Post on 26-Sep-2018
transcript
Universidad de Colima
Postgrado Interinstitucional de Ciencias Agrícolas y Forestales
BIORREMEDIACION DE UN SUELO AGRÍCOLA CONTAMINADO CON ACEITE RESIDUAL AUTOMOTRIZ
Tesis que para obtener el grado de
DOCTOR EN CIENCIAS
Presenta
MARIBEL LEAL CASTILLO
Asesor y coasesor Dr. Juan Manuel Sánchez Yáñez
Dr. José Luis Hernández Mendoza
Colima, Col. Agosto del 2003
ÍNDICE PÁGINA
ÍNDICE DE CUADROS
1
ÍNDICE DE FIGURAS
3
RESUMEN
5
ABSTRACT
6
I. INTRODUCCIÓN
7
II. ANTECEDENTES
9
1.- Biorremediación.
9
2.- Metabolismo.
11
3.- Degradación de xenobióticos.
12
4.- Fitorremediación.
15
HIPÓTESIS
18
OBJETIVO GENERAL
18
OBJETIVO ESPECÍFICO
18
META
18
III. MATERIALES Y METODOS
19
1.- Biodegradación de aceite residual en medio líquido.
19
1.1.- Análisis microbiano preliminar.
19
1.2.- Captación de CO2 en álcali bajo diferentes tratamientos.
19
1.2.1.- Efecto de dos concentraciones de Fósforo y Potasio.
19
1.2.1a.- Con agitación.
20
2
1.2.1b.- Sin agitación.
20
1.2.1c.- Con H2O2.
20
1.3.- Concentración de grasas y aceites.
20
1.4.- Medición de volátiles orgánicos y metales pesados.
20
1.5.- Análisis estadístico.
20
2.- Efecto de la solución mineral 3, H2O2 y un microcosmos cerrado en la biorremediación de un suelo agrícola contaminado con ARA
22
2.1.- Propiedades fisicoquímicas del suelo
22
2.2.- Captación de CO2 en álcali.
23
2.3.- Determinación de grasas y aceites
23
2.4.- Análisis estadístico
23
3.- Efecto de diferentes factores y un microcosmos con flujo de aire en la biorremediación de un suelo agrícola contaminado con ARA.
23
3.1.- Captación de CO2 en álcali.
25
3.2.- Determinación de grasas y aceites.
25
3.3.- Análisis estadístico.
25
3.4.- Fitorremediación
26
IV. RESULTADOS
27
1.- Biodegradación de aceite residual en medio líquido
27
1.1.- Análisis microbiano preliminar
27
1.2.- Captación de CO2 en álcali
28
1.2.1.- Efecto de dos concentraciones de fósforo y potasio
28
1.2.2.- Comparación del efecto de dos soluciones minerales y la oxigenación sobre la producción de CO2 por la microflora activa en ARI, ARA y SI.
35
3
1.2.3.- Efecto de dos soluciones minerales y la oxigenación sobre la biodegradación de grasas y aceites.
37
1.3.- Medición de volátiles orgánicos y metales pesados
40
2.- Efecto de la SM3, H2O2 y un microcosmos cerrado en la biorremediación de un suelo agrícola contaminado con ARA.
43
2.1.- Propiedades fisicoquímicas del suelo.
43
2.2.- Captación de CO2 en álcali.
43
2.3.- Determinación de grasas y aceites.
45
3.- Efecto de diferentes factores y un microcosmos con flujo de aire en la biorremediación de un suelo agrícola contaminado con ARA.
47
3.1.- Captación de CO2 en álcali.
47
3.2.- Determinación de grasas y aceites.
49
3.3.- Fitorremediación.
