SciELO - Scientific Electronic Library Online

 
vol.29 issue2Regression models for the prediction of high impact polystyrene properties using operational variablesThermal comfort in naturally ventilated buildings of Maracaibo, Venezuela author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Revista Técnica de la Facultad de Ingeniería Universidad del Zulia

Print version ISSN 0254-0770

Rev. Téc. Ing. Univ. Zulia vol.29 no.2 Maracaibo Aug. 2006

 

Vulnerability to the Contamination of underground waters in the Coquivacoa Parish of the Maracaibo Municipality-Zulia State 

Wilmer Márquez, Nola Fernández y Williams Cerón 

Departamento de Geofísica, Escuela de Ingeniería Geodésica, Facultad de Ingeniería, Universidad del Zulia. Maracaibo 4001, Venezuela. E-mail: wmarquez@luz.edu.ve 

Abstract 

The cartography of the vulnerability of the aquifer mantels is one of the most appropriate alternatives to preserve the quality of the underground waters. She allows differentiating the natural characteristics of the land to protect to the aquifer of the action of multiple pollutants that can infiltrate from the surface, associated to natural phenomena or to the man’s activity. In Venezuela, the underground waters occupy a fundamental paper in the population’s supply, agriculture and the industry. The presented work evaluates the natural vulnerability of the aquifers in the Parish Coquivacoa of the Municipality Maracaibo, to inclination, of a methodology that calculates the vulnerability index that Index of PATHS has been denominated. This index is obtained starting from the analysis of: Precipitations, Half Aquifer (Depth of the Phreatic Level, Litology of the aquifer), Topography (Slope of the land) and Hydraulic Resistivity of the floor. The whole information was processed using the theory Convolution of Gosh and the algorithms of the Nested Regression and as a result the Parish Coquivacoa was represented to scale 1:5000 that it constitutes the starting point to decide on investigations and monitoring nets to detailed scales, to dictate political of control to the agricultural, industrial, urban activities, and besides evaluating the danger of contamination of the underground waters. 

Key words: Ridge regression, PATHS, map of vulnerability, acuifer. 

Vulnerabilidad a la contaminación de las aguas subterráneas en la Parroquia Coquivacoa del Municipio Maracaibo-Estado Zulia 

Resumen 

La cartografía de la vulnerabilidad de los mantos acuíferos es una de las alternativas más adecuadas para preservar la calidad de las aguas subterráneas. Ella permite diferenciar las características naturales del terreno para proteger al acuífero de la acción de múltiples contaminantes que pueden infiltrarse desde la superficie, asociados a fenómenos naturales o a la actividad del hombre. En Venezuela, las aguas subterráneas ocupan un papel fundamental en el abastecimiento de la población, agricultura y la industria. El trabajo presentado evalúa la vulnerabilidad natural de los acuíferos en la Parroquia Coquivacoa del Municipio Maracaibo, a través, de una metodología que calcula el índice de vulnerabilidad que ha sido denominado Índice de PATHS. Este índice es obtenido a partir del análisis de: precipitaciones, medio acuífero (profundidad del nivel freático, litología del acuífero), topografía (pendiente del terreno) y resistividad hidráulica del suelo. Toda la información fue procesada empleando la teoría Convolucional de Gosh y los algoritmos de la Regresión Anidada y como resultado se representó la Parroquia Coquivacoa a escala 1:5000, que constituye el punto de partida para decidir sobre investigaciones y redes de monitoreo a escalas más detalladas, dictar políticas de control a la actividades agrícolas, industriales, urbanas, y además de evaluar el peligro de contaminación de las aguas subterráneas. 

Palabras clave: Regresión anidada, PATHS, mapa de vulnerabilidad, acuíferos. 

Recibido el 19 de Septiembre de 2005 

En forma revisada el 13 de Marzo de 2006 

Introducción 

En el mundo aproximadamente el 3% del agua disponible en la tierra es agua dulce. Del agua dulce, el 79% está en los casquetes polares y sólo el 21% representa los recursos hídricos aprovechables, de los cuales el 20% es agua subterránea y el 1% es agua superficial [1]. 

