casos F27/V27 y Mg27/V27.

Figura 10. V27 para años de actividad solar alta (superior) y años de actividad solar baja (inferior). Un promedio

móvil de 10 días fue aplicado para mejorar la visualización. Figure 10. V27 for years of high solar activity (up) and low solar activity (down). A 10 days moving average filter

was applied to improve the visualization.

La teoría clásica predice que la respuesta de la atmósfera a las variaciones en el flujo de radiación EUV (determinada por las constantes de ionización y recombinación) tenga un desfasaje de 1 hora. Sin embargo, la discrepancia con los retrasos obtenidos en este trabajo puede deberse a que no se tienen en cuenta los procesos en la atmósfera en este valor. Algunos autores han encontrado resultados dispares al estudiar este tema. Por ejemplo, en el artículo de Afraimovich et al. (2006), se encontró un desfasaje de 1,5 a 2,5 días. Los autores utilizan valores del índice F10.7 y el GEC (global electron content, ver referencia) diarios para obtener la señal de ~27 días. En el trabajo de Hocke (2008) se encuentra un desfasaje entre 0 y 3,5 horas utilizando el índice Mg II y el TEC global.

Los gráficos de la correlación de ambos casos para valores de desfasaje entre -9 y 12 días se puede observar en la Figura 13. Si en este gráfico se analizan las diferencias entre la correlación en

28

los desfasajes 0, 1 y 2 días, se pueden comparar nuestros resultados con los de los autores mencionados. En el gráfico se muestra la cross-correlation normalizada por el valor máximo porque las escalas de las señales radiativas son muy distintas (como muestran las Figuras 5 y 6), lo que hace que la cross-correlation tenga valores muy distintos en ambos casos. Se observa que para Mg27/V27 la diferencia en la correlación para los desfasajes 0 y 1 es muy pequeño, y lo mismo ocurre para F27/V27 entre 1 y 2, por lo que estos resultados se condicen bastante bien con los de Afraimovich et al. (2006) y Hocke (2008).

Figura 11. Diagrama de flujo que muestra el esquema de procesamiento de todos los parámetros utilizados. Figure 11. Flowchart showing the processing sequence of all the parameters utilized.

Figura 12. V27 y Mg27 normalizados por el valor máximo para el año 1999. Figure 12. V27 y Mg27 normalized by the maximun value for the year 1999.

Las señales F27, Mg27 y V27 son de origen radiativo. Por otro lado, debido a que tanto las

variaciones temporales de la radiación solar, como los parámetros geoefectivos del viento solar y el IMF generan variaciones temporales en la actividad magnética terrestre, el origen de H27 no es tan claro. Un escenario posible sería que H27 fuera de origen radiativo, como ocurre por ejemplo con la variación solar diurna. Esta variación es una de las más regulares en la actividad magnética y es originada por las corrientes de dínamo en la capa E de la ionosfera (comúnmente referidas como campos Sq), producto de la interacción diaria entre la ionización producida por la radiación solar y los vientos termosféricos en el lado diurno de la Tierra. El otro escenario posible sería que el origen de H27 estuviera en la entrada de partículas cargadas a la magnetosfera como es el caso de la anomalía semi-anual en la actividad magnética, mencionada en las secciones anteriores. Al buscar el desfasaje entre H27 y F27, se pueden sacar conclusiones sobre este problema.

29

La Figura 14 muestra la cross-correlation entre H27 y F27 para los 10 observatorios en donde todas las curvas están normalizadas por el valor del máximo del módulo para desfasajes entre -30 y 30 días. En este caso se puede ver que a un aumento en la señal radiativa le corresponde una disminución de H27 aproximadamente 4 días después, es decir, existe una correlación opuesta máxima desfasada alrededor de 4 días. El valor del desfasaje que hacía máxima esta correlación opuesta entre ambas señales, para los 10 observatorios utilizados, arroja a H27 desfasada 4 días con respecto a F27 para 8 observatorios, mientras que en los 2 restantes el desfasaje es de 3 días. El recuadro en la parte inferior/derecha de la imagen muestra una ampliación de este fenómeno.

Figura 13. cross-correlation normalizada por el valor máximo entre las señales Mg27/V27 y F27/V27 para

desfasajes entre -30 y 30 días. Figure 13. Cross-correlation normalized by the maximun value for the signals Mg27/V27 and F27/V27 for lags

between -30 and 30 days.

Figura 14. cross-correlation normalizada por el valor mínimo entre las señales F27 y H27 para los 10

observatorios utilizados en este trabajo. Se muestran las curvas para desfasajes entre -30 y 30 días, y aumentada como la mayoría de los mínimos están en 4 días.

Figure 14. Croscorrelation normalized by the minimun value between the signals F27 and H27 for the 10

observatories utilized in this work. It is shown the curves for lags between -30 and 30 days, and bigger how most minimums are in 4 days.

30

Este desfasaje permite descartar el hecho de que la señal sea de origen radiativo, de otro modo el desfasaje sería 0 o 1 día como en los casos analizados anteriormente con F27 y V27, por lo tanto se puede decir que el origen de H27 se debe a los procesos de interacción entre el viento solar con la magnetosfera terrestre. Más aún, si se considera el valor de 1 UA ≈ 150 millones de km se obtiene para 4 días de viaje, una velocidad aproximada del viento solar de vsw≈ 434 km s

-1 lo que concuerda

bastante bien con los valores promedio que caracterizan el viento solar que son vsw≈ 468 km s-1

, ,y

densidad de 8,7 protones cm-3

. Este último análisis refuerza la conclusión sobre el origen de la señal. Las curvas muestran un aumento de su dispersión cuando los desfasajes se alejan del rango 0 a 8

días aproximadamente. Hay varios motivos que pueden explicar este comportamiento. En primer lugar, está el hecho de que la señal de ~27 días no tiene una periodicidad uniforme. Cuando las curvas están desfasadas 4 días, los ciclos de ~27 días en ambas señales tienen la misma periodicidad, lo que hace que la correlación opuesta sea máxima. Cuando esto no ocurra, se correlacionan señales con períodos diferentes, lo que hace que el valor disminuya.

El hecho de que la mayoría de los observatorios den un retraso de 4 días permite descartar cualquier efecto hemisférico. Un aspecto interesante es que los 2 observatorios que dan 3 días de desfasaje son SIT y PAF, los cuales están ubicados en latitudes aurorales. En un análisis preliminar, se puede decir que la componente H en estas latitudes es más pequeña que la componente Z debido al aumento del ángulo de inclinación de las líneas del campo magnético terrestre, por lo que H puede no ser la componente óptima para el análisis en estas latitudes, ya que la mayor parte de la variación del campo no se ve reflejada.

PRINCIPALES CONCLUSIONES Y TRABAJOS A FUTURO

Las relaciones encontradas entre las distintas señales en la sección anterior permiten establecer la conclusión principal de este trabajo: El origen de H27 se debe a la interacción entre el viento solar y la magnetosfera, mientras que el origen de F27, Mg27 y V27 es radiativo. La cross-correlation de las señales F27 y H27 obtenidas tras la misma secuencia de procesamiento entrega una metodología precisa de calcular los desfasajes entre ambas señales. A su vez, la cross-correlation entre F27 y V27 permite comparar los resultados obtenidos por otros autores en cuanto a las señales radiativas.

La red INTERMAGNET distribuye los datos de un gran número de estaciones magnéticas permanentes, (en varios casos con una serie temporal cercana a 100 años de datos). La incorporación de más observatorios en el análisis permitiría validar los resultados mencionados e investigar por qué el retraso de H27 en los observatorios en latitudes geomagnéticas altas es menor. De hecho, mientras más observatorios estén involucrados, los resultados son más representativos globalmente.

Por otro lado, aplicar la técnica utilizada en este trabajo permite evidenciar las características presentes y ausente en la señal de ~27 días en distintos parámetros utilizados. Por ejemplo, la modulación semi-anual de la amplitud está presente en H27 mientras que no se encuentran en las demás señales. Mientras que la modulación de la amplitud por el ciclo solar se encuentra en todas las señales.

Agradecimientos: Los autores de este trabajo agradecen a las siguientes instituciones por distribuir públicamente los datos utilizados en este trabajo: World Data centre for Geomagnetism (Edinburgh), Goddard Space Flight Center, National Oceanic and Atmosphere Administration, Jet Propulsion Laboratory.

REFERENCIAS

Afraimovich E.L., E.I. Astafyeva, I.V. Zhivetiev, (2006). Solar activity and global electron content. Doklady Earth Sciences, 409(2):921-924.

Apostolov E.M., D. Altadill, M. Todorova, (2004). The 22-year cycle in the geomagnetic 27-day recurrences reflecting on the F2-layer ionization. Ann. Geophys., 22(4):1171-1176.

Azpilicueta F., C. Brunini, S. M. Radicella, (2006). Global ionospheric maps from GPS observations using modip latitude. Advances in Space Research, 38(11): 2324-2331..

31

Azpilicueta F., C. Brunini, S. M. Radicella, (2011). Semi-annual Anomaly and Annual Asymmetry on TOPEX TEC During a Full Solar Cycle. Geodesy for Planet Earth, 136: 769-774.

Azpilicueta F., C. Brunini, E. Camilión, (2012). The geomagnetic semiannual anomaly on the four Dst -fundamental observatories: Dependences with Sun-Earth physical parameters. J. Geophys. Res., 117(A7).

Azpilicueta F., C. Brunini, (2012). A different interpretation of the annual and semiannual anomalies on the magnetic activity over the Earth. J Geophys. Res., 117(A8).

Bartels J., (1932). Terrestrial-magnetic activity and its relations to solar phenomena. J. Geophys. Res., 37(1): 1-52.

Beck, J.G., (2000). A comparison of differential rotation measurements. Solar physics. 191(1): 47–70. Carrington, R.C., (1863). Observations of the spots on the sun from November 9, 1853 to March 24,

1861, made at Redhill. Ed. Williams and Norgate, London. pp 68. Cliver E.W., V. Boriakoff, K.H. Bounar, (1996). The 22-year cycle of geomagnetic and solar wind

activity. J. Geophys. Res., 101(A12): 27091-27109. Cliver E.W., Y. Kamide, A.G. Ling, (2000). Mountains versus valleys: Semiannual variation of

geomagnetic activity. J Geophys Res, 105(A2): 2413-2424. Clua de Gonzalez A.L., W.D. Gonzalez, S.L.G. Dutra, B.T. Tsurutani, (1993). Periodic variation in the

geomagnetic activity: A study based on the Ap index. J. Geophys. Res., 98(A6): 9215-9231. Cortie A.L., (1912). Sun-spots and Terrestrial Magnetic Phenomena, 1898-1911: the Cause of the

Annual Variation in Magnetic Disturbances. Monthly Notices of the Royal Astronomical Society, 73(1): 52-60.

Daglis I.A., R.M., Thorne, W. Baumjohann, S. Orsini, (1999). The terrestrial ring current: Origin, formation, and decay. Rev. Geophys., 37(4): 407-483.

Fraser-Smith A.C., (1972). Spectrum of the geomagnetic activity Ap. J. Geophys. Res., 77(22): 4209-4220.

Hocke K., (2008). Oscillations in global mean TEC. J Geophys Res, 113(A4). Jee G., (2004). Analysis of TEC data from the TOPEX/Poseidon mission. J. Geophys. Res., 109(A1):

121-127. Lean J.L., G.J Rottman, H.L. Kyle, T.N. Woods, J.R. Hickey, LC. Puga., (1997). Detection and

parameterization of variations in solar mid- and near-ultraviolet radiation (200–400 nm). J. Atm. Res. Atmospheres, 102(D25):29939-29956.

Mayaud P.N., (1980). Derivation, Meaning, and Use of Geomagnetic Indices. Am. Geophys. Union Monograph, 22. pp 154.

Min K., J. Park, H. Kim, V. Kim, H. Kil, J. Lee, S. Rentz, H Lühr, L. Paxton, (2009). The 27-day modulation of the low-latitude ionosphere during a solar maximum. J. Geophys. Res., 114(A4).

Neupert W. N., V. Pizzo, (1974). Solar coronal holes as sources of recurrent geomagnetic disturbances. J. Geophys. Res., 79(25): 3701-3709.

Reuveni Y., C. Price, (2009). A new approach for monitoring the 27-day solar rotation using VLF radio signals on the Earth's surface. J. Geophys. Res., 114(A10).

Russell C.T., R.L. McPherron, (1973). Semiannual variation of geomagnetic activity. J. Geophys. Res., 78(1): 92-108.

Sargent H.H., (1986). The 27-day recurrence index. Solar wind-magnetosphere coupling, 77(22): 143-148.

Schreiber H., (1998). On the periodic variations of geomagnetic activity indices Ap and ap. Ann. Geophys., 16(5): 510-517.

Singh Y.P., Badruddin, (2014). Prominent short-, mid-, and long-term periodicities in solar and geomagnetic activity: Wavelet analysis. Plan. And Space Science, 96: 120-124.

Sugiura M., 1964. Hourly values of equatorial Dst for the IGY. Ann. Of the Int. Geophys. Year. Pergamon Press, Oxford. Vol 35.

Vasyliunas V.M., (1975). Theoretical models of magnetic field line merging. Rev. in Geophys. 13(1), pp 303.

Viereck R., L. Puga, D. McMullin, D. Judge, M. Weber, W.K. Tobiska, (2001). The Mg II index: A proxy for solar EUV. Geophys. Res. Let., 28(7):1343-1346.

Ward F.W., 1960. The variance (power) Spectra of Ci, Kp and Ap. J. Geophys. Res., 65(8): 2359-2373.

Recibido: Setiembre, 2016 Aceptado: Julio, 2017

32

GEOACTA 41(2) (2017) ISSN 1852-7744 © 2017 Asociación Argentina de Geofísicos y Geodestas

EL USO DE REDES NEURONALES EN LA INTERPOLACIÓN DE ANOMALÍAS DE GRAVEDAD – APLICACIÓN EN EL CÁLCULO DEL MODELO GEOIDAL EN

SANTA CATARINA - BRASIL

THE USE OF NEURAL NETWORK FOR GRAVITY ANOMALIES INTERPOLATION

– APPLICATION TO GEOID MODEL COMPUTATION IN SANTA CATARINA - BRASIL

Wagner Carrupt Machado1, Ana Cristina Oliveira Cancoro de Matos

2, Denizar Blitzkow

2,

Gabriel do Nascimento Guimarães1

1 Laboratório de Topografia e Geodésia – LTGEO,Universidade Federal de Uberlândia

(UFU), campus Monte Carmelo-MG. Rod LMG 746, km 01, s/n, bloco1 CEP 38500-000, Monte Carmelo/MG-Brasil

2Laboratório de Topografia e Geodésia, Escola Politécnica da Universidade de São Paulo

(LTG/EPUSP), Av. Prof. Almeida Prado trav.2 n.83 sala1, CEP 05508-070, São Paulo/SP-Brasil E-mail: wcarrupt@yahoo.com.br

RESUMEN

Este artículo trata de evaluar el impacto del uso de las anomalías de gravedad interpoladas con RNA (Redes Neuronales Artificiales), en el cálculo de los modelos geoidales. Por lo tanto, se utilizó de la RNA, para interpolar las anomalías de Bouguer, aire libre y Helmert sobre una malla regular de 5' con el objetivo de calcular el modelo geoidal de Santa Catarina. Se calcularon tres modelos geoidales utilizando las redes generadas con RNA. Se utilizó el modelo GEOID2014, calculado por el LTG (Laboratorio de Topografía y Geodesia) para la comparación. Los cuatro modelos geoidales fueron evaluados utilizando la información de 53 mediciones GNSS, sobre los puntos fijos de las líneas de nivelación fornecidas por el IBGE (Instituto Brasileiro de Geografía y Estadística). La comparación tuvo como objetivo identificar cuál de los modelos tiene mejor consistencia con la referida información. Se obtuvo los valores de los errores medios cuadráticos de 0,17, 0,13, 0,17 y 0,17 m. El modelo geoidal que utilizó la malla de la anomalía Helmert, interpolada con la RNA, mostró el mejor resultado.

Palabras claves: Red neuronal, Geoide, GNSS, Nivelación, Altura.

ABSTRACT

To assess the impact of using gravity anomalies interpolated with Artificial Neural Networks (ANN) over geoid model compuation, this technique was used to interpolate Bouguer, free-air and Helmert gravity anomalies into a 5’ regular grid to compute the Santa Catarina State geoidal model. Three geoidal models were computed using the grids determined with ANN. The GEOIDE2014, computed by LTG (Geodesy and Topography Laboratory), was used for comparison. Therefore, the four geoidal models were assessed using information, provided by IBGE (Brazilian Institute of Geography and Statistics), of 53 leveling stations in which the geodetic altitude were determined with GNSS observations, called in this paper as GNSS/RN. The 53 geoidal heights were obtained from the difference between geodetic height and normal-orthometric height from the geometric (spirit) levelling. Such comparison has the aim of identify which models present better consistence with these points. It was obtained RMS of 0.17, 0.13, 0.17 and 0.17 m, where the geoidal model computed with the grid of Helmert anomaly interpolated with ANN presented the best result.

Keywords: Neural Network, Geoid, GNSS, Spirit levelling, Height.

33

INTRODUCCIÓN

La ondulación geoidal, en lo que se refiere a la descomposición espectral, se puede dividir en tres componentes: las longitudes de onda larga, media y corta. Con la adquisición de modelos globales del geopotencial (MGGs) de las misiones espaciales como CHAMP (CHAlenging Mini-satellite Payload), LAGEOS (Laser Geodynamics Satellites), GRACE (Gravity Recovery and Climate Experiment) y más recientemente GOCE (Gravity field and steady state Ocean Circulation Explorer), pueden determinarse las componentes de longitudes de onda larga y media de la ondulación geoidal.

El componente de longitud de onda corta de la ondulación geoidal, es obtenida de la evaluación de la integral de Stokes modificada en la malla de anomalías residuales, cuya solución eficiente utiliza el algoritmo llamado Fast Fourier Transform (FFT). En este caso, es necesario el uso de una malla regular de anomalía de gravedad residual de la zona de interés. Debe tenerse en cuenta que la densidad de las mediciones gravimétricas y la altura asociada con la anomalía de gravedad, se refleja en la calidad con la que el componente de longitud de onda corta puede ser estimado. En este artículo, sólo la primera será discutida.

Normalmente las mediciones gravimétricas se llevan a cabo a intervalos irregulares y puede haber zonas sin información. En este caso, para hacer los cálculos con la FFT, la generación de una malla regular de anomalías de gravedad se vuelve importante. Abbas et al., (1990), presentan una comparación entre algunos métodos de interpolación para usar en geofísica y geodesia. Tierra y Freitas (2005), indican un buen rendimiento de la RNA en la interpolación de anomalía de Bouguer y aire libre, en una región con escasa gravimetría. Miranda et al. (2009) utiliza la RNA en la interpolación de anomalías aire libre en la región de Imbituba. Otros artículos muestran buen comportamiento de la RNA para determinar la ondulación del geoide (Kuhar et al., 2001, Maia, 2003, Stopar et al., 2006, Veronez et al., 2009, Akcin y Celik, 2013).

En este trabajo se presenta una evaluación del GEOIDE2014 y tres modelos de geoide calculados sobre mallas regulares de anomalías de gravedad de Bouguer, aire libre, y Helmert, interpolados con RNA. Cabe destacar, que el cálculo de los modelos de geoide se realizó teniendo en cuenta la anomalía Helmert. Este modelo utiliza una arquitectura Multilayer Perceptrons (MLP) con una única capa de neuronas ocultas (Haykin, 1999). Las entradas se definieron como la latitud, la longitud, la altura ortométrica y la gravedad normal, mientras que la salida es una de las dichas anomalías de la gravedad. Los detalles sobre la metodología adoptada en la formación de la RNA están en el tema llamado determinación de las mallas regulares de anomalía de gravedad con RNA. El área de este estudio fue definida por -24° y -32° en latitud y -56° y -46° en longitud (Fig. 1).

DESAROLLO TEÓRICO

Redes neuronales artificiales

Las redes neuronales artificiales se componen de un número determinado de entradas y unidades de procesamiento, llamadas neuronas, que están conectadas a través de pesos sinápticos. Las entradas se propagan a través de la topología de RNA, siendo transformadas por los pesos sinápticos y por la función de activación (AF) de las neuronas. Recibiendo entradas de las neuronas n (yi), la neurona k calcula su salida a través de ec. (1) (Haykin, 1999):

n

1=ib+wyAF=y kkiik (1)

donde yi es la salida calculada por la neurona i; wki es el peso sináptico entre la neurona i y la neurona k y bk es el peso sináptico entre la neurona k y un valor constante diferente de cero, conocido como bias. Por lo general, se atribuye valor 1 o -1 para el último. Si la neurona está conectada a las entradas, el término yi se sustituye por la entrada correspondiente.

Funciones de activación no lineales del tipo asimétrica sigmoidal, se muestran en la solución de problemas de naturaleza no lineal. La ec. (2) es una función que entra en la categoría bipolar (Wilamowski et al., 2001):

1xe+1

2=xAF (2)

34

donde x es calculado por ec. (3):

n

1=i kb+kiwiy=x (3)

El MLP, también conocido como una red de multicapa, debido al flujo de datos es unidireccional.

Las entradas se propagan desde la capa de entrada a la salida, a través de una o más capas ocultas (Haykin, 1999).

Cybenko (1989), Funahashi (1989) y Hornik et al. (1989), demostraron que una red MLP con una sola capa oculta, es capaz de aproximar cualquier función continua dentro de una precisión predeterminada, esto sólo es posible si la capa oculta tiene número suficiente de neuronas. Sin embargo, para obtener un buen rendimiento con la RNA es necesario entrenarla para evitar que se ajuste el ruido existente en el conjunto de datos. El desafío de este método es para determinar la cantidad ideal de neuronas.

Entrenamiento de la MLP

El proceso de estimación de los parámetros de la RNA (pesos sinápticos), llamado entrenamiento, es un proceso iterativo. Una estrategia utilizada en la definición de la cantidad de neuronas ideal, es aquella que considera una MLP con la menor cantidad de neuronas posibles, sin que ello afecte su capacidad de calcular la cantidad de interés correctamente. En esta situación, se dice que el control de la complejidad del modelo, se obtiene mediante regularización estructural (Bishop, 2008).