50
V. DISCUSIÓN
52
VI. CONCLUSIONES
58
VII. LITERATURA CITADA
59
ANEXO I
71
ANEXO II
112
ANEXO III
118
1
ÍNDICE DE CUADROS CUADRO TÍTULO PÁGINA 1.- Composición química de las soluciones minerales empleadas para 20 estimular la microflora en los aceites residuales 2.- Combinación de factores para determinar su efecto sobre la 25 biodegradación de ARA en un suelo agrícola. 3.- Características coloniales y microscópicas de microorganismos 27 en muestras de aceite. 4.- ANAVA de la producción de CO2 por la microflora de ARA y ARI 29 con la SM1 y SM2. 5.- Coeficientes de determinación del análisis de regresión de los valores ...30 valores de CO2 generado por la microflora de dos aceites en dos SM. 6.- ANAVA de la producción de CO2 en ARA, ARI y SI, estimulada por la 31 solución mineral 1 con y sin agitación. 7.- Coeficientes de determinación del análisis de regresión de los valores 32 de CO2 generado por la microflora de tres aceites con la solución mineral 1 con y sin agitación. 8.- ANAVA de la producción de CO2 por la microflora de los aceites 33 estimuladas por la SM1 ca y cp. 9.- Coeficientes de determinación del análisis de regresión de los 34 valores de CO2 generado por la microflora de los aceites en la SM1. 10.- ANAVA del efecto de dos soluciones minerales y condiciones 35 de oxigenación sobre la producción de CO2 por la microflora del ARI. 11.- ANAVA del efecto de dos soluciones minerales y condiciones................36 ...........de oxigenación sobre la producción de CO2 por la microflora del ARA. 12.- ANAVA del efecto de la SM1 y condiciones de oxigenación sobre 37 la producción de CO2 por la microflora acompañante en el SI. 13.- ANAVA de la biodegradación de ARI en ppm causada por la 38 microflora activa con diferente SM y oxigenación, durante 5 semanas. 14.- . ANAVA de la biodegradación de ARA en ppm por la microflora 39 activa con diferente SM y oxigenación en 5 semanas.
2
15.- ANAVA de la biodegradación de ARA en el SI, con diferente 40 oxigenación en la SM1, durante 5 semanas. 16.- Componentes químico de los aceites antes de la bioestimulación 41 con la solución mineral 1 y H2O2.
17.- Componentes químicos de los aceites después de la bioestimulación 42 con la solución mineral 1 y H2O2. 18.- Propiedades fisicoquímicas del suelo muestreado. 43 19.- ANAVA de la producción de CO2 generada por la microflora de un 44 suelo agrícola contaminado con ARA bajo diferentes tratamientos. 20.- ANAVA de los valores totales de biodegradación de ARA inducidos 45 por la SM3 y el H2O2 sobre la microflora de un suelo agrícola. 21.- Análisis bifactorial del efecto del flujo de aire sobre la biodegradación 51 de ARA en un suelo agrícola con diferentes factores fisicoquímicos.
3
ÍNDICE DE FIGURAS
FIGURA TÍTULO PÁGINA
1.- Degradación de Xenobióticos. Reacciones de la Fase I. 13 2.- Degradación de Xenobióticos. Reacciones de la Fase II. 13 3.- Respirómetro tipo Bartha. 21 4.- Modelo de microcosmos para determinar la biodegradación del aceite....22 residual automotriz en un suelo agrícola 5.- Modelo de microcosmos con flujo de aire, para determinar la 23 biodegradación del aceite residual automotriz en un suelo agrícola. 6.- Producción de CO2 por la biodegradación de aceite residual en 28 solución mineral, con dos concentraciones de Fósforo y Potasio. 7.- Producción de CO2 por la microflora acompañante de ARI y ARA con 29 dos concentraciones de Fósforo y Potasio. 8.- Efecto de la SM1 con y sin agitación sobre la producción de CO2 31 por la flora microbiana en aceites. 9.- Efecto de la solución mineral 1 y la agitación sobre la 32 producción de CO2, por la microflora acompañante de ARA, ARI y SI con la solución mineral 1. 10.- Efecto de dos formas de introducción de oxígeno y la solución 33 mineral 1 en la producción de CO2 por la microflora de los aceites. 11.- Efecto de la solución mineral 1 y dos fuentes de oxigenación en la 34 biodegradación de ARI, ARA y SI. 12.- Efecto de dos SM y formas de oxigenación en la biodegradación de 35 de ARI por su microflora acompañante. 13.- Efecto de dos soluciones minerales y formas de oxigenación en la 36 biodegradación de ARA por su microflora acompañante. 14.- Efecto de la SM1 y diferentes formas de oxigenación en la 37 biodegradación de ARA en SI por su microflora activa.