Así mismo, existen al menos 1500 millones de personas para quienes las aguas subterráneas constituyen la fuente principal de agua dulce. Sin embargo, en muchas regiones la sobreexplotación y la contaminación están amenazando estas fuentes de abastecimiento. 

En Venezuela, las aguas subterráneas ocupan el 16% del volumen total del agua que se consume anualmente para satisfacer necesidades de la actividad económica y social, estas estadísticas reflejan la importancia de proteger este recurso vital [1]. 

En los últimos años ha sido creciente la preocupación de la sociedad ante la degradación de la calidad de los recursos hídricos subterráneos. Cada vez existe mayor necesidad de desarrollar una gestión ambientalmente segura de las aguas subterráneas. Como resultado de esta situación, en Venezuela se está generalizando el uso de técnicas para cartografiar en términos estadísticos, empleando la regresión anidada y el índice de PATHS, la vulnerabilidad de los acuíferos a la contaminación, como una herramienta de gran utilidad para evaluar cualitativamente y cuantitativamente la carga contaminante generada por actividades antrópicas y la capacidad del medio acuífero para soportar la misma sin prejuicio de la calidad del agua subterránea. 

Metodología Empleada 

El término vulnerabilidad del agua subterránea a la contaminación, fue introducido por el hidrogeólogo francés J. Margat a finales de la década de los años 60, basado en el hecho real de que, en cierta medida, el medio físico protege al acuífero de contaminantes que pueden infiltrarse desde la superficie [2]. 

El objetivo principal de un mapa de vulnerabilidad, es la subdivisión del área en diferentes unidades homogéneas, a veces llamadas celdas o polígonos, que tienen diferentes niveles de vulnerabilidad. Sin embargo, esta diferenciación entre celdas, solo muestra la vulnerabilidad relativa de unas áreas con respecto a otras y no representa valores absolutos. 

Antes de intentar construir un mapa de vulnerabilidad, debe ser cuidadosamente definido y analizado el término vulnerabilidad del agua subterránea. En este trabajo se considera que vulnerabilidad es una propiedad intrínseca de un sistema acuífero que depende de su sensibilidad a impactos naturales y/o antropogénicos [3]. 

Cabe destacar, que se distingue más de un tipo de vulnerabilidad del agua subterránea. El concepto anterior se refiere a la vulnerabilidad intrínseca o natural, la cual, es una función de las características hidrogeológicas del acuífero, suelos y materiales geológicos que lo cubren. Además de estas propiedades intrínsecas, pueden ser considerados los efectos potenciales de determinados contaminantes, en detrimento (en espacio y tiempo), del uso presente y futuro de las aguas subterráneas. 

A partir de la información geológica, edafológica, geomorfológica e hidrológica, disponible en la Parroquia Coquivacoa del Municipio Maracaibo (Figura 1), fue desarrollada una metodología que aplica un sistema por rangos ponderados y luego optimizados a través de la regresión anidada, para calcular un índice, que ha sido denominado índice de PATHS, y que resulta ser directamente proporcional a la vulnerabilidad del acuífero [4], a partir de las muestras de aguas subterráneas, seleccionadas y recolectadas en las perforaciones de los dos estudios paramétricos realizados en el Sector La Lucha de la Parroquia Coquivacoa, durante los días 10, 11, 12, 13, 14 y 15 del mes de Enero de 2005, bajo la coordinación del Laboratorio de Geofísica de LUZ y cuyas coordenadas se encuentran en el Sistema Catedral de Maracaibo que se muestran en la Tabla 1

Tabla 1

Coordenadas de las perforaciones 

Perforación 

Norte (m) 

Este (m) 