El entrenamiento de la RNA, requiere la disponibilidad de un conjunto de datos (muestras) que contiene parámetros correlacionados con la cantidad que se desea calcular, conocida como entradas, así como la cantidad que se determinará, conocida como salida.

La correlación cruzada es una herramienta que se puede utilizar para determinar el número óptimo de neuronas ocultas. En este caso, el 20% de los datos de entrenamiento se separa para llevar a cabo una evaluación de la solución. Entrena la RNA con diferentes cantidades de neuronas ocultas y elige la que produce una mejor concordancia con los datos de la evaluación (Bishop, 2008).

Destaca que es necesario determinar el valor de los pesos sinápticos para cada MLP con diferente topología. El objetivo de los métodos desarrollados para este fin, es reducir al mínimo una función obtenida a partir de la diferencia entre la salida calculada por la MLP y la salida correspondiente del conjunto de datos de entrenamiento (Haykin, 1999). Después del entrenamiento, los parámetros de la MLP son fijos y la cantidad de interés se puede calcular.

Entre los métodos desarrollados para entrenar MLP, el Levenberg-Marquardt (LM) se destaca por su capacidad de presentar una buena relación entre la estabilidad y la velocidad de convergencia (Battiti, 1992, Wilamowski et al., 2001).

En este método considera una MLP con p parámetros para ser estimados con el método LM utilizando s muestras. La ec. (4) muestra el vector de corrección de los parámetros en la iteración j (Hagan y Menhaj, 1994):

jejAIjη+jAjA=jΔw TT 1 (4)

donde: A - (s x p) matriz jacobiana; I - (p x p) matriz de identidade; - tasa de aprendizaje; e - (s x 1) vector de error (diferencia entre la salida calculada por la MLP y la salida correspondiente del conjunto de datos de entrenamiento).

Los elementos de la matriz A son definidos con detalle en Hagan y Menhaj (1994) y Wilamowski et al., (2001). Una manera óptima para calcular los elementos de esta matriz se presenta en Wilamowski y Yu (2010a).

En este método de entrenamiento, la tasa de aprendizaje se ajusta automáticamente en cada iteración, lo que garantiza la convergencia del proceso. Sin embargo, teniendo en cuenta que la matriz a invertir es de orden igual a la cantidad de parámetros a ser estimados, el tiempo de cálculo aumenta exponencialmente a medida que el número de neuronas ocultas se incrementa, siendo un factor a ser considerado en la adopción de este método.

35

En su versión original, este método requiere una gran cantidad de retropropagación (backpropagation) para calcular la función que desea reducir al mínimo. Wilamowski y Yu (2010b) desarrollaron una metodología que elimina este paso del cálculo, llamada forward-only.

Determinación del modelo geoidal

La determinación del modelo geoidal en esta investigación, se realizó utilizando el paquete computacional Canadiense SHGEO (Stokes-Helmert’s approach to geoid computation). El esquema de cálculo puede resumirse en cinco pasos (Matos et al., 2012, Ellmann y Vaníček, 2007, Blitzkow et al., 2008):

1. Cálculo de las anomalías de aire libre de puntos gravimétricos observados (coordenadas geodésicas, altura ortométrica y aceleración de la gravedad);

2. Cálculo de las anomalías completas de Bouguer, para obtener después las anomalías de aire libre medias en las mallas de 5'. Para estos cálculos son necesarias las anomalías de la etapa anterior y un modelo digital del terreno (MDT);

3. Cálculo de las anomalías de Helmert en la superficie de la tierra, que se obtienen mediante la adición de la anomalía de aire libre media, el efecto directo topográfico, el efecto atmosférico directo y el efecto topográfico indirecto secundario;

4. Realización de la integral de Stokes con el uso de la técnica remove-compute-restore. El procesamiento de la integral modificada de Stokes propuesto por Featherstone et al. (2003) se ha realizado mediante la técnica de FFT.

5. Adición del efecto indirecto topográfico primario en las ondulaciones del geoide, que se refiere a un "geoide ficticio" llamado co-geoide (Gemael, 1999; Matos, 2005), para obtener las ondulaciones del geoide referidas al nuevo geoide.

En la región oceánica, se utilizó de las anomalías de aire libre por el DTU10 (Andersen, 2010). El modelo geopotencial utilizado fue el GO_CONS_GCF_2_DIR_R5 (Bruinsma et al., 2013) con un grado 200.

El cálculo de las ondulaciones del geoide para Santa Catarina, requiere datos gravimétricos en la región del cálculo. Diferentes universidades, institutos de investigación y organizaciones, en América del Sur aportaron datos. Es importante mencionar:

1. IBGE; 2. Observatorio Nacional, Petrobras, Agencia Nacional de Petróleo (ANP) y diversas universidades; 3. NGA (National Geospatial-Intelligence Agency); 4. GETECH Group plc; 5. Institutos civiles y militares de los países de América del Sul. Se utilizó el modelo de geoidal GEOID2014 (Blitzkow et al., 2014) para comparar los resultados

obtenidos con los modelos determinados con las mallas de anomalía de la gravedad generadas por la red neuronal. El GEOID2014 se obtuvo dentro del mismo esquema descrito anteriormente, pero basado en el modelo geopotencial EIGEN-6C3stat (n=m=200) (Shako et al., 2014) y sin el uso de la red neuronal para llenar el vacío gravimétrico.

METODOLOGÍA

Datos de gravimetría Se utilizó un conjunto de 20.857 observaciones gravimétricas ubicados en la zona comprendida entre las latitudes -24° y -32° y longitudes -56° y -46 °, cuya distribución espacial se muestra en la Figura 1. Se observa que, con excepción de la región costera, el estado de Santa Catarina tiene cobertura densa de gravimetría, mientras que en Paraguay y buena parte de Rio Grande do Sul la distribución es más escasa.

Determinación de las mallas regulares de anomalía de gravedad con RNA

El modelo de la RNA utilizado para interpolar las anomalías de Bouguer, de aire libre y de Helmert, para una malla regular de 5' emplea la arquitectura MLP, con una única capa de neuronas ocultas, donde se definen las entradas como la latitud, la longitud, la altura ortométrica y la gravedad normal, mientras que la salida es una de las anomalías antes mencionadas, como se muestra en la Figura 2.

36

Figura 1. Distribución de datos terrestres de gravimetría (azul – conjunto de estimación, rojo – conjunto de

validación). Figure 1. Distribution of terrestrial gravity data (in blue – estimate set, in red – validation set).

Figura 2. Modelo de la RNA.

Figure 2. ANN model.

El número de neuronas ocultas se definió con el objetivo de la regularización estructural. Para eso, se utilizó la correlación cruzada. En el inicio del entrenamiento, se estableció la RNA con sólo 2 neuronas ocultas, mediante el aumento de esta cantidad de 4 neuronas para cada proceso. Teniendo en cuenta que los parámetros de cada RNA evaluados, fueron determinados en un proceso iterativo, con la necesidad de establecer los valores iniciales para estos parámetros. En esta investigación, el proceso se completó con 200 iteraciones y los parámetros iniciales han sido definidos por un conjunto de números aleatorios entre 1 y -1.

Los pesos sinápticos de la RNA se calcularon utilizando el programa NBN_LTG. Estos son una adaptación del programa desarrollado por Machado (2012), que permite entrenar la RNA con la arquitectura de la MLP, desde la versión forward-only del método de Levenberg-Marquardt.

37

El programa MLP_Propagation desarrollado en este estudio, se utilizó para calcular las mallas regulares de anomalías de la gravedad desde los pesos sinápticos determinados en el entrenamiento. Los programas utilizados para entrenar la RNA y generar la malla regular de anomalía de gravedad, se han desarrollado en Fortran 77.

Validación de los modelos geoidales

Para evaluar la calidad de la ondulación geoidal a partir de las diferentes soluciones adoptadas, 53 referencias de nivelación y posicionamiento GNSS (GNSS/nivelación), determinadas por el IBGE, fueron utilizadas. La distribución espacial de los puntos se puede ver en la Figura 3. Teniendo en cuenta que las estaciones GNSS/nivelación, se distribuyen con el fin de evaluar no sólo el resultado obtenido en Santa Catarina, sino también en el ámbito de los estados de Paraná y Rio Grande do Sul, los cuales fueron considerados en la investigación. En cuanto a los datos, proporcionados por el IBGE, presentan una desviación estándar en el rango de 7 a 10 cm en la zona de estudio. Estos puntos son todavía escasos en la región, y no presentan una distribución homogénea, sino que le permiten verificar la consistencia entre las cantidades.

Es importante tener en cuenta que la altura ortométrica-normal de las referencias de nivelación, se obtuvo por medio de la nivelación geométrica (definida en un sistema de marea media), mientras que las alturas geodésicas se determinaron con GNSS y se hace referencia a SIRGAS2000, que es un sistema libre de marea (Fortes, 2003). Por lo tanto, con el fin de conciliar, las alturas ortométricas-normales se transformaron en el sistema libre de la marea mediante la ec. (5) (Tenzer et al., 2010.):

2

1

2

3 0,1981 2

media mareamarea de libre senh)k+(+H =H (5)

donde k y h son los números de Love y sus valores son 0,30 y 0,62, respectivamente, y ϕ es la latitud geocéntrica. Esto era necesario porque el GNSS y los GGMs, están relacionados con un sistema libre de marea.

Se calcularon tres modelos de geoide utilizando las mallas de anomalías de Bouguer, aire libre y Helmert generadas con la RNA. El primer modelo geoidal sigue el esquema de cálculo descripto en el tema llamado determinación del modelo geoidal, desde el punto 2. El segundo modelo, desde el punto 3 y el último modelo, comienza desde la técnica remove-compute-restore, en el punto 5.

El método de interpolación bilineal se utilizó para obtener las ondulaciones geoidal de los puntos GNSS/nivelación de los modelos geoidal generados y del GEOID2014. Todos los modelos geoidal probadas, están en el sistema libre de la marea.

RESULTADOS

Evaluación del entrenamiento de las RNA

Analizando el comportamiento de la media cuadrática (RMS), del conjunto de validación de anomalías de gravedad con respecto a las calculadas por la RNA durante el entrenamiento, se encontró que el valor RMS inicial tenía alrededor de 12 mGal. El RMS fue reducido cuando hubo aumento de neuronas ocultas hasta que se alcanzó un nivel. Las mallas de anomalías de gravedad se han generado con el número de neuronas ocultas, resultando en 128, 118 y 108 neuronas ocultas, en el caso de anomalía de Bouguer, aire libre y Helmert, respectivamente.

La figura 4, muestra la distribución espacial de RMS obtenidos con el conjunto de datos de validación (mGal) de anomalías de Bouguer, aire libre y Helmert, respectivamente. Se observa una similitud entre las soluciones. Diferencias con mayor magnitud han ocurrido en zonas de terreno accidentado y/o con medida escasa, la aceleración de la gravedad.

38

Figura 3. Ubicación de los puntos GNSS/nivelación.

Figure 3. Location of GNSS/levelling stations.

Figura 4. Distribución espacial de las diferencias de anomalía de la gravedad (datos de validación). Figure 4. Spatial distribution of gravity anomaly difference (validated data).

La Figura 5 muestra la distribución de las diferencias de anomalías de gravedad calculado sobre el conjunto de datos de validación. Parece que alrededor del 79% de la diferencia de las anomalías de Bouguer y aire libre están dentro de ± 5 mGal. Este porcentaje aumenta hasta el 81% en el caso de la anomalía de Helmert. El RMS de la validación fue 4,48, 4,51 y 4,47 mGal, respectivamente.

Figura 5. Distribución de las diferencias de la anomalía de gravedad.

Figure 5. Gravity anomaly difference distribution.

39

La Tabla 1, muestra algunas estadísticas de diferencias de anomalías de la gravedad. Se observa que las soluciones presentarán diferencias de medias cercanas a 0. Esto demuestra que prácticamente no hay errores sistemáticos. También se puede notar que los efectos aleatorios de las tres soluciones son alrededor de 4,5 mGal.

Solución Valor Medio RMS Máximo Mínimo Anomalía de Bouguer -0,03 4,48 48,65 -25,15 Anomalía de Aire Libre -0,03 4,51 54,73 -27,57 Anomalía de Helmert -0,03 4,47 56,71 -31,76

Tabla 1. Estadísticas de las diferencias de anomalías de la gravedad (mGal).

Table 1. Statistics of gravity anomalies difference (mGal).

Evaluación de los modelos geoidales

La comparación estadística de los valores de la ondulación geoidal obtenido de las estaciones GNSS/nivelación, con la calculada por el modelo geoidal se puede ver en la Tabla 2. Se observa que la ondulación geoidal calculada con la solución RNA_Helmert, presenta la media y el RMS más pequeño, lo que demuestra que esta solución es la menos afectada por los efectos sistemáticos y aleatorios.

La Figura 6 muestra los histogramas de las diferencias en la gama de 0,2 m. Teniendo en cuenta que el 90% de las diferencias de ondulación geoidal de la solución RNA_Helmert es entre 0,2 y 0,2 mGal. Para otras soluciones, este porcentaje se reduce aproximadamente a 75%.

La Figura 7 muestra el mapa de las discrepancias entre los puntos GNSS/nivelación y el modelo geoidal GEOID2014. Se observa que los modelos geoidales calculados con las mallas obtenidas con la RNA mostraron un buen desempeño en la región de terreno irregular, que se encuentra al sudeste de Santa Catarina. Cabe destacar, que la solución calculada con la malla RNA_Helmert, mostró mejores resultados en el sur de Rio Grande do Sul y el oeste de Paraná. Se observa también que este modelo tuvo el peor resultado en dos puntos: en las regiones del noroeste de Rio Grande do Sul y Paraná.

Valor Medio (m) RMS (m) Máx. positiva (m) Máx. negativa (m)

GEOIDE2014 0,10 0,17 0,31 -0,40

GEOIDE_SC RNA_Helmert 0,03 0,13 0,21 -0,47

GEOIDE_SC RNA_Aire libre 0,09 0,17 0,21 -0,43

GEOIDE_SC RNA_bouguer 0,09 0,17 0,35 -0,43

Tabla 2. El análisis estadístico de las diferencias absolutas utilizando GNSS/nivelación

Table 2. Statistical analysis of absolute difference using GNSS/levelling.

Figura 6. Histogramas de las diferencias absolutas en intervalos de 0,2 m para los modelos mencionados. Figure 6. Histogram of absolute difference in intervals of 0.2 m for the mentioned models.

40

Las figuras 8 y 9 muestran el relieve de la zona de estudio, desde el MDT, y una representación del modelo geoidal calculada con la malla RNA_ Helmert, respectivamente. Se puede ver que el valor de la ondulación geoidal tiende a aumentar de este a oeste, debido a la influencia de los Andes. Se observa también, la influencia de la masa contenida en la zona con más relieve en el valor de la ondulación del geoide.

Figura 7. Mapa de las diferencias absolutas.

Figure 7. Map of absolute difference.

Figura 8. Mapa del MDT.

Figure 8. DTM map.

41

Figura 9. Modelo geoidal de SC obtenido con la malla RNA_Helmert.

Figure 9. SC geoid model obtained with the RNA_Helmert grid.

CONCLUSIONES

En este artículo se presentó una comparación de las ondulaciones geoidales calculadas por GEOID2014 y por tres modelos geoidales computados con mallas de anomalías de Helmert, aire libre y Bouguer, obtenidos con la técnica de RNA.

A partir de la evaluación de los modelos geoidales con los puntos de GNSS/nivelación, se observa que la solución Helmert_RNA presentó resultados 23% mejor que otras soluciones, que muestra una mayor confiabilidad para su uso. Por lo tanto, se afirma que este resultado demuestra que la aplicación de esta metodología está indicada para el llenado de vacíos gravimétricos de la malla regular de esta anomalía, obtenida mediante el esquema de cálculo del modelo geoidal descrito en el tema llamado determinación del modelo geoidal.

Por último, esta técnica también se utiliza para generar otras mallas de anomalías de Helmert en otras regiones de Brasil. Cabe señalar, que los resultados preliminares muestran que es factible en el llenado de pequeños vacíos gravimétricos. Sin embargo, no presenta buenos resultados para la interpolación o extrapolación de esta información en las regiones con un gran vacío gravimétrico, como en el caso del Norte, Centro y Noreste de Brasil.

Agradecimientos. Los autores agradecen a las organizaciones civiles y militares de diferentes países por los datos gravimétricos asignados al LTG. En particular, la exquisita obra de CGED/IBGE.

REFERENCIAS Abbas, T., C. Jallouli, Y. Albouy, M. Diament, (1990). A comparison of surface fitting algorithms for

geophysical data. Terra-Nova, 2(5): 467-475. Akcin, H., C.T. Celik, (2013). Performance of artificial neural networks on kriging in modeling local

geoid. Boletim de Ciências Geodésicas, 19(1): 84-97. Andersen, O.B., (2010). The DTU10 Gravity field and Mean sea surface, Second international

symposium of the gravity field of the Earth (IGFS2010), Fairbanks, Alaska. (Poster) Battiti, R., (1992). First and second order methods for learning: between steepest descent and

Newton’s method. Neural Computation, 4(2): 141-166. Bishop, C.M., (2006). Pattern recognition and machine learning. Singapore: Springer: 738.

42

Blitzkow, D., A.C.O.C. Matos, D.S. Costa, G.N. Guimarães, M.C. Pacino, E.A. Lauria, C.A.C. Castro Jr., A.R. Mesquita, (2014). Gravity surveys and quasi-geoid model for South America. In: The 3rd International Gravity Field Service (IGFS) General Assembly, June 30-July 6, 2014, Shanghai, China.

Blitzkow, D., A.C.O.C. Matos, I.O. Campos, A. Ellmann, P. Vaniček, M.C. dos Santos, (2008). An attempt for an Amazon geoid model using Helmert gravity anomaly. In: Michael G. Sideris. (Org.). Observing our Changing Earth. 1 ed.: Springer-Verlag, 133: 187-194.

Bruinsma, S., C. Foerste, O. Abrikosov, J.C. Marty, M.H. Rio, S. Mulet, S. Bonvalot, (2013). The new ESA satellite-only gravity field model via the direct approach, Geophysical Research Letters, 40(14): 3607-3612.

Cybenko, G., (1989). Approximations by superpositions of sigmoidal functions. Math. Control Signal Systems, 2: 303-314.

Ellmann, A., P. Vaníček, (2007). UNB applications of Stokes-Helmert’s approach to geoid computation. Journal of Geodynamics, 43: 200-213.

Featherstone, W.E. (2003). Software for computing five existing types of deterministically modified integration kernel for gravimetric geoid determination. Computers and Geosciences, 29(2): 183-193.

Fortes, L.P.S. (2003). O sistema de Referência SIRGAS2000. XXI Congresso Brasileiro de Cartografia, Belo Horizonte, MG.

Funahashi, K., (1989). On the approximate realization of continuous mappings by neural networks. Neural Networks, 2(3): 183-192.

Gemael, C., (1999). Introdução a Geodésia Física. Curitiba: 2ª ed. Editora UFPR, Brasil: 302. Hagan, M.T., M.B. Menhaj, (1994). Training feedforward neural networks with the Marquardt

algorithm. IEEE Transactions on Neural Networks, 5(6): 989-993. Haykin, S., (1999). Redes neurais: princípios e prática. 2ª ed. São Paulo: Prentice Hall: 900. Hornik, K., M. Stinchcombe, H. White, (1989). Multilayer feedforward networks are universal

approximators. Neural Networks, 12: 359-366. Kuhar, M.B., Stopar, G. Turk, T. Ambrozic, (2001). The use of artificial neural network in geoid

surface approximation. Allgemeine Vermessungs-Nachrichten, 108(1): 22-27. Machado, W.C., (2012). Utilização de redes neurais artificiais na previsão do VTEC visando a

geração de estações de referência virtuais em tempo-real. Tese (Doutorado). Programa de Pós-Graduação em Engenharia de Transportes, Escola Politécnica da Universidade de São Paulo, São Paulo: 184.

Maia, T.C.B., (2003). Utilização de redes neurais artificiais na determinação de modelos geoidais. 2003. 130 p. Tese (Doutorado) Programa de Pós-Graduação em Engenharia de Transportes, São Carlos, Escola de Engenharia de São Carlos da Universidade de São Paulo, São Carlos: 130.

Matos, A.C.O.C., D. Blitzkow, G.N. Guimarães, M.C.B. Lobianco, S.M.A. Costa, (2012). Validação do MAPGEO2010 e comparação com modelos do geopotencial recentes. Boletim de Ciências Geodésicas, 18(1): 101-122.

Matos, A.C.O.C., (2005). Implementação de modelos digitais de terreno para aplicações na área de Geodésia e Geofísica na América do Sul, Tese (Doutorado). Programa de Pós-Graduação em Engenharia de Transportes, Escola Politécnica da Universidade de São Paulo: 355.

Miranda, F.A., S.R.C. de Freitas, P.L. Faggion, (2007). Integração e interpolação de dados de anomalias ar livre utilizando-se a técnica de RNA e krigagem. In: Simpósio Brasileiro de Geomática, Presidente Prudente. São Paulo Anais... Presidente Prudente, UNESP, Artigos: 69-76.

Shako, R., C. Förste, O. Abrykosov, S. Bruinsma, J.-C. Marty, J.-M. Lemoine, F. Flechtner, K.-H. Neumayer, C. Dahle, (2014). EIGEN-6C: A High-Resolution Global Gravity Combination Model Including GOCE Data - In: Flechtner, F., Sneeuw, N., Schuh, W.-D. (Eds.), Observation of the System Earth from Space - CHAMP, GRACE, GOCE and future missions, (GEOTECHNOLOGIEN Science Report; No. 20; Advanced Technologies in Earth Sciences), Berlin, Springer: 155-161.

Stopar, B., T. Ambrožič, M. Kuhar, G. Turk, (2006). GPS-derived geoid using artificial neural network and least squares collocation. Survey Review, 38(300): 513-524.

Tenzer, R., V. Vatrt, A. Abdalla, N. Dayoub, (2010). Assessment of the LVD offsets for the normal-orthometric heights and different permanent tide systems - a case study of New Zealand. Appl. Geom, 3(1): 1-8.

Tierra, A.R., S.R.C. de Freitas, (2005). Artificial neural network: a powerful tool for predicting gravity anomaly from sparce data. In Jekely, C.; Bastos, L.; Fernandes, J. (Eds.) Gravity, geoid and space missions. International Association of Geodesy Symposia, Springer, Berlim, 129: 208-213.