4
15.- Efecto de dos SM y condiciones de oxigenación sobre la 38 biodegradación de ARI en 5 semanas. 16.- Efecto de dos SM y formas de oxigenación sobre la biodegradación 39 de ARA en 5 semanas. 17.- Efecto de la SM1 y condiciones de oxigenación sobre la 40 Biodegradación de ARA por la microflora activa en el SI por cinco semanas. 18.- Efecto de la SM3 y el H2O2 en la biorremediación de un suelo agrícola 44 contaminado con ARA. 19.- Efecto de la SM3 y el H2O2 en la biorremediación de un suelo 45 agrícola contaminado con ARA. 20.- Efecto de la SM3 y el H2O2 en la biodegradación de ARA por la 46 microflora de un suelo agrícola. 21.- Efecto de diversos factores y un flujo de aire sobre la microflora de un 47 suelo agrícola contaminado con ARA. 22.- Efecto de diversos factores y un flujo de aire en la biorremediación 48 de un suelo agrícola contaminado con ARA. 23.- Efecto de diferentes factores sobre la máxima biorremediación de 49 un suelo agrícola contaminado con aceite residual automotriz.
5
RESUMEN
El agua de riego agrícola frecuentemente contiene aceite residual, automotriz
(ARA) o industrial (ARI) que contaminan y reducen la fertilidad de los suelos. Se
evaluó el efecto de la oxigenación y dos soluciones minerales (SM1 y SM2) en la
microflora inicial de ARA, ARI y un suelo impactado (SI) con ARA, en líquido.
Además, se evaluaron con un diseño completamente al azar, diferentes factores
en un suelo agrícola contaminado con ARA, el cual se trató con: solución mineral
3 (SM3), peróxido de hidrógeno (H2O2), filtrado de Phanerochaete chrysosporium
(fPch), flujo de aire y Lolium multiflorum. Como indicadores de la biodegradación
se determinaron producción de CO2 y grasas totales.
En liquido la SM1 con H2O2 favoreció la biodegradación de aceites. La
combinación de SM3, fPch y L. multiflorum mostró la máxima biorremediación en
suelo. La integración oportuna de los diferentes factores estimuló la
biodegradación de aceites y la biorremediación del suelo contaminado con ARA.
Palabras clave: microflora, biodegradación, biorremediación, contaminación
6
ABSTRACT
Agricultural irrigation water, frequently contain, automotive waste oil (AWO), or
industrial waste oil (IWO); that pollute and reduce soil fertility. In this research was
evaluated the oxygenation effect and two minerals formulations (MS1 and MS2),
over initial microflora of AWO, IWO and an impacted soil (IS) with AWO, in liquid
medium. Also, was evaluated with a completely randomized design, different
factors in a contaminated agricultural soil with AWO, which was treated with
mineral solution 3 (MS3), hydrogen peroxide (H2O2), Phanerochaete chrysosporum
filtrate (fPch) with air flow and Lolium multiflorum. As biodegradation indicators,
was utilized CO2 production and total oils monitoring.
In liquid medium, MS1 with H2O2 favored oils biodegradation. The MS3 fPch and L.
multiflorum combination, shows maximum soil bioremediation. Opportune different
factors integration stimulates oils biodegradation and AWO contaminated soil
bioremediation.
Key words: microflora, biodegradation, bioremediation, contamination.
7
I. INTRODUCCIÓN
La contaminación ambiental forma parte de la vida moderna, una de las causas
principales es el uso de combustibles derivados del petróleo, durante el proceso de
extracción, manejo y disposición, además al oxidarse liberan al ambiente productos
tóxicos para casi todas las formas de vida. En el pasado esto no fue complicado,
progreso era sinónimo de bienestar social, las industrias no tenían mayor problema
para deshacerse de sus residuos puesto que eran vertidos en los cauces de los ríos
o dejados a la intemperie. Sin embargo cuando la velocidad de generación de
residuos superó la velocidad de integración al ambiente, surgió la contaminación;
que se ha agudizado gradualmente en las ciudades industrializadas donde se
observa en todas sus modalidades: en el aire, el agua y el suelo. El progreso es hoy
un sinónimo de daño ecológico. Afortunadamente se han establecido normas en
cuanto a la disposición de residuos y se han clasificado en base a su peligrosidad
(LGEEPA, 2001; NOM-052-ECOL-93, 1993).
Los aceites residuales se consideran desechos peligrosos y provienen
principalmente de dos fuentes: las industrias, que son llevados a confinamiento y los
talleres que realizan cambios de aceite automotriz, que comúnmente son vertidos en
el drenaje municipal (LGEEPA, 2001).
