Beruflich Dokumente
Kultur Dokumente
TESIS
HUANCAYO-PERÚ
2018
I
_____________________________________________________
ASESOR
Msc. JOSE POMALAYA VALDEZ
_____________________________________________________
II
DEDICATORIA
III
AGRADECIMIENTO
A Dios, por sus milagros diarios, concediéndome medios y fuerzas para alcanzar mis objetivos
de crecimiento personal, profesional y espiritual.
A la Universidad Nacional del Centro del Perú- Facultad de Ingeniería Química y sus
catedráticos por sus enseñanzas y guía que contribuyeron a mi formación profesional.
Al Ing. José Pomalaya Valdez, por su orientación científica criteriosa y critica, su disposición y
paciencia en recibir mis ideas y permitir el desarrollo del trabajo.
Agradezco también a los Ings. Ever Ingaruca Alvares, Yesica Bendezu, Elmer López y Walter
Fuentes por sus palabras de aliento y apoyo para la finalización de esta tesis.
El autor
IV
RESUMEN
V
VI
ABSTRACT
In the present study, lichen epiphyte as a biomonitor of atmospheric deposition and mass
were used to quantify the concentration of sixteen trace elements (Al, As, Ba, Ca, Cd , Cr, Cu,
Fe, K, Mn, Ni, Pb, Rb, Sb, V, and Zn). In total 10 sampling areas around the Huancayo
Metropolitan Area (Junín, Peru) were selected. These 10 areas were categorized according to
land use in: urban, peri-urban and rural areas. In addition, samples from an uncontaminated area
were also collected and categorized as a control area. In each sampling area a certain number of
The enrichment factor (EF) was calculated for each item analyzed and area sampled.
These results showed higher concentrations for most of the elements in the urban areas than in
the peri-urban and rural areas. Conglomerate analysis (CA) and Principal Component Analysis
(PCA) were applied to discriminate trace elements as tracers of anthropogenic or natural origin
and to classify the sampling areas. The results show three groups segregated by both CA and
ACP that relate As, Cd and Mn to agricultural activities, Ba, Cr, Pb, Sb, V, and Zn could be
attributed to vehicular sources, while K and Rb were related to natural sources (re-suspension of
soil).
VII
INTRODUCCIÓN
8
En el CAPITULO I, es presentada la Revisión Bibliográfica, que contiene los
antecedentes de la investigación, bases teóricas y conceptuales.
En el CAPITULO II, se detalla la parte experimental con la metodología detallada
del muestreo, análisis, y herramientas estadísticas utilizadas para la determinación de los
elementos traza en el área metropolitana de Huancayo.
En el CAPITULO III, presentamos la discusión de los resultados. Finalmente, se
detallan las conclusiones y recomendaciones.
9
OBJETIVOS
OBJETIVO GENERAL
Biomonitorear la calidad del aire en el área metropolitana de Huancayo utilizando la
OBJETIVOS ESPECIFICOS
Cuantificar los metales traza (Al, As, Ba, Ca, Cd, Cr, Cu, Fe, K, Mn, Ni, Pb, Rb, Sb,
principales (ACP).
10
SIMBOLOGIA UTILIZADA
ET = Elementos traza
FE = Factor de Enriquecimiento
LD = Límite de detección
LQ = Límite de cuantificación
MP = Material particulado
Al = Aluminio
As = Arsenio
Ba = Bario
Ca = Calcio
Cd = Cadmio
Cr = Cromo
Cu = Cobre
Fe = Hierro
K = Potasio
Mn = Manganeso
11
Ni = Níquel
Pb = Plomo
Rb = Rubidio
Sb = Antimonio
V = Vanadio
Zn = Zinc
G = Gramo
µg = Microgramo
L = Litro
Min = Minuto
mL = Mililitro
S = Segundos
Ms = Milisegundos
12
INDICE
ASESOR II
DEDICATORIA III
AGRADECIMIENTO IV
RESUMEN V
ABSTRACT VII
INTRODUCCIÓN 8
OBJETIVOS 10
OBJETIVO GENERAL 10
OBJETIVOS ESPECIFICOS 10
SIMBOLOGIA UTILIZADA 10
INDICE 13
INDICE DE TABLAS 15
INDICE DE FIGURAS 16
CAPITULO I 18
REVISIÓN BIBLIOGRÁFICA 18
1.1 Antecedentes 18
1.1.1 Antecedentes internacionales de líquenes como biomonitores 18
1.1.2 Antecedentes nacionales de líquenes como biomonitores 19
1.2 Bases Teóricas 20
1.2.1 Biomonitoreo 20
1.2.2 Bioindicadores 21
1.2.3 Biomonitores 22
1.2.4 Líquenes como planta 22
1.2.5 Reproducción de los líquenes 23
1.3 Marco Conceptual 28
1.3.1 Contaminación del medio ambiente 28
1.3.2 Contaminación atmosférica 28
1.3.3 Contaminantes 28
1.3.4 Fuentes de contaminación 29
1.3.5 Evaluación de la calidad del aire 30
1.3.6 Evaluación de la calidad del aire 30
CAPITULO II 32
PARTE EXPERIMENTAL 32
13
2.1 EQUIPOS, MATERIALES Y REACTIVOS 32
2.1.1 Equipos de laboratorio 32
2.1.2 Materiales de laboratorio 32
2.1.3 Reactivos 33
METODOLOGIA DESARROLLADA 33
2.2 Área de estudio 33
2.3 Categorización de las áreas de muestreo 34
2.4 Procedimientos de muestreo 37
2.5 Análisis químico 38
2.6 Control de calidad 40
2.7 Espectrometría de masas con plasma acoplado inductivamente (ICP-MS) 44
2.7.1 Componentes de un equipo de ICP-MS 46
2.8 Tratamiento de los datos 50
2.8.1 Análisis de varianza (ANOVA) 50
2.8.2 Análisis de clúster (conglomerados) 51
2.8.3 Análisis de componentes principales (ACP) 51
2.8.4 Factor de Enriquecimiento (FE) 52
CAPITULO III 54
DISCUSIÓN DE RESULTADOS 54
3.1 Concentración de los elementos traza 54
3.2 Factor de enriquecimiento 58
3.3 Análisis multivariado de datos 62
3.3.1 Análisis de clúster jerárquico (Hierarchical cluster analysis, HCA) 62
3.3.2 Análisis de componentes principales (ACP) 66
CONCLUSIONES 71
RECOMENDACIONES 72
BIBLIOGRAFÍA 73
ANEXOS 81
Anexo A: Molido de las muestras de líquenes 82
Anexo B: Descomposición química de las muestras de líquenes 82
Anexo C: Biplots basado en el primer y segundo factor del análisis de ACP. 84
14
INDICE DE TABLAS
Tabla 1 Contaminantes primarios y secundarios de acuerdo a su naturaleza ............................... 29
Tabla 8 Comparación de los valores medios ± desviación estándar (µg g-1 peso seco) y los
Tabla 9 Factor loadings de los tres factores extraídos de después del VARIMAX rotación
15
INDICE DE FIGURAS
Figura 1. Métodos de biomonitoreo utilizando tres tipos de biomonitores. ............................. 21
Figura 2. Clasificación del tipo de líquenes: Líquenes crustáceos (A), líquenes foliáceos
Figura 6. Ubicación de las áreas de muestreo. El mapa fue realizado utilizando Arc GIS
Figura 11. Componentes de un ICP-MS cuádruplo. Fuente: adaptado de (F. James Holler,
16
Figura 13. Esquema general de la interface. Fuente: (F. James Holler, Douglas A. Skoog,
2007)) ...................................................................................................................... 49
Figura 14. Factor de enriquecimiento para los elementos Al, As, Ba, Ca, Cd, Cr, Cu y Fe
Figura 15. Factor de enriquecimiento para los elementos K, Mn, Ni, Pb, Rb, Sb, V, y Zn
Figura 17. Resultado del clúster análisis (dendrograma) utilizando los elementos traza
17
CAPITULO I
REVISIÓN BIBLIOGRÁFICA
1.1 Antecedentes
1.1.1 Antecedentes internacionales de líquenes como biomonitores
Bargagli et al. (2002) usaron líquenes y musgos como biomonitores de
elementos traza en un área ubicada en el centro de la ciudad en Italia el cual
fue intensivamente explotado por la minería y actualmente es utilizado para
recursos geotérmicos. Las especies utilizadas fueron Hipnum cupressiforme
(musgo) y Parmelia caperata (liquen) y los elementos traza medidos fueron
Al, As, B, Cd, Cu, Cr, Fe, Mn, Ni, Pb, S, Ti, V, y Zn utilizando el método de
biomonitoreo pasivo. Los resultados basados en composiciones elementales
entre las 2 especies colectados en las mismas áreas de estudios mostro
concentraciones significativamente de elementos litófilicos (Al, Cr, Fe, Mn,
Ni, y Ti) en el musgo y elementos atmófilicos (Hg, Cd, Pb, Cu, V, y Zn) en el
liquen. Los patrones de bioacumulación de elementos traza en el área de
estudio fueron bastante similares para S, B, As, Zn, Cr, y Ni, pero el liquen y
musgo mostraron diferentes patrones de distribución de Hg, Cd, y otros
elementos sujetos a transporte atmosférico de largo alcance.