43

Veronez, M.R., S.F. Souza, M.T. Matsuoka, A.O. Reinhardt, (2009). Estimativa de alturas geoidais para o Estado de São Paulo baseada em redes neurais artificiais. Revista Brasileira de Geofísica, 27: 583-593.

Wilamowski, B.M., S. Iplikci, O. Kaynak, M.O. Efe, (2001). An algorithm for fast convergence in training neural networks. In Neural Networks. Proceedings. IJCNN '01. International Joint Conference on, 3(3): 1778-1782.

Wilamowski, B.M., H. Yu, (2010a). Improved computation for Levenberg Marquardt training. IEEE Transactions on Neural Networks, 21(6): 930-937.

Wilamowski, B.M., H. Yu, (2010b). Neural network learning without backpropagation. IEEE Transactions on Neural Networks, 21(11): 1793-1803.

Recibido: Mayo, 2016 Aceptado: Julio, 2017

44

GEOACTA 41(2) (2017) ISSN 1852-7744 © 2017 Asociación Argentina de Geofísicos y Geodestas

MOHO GRAVIMÉTRICO 3-D PARA LA REGIÓN ANDINA ENTRE LAS LATITUDES DE 28° S Y 33° S

3-D GRAVIMETRIC MOHO FOR THE ANDEAN REGION BETWEEN THE LATITUDES OF 28° S AND 33° S

Silvia Miranda1, Juan Manuel Alcacer

1, Alfredo Héctor Herrada

2

1 Departamento de Geofísica y Astronomía, FCEFN, Universidad Nacional de San Juan, Argentina

2 Facultad de Ingeniería, Universidad Nacional de San Juan, Argentina E-mail:smiranda@unsj-cuim.edu.ar

RESUMEN

La profundidad del Moho o interfase corteza-manto es usualmente determinada a escala global o regional, empleando métodos sísmicos, gravimétricos y/o gravimétricos-isostáticos. En general, cada uno de estos métodos, cuando son utilizados por separado, producen resultados distintos (varias decenas de kilómetros), debido a que se basan en hipótesis diferentes y además, los datos son con frecuencia disímiles en cuanto al tipo, calidad y distribución. Estas diferencias podrían tener implicancias importantes en el análisis geodinámico de la región bajo estudio. Argentina es un país con escasas determinaciones de espesores derivados de métodos sísmicos y donde las características corticales y litosféricas son parcialmente conocidas. El objetivo de este trabajo es mejorar el modelo de corteza para Argentina mediante la preparación de modelos de Moho que ajusten tanto los datos gravimétricos como los sísmicos. Para ello se han calculado modelos de Moho derivados de datos de gravedad (Moho gravimétrico o espesor gravimétrico) para la región andina y su antepaís entre las latitudes 28° S y 33° S y longitudes 71,5° W y 66,5° W, área que abarca la provincia de San Juan y sus adyacencias. Los contornos de Moho se obtuvieron por inversión gravimétrica 3-D de un modelo de corteza de una capa simple. La densidad de contraste corteza inferior-manto superior se consideró constante e igual 0,42 g/cm

3, que es un valor medio obtenido a

partir de resultados sismológicos y del modelo global CRUST 1.0. Se elaboraron dos modelos usando alternativamente como dato de entrada la gravedad medida sobre terreno para el modelo de Moho (1), y la perturbación de gravedad provista por el modelo global de gravedad EIGEN-6C4 (n= m= 2190) para el modelo (2). Los espesores computados fueron validados usando profundidades independientes derivadas de datos sísmicos puntuales y de los modelos globales CRUST 1.0 (sismológico) y GEMMA (gravimetría satelital). El modelo de Moho gravimétrico (1) es el que muestra los mejores estadísticos (ajuste rms) de las comparaciones con los espesores sísmicos puntuales. El espesor de corteza varía entre 74 km y 37 km (media de 54 km), con los mayores valores bajo las máximas altitudes de Los Andes. Palabras Clave: espesor de corteza, gravedad, inversión, Andes

ABSTRACT

The depth to the Moho or crust-mantle interface is usually determined at global or regional scale, using seismic, gravimetric and/or gravimetric-isostatic methods. In general, each of these methods, when they are separately used, produce different results (several tens of kilometers) because they are based on different hypotheses and besides the data are often uneven in terms of type, quality and distribution. These differences could have important implications in the geodynamic analysis of the region under study. Argentina is a country with a limited number of seismic thickness determinations and where crustal and lithospheric features are only partially known. The aim of this study is to improve the crustal model for Argentina through the preparation of Moho models that fit both the

45

seismic and gravimetric data. To this end, gravimetric Moho models have been computed for the Andean region and its foreland between 28° S and 33° S of latitude and 71.5° W and 66.5° W of longitude, an area that covers the San Juan Province and its surroundings. The contours of Moho were obtained by 3-D gravity inversion of a simple crustal layer model. The lower crust-upper mantle density contrast is considered to be constant and equal to 0,42 g/cm

3, which is an average value

obtained from seismological results and the global model CRUST 1.0. Two Moho models were prepared using alternately as the input: terrestrial gravity data for the Moho model (1), and gravity disturbances provided by the global model of gravity Eigen-6C4 (n= m= 2190) for the model (2). The computed thicknesses were validated using independent depths derived from seismic point data and the crustal global models CRUST 1.0 (seismology) and GEMMA (satellite gravimetry). The gravimetric Moho (1) is the one that shows the best statistics (rms fit) after comparisons with point-wise seismic data. Crustal thickness varies between 74 km and 37 km (54 km mean) with the highest values under the maximum heights of the Andes. Keywords: crustal thickness, gravity, inversion, Andes.

INTRODUCCIÓN

El conocimiento de la profundidad, la morfología y el carácter (dado, por ejemplo, por el contraste

isotrópico o anisotrópico de la velocidad y la densidad) de la interfase corteza-manto (discontinuidad de Mohorovičić, o simplemente Moho), produce información referida a la evolución cortical, el grado de balance isostático y el estado de esfuerzos intraplaca (Assumpção et al., 2015). De acuerdo a Assumpção et al. (2013), su conocimiento es esencial para algunos estudios sísmicos de modelado de onda regional o global, y cuando el objetivo es analizar anomalías a niveles más profundos.

A escala regional los espesores de corteza para Argentina han sido estimados principalmente a partir de modelado de datos de gravedad, en algunos casos con control sísmico, y de modelos isostáticos predictivos en los cuales la profundidad de Moho se estima en función de la carga topográfica y suponiendo como válida la hipótesis isostática de Airy, la de Vening Meinesz o la isostasia termal (Introcaso et al., 1992; Gimenez et al., 2009; Köther et al., 2012; Prezzi et al., 2014). A escala continental se pueden citar los modelos de Moho gravimétricos de Tassara et al. (2006), van der Meijde et al. (2013, 2015). En los mencionados estudios se han usado como datos de entrada datos terrestres y/o procedentes de modelos geopotenciales de gravedad. A escala global, GEMMA (GOCE Exploitation for Moho Modeling and Applications, Reguzzoni & Sampietro, 2015) es un modelo de Moho derivado de datos satelitales GOCE provenientes del modelo global de gravedad GO_CONS_GFC_2_SPW_R2 (n=m= 280), con una resolución de 0,5°x 0,5°.

Con respecto a modelos de Moho derivados de información sísmica, a escala continental Lloyd et al. (2010), Chulick et al. (2013) y Assumpção et al. (2013) realizaron mapas para Sudamérica usando datos de distintas fuentes. Además, los modelos globales de corteza de la serie CRUST (Laske et al., 2013) proveen espesores de corteza, también basados en especial en datos sísmicos. El último de la serie, CRUST 1.0, consigna para cada celda de 1°, la profundidad de cada capa (e.g., corteza superior, media e inferior), las velocidades de onda (Vp y Vs) y la densidad. Las profundidades de Moho de CRUST 1.0 se basan en promedios de datos de espesores de corteza derivados de estudios sismológicos, o bien, cuando esta información no existe, son inferidos a partir de datos de gravedad.

Debe tenerse en cuenta que los citados modelos sísmicos continentales o globales contienen muy poca información en territorio argentino, en general concentrada en la zona andina (Regnier et al., 1994; Fromm et al., 2004; Alvarado et al., 2005; Gilbert et al., 2006; Alvarado et al., 2007; Gans et al., 2011), por lo cual los modelos gravimétricos resultarían, en ese sentido, más representativos de la corteza argentina a nivel regional, en especial los derivados de modelos geopotenciales de gravedad (e.g., van der Meijde et al., 2013, 2015), debido a la homogeneidad espacial de la información. No obstante, van der Meijde et al. (2015) señalan que hay diferencias de hasta 28 km entre los distintos modelos de base de corteza existentes para Sudamérica. Según estos investigadores, estas diferencias dependerían más de la parametrización y las técnicas de modelado de gravedad utilizadas que de los tipos de datos y su distribución relativa (e. g., terrestres versus modelo de gravedad geopotencial).

En nuestro país, en la región del segmento Chileno-Argentino de subducción subhorizontal de la placa de Nazca por debajo de la placa Sudamericana (Fig. 1) es en donde existe mayor cantidad de determinaciones de espesores corticales derivados de métodos sísmicos. Entre 28° S y 33° S de

latitud, la placa se ubica a unos 100 km de profundidad en un tramo de 300 km (Cahill & Isacks, 1992; Anderson et al., 2007), en coincidencia con la migración hacia el este del arco volcánico, la

46

ausencia de volcanismo en los últimos 2 Ma. (Kay & Mpodozis, 2002) y el aumento de la sismicidad cortical (Alvarado et al., 2007, 2009). Dada la correlación espacial de la parte plana de la placa subductada con la dorsal de Juan Fernández, que proveería así una corteza oceánica engrosada, se ha sugerido que es esta dorsal la que aportaría parcialmente un mecanismo para la flotación positiva de la placa (Gans et al., 2011). A escala regional se reconocen en esta región variaciones en el tipo de deformación y composición, procedencia y edad del basamento. De oeste a este (Fig. 1), se encuentran las provincias geológicas de la Cordillera de la Costa en Chile, la Cordillera de Los Andes que comprende la Cordillera Principal y la Cordillera Frontal, la Precordillera y las Sierras Pampeanas Occidentales. Estas provincias geológicas se apoyan sobre antiguos terrenos alóctonos o para-autóctonos denominados Chilenia, Cuyania y Pampia (Ramos et al., 2002; Fig. 1), separados por importantes suturas.

Figura 1. Mapa de ubicación de la zona de estudio superpuesta a las elevaciones dadas por el modelo global de elevación SRTM 90 m (Farr et al., 2007). En línea blanca se demarcan los límites provinciales en Argentina (línea continua) y al oeste, el límite internacional con Chile (línea trazo largo y corto) y la costa chilena (línea continua).

Las zonas suturas entre terrenos son demarcadas por líneas continuas en gris. Se indican las provincias geológicas (letra cursiva en gris) y los principales terrenos reconocidos. La prolongación aproximada del Ridge de Juan Fernández (Yañez et al., 2001) se indica como “RJF” (línea de trazos en magenta). Los contornos del

techo de la placa subductada según Anderson et al. (2007) son demarcados en línea negra delgada. Figure 1. Location map of the study area superimposed on the altitudes given by the SRTM 90 m global

Elevation Model (Farr et al., 2007). The provincial boundaries in Argentina (continuous line) and to the West, the international border with Chile (long and short dashed line) and the Chilean coast (continuous line) are depicted in

white line. Suture zones between terranes are delineated by continuous lines in grey. Geological Provinces (in grey italics) and the main recognized terranes are indicated. Magenta dashed line marked “RJF” shows the

approximated extension of the Juan Fernández Ridge (Yañez et al., 2001). Thin black contours map the depth to the top of the subducting slab as determined by Anderson et al. (2007).

Investigaciones de la estructura litosférica de la región subducción plana pampeana usando información sísmica han mostrado una corteza y un manto altamente heterogéneos (Alvarado et al., 2005; Gilbert et al., 2006). Análisis de funciones receptoras revelan que el Moho tendría su máximo espesor bajo las mayores altitudes andinas en la Cordillera Principal, pero además la corteza hacia el este permanecería engrosada bajo las menores altitudes de la Precordillera y las Sierras Pampeanas (Regnier et al., 1994; Fromm et al., 2004; Heit et al., 2008, Gilbert et al., 2006; Calkins et al., 2006; Mc Glashan et al., 2008; Gans et al., 2011). El conocimiento de la geometría y profundidad de Moho en esta región es importante en estudios geofísico-geológicos con el fin de comprender la geometría de la subducción plana y la respuesta tectónica asociada de la corteza continental.

En este trabajo se presenta para la provincia de San Juan y sus adyacencias, entre las latitudes 28°-33° S y las longitudes 71,5°-66,5° W, dos modelos de espesor de corteza derivados de datos de gravedad terrestres y de información del modelo global de gravedad EIGEN-6C4, que satisfacen simultáneamente los datos de gravedad y sísmicos. El objetivo principal es evaluar las posibilidades

47

actuales que ofrecen los datos de gravedad terrestres y combinados satelital-terrestres para obtener, por inversión gravimétrica, mapas de espesores corticales de calidad en una región en la cual existe una razonable cantidad de valores de control sísmico. A pesar de la cantidad de información de Moho derivado de datos sísmicos (espesor sísmico o Moho sísmico), esta es muy escasa o nula al norte y al sur de la banda central (30° S-32° S). Es por ello que nuestros modelos de inversión de gravedad se obtuvieron sin utilizar restricciones de profundidad durante el modelado.

METODOLOGÍA

La inversión de datos de gravedad involucra la generación de un modelo de estructura del subsuelo (geometría y densidad) directa y automáticamente a partir de las anomalías observadas (Blakely, 1996). En nuestro estudio, la inversión fue realizada usando el paquete comercial de modelado gravimétrico y magnético GMSYS 3D (Oasis Montaj, Geosoft Inc.), que tiene como una ventaja el permitir realizar el preprocesamiento de los datos dentro del mismo paquete.

El proceso de inversión en GMSYS 3D está fundamentado en el algoritmo de Parker (1972), el cual a su vez está basado en la igualdad entre la transformada de Fourier de la anomalía de gravedad y la suma de los espectros de las superficies que causan la anomalía. En su forma unidimensional esto queda expresado como:

1

1)(

)(!

2)( 0

n

nn

z kxhF

n

ke GgF ec. (1)

donde F es la transformada de Fourier, g es la anomalía de gravedad, G es la constante de

gravitación, es la densidad de contraste a través de la interfase, k es el número de onda, h(x) es la profundidad de la interfase (positiva hacia abajo) y z0 es la profundidad media de la interfase horizontal. Oldenburg (1974) demostró que reordenando la expresión (1) es posible determinar la geometría de la interfase de densidad a partir de las anomalías de gravedad, en un esquema de inversión iterativo realizado de acuerdo con la siguiente ecuación:

2

1) (

)(!2

)()(

0

n

nnzk

xhFn

k

G

exgFxhF

ec. (2)

En este procedimiento se supone una profundidad media de la interfase, z0, y una densidad de

contraste asociada con los dos medios, . En cada iteración, h(x) es evaluado para encontrar una nueva estimación de este parámetro. El proceso continúa hasta un cierto número de iteraciones o cuando la diferencia entre los efectos de gravedad de aproximaciones sucesivas de la topografía de h(x) sea menor que un valor asignado como criterio de convergencia.

La resolución de la inversión es en el dominio del número de onda, por lo que para suavizar efectos de borde, la zona de estudio debe ser expandida en las cuatro direcciones antes de iniciar el proceso.

El modelo resultante no es único sino que es una de las posibles soluciones, cuya respuesta de gravedad satisface los datos observados. La incorporación de „constraints‟ o controles externos derivados de otras técnicas (e.g., datos de espesores sísmicos) puede ayudar a reducir el número de soluciones geológicas válidas y generar un modelo más realista. Sin embargo, si los puntos de control no están distribuidos en forma homogénea sobre el área modelada, la incorporación de puntos de control en el proceso de inversión en general producirá un modelo que muestra un buen ajuste en esos puntos, pero grandes irregularidades en otras zonas (van der Meijde et al., 2013). Otra posibilidad es usar esos puntos de control para evaluar la calidad del modelo de inversión donde exista esta información externa. Este último es el enfoque que hemos seguido en este trabajo. En pocas palabras, hemos llevado a cabo la inversión 3-D de los datos de anomalías de gravedad de Bouguer completas, para producir un mapa de la topografía de Moho que luego ha sido comparado con los resultados sísmicos puntuales y con los espesores producidos por otros modelos.

MODELOS DE MOHO GRAVIMÉTRICOS

48

Se realizaron dos modelos de Moho, adoptando como dato de entrada las anomalías de gravedad

de Bouguer obtenidas a partir de: (1) datos terrestres, (2) las perturbaciones de gravedad derivadas del modelo gravitacional global EIGEN-6C4. Puesto que, en nuestro esquema de inversión, estas anomalías se consideran como la respuesta de gravedad debida únicamente a las ondulaciones de Moho, ellas fueron continuadas analíticamente a una altura de 10 km, de manera de atenuar la contribución de cortas longitudes de onda atribuibles en especial a fuentes emplazadas a niveles superiores a Moho.

Datos de gravedad terrestres y satelitales

Los datos de gravedad terrestre (3543 estaciones, error estimado de 0,5 mGal) vinculados a la red

de gravedad internacional IGSN 1971 (International Gravity Standarisation Network 1971), fueron extraídos de la base de datos del proyecto Gravedad en Sudamérica (SAGP, sigla en inglés) desarrollado bajo el soporte de la Asociación Internacional de Geodesia (Pacino, 2007). Las anomalías de gravedad de Bouguer completas fueron calculadas aplicando correcciones de aire libre siguiendo la aproximación de segundo orden (Hofmann-Wellenhof y Moritz, 2006), y de Bouguer teniendo en cuenta la curvatura terrestre mediante la fórmula de LaFehr (1991) (radio de la capa esférica 167 km, densidad 2,67 g/cm

3). Para la reducción de terreno, la topografía fue aproximada por

el modelo digital de elevación SRTM 90 (Shuttle Radar Topography Mission) de 90 m de resolución nominal (Farr et al., 2007). La gravedad teórica fue calculada a través de la fórmula de Somigliana para el elipsoide de referencia GRS 1980 (Geodetic Reference System 1980; Hofmann-Wellenhof y Moritz, 2006). La Figura 2(A) muestra la ubicación de las estaciones de gravedad sobrepuestas a los contornos de anomalías de Bouguer completas. En ella puede observarse que la cobertura de datos terrestres no es homogénea, particularmente en la zona oeste sobre la Cordillera de Los Andes donde la información terrestre es escasa.

Figura 2. (A) Mapa de contornos de anomalías de Bouguer completas. Se indica con símbolo x la ubicación de

las 3543 estaciones de gravedad terrestres. (B) Mapa de contornos de anomalías de Bouguer derivadas del modelo global de gravedad EIGEN-6C4.

Figure 2. (A) Map of complete Bouguer anomalies contours. Location of 3543 terrestrial gravity stations are

marked by x symbol. (B) Map of contours of complete Bouguer anomalies derived from the global gravity model EIGEN-6C4.

Dada la cobertura espacial uniforme de datos que ofrecen los modelos globales de gravedad, se analizó la validez para esta región, de la información de gravedad generada por dichos modelos.

49

Teniendo en cuenta las grandes altitudes topográficas de la zona de estudio (véase Fig. 1) y siguiendo la recomendación de Köther et al. (2012), en nuestro análisis se usó la perturbación de la gravedad para calcular anomalías de gravedad de Bouguer. Los datos de perturbación de gravedad fueron extraídos de la base de datos ICGEM (International Centre for Global Earth Models, http://icgem.gfz-potsdam.de/ICGEM), seleccionando el modelo EIGEN-6C4 (Förste et al., 2014), el más reciente de la serie EIGEN (European Improved Gravity model of the Earth by New techniques). EIGEN-6C4 es un modelo global de gravedad con coeficientes armónicos esféricos hasta grado y orden n=m= 2190, lo cual equivale a una resolución espacial nominal de 10 km (Hofmann-Wellenhof y Moritz, 2006; Barthelmes, 2013). EIGEN-6C4 es un modelo del tipo combinado que involucra el siguiente tipo de datos (Förste et al., 2014): LAGEOS/SLR (hasta n= m= 30), datos de la misión GRACE (hasta n= m= 175), la serie completa de gradientes de gravedad de la misión GOCE (hasta n=m= 235), y valores de anomalías de gravedad globales (hasta n=m= 2190) que consta de información de altimetría satelital para los océanos y del modelo global EGM2008 (Pavlis et al., 2012) para los continentes.

La Figura 2 (B) presenta las anomalías de Bouguer completas calculadas a partir de la perturbación de gravedad. Al computar las reducciones de Bouguer y de terreno se usaron idénticas fórmulas y procedimientos que en el cálculo de las anomalías terrestres, de acuerdo a lo detallado en el párrafo precedente.

Ambos mapas de anomalías en la Figura 2 presentan similares características, en cuanto a morfología general, con los valores más negativos coincidiendo con las mayores altitudes. Sin embargo, se observan diferencias en la amplitud de las anomalías.

Con el objetivo de validar la información derivada del modelo global de gravedad, se han comparado las anomalías de aire libre terrestres y las perturbaciones de gravedad EIGEN-6C4, las cuales para esta región exhiben un coeficiente de correlación de 0,95. Esta comparación es posible porque las anomalías de aire libre terrestres están referidas al elipsoide. Los estadísticos principales de las anomalías de aire libre terrestres, de las perturbaciones de gravedad EIGEN-6C4 y de sus discrepancias se presentan en la Tabla 1 y en el histograma de la Figura 3(A). Esta última Figura 3 muestra que la mayoría (alrededor del 85 %) de las discrepancias son menores a -30 mGal (media de

-21 mGal). La Figura 3(B) representa la diferencia puntual entre anomalías de aire libre y perturbaciones de gravedad EIGEN-6C4. Si bien este mapa presenta diferencias de amplitudes y signo diverso sobre la totalidad del área analizada, las discrepancias son en general mayores sobre la región de Cordillera de Los Andes, justamente donde se encuentran las mayores altitudes y la menor densidad espacial de datos terrestres.

