Planteamiento del modelo

Eutrofizacin es un buen ejemplo para ilustrar la complejidad de los problemas

medioambientales, en los que existe un gran nmero de variables interrelacionadas. Lo
primero es seleccionar las variables que se consideran ms relevantes en proceso de
eutrofizacin provocado por el hombre. La entrada de N y P procedentes de las actividades
humanas, que normalmente actan como factores limitantes del crecimiento de las
poblaciones del fitoplancton, es el desencadenante del proceso y el aumento de la turbidez,
las aguas de color verde, la reduccin de la cantidad de oxgeno disuelto y los malos olores
como consecuencia de la descomposicin de la materia orgnica acumulada son los
principales efectos que se producen como resultado del mismo.

Figura 1: Un posible diagrama causal del proceso de eutrofizacin cultural

La elaboracin de un diagrama causal en el que aparezcan los elementos que componen el

modelo junto con sus relaciones es un requisito necesario antes de definir la estructura del
modelo. Sin embargo no es recomendable la construccin de un diagrama exhaustivo como
punto de partida. Es preferible comenzar por un diagrama sencillo que refleje claramente
las relaciones entre los elementos que hemos decidido tomar en consideracin en nuestro
modelo. Una vez completado el proceso se puede deducir con facilidad un diagrama ms

completo si nos interesa disponer de l para la presentacin del modelo.

En un diagrama causal se sealan mediante flechas las relaciones entre las variables y se
indica mediante un signo + o - si la relacin es directa o inversa respectivamente.
Luego se pueden analizar los bucles de realimentacin que se producen para analizar de
forma cualitativa el comportamiento. En cambio en un modelo se debe precisar ms
estableciendo relaciones cuantitativas entre las variables y tendremos que descartar todas
aquellas variables de las que no podamos conocer estas relaciones.

De la infinidad de variables que pueden afectar al problema que estamos estudiando

debemos seleccionar un conjunto que sea manejable y que, adems, sea responsable en lo
fundamental del comportamiento del fenmeno en cuestin. En este sentido, una primera
decisin que tom en la elaboracin del modelo fue la de prescindir de los aportes de
nitrgeno. En la mayora de los casos es el fsforo el factor limitante para el desarrollo del
fitoplancton en los lagos. El incremento de los aportes de fsforo provoca un crecimiento
explosivo de las algas del fitoplancton y ste es responsable de los fenmenos observables
en un lago eutrofizado: aumento de la turbidez, coloracin verdosa de las aguas, reduccin
de la cantidad de oxgeno disuelto y acumulacin de materia orgnica en el fondo cuya
descomposicin en condiciones anaerobias genera el mal olor caracterstico de estas aguas.

Los elementos principales de un diagrama de flujo son los niveles (representados dentro de
un recuadro), las entradas y salidas (representadas como flechas dobles con una vlvula) y
las variables auxiliares y los parmetros (valores constantes) que controlan dichos flujos de
entrada y salida. Las nubes que suelen aparecer en este tipo de diagramas representan las
fuentes o los sumideros de donde proceden o a donde van a parar los flujos que llenan o
vacan los niveles respectivamente.
La parte ms complicada en la elaboracin del modelo es el establecimiento de las
ecuaciones que gobiernan las relaciones entre las variables. Esta parte se convertira en un
tedioso trabajo que requerira muchas horas de dedicacin si no fuese por ese acceso que
tenemos a las universidades y otros centros de investigacin del mundo entero a travs de
Internet y a la eficacia y rapidez de los buscadores actuales.

El proceso de bsqueda y seleccin de informacin nos llevar tambin un tiempo, mayor

cuanto ms complejo sea el modelo que estamos elaborando. Las bsquedas ms eficaces
son aquellas en las que combinamos varios trminos: por ejemplo, eutrofizacin y el
nombre de alguna de las variables que queremos estudiar. Una bsqueda nos lleva a otra y
podemos ir depurando la bsqueda seleccionando los trminos que se repiten en el contexto
del tema que estamos estudiando. Con unos ligeros conocimientos de ingls podemos
multiplicar la eficacia de nuestras bsquedas. La terminologa cientfica es muy parecida y
los datos numricos o las grficas que estamos buscando estn en un lenguaje que podemos
considerar universal.

Si bien podemos encontrar investigaciones en las que se presenten ecuaciones que muestran
la relacin matemtica entre las variables que nosotros queremos relacionar, puede ocurrir

que no sea as o que su interpretacin requiera conocimientos matemticos avanzados y

resulte un tanto compleja. Aqu es donde podemos descubrir el inestimable valor de las
lookup functions. Vensim nos permite introducir la relacin entre dos variables mediante
una grfica y, no slo eso, adems nos permite modificar dinmicamente la grfica cuando
estamos simulando el modelo y ver qu efectos provocan en las otras variables las
modificaciones introducidas. Cualquier publicacin relativa a una investigacin est
repleta de tablas de valores y grficas que podemos utilizar en nuestros modelos.