Fuga et al. (2008) en Brasil utilizando el liquen Canoparmelia texan, revelo
altas concentraciones relacionado a los procesos de plantas metalúrgicas,
mientras Br y Zn fueron atribuidos a emisiones industriales y vehiculares.
18
Mendil et al. (2009) evaluaron los niveles de metales traza en 14 diferentes
muestras de líquenes y musgos colectados cerca de una autopista en Sivas-
Tokat (Turquía). Ellos reportaron los niveles de concentración de los metales
trazas medidas en el siguiente orden: para el musgo; Fe (468 ug/g) > Mn (271
ug/g) > Zn (68 ug/g) > Pb (53 ug/g) > Ni (80 ug/g) > Cr (40 ug/g) > Cu (30
ug/g) > Cd (8 ug/g), y en los líquenes; Fe (456 ug/g) > Mn (171 ug/g) > Zn (78
ug/g) > Pb (6 ug/g) > Ni (10 ug/g) > Cr (4 ug/g) > Cu (26 ug/g) > Cd (2 ug/g).
Loppi et al. (2004) y Koz et al. (2010) utilizaron la especie Flavoparmelia
caperata como un biomonitor pasivo, y demostraron que la contaminación de
Pb en las principales áreas urbanas de Italia (Montecatini y sus alrededores) y
Turquía (en la región del mar negro), respectivamente estaban relacionadas al
tráfico vehicular.
Kularatne & De Freitas, (2013) en Nueva Zelandia (región de Auckland) el
liquen foliáceo Parmotrena reticulatum fue utilizado como biomonitor de la
contaminación del aire por por un periodo de dos años utilizando ambos
métodos de biomonitoreo (activo y pasivo) con el fin de comprobar niveles de
bioacumulación de cuatro metales, cromo (Cr), cobre (Cu), plomo (Pb) y zinc
(Zn).
Boonpeng et al. (2017) en Tailandia, realizo estudios envolviendo el
método de biomonitoreo activo y el liquen Parmelia tinctorum, consiguieron
asociar las concentraciones de As, Cd, Co, Cr, Hg, Ni, Sb, Ti, y V a emisiones
industriales, mientras altas concentraciones de Cd, Cu, Pb, y Zn fueron
relacionados a emisiones por actividades agrícolas y vehiculares
19
mostraron contaminación significativa en algunas áreas de la ciudad de Lima,
relacionando esta contaminación a las actividades industriales y las emisiones
vehiculares.
20
Figura 1. Métodos de biomonitoreo utilizando tres tipos de biomonitores.
El uso de cualquier método de biomonitoreo puede ofrecer la posibilidad
de identificar la presencia de diversos contaminantes a diferentes niveles de
concentración. Aplicando herramientas estadísticas (por ejemplo análisis
multivariados) sobre las concentraciones medidas, es posible obtener
información sobre las posible fuentes de emisión y su localización, así como
su distribución temporal y espacial (Giampaoli, Wannaz, Tavares, &
Domingos, 2016; Goix et al., 2013).
1.2.2 Bioindicadores
Bioindicadores son organismos o comunidades de ellos los cuales pueden
ofrecer información cualitativa de los impactos negativos como consecuencia
21
de las actividades humanas al medio ambiente a través de síntomas que
expresan mudanzas o alteraciones en su fisiología. Como los bioindicadores
miden los efectos de la contaminación en seres vivos, estos pueden ofrecer
información sobre los riesgos para otros organismos, ecosistemas y los
humanos (Conti & Cecchetti, 2001).
1.2.3 Biomonitores
Biomonitores son organismos, partes de organismos o comunidades de ellos
que son utilizados para obtener información cuantitativa sobre la calidad
atmosférica del aire de un determinado área en relación o comparando a un
nivel considerado de “background”. Bioindicadores y biomonitores se
diferencian únicamente por el tipo de respuesta que pueden proporcionar.
Mientras los bioindicadores proporcionan informaciones sobre la calidad del
medio ambiente o sus modificaciones, las respuestas de los biomonitores
permiten cuantificar tales modificaciones.
Las principales características de un biomonitor son:
a. Capacidad de acumular los contaminantes sin ser eliminados por estos;
b. Estar ampliamente distribuido en todas las áreas geográficas;
c. Ser abundante, sedentario o de escasa movilidad, y representar bien el
área de colecta;
d. Ser perenne o estar disponible todo el año y permitir una cantidad
suficiente de muestra para análisis;
e. Ser fácil de reconocer y colectar, y ser resistente a condiciones de
laboratorio.
22
alga para protegerse de la deshidratación, además le brinda humedad y sales
minerales esenciales los cuales son capturados del medio ambiente donde vive,
mientras la alga es capaz de fijar el nitrógeno del aire y realizar la fotosíntesis
produciendo hidratos de carbono (material orgánico) a partir del CO2 y agua,
el cual es usado como alimento del hongo (Conti & Cecchetti, 2001). Los
líquenes son importantes constituyentes de la vegetación de muchos
ecosistemas y pueden ser encontrados en diferentes entornos, como por
ejemplo sobre la superficie de las rocas, adherido al tronco de los árboles, y
hasta en estructuras hechas por el hombre (e.g., estatuas, paredes, etc.).
Los líquenes son organismos muy resistentes capaces de adecuarse y
soportar condiciones ambientales extremas, lo cual les permite colonizar una
variedad de ecosistemas tales como: zonas desérticas, bosques húmedos, áreas
tropicales, la selva, zonas marinas, la Antártida y en glaciares más altos de las
montañas, incluso bajo el agua (Hawksworth, Iturriaga, & Crespo, 2005).
23
1.2.5.1 Clasificación de los líquenes
Los líquenes pueden ser clasificados de acuerdo a la morfología de su
talo y al sustrato en el cual se desarrollan y a sus órganos reproductivos
pueden distinguir siete tipos de líquenes:
A) Líquenes crustáceos: son el grupo de líquenes más abundante,
viven como costras irregulares adheridas fuertemente al sustrato
como rocas o corteza de los árboles, hasta el punto de que es
imposible separarlos de el sin destruirlo. Rhizocarpon es un ejemplo
de liquen crustáceo;
B) Líquenes foliáceos: Son aquellos en que el talo se encuentra
parcialmente desplegado del sustrato, viven sobre ramas o rocas, y
tienen aspecto de pequeñas hojas, muy extendidas, de talo laminar y
se fijan por medio de hifas alargadas con las que absorben agua y
sales minerales, y son la forma más común entre los macro líquenes.
Parmelia es un ejemplo de liquen con talo folioso;
C) Líquenes fruticuloso: son organismos unidos al sustrato por una
fijación estrecha con forma de pequeños arbustos de talos
ramificados, erguidos o pendientes, alargados, cilíndricos y muy
estrechos. El liquen Pseudevernia es un ejemplo de liquen
fruticuloso;
D) Líquenes gelatinosos: son de talos gruesos, quebradizos cuando se
encuentran secos y blandos e hinchados en la presencia de agua,
tienen una textura gelatinosa debido a que es formado en mayor
parte por algas. Collema es un ejemplo de liquen gelatinoso.
24
Figura 2. Clasificación del tipo de líquenes: Líquenes crustáceos (A), líquenes
foliáceos (B), líquenes fruticuloso (C) y líquenes gelatinosos (D).
25
1.2.5.2 Los líquenes como biomonitores
En los últimos años el uso de líquenes como biomonitores y/o
bioindicadores para evaluar la calidad del aire en una o varias áreas
geográficas, han sido ampliamente difundidos debido a que las
metodologías que las utilizan han probado ser económicamente
accesibles y relativamente precisas en la determinación de un
determinado o un grupo determinado de contaminantes (Guardia,
2016). De acuerdo a Hawksworth et al., (2005), las principales razones
por las cuales los líquenes están siendo utilizados con tanto éxito en el
campo de biomonitoreo se basan en:
a) Son ubicuos y actualmente se están multiplicando en diversas
áreas urbanas, principalmente en países desarrollados, gracias a la
disminución en la concentración de dióxido de azufre (SO2)
presente en la atmosfera;
b) A la falta de cutículas protectoras y raíces, los líquenes absorben
nutrientes y elementos traza, incluido algunos elementos tóxicos
de la deposición atmosférica seca y húmeda.
c) Viven una larga vida, resisten a la exposición de contaminantes
largos periodos de tiempo, por lo que proporcionan una imagen
clara del estado ambiental de áreas puntuales o extensas.
26
en varias áreas de Huancayo, principalmente adheridos sobre el
tronco/corteza de los árboles e otros substratos.
27
3. Adsorción de partículas; y
4. Biomineral o formación de complexos órgano-metálicos.
1.3.3 Contaminantes
Un contaminante es una substancia o elemento presente en un lugar
equivocado y a la concentración equivocada (concentración suficientemente
28
alta) que pueda dañar animales, humanos, vegetación y/o materiales. Los
contaminantes pueden ser clasificados en dos tipos: contaminantes primarios y
secundarios.