Máximo Media Mínimo DS rms

Anomalías de Aire Libre 230,39 -76,19 -267,68 67,00 Perturbación de la gravedad 401,36 -55,45 -122,55 71,17 Diferencias 88,66 -20,73 -403,22 22,00 30,23

Tabla 1. Estadísticos (en mGal) de las anomalías de gravedad terrestres y de las perturbaciones de gravedad

EIGEN 6C4 y sus diferencias (3543 puntos). DS: desviación estándar; rms: error cuadrático medio. Table 1. Statistics (in mGal) of terrestrial gravity anomalies and EIGEN -6C4 gravity disturbances and their

differences (3543 points). DS: standard deviation; rms: root mean square error.

Es importante señalar que la validación del modelo global EIGEN-6C4 para Sudamérica (Cancoro de Matos et al., 2015) coincide en señalar que los mayores errores se producen especialmente en regiones de topografía alta y accidentada. Además, para Los Andes entre las latitudes 19° S-30° S, Köther et al. (2012) enfatizan el decrecimiento en la calidad y resolución de los modelos globales de gravedad combinados (EGM 2008, EIGEN-5C, etc.) a medida que la topografía aumenta, junto con una fuerte dependencia de la cobertura espacial de la información terrestre. De la misma manera, Álvarez et al. (2012) encontraron para Los Andes Centrales del Sur importantes diferencias (desviación estándar 12,34 mGal) entre datos de gravedad EGM 2008 y GOCE, ambos hasta grado y orden 250.

En síntesis, para la región analizada las perturbaciones de gravedad EIGEN-6C4 tendrían inconsistencias que podrían atribuirse a una combinación de topografía accidentada y cobertura espacial deficiente de datos terrestres, lo cual degrada la calidad de las predicciones EIGEN-6C4.

Densidad de contraste

50

Uno de los parámetros importantes en nuestros modelos de topografía de Moho gravimétrico es la densidad de contraste entre la corteza inferior y el manto superior a ser considerada. Para el área analizada se calculó una densidad de contraste de 0,42 g/cm

3, como un valor promedio basado en

información sismológica local y global (Ammirati et al., 2015; Laske et al. 2013). Recientemente, Ammirati et al. (2015) prepararon un modelo de velocidad regional 1-D para la región de subducción plana Pampeana y por lo tanto sólo representativo de la porción plana de la placa, en la zona de Precordillera y Sierras Pampeanas Occidentales. Para ello, estos autores usaron datos de 32 estaciones pertenecientes al experimento SIEMBRA (Gans et al., 2011; Porter et al., 2012) para llevar a cabo una inversión conjunta de funciones receptoras telesísmicas y dispersión de velocidad de fase de ondas Rayleigh, con el objetivo de determinar un modelo velocidad-profundidad óptimo. Promediando las densidades del modelo 1-D de velocidades entre 40 km y 60 km (véase en Ammirati et al., 2015, Tabla 1), se obtuvo una densidad de corteza inferior de 2,99 g/cm

3. Por otro lado, para la

corteza inferior de la provincia geológica Cordillera, se estimó una densidad media de 2,85 g/cm3,

valor este extraído del modelo global CRUST 1.0 (Laske et al., 2013). De esta manera la densidad media de la corteza inferior para la región estudiada sería de 2,92 g/cm

3.

Figura 3. (A) Histograma de las diferencias entre anomalías de aire libre terrestres y perturbación de gravedad

derivada del modelo global EIGEN-6C4 (n=m=2190) en la zona analizada. (B) Diferencias entre las anomalías de aire libre terrestres y las perturbaciones de gravedad EIGEN-6C4. Las regiones en blanco corresponden a áreas

en las no hay datos terrestres. Figure 3. (A) Histogram of the differences between terrestrial free-air anomalies and gravity disturbances from

the global model EIGEN-6C4 (n = m = 2190) in the analyzed area. (B) Differences between terrestrial free-air anomalies and EIGEN-6C4 gravity disturbances. The regions in white correspond to areas where there are no

data on land.

Para el manto superior inmediatamente por debajo de la corteza, se consideró una densidad de 3,34 g/cm

3, estimada como un promedio de las densidades del modelo CRUST 1.0 para esta región.

La densidad de contraste de 0,42 g/cm3 entre corteza inferior-manto superior para un modelo simple

de una capa es consistente con otros modelos gravimétricos ensayados a estas latitudes (e.g., Introcaso et al., 1992; Gimenez et al., 2009). También, está de acuerdo con las densidades de contraste reportadas por Rabbel et al. (2013) para la interfase corteza-manto en presencia de láminas subductadas en regiones de orógenos fanerozoicos, y se encuentra dentro del rango mundial promedio (entre 0,28 y 0,48 g/cm

3) reconocido para esta interfase (van der Meijde et al., 2013 y las

referencias en él).

Mapas de Moho

51

Los modelos de Moho computados constan de una capa simple, representando así una corteza simplificada. El modelo inicial fue definido a partir de las profundidades de Moho informadas por el modelo global de corteza CRUST 1.0 (Laske et al., 2013). La densidad de contraste entre corteza

inferior y manto superior fue supuesta como homogénea (= 0,42 g/cm3).

De esta manera, la topografía de Moho fue modelada iterativamente hasta que la respuesta del modelo ajustara a las anomalías observadas. El espesor medio de corteza (z0 en las ecuaciones (1) y (2)) que produjo los resultados más satisfactorios fue de 45 km, el cual resulta un valor razonable para una región donde la corteza está en buena medida engrosada (Gans et al., 2011). Además, el análisis de sensibilidad para la zona de estudio muestra que las incertidumbres de los modelos gravimétricos de corteza, con respecto a los parámetros déficit de densidad (0,42 ± 0,07 g/cm

3) y

espesor inicial de corteza (entre 40 y 50 km), es en total de hasta ± 4 km. Los modelos de Moho (véase Fig. 4) fueron juzgados aceptables combinando los criterios

siguientes: i- la relación entre la desviación estándar del ajuste (entre la anomalía medida y la calculada) y el rango total de anomalías medidas fue inferior al 5%, y ii- la menor diferencia entre los espesores calculados y los derivados de sísmica en 45 puntos de control (Gans et al., 2011) distribuidos en la región analizada.

Los mayores espesores de Moho gravimétrico (Fig. 4) se ubican bajo la Cordillera de Los Andes alcanzando 74 km y 75 km para los modelos (1) y (2), respectivamente. Hacia el este los modelos toman valores máximos semejantes entre sí (Fig. 4): bajo la Precordillera los espesores varían entre 60 km y 55 km, y debajo de las Sierras Pampeanas Occidentales entre 53 km y 40 km. En la Tabla 2 se detallan los principales estadísticos de estos modelos.

Estos resultados preliminares están siendo reevaluados considerando un modelo más realista que incluya otras contribuciones gravimétricas tal como el relleno sedimentario en las capas más superficiales y la placa de Nazca a niveles litosféricos.

Profundidad de Moho máximo

Profundidad de Moho medio

Profundidad de Moho mínimo

Desvío Estándar

Modelo (1) -74 -54 -37 9,6 Modelo (2) -75 -52 -38 9,1

Tabla 2. Estadísticos principales (en km) de cada uno de los modelos de Moho gravimétricos calculados. Modelo

(1): obtenido a partir de la inversión de datos de gravedad terrestres. Modelo (2): derivado de la inversión de datos de gravedad informados por el modelo de gravedad global EIGEN-6C4.

Table 2. Main statistics (in km) of each of the calculated gravimetric Moho models. Model (1): obtained from the

inversion of terrestrial gravity data. Model (2): derived from the inversion of gravity data reported by the EIGEN-6C4 global gravity model.

Validación de los modelos de Moho

Para la validación de los modelos gravimétricos usamos los espesores sísmicos (45 puntos) determinados por Gans et al. (2011). Estos autores utilizaron en su análisis datos provenientes de los experimentos SIEMBRA y CHARGE, ambos de sísmica de fuente pasiva, los cuales consisten en arreglos de estaciones sísmicas de banda ancha. La determinación de Moho sísmico se llevó a cabo mediante la técnica de función receptora sobre distintas fases de ondas P telesísmicas. Se estima que la incertidumbre en estos puntos de control sísmico sería de aproximadamente ±2 km (Assumpção et al., 2013).

Por otro lado, como ya mencionáramos, la incertidumbre de los modelos de Moho gravimétrico debido a los parámetros seleccionados es como máximo de ±4 km. No obstante, existen fluctuaciones espaciales de manera que las mayores incertidumbres se producen para los mayores espesores.

Teniendo en cuenta ambas incertidumbres (espesores gravimétricos ±4 km y sísmicos ±2 km), resulta que las diferencias de Moho gravimétrico y sísmico dentro del rango ±6 km serían estadísticamente equivalentes.

La Figura 4 muestra la distribución espacial de los 45 puntos de control sobrepuestos a los contornos de Moho gravimétrico. En estos mapas se indican los rangos de variación de las diferencias entre los espesores sísmicos y los gravimétricos. Los estadísticos principales de las discrepancias se consignan en la Tabla 3.

La Figura 4 evidencia que el 82% de los espesores de Moho calculados por el modelo (1) y el 64% de los espesores (2) ajustan razonablemente (≤ ±6 km) con los valores sísmicos puntuales, lo que probaría un buen ajuste de los modelos gravimétricos. En términos de errores cuadráticos medios

52

(Tabla 3), también es el modelo (1), obtenido a partir de la inversión de datos de gravedad terrestre, el que produce espesores de Moho de mejor ajuste con los espesores sísmicos (rms= 5,2 km).

Los espesores modelados también se compararon con los provistos por el modelo global CRUST 1.0 (Laske et al., 2013). Las diferencias entre la profundidad del modelo CRUST 1.0 y las obtenidas para los modelos de gravedad se detallan en la Tabla 3. Dichas diferencias son de 7-8 km en términos de error cuadrático medio. Es decir que los modelos gravimétricos (1) y (2), en términos de error cuadrático medio, se ajustan mejor a los valores puntuales que a las profundidades CRUST 1.0. Por otro lado, cuando se comparan los espesores sísmicos puntuales (Gans et al., 2015) y los

predichos por CRUST 1.0, las diferencias presentan un error cuadrático medio de 5 km y una media

de 3 km.

Figura 4. Modelos de profundidades de Moho para San Juan y sus alrededores. (A) Modelo (1) obtenido a partir

de la inversión de datos de gravedad terrestre. (B) Modelo (2) calculado mediante la inversión de datos de gravedad globales EIGEN-6C4. Los puntos de control sísmico se señalan con símbolos círculo sólido. El patrón

de colores indica las diferencias entre los espesores sísmicos (Gans et al., 2011) y los espesores obtenidos según los modelos gravimétricos de Moho. Los círculos en verde representan a los espesores gravimétricos que

ajustan con los valores sísmicos en el rango ± 6 km. MPS: Moho sísmico, M: Moho gravimétrico. Figure 4. Models of Moho depths for San Juan and its surroundings. (A) Model (1) obtained from the inversion of

terrestrial gravity data. (B) Model (2) calculated by means of the inversion of Eigen-6C4 global gravity data. The seismic control points are marked with solid circle symbols. The colour pattern indicates the differences between

seismic thicknesses (Gans et al., 2011) and thicknesses obtained according to the gravity Moho models. The circles in green represent the gravimetric thicknesses that fit with seismic values seismic in the range of ± 6 km.

MPS: seismic Moho, M: gravimetric Moho.

En la Figuras 4 se observa que sobre el terreno Cuyania, las diferencias son casi en su totalidad positivas, indicando que el espesor gravimétrico producido por cualquiera de los modelos es sistemáticamente menor que el sísmico. Estudios gravimétricos previos (Gimenez et al., 2009; Alvarado et al., 2009) sobre un perfil centrado en aproximadamente 30° 30‟ S señalaron esta diferencia, que fue interpretada en términos de un exceso de densidad a niveles corticales y/o

subcorticales. Fromm et al. (2004) mostró para esa sección (30° 30‟ S) que el espesor sísmico de la corteza es mayor que el requerido para balancear isostáticamente la topografía de esa región. Nuevamente esto indicaría excesos de densidad en la subsuperficie, que han sido interpretados por Gimenez et al. (2009) como una combinación del efecto de gravedad positivo de la placa de

subducción subhorizontal (100 km de profundidad entre 28° y 33° S), y a la probable eclogitización parcial de la parte inferior de la corteza inferior, que aportaría su alta densidad para conciliar el espesor sísmico y el isostático. Otros autores (Gilbert et al., 2006; Alvarado et al., 2009) han considerado que la eclogitización aludida podría proveer por si sola el exceso de densidad requerido. Ammirati et al. (2015) reconocieron una alta velocidad de ondas S en la corteza de la Precordillera,

53

especialmente a partir de 40 km de profundidad y un contraste de velocidad bajo entre corteza y manto superior, condiciones estas compatibles con eclogitización parcial en la corteza inferior. Este cambio gradual de velocidad y por ende de densidad, dificultaría la determinación cuantitativa tanto del Moho sísmico como del gravimétrico.

Además, para la validación de los modelos de Moho gravimétrico, hemos comparado nuestros resultados con las profundidades de Moho predichas por el modelo GEMMA (Reguzzoni & Sampietro, 2015). Los contornos de Moho GEMMA son el resultado de una combinación del modelo sísmico global de corteza CRUST 2.0 con observaciones de gravedad satelital GOCE. En este modelo global, previo a la inversión gravimétrica para obtener GEMMA, los datos de gravedad fueron reducidos a un modelo de dos capas a través de la remoción de los efectos de la topografía, los sedimentos, las capas de hielo y la batimetría. Durante el procedimiento, también se consideraron relaciones densidad-profundidad hipotéticas para cada provincia geológica y un modelo de variaciones laterales de densidad en el manto superior. Los errores en la predicción de Moho de este modelo global varían entre 4 km y 9 km sobre la región analizada (Reguzzoni & Sampietro, 2015). La Tabla 4 resume las diferencias de este Moho con los modelos de gravedad (este trabajo) y los espesores sísmicos de Gans et al. (2015). En términos de error cuadrático medio las diferencias varían entre 7,8 km y 10,5 km, siendo los espesores del modelo (2) derivados de datos de gravedad globales los que exhiben el mejor ajuste. En otras regiones de Argentina, como en el macizo norpatagónico, GEMMA ha mostrado buena correlación con modelos derivados de datos sísmicos y/o gravimétricos (Gómez Dacal et al., 2016).

Diferencias Diferencias MCRUST -M(i)

Máx. Media Mín. rms Máx. Media Mín. rms

Modelo (1) 13,2 2,3 -5,8 5,2 8,2 4,8 -20,2 7,9

Modelo (2) 13,0 4,1 -5,1 6,4 9,6 -2,6 -14,0 6,7

Tabla 3. Estadísticos principales (en km) de las diferencias entre profundidades de Moho predichas por cada uno

de los modelos calculados (M(i)) y valores sísmicos puntuales (MPS). También entre los modelos calculados y los valores predichos por el modelo global de corteza CRUST 1.0 (MCRUST). Modelo (1): obtenido a partir de la inversión de datos de gravedad terrestres. Modelo (2): derivado de la inversión de datos de gravedad dados por

el modelo global combinado EIGEN- 6C4. Table 3. Main statistics (in km) of the differences between Moho depths predicted by each of the calculated

gravimetric Moho models (M (i)) and point seismic depths (MPS). Also between the calculated models and predicted values by the global crustal model CRUST 1.0 (MCRUST). Model (1): obtained from the inversion of

terrestrial gravity data. Model (2): derived from the inversion of gravity data given by the combined global model EIGEN-6C4.

Diferencias Máx. Media Mín. rms

MGEMMA-M(i) Modelo (1)

9,6 -4,0 -18,7 8,2

MGEMMA-M(i) Modelo (2)

11,4 -2,2 -14,4 7,8

MPS-MGEMMA 22,8 6,3 -7,7 10,5

Tabla 4. Estadísticos principales (en km) de las diferencias entre profundidades de Moho predichas por cada uno

de los modelos (M(i)) y valores predichos por el modelo global GEMMA. También se muestran las diferencias entre los valores sísmicos puntuales (MPS) y los espesores GEMMA (MGEMMA). Modelo (1): obtenido a partir

de la inversión de datos de gravedad terrestres. Modelo (2): derivado de la inversión de datos de gravedad dados por el modelo global combinado EIGEN- 6C4.

Table 4. Main statistics (in km) of differences between depths predicted by each of the calculated gravimetric

Moho models (M (i)) and values predicted by the global model GEMMA. Also the differences between point-wise seismic values (MPS) and GEMMA thicknesses (MGEMMA) are shown. Model (1): obtained from the inversion of terrestrial gravity data. Model (2): derived from the inversion of gravity data given by the combined global model

EIGEN-6C4

Sintetizando, para la región estudiada las profundidades de Moho obtenidas a partir de la inversión de datos de gravedad terrestre produce los mejores estadísticos cuando la comparación es con

54

valores sísmicos puntuales. Los espesores procedentes del modelo global GEMMA muestran en esta zona errores mayores que la media global del modelo.

Nótese (Tablas 3 y 4) que en la comparación con los espesores GEMMA y CRUST 1.0, es el modelo 2 (derivado del modelo global) el que produce los menores valores de diferencia media y error cuadrático medio de espesores de Moho. Este resultado es lógico si se toma en cuenta el carácter regional (o de larga longitud de onda) de los modelos GEMMA y CRUST 1.0.

CONCLUSIONES

Se realizaron para la región andina comprendida entre las latitudes de 28° S y 33° S, dos modelos gravimétricos de Moho. El primero (1) es el resultado de la inversión de datos de gravedad terrestres y el segundo (2) de la inversión de datos provenientes del modelo de gravedad global EIGEN-6C4.

La validación del modelo global de gravedad EIGEN-6C4 con una resolución nominal (n=m= 2190), realizada mediante la comparación con anomalías de gravedad terrestres (3543 puntos) muestra que para esta región, EIGEN-6C4 predice las anomalías de gravedad con un error cuadrático medio de 30,2 mGal. Esto condiciona la calidad del modelado gravimétrico, de tal forma que el modelo de Moho (2) produce mayores discrepancias que el modelo (1) cuando los espesores de Moho calculados son comparados con valores sísmicos puntuales. La calidad y resolución del modelo global más reciente disminuirían con el aumento de las altitudes topográficas y la disminución de densidad de datos terrestres disponibles para su construcción.

La validación de las profundidades del modelo (1) con espesores sísmicos puntuales con buena distribución areal, indica que el 82 % de los espesores (1) ajustan adecuadamente en el rango de ±6 km. Las mayores diferencias, en su mayoría positivas, se producen sobre el terreno Cuyania, donde el espesor sísmico es mayor que el gravimétrico. En especial en la Precordillera se han reconocido estructuras litosféricas con bajos contrastes de velocidad/densidad que dificultan el reconocimiento y posterior modelado de Moho. En este contexto, tampoco deberían descartarse errores mayores a los aquí supuestos en los espesores sismológicos.

La validación del modelo (1) con los espesores informados ya sea por el modelo global sismológico de corteza CRUST 1.0 o los correspondientes al modelo global gravimétrico GEMMA indican un

ajuste de 8 km, en términos de error cuadrático medio. La validación del modelo (2) muestra un mejor ajuste con los espesores GEMMA y CRUST 1.0,

debido al carácter regional de las longitudes de onda involucradas en los mismos. Los espesores de Moho derivados de los modelos globales CRUST 1.0 y GEMMA muestran

diferencias del orden de 5 km y 10 km (rms), respectivamente, con respecto a los valores sísmicos puntuales.

Las profundidades máximas de Moho gravimétrico para el modelo (1), derivado de la inversión de

datos terrestres, serían: 74 km en la Cordillera de Los Andes, 60 km en la Precordillera, 53 km en las Sierras Pampeanas Occidentales.

En síntesis, nuestros resultados indicarían que al presente, para la región analizada la información terrestre sería la más adecuada para el modelado de Moho, y que el uso datos de gravedad derivados de modelos globales de alta resolución como EIGEN-6C4, no presentaría ventajas en términos de calidad y exactitud. Sin embargo, la escasez de datos terrestres y la no homogeneidad de los mismos hacen que las profundidades de Moho obtenidas por inversión de gravedad de datos terrestres sólo sean válidas donde existe esta información. Por otro lado, en donde los datos terrestres son dispersos o no existen, se podría incorporar información de gravedad de un modelo

satelital puro, lo cual contribuiría a mejorar el modelo de Moho a escala regional. Agradecimientos: La presente investigación ha sido realizada a través de subsidios de la Universidad Nacional de San Juan (PIC 21E/1025) y la Agencia Nacional de Promoción Científica y Tecnológica (PICT 2015-1077. Los autores expresan un agradecimiento especial a los árbitros que contribuyeron a una mejora sustancial del contenido de este manuscrito.

REFERENCIAS

55

Alvarado, P.M., S. Beck, G. Zandt, M. Araujo, E. Triep, (2005). Crustal deformation in the south-central Andes back-arc terranes as viewed from regional broadband seismic waveform modelling. Geophysical Journal International, 163: 580-598.

Alvarado, P., S. Beck, G. Zandt, (2007). Crustal structure of the South-Central Andes Cordillera and Backarc region from regional waveform modeling. Geophysical Journal International, 170: 858–875.

Alvarado, P., M. Pardo, H. Gilbert, S. Miranda, M. Anderson, M. Saez, S. Beck, (2009). Flat slab subduction and crustal models for the seismically active Sierras Pampeanas region of Argentina. En: Backbone of the Americas: Shallow Subduction, Plateau Uplift, and Ridge and Terrane Collision. Kay, S.M., Ramos, V.A., Dickinson, W.R. (Eds). Geological Society of America Memoir 204, 261-278,

Álvarez, O., M. Gimenez, C. Braitenberg, A. Folguera, (2012). GOCE satellite derived gravity and gravity gradient corrected for topographic effect in the South Central Andes region. Geophysical Journal International, 190: 941–959.

Ammirati, J. B., P. Alvarado, S. Beck, (2015). A lithospheric velocity model for the flat slab region of Argentina from joint inversion of Rayleigh wave phase velocity dispersion and teleseismic receiver functions. Geophys. J. Int., 202; 224-241.

Anderson, M., P. Alvarado, G. Zandt, S. Beck, (2007). Geometry and brittle deformation of the subducting Nazca Plate, Central Chile and Argentina. Geophys. J. Int., 171(1): 419–434,

Assumpção, M., M. Bianchi, J. Julià, F. L. Dias, G. Sand Franca, R. Nascimento, S. Drouet, C. García Pavão, D. Farrapo Albuquerque, A.E.V. Lopes, (2015). Crustal thickness map of Brazil: Data compilation and main features. Journal of South American Earth Sciences, 43: 74-85.