207279 

199226 

207317 

199281 

Es importante destacar que las muestras recolectadas en las perforaciones 1 y 2 del sector La Lucha de la Parroquia Coquivacoa, corresponden a mantos acuíferos ubicados a una profundidad de 35 m, caudal de 20 L/s y con alto contenido de cloruro de sodio. Precisamente a partir de estas dos perforaciones, se definieron los pesos y rangos asignados a las variables de profundidad del agua subterránea (P), litología del acuífero (Lit), precipitaciones (Pp), tectónica (T), pendiente topográfica (Pend.Top) y resistencia hidráulica del suelo (RH) [5], y optimizados mediante la regresión anidada con el objeto de controlar la calidad de la información recolectada en las dos perforaciones y los dieciséis sondeos eléctricos verticales realizados a lo largo de la Parroquia Coquivacoa, tal como se observa en la Figura 1

Variables empleadas 

A continuación, se definen las variables empleadas para el cálculo del índice de PATHS, cuyos valores de pesos y rangos fueron determinados a partir de las perforaciones ubicadas en el Sector La Lucha, así como, de la ejecución y procesamiento de dieciséis sondeos eléctricos verticales, distribuidos en forma uniforme en la parroquia antes mencionada y optimizados mediante la aplicación de la regresión anidada, según podemos observar en las Tablas 2, 3, 4, 5, 6 y 7, con el fin de controlar la calidad de los pesos y rangos asignados a cada una de las variables implícitas en la definición del modelo matemático PATHS. 

Tabla 2

División por Rangos para la profundidad del agua subterránea 

Profundidad del Agua Subterránea (m) 

Rango 

Kurtosis 

Valor Sesgado 

Error Medio 

(m) 

0-20 

12 

0,075 

0,0014 

3,124 × 10–14 

20-30 

 8 

0,062 

0,002  

2,314 × 10–14 

> 30 

 2 

0,070 

0,003  

1,214 × 10–14 

Peso asignado: 5 para un R-SQUARE de 0,004%. 

Tabla 3

División por intervalos para las precipitaciones 

Precipitaciones (mm) 

Rango 

Kurtosis 

Valor Sesgado 

Error Medio 

(mm) 

< 1000 

12 

0,068 

0,02 

2,112 × 10–9 

1000-1200 

10 

0,042 

0,06 

3,214 × 10–8 

1200-1400 

 9 

0,036 

0,04 

4,22 × 10–6 

1400-1600 

 8 

0,028 

0,03 

3,142 × 10–8 

1600-1800 

 7 

0,039 

0,07 

2,111 × 10–6 

> 1800 

 6 

0,040 

0,09 

1,432 × 10–4 

Peso asignado: 4 para un R-SQUARE de 0,005%. 

Tabla 4

División para las litologías 

Litologías 

Rango 

Kurtosis 

Valor Sesgado 

Error Medio (%) 

Arena con lutita 

12 

0,036 

0,03  

3,122 × 10–18 

Arenisca con Agua Salada 

 9 

0,026 

0,04  

2,144 × 10–16 

Lutita 

 8 

0,022 

0,035 

2,829 × 10–14 

Arenisca Seca 

 6 

0,019 

0,06  

4,344 × 10–12 

Lutita con Arcilla 

 3 

0,020 

0,07  

3,124 × 10–10 

Peso asignado: 3 para un R-SQUARE de 0,009%. 

Tabla 5

División por rangos por las tectónicas 

Presencia de Fallas 

Rango 

Kurtosis 

Valor Sesgado 

Error Medio (%) 

Zonas con presencia de fallas 

0,34 

0,12 

2,32 × 10–10 

Zonas sin presencia de fallas 

0,42 

0,38 

4,132 × 10–12

Peso asignado: 1 para un R-SQUARE de 0,002%. 

Tabla 6

División por rangos para las pendientes topográficas 

Pendiente  Topográfica (%)

Rango 

Kurtosis 

Valor Sesgado 

Error Medio (%) 

< 1 

12 

0,08 

0,15 

4,129 × 10–12 

1-3 

10 

0,07 

0,18 

5,446 × 10–14 

3-7 

 9 

0,04 

0,01 

6,123 × 10–16 

7-10 

 5 

0,03 

0,23 

3,444 × 10–12 

>10 

 3 

0,07 

0,07 

3,987 × 10–11 

Peso asignado: 1 para un R-SQUARE de 0,002%. 