Descripcin del modelo

El modelo (figura 2) est concebido como una cascada de acontecimientos que ocurren a
consecuencia del excesivo aporte de nutrientes a un lago y que se traducen en una serie de
cambios fcilmente observables como la coloracin de las aguas, el aumento de la turbidez
y la aparicin de malos olores. El incremento del aporte de fsforo se traduce en un
crecimiento descontrolado del fitoplancton. El aumento de la densidad de ste es
responsable de la coloracin verdosa de las aguas y provoca un aumento de turbidez que
impide la entrada de luz a las zonas profundas. A su vez el incremento de la biomasa de
fitoplancton provoca un aumento en la cantidad de de materia orgnica en el fondo como
producto de la muerte de microorganismos. La cantidad de oxgeno disuelto en la zona
profunda disminuye como consecuencia de la reduccin de la tasa fotosinttica al reducirse
la cantidad de luz que penetra y por el consumo de oxgeno que se produce en la
descomposicin de la gran cantidad de materia orgnica acumulada en el fondo. Segn va
decreciendo la cantidad de oxgeno disuelto en la zona profunda empiezan a predominar los
procesos de descomposicin anaerobia, que son los responsables de los malos olores.

Figura 2: Modelo de la eutrofizacin cultural

La figura 2 muestra slo el diagrama de flujo del modelo, pero no las relaciones
cuantitativas entre las variables que van a permitir la simulacin del modelo. Se puede
acceder a esta informacin pulsando sobre cada variable despus de haber seleccionado la
herramienta Equations en la barra de herramientas de esquema, pero resulta engorroso ir
consultando una por una. Para revisar el conjunto de ecuaciones que constituyen el modelo
es mucho mejor utilizar la herramienta Doc de la barra de herramientas de anlisis. Con
esta herramienta conseguimos un listado completo de las variables dispuestas en orden
alfabtico, la expresin matemtica que las controla, las unidades empleadas en cada una y
el comentario que haya querido introducir el autor.
Simulacin
Una vez conectadas las variables y establecidas las relaciones entre ellas podemos proceder
a ejecutar la simulacin de nuestro modelo. Probablemente requiere algunos reajustes en
los valores iniciales de las variables. Para realizar estos ajustes resulta muy til la opcin
Automatically simulate on change ya que aparece bajo cada variable un deslizador que
nos permite modificar el valor de la misma y una grfica en miniatura en la que podemos
observar inmediatamente las consecuencias de estos cambios.

Figura 3: Automatically simulate on change

Los recuadros que aparecen remarcados en azul corresponden a las lookup functions y si
pulsamos sobre ellas aparecer una ventana (figura 3) en la que se muestra la grfica que
controla la variable a la que apunta esa funcin y que nos permite tambin su modificacin

para ver qu efecto tiene sobre las variables del modelo que se ven afectadas directa o
indirectamente por ella.

Figura 4: Lookup function

La figura 5 muestra el grfico de salida que resulta de la simulacin del modelo. Es muy
gratificante observar que el modelo se comporta como esperbamos y que, por lo tanto,
puede servir para explicar el fenmeno que es objeto de nuestro estudio.

Figura 5: Grficas resultantes de la simulacin del modelo

Como se puede apreciar en la figura 5a, cuando no hay aporte de fsforo procedente de la
contaminacin, la biomasa del fitoplancton se mantiene prcticamente constante a lo largo
del tiempo. El ligero aumento de la biomasa y el descenso, tambin ligero, de la cantidad de

oxgeno en el hipolimnion se explica por el pequeo incremento en la cantidad de fsforo

que se ha introducido para simular un hipottico caso de eutrofizacin natural.
La figura 5b muestra cmo al aumentar la entrada de fsforo al sistema la biomasa del
fitoplancton se dispara y crece exponencialmente mientras que el oxgeno hipolimntico
empieza a disminuir rpidamente. Si se incrementa an ms el aporte de fsforo como
consecuencia de la contaminacin el oxgeno del hipolimnion disminuye hasta agotarse y la
biomasa del fitoplancton aumenta hasta alcanzar un mximo como se ve en la figura 5c.

Un paso ms all
Ya he comentado que la presentacin del modelo no es el principal objetivo de este
artculo, sino presentar las posibilidades que tiene el uso de una herramienta de este tipo en
la enseanza de las ciencias.
La elaboracin del modelo nos ha obligado a seguir los procesos que caracterizan el trabajo
cientfico. Partimos de un interrogante, un problema que queremos estudiar. El hecho de
seleccionar las variables y establecer las relaciones entre ellas supone partir de una
hiptesis de trabajo. Hemos recopilado informacin y la hemos incorporado a nuestro
modelo y, una vez finalizado, podemos experimentar con los efectos que provoca la
modificacin de las distintas variables y parmetros e intentar hacer predicciones sobre el
comportamiento del sistema y comprobar si se cumplen o no. Creo que todo esto puede
darnos ya bastante juego, pero podemos ir un poco ms all. Podemos intentar recopilar
nuestra propia informacin, en trabajos de campo o diseando experimentos sencillos, para
luego integrarla en nuestro modelo.
Lo ideal sera conseguir que nuestros alumnos fuesen capaces de llevar a cabo el proceso
completo, aunque tal vez sea demasiado ambicioso. Dependiendo del nivel del alumnado
con el que nos encontremos podemos pedirles que trabajen con modelos ya elaborados o, a
los grupos de alumnos especialmente motivados, darles los mnimos ingredientes y pedirles
que realicen el trabajo completo.
Varibles del sistema
variables estado
Biomasa muerta=
+Muertes-Descomposicin,
valor inicial = 0
Units: mg cla/m3
Biomasa de fitoplancton=
+Reproduccin-Muertes,
valor inicial = 4.2
Units: mg cla/m3
Fsforo total=
Aportes de P-Prdida neta de P,
valor inicial = 0.008
Units: mg/L
OD hipolimntico
= Aportes-Consumo,
valor inicial = 10