Los contaminantes primarios, se refieren a aquellos agentes que son
directamente emitidos de eventos naturales (tormentas de polvo, volcán,
bosques, etc.) o de actividades humanas (emisión de vehículos, desechos
industriales, etc.) a la atmosfera. Se cree que el 90% de contaminante este
formado por contaminantes primarios. Los contaminantes secundarios, son
aquellos contaminantes primarios que reaccionan en contacto con la
atmosfera, para producir otros contaminantes. Los contaminantes primarios y
secundarios basados en su naturaleza química son presentados en la Tabla 1.
Tabla 1
Contaminantes primarios y secundarios de acuerdo a su naturaleza
Primarios Secundarios
29
destacarse la emisión de contaminantes por actividades industriales
(fuentes fijas) y emisión vehicular (fuentes móviles).
30
PTS (partículas suspendidas totales). Para monitorear estas tres tipos de
partículas usualmente son utilizados muestreadores de material particulado o
también conocidos como muestreadores de alto/bajo volumen (Figura 5). El
muestreador usualmente funciona a un caudal promedio de 1.70 m3/min y un
periodo de 24 horas. La concentración del material particulado es calculado
por medio de análisis gravimétrico basado en la diferencia de peso del filtro
(filtro pesado antes de la colecta y filtro pesado después de la colecta) y el
volumen de muestreo.
31
CAPITULO II
PARTE EXPERIMENTAL
32
Plumón indeleble
Pinzas y cuchillos de plástico
Pipetas y micro pipetas
Mortero de porcelana
Potes de teflón cerrado (savillex)
2.1.3 Reactivos
Agua Milli-Q (ultrapura)
Ácido nítrico (65%), subdestilado
Peróxido de hidrogeno (80%)
Ácido fluorhídrico (43%)
Argón (99.999%)
METODOLOGIA DESARROLLADA
33
natural comprimido como combustible (Instituto Nacional de Estadística e
Informática, 2017). Gasolina con plomo (Pb) fue prohibida en Perú en 2009 (Bekir
Onursal, 1997). Entre otras actividades que también pueden liberar contaminantes en
el área de estudio pueden citarse las prácticas agrícolas, construcción/demolición de
pavimentos, edificios y supermercados.
34
Tabla 2
Breve descripción de las áreas de muestreo
Longitud (A)
Huancayo (H) 12°4′ 20″ S 117,559 Área residencial y comercial con intenso tráfico de automóviles, camiones,
75°12′ 29″ W autobuses, ferrocarriles y motocicletas.
Chilca (Chi) 12°4′ 44″ S 86,496 Área urbana, residencial y comercial con pequeñas industrias y camino de
75°12′ 7.7″ W mucho tráfico
Huancan (Hu) 12°6′ 29″ S 21,212 Un vecino de Chilca es un área urbana con tráfico de alta densidad y
75°12′ 14″ W actividades agrícolas.
Sicaya (S) 12°0′ 59.96″ S 8,048 Ubicado a 11.2 km de Huancayo, a mano derecha de la carretera central. Se
75°16′41.95″ W considera el área más grande de tierras de cultivo con poco tráfico.
San Agustín de 11°59′ 45.52″ S 11,378 Ubicado a 9.9 km de Huancayo, a la izquierda-derecha de la carretera central,
Cajas (SC) 75°14′ 43.42″W tiene un flujo de tráfico mediano y actividades agrícolas.
Concepción (C) 11°55′ 06″ S 14,829 Situado a 21,6 km de H con mucho tráfico, agricultura, comercio, artesanía,
75°18′ 46.4″ W planta de lácteos y actividades turísticas
Orcotuna (O) 11° 58′ 07″ S 4,137 Ubicada a 17.2 km de la ciudad de Huancayo, que desarrolló actividades como
75° 18′ 28″ W agricultura, ganadería y manufactura artesanal.
Chupaca (Ch) 12° 03′ 36″ S 22,099 Es atravesado por el río Cunas con mucho tráfico, comercio, agricultura y
75° 17′ 24″ W ganado.
Huayucachi (Hua) 12°8’15.91’’ S Tiene un flujo de tráfico mediano y dedicado exclusivamente a la agricultura y
75°13’23.85’’W 8,581 la ganadería
Ahuac (AH) 12° 4′ 52.94″ S Un área rural lejos de las carreteras principales y el centro
75° 19′ 7.79″ W
Área de control 12° 8′ 10.32″ S 5,929 Lugar cubierto por miles de árboles y una ciudad lejana, considerado como un
(CS) 75° 8′ 26.37″ W lugar con el mínimo impacto de contaminantes
Fuente: Elaboración propia
35
Figura 6. Ubicación de las áreas de muestreo. El mapa fue realizado utilizando Arc GIS 10.0 software.
Fuente: Elaboración propia
36
2.4 Procedimientos de muestreo
La especie seleccionada para este estudio es el liquen foliar Flavoparmelia caperata,
debido a su fácil identificación, muestreo y su amplia distribución en el área de estudio. Un
número determinado de individual líquenes fueron colectados en cada área de muestreo
durante enero-febrero de 2017, después de una semana soleada. En total 63 (H=7, Chi=5,
SC=6, AH=6, Ch=7, Hu=6, S=6, O=6, C=8, y Hua=6) individual líquenes con
aproximadamente el mismo diámetro para evitar la diferencia en edad y cubriendo un área
de 500 m para evitar la pseudo-replicacion fueron colectados. Un total de 5 líquenes fueron
también colectados del área de control. Guantes látex y pinzas de plástico fueron usados
para retirar el liquen del tronco de los árboles. La colecta fue llevada a cabo a maso menos
de 1.5-2m de altura para evitar la influencia por partículas de suelo (Boamponsem, Adam,
Dampare, Nyarko, & Essumang, 2010). Se usaron bolsas de papel para almacenar y llevar
al laboratorio los líquenes colectados para análisis.
En el laboratorio, las muestras no fueron lavadas, pero si limpiadas manualmente de
algún material extraño como por ejemplo tejidos muertos de otras plantas o especie de
líquenes, sustratos del tronco del árbol, telas de araña, insectos muertos etc., utilizando las
pinzas de plástico. Después de la limpieza, las muestras fueron secadas a 65 °C, se
molieron, se tamizaron, se homogenizaron y se almacenaron en tubos Falcon para el
análisis químico. El proceso completo desde la colecta, limpieza, secado, molido y
almacenamiento de las muestras son presentados en la Figura 7 (A-F).
37
Figura 7. Pre-tratamiento de las muestras de líquenes: A) colecta de las muestras; B) limpieza
manual; C) Muestras limpias; D) Secado de las muestras; E) Muestra ya molidas en el mortero; y
F) Muestras tamizadas listas para ataque químico.
38
completo desde pesado hasta lectura de los elementos traza es mostrado en la Figura 8 (A-
F). Rodio (Rh) fue utilizado como estándar interno (SI) para corregir las fluctuaciones del
plasma y desvíos instrumentales. Los elementos traza fueron cuantificados utilizando una
curva analítica de seis puntos para cada elemento. La curva analítica y demás soluciones
fueron preparadas utilizando agua ultrapura (18.2 MΩ cm) obtenida de un sistema Milli-Q
(Millipore).
Los ácidos utilizados fueron alta pureza; el ácido nítrico (HNO3, 65%), peróxido de
hidrogeno (H2O2, 80%) y ácido fluorhídrico (HF, 43%) todos comprados de Merk
39
(Darmstadt, Alemania). Además, el HNO3 fue purificado por un sistema de destilación
sub-ebullición utilizando un recipiente de cuarzo (Duo-Pur, Milestone, USA). Argón
(99.999%) fue usado como el gas de plasma para el ICP-MS.
Los parámetros instrumentales utilizados por el equipo y el modo de adquisición de
datos para la lectura de las concentraciones de metales presentes en las muestras de los
líquenes son presentados en la Tabla 3.
Tabla 3
Parámetros instrumentales de análisis y de adquisición de datos del cuádruplo NexION 300 ICP-
MS.
RF power 1100 W
Frecuencia 27.2 Mhz
Plasma: Taza de flujo de gas 11.5 L min-1
Gas Auxiliar: Taza de flujo de gas 0.55 L min-1
Nebulizador: Taza de flujo de gas 0.97 L min-1
Taza de consumo de la muestra 0.6 mL min-1
Parámetros de adquisición de datos
Modo de medición Peak hopping
Puntos por masa 1
Tiempo de permanencia 20 ms
barrido 1000
Tiempo de integración por isotopo 20 s
Settle time 3 ms
Replicatas 5
Fuente: Elaboración propia
40
y Tecnología (NIST, Gaithersburg, USA) y BRC Aquatic plant del Instituto de Materiales
y Medidas de Referencia (IRMM, Comisión Europea, Bélgica). En la Figura 9 son
mostrados los 3 MRCs utilizados.
Los resultados obtenidos para los tres MRCs estuvieron dentro de los valores
certificados y/o informados. La precisión de los resultados fueron evaluados a través del
cálculo de la desviación estándar relativa (DER) y recuperación basado en tres replicadas.
La Tabla 4, Tabla 5, y Tabla 6 muestran la DER por debajo del 7% y la recuperación entre
70 % y 120% para todos los elementos analizados.