Tabla 7

División por rangos para la resistencia hidráulica del suelo 

Resistencia Hidráulica del Suelo 

Rango 

Kurtosis 

Valor Sesgado 

Error Medio (%) 

2-6 

10 

0,124 

0,08 

  2,44 × 10–9 

1-2 

 8 

0,459 

0,03 

4,133 × 10–8 

0,6-1 

 5 

0,314 

0,03 

3,180 × 10–6 

0,2-0,6 

 3 

0,554 

0,01 

2,314 × 10–6 

Peso asignado: 5 para un R-SQUARE de 0,004%. 

Así mismo, la asignación de pesos y rangos a cada una de las variables, mediante el procesamiento de los dieciséis sondeos eléctricos verticales, realizados en el área de estudio y optimizados mediante la regresión anidada, se describen en las Tablas 2, 3, 4, 5, 6 y 7

Profundidad del agua subterránea (P) 

En la Tabla 2 observamos que mientras más profundo se encuentre el nivel estático, mayor es el espesor de la zona no saturada y su capacidad de atenuar la carga contaminante, esto es, en función de los análisis efectuados a las dos perforaciones realizadas en el Sector La Lucha y controlado estadísticamente a través de la regresión anidada, dichos análisis se realizaron empleando el espectrofotómetro de absorción atómica y el Standard Methods for the Examination of Water and Wasterwater (SMEWW 1998). 

Precipitaciones (Pp) 

En la Tabla 3 observamos que los altos niveles de precipitación pueden disminuir el impacto del agente contaminante, ya sea, diluyéndolo o transportándolo en forma de flujo superficial, disminuyendo la vulnerabilidad del acuífero, en función de los valores tabulados de precipitaciones en la zona estudiada [6]. 

Litología del acuífero (Lit) 

En la Tabla 4 observamos que los fenómenos de difusión y dispersión de los agentes contaminantes dependen de la granulometría, textura, fracturación, porosidad y permeabilidad de las rocas. Esto también influye en el desarrollo de las reacciones químicas entre el agua contaminada y la matriz del acuífero. Las rocas que poseen mayor transmisividad hidráulica hacen más vulnerable al acuífero. Cabe destacar que los valores asociados a la litología fueron obtenidos a partir de los análisis realizados en el Laboratorio de Geofísica de L.U.Z., a partir, de los núcleos extraídos en las dos perforaciones realizadas. 

Tectónica (T) 

En la Tabla 5 se observa que la presencia de fallas en el medio geológico, favorecen el desarrollo de fracturas y esto puede provocar el incremento de la porosidad secundaria y permeabilidad de las rocas, disminuyendo la capacidad de atenuación de agentes contaminantes en la zona no saturada. Al igual que para la variable anterior, estos valores fueron obtenidos sobre la base de los análisis realizados por el Laboratorio de Geofísica de L.U.Z. de los núcleos obtenidos de las perforaciones. 

Pendiente topográfica (PendTop) 

En la Tabla 6 las pendientes elevadas de la superficie del terreno favorecen las correntías superficiales y hacen que disminuya la infiltración de los contaminantes [7], en función de la evaluación realizada a las cotas fotogramétricas disponibles para la zona estudiada, proporcionada por la Dirección de Catastro de la Alcaldía de Maracaibo del vuelo de la ciudad del año 1992. 

Resistencia hidráulica del suelo (RH) 

Este parámetro cuantifica la resistencia que hace el suelo a la infiltración de un contaminante, expresando la inaccesibilidad hidráulica al acuífero, tal como se muestra en la Tabla 7. 

La resistencia hidráulica del suelo fue determinada dividiendo el espesor del suelo entre el drenaje; de esta manera fue posible caracterizar al menos cualitativamente la resistencia hidráulica de los suelos a la infiltración de contaminantes. En la Tabla 7 se especifica el peso asignado a este parámetro y su división por rangos [8], optimizados mediante la regresión anidada. 