Assumpção, M., M. Feng, A. Tassara, J. Julià, (2013). Models of crustal thickness for South America from seismic refraction, receiver functions and surface wave tomography. Tectonophysics, 609: 82-96.

Barthelmes, F., (2013). Definition of functionals of the geopotential and their calculation from spherical harmonic models. Theory and formulas used by the calculation service of the International Centre for Global Earth Models (ICGEM). Scientific Technical Report, STR09/02, Revised edition, January 2013. GFZ German Research Centre for Geosciences, Postdam, Germany. World Wide Web Address: http://icgem.gfz-postdam.de/ICGEM

Blakely, R.J., (1996). Potential theory in gravity and magnetic applications. Cambridge University Press, 441 pp.

Cahill, T., B. Isacks, (1992). Seismicity and shape of the subducted Nazca plate. J. Geophys. Res., 97(B12), 503–529.

Cancoro de Matos, A.C.O., D. Blitzkow, G. do Nascimento Guimarães, M.C.B. Lobianco, I. de Oliveira Campos, (2015). Evaluation of Recent GOCE Geopotential Models in South America. Special Issue Newton‟s Bulletin, 5: 83-103.

Chulick, G.S.,S. Detweiler, W. D. Mooney, (2013). Seismic structure of the crust and uppermost mantle of South America and surrounding oceanic basins. Journal of South American Earth Sciences, 42: 260-276.

Farr, T.G., P.A. Rosen, E. Caro, R. Crippen, R. Duren, S. Hensley, M. Kobrick, M. Paller, E.

Rodriguez, L. Roth, D. Seal, S. Shaffer, J. Shimada, J. Umland, M. Werner, M. Oskin, D. Burbank,

D. Alsdorf, (2007). The Shuttle Radar Topography Mission. Review of Geophysics, 45; 1-33. Förste, C., S. Bruinsma, O. Abrikosov, Oleg, F. Flechtner, J. C. Marty, J. M. Lemoine, C. Dahle, H.

Neumayer, F. Barthelmes, R. König, R. Biancale, (2014). EIGEN-6C4 - The latest combined global gravity field model including GOCE data up to degree and order 1949 of GFZ Potsdam and GRGS Toulouse, EGU General Assembly 2014, held 27 April - 2 May, 2014 in Vienna, Austria, id.3707.

Fromm, R., G. Zandt, S.L. Beck, (2004). Crustal thickness beneath the Andes and Sierras Pampeanas at 30°S inferred from Pn apparent phase Velocities. Geophys. Res. Lett, 31 (L06625).

Gans, C.R., S.L. Beck, G. Zandt, H. Gilbert, P. Alvarado, M. Anderson, L. Linkimer, (2011). Continental and oceanic crustal structure of the Pampean flat slab region, western Argentina, using receiver function analysis: new high-resolution results. Geophysical Journal International, 186: 45–58.

Gilbert, H., S. Beck, G. Zandt, (2006). Lithospheric and upper mantle structure of central Chile and Argentina. Geophysical Journal International, 165: 383-398.

Gimenez, M.E., C. Braitenberg, M.P. Martinez, A. Introcaso, (2009). A comparative analysis of seismological and gravimetric crustal thicknesses below the Andean region with flat subduction of the Nazca plate. International Journal of Geophysics, Article ID 607458, 8 pages

56

Gómez Dacal, M.L., C. Tocho, E. Aragón, (2016). Mohorovicic discontinuity depth analysis beneath North Patagonian Massif. In: Rizos C., Willis P. (eds) IAG 150 Years. International Association of Geodesy Symposia, vol 143. Springer, Cham, 211-218.

Heit, B., X. Yuan, M. Bianchi, F. Sodoudi, R. Kind, (2008). Crustal thickness estimation beneath the southern central Andes at 30°S and 36° S from S wave receiver function analysis, Geophys. J. Int., 174(1): 249–254.

Hofmann-Wellenhof, B., H. Moritz, (2006). Physical Geodesy. Springer-Verlag, New York. 403 pp. Introcaso, A.,M. C. Pacino, H. Fraga, (1992). Gravity, isostasy and Andean crustal shortening between

latitudes 30° S y 35° S. Tectonophysics, 205: 31-48. Kay, S.M., C. Mpodozis, (2002). Magmatism as a probe to the Neogene shallowing of the Nazca plate

beneath the modern Chilean flat-slab. J. S. Am. Earth Sci., 15(1): 39–57. Köther, N., H.J. Götze, B.D. Gutknecht, T. Jahr, G. Jentzsch, O.H. Lücke, R. Mahatsente, R. Sharma,

S. Zeumann, (2012). The seismically active Andean and Central American margins: Can satellite gravity map lithospheric structures? Journal of Geodynamics, 59: 207-2188

LaFehr, T.R., 1991. An exact solution for the gravity curvature (Bullard B) correction. Geophysics, 56

(8): 1179-1184. Laske, G., G. Masters., Z. Ma, M. Pasyanos, (2013). Update on CRUST1.0 - A 1-degree Global Model

of Earth's Crust. Geophysical Research Abstracts, 15: Abstract EGU2013-2658. Lloyd, S., van der Lee, S., Sand França, G., Assumpção, M., Feng, M., (2010). Moho map of South

America from receiver functions and surface waves. Journal of Geophysical Research, 115(B11315),

McGlashan, N., L. Brown, S. Kay, (2008). Crustal thickness in the central Andes from teleseismically recorded depth phase precursors. Geophys. J. Int., 175: 1013–1022.

Oldenburg, D.W., 1974. The inversion and interpretation of gravity anomalies. Geophysics, 39(4): 526–536.

Pacino, M.C., (2007). Absolute Gravity Measurements and Gravity Networks in South America. Nordic Journal of Surveying and Real Estate Research, 4(2): 59-69.

Parker, R.L., (1972). The rapid calculation of potential anomalies. Geophysical Journal of the Royal Astronomical Society, 42: 315-334.

Pavlis, N.K., S.A. Holmes, S.C. Kenyon. J.K. Factor, (2012). The development and evaluation of the Earth Gravitational Model 2008 (EGM2008). Journal of Geophysical Research, 117(B04406).

Porter, R., H. Gilbert, G. Zandt, S. Beck, L. Warren, J. Calkins, P. Alvarado, M. Anderson, (2012). Shear wave velocities in the Pampean flat-slab region from Rayleigh wave tomography: Implications for slab and upper mantle hydration. Journal of Geophysical Research, 117(B11301)

Prezzi, C., M.P. Iglesia Llanos, H.J. Götze, S. Schmidt, (2014). Thermal and geodynamic contributions to the elevation of the Altiplano–Puna plateau. Physics of the Earth and Planetary Interiors, 177: 217-234.

Rabbel, W., M. Kabanand M. Tesauro, (2013). Contrasts of seismic velocity, density and strength across the Moho. Tectonophysics, 609 : 437-455.

Ramos V.A., E.O. Cristallini, D.J. Pérez, (2002). The Pampean flat-slab of the central Andes, J. South Am. Earth Sci., 15: 59–78.

Regnier, M., J.M. Chiu, R. Smalley Jr., B.L. Isacks, M. Araujo, (1994). Crustal thickness variation in the Andean foreland, Argentina, from converted wave. Bull. Seismol. Soc. Am., 84(4): 1097-1111.

Reguzzoni, M., D. Sampietro, (2015). GEMMA: An Earth crustal model based on GOCE satellite data. International Journal of Applied Earth Observation and Geoinformation, 35(A): 31-43.

Tassara, A., H.J. Götze, S. Schmidt, R. Hackney, (2006). Three-dimensional density model of the Nazca plate and the Andean continental margin. Journal of Geophysical Research, 111(B09404).

van der Meijde, M., J. Juliá, M. Assumpcao, (2013). Gravity derived Moho for South America.Tectonophysics, 609: 456-467.

van der Meijde, M., I. Fadel, P. Ditmar, M. Hamayun, (2015). Uncertainties in crustal thickness models for data sparse environments: A review for South America and Africa. Journal of Geodynamics, 84: 1-18.

Yáñez, G.A., C.R. Ranero, R. von Huene, J. Díaz, (2001). Magnetic anomaly interpretation across the southern central Andes (32°–34°S): The role of the Juan Fernández Ridge in the late Tertiary evolution of the margin. Journal of Geophysical Research, 106(B4): 6325–6345

Recibido: Noviembre, 2016 Aceptado: Mayo, 2017

57

GEOACTA 41(2) (2017) ISSN 1852-7744 © 2017 Asociación Argentina de Geofísicos y Geodestas

CONDUCTIVIDAD ELÉCTRICA DE UN SUELO TRATADO CON EFLUENTES GANADEROS

ELECTRICAL CONDUCTIVITY OF A SOIL

TREATED WITH EFFLUENT FROM LIVESTOCK

Fabián Lemeillet1, Claudia Sainato

1, Horacio Malleville

1, Lorna Carbó

2 y Alejandra Herrero

2

1Cátedra de Física, Facultad de Agronomía, Universidad Nacional de Buenos Aires; 2

Area de Bases Agrícolas, Facultad de Ciencias Veterinarias, Universidad Nacional de Buenos Aires;

E-mail: lemeillet@agro.uba.ar

RESUMEN

La presencia de sustancias contaminantes en el suelo supone la existencia de efectos nocivos potenciales para el hombre, la flora y la fauna y, su posibilidad de transmitirse a medios como el agua subterránea, hace que ecosistemas alejados de la zona contaminada también puedan verse afectados. Los efluentes ganaderos son una fuente de contaminación originada por la escorrentía de estiércol desde granjas de producción animal intensiva. Estos son además utilizados como fertilizantes, sin conocerse sus efectos sobre el suelo. La geofísica, en particular el método geoeléctrico, mide la conductividad eléctrica del suelo (CE). A partir de ésta se pueden determinar zonas salinizadas. El objetivo del trabajo fue identificar contrastes en los valores de CE asociados a la presencia de sales de nitratos derivadas de la mineralización de efluentes ganaderos. El estudio consistió en un ensayo a pequeña escala sobre parcelas experimentales con un historial de fertilización con estiércol bovino. Se realizaron tomografías de resistividad eléctrica sobre cada parcela en dos instancias de diferente condición de humedad (Año 1 y Año 2). Los datos observados de CEa (conductividad eléctrica aparente) fueron invertidos mediante un software 2D, obteniéndose por cada perfil de parcela, un modelo de distribución de la CE verdadera del suelo. Los modelos permitieron observar que solo para el año de mayor humedad edáfica (Año 1) hubo una correlación positiva entre las cargas de estiércol y la CE de los modelos correspondientes. Para el análisis específico de la relación CE y sales de nitrato, dentro de cada parcela se muestrearon 4 sectores, se obtuvieron las concentraciones de nitratos y éstas fueron relacionadas con la CE de los modelos para los mismos sitios. Las mayores correlaciones también se produjeron en las parcelas del primer año. En el Año 2, caracterizado por una baja humedad del suelo y la presencia de zonas aéreas altamente resistivas, se observaron grandes contrastes de CEa dentro de las parcelas que habrían producido resultados ruidosos en los modelos, condicionando la eficiencia de la tomografía de resistividad eléctrica este año. Adicionalmente, al contarse con datos de CEp (conductividad eléctrica en pasta de saturación) en la cabecera de cada parcela, se la comparó con la CE del modelo respectivo para ese mismo lugar. Para el Año 1, ambas variables correlacionaron con un R

2 del 85%, y para el Año 2, el ajuste fue moderado (55 %). La eficacia de

las tomografías eléctricas para la detección de la salinidad derivada de la mineralización de la materia orgánica, está influenciada por el contenido hídrico y el agrietamiento del suelo, pero en líneas generales se puede señalar que la metodología puede contribuir a un diagnóstico del contenido de sales de nitrato. Palabras Clave: geoeléctrica, efluentes ganaderos, contaminación, conductividad eléctrica, resistividad eléctrica, conductividad eléctrica en pasta de saturación.

58

ABSTRACT

The presence of contaminants in the soil implies the existence of potential adverse effects to

humans, plants and animals, and the ability of them to be transmitted to groundwater, may also affect remote ecosystems. Livestock effluents are a source of diffuse pollution from runoff of manure from intensive animal production farms. Geophysics, particularly geoelectrical method, measures the electrical conductivity (EC). With EC, salinity areas may be determined. The objective was to identify contrasts of EC values associated with the presence of nitrate salts derived from livestock effluent mineralization. The study was a small scale trial on experimental plots with a previous fertilization with cattle manure. Electrical resistivity tomographies were carried out at the plots in two instances with different soil moisture condition (Year 1 and Year 2). The observed data of ECa (apparent electrical conductivity) were processed using a software 2D, obtaining for each plot a model of distribution of true soil EC. The models allowed observing that only for the year of higher edaphic humidity (Year 1) there was a positive correlation between the manure loads and the EC of the corresponding models. For the specific analysis of the EC and nitrate salts relationship, within each plot four sectors were sampled, nitrate concentrations were obtained and these were related to EC models for the same sites. The highest correlations also occurred in the first year plots. In Year 2, characterized by low soil moisture and the presence of highly resistive air zones, there were large contrasts of CEa within the plots that would have produced noisy results in the models, conditioning the efficiency of electrical resistivity tomography, this year. Additionally, when CEp (electric conductivity in saturation paste) data were taken at the head of each plot, it was compared with the CE of the respective model for that same site. For Year 1, both variables correlated with R

2 of 85%, and for Year 2, the adjustment was moderate (55%). The efficacy of

electric tomography for the detection of salinity from organic matter mineralization is influenced by water content and soil cracking, but in general terms it can be pointed out that the methodology can contribute to a diagnosis of the content of nitrate salts. Keywords: geoelectrical method, livestock effluents, pollution, electrical conductivity, electrical resistivity, electrical conductivity in saturated paste.

INTRODUCCION

La intensificación de los sistemas ganaderos resulta en el incremento de los flujos de energía y de nutrientes y en riesgos de contaminación. Los animales excretan al ambiente entre 60 y 80% del nitrógeno (N) y el fósforo (P) que ingieren, a través de la orina y las heces. Los procesos de contaminación del suelo vinculados con la producción animal intensiva provienen de la acumulación de excretas en corrales de alimentación, o bien de su aplicación excesiva como fertilizante orgánico en los cultivos. Los principales contaminantes en estos sistemas confinados son el N y el P, y su acumulación puede afectar la calidad del suelo y otros recursos, como el agua (Herrero y Gil, 2008).

La Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO) se refiere a los efluentes ganaderos, como una fuente de contaminación difusa que constituye un grave peligro para la calidad del agua subterránea, y señala a la lixiviación por nitratos como la causa principal de esta problemática. (FAO, 1997).

Las propiedades eléctricas de los suelos están fuertemente influenciadas por su porosidad y grado de saturación, y además, dependen de la salinidad del agua contenida en los poros. Por este motivo, se han desarrollado métodos geofísicos de alta resolución para suministrar información precisa sobre la profundidad, espesor y continuidad lateral del subsuelo, dando lugar a una creciente disciplina conocida como “Near Surface Geophysics”. Para este tipo de estudios, es especialmente efectiva la tomografía de resistividad eléctrica, que puede considerarse como fruto de la evolución de los métodos geoeléctricos clásicos como el sondeos eléctricos verticales (SEV) (Tapias et al, 2005).

A partir del uso de estos métodos en investigaciones arqueológicas, la Ciencia del Suelo comenzó a acrecentar su interés en la prospección eléctrica subsuperficial (Samouellian et al.,

59

2005). En este sentido, Losinno et al. (2003) analizaron la CE en la interfase agua dulce-agua salada de los acuíferos más superficiales en la zona agrícola-ganadera de Pergamino (Argentina).

Entre los trabajos de contaminación de agua subterránea por actividad ganadera intensiva, se destacan los de Drommerhausen et al. (1995) y Sainato et al. (2006a), quienes determinaron los límites de zonas contaminadas por medio de la detección de valores anómalos de CE. En el primer caso, se utilizó un medidor de conductividad electromagnética que estudió la contaminación en ocho tambos de cinco condados en Georgia (USA), y donde se encontró una alta incidencia de nitratos en agua de pozo. En el segundo, se realizaron tomografías de resistividad eléctrica en dos tambos (Venado Tuerto y Carmen de Areco, Argentina) para detectar anomalías de CE que estuvieran relacionadas con un proceso de contaminación por efluentes, tanto en la zona no saturada como en el agua subterránea, hallándose que la salinidad estuvo asociada a un alto contenido de nitratos, fosfatos y sulfatos.

Entre la variedad de estudios de este tipo aplicados a la zona superficial de la tierra (tanto la zona no saturada como el acuífero freático) se encuentran los de Corwin et al. (2003), quienes elaboraron protocolos con valores de conductividad eléctrica (CE) destinados a evaluar la calidad de suelos sódico-salinos en el centro de California. Por su parte, Valente et al. (2012) correlacionaron la CE con diversas propiedades de un suelo arcilloso de uso agrícola en el estado de Minas Gerais, Brasil, con el objeto de ensayar la geoeléctrica como método de interpretación de la variabilidad de las cualidades físicas y químicas del suelo.

La Conductividad Eléctrica Aparente (CEa) fue ampliamente utilizada para caracterizar espacialmente la salinidad y nutrientes en el suelo (p.e., NO3

-), también propiedades relacionadas

con la textura, con la densidad aparente (tal como la compactación), con la materia orgánica, y con otras propiedades del suelo (Corwin y Lesch, 2005).

El término “CEa” que emplea la Ciencia del Suelo, se refiere a la conductividad eléctrica de un sistema no homogéneo influenciado por el conjunto de propiedades edáficas como la presencia de arcilla, la porosidad, la estructura, y también las sustancias contaminantes en la solución del suelo (Sainato et al., 2006b). Por lo tanto, esta ciencia, a diferencia de la Geofísica, no solo adopta dicho término para referirse a los datos eléctricos experimentales (a campo),sino también, a los valores reales de la CE del suelo resultantes de su modelización. Sin embargo, para posibilitar una lectura en términos de la geofísica, distinguiremos en este trabajo a la “CEa” como la conductividad eléctrica experimental, y a la CE o conductividad eléctrica real del suelo, como la surgida de la modelización de los datos experimentales.

Usualmente, para medir la salinidad del suelo superficial, se utiliza la técnica de laboratorio llamada CE en pasta de saturación (CEp), que requiere del muestreo del suelo, su transformación en una pasta saturada con agua destilada en un recipiente, y la utilización de un sistema de electrodos, Page (1982). Este parámetro suele ser utilizado en la clasificación de las aguas para riego según el grado de salinidad del suelo (Sainato et al, 2006b). Así, en la agricultura, la adopción de los métodos geofísicos eléctricos fue mayormente motivado por la necesidad de obtener mediciones confiables, fáciles y rápidas de salinidad, evolucionando hasta la actualidad, donde la CE se ha convertido en una herramienta para la caracterización espacial de la variabilidad de varias de las propiedades del suelo (Corwin, 2008). Estos métodos permiten además, realizar sondeos exploratorios para un diseño óptimo del muestreo de suelos, utilizando la CE como factor de bloque de un muestreo tradicional (Johnson et al., 2005).

Resulta importante evaluar la relación existente entre las propiedades asociadas con la salinidad del suelo y la CE obtenida por métodos exploratorios, de forma de evitar muestreos muy intensivos y de costosa ejecución. Si bien la caracterización de la salinidad por medio de la CE fue abordada por un amplio grupo de autores, entre ellos Corwin y Lesch (2005), Neely et al. (2016) y Bänninger et al. (2009), existe un área de vacancia en el conocimiento de su relación con la presencia de sales provenientes de la mineralización de los efluentes de la actividad ganadera intensiva. Además, no son habituales los estudios a pequeña escala, como puede ser la caracterización de propiedades del suelo en parcelas experimentales en condiciones medianamente controladas.

El objetivo de este trabajo fue estudiar a pequeña escala y con parcelas experimentales con un historial de fertilización con efluente bovino (estiércol), el uso de la metodología geoeléctrica, más precisamente, tomografías de resistividad eléctrica, para identificar contrastes de valores de CE asociados a la presencia de sales derivadas de la mineralización de la materia orgánica, haciendo énfasis en las sales de nitrato.

60

De esta manera, se buscó investigar la contribución de la metodología de exploración geoeléctrica como herramienta de diagnóstico rápido de la contaminación del suelo, proporcionando a su vez información que pudiera servir de base para aplicar procedimientos de análisis más exhaustivos.

MATERIALES Y METODOS

El ensayo tuvo lugar en un lote de campo ubicado en el predio de la Facultad de Veterinaria de la

Universidad de Buenos Aires, en la Capital Federal, a los 34° 35’34’’ S y a los 58º 28’ 52’’ O, donde se disponía de cuatro parcelas de un suelo Argialbol de textura franco-arcillosa, que habían formado parte de un experimento a largo plazo de fertilización con estiércol para el rendimiento de especies forrajeras; de manera que, la salinización alcanzada en estas parcelas, fue caracterizada mediante una exploración geoeléctrica, de tipo tomografía de resistividad eléctrica.

Cada parcela medía 10 m de largo por 2 m de ancho, con 1 m de distancia entre ellas como zona de separación (Fig.1). Una nueva parcela de iguales características y sin antecedentes de fertilización fue adicionada como testigo, conformando un total de 5 (cinco) parcelas.

El estudio se inició mediante tomografías de resistividad eléctrica sobre las 5 parcelas el 9 de junio de 2009, instancia a la que hemos denominado “Año 1”, y continuó con una segunda serie de sondeos el 29 de diciembre de 2010 (Año 2). Debido a que el método geoeléctrico es altamente dependiente del contenido hídrico (Archie, 1942; Samouellian et al. 2005), se buscaron estaciones climáticas disímiles, que permitieran ensayar la metodología con diferentes contenidos de humedad en la parte superficial del suelo.