41
Tabla 4
Concentración en µg g-1 de los de los elementos presentes en el material de referencia certificado
(MRC) SRM - 1515 Apple Leaves y los resultados experimentales obtenidos. Adicional la
recuperación y el desvío padrón relativo
Resultado
MRC Recuperación DER
Experimental
(%) (%)
Elementos Media ± D.S. Media ± D.S.
Al 289 ± 9 290 ± 17 102 5.99
As 0.04 ± 0.007 0.04 ± 0.006 108 6.42
Ba 49 ± 2 42 ± 1.12 88 2.61
Ca 15260 ± 150 11882 ± 320 78 5.45
Cd 0.01 ± 0.002 0.01 ± 0.0018 113 3.46
Cr 0.30 ± nd 0.30 ± 0.02 108 4.72
Cu 5.64 ± 0.24 5.56 ± 0.17 99 3.04
Fe 83 ± 5 93 ± 2 112 2.35
K 16100 ± 200 13229 ± 255 82 2.69
Mn 54 ± 3 48 ± 2 90 4.12
Ni 0.91 ± 0.12 1.14 ± 0.06 119 4.96
Pb 0.47 ± 0.024 0.44 ± 0.02 94 5.43
Rb 10.20 ± 1.5 9.73 ± 0.43 95 4.39
Sb 0.01 ± nd 0.01 ± 0.003 115 5.56
V 0.26 ± 0.03 0.25 ± 0.01 99 4.55
Zn 12.5 ± 0.3 12.7 ± 0.69 102 5.40
D.S.: Desviación estándar, nd: no dato, DER: Desviación estándar relativo.
Fuente: Elaboración propia
42
Tabla 5
Concentración en µg g-1 de los de los elementos presentes en el material de referencia
certificado (MRC) SRM - 1573 Tomato Leaves y los resultados experimentales obtenidos.
Adicional la recuperación y el desvío padrón relativo.
43
Tabla 6
Concentración en µg g-1 de los de los elementos presentes en el material de referencia certificado
(MRC) BRC - 670 Aquatic plant y los resultados experimentales obtenidos. Adicional la
recuperación y el desvío padrón relativo
44
Figura 10. Elementos detectables y límites de detección aproximados utilizando el ELAN
6000/6100 cuádruplo ICP-MS (fuente: cortesía de Perkin Elmer).
El ICP-MS en los últimos años se ha consolidado como una técnica adecuada para
análisis de metales traza en muestras ambientales (análisis de agua, lixiviados de rocas y
minerales, alimentos etc.) en diversos análisis rutinarios de laboratorios de prestigio,
imponiéndose además a las demás técnicas analíticas espectroscópicas como:
espectrometría de absorción atómica (AAS), básicamente por tener alta velocidad de
análisis, precisión y sensibilidad y comparado a la espectrometría de emisión óptica con
plasma inductivamente acoplado (ICP-OES) debido a su capacidad de detección y la
habilidad de obtener información isotópica. Estas tres técnicas de espectroscopia atómica
comparten las mismos componentes básicos y una comparación de su desempeño es
mostrado en la Tabla 7.
45
Tabla 7
Comparación de algunas técnicas instrumentales analíticas
46
Figura 11. Componentes de un ICP-MS cuádruplo. Fuente: adaptado de (F. James Holler,
Douglas A. Skoog, 2007)
47
El sistema de introducción de muestra consta de tres partes: una bomba
peristáltica, un nebulizador y la cámara de nebulización o spray. La bomba se
encarga de bombear la solución mediante un vial (tubos de plástico delgados)
hacia el nebulizador a un flujo constante. El nebulizador se encarga de generar el
aerosol a partir de la muestra usando un flujo de gas que dispersa el líquido en
pequeñas gotas. Estas pequeñas gotas entran en la cámara de nebulización cuya
función es dejar que únicamente una mínima cantidad (2 a 5 % del total de la
muestra) de gotas de tamaño adecuado pasen a la zona del plasma, descartando
gotas de mayores tamaños que podrían apagar el plasma o causar problemas
analíticos.
C. Interface
La interface consiste de dos conos metálicos con orificios pequeños, el espacio
entre ambos se encuentra a alto vacío por una bomba rotatoria y se denomina
cámara de expansión. El cono sampler se encargado de succionar el plasma con la
muestra dentro de la cámara y el cono skimmer permite que solo una línea de
iones cercanos al eje del cono formado durante la expansión pase a la zona de
lentes como mostrado en la Figura 13. Es considerada el área más crítica en todo
el sistema de ICP-MS.
48
Figura 13. Esquema general de la interface.
Fuente: (F. James Holler, Douglas A. Skoog, 2007))
D. Sistema de vacío
Este sistema está compuesto por bombas turbo moleculares que son capaces de
alcanzar presiones de 1 x 10-5 torr y bombas mecánicas que apoyan a la bomba
turbomolecular y evacua la región de interface. Este sistema se encarga de
remover las moléculas de gas presentes entre la interface y el detector del equipo.
E. Lente de Iones
F. Celda de reacción/colisión
49
y un gas de colisión/reacción como hidrogeno o helio es inyectado en la celda, el
cual consiste en un multipolo, usualmente operado en un rango de
radiofrecuencias que separa las masas enfocando el haz de iones para que
colisiones y reaccionen con el gas inyectado. Estas reacciones generan que las
especies interferentes se tornen especies no interferentes.
G. Espectrómetro de masas
H. El detector
50
fue empleado para investigar las diferencias entre los pares de las medias (Least
Significant Difference, LSD).
51
Aquí, fue utilizado el ACP con VARIMAX rotación para identificar las
posibles fuentes contaminantes de los elementos en el área de estudio. El número de
significantes factores fue seleccionado utilizando en criterio de Kaiser (Eigenvalue
<1) (Kaiser, 1960).
52
Reddy, & Govil, 2010), Fe (Enamorado-Báez et al., 2015; Kulkarni, Chellam, &
Fraser, 2006), entre otros.
En este trabajo el FE en porcentaje para cada elemento y para cada área de
muestreo fue calculado utilizando la siguiente ecuación;
𝐶𝐸𝐴 −𝐶𝐸𝐶
𝐸𝐹𝐸 (%) = 𝑥 100 (2)
𝐶𝐸𝐶
dónde: EFE = Enriquecimiento Factor del elemento (E); CEA = Concentración del
elemento (E) en la muestra de liquen; CEC = Concentración del elemento (E) en el
área de control. Para la interpretación se seguir los siguientes criterios; si EF > 100
fue considerado significantemente enriquecido, lo que indica la concentración
encontrada es dos veces la del área de control. Si el EF está entre 50 -100, se dio un
enriquecimiento moderado, mientras que EF < 50, significa que el ambiente está en
condiciones normales (Figueiredo, Nogueira, Saiki, Milian, & Domingos, 2007) .
Todos los análisis estadísticos fueron llevados a cabo en el software libre
CRAN R versión 3.3.2 (R Team Core, 2015) utilizando los siguientes paquetes:
factoextra (Kassambara & Mundt, 2016), ggplot2 (Wickham & Chang, 2016), cluster
(Chavent, Simonet, Liquet, & Kuentz-simonet, 2012), y psych (Revelle, 2018).
53
CAPITULO III
DISCUSIÓN DE RESULTADOS
54
55
Tabla 8
Comparación de los valores medios ± desviación estándar (µg g-1 peso seco) y los resultados de ANOVA de los elementos traza
medidos en el liquen F. caperata colectados en todas las áreas de muestreo, incluyendo el área de control.
ANOV
CS U1 U2 PU3 R PU6 PU1 PU2 PU5 PU4 PU7 A
El.