Procesamiento y optimización 

El índice PATHS fue calculado como [9]: 

PATHS = 5P+ 4Pp + 3Lit + T +PendTop + 5RH.      (1) 

Los resultados obtenidos mediante el índice de PATHS, fueron optimizados con el método de la regresión anidada (Tabla 8), cuyo fundamento se basa en comparar los datos de campo con un conjunto de valores de laboratorio, tales como, profundidad del manto acuífero, precipitaciones, litología del acuífero, tectónica, pendiente topográfica y resistencia hidráulica del suelo, los cuales, fueron obtenidos a partir de las dos perforaciones realizadas, incorporando variables estadísticas de control [10]. Esto tiene como objeto, determinar mediante un proceso de interpolación, las propiedades físico-químicas de los mantos acuíferos (Tabla 9) se realizó empleando el espectrofotómetro de absorción atómica y el SMEWW 1998, definiendo con ello un modelo inicial de datos que permite indicar el nivel de ruido en los datos y predecir la exactitud con la cual se estimarán los parámetros para sistemas linealmente dependientes (ecuación 2). 

Tabla 8

Parámetros de la regresión anidada para el índice de PATHS en la Parroquia Coquivacoa 

 

Vulnerabilidad 

Baja 

< 80 

Moderada 

80-100 

Alta 

100-120 

Extrema 

> 120 

Desviación Estándar 

2,863 

0,128 

1,134 

1,984 

Kurtosis 

0,047 

0,015 

0,037 

0,038 

Valor Sesgado 

0,843 

0,343 

0,259 

0,297 

R-Square (%) 

0,124 

0,037 

0,259 

0,568 

Error Absoluto Medio (%) 

0,674 

0,836 

0,723 

0,568 

Error Medio (%) 

1,321 × 10-14 

2,829 × 10-12 

2,622 × 10-12 

1,342 × 10-14 

Error Medio Puntual (%) 

–1,309 

–2,345 

–3,001 

–2,934 

Matriz de Correlación 

é1,000  -0,6745ù

ë-0,6745  1,000û

é1,000  -0,6342ù

ë-0,6342  1,000û

é1,000  -0,5673ù

ë-0,5673  1,000û

é1,000 -0,5243ù

ë-0,5243 1,000û

Modelo ajustado de la regresión anidada 

PATHS: 

34,12-0,28* 

vulnerabilidad 

PATHS: 

34,18-0,22* 

vulnerabilidad 

PATHS: 

34,16-0,20* 

vulnerabilidad 

PATHS: 

34,20-0,11* 

vulnerabilidad 

Tabla 9

Propiedades físico-químicas optimizadas de los mantos acuíferos 

 

Parámetros de la Regresión Anidada 

r (W-m) 

Prof (m) 

r (W-m) 

Prof (m) 

Datos Geoeléctricos 

       

Desviación Estándar 

17,861 

24,570 

17,848 

25,376 

Kurtosis 

  0,074 

 1,029 

 0,050 

 1,048 

Valor Sesgado 

 –0,934 

 0,019 

–0,958 

 0,048 

R-square (W-m) 

3,153% 

3,481% 

Error Absoluto Medio (W-m) 

20,376 

28,830 

Error Medio (W-m) 

2,132,10–15 

7,105,10–16 

Error Medio Porcentual (W-m) 

–12,308% 

–21,738% 

Modelo Ajustado de la Regresión Anidada (W-m) 

r = 32,10 – 0,23*Prof 

r = 32,73 – 0,25*Prof 

Propiedades físico-químicas de los mantos acuíferos 

Parámetros 

ALC, B, CA, CL, COND, F, HCO3, K, MG, MN, NA, SO2, SO4, TEMP, ZN, 

Desviación Estándar (mol) 

1,50 

Kurtosis (mol) 

0,05 

Valor Sesgado (mol) 

0,39 

R-square (mol) 

3,63% 

Error Absoluto Medio (mol) 

1,21 

Error Medio (mol) 

–4,98 × 10–17 

Error Medio Porcentual (mol) 

–3,8% 

Modelo Ajustado de la Regresión Anidada para cada parámetro (mol) 