Un sondeo geoeléctrico consiste en medir la resistividad aparente del suelo (ρa) al flujo de una corriente eléctrica a través de cuatro electrodos colocados en línea en la tierra (Corwin, 2008). Con el objeto de realizar las tomografías de resistividad eléctrica para cada parcela, se utilizó un resistivímetro SARIS (SCINTREX), que hace circular la corriente de intensidad "i" entre los electrodos de corriente A y B; y que mide a través de los electrodos M y N la diferencia de potencial originada (ΔV). Con un factor geométrico K que depende de la ubicación de los electrodos, se obtiene la pseudosección de resistividades aparentes del subsuelo en estudio (Losinno et al. 2008). La ec. 1 describe lo antedicho para la determinación de la resistividad aparente:

𝜌𝑎 = 𝐾 ∆𝑉

𝑖 (1)

Figura 1. Distribución de las parcelas (1,2,3,4, testigo) con orientación O-E en el lote de la Fac. de Veterinaria

(UBA). Figure 1. Distribution of the plots (1,2,3,4, control site) facing W-E, in a plot at the Faculty of Veterinary

Medicine (UBA).

La configuración de electrodos empleada en el trabajo fue la dipolo-dipolo (Weinzettel et al. 2009). Para cada tomografía se utilizó una cantidad de 30 electrodos en línea, con una longitud

61

total de 6 metros y separación entre ellos de 20 cm. Se emplearon 6 niveles de sondeo (n = 6) produciendo una abertura máxima (valor de separación máximo entre electrodos de corriente y voltaje) de 1.2 m.

Los datos de ρa obtenidos de esta forma, fueron procesados mediante el software de inversión DCIP2D (UBCGIF) (University of British Columbia – Geophysical Inversion Facility), desarrollado en base al trabajo de Oldenburg y Li (1994), obteniéndose los modelos de resistividad verdadera (ρ) del suelo correspondientes a cada parcela (5 modelos en total). Este tipo de modelos es el resultado de una rutina de inversión por cuadrados mínimos que sigue el programa, dando por resultado la distribución bidimensional de resistividades del subsuelo. La metodología consiste en encontrar un modelo de distribución de ρa (predicha) que sea lo más cercana posible a los datos

experimentales (observados) obtenidos en el campo. La función misfit (𝜙) que se minimiza según los procedimientos estadísticos standard está dada por la ec. (2):

𝜙 = 𝜌𝑝𝑟𝑒 − 𝜌𝑜𝑏𝑠

𝜀𝑖

2

𝑛𝑖=1 (2)

Donde 𝜌𝑝𝑟𝑒 − 𝜌𝑜𝑏𝑠es la diferencia entre la resistividad observada (aparente) y la predicha, 𝜀𝑖 esel error en la medición, y n el número de datos.

Se consideró un error del 5% para cada dato, teniendo en cuenta cálculos estimativos de las desviaciones standard de los datos observados; y el valor de misfit para el modelo final corresponde (según el procedimiento de Oldenburg y Li, 1994) a una variable x

2 con un valor

esperado de N x chifact, donde N es el número de datos y chifact es un factor de convergencia. Se utilizó como modelo inicial el promedio de las resistividades aparentes medidas en el campo.

En los primeros 40 cm de profundidad se intensificó el número de celdas para poder describir mejor la zona de muestreo. En la dimensión lateral se colocó 1 nodo cada 2 electrodos. Lejos de la zona de interés de medición, las celdas aumentaron su tamaño en un factor 2 o 3. En todo el diseño de la malla se siguieron las recomendaciones del tutorial del programa de cálculo.

Una vez obtenidos los modelos para cada parcela, los datos de resistividad fueron convertidos a valores de conductividad eléctrica “CE” (inversa de la resistividad).

A los efectos de relacionar los valores de CE del modelo con la presencia de nitratos en sectores específicos de cada parcela, luego de cada sondeo se extrajeron con barreno 4 muestras de suelo (desde el origen a 1 m, 2.5m, 3.5m y 5m) a lo largo de la línea que ocuparon los electrodos (ver figura 2). La profundidad de muestreo fue de 40 cm. Las sales de nitratos fueron analizadas químicamente y se determinaron sus concentraciones por reacción colorimétrica y posterior medición en espectrofotómetro (Marbán, 2005).

Figura 2: Esquema general del perfil de electrodos en una parcela, indicando en negro los

cuatro sectores de muestreo de suelo, a 40 cm de profundidad, de donde se analizaron la concentración de nitratos y la humedad gravimétrica. La CE se obtuvo de los modelos

derivados de las tomografías de resistividad eléctrica. Figure 2: General scheme of the profile of electrodes at a plot indicating the four sectors of

soil sampling, at a depth of 40cm, where concentration of nitrates and gravimetric humidity were analyzed. The CE was obtained from the models of electrical resistivity tomographies.

La ecuación 3 es la Ley de Archie (Archie, 1942), la cual describe la dependencia de la

62

resistividad del suelo (ρo) con la resistividad eléctrica del fluido que satura los poros (ρf) y la porosidad ϕ (m es un exponente de cementación).

𝜌𝑜 = 𝜌𝑓 ∙ 𝜙−𝑚 (3)

En el caso nuestro (medios no saturados) la expresión de Archie es como la describen Frohlich y Parke (1989) (ecuación 4); donde ρb es la resistividad del suelo, a, m y n son constantes para el tipo de sedimento del medio, ρw es la resistividad del agua en los poros, ϕ es la porosidad y S el contenido de agua.

𝜌𝑏 = 𝑎 ∙ 𝜌𝑤 ∙ 𝜙−𝑚 ∙ 𝑆−𝑛 (4)

El predio donde se encontraban las parcelas era de aproximadamente 30 x 30 metros, lo suficientemente pequeño como para inferir que no había diferencias sensibles en la porosidad dentro del terreno, con lo cual, la resistividad encontrada en cada parcela podía ser explicada fundamentalmente por las variaciones de salinidad y humedad en el suelo.

Dado que el nivel de humedad es condicionante de la CE del suelo, ya que el agua se comporta como un electrolito donde la CE de la solución depende del número y movilidad de los iones (Keller, 1988), se determinó además la humedad gravimétrica (Page, 1982) de muestras obtenidas en los mismos cuatro sectores referidos anteriormente (Fig. 2).

Por último, como se contaba con valores de Conductividad Eléctrica en Pasta de Saturación (CEp) en la cabecera de cada parcela y a los 40cm de profundidad, se la comparó con la CE de los modelos para el mismo sector. La CEp es una técnica de laboratorio de Física de Suelos empleada para medir la salinidad; lo que requiere de una muestra de suelo y su transformación en una pasta saturada con agua destilada en un recipiente. El agua es extraída mediante una bomba de vacío y su conductividad eléctrica es medida con un conductivímetro (Page, 1982).

El análisis de los resultados correspondió en primer lugar, a comparar los cinco modelos de CE entre sí, teniendo en cuenta la carga original de estiércol que había recibido cada parcela.

El siguiente paso consistió en un análisis puntualizado de la relación de la CE en los modelos y las sales de nitrato, en los cuatro sectores muestreados de cada parcela (mismos sectores en los modelos), a los 40 cm de profundidad.

Por último, se comparó la CE con la CEp, en un sector específico dentro de cada parcela/modelo, donde se disponía de un valor de CEp de manera puntualizada.

RESULTADOS Y DISCUSIÓN En la tabla 1 se presenta el resumen de la cantidad de estiércol aplicado durante el experimento

antecesor según dosis equivalente a kg de nitrógeno por hectárea. Para la zona de estudio, los valores de precipitación y temperaturas próximos a los ensayos se

muestran en la tabla 2. En esta se observa que para el Año 2, las condiciones climáticas fueron diferentes a las del primero, es decir, hubo temperaturas sensiblemente más altas en los días previos al ensayo, tanto medias como medias máximas, y además se produjo una menor precipitación.

Las figuras 3 a 7 muestran en la parte superior, los modelos de conductividad eléctrica obtenidos en la inversión de los datos de ρa para cada parcela y cada año de análisis; y en la parte inferior, las pseudosecciones de CE aparente observada y predicha por los modelos; junto con los valores del misfit ϕ.

En general, las distribuciones de CE de las pseudosecciones son similares, indicando un buen ajuste en la inversión, si bien en el segundo año los valores de misfit son más altos, probablemente debido a una baja condición de humedad del suelo y presencia de grietas que aportaron datos ruidosos durante la inversión.

Se realizó una estimación de la profundidad de investigación para la parcela más conductora, según el algoritmo de Oldenburg y Li (1999), resultando en alrededor de 50-60cm.

En las figuras 3 a 7, los 4 sectores de los modelos donde se analiza la relación entre nitratos y CE, corresponden a la línea de los 40 cm de profundidad y su intersección con las distancias de

63

muestreos. Para estos puntos se indican los valores de CE (S/m), así como las concentraciones de nitratos (mg de N por kg de suelo) y además la humedad gravimétrica (%).

Tabla 2: Comparación de precipitación y temperaturas entre los dos períodos de medición (Año 1y Año 2).

Fuente: Meteored (2016). Table 2: Comparison of precipitation and temperatures between the two measurement periods (Year 1 and

Year 2).

Al comparar la tabla 1 (cargas de estiércol) con los modelos de las figuras 3 a 7, se observa para

el Año 1, una relación positiva entre las cargas aplicadas a las parcelas y la CE en los modelos correspondientes. Puede visualizarse en los modelos (para todo el perfil) un incremento de CE (identificada en el rango del marrón al rojo) a medida que una parcela recibe mayor carga de estiércol. El orden creciente tanto de estiércol como CE es: Testigo - Parcela 3 - Parcela 1 - Parcela 2 -Parcela 4. De esta manera, la totalidad de las sales inorgánicas (entre las que se encuentran los nitratos) producto de la mineralización de la materia orgánica (estiércol), estarían contribuyendo al aumento generalizado de CE en las parcelas, y que se expresa en los modelos.

Al tratarse de parcelas pequeñas y cercanas, es de esperar humedades similares entre sí (ver valores de humedad gravimétrica en las figuras de 3 a 7). Y siendo que la porosidad y el contenido de arcilla se pueden suponer uniformes en el terreno, la diferencia de CE entre parcelas, respondería preponderantemente a la variación en la concentración de las sales mineralizadas.

Para el Año 2, la relación recién descripta no se verifica (Fig. 3 a 7), donde es probable que la escasa humedad del suelo y la presencia de espacios aéreos altamente resistivos como grietas, visibles durante el ensayo, e identificadas en azul en los modelos, habrían proporcionado una alta heterogeneidad en el suelo de las parcelas, condicionando la eficiencia del método geoeléctrico, expresándose en un misfit más alto este año para el ajuste de los datos experimentales.

Año 1 – Análisis de la relación nitratos-CE (a 40 cm de profundidad) Para el Testigo, las anomalías de menor CE (0.01-0.02 S/m) son coincidentes con menores

AÑOS 2006 2007 2008 TOTAL

Parcela 1 100kg 100kg 100kg 300kg Parcela 2 100kg 100kg 150kg 350kg Parcela 3 0kg 0kg 150kg 150kg Parcela 4 0kg 200kg 200kg 400kg

Tabla 1: Resumen de la frecuencia y cantidad de estiércol aplicado por

parcela y expresado según dosis equivalente a kg N/ha. Table 1: Summary of the frequency and amount of manure applied per

plot and expressed as equivalent dose to kg N/ha.

Precipitación media de los 30 días previos al ensayo

Temperatura media de los 15 días previos

Temperatura media máxima de los 10 días previos al ensayo

AÑO 1 (9/6/2009) 82.66 mm 12.05 °C 15.21 °C

AÑO 2 (29/12/2010) 59.82 mm 26.50 °C 32.85 °C

64

contenido de nitratos en la parcela (9 mg/kg). Similarmente, los valores de CE más altos (0.04 – 0.03 S/m) corresponden a concentraciones más altas (12 y 14 mg/kg).

En la parcela 1, esta tendencia se cumple para tres de los cuatro puntos (no se verifica en el extremo derecho). Así, en la zona central, las concentraciones de 20 y 19 mg/kg se corresponden con mayores valores de CE (0.04 y 0.03 S/m respectivamente), y en el extremo izquierdo, una baja en los nitratos a 10 mg/kg, muestra una reducción a 0.02 S/m.

En la parcela 4, el comportamiento es análogo a lo anterior: 33 mg/kg de nitratos se relacionan con 0.09 S/m (valores más altos tanto de CE como de Nitratos), 24 mg/kg con 0.05 S/m, y las menores concentraciones (15 y 14 mg/kg) con las menores CE (0.04 S/m).

En el caso de la parcela 2 y 3, no hay una correlación clara entra ambas variables. Por ejemplo en la 2, en el sector derecho, una concentración de nitratos sensiblemente mayor dentro de la parcela (44 mg/kg) no se corresponde con la CE más alta del modelo. Similarmente en la parcela 3, un bajo contenido de nitratos (8 mg/kg) no es correspondido por la menor CE detectada. Lo mismo sucede con la concentración más alta dentro de la parcela 3, donde los 39 mg/kg no responden a la mayor CE.

Figura 3. Parcela Testigo. Parte superior: Modelos de CE (conductividad eléctrica verdadera) para ambas

instancias de medición (año 1 y año 2). Los 4 sectores donde se comparan los nitratos con la CE, corresponden a las intersecciones entre la horizontal de 40cm de profundidad y las 4 verticales equivalentes a

las distancias de muestreo desde el origen (1m, 2.5m, 3.5m y 5m). Para cada punto se indican la CE del modelo, la humedad gravimétrica y la concentración de nitratos. Parte inferior: CE aparente observada y

predicha asociada a cada uno de los modelos (incluyéndose el misfit). Figure3. Test Plot. Upper part: models of EC (real electrical conductivity) for both instances of measurement

(first and second year). The 4 sectors where nitrates are compared with the EC, correspond to the intersections between the 40cm deep line and the 4 vertical linesfor the distances from the origin (1m, 2.5m,

3.5m and 5m). For each point the model EC, gravimetric humidity and nitrate concentration are indicated. Bottom: Observed and predicted CE associated to each of the models (including misfit).

65

Figura 4. Parcela1. Parte superior: Modelos de CE (conductividad eléctrica verdadera) para ambas instancias

de medición (año 1 y año 2). Los 4 sectores donde se comparan los nitratos con la CE, corresponden a las intersecciones entre la horizontal de 40cm de profundidad y las 4 verticales equivalentes a las distancias de muestreo desde el origen (1m, 2.5m, 3.5m y 5m). Para cada punto se indican la CE del modelo, la humedad

gravimétrica y la concentración de nitratos. Parte inferior: CE aparente observada y predicha asociada a cada uno de los modelos (incluyéndose el misfit).

Figure 4. Plot 1. Upper part: models of EC (real electrical conductivity) for both instances of measurement (first

and second year). The 4 sectors where nitrates are compared with the EC, correspond to the intersections between the 40cm deep line and the 4 vertical linesfor the distances from the origin (1m, 2.5m, 3.5m and 5m). For each point the model EC, gravimetric humidity and nitrate concentration are indicated. Bottom: Observed

and predicted CE associated to each of the models (including misfit).

66

Figura 5. Parcela2. Parte superior: Modelos de CE (conductividad eléctrica verdadera) para ambas instancias

de medición (año 1 y año 2). Los 4 sectores donde se comparan los nitratos con la CE, corresponden a las intersecciones entre la horizontal de 40cm de profundidad y las 4 verticales equivalentes a las distancias de muestreo desde el origen (1m, 2.5m, 3.5m y 5m). Para cada punto se indican la CE del modelo, la humedad

gravimétrica y la concentración de nitratos. Parte inferior: CE aparente observada y predicha asociada a cada uno de los modelos (incluyéndose el misfit).

Figure 5. Plot 2. Upper part: models of EC (real electrical conductivity) for both instances of measurement (first

and second year). The 4 sectors where nitrates are compared with the EC, correspond to the intersections between the 40cm deep line and the 4 vertical linesfor the distances from the origin (1m, 2.5m, 3.5m and 5m). For each point the model EC, gravimetric humidity and nitrate concentration are indicated. Bottom: Observed

and predicted CE associated to each of the models (including misfit).

67

Figura 6. Parcela3. Parte superior: Modelos de CE (conductividad eléctrica verdadera) para ambas instancias

de medición (año 1 y año 2). Los 4 sectores donde se comparan los nitratos con la CE, corresponden a las intersecciones entre la horizontal de 40cm de profundidad y las 4 verticales equivalentes a las distancias de muestreo desde el origen (1m, 2.5m, 3.5m y 5m). Para cada punto se indican la CE del modelo, la humedad

gravimétrica y la concentración de nitratos. Parte inferior: CE aparente observada y predicha asociada a cada uno de los modelos (incluyéndose el misfit).

Figure 6. Plot 3. Upper part: models of EC (real electrical conductivity) for both instances of measurement (first

and second year). The 4 sectors where nitrates are compared with the EC correspond to the intersections between the 40cm deep line and the 4 vertical linesfor the distances from the origin (1m, 2.5m, 3.5m and 5m). For each point the model EC, gravimetric humidity and nitrate concentration are indicated. Bottom: Observed

and predicted CE associated to each of the models (including misfit).

68

Figura 7. Parcela4. Parte superior: Modelos de CE (conductividad eléctrica verdadera) para ambas instancias

de medición (año 1 y año 2). Los 4 sectores donde se comparan los nitratos con la CE, corresponden a las intersecciones entre la horizontal de 40cm de profundidad y las 4 verticales equivalentes a las distancias de muestreo desde el origen (1m, 2.5m, 3.5m y 5m). Para cada punto se indican la CE del modelo, la humedad

gravimétrica y la concentración de nitratos. Parte inferior: CE aparente observada y predicha asociada a cada uno de los modelos (incluyéndose el misfit).

Figure 7. Plot 4. Upper part: models of EC (real electrical conductivity) for both instances of measurement (first

and second year). The 4 sectors where nitrates are compared with the EC correspond to the intersections between the 40cm deep line and the 4 vertical linesfor the distances from the origin (1m, 2.5m, 3.5m and 5m). For each point the model EC, gravimetric humidity and nitrate concentration are indicated. Bottom: Observed

and predicted CE associated to each of the models (including misfit).

Año 2 – Análisis de la relación nitratos-CE a 40 cm de profundidad Una característica distintiva de este año es el bajo contenido de humedad en las parcelas (ver los valores en los modelos de las figuras 3 a 7, y los de precipitaciones y temperatura en la tabla 2). Es notorio en los modelos, en comparación con el Año 1, zonas de CE muy heterogéneas dado por sectores altamente resistivos (identificados en azul), atribuibles a espacios aéreos (grietas), debido al desecamiento de la zona más superficial de la tierra.

Al analizar la relación nitratos-CE en los 4 sectores de referencia, sólo es factible encontrar alguna dependencia en los sectores del modelo más homogéneo en términos de CE. En el caso del Testigo por ejemplo, no hay una correspondencia entre la mayor CE (0.1 S/m) y la más alta concentración de nitratos (28 mg/kg), como tampoco entre la CE más baja (0.03 S/m)y los menores contenidos de la sal (13 mg/kg).

En la parcela 2, la relación nitratos-CE es algo mayor. Hay un aumento de la CE junto a los

69

nitratos en los sectores de CE más homogéneos del modelo. Así, para una CE de 0.09 S/m, el contenido de nitratos es de 94 mg/kg; y una baja en los nitratos de 52 mg/kg, lleva a una reducción a 0.05 S/m.

En la parcela 4, la falta de correlación prevalece, donde el valor más alto de CE (0.8 S/m) se corresponde, contrariamente, con el más bajo de nitratos (13 mg/kg). Puede notarse en este modelo que dicho sector se ubica en una zona muy heterogénea de CE, con lo cual se acrecienta por un lado, la probabilidad de que el sitio de muestreo no haya coincidido exactamente con el punto de CE identificado en el modelo; y por el otro, que al presentarse sectores muy resistivos, la inversión de los datos haya producido en las zona más conductora contigua, una conductividad eléctrica muy alta, que no resulta ser demasiado confiable. Ya en el centro de la parcela 4, los sitios de muestreo se ubican en zonas de alta resistividad, probablemente por mayor presencia de aire, lo que directamente dificulta evaluar la relación Nitratos-CE.

Las altas temperaturas y evaporación previas a esta instancia de medición, habrían contribuido a un menor contenido de humedad en el perfil y a un mayor agrietamiento del suelo. Como el método geoeléctrico es altamente dependiente de la humedad para la conducción electrolítica (Sudduth et al., 2005, Corwin y Lesch, 2005, Kühn et al., 2008, Allred, 2008) y además el suelo se encontraba con una gran cantidad de grietas, la variabilidad lateral producida en la CE afectó la interpretación de los resultados este año, reflejado en los altos valores de misfit.

En el resto de las parcelas (1 y 3), el análisis lateral de cómo varía la CE en respuesta a la presencia de nitratos, tampoco muestra una tendencia positiva para este año.

Altos contrastes de CE dentro de un mismo modelo no son exclusivos del Año 2. En el Año 1, aunque con menor frecuencia, se observan también algunas inconsistencias por probables datos ruidosos considerados por el programa durante la convergencia, tal como sucede con el Testigo, a los 4 metros desde el origen, donde el valor de CE es 0.02 S/m (50 ohmm de resistividad), no compatible con un suelo franco arcilloso y una humedad del 20%.

Respecto del aumento que se produce en la concentración de nitratos entre el Año 1 y el Año 2, esto respondería al proceso de mineralización a través del tiempo. Es sabido que en el caso de la aplicación de estiércol en cultivos, sólo una parte del contenido total de nutrientes (nitratos, sulfatos, cloruros, etc) se libera por descomposición, quedando el resto en forma residual para los años siguientes. Estimaciones de la mineralización del nitrógeno para el estiércol bovino en el primer año de aplicación es altamente variable y se encuentra en el rango de entre 0 y 50% del nitrógeno orgánico original. Una relación de descomposición de 0.35, 0.15, 0.10 y 0.05, indica que el primer año se descompone un 35%, el residual del primer año en un 15%, el residual del segundo un 10%, etc. (Van Kessel et al., 2000). Puede considerarse entonces para el Año 2, que es más gravitante el aumento de los nitratos que la baja en la humedad, en el incremento final de la CE (una menor humedad, por si sola, provocaría una disminución de la CE).

En relación al alto contenido de nitratos del Testigo durante el segundo año, siendo que esta parcela no recibió carga de estiércol alguna, es preciso remarcar que el mismo se ubicaba en un sector apartado del lugar de ensayo dentro del predio, rodeado de arbustos y cubierto periódicamente por plantas gramíneas, con lo cual la liberación de nutrientes en el testigo pudo haber respondido a un proceso propio de mineralización, dado por la materia orgánica natural en contacto directo con la parcela.