Otro problema de las ciudades industrializadas es la falta de agua, por esta razón es
usada solo para las necesidades básicas de la población, también es común que los
suelos agrícolas sean regados con aguas residuales, que contienen desechos
orgánicos y productos generados por la industria, así como aceite residual automotriz
(ARA) procedente de talleres. Según un cálculo estimativo, un taller de servicio de
lavado y engrasado en promedio recibe 15 automóviles diarios, así le corresponden 4
litros con un total de 60 litros diarios de desecho. Multiplicado por el número de
talleres, la cantidad es muy elevada. La importancia de eliminar el ARA radica en que
8
un litro de éste contamina 250 mil litros de agua, o forma una película sobre una
extensión de cuatro mil metros cuadrados. Además los lubricantes y aceites en los
cuerpos acuosos o el drenaje sanitario impiden la potabilización y la eficiencia del
tratamiento de las aguas domésticas. Según informes de la Subsecretaría de
Ecología del estado de Nuevo León, entre las descargas químicas a las aguas
residuales en 1994 se arrojaban 16,174 toneladas diarias de grasa y aceite, desde
ese tiempo ya excedían los límites oficiales permitidos.
Un ejemplo es el río Pesquería utilizado como vertedero clandestino de las aguas
residuales de la zona metropolitana de Monterrey, aunque se conducen a una planta
de tratamiento, para llegar a la presa Marte R. Gómez donde se emplean para riego
de suelos agrícolas en el noreste de Nuevo León y Tamaulipas. Sin embargo no
todas las ciudades industriales tienen la capacidad económica para tratar sus aguas
residuales antes de ser utilizadas para riego, así que el ARA se acumula y disminuye
el suelo agrícola productivo.
9
II. ANTECEDENTES
1. Biorremediación
Es un proceso que consiste en la aplicación de tratamientos biológicos para la
limpieza de áreas contaminadas con químicos peligrosos, se requiere el control y
manipulación de procesos microbianos. Esta es una posible solución a los problemas
antes mencionados, se puede lograr mediante la bioestimulación de
microorganismos nativos del suelo, donde existen bacterias, hongos y actinomicetos
los cuales por adaptación, inducción y cometabolismo desarrollan una capacidad
potencial para degradar y/o mineralizar compuestos recalcitrantes en aguas
residuales industriales, desechos de refinerías, combustibles, o derrames en tanques
de almacenaje, aplicable también a desechos químicos orgánicos,
organohalogenados y metales pesados. La biorremediación baja los costos en
comparación con otras tecnologías (Konopka et al., 1999; Leahy y Colwell, 1990;
Roane et al., 2001).
Al estudiar la degradación de hidrocarburos en un ambiente natural, se comprobó
que ciertos microorganismos obtienen sus nutrientes y energía a través de materiales
hidrocarbonados simples y complejos. Las bacterias más comunes del suelo están
entre ellos. Mediante muestreos y análisis se observó que son los organismos
oxidativos los más activos en tierra agrícola y lodos, se demostró que las técnicas
agronómicas como el cultivo, riego y la fertilización elevaron drásticamente el
porcentaje de degradación. En el caso de aguas subterráneas se encontró que los
acuíferos que estaban en conexión con la superficie se limpiaron más rápido que las
aguas profundas, donde la difusión del oxígeno estaba limitado. Cuando el agua
contaminada fue bombeada a la superficie y aireada se obtuvieron mejores
resultados. Mediante la introducción de oxigeno y nutrientes, estos acuíferos fueron
remediados con “tratamiento in situ” (Leahy y Colwell, 1990).
10
En trabajos más recientes se observó que el grado de biotransformación y la
persistencia del contaminante se controló con la aplicación de oxígeno en aguas
subterráneas contaminadas con hidrocarburos. Se afirma que este es el factor más
limitante para los procesos de biorremediación en estas áreas (Thomas y Ward,
1989). Se ha calculado que se necesitan 3 lb de oxígeno/lb de petróleo degradado
(Fogel et al., 1988). Goldsmith y Balderson (1989) estimaron un requerimiento
estequiométrico de 8.6 moles de oxígeno/mol de diesel degradado. De acuerdo con
Bajpai y Zappi (1994) se necesitan de 0.5-1 g de oxigeno/g de hidrocarburo
degradado, afirman que la concentración de oxígeno que acelera la oxidación del
hidrocarburo, en relación de peso es de 4:1. Huling y colaboradores (1990) estimaron
una proporción en peso de 5:1 de oxígeno para la gasolina, este calculo fue basado
en pruebas de laboratorio efectuadas en columna. En base a estas referencias se
establece que la efectiva introducción de oxígeno en zonas con alta actividad
biológica es de gran importancia en el diseño y mantenimiento de un efectivo sistema
de biotratamiento “in situ”.