ALC* = 3,57162 – 0,000513412*ALC 

B* = 3,57162 + 0,00633188*B 

CA* = 3,57162 – 0,0222643*CA 

CL* = 3,57162 – 0,0000705953*CL 

COND* = 3,57162 + 0,0000840001*COND 

F* = 3,57162 – 0,0407327*F 

HCO3* = 3,57162 – 0,223895*HCO3 

K*= 3 ,57162 – 0,000329895*K 

MG* = 3,57162 - 0,0264643*MG 

MN* = 3,57162 + 0,000782623*MN 

NA* = 3,57162 + 2,01836*NA 

SIO2* = 3,57162 – 0,142806*SIO2 

SO4* = 3,57162 + 0,0000674154*SO4 

TEMP* = 3,57162 – 0,000402146*TEMP 

ZN* = 3,57162 – 0,00288611*ZN 

El modelo matemático que describe este método es el siguiente [11]: 

donde r1 es la resistividad en la capa 1, rn la resistividad aparente Schlumberger, P el vector de parámetros desconocidos, G(P,x) la resistividad aparente medida, cor la matriz de correlación, cov la matriz de covarianza y s2 la varianza residual [12]. 

Analizando la variabilidad del índice de PATHS, una vez optimizados mediante la Regresión Anidada, la vulnerabilidad en cada celda fue clasificada de la manera como puede verse en la Tabla 8

Análisis de Resultados 

La Figura 2 presenta el mapa de vulnerabilidad de acuíferos obtenido  a través del cálculo e interpretación del índice de PATHS y optimizados mediante la regresión anidada. Así mismo, en función de los resultados obtenidos en la Tabla 8, se observó que las zonas más vulnerables se localizan básicamente donde el desarrollo de los suelos es escaso, es decir, donde no existen desarrollos agrícolas organizados, y además, donde la profundidad del nivel freático es pequeña, menor a los 2 m. Así mismo, se concluye que la litología del acuífero, favorece la infiltración y migración de contaminantes desde la superficie hasta las formaciones acuíferas. Al mismo tiempo, el relieve topográfico en algunas zonas del sector Nor-Oeste de la Parroquia, no favorece el predominio de la escorrentía superficial. 

En general, se destaca también que las áreas menos vulnerables se localizan en las composiciones litológicas de baja porosidad, en combinación con pendientes topográficas que favorecen la escorrentía superficial de las aguas, como se observa en el sector La Lucha y hacia el Sur-Este de la Parroquia, donde los mantos acuíferos no han sido afectados por los agentes contaminantes, a pesar de la presencia de desarrollos urbanísticos a gran escala en estos sectores. 

Cabe destacar, que en las Tablas 8 y 9 se observó el modelo ajustado de la regresión anidada para los diferentes niveles de vulnerabilidad y para cada agente contaminante respectivamente, lo que permite inferir a futuro acerca de las propiedades físico-químicas de los acuíferos en la Parroquia Coquivacoa. En la Tabla 9 se presentan los resultados obtenidos con el método de la regresión anidada para el procesamiento de datos geoeléctricos, así como también para la estimación de la calidad del agua (ecuación 9). Estos resultados definen el nivel de ruido en la muestra en 5%, ya que las variables estadísticas: 1) error medio, que está en el intervalo de valores de 2,132 × 10–15 a 7,105 × 10–16 para los datos geoeléctricos, y en –4,98 × 10–17 para las propiedades físico-químicas de los mantos acuíferos; y 2) error medio porcentual, que es de –3,8% para la calidad del agua, generan un modelo de datos de regresión que permite controlar la calidad de los resultados si se interviene en términos urbanísticos la parroquia, en función de la pendiente topográfica, litología de los acuíferos y tectónica, así como de las proyecciones de precipitaciones anuales para la zona que disponga el Ministerio del Ambiente y los Recursos Naturales. 