N=5 N=7 N=5 N=6 N=6 N=7 N=6 N=6 N=6 N=8 N=6 p-value
a
0.61±0.02 0.66±0.02 0.59±0.02 0.52±0.02 0.61±0.02 0.61±0.02 0.58±0.02 0.52±0.02 0.54±0.02 0.58±0.02 ***
Al (%) 0.44±0.02 f
b a c e b b c e d c
***
As 3.7±0.4 d 4.0±0.5 d 3.8±0.6 d 4.7±0.5 c 4.2±0.6 d 5.2±0.5 b 4.7±0.6 c 4.2±0.5 d 4.2±0.4 d 6.2±0.7 a 5.2±0.4 b
***
Ba 26±3 g 79±2 a 71±3 b 46±2 e 38±2 f 78±2 a 62±3 c 47±2 e 39±3 f 52±3 d 51±3 d
Ca 1.41±0.04 1.48±0.06 1.11±0.06 1.00±0.06 1.31±0.05 1.34±0.07 0.98±0.04 0.95±0.03 1.29±0.05 1.04±0.03 ***
1.07±0.05 d
(%) e e f c a b c c a d
0.34±0.04 0.31±0.04 0.43±0.05 0.34±0.05 0.56±0.06 0.46±0.05 0.43±0.03 0.49±0.04 0.58±0.04 0.45±0.05 ***
Cd 0.13±0.04 e
d d c d a b c b a c
***
Cr 3.8±0.4 g 9.6±0.4 b 9.4±1.0 b 7.2±0.3 d 5.8±0.3 f 10±0.5 a 7.9±0.5 c 6.7±0.4 e 6.5±1.0 e 7.1±0.4 d 7.1±0.5 d
***
Cu 5.0±0.4 f 9.6±0.5 a 9.0±0.6 b 7.4±0.5 d 4.9±0.7 f 9.3±0.5 a 8.3±0.8 c 5.7±0.3 e 4.9±0.4 f 8.9±0.7 b 7.9±1.0 c
0.36±0.02 0.33±0.01 0.29±0.02 0.23±0.02 0.35±0.02 0.31±0.02 0.24±0.02 0.26±0.02 0.30±0.02 0.28±0.02 ***
Fe (%) 0.20±0.02 f
a b c e a c e d c d
0.56±0.02 0.54±0.02 0.43±0.02 0.60±0.02 0.60±0.03 0.49±0.04 0.47±0.01 0.51±0.03 0.52±0.02 0.45±0.01 ***
K (%) 0.47±0.03 b
d d e a a b b c c e
***
Mn 60±3 e 85±3 d 81±4 d 90±2 b 81±3 d 103±4 a 88±6 b 98±3c 86±4 d 86±2 d 83±3 d
***
Ni 2.4±0.3 d 3.7±0.4 a 3.7±0.3 a 3.5±0.3 a 2.8±0.2 b 3.7±0.3 a 3.7±0.2 a 3.2±0.3 c 2.9±0.2 b 3.2±0.2 c 3.3±0.2 c
***
Pb 8.7±1.2 e 26±3 b 26±3 b 22±3 c 8.7±2 e 19±4 d 25±3 b 22±3 c 17±3 d 32±4 a 22±3 c
***
Rb 9±2 c 13±2 a 12±2 a 9±1 c 13±3 a 14±3 a 10±2 c 9±2 c 9±2 c 13±3 b 10±2 c
0.91 ± 0.06 1.81±0.16 1.67±0.17 1.30±0.15 0.82±0.09 2.05±0.18 1.10±0.12 1.02±0.13 1.91±0.17 1.50±0.13 ***
Sb 1.81±0.40d
e a a b d a b d a c
***
V 3.7±0.5 f 8.1±0.6 b 9.6±0.4 a 5.5±0.3 d 3.5±0.2 f 8.5±0.3 b 7.0±0.7 c 5.2±0.2 d 4.8±0.4 e 5.9±0.3 d 5.5±0.5 d
***
Zn 50±4 g 141±5 a 136±6 a 78±5 d 61±4 f 140±8 a 115±4 b 69±4 e 66±5 e 110±6 b 96±4 c
a
Valores sobre cada línea horizontal, seguido por la misma letra no difieren significativamente (p=0.05), N=número de muestras individuales colectados en cada
área. *Significativo a 0.05 de probabilidad. ** Significativo 0.01 de probabilidad. *** Significativo 0.001 de probabilidad. Fuente: Elaboración propia..
56
La concentración media de los macronutrientes, micronutrientes y elementos traza
medidos en muestras de líquenes disminuyeron en el siguiente orden: Ca > Al > K > Fe >
Mg > Zn > Ti > Mn > Ba > Sr > Pb > Rb > Cr > Cu > V > As > Ni > Sb > Co > Cd. La
concentración de la mayoría de los elementos fueron evidentemente más elevados en las
áreas urbanas y periurbanas que las áreas rural y control. Concentraciones más elevadas de
Zn fueron observados en un área periurbana (C) y dos áreas urbanas (H y Chi). Este
elemento podría ser asociado a la emisión de fuentes vehiculares debido a que las dos áreas
urbanas sufren de intenso caos vehicular en horarios pico, mientras que las muestras de
liquen en el área periurbana fueron colectadas cerca de la carretera principal. Altas
concentraciones de Pb fueron observados en la mayoría de las áreas de muestreo, a pesar
de que el uso de Pb como constituyente de la gasolina/petróleo fuera prohibido desde 2009
en Perú (Bekir Onursal, 1997). Similar resultados fueron encontrados por otros
investigadores, por ejemplo, en España (Sevilla) Enamorado-Báez et al., (2015) reporto
elevadas concentraciones de Pb en diversas partes de Sevilla. En Asunción (Paraguay),
Sanchez-Chardi, (2016) utilizando cinco especies de Tillandsia especies como biomonitor
encontró altas concentraciones de Pb en lugares donde el tráfico es intenso. Elevadas
concentraciones de Sb fueron encontradas en C, Ch, Chi, H y Hu, lugares donde el tráfico
vehicular es constante. De acuerdo a Fujiwara et al. (2011), Pb, Zn y Ba son marcadores
del tráfico vehicular, mientras Janta and Chantara (2017), concluyeron que Cr, Pb, Cu y Zn
vienen principalmente de fuentes vehiculares. Además, Querol et al. (2008), ha sugerido
que Sb, Cu, Zn, Ba, y Fe son marcadores del freno de carro y del desgaste de otras partes
de los vehículos, los cuales podrían ser considerados como indicadores de la re suspensión
causada por el tráfico.
En la literatura usualmente Ba, V, Ni, Zn, Cu, y Sb fueron relacionados a las
emisiones de tráfico vehicular (Enamorado-Báez et al., 2015; Godoy, Godoy, Roldão,
Soluri, & Donagemma, 2009; Guéguen, Stille, Dietze, & Gieré, 2012), mientras V y Ni
fueron relacionados con el combustible de combustión de los motores diésel (Giampaoli et
al., 2016; Rizzio, Bergamaschi, Valcuvia, Profumo, & Gallorini, 2001).
57
3.2 Factor de enriquecimiento
El factor de enriquecimiento (EF) de los 16 elementos medidos en cada área de muestreo
fue calculado utilizando la ecuación 2 y los resultados son mostrados en las Figura 14 y
Figura 15. Entre los elementos enriquecidos significantemente (dos veces el ara de control)
pueden destacarse al Ba en Ch, Chi, H y Hu, Cd en todas las áreas de muestreo, Cr en Ch,
Chi, H y Hu, Pb en la mayoría de las áreas de muestreo (excepto AH y O), Sb en C y Ch, V
en Ch, Chi, y Hu, mientras Zn fue observado en C, Ch, Chi, H, y Hu.
Enriquecimiento moderado de As fue observado en C, Ba en C, Hua, S, y SC, Cr en
C, Hua, O, S y SC, Cu en C, Ch, Chi, H, Hu, y Hua, Mn en Ch y S, Ni en Ch, Chi, H, Hu y
Hua, Pb en O, Rb en Ah y Ch, Sb en Chi, H, Hu y Hua, V en C y H, mientras Zn en SC.
Condiciones normales fueron encontrados para los elementos de Al, Ca y K en todas
las área de muestreo, As en la mayoría de las áreas (excepto C), Ba en AH y O, Cu en AH,
O, S, y SC, Fe, Ni y V en AH, Hua, O, S, y SC, mientras Zn en AH, O y S.
58
Figura 14. Factor de enriquecimiento para los elementos Al, As, Ba, Ca, Cd, Cr, Cu y Fe en las
10 áreas de muestreo utilizando F. caperata liquen como biomonitor.
59
60
Figura 15. Factor de enriquecimiento para los elementos K, Mn, Ni, Pb, Rb, Sb, V, y Zn en las
10 áreas de muestreo utilizando F. caperata liquen como biomonitor.
61
3.3 Análisis multivariado de datos
3.3.1 Análisis de clúster jerárquico (Hierarchical cluster analysis, HCA)
Las áreas de muestreo, incluyendo el área de control fueron clasificados utilizando el
análisis de clúster jerárquico (HCA). Los resultados revelaron tres grupos distintos.
El grupo I (Group I) estuvo conformado por un área rural (AH) y el área de control
(CS). El grupo II (Group II) fue formado por una área periurbana (Ch) y las dos áreas
urbanas (Chi y H), estas dos últimas íntimamente anexadas, mientras el grupo III
(Group III) fue conformado por la mayoría de las areas periurbanas las cuales fueron
separadas en tres subgrupos: III-A (C), III-B (S y O), y III-C (Hu, Hua y SC). Un
Figura 16. Los resultados indicaron que las áreas de muestreo pertenecientes al
elemento analizado en las muestras de líquenes y podrían ser considerados que cada
grupo II (Group II), mientras Cr, Fe, V, Ba, Zn, Ca, Cu, Sb, Pb, Al, y Ni fueron todos
62
63
Figura 16. Dendrograma de clasificación por áreas de muestreo utilizando F.caperata liquen como biomonitor.
64
Figura 17. Resultado del clúster análisis (dendrograma) utilizando los elementos traza medidos
en F. caperata liquen.
El análisis de clúster segregó las áreas en tres grupos. De acuerdo con el impacto de
las fuentes potenciales de los elementos, los grupos se pueden clasificar en la siguiente
secuencia; Grupo I <Grupo III <Grupo II. Esto indica que el área rural (AH) del Grupo I
tiene un aire relativamente limpio similar al sitio de control. Esto no es sorprendente
porque el área rural es una pequeña comunidad campesina localizada a 20 km del área
urbana principal. Los sitios del Grupo III se ven afectados de forma relativamente
moderada por las posibles fuentes de elementos. Los sitios del Grupo II sufren el mayor
impacto de las fuentes elementales debido a que la mayoría de los sitios se encuentran
cerca de alta densidad de tráfico, carreteras y dentro de las áreas urbanas. El resultado del
análisis de conglomerados muestra que el contenido elemental de los líquenes recolectados
de F. caperata puede proporcionar una clasificación útil de los sitios de muestreo en el área
de estudio.