Las opciones para la aplicación potencial de oxígeno incluyen; la perforación
profunda con introducción de aire, aeración/inyección sobre el suelo, o inyección de
H2O2 directamente en el acuífero (Wilson y Brown, 1989; Zappi et al., 1997). Otra
manera de proveer oxígeno al subsuelo es mediante la introducción de H2O2 que
típicamente se disocia en ½ mol de oxígeno disuelto/mol de H2O2 : H2O2 + H2O ---
0.5 O2 + 2H2O (Hulling et al., 1990). El oxígeno molecular puede ser suplido usando
H2O2 o asperjando oxígeno puro, tiene una solubilidad de 40-50 mg/l, representa un
incremento de al menos 4 veces el oxígeno disponible en un medio acuífero saturado
(Morgan y Watkinson, 1992). El H2O2 como una fuente de oxígeno para el
biotratamiento “in situ”, tiene las siguientes ventajas: es razonablemente barato, no
persistente, es un líquido estable sin problemas de almacenaje e introducción en los
acuíferos, generalmente es favorable al ambiente (Britton, 1985; Zappi et al., 2000).
Los suelos ricos en materia orgánica pueden incrementar significantemente los
costos de biorremediación, ya que el H2O2 reacciona con ésta constituyendo graves
pérdidas económicas (Aggaewal et al., 1991; Barcelona y Holm, 1991).
11
Existen numerosos reportes que señalan la necesidad de la microflora nativa de
disponer de nitrógeno, fósforo, potasio y de los metales que sirven como cofactores
para catalizar las diferentes reacciones metabólicas en concentración suficiente para
la síntesis de enzimas (API, 1983; Margesin y Schinner, 2001; Walker y Colwell,
1974). Adams y sus colaboradores (1999) recomiendan una relación de 100-10-1
para N-P-K en la mineralización de combustible, lubricantes y petróleo crudo.
Margesin y Schinner (2001) probaron una relación de 15-15-15 en N-P-K y
obtuvieron una reducción del 70% en la concentración de diesel en suelo.
2. Metabolismo
Las bacterias poseen una amplia variedad de sistemas de respiración. Esos pueden
ser caracterizados por la naturaleza de las sustancias que se utilizan como agentes
reductores y de los oxidantes. En la respiración aeróbica, el aceptor de electrones es
el oxígeno molecular. La respiración anaeróbica de las bacterias requiere de
sustratos orgánicos, en la mayoría de los casos, muy similar. Los sustratos son
oxidados a CO2, con la remoción sucesiva de pares de H+ y electrones (Horvath,
1972).
La biodegradación de hidrocarburos alifáticos se lleva a cabo mediante un proceso
aeróbico. El oxígeno es el factor limitante en la mayoría de los casos en que se tratan
suelos contaminados y aguas subterráneas. La primera etapa en la degradación de
los hidrocarburos es la incorporación del oxígeno por las enzimas oxigenasas.
Existen dos grupos de oxigenasas: monooxigenasas y dioxigenasas (Holm et
al.,1992).
La manera común en la degradación de alcanos, es la oxidación en el grupo metilo
terminal, donde el alcano es oxidado a alcohol y luego a su correspondiente ácido
graso. El hidrocarburo se oxida a un ácido, con la formación de un grupo carboxil, y
la oxidación sucesiva, remueve dos unidades de carbón, ésta es universal para la
mayoría de los sistemas vivientes y la secuencia termina con la beta oxidación.
12
En esta ruta, el grupo metileno , es oxidado a un grupo cetonico, seguido por la
remoción de un fragmento de doble carbón del compuesto. Además de la oxidación
terminal, la degradación subterminal ocurre ocasionalmente (Johnson et al., 1990;
Van den Wijngaard et al., 1993).
La degradación de alquenos, es más variada, ya que el ataque microbiano ocurre en
el grupo metilo o en el doble enlace. Los hidrocarburos insaturados de cadena lineal,
son generalmente mas difíciles de degradar que los saturados. El metabolismo
resulta en la formación de compuestos intermediarios, tales como alcoholes
insaturados, ácidos grasos, alcoholes primarios o secundarios, metil cetonas, 1,2-
epóxidos, y 1,2-dioles (Ramanand et al.,1995).