Units: mg/L [1,?]

variables y parametros
Aportes=
Tasa produccin de oxgeno
Units: ppm
Aportes de P=
Aportes naturales+P procedente de contaminacin
Units: mg/L*ao
Aportes naturales=
0.00807
Units: mg/L*ao [0,0.005,1e-005]
Consumo=
Tasa de agotamiento de OD*OD hipolimntico
Units: ppm
Descomposicin=
(Tasa de descomposicin aerobia+Tasa de descomposicin anaerobia)*Biomasa muerta
Units: mg cla/m3
FINAL TIME = 10
Units: ao
INITIAL TIME = 0
Units: ao
Mortalidad=
Mortalidad en funcin de la biomasa(Biomasa de fitoplancton)
Units: {/ao} [0,1,0.001]
Muertes=
Biomasa de fitoplancton*Mortalidad
Units: mg cla/m3
P procedente de contaminacin=
0
Units: mg/L [0,0.1,0.0001]
Prdida neta de P=
Tasa de prdida global de P
Units: mg/L*ao
Profundidad de Secchi=
Profundidad de Secchi en funcin de la biomasa de fitoplancton(Biomasa de fitoplancton
)
Units: Profundidad de Secchi
Reproduccin=
Biomasa de fitoplancton*Tasa de divisin
Units: mg cla/m3
Tasa de agotamiento de OD=
Agotamiento de OD en funcin de la biomasa muerta(Biomasa muerta)
Units: ppm/ao
Tasa de descomposicin aerobia=
Descomposicin aerobia en funcin de OD(OD hipolimntico)
Units: mg cla/m3*ao [0,1,0.0001]
Tasa de descomposicin anaerobia=
0.01-Tasa de descomposicin aerobia
Units: mg cla/m3*ao [0,1,0.0001]
Tasa de divisin=
Tasa de divisin en funcin de PT(Fsforo total)
Units: {/ao}
Tasa de prdida global de P=

0.008
Units: mg/L*ao
Tasa produccin de oxgeno=
Produccin de oxgeno en funcin de la turbidez(Profundidad de Secchi)
Units: ppm/ao
funciones
Agotamiento de OD en funcin de la biomasa muerta(
[(0,0)-(10,1)],(0.1835,0.3145),(2.08,0.3465),(4.22,0.443),(5.535,0.5439),
(6.85,0.7018),(8.318,0.9912))
Units: ppm/ao
Tasa de divisin en funcin de PT(
[(0,0)-(1,1)],(0,0.001),(0.0172,0.02),(0.0345,0.05),(0.0517,0.1),(0.069,0.135
),(0.0862,0.205),(0.0948012,0.232456),(0.103,0.26),(0.121,0.405),(0.138,0.495
),(0.155,0.58),(0.172,0.65),(0.19,0.7),(0.207,0.89),(0.224,0.755),(0.276,0.755
),(0.5,0.755),(1,0.755))
Units: {/ao}
Produccin de oxgeno en funcin de la turbidez(
[(0,0)-(20,6)],(0.122324,0.0307),(2.20183,0.789474),(3.73089,1.36842),(5.62691
,1.97368),(7.95107,2.63158),(10.0306,3.18421),(12.3547,3.76316),(14.8624,4.145
),(17.0031,4.39),(19.9388,4.39))
Units: ppm/ao
Mortalidad en funcin de la biomasa(
[(0,0)-(80,1)],(0,0),(25.69,0.06),(52.6,0.2125),(75.841,0.7719))
Units: {/ao}
Profundidad de Secchi en funcin de la biomasa de fitoplancton(
[(0,0)-(200,20)],(0.611621,19.7368),(4.2,9.9),(7.33945,7.2807),(16.1,4.2)
,(28.1346,2.98246),(42.6,2.45),(72.7829,1.66667),(111.927,1.14035),(199.388
,0.175439))
Units: **undefined**
Descomposicin aerobia en funcin de OD(
[(0,-0.001)-(10,0.1)],(0,0),(2,0.004),(3,0.007),(6,0.025),(8,0.05),(10,0.1
))
Units: {/ao}