Con base en informes anteriores, el grupo del Grupo 1 que contiene Mn, As y Cd
sugiere como fuente principal el uso de agroquímicos por los agricultores en el área de
estudio, mientras que el grupo 2 conformado por K y Rb indica la fuente natural. El Grupo
III sugiere que la mayoría de los elementos son liberados por fuentes antropogénicas tales
como fuentes de vehículos (por ejemplo, tubos de escape, re-suspensión y abrasión) como
las principales fuentes de contaminación.
65
3.3.2 Análisis de componentes principales (ACP)
Para el cálculo del ACP, la matriz conteniendo el factor de enriquecimiento de los 16
elementos medidos en las 10 áreas de muestreo fueron utilizados (matriz de 16
variables x 63 observaciones (muestras). Los resultados del ACP después del
VARIMAX rotación son presentados en la Tabla 9. Tres factores fueron
seleccionados de acuerdo con los valores de Eigenvalues > 1, los cuales explicaron el
74 % de la varianza total de los datos. El Factor 1 explico el 47% de la varianza total
de los datos y mostro una alta correlación positiva entre Al, Ba, Cr, Cu, Fe, Ni, Pb,
Sb, V, y Zn. Calcio, K y Rb presentaron altos valores de loadings en el Factor 2, los
cuales explicaron 3l 14% de la varianza total, mientras el Factor 3 explico el 13% de
la varianza total y se notó una correlación positiva entre los elementos As, Cd y Mn.
Las communalidades de todos los elementos estuvieron encima de 70% para la
mayoría de los elementos, con la excepción de As, Ca, Mn y Rb, cuya
communalidades presentaron valores menores que 69%.
ACP, en este estudio segrego tres factores: el primer factor mostro 10
elementos positivamente correlacionados con factor loading más altos que 0.60. Al,
Ba, Cr, Fe, Ni, Pb, Sb, V y Zn como presentado en la Tabla 9. Por un lado alguno de
estos elementos, tales como Ba, Cr, Pb, Sb, V, y Zn presentaron FE > 100% sobre
todo en las áreas urbanas y áreas cercanas a ellos, mientras Al, Cu, Fe, y Ni por otro
lado presentaron FE < 100 % (Figura 14 y Figura 15), así, estos últimos elementos
podrían indicar la presencia de fuentes geogénicas y antropogénicas. Este factor
mostro más altas contribuciones de Ba, Cr, Pb, Sb, V, y Zn en áreas donde el tráfico
vehicular es intenso, sugiriendo entonces que fuentes vehiculares podrían ser la
principal fuente de contaminación de estos elementos.
66
Tabla 9
Factor loadings de los tres factores extraídos de después del VARIMAX rotación aplicado a los
FE de los elementos medidos en muestras de F. caperata liquen.
Elementos Factores
Fa1 Fa2 Fa3 Comm
Fe líquenes
Al 0.80 -0.11 -0.23 0.71
As 0.02 -0.15 0.80 0.66
Ba 0.90 0.28 -0.04 0.90
Ca 0.34 0.61 -0.15 0.51
Cd 0.01 -0.11 0.90 0.83
Cr 0.84 0.36 0.01 0.84
Cu 0.85 0.12 0.14 0.76
Fe 0.87 0.24 0.11 0.83
K 0.06 0.87 -0.10 0.78
Mn 0.22 0.11 0.60 0.41
Ni 0.87 -0.04 0.08 0.76
Pb 0.76 -0.29 0.25 0.73
Rb -0.02 0.77 0.06 0.60
Sb 0.86 0.16 0.24 0.81
V 0.87 0.01 0.10 0.77
Zn 0.92 0.20 0.10 0.91
Eigenvalue 7.79 2.36 1.62
% total de varianza 0.47 0.14 0.13
% acumulativo de varianza 0.47 0.61 0.74
Loadings con valores mayores a 0.60 (en negrito) son considerados significativos. Fuente: Elaboración propia.
altos loadings que explicaron por 14% de la varianza total. Potasio y Rb presentaron
FE < 50 para todas las áreas de muestreo, mientras Rb presento FE ≈ 50 para dos
áreas (Ch and AH). De acuerdo a Schleicher et al., (2012), rubidio puede ser también
67
emitido durante la combustión de combustibles. Estos elementos podrían ser
puede ser adicionado a el suelo en forma natural a través de la lixiviación de las rocas
Leclerc, Meux, & Lapicque, 2016; Roberts, 2014; WHO, 2000). Arsenio es un
la irrigación por alcantarillado (Zhou, Niu, Liu, Yin, & Liu, 2018). Compuestos del
Arsenio han sido ampliamente utilizados en en Valle del Mantaro para la producción
68
fabricación de productos químicos, en la industria textil y del cuero, y como
fertilizante (WHO, 2001). Por ejemplo, Figueira et al. (2002) relacionó la alta
Lisboa (Portugal), mientras que Belon et al. (2012) concluyeron que los fertilizantes
encuentran en este trabajo, podrían provenir del suelo y del uso de agroquímicos o
Ba, Cr, Fe, Ni, Pb, Sb y Zn parecen derivar principalmente de fuentes antropogénicas
fuentes antropogénicas. Por lo tanto, este elemento puede enriquecerse tanto con
69
actividades naturales como antropogénicas relacionadas con las actividades de
construcción.
las actividades agrícolas pueden ser fuentes de emisión de elementos trazo (ET) en el
aire. Además, el liquen demostró ser una herramienta de biomonitoreo rentable para
número de muestras, así como otras técnicas o métodos para obtener una mejor
70
CONCLUSIONES
El presente estudio es quizás el primer reporte sobre el nivel de diferentes metales traza
medidos en diferentes áreas de estudio dentro del área metropolitana de Huancayo (Perú)
aire.
16 metales traza fueron medidos en cada área de estudio. Los resultados mostraron
concentraciones más elevadas de la mayoría de los elementos traza en todas las áreas de
De acuerdo al HCA las área de muestreo fueron clasificados en tres grupos: Grupo I
constituido por el área de control y el área rural, Grupo II conformado por las áreas urbanas
(incluido un área periurbana), mientras el Grupo III agrupo la mayoría de las áreas
periurbanas.
identificados Pb, Zn, Ba, Cu, V, Ni, Cr, Fe, y Sb fueron relacionados a emisiones de
71
RECOMENDACIONES
72
BIBLIOGRAFÍA
Agnan, Y., Séjalon-Delmas, N., & Probst, A. (2013). Comparing early twentieth century and
present-day atmospheric pollution in SW France: A story of lichens. Environmental
Pollution, 172, 139–148. https://doi.org/10.1016/j.envpol.2012.09.008
Bargagli, R., Monaci, F. F., Borghini, F., Bravi, F. F., & Agnorelli, C. (2002). Mosses and
lichens as biomonitors of trace metals. A comparison study on Hypnum cupressiforme and
Parmelia caperata in a former mining district in Italy. Environmental Pollution, 116(2),
279–287. https://doi.org/10.1016/S0269-7491(01)00125-7
Batsala, M., Chandu, B., Sakala, B., Nama, S., & Domatoti, S. (2012). Inductively coupled
plasma mass spectrometry (ICP-MS). International Jounal of Research in Pharmacy and
Chemistry, 2(3), 671–680.
Bazilio, A., & Weinrich, J. (2012). The Easy Guide to: Inductively Coupled Plasma- Mass
Spectrometry (ICP-MS), (December), 1–11. Retrieved from
http://www.ecs.umass.edu/eve/facilities/equipment/ICPMS/ICPMS quick guide.pdf
Bedregal, P., Mendoza, P., Ubillús, M., Torres, B., Hurtado, J., & Ily Maza, R. E. (2009). El uso
de Usnea sp . y Tillandsia capillaris, como biomonitores de la contaminacion ambiental en
la ciudad de Lima, Peru. Revista Sociedad Quimica Del Peru, 75(4), 479–487. Retrieved
from http://www.scielo.org.pe/pdf/rsqp/v75n4/a10v75n4.pdf
Bekir Onursal, S. G. (1997). Vehicular Air Pollution: Experiences from Seven Latin American
Urban Centers. Retrieved from
https://books.google.com.br/books?id=XSUS234DhEsC&dq=Leaded+gasoline+was+banne
d+in+Peru%3F&hl=pt-BR&source=gbs_navlinks_s
Belon, E., Boisson, M., Deportes, I. Z., Eglin, T. K., Feix, I., Bispo, A. O., … Guellier, C. R.
(2012). An inventory of trace elements inputs to French agricultural soils. Science of the
Total Environment, The, 439, 87–95. https://doi.org/10.1016/j.scitotenv.2012.09.011
Boamponsem, L. K., Adam, J. I., Dampare, S. B., Nyarko, B. J. B., & Essumang, D. K. (2010).