Conclusiones 

Los resultados obtenidos en este trabajo permiten concluir que la aplicación de la regresión anidada a los resultados obtenidos a partir del índice de PATHS, en la fase de procesamiento e interpretación de datos geoeléctricos, así como, para el establecimiento de la calidad del agua, en función de sus propiedades físico-químicas (Tabla 4), define un modelo geodinámico que facilita predecir la exactitud con la cual se estimarán los parámetros de resistividad, profundidad, caudal, calidad del acuífero, litología, tectónica, precipitación, pendiente topográfica y resistencia hidráulica, permitiendo la elaboración del mapa de vulnerabilidad de la Parroquia Coquivacoa. A su vez, se ha representado gráficamente los valores del índice de PATHS optimizados mediante la regresión anidada con el fin de evaluar la vulnerabilidad de acuíferos en toda la Parroquia Coquivacoa del Municipio Maracaibo a escala 1:5000, que tiene gran valor desde el punto de vista metodológico y práctico. Metodológicamente, esta aplicación demuestra la posibilidad de diseñar mapas como éste a escalas más detalladas y al mismo tiempo se muestran las bondades que brinda la representación cartográfica del índice de PATHS para evaluar la presencia cualitativa y cuantitativa de los agentes contaminantes. Desde el punto de vista práctico el resultado obtenido permite lo siguiente: 

- Evaluar el peligro de contaminación de las aguas subterráneas, 

- Dictar políticas de control a las actividades agrícolas e industriales, 

- Decidir sobre investigaciones y redes de monitoreo a escala más detalladas. 

Así mismo, se observó en la Figura 2 que las zonas de vulnerabilidad extrema se encuentran hacia el Nor-Este y Nor-Oeste de la Parroquia, debido a que no existen desarrollos agrícolas organizados y a la presencia de pendientes topográficas que no facilitan el flujo de las aguas superficiales hacia las riberas del Lago de Maracaibo, además de la ubicación de desarrollos habitacionales con drenajes ineficientes que propician la acumulación de las aguas superficiales portadoras de los agentes contaminantes. 

Referencias Bibliográficas 

1. Hidroven. “El ciclo del agua y la vida”, 2005. p. 3.         [ Links ]

2. Civita, M.: Assesment of aquifer vulnerability to contamination, “Protezione e Gestione delle acque Sotteranee Mettodologie, Technologie r Obbietivi”, Marano sul Panaro, v-3, p 39-86, 1990.         [ Links ]

3. Foster, S y R, Hirita: Determinación de riesgos de contaminación de aguas subterráneas, CEPIS, Lima, Perú, 1988.         [ Links ]

4. Grises J., J.A.A. Hernández, J. Rosario, N. Ferrer, et al. Suelos 500000, Una aplicación SIG para los servicios técnicos, la investigación y la docencia especializada, Memorias de Geomática 2002, Ciudad de la Habana, Cuba, 2000.         [ Links ]

5. Margat, J.: Groundwater vulnerability, BRGM 68 sgl 198 HYD Orleáns France, 1968.         [ Links ]

6. Ministerio del Ambiente. “Boletín” Nº 1. 2ª ed. Editorial Ciencias, 2005. p. 18-20.         [ Links ]

7. Taco G. y R. Galarrazaga: Aportación de los sistemas de información geográficos a la protección de acuíferos. Uso de un sistema de información geográfico para determinar la vulnerabilidad de un acuífero andino de origen volcánico, Escuela Politécnica Nacional, Dpto. de Vicias del Agua, Quito, Ecuador, 2002.         [ Links ]

8. Van Stempvoort, D. Ewert, L. Wassenaarl: AVI: A method for groundwater protection maping in the prairie, Provinces of Canada, Saskatchewan, 1994.         [ Links ]

9. Joseph R.I. Resistivity Inversion with Ridge Regression, Society of Exploration Geophysic, páginas: 798-817, Vol. 40, N°5, 1975.         [ Links ]

10. Hoerl, A.E. and Kennard, R.W. Ridge Regression: biased estimation for nonorthogonal problems, v. 12, 1970.         [ Links ]

11. Krot, EM. Agregate formation in soils with special referent to cementing substance. Soil –Sci. Soc, 1946. pg. 27-34.         [ Links ]

12. Malan, J. 1981. Aspectos geohidrológicos más salientes de la provincial de la Pampa. Primeras Jornadas Geológicas de la Provincia de la Pampa, fascículo 5, 67-90.         [ Links ]