Respecto de la parcela 3, si bien es la única donde los nitratos disminuyeron, es la parcela que en su origen recibió la menor cantidad de estiércol de manera sensible (Tabla 1), lo que pudo haber contribuido a una menor disponibilidad de nitratos en los primeros centímetros de suelo al momento del muestreo en el segundo año.

Tanto los valores de CEp (Conductividad Eléctrica en Pasta Saturada) determinados para los 40cm de profundidad y en la cabecera de cada parcela (a 1 m desde el origen), como los valores de CE de los modelos para la misma posición, se presentan en la tabla 3.

Las correlaciones surgidas de la tabla 3 (Fig. 8 y 9) muestran un buen ajuste para el Año 1, con un R

2 del 85%, y uno moderado para el Año 2 (R

2 del 55 %) instancia esta última donde el método

geoeléctrico pudo haberse visto condicionado, como se explicó anteriormente, por una mayor cantidad de datos ruidoso durante la convergencia de los modelos, en respuesta a las características más heterogéneas y contrastantes del suelo dentro de cada parcela.

70

Año 1 Año 2

CEp (S/m) CE (S/m) CEp (S/m) CE (S/m)

Testigo 0.02 0.01 0.01 0.05

Parcela 1 0.02 0.02 0.01 0.03

Parcela 2 0.03 0.06 0.02 0.05

Parcela 3 0.03 0.05 0.01 0.03

Parcela 4 0.03 0.04 0.02 0.09

Tabla 3. Para ambas instancia de medición (Año 1 y Año 2), valores de CEp (Conductividad Eléctrica

en Pasta Saturada) determinados para los 40cm de profundidad y en la cabecera de cada parcela (a 1 m desde el origen), y los valores de CE de los modelos para la misma posición.

Table 3. For both measurement instances (Year 1 and Year 2), CEp values (Electrical Conductivity in

Saturated Pasta) determined for the 40cm depth and at the head of each plot (1m from the origin), and the EC values of the models for the same position.

A diferencia de la CE, la CEp mide la conductividad eléctrica del suelo en respuesta sólo a la salinidad. Aun así, se esperó encontrar alguna correlación con la CE del método geoeoléctrico, que involucra a un conjunto de variables edáficas. En tal sentido, Sudduthet al. (2005) investigaron la relación de la CE con varias de estas propiedades, concluyendo para la relación CE-CEp, una correlación de aproximadamente el 60%, tanto para un suelo franco, como otro franco limoso en el estado de South Dakota, Estados Unidos, y para un contenido de humedad del 13%.

Figura 8. Año 1. Relación entre la CE (Conductividad Eléctrica del método geoeléctrico) y la CEp

(Conductividad Eléctrica en Pasta de Saturación) para la zona de la cabecera de las parcelas (a 1 m desde el origen) y a 40cm de profundidad.

Figure 8. Year 1. Relationship between EC (Electrical Conductivity of the geoelectrical method) and CEp

(Electric Conductivity in Saturation Paste) for the area of the head of the plots (1 m from the origin) and 40 cm depth.

y = 0.2442x + 0.0172R² = 0.8547

0.01

0.02

0.03

0.04

0 0.01 0.02 0.03 0.04 0.05 0.06 0.07

CEp(S/m)

CE (S/m)

Relación CE-CEp - Año 1

71

Figura 9. Año 2. Relación entre la CE (Conductividad Eléctrica del método geoeléctrico) y la CEp

(Conductividad Eléctrica en Pasta de Saturación) para la zona de la cabecera de las parcelas (a 1 m desde el origen) y a 40cm de profundidad.

Figure 9. Year 2. Relationship between EC (Electrical Conductivity) and CEp (Electric Conductivity in

Saturation Paste) for the area of the head of the plots (1 m from the origin) and 40 cm depth.

CONCLUSIONES

El método de tomografía de resistividad eléctrica a pequeña escala resultó sensible a la mineralización de la materia orgánica producida por el estiércol bovino. La resolución de los perfiles laterales de resistividad eléctrica y su relación con el contenido de nitratos se ve favorecida bajo condiciones de humedad por encima del 20% y sin un excesivo agrietamiento del suelo. En tales condiciones, la eficacia de las tomografías eléctricas podría contribuir a un diagnóstico del aumento de sales de nitratos.

Los resultados alcanzados llevan a la necesidad de ampliar el estudio mediante el control de más numerosas y diferenciadas cargas de estiércol, aumentar la profundidad de muestreo, e incorporar al análisis otras sales que también tienen origen en la mineralización de la materia orgánica. Respecto de la relación CEp-CE se requiere incrementar la cantidad en el número de datos de CEp que permita una comparación más exhaustiva de la conductividad eléctrica del suelo entre ambas metodologías.

REFERENCIAS

Alldred, B.J., J.J. Daniels, M. Ehsani, (2008). Handbook of Agricultural Geophysics: CRC Press. London. UK: 410.

Archie, G.E. (1942). The electrical resistivity log as an aid in determining some reservoir characteristics. Petroleum Transactions of AIME, 146: 54–62.

Bänninger, D., H. Wunderli, H. Flhler, (2009). Apparent electrical conductivity integrated from layered soil profiles. J. Plant Nutr. Soil Sci., 172:180–185.

Corwin, D.L., S.M. Lesch, (2005). Characterizing soil spatial variability with apparent soil electrical conductivity. Computers and electronics in agriculture, 46: 103-133.

Corwin, D.L., S.M. Lesch, S.R. Kaffka, J.W. Hopmans, Y. Mori, C. van Kessel, J.W. van Groenigen, (2003). Assessment and field-scale mapping of soil quality properties of a saline-sodic soil. Geoderma, 114: 231-259.

y = 0.1667x + 0.0057R² = 0.5556

0

0.01

0.02

0.03

0.04

0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1

CEp(S/m)

CE(S/m)

Relación CE-CEp - Año 2

72

Corwin, D.L. (2008). Past, present, and future trends of soil electrical conductivity measurements using geophysical methods. In Handbook of Agricultural Geophysics: 21-22). Eds (Allred, B.J., Daniels, J.J., Reza Ehsani, M. CRC Press Taylor & Francis Group).

Drommerhausen, D., D. Radcliffe, Brune, D., H. Gunter, (1995). Electromagnetic conductivity surveys of dairies for groundwater nitrate. J. Environ. Qual., 24: 1083-1091.

FAO (Organización para las Naciones Unidas de la Alimentación y la Agricultura), (1997). Lucha contra la contaminación agrícola de los recursos hídricos (Estudio FAO: Riego y drenaje – 55) [en línea]. 1997. Capítulo 1 y 3 [consulta: mayo de 2016].

Frohlich, R.K., C.D. Parke, (1989). The Electrical Resistivity of the Vadose Zone – Field Survey. GroundWater, 27: 524-530.

Herrero, M.A., S.B. Gil, (2008). Consideraciones ambientales de la intensificación en producción animal. Asociación Argentina de Ecología. Ecol. Austral, 18: 273-289.

Johnson, C.K., K.M. Eskridge, D.L. Corwin, (2005). Apparent soil electrical conductivity: applications for designing and evaluating field-scale experiments. Comput Electron Agric, 46: 181–202.

Keller, G.V. (1988). Rock and mineral properties. Electromagnetic Method in Applied Geophysics. En: Nabighian, Ed., Society of explorationgeophysicist, 3: 1351pp.

Kühn,J., A. Brenning, M. Wehrhan, S. Koszinski, M. Sommer, (2008). Interpretation of electrical conductivity patterns by soil properties and geological maps for precision agriculture. Precision Agriculture, 10: 490-507.

Losinno, B.N., C. Sainato, G. Galindo, C. Pomposiello, H. Malleville, D. de Abelleyra, (2003). Electrical Conductivity and depth of groundwater at the Pergamino zone (Buenos Aires Province, Argentina) through vertical electrical soundings and geostatistical analysis.Journal of South American Earth Sciences, 16: 177-186.

Losinno, B.N., CM. Sainato, H.J. Malleville, G. Galindo, (2008). Tomografía de Resistividad Eléctrica aplicada a la caracterización de sitios contaminados en tambos. Ciencia del Suelo, 26 (2): 141-152.

Marbán, L., (2005). Métodos de extracción y determinación de nitratos en suelos. Parte 2. En: Tecnologías en Análisis de Suelos. Asociación Argentina de la Ciencia del Suelo. (Editores: Marbán L, Rato S).

Meteored. [en línea] (2016). [consulta: mayo de 2016]. http://www.meteored.com.ar/historico/tiempo-en_Buenos+Aires-America+Sur-Argentina-Ciudad+Autonoma+de+Buenos+Aires-SABE-1-13584.html

Neely H.L., C.L.S. Morgan, C.T. Hallmark, K.J. McInnes, C.C. Molling, (2016). Apparent electrical conductivity response to spatially variable vertisol properties. Geoderma, 263: 168–175.

Oldenburg, D.W., Y. Li, (1994). Inversion of induced polarization data. Geophysics, 59:1327–1341. Oldenburg, D.W., Y. Li, (1999). Estimating depth of investigation in dc resistivity and IP surveys.

Geophysics, 64(2):403–416. Page, A. L. (1982). Methods of soil analysis. Chemical and microbiological properties, 2

ndedn (Part

2), in the series agronomy. American Society of Agronomy, Inc. SSSA, Inc., Madison, 1159 pp. Sainato, C., G. Galindo, H. Malleville, M. Herrero, (2006a). Diagnóstico de la contaminación en

suelo y agua subterránea por actividad ganadera mediante sondeos geoeléctricos en la microcuenca del arroyo Cañete (Pcia. de Bs. As.). Revista de la Facultad de Agronomía. UBA, 26(1): 73-82.

Sainato, C.M., G. Galindo, O. Heredia, (2006b). Agua Subterránea: Exploración y utilización agropecuaria. Editorial Facultad de Agronomía. Universidad de Buenos Aires. 115pp.

Samouellian, A., Cousin, I., Tabbagh, A.,Braund, A., Richard, G. 2005. Electrical resistivity survey in soil science; a review. Soil & Tillage Research, 83: 173-193.

Sudduth, K.A., N.R. Kitchen, W.J. Wiebold, (2005). Relating apparent electrical conductivity to soil properties across the north-central USA. Computers and Eletronics in Agriculture, 43: 263-283.

Tapias, J.C., M. Himi, A. Casas, (2005). Estimación de la distribución espacial de las propiedades texturales de los suelos por tomografía eléctrica: Principios y Aplicaciones. Estudios de la Zona No Saturada del Suelo, 7: 191-196.

UBCGIF (University of British Columbia – Geophysical Inversion Facility). https://gif.eos.ubc.ca/

73

Valente D.S., D.M. Queiroz, F. Carvalho Pinto, N. Terra Santos, F.L. Santos, (2012). The relationship between apparent soil electrical conductivity and soil properties. Revista Ciência Agronômica, 43: 683-690.

Van Kessel, J.S., J.B. Reeves, J.J. Meisinger, (2000). Journal of Environmental Quality, 29 (5): 1669-1677.

Weinzettel, P., M. Varni, S. Dietrich, E. Usunoff, (2009). Evaluación de tres dispositivos de tomografía eléctrica para la identificación de horizontes petrocálcicos en el suelo. Ciencia del suelo, 27 (1): 135-146.

Recibido: Mayo, 2016 Aceptado: Junio, 2017

74

GEOACTA 41(2) (2017) ISSN 1852-7744 © 2017 Asociación Argentina de Geofísicos y Geodestas

INVESTIGACIÓN HIDROGEOLÓGICA EN UN VALLE SERRANO MEDIANTE LA APLICACIÓN DE MÉTODOS

GEOELÉCTRICOS

HYDROGEOLOGICAL INVESTIGATION IN A VALLEY BY MEANS OF THE APPLICATION OF GEOELECTRICAL

METHODS

Pablo Ariel Weinzettel1, Sebastián Dietrich

2, Marcelo Varni

3, Leonardo Sierra

4

1 Instituto de Hidrología de Llanuras, Comisión de Investigaciones Científicas de la Provincia de Buenos Aires, Facultad de Agronomía de la Universidad Nacional del Centro de la Provincia de

Buenos Aires 2 Instituto de Hidrología de Llanuras, CONICET, Facultad de Agronomía de la Universidad

Nacional del Centro de la Provincia de Buenos Aires 3 Instituto de Hidrología de Llanuras, Universidad Nacional del Centro de la Provincia de Bs.As.

4 Instituto de Hidrología de Llanuras

E mail: paw@faa.unicen.edu.ar

RESUMEN

Se realizó una exploración geofísica mediante sondeos eléctricos verticales y tomografía de resistividad eléctrica en una zona ubicada al sudoeste de la ciudad de Tandil. El sector corresponde a un valle de pequeñas dimensiones en la cual se halla emplazada una cancha de golf y un barrio residencial. El objetivo del trabajo ha sido determinar los espesores del sector acuífero y evaluar las reservas de agua para aumentar la extracción y el abastecimiento a todo el complejo. La zona de estudio presenta la misma problemática que gran parte del área de Tandil, en la cual la roca del basamento se encuentra muy cercana a la superficie produciendo una situación muy compleja para la obtención de agua subterránea.

Mediante la exploración realizada se logró complementar los resultados obtenidos mediante sondeos eléctricos verticales y tomografía de resistividad eléctrica, con lo cual se pudo definir la geometría del acuífero y las zonas más adecuadas para nuevas perforaciones. Por otra parte, y a partir de los resultados de la exploración, se realizaron cálculos de la recarga y reservas de agua subterránea lo cual permitió evaluar los caudales diarios a extraer.

Palabras Clave: sondeos eléctricos verticales, tomografía eléctrica, hidrogeología, recarga.

ABSTRACT

A geophysical survey was performed in an area located to the southwest of Tandil city by applying vertical electrical soundings (VES) and electrical resistivity tomography (ERT). The study site lies within a small alluvial valley where a golf course and a gated community are located. The objectives of this work were to determine the thickness of the phreatic aquifer and to estimate groundwater reserves. Both aspects are required to increase the groundwater supply for the whole complex. The study zone has the same difficulties as most of the Tandil city, where hydrogeological basement lies very close to surface, which complicates groundwater extraction. By combining VES and ERT methodologies, the aquifer geometry and the more suitable zones for new pumping wells construction were defined. In addition, groundwater recharge and reserves were estimated, which allowed evaluating daily pumping rates.

75

Keywords: vertical electric sounding, electric resistivity tomography, hydrology, recharge

INTRODUCCIÓN

Los métodos geoeléctricos son una herramienta fundamental para la exploración de diferentes ambientes hidrogeológicos. En particular, los sondeos eléctricos verticales (SEV) constituyen un método de exploración rápido, efectivo y económico para la caracterización de una zona. Por su parte, la tomografía de resistividad eléctrica (TRE) ha mostrado en los últimos años un incremento en su utilización ya que presenta la ventaja de obtener perfiles de resistividad continuos a partir del desarrollo de potentes programas de inversión (Ellis y Oldenburg, 1994; Loke et al., 2013). A partir de estos perfiles se puede ver claramente la presencia de discontinuidades como fallas o cambios litológicos abruptos especialmente en zonas con cierta complejidad estructural. Por otra parte permite caracterizar al acuífero a partir de las resistividades obtenidas relacionando estas con los parámetros hidráulicos y observar heterogeneidades y anisotropías del mismo (Slater et al., 2007; Niwas et al., 2011; Perdomo et al., 2014) permitiendo de esta forma mejorar la conceptualización del sistema acuífero y plantear de una manera más eficiente su explotación. También es utilizada para identificar zonas contaminadas o hacer un seguimiento de una pluma contaminante (Koestel et al., 2008; Garré et al., 2010) entre otras aplicaciones. Para el estudio de la zona no saturada también ha mostrado gran utilidad, pudiéndose determinar pasajes preferenciales de agua al acuífero (Dietrich et. al., 2014).

Ambas técnicas, SEV y TRE, se complementan satisfactoriamente. En general, en una exploración hidrogeológica, resulta conveniente comenzar con sondeos eléctricos verticales para obtener mapas de resistividades, profundidades y otros parámetros, ya que si las aperturas de cables no son muy importantes, es una operación rápida que permite relevar áreas extensas en un tiempo razonable.

Cuando se quiere determinar las zonas más adecuadas para perforaciones en un acuífero con basamento hidrogeológico somero, lo conveniente es realizar una campaña de SEV y a partir de su interpretación, plantear una serie de tomografías de resistividad eléctrica en los lugares más apropiados según los resultados previos obtenidos. Esta forma de trabajo brinda mayor seguridad en la caracterización del acuífero y permite ubicar los lugares con mayores posibilidades de éxito para las perforaciones exploratorias.

El objetivo de este trabajo fue realizar una investigación hidrogeológica en el sitio denominado El Valle de Tandil. El mismo es un emprendimiento que comprende un campo de golf y un barrio residencial, ubicados en cercanías de la ciudad de Tandil en la provincia de Buenos Aires. La motivación para el desarrollo de la investigación ha sido las limitantes del sector para la extracción de agua subterránea ya que el mismo se encuentra emplazado en un pequeño valle que alberga un acuífero de poco espesor.

Descripción del sitio de estudio

La zona se encuentra enmarcada por cerros del basamento de las sierras de Tandil. Este

sistema está compuesto por rocas ígneas y metamórficas correspondientes al basamento Paleoproterozoico denominado Complejo Buenos Aires (Cingolani, 2011). El valle se presenta flanqueado por sierras que se elevan entre 270 y 430 m sobre el nivel del mar, siendo la cota del centro del valle de 235 m.

Al lugar se accede transitando unos cinco kilómetros por la calle Don Bosco hacia el Sudeste de la ciudad de Tandil (Figura 1). La roca del basamento se encuentra aflorando en los flancos y se halla cubierta con sedimentos en la zona central del valle, sector donde se emplaza la cancha de golf. Actualmente, una veintena de casas residenciales se encuentran construidas sobre roca en las zonas más elevadas. La presencia de un relleno sedimentario permite centrar la exploración en el mismo ya que aunque los espesores no sean importantes siempre es más fácil y económica la perforación en los mismos. En contraposición, las exploraciones realizadas en zonas sin cubierta sedimentaria son más dificultosas. No obstante, los métodos geofísicos empleados también permiten aumentar las posibilidades de lograr los objetivos en ese tipo de ambiente (Weinzettel et al., 2011).

El sector del valle con sedimentos acuíferos presenta un área de 322.400 m2, y tiene su eje

prácticamente en dirección Este-Oeste. Por el mismo drena un arroyo que no tiene

76

denominación con un escaso caudal. En el emprendimiento se han realizado obras para retener el agua del mencionado arroyo construyendo diques que dan lugar a una serie de ocho pequeños lagos. El objetivo de los mismos, además de un efecto de enriquecimiento paisajístico, es el de almacenar agua en los momentos de la ocurrencia de precipitaciones y utilizar la misma para riego del campo de golf. En el sector del estudio el acuífero es muy limitado en cuanto a espesor. No obstante, aguas abajo a unos 300 m del límite del predio se riegan cultivos de papa con pozos de importante caudal, por lo que el acuífero tiene una clara profundización hacia ese sector.

Figura 1. Ubicación de la zona de estudio.

Figure 1. Location of the study site.

METODOLOGÍA

El trabajo se realizó básicamente con el apoyo de las técnicas geofísicas de sondeos eléctricos verticales y de tomografías de resistividad eléctrica. También se efectuaron mediciones del nivel freático en los pozos y relevamiento de datos acerca del régimen de funcionamiento de los mismos.

Sondeos eléctricos verticales

Se ejecutaron 13 Sondeos Eléctricos Verticales (SEV) en la zona de interés, dos de ellos se

ubicaron junto a pozos de explotación y otros en las posibles ubicaciones de las tomografías eléctricas. Los mismos se realizaron utilizando la configuración electródica de Schlumberger. La apertura máxima de alas fue de 65 m, debido a la escasa profundidad de la roca. Para su interpretación se utilizaron los programas Zohdy (1975) e IPI2Win (2001), a partir de los cuales se obtuvo un mapa de espesor sedimentario. En la Figura 2 puede observarse la posición de los SEV. También se ha incluido la ubicación de los 6 pozos existentes en el valle.

Tomografías de resistividad eléctrica

En base a la interpretación de los SEV, se posicionaron cinco Tomografías de Resistividad

Eléctrica (TRE). El objetivo de las mismas fue conocer la disposición del basamento y detectar la roca alterada y la posible presencia de fracturas. Se utilizó un equipo AGI modelo SuperSting

77

R1/IP dotado de 56 electrodos con un espaciamiento de 5 m. La cantidad de electrodos utilizado permitió la obtención de secciones de 275 metros de longitud. Cada una de las tomografías ha sido nivelada en toda su extensión con nivel óptico, para lo cual se tomó un valor arbitrario de cota 100 m al comienzo de cada transecta. Las tomografías fueron interpretadas con el programa EarthImager 2D (AGI, 2005) que tiene en cuenta la variación de la topografía en el proceso de inversión.

Figura 2. Ubicación de sondeos eléctricos verticales y pozos. Figure 2. Location of vertical electrical soundings and pumping wells.

Las tomografías se realizaron con dos configuraciones electródicas: Schlumberger y dipolo-dipolo. Se decidió por estas ya que la primera presenta mayor sensibilidad a las variaciones de resistividad en profundidad, mientras que la configuración dipolo-dipolo detecta mejor las variaciones horizontales, como pueden ser fracturas o zonas alteradas (Zhou y Dahlin, 2003; Dahlin y Zhou, 2004; Samouëlian et al., 2005). En la Figura 3 se observa la ubicación elegida para las TRE.

Perforaciones actuales

Se encuentran operativos cuatro pozos. La mayor parte de los mismos se agrupa en el sector

Este de la zona (pozos 4, 5 y 6), mostrando en cierta forma una mejor aptitud para la extracción de agua. No pudieron obtenerse perfiles de los pozos ni sus características constructivas. La comunicación del operadora portó información de las bombas instaladas y la cantidad de horas de bombeo de los mismos. Esta información permitió estimar los caudales y rendimientos.

Volumen del acuífero

Se estimó el volumen de sedimentos que rellenan el valle utilizando la información de los

espesores obtenidos a través de los SEV y las TRE. Se realizó la interpolación de la información mediante Kriging. La malla utilizada fue de 57 filas por 100 columnas y la integración en profundidad se realizó mediante la regla de Simpson. Luego se calculó el volumen del acuífero suponiendo que el nivel freático se encontraba a 3 m de profundidad en todo el área de estudio.