Assessment of atmospheric heavy metal deposition in the Tarkwa gold mining area of
Ghana using epiphytic lichens. Nuclear Instruments and Methods in Physics Research,
Section B: Beam Interactions with Materials and Atoms, 268(9), 1492–1501.
https://doi.org/10.1016/j.nimb.2010.01.007
73
Boonpeng, C., Polyiam, W., Sriviboon, C., Sangiamdee, D., Watthana, S., Nimis, P. L., &
Boonpragob, K. (2017). Airborne trace elements near a petrochemical industrial complex in
Thailand assessed by the lichen Parmotrema tinctorum (Despr. ex Nyl.) Hale.
Environmental Science and Pollution Research, 24(13), 12393–12404.
https://doi.org/10.1007/s11356-017-8893-9
Buat-Menard, P., & Chesselet, R. (1979). Variable influence of the atmospheric flux on the trace
metal chemistry of oceanic suspended matter. Earth and Planetary Science Letters, 42(3),
399–411. https://doi.org/10.1016/0012-821X(79)90049-9
Chavent, M., Simonet, V. K., Liquet, B., & Kuentz-simonet, V. (2012). ClustOfVar : An R
Package for the Clustering of Variables. Journal of Statistical, 50(13). Retrieved from
https://hal.inria.fr/hal-00742795/document
Conti, M. E., & Cecchetti, G. (2001). Biological monitoring: lichens as bioindicators of air
pollution assessment--a review. Environmental Pollution (Barking, Essex : 1987), 114(3),
471–92. Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/11584645
De la Cruz, M. T., Laborda, F., Callén, M. S., López, J. M., & Mastral, A. M. (2009). Study of
Pb sources by Pb isotope ratios in the airborne PM(10) of Zaragoza, Spain. Journal of
Environmental Monitoring : JEM, 11(11), 2052–7. https://doi.org/10.1039/b912274e
DEFRA. (1999). What is particulate matter ? Key points. In Particulate atter in the United
KIngdom (pp. 16–28). Retrieved from https://uk-
air.defra.gov.uk/assets/documents/reports/aqeg/ch2.pdf
Enamorado-Báez, S. M., Gómez-Guzmán, J. M., Chamizo, E., & Abril, J. M. (2015). Levels of
25 trace elements in high-volume air filter samples from Seville (2001–2002): Sources,
enrichment factors and temporal variations. Atmospheric Research, 155, 118–129.
https://doi.org/10.1016/j.atmosres.2014.12.005
F. James Holler, Douglas A. Skoog, S. R. C. (2007). Principles of Instrumental Analysis. (C.
Learning, Ed.) (6th ed.). bookman.
Figueira, R., Sérgio, C., & Sousa, a. J. (2002). Distribution of trace metals in moss biomonitors
and assessment of contamination sources in Portugal. Environmental Pollution, 118(1),
153–163. https://doi.org/10.1016/S0269-7491(01)00203-2
Figueiredo, A. M. G., Nogueira, C. A., Saiki, M., Milian, F. M., & Domingos, M. (2007).
Assessment of atmospheric metallic pollution in the metropolitan region of Sao Paulo,
74
Brazil, employing Tillandsia usneoides L. as biomonitor. Environmental Pollution, 145(1),
279–292. https://doi.org/10.1016/j.envpol.2006.03.010
Fuga, A., Saiki, M., Marcelli, M. P., & Saldiva, P. H. N. (2008). Atmospheric pollutants
monitoring by analysis of epiphytic lichens. Environmental Pollution, 151(2), 334–340.
https://doi.org/10.1016/j.envpol.2007.06.041
Fujiwara, F. G., Gómez, D. R., Dawidowski, L., Perelman, P., & Faggi, A. (2011). Metals
associated with airborne particulate matter in road dust and tree bark collected in a megacity
(Buenos Aires, Argentina). Ecological Indicators, 11(2), 240–247.
https://doi.org/10.1016/j.ecolind.2010.04.007
Gamboa-Loira, B., Cebrián, M. E., Franco-marina, F., & López-carrillo, L. (2017). Arsenic
metabolism and cancer risk : A meta-analysis. Environmental Research, 156(March), 551–
558. https://doi.org/10.1016/j.envres.2017.04.016
Gandois, L., Agnan, Y., Leblond, S., Séjalon-Delmas, N., Le Roux, G., & Probst, a. (2014). Use
of geochemical signatures, including rare earth elements, in mosses and lichens to assess
spatial integration and the influence of forest environment. Atmospheric Environment, 95,
96–104. https://doi.org/10.1016/j.atmosenv.2014.06.029
Garcia, H., & Filzmoser, P. (2011). Multivariate Statistical Analysis using the R package
chemometrics, 1–71.
Gerdol, R., Marchesini, R., Iacumin, P., & Brancaleoni, L. (2014). Monitoring temporal trends of
air pollution in an urban area using mosses and lichens as biomonitors. Chemosphere, 108,
388–395. https://doi.org/10.1016/j.chemosphere.2014.02.035
Giampaoli, P., Wannaz, E. D., Tavares, A. R., & Domingos, M. (2016). Suitability of Tillandsia
usneoides and Aechmea fasciata for biomonitoring toxic elements under tropical seasonal
climate. Chemosphere, 149, 14–23. https://doi.org/10.1016/j.chemosphere.2016.01.080
Godoy, M. L. D. P., Godoy, J. M., Roldão, L. A., Soluri, D. S., & Donagemma, R. a. (2009).
Coarse and fine aerosol source apportionment in Rio de Janeiro, Brazil. Atmospheric
Environment, 43(14), 2366–2374. https://doi.org/10.1016/j.atmosenv.2008.12.046
Goix, S., Resongles, E., Point, D., Oliva, P., Duprey, J. L., de la Galvez, E., … Gardon, J.
(2013). Transplantation of epiphytic bioaccumulators (Tillandsia capillaris) for high spatial
resolution biomonitoring of trace elements and point sources deconvolution in a complex
mining/smelting urban context. Atmospheric Environment, 80, 330–341.
75
https://doi.org/10.1016/j.atmosenv.2013.08.011
Guardia, M. de la. (2016). The Quality of Air. (Elsevier, Ed.). Retrieved from
https://books.google.com.br/books?id=ZQVKCgAAQBAJ&pg=PA117&lpg=PA117&dq=
Chapter+6+–+Lichens+as+Biomonitors+of+Heavy-
Metal+Pollution&source=bl&ots=bvQkAgolP5&sig=9FR6HQzr3QA59ogWTOGx0IDyVS
M&hl=pt-BR&sa=X&ved=0ahUKEwjM6M-
_tavTAhWJjZAKHfZ5CaYQ6AEINzAC#v=onep
Guéguen, F., Stille, P., Dietze, V., & Gieré, R. (2012). Chemical and isotopic properties and
origin of coarse airborne particles collected by passive samplers in industrial, urban, and
rural environments. Atmospheric Environment, 62, 631–645.
https://doi.org/10.1016/j.atmosenv.2012.08.044
Haller, A. (2014). The “sowing of concrete”: Peri-urban smallholder perceptions of rural-urban
land change in the Central Peruvian Andes. Land Use Policy, 38, 239–247.
https://doi.org/10.1016/j.landusepol.2013.11.010
Hawksworth, D. L., Iturriaga, T., & Crespo, A. (2005). Líquenes como bioindicadores
inmediatos de contaminación y cambios medio-ambientales en los trópicos. Revista
Iberoamericana de Micología, 22(2), 71–82. https://doi.org/10.1016/S1130-1406(05)70013-
9
Hazotte, C., Leclerc, N., Meux, E., & Lapicque, F. (2016). Direct recovery of cadmium and
nickel from Ni-Cd spent batteries by electroassisted leaching and electrodeposition in a
single-cell process. Hydrometallurgy, 162, 94–103.
https://doi.org/10.1016/j.hydromet.2016.02.019
Huancayo, C. (2017). CLIMATE-DATA.ORG. Retrieved from https://en.climate-
data.org/location/3326/
Instituto Nacional de Estadística e Informática. (2017). Peru: Principales Indicadores
Departamentales 2009-2016. Lima. Retrieved from
https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1421/libro.p
df
Jablonska, E., Socha, K., Reszka, E., Wieczorek, E., Skokowski, J., Kalinowski, L., …
Wasowicz, W. (2017). Cadmium, arsenic, selenium and iron – Implications for tumor
progression in breast cancer. Environmental Toxicology and Pharmacology, 53(March),
76
151–157. https://doi.org/10.1016/j.etap.2017.05.014
Janta, R., & Chantara, S. (2017). Tree bark as bioindicator of metal accumulation from road
traffic and air quality map: A case study of Chiang Mai, Thailand. Atmospheric Pollution
Research, 8(5), 956–967. https://doi.org/10.1016/j.apr.2017.03.010
Kaiser, H. F. (1960). The application of electronic computers to factor analysis, XX(1), 141–151.
Retrieved from http://journals.sagepub.com/doi/pdf/10.1177/001316446002000116
Kassambara, A., & Mundt, F. (2016). Extract and visualize the results of multivariate data
analyses. R Package Version.
Koz, B., Celik, N., & Cevik, U. (2010). Biomonitoring of heavy metals by epiphytic lichen
species in Black Sea region of Turkey. Ecological Indicators, 10(3), 762–765.
https://doi.org/10.1016/j.ecolind.2009.11.006
Kularatne, K. I. A., & De Freitas, C. R. (2013). Epiphytic lichens as biomonitors of airborne
heavy metal pollution. Environmental and Experimental Botany, 88, 24–32.
https://doi.org/10.1016/j.envexpbot.2012.02.010
Kulkarni, P., Chellam, S., & Fraser, M. P. (2006). Lanthanum and lanthanides in atmospheric
fine particles and their apportionment to refinery and petrochemical operations in Houston,
TX. Atmospheric Environment, 40(3), 508–520.
https://doi.org/10.1016/j.atmosenv.2005.09.063
Loppi, S., Frati, L., Paoli, L., Bigagli, V., Rossetti, C., Bruscoli, C., & Corsini, A. (2004).
Biodiversity of epiphytic lichens and heavy metal contents of Flavoparmelia caperata thalli
as indicators of temporal variations of air pollution in the town of Montecatini Terme
(central Italy). Science of the Total Environment, 326(1–3), 113–122.
https://doi.org/10.1016/j.scitotenv.2003.12.003
Luo, L., Ma, Y., Zhang, S., Wei, D., & Zhu, Y. (2009). An inventory of trace element inputs to
agricultural soils in China. Journal of Environmental Management, 90(8), 2524–2530.
https://doi.org/10.1016/j.jenvman.2009.01.011
Malaspina, P., Giordani, P., Modenesi, P., Abelmoschi, M. L., Magi, E., & Soggia, F. (2014).
Bioaccumulation capacity of two chemical varieties of the lichen Pseudevernia furfuracea.
Ecological Indicators, 45, 605–610. https://doi.org/10.1016/j.ecolind.2014.05.026
Mateus, V. L., Monteiro, I. L. G., Rocha, R. C. C., Saint’Pierre, T. D., & Gioda, A. (2013).
Study of the chemical composition of particulate matter from the Rio de Janeiro
77
metropolitan region, Brazil, by inductively coupled plasma-mass spectrometry and optical
emission spectrometry. Spectrochimica Acta - Part B Atomic Spectroscopy, 86, 131–136.
https://doi.org/10.1016/j.sab.2013.03.003
Mendil, D., Çelik, F., Tuzen, M., & Soylak, M. (2009). Assessment of trace metal levels in some
moss and lichen samples collected from near the motorway in Turkey. Journal of
Hazardous Materials, 166(2–3), 1344–1350. https://doi.org/10.1016/j.jhazmat.2008.12.053
Milan, A., & Ho, R. (2014). Livelihood and migration patterns at different altitudes in the
Central Highlands of Peru. Climate and Development, 6(1), 69–76.
https://doi.org/10.1080/17565529.2013.826127
Purvis, O. W., & Pawlik-skowron, B. (2008). Lichens and Metals (pp. 175–200). Retrieved from
https://ac.els-cdn.com/S0275028708800549/1-s2.0-S0275028708800549-
main.pdf?_tid=d55b1dfc-c880-11e7-992a-
00000aab0f6c&acdnat=1510584312_c18ddc2e016bbb4464b275722abe2000
Querol, X., Alastuey, a., Moreno, T., Viana, M. M., Castillo, S., Pey, J., … Sánchez de la
Campa, a. (2008). Spatial and temporal variations in airborne particulate matter (PM10 and
PM2.5) across Spain 1999-2005. Atmospheric Environment, 42(17), 3964–3979.
https://doi.org/10.1016/j.atmosenv.2006.10.071
R Team Core. (2015). A language and Environment for Statistical Computing. R Foundation for
Statistical Computing, Vienna Austria. Vienna, Austria: R Foundation for Statistical
Computing. Retrieved from https://www.r-project.org/
Revelle, W. (2018). Procedures for Psychological, Psychometric, and Personality Research.
Retrieved from https://personality-project.org/r/psych-manual.pdf
Rizzio, E., Bergamaschi, L., Valcuvia, M. ., Profumo, a, & Gallorini, M. (2001). Trace elements
determination in lichens and in the airborne particulate matter for the evaluation of the
atmospheric pollution in a region of northern Italy. Environment International, 26(7–8),
543–549. https://doi.org/10.1016/S0160-4120(01)00037-X
Roberts, T. L. (2014). Cadmium and Phosphorous Fertilizers : The Issues and the Science.
Procedia Engineering, 83, 52–59. https://doi.org/10.1016/j.proeng.2014.09.012
Sanchez-Chardi, A. (2016). Biomonitoring potential of five sympatric Tillandsia species for
evaluating urban metal pollution (Cd, Hg and Pb). Atmospheric Environment, 131, 352–
359. https://doi.org/10.1016/j.atmosenv.2016.02.013
78
Schleicher, N., Norra, S., Chen, Y., Chai, F., & Wang, S. (2012). Efficiency of mitigation
measures to reduce particulate air pollution-A case study during the Olympic Summer
Games 2008 in Beijing, China. Science of the Total Environment, 427–428, 146–158.
https://doi.org/10.1016/j.scitotenv.2012.04.004
Serrano, F. (2002). ENVIRONMENTAL CONTAMINATION IN THE HOMES OF LA OROYA
AND CONCEPCION AND ITS EFFECTS IN THE HEALTH OF COMMUNITY
RESIDENTS. Huancayo. Retrieved from
http://lib.ohchr.org/HRBodies/UPR/Documents/Session2/PE/EJ-
AIDA_PER_UPR_S2_2008anx_StudyofcontaminationinLaOroya.pdf
Shotyk, W., Bicalho, B., Cuss, C. W., Duke, M. J. M., Noernberg, T., Pelletier, R., … Zaccone,
C. (2016). Dust is the dominant source of “heavy metals” to peat moss (Sphagnum fuscum)
in the bogs of the Athabasca Bituminous Sands region of northern Alberta. Environment
International, 92–93, 494–506. https://doi.org/10.1016/j.envint.2016.03.018
Spada, N., Bozlaker, A., & Chellam, S. (2012). Multi-elemental characterization of tunnel and
road dusts in Houston, Texas using dynamic reaction cell-quadrupole-inductively coupled
plasma-mass spectrometry: Evidence for the release of platinum group and anthropogenic
metals from motor vehicles. Analytica Chimica Acta, 735, 1–8.
https://doi.org/10.1016/j.aca.2012.05.026
Srinivasa Gowd, S., Ramakrishna Reddy, M., & Govil, P. K. (2010). Assessment of heavy metal
contamination in soils at Jajmau (Kanpur) and Unnao industrial areas of the Ganga Plain,
Uttar Pradesh, India. Journal of Hazardous Materials, 174(1–3), 113–121.
https://doi.org/10.1016/j.jhazmat.2009.09.024
Thermo. (2001). AAS, GFAAS, ICP or ICP-MS ? Which technique should I use ? An elementary
overview of elemental analysis, 12.
Wang, L., Liang, T., Zhang, Q., & Li, K. (2014). Rare earth element components in atmospheric
particulates in the Bayan Obo mine region. Environmental Research, 131, 64–70.
https://doi.org/10.1016/j.envres.2014.02.006
Wannaz, E. D., Carreras, H. A., Pérez, C. A., & Pignata, M. L. (2006). Assessment of heavy
metal accumulation in two species of Tillandsia in relation to atmospheric emission sources
in Argentina. Science of the Total Environment, 361(1–3), 267–278.
https://doi.org/10.1016/j.scitotenv.2005.11.005
79
WHO. (2000). Cadmium. In Air Quality Guidelines (pp. 1–11). Denmark.
https://doi.org/10.1016/S0959-6380(00)80017-3
WHO. (2001). Manganese. In Air Quality Guidelines (pp. 1–13).
Wickham, H., & Chang, W. (2016). Create Elegant Data Visualization Using the Grammar of
Graphics. https://doi.org/10.1093/bioinformatics/btr406
Williamson, B. J., Mikhailova, I., Purvis, O. W., & Udachin, V. (2004). SEM-EDX analysis in
the source apportionment of particulate matter on Hypogymnia physodes lichen transplants
around the Cu smelter and former mining town of Karabash , South Urals , Russia, 322,
139–154. https://doi.org/10.1016/j.scitotenv.2003.09.021
Wolterbeek, H. T., Garty, J., Reis, M. A., & Freitas, M. C. (2003). Biomonitors in use: lichens
and metal air pollution. In Bioindicators and biomonitors (Vol. 6, pp. 377–419).
https://doi.org/10.1016/S0927-5215(03)80141-8
Zasada, I., Fertner, C., Piorr, A., & Nielsen, T. S. (2011). Peri-urbanisation and multifunctional
adaptation of agriculture around Copenhagen. Geografisk Tidsskrift-Danish Journal of
Geography, 111(1), 59–72. https://doi.org/10.1080/00167223.2011.10669522
Zhou, Y., Niu, L., Liu, K., Yin, S., & Liu, W. (2018). Arsenic in agricultural soils across China :
Distribution pattern, accumulation trend, influencing factors, and risk assessment. Science
of the Total Environment, 616–617, 156–163.
https://doi.org/10.1016/j.scitotenv.2017.10.232
80
ANEXOS
81
Anexo A: Molido de las muestras de líquenes
82
83
Anexo C: Biplots basado en el primer y segundo factor del análisis de ACP.
84
85