78

Figura 3. Ubicación de las tomografías de resistividad eléctrica. Las letras A y B indican el inicio y el final

de cada tomografía. Figure 3. Location of electrical resistivity tomographies. A and B indicate the beginning and the end of

each tomography.

RESULTADOS

Sondeos eléctricos verticales

La interpretación de los SEV ha permitido definir la profundidad a la cual se encuentra el basamento hidrogeológico. La interpolación de los valores obtenidos mediante el método Kriging se presenta en la Figura 4. En la misma se ha delimitado la zona de mayor interés y se han dibujado las líneas de isoprofundidad del basamento. Como puede observarse se presenta una profundización de la roca hacia el sector Este. En la Tabla 1 se indican las profundidades obtenidas en cada uno de los SEV, de las cuales podría establecerse que la media para el sector es de 20 m. Las menores profundidades se presentan en cercanías ala entrada al complejo, en el sector Oeste, con unos 11 m y las mayores en las zona más alejada hacia el límite Este con 30 m de espesor sedimentario.

SEV Prof. basamento (m)

1 12 2 15 3 21 4 20 5 22 6 26 7 27 8 18 9 12 10 17 11 30 12 26 13 12

Tabla 1. Profundidad al basamento según los SEV. Table 1. Depth to basement according to VES results.

79

En cuanto a las resistividades obtenidas en cada SEV, las mismas presentan variaciones propias del ambiente. Se observan niveles con resistividades de 20 a 30 Ω m en los sectores acuíferos más someros y de unos 15 Ω m en los más profundos. En algunos SEV se observan niveles con resistividades algo más bajas de 9 Ω m (SEV 1 y 5).

En la Figura 4 puede verse claramente los sectores de mayor profundidad del basamento y los más propicios para la perforación de pozos. Dicha zona está ubicada donde se ejecutaron los SEV 6, 11 y 12, siendo este último lugar el que presenta mayores posibilidades de perforación. Por otra parte el otro sector de interés es el que se encuentra cercano al SEV 7 donde ya se hallan los pozos 4, 5 y 6.

Figura 4. Mapa de isoprofundidad de la roca del basamento de acuerdo a los resultados de la exploración

con sondeos eléctricos verticales.

Figure 4. Map showing the depth to basement according to electrical resistivity soundings results.

Tomografías de resistividad eléctrica

La utilización de esta metodología fue muy importante. A diferencia de los SEV, cuyas mediciones de resistividad son puntuales, con las tomografías se pudieron observar las variaciones laterales de las capas de interés en un perfil en dos dimensiones, lo cual aportó datos acerca de la presencia de roca alterada y de posibles fracturas. Las TRE, por otra parte, ajustan aceptablemente con el mapa confeccionado en base a los SEV. En las Figuras 5 a la 9 se presentan los resultados de la interpretación de cada TRE con las dos configuraciones electródicas utilizadas. Para realizar una comparación se agrupan en cada figura el resultado obtenido con ambos dispositivos. Se hace notar que se utilizaron distintas escalas de resistividad para cada uno con el fin de obtener una mejor visualización de los contrastes. Otra diferencia es que el dispositivo dipolo-dipolo explora a mayor profundidad que el de Schlumberger, por lo que varía la escala vertical. En general se ha podido definir con buena precisión la posición tanto del basamento como del acuífero.

Para la ubicación de futuros pozos se tuvo en cuenta principalmente el resultado obtenido mediante el dispositivo de Schlumberger, mientras que con el dipolo-dipolo se pudieron conocer las discontinuidades que se producen en el basamento hidrogeológico. Los sectores con mejores posibilidades son los correspondientes a algunas zonas de las tomografías 1 y 2 (Fig. 5 y 6). En el caso de la tomografía 1 el pozo propuesto se encuentra a unos 35 m del pozo 5 observándose claramente en la Figura 5a que en dicho sector se presenta la mayor profundidad a la roca basal, posiblemente cercana a los 30 m desde superficie. Dicho valor se encuentra apoyado en la interpretación del SEV 7, el cual arroja un valor de 27 m y se halla ligeramente desplazado del sector mencionado. La Figura 5b verifica lo observado, notándose mayor definición de la roca en profundidad. Respecto a esta última, el basamento se presenta muy cercano a superficie hacia el inicio de la tomografía, descendiendo

80

luego paulatinamente hacia los electrodos más alejados. El acuífero también sufre un aumento de su espesor con mayor desarrollo en la zona ubicada a partir de los 180 metros desde el inicio, coincidente con la zona de los pozos. Esto permite ver que el lugar elegido para las perforaciones actuales, realizadas en este sector, ha sido correcto.

Figura 5. Tomografía 1, dispositivo a) Schlumberger b) dipolo-dipolo. Se indican el pozo 5 y un pozo

propuesto cercano al SEV 7. Figure 5. Tomography 1, with arrays a) Schlumberger and b) dipole-dipole. Pumping well nº 5 and a

proposed well close to SEV 7 are indicated.

En la Figura 6 se observa una inclinación de la roca basal y del acuífero en forma inversa a lo planteado para la tomografía anterior. La Figura 6a muestra en la posición de 30 m, el mayor espesor para esta medición; al igual que en el sector anterior puede asumirse de unos 30 m desde la superficie hasta la roca, coincidente con la interpretación del SEV 11 ubicado en ese sector y que muestra el mayor espesor para los sondeos eléctricos realizados. Este resultado indica a esta zona como propicia para la realización de una perforación y es coherente con lo planteado en la interpretación de los SEV (Fig. 4). Se propone una perforación en la posición indicada en la Figura 6a. La interpretación del dispositivo dipolo-dipolo indica para la ubicación de los electrodos entre 90 y 120 metros la presencia de una posible falla en el basamento (Fig. 6b).

El sector de la tomografía 3 (Fig. 7a y 7b) muestra profundidades a la roca algo menores que en las tomografías anteriores con un espesor de unos 25 m en el sector del SEV 6 ubicado a 110 m desde el origen de la transecta. El dispositivo dipolo-dipolo indica una posible falla en la posición de 65 m desde el origen (Fig. 7b).

En la Figura 8a y 8b, se muestra el resultado de la tomografía 4 obtenidos con los dos dispositivos electródicos. La posición del SEV realizado cercano al puente indica un espesor sedimentario de 22 m esta sería una posición interesante para una perforación de bajo caudal. La Figura 8b muestra una posible discontinuidad del basamento en la posición de 160 m producto de fallamiento.

La última TRE se muestra en la Figura 9 a y b. En la Figura 9a se indica la posición del pozo 2 actual y la del SEV 3 paramétrico con dicho pozo. El SEV mencionado indica una profundidad de 20 metros hasta la roca. No se conoce la profundidad del pozo mencionado, el mismo tiene instalada una bomba de baja potencia por lo que se presume que su caudal es bajo ya que bombea a una posición elevada como es el hotel ubicado en las inmediaciones al norte de la cancha de golf. El dispositivo dipolo-dipolo indica una posible falla en el basamento a los 95 m desde el inicio de la transecta, cercana al pozo 2 (Fig. 9b).

Pozos actuales

Se midió la profundidad de la superficie freática en los pozos 2, 4 y 5, obteniéndose un valor

de 2,9 m para el pozo 2, 3,1 m para el pozo 4 y de 3 m para el pozo 5, todos corregidos al nivel del terreno. Según la información recabada los pozos tendrían una profundidad de entre 30 y 40 m, con un caudal no mayor a 10 m

3 h

-1.

81

Figura 6. Tomografía 2, dispositivo a) Schlumberger b) dipolo-dipolo. Se observa la profundización del

basamento en el inicio de la tomografía. Figure 6. Tomography 2, with array a) Schlumberger and b) dipole-dipole. The deepening of basement

is observed in the beginning of tomography.

Figura 7. Tomografía 3, dispositivo a) Schlumberger b) dipolo-dipolo. Figure 7. Tomography 3, with arrays a) Schlumberger and b) dipole-dipole.

Figura 8. Tomografía 4, dispositivo a) Schlumberger b) dipolo-dipolo. Figure 8. Tomography 4, with arrays a) Schlumberger and b) dipole-dipole.

82

Figura 9. Tomografía 5, dispositivo a) Schlumberger b) dipolo-dipolo. Figure 9. Tomography 5, with arrays a) Schlumberger and b) dipole-dipole.

Ubicaciones favorables para nuevos pozos

De lo observado en base a las dos metodologías utilizadas, se definen dos zonas con posibilidades de realizar perforaciones para reforzar la extracción actual. La primera zona corresponde al sector de la tomografía 1 y SEV 7.En dicha tomografía se observa un espesor algo mayor al que se encuentra en el pozo 5 ubicado en la misma línea de la tomografía.

Otro sector interesante para una perforación es la zona inicial de la tomografía 2 junto al SEV 11. Esta zona presenta el mayor espesor de todo el relevamiento realizado (Fig. 4). En la misma zona son interesantes también la posición del SEV 12, y con un poco menos de espesor la del SEV 6. En el resto de la zona relevada las profundidades a la roca no superan los 20 m. Puede suceder que algunos pozos no eroguen un caudal importante. No obstante, la distribución de pozos de bajo caudal que no concentren toda la extracción en determinadas zonas es una alternativa interesante en este tipo de sistemas. En este caso podría posicionarse un pozo en el SEV 5. Dichos pozos deberían ingresar al basamento algunos metros, considerando la posibilidad de extracción de agua de la roca, la cual en varias posiciones se observa fracturada.

Reservas de agua subterránea

En base al mapa de la Figura 4 se realizó un cálculo de las reservas de agua subterránea

presente en los sedimentos acuíferos de la zona de estudio. Se entiende por reservas, en sentido amplio, a la totalidad del agua movilizable existente en un acuífero (Custodio y Llamas, 1976). La base para el cálculo de los espesores fue la roca del basamento, no teniéndose en cuenta el agua que se encuentra presente en la roca debido a que es difícil de mensurar y escapa a los alcances de este trabajo. Tampoco se tuvo en cuenta el flujo de agua subterránea que ingresa a la zona por el Oeste a través del escaso subálveo del arroyo que surca el sector. Se evidencia por los espesores observados que este aporte es muy exiguo.

En principio, el objetivo de este cálculo es conocer la posibilidad de extracción a partir de un acuífero de escaso espesor y alertar ante una posible sobreexplotación del recurso hídrico subterráneo.

Para el cálculo se supuso una porosidad eficaz de los sedimentos en un 8 %, aunque probablemente esta podría ser mayor por el tipo de ambiente geológico. Lamentablemente no se cuenta con información del tipo de sedimento atravesado en las perforaciones. Como no se pudo realizar un ensayo de bombeo por razones operativas de los pozos, se supuso esta porosidad basada en experiencias propias para sedimentos limo arenosos del pampeano (Weinzettel et al., 2005, Varni et al., 2013). La posición del nivel acuífero se fijó en 3 m contemplando un promedio entre las ubicaciones topográficas elevadas y las más cercanas al arroyo.

Los cálculos del espesor de la cubierta sedimentaria arrojaron un valor mínimo para el área de 11,8 m y un máximo de 29,5 m. El área de la zona es de 322.400 m

2 (Fig. 4). El cálculo del

volumen arroja un valor de 5.533.775 m3. Considerando una porosidad eficaz de 8 % el

83

volumen de agua almacenado es de 442.702 m3 (Tabla 2). Este almacenamiento se drenaría

con una extracción de 1.212 m3 d

-1 en un año si no hubiera recarga.

Área (m2) Volumen (m

3) Por. eficaz (%) Volumen almacenado (m

3)

322.399,9 5.533.775 8 442.702

Tabla 2. Cálculo del volumen de agua almacenado en el sector del valle.

Table 2. Calculated water stored in the aquifer located in the valley

Recarga

Para una zona cercana al sitio de estudio Galarreta y Varni (2010) indican una recarga al acuífero del 18 % con el método del balance del ion cloruro y de un 16 % con un balance de agua en el suelo. Considerando una precipitación media para el período 1900-2003 en la estación Tandil de 846 mm, la recarga al acuífero considerando el valor del 18 % es de 152,3 mm anuales.

Esta lámina para un área de 322.400 m2 significa un volumen anual de 49.101,5 m

3 (Tabla 3).

Por lo tanto las reservas reguladoras que pueden ser utilizadas anualmente permiten una extracción de 134 m

3 d

-1 lo que equivale a 5,6 m

3 h

-1 bombeados en forma continua. Este último

caudal es el que podría bombearse sin extraer agua de la reserva pasiva del acuífero. Ahora bien, si debido a las necesidades en determinadas épocas del año se debe recurrir a la extracción de un volumen mayor de agua, se ha calculado el volumen extra que se podría obtener haciendo descender a 6 m de profundidad el nivel freático. Este cálculo arroja un volumen extra de 82.346,16 m

3 de agua que significaría una extracción de 225,6 m

3 d

-1 en

forma continua durante el año.

Área (m3) Precipitación anual (mm) Recarga (%) Volumen anual de recarga (m

3)

322.399,9 846 18 49.101,5

Tabla 3. Recarga al acuífero Table 3. Recharge to aquifer

Se debe tener en cuenta que las reservas dependen en gran medida de los cambios

climáticos y en un lapso prolongado ningún acuífero debería ser explotado a un ritmo superior a la recarga natural (Custodio y Llamas, 1976). El sistema en épocas de escasas precipitaciones puede sufrir importantes descensos debido a los bombeos, lo cual queda evidenciado por el secado de los pequeños embalses en la traza del arroyo.

El exceso de riego del campo de golf es otra fuente de recarga, esta puede ser difusa o puntual como la que ocurre a través de puntos de concentración de agua en los bunkers de la cancha (Figuras10 y 11). Esta última no se ha tenido en cuenta en los cálculos presentados.

Otra fuente de recarga es producto de la infiltración en la zona de la sierra que flanquea al valle (límite de cuenca), la cual puede ser importante. En este caso, el agua es conducida por las fracturas y diaclasas de la roca y pueden llegar a alimentar los sedimentos acuíferos que se presentan en el fondo del valle.

Por lo comentado anteriormente, el valor calculado para la recarga es un valor mínimo y conservador que puede incrementarse de acuerdo a lo mencionado en los párrafos anteriores.

Balance de agua

Una gran parte del agua bombeada es aplicada al riego de la cancha de golf, utilizando el

agua almacenada en uno de los lagos formados a partir del embalse del arroyo. Parte del agua del riego vuelve al acuífero a través de la infiltración y la mayor parte es evapotranspirada por la vegetación. El arroyo que surca el campo de golf actúa como un drenaje cuando se

84

producen excesos de agua por lluvias intensas pudiendo también drenar en parte al acuífero. También surcan la cancha algunos arroyos transitorios que se activan en caso de lluvias intensas, llevando sus aguas al arroyo principal ubicado en el centro de la cancha, el cual desagua hacia el Este de la zona. Debido al muy escaso a nulo caudal del arroyo principal se ha despreciado para el cálculo general del balance de agua. Se recuerda que el agua del arroyo es retenida por una serie de embalses. En las épocas de escasa precipitación dichos lagos artificiales se reducen notablemente.

Figura10. Llenado de un bunker durante el riego. Figure 10. Ponding of golf bunker during irrigation.

Figura 11. Vista del pozos 5 junto al bunker. Durante el riego esta depresión actúa como zona de recarga

al pozo. Figure 11. Pumping well 5, near golf bunker. During irrigation, this depression behaves as a recharge

zone to the well.

Galarreta y Varni (2010) calcularon la evapotranspiración aplicando la fórmula empírica de Thornthwaite-Mather (1955). Mediante el desarrollo del balance hídrico y partiendo de una capacidad de almacenaje del suelo de 150 mm, la evapotranspiración potencial arrojó un valor de 733 mm a

-1, mientras que la real corresponde a 713 mm a

-1, con un exceso de 133 mm a

-1

que se produce de mayo a noviembre, mientras que el resto del año las necesidades de agua

85

son satisfechas con la precipitación, excepto diciembre, enero y febrero en los cuales se utiliza parte del agua de almacenamiento del suelo, con un déficit hídrico de 20 mm a

-1. En base a

este balance de tipo modular el egreso por evapotranspiración representa el 84 % y la recarga el 16% del ingreso total, considerando escurrimiento despreciable, algo menor al 18% que arroja el balance de cloruro.

CONCLUSIONES

Los SEV y las TRE permitieron definir las dimensiones del acuífero sedimentario del valle y determinar los sectores con posibilidades para ubicar nuevas perforaciones. Las zonas con mayor profundidad a la roca se presentan en el sector Este y centro-Este, siendo los mayores espesores de unos 30 metros. En la perforación de nuevos pozos se deberá tener en cuenta los resultados obtenidos en las tomografías 1 y 2. El basamento presenta fracturación en ciertos sectores de acuerdo a lo observado en las tomografías con arreglo dipolo-dipolo, por esto, los pozos deberían ser perforados introduciéndose algunos metros en la roca.

El almacenamiento de agua del acuífero es de unos 442.702 m3, considerando una porosidad

eficaz del 8 % y una profundidad del agua promedio para toda el área de 3 m bajo el terreno. La recarga anual es de aproximadamente 49.101 m

3, con lo cual se podría extraer en forma

continua un volumen de 130 m3 d

-1 al año sin afectar a las reservas dependiendo de la época

del año. La utilización combinada de SEV y TRE demostró su robustez para la investigación de este

tipo de ambiente de geología compleja. La tomografía ha permitido observar las recargas por riego que se producen puntualmente en ciertos lugares como los bunkers de la cancha de golf. Agradecimientos: La investigación ha podido realizarse por el aporte del Sr. Nicolás Parasuco, presidente de la empresa Vaestan S.A. propietaria de El valle de Tandil, Golf, Spa y Resort. Se agradece a Daniel Kokogian por su colaboración para el desarrollo de los trabajos y a los técnicos del IHLLA Matías Silicani, Enrique Queupán y Georgina Cazenave por el apoyo en las tareas de campo.

REFERENCIAS

Advanced Geosciences, Inc. (2005). EarthImager 2D, resistivity and IP inversion software,

version 2.2.8. Instruction manual. Austin Texas. Cingolani, C.A., (2011). The Tandilia System of Argentina as a southern extension of the Río de

la Plata craton: an overview. International Journal of Earth Sciences, 100:221-242. Custodio E., M. Llamas, (1976). Hidrología Subterránea. Omega, Barcelona, España, pp. 2359. Dahlin, T., B. Zhou, (2004). A numerical comparison of 2D resistivity imaging with 10

electrodearrays. Geophysical Prospecting, 52: 379-398. Dietrich, S., P. Weinzettel, M. Varni, (2014). Infiltration and drainage analysis in a

heterogeneous soil by electrical resistivity tomography. Soil Sci. Soc. Am. J. 78:1153-1167. Ellis, R.G., D.W. Oldenburg, (1994). Applied geophysical inversion. Geophysics Journal

International., 116: 5-11. Garré, S., J. Koestel, T. Gunther, M. Javaux, J. Vanderborght, H. Vereecken, (2010).

Comparison of heterogeneous transport processes observed with electrical resistivity tomography in two soils. Vadose Zone Journal, 9: 336-349. IPI2Win, (2001). Moscow State University, Geological Faculty, Dept. of Geophysics. Geoscan-M

Ltd. IPI2Win v 2.1. User´s guide, pp. 25. Koestel, J., A. Kemna, M. Javaux, A. Binley, H. Vereecken, (2008). Quantitative imaging of

solute transport in an unsaturated and undisturbed soil monolith with 3-D ERT and TDR. Water Resources Research, 44, W12411.

Loke M.H., J.E. Chambers, D.F. Rucker, O. Kuras, P.B. Wilkinson, (2013). Recent developments in the direct-current geoelectrical imaging method. Journal of Applied Geophysics, 95: 135-156.

Niwas, S., B. Tezkan, M. Israil, (2011). Aquifer hydraulic conductivity estimation fromsurface geoelectrical measurements for Krauthausen test site, Germany. Hydrogeology Journal, 19(2): 307-315.

86

Perdomo, S., J.E. Ainchil, E.E. Kruse, (2014). Hydraulic parameters estimation from well logging resistivity and geoelectrical measurements. Journal of Applied Geophysics, 105: 50-58.

Ruiz de Galarreta, A., M. Varni, (2010). Análisis de la recarga del acuífero freático en la cuenca superior del arroyo Tandileoufú. Partido de Tandil. En: Estudios Ambientales II. Tandil y área de influencia. Ana Ulberich (Coordinadora). Editorial: Universidad Nacional del Centro de la Provincia de Buenos Aires, pp. 81-90.

Samouëlian, A., I. Cousin, A. Tabbagh, A. Bruand, G. Richard, (2005). Electrical resistivity survey in soil science: a review. Soil Tillage Resources, 83: 173-193

Slater, L., (2007). Near surface electrical characterization of hydraulic conductivity: from petrophysical properties to aquifer Geometries - A review. Survey in Geophysics, 28: 169-197.

Thornthwaite, C.W., J.R. Mather, (1955). The water balance. Publ. In Climatology, 8(1): 5-85. Varni, M., R. Comas., P. Weinzettel, S. Dietrich, (2013). Application of water table fluctuation

method to characterize the groundwater recharge and your relation with precipitation and base flow in the Pampa plain, Argentina. Hydrological Sciences Journal, 58: 1445-455.

Weinzettel, P., E. Usunoff, L. Vives, (2005). Groundwater recharge estimations from studies of the unsaturated zone. Groundwater and Human Development. Selected Papers on Hydrology. A.A. Balkema Publishers. Great Britain. London. pp 133-144.

Weinzettel, P., M. Varni, S. Dietrich, (2011). Exploración hidrogeológica mediante métodos de resistividad eléctrica en una zona de geología compleja. VII Congreso Argentino de Hidrogeología. Hidrogeología regional y exploración hidrogeológica. Salta, Argentina. pp 300-307.

Zhou, B., T. Dahlin, (2003). Properties and effects of measurement errors on 2D resistivity imaging surveying. Near Surface Geophysics, 1: 105-117.

Zohdy, A., (1975). Automatic interpretation of Schlumberger sounding curves using modified Dar Zarrouk functions: U.S. Geol. Surv.Bull. 1313-E. 39.

Recibido: Febrero, 2016 Aceptado: Julio, 2017