Los hidrocarburos con cadena ramificada, son menos susceptibles a la degradación.
Este hecho es recalcado por la resistencia al rompimiento biológico de los ABS
(alquil-bencen-sulfonatos). Los compuestos de cadenas ramificadas: en un carbón
cuaternario y los compuestos -alquil-ramificados, se consideraban recalcitrantes y
acumulables en la biosfera. No obstante existen pocos organismos capaces de
utilizar esos compuestos alquil-ramificados que pueden utilizarlos como fuente de
carbón y de energía (Nelson et al., 1986).
3. Degradación de xenobióticos
Los procesos por los cuales los organismos metabolizan especies xenobióticas, son
reacciones enzimáticas catalizadas en dos fases:
Fase I. Las especies xenobióticas en la célula tienden a llevar a cabo reacciones que
hacen al compuesto más soluble y reactivo al agua, por la incorporación de grupos
funcionales, tales como el -OH. La mayoría de las reacciones de la Fase I, son
producto de las oxidasas microsomáticas, catalizadas por el sistema enzimático
citocromo P-450, asociado con el retículo endoplásmico de la célula, esto ocurre con
mayor frecuencia en los vertebrados, en las células vegetales y en levaduras.
13
Sistema enzimático Citocromo P-450
Figura 1. Degradación de xenobióticos. Reacciones de la Fase I (González, 1998; Millburn, 1995)
Fase II. Los grupos funcionales polares incorporados a los compuestos xenobióticos
en las reacciones de la Fase I, proveen sitios de reacción para esta fase.
O װ --C-OH + OH -F,Cl,Br,I C O C H N H Grupos funcionales que reaccionan con un agente de conjugación
Figura 2. Degradación de xenobióticos. Reacciones de la Fase II (González, 1998; Millburn, 1995)
Sustancia xenobiótica, lipolítica, poco soluble en agua, sin metabolizar
Producto. más soluble en agua y con mayor reactividad O Epóxido C --- C Hidróxido -OH Sulfhidril -SH H Hidroxilamina - N -- OH
Compuesto xenobiótico
comúnmente los productos
de reacción de la Fase I
Carboxil Hidroxil Halógeno Epóxido Amino
Agente conjugante endógeno
Producto de conjugación
Polaridad alta Solubilidad mayor en el
agua Más fácilmente
eliminado
14
La Fase II consta de reacciones de conjugación, donde las enzimas incorporan
agentes de conjugación a los xenobióticos, productos de la reacción de la Fase I,
éstos son a menudo menos tóxicos que los compuestos originales. Los principales
agentes de conjugación y las enzimas que catalizan las reacciones de la Fase II, son
el ácido glucorónico (UDP enzima glucoroniltransferasa) y el glutatión (enzima
glutationtransferasa). Los productos de conjugación más abundantes, son los
glucorónicos (González, 1998; Millburn, 1995).
Desde el descubrimiento del citocromo P-450 en mamíferos en 1964 se ha enfocado
el interés en este importante grupo de enzimas que contienen el grupo hemo. Se
conocen al menos dos tipos de Citocromo P-450, ambos contienen protoporfirina IX,
han sido encontrados en levaduras y filamentos de hongos. El citocromo P-450 tiene
enzimas que generalmente funcionan como componentes de monooxigenasas, las
cuales participan en la oxidación en una variedad de compuestos alifáticos y
aromáticos. El paso inicial en la activación de estos compuestos hacia la
carcinogénesis es desactivado por una flavoproteína enzimática (NADPH)-citocromo
P-450 reductasa) y una hemoproteina enzimática asociada con un fosfolipido. El P-
450 14DM está relacionado con la síntesis de esteroles, el P-450 está relacionado
con el metabolismo de hidrocarburos, acidos grasos y compuestos xenobióticos.
(Atlas y Cerniglia, 1995; Guengerich, 1993).
Recientemente se probó que los hongos tienen la capacidad de romper cadenas
largas y complejas de hidrocarburos más eficientemente que las bacterias, al iniciar la
oxidación de los bifenilos policlorados (BPC). Por cometabolismo muchos
microorganismos del ambiente oxidan hidrocarburos alifáticos que no utilizan como
fuente de carbono, por ejemplo Phanerochaete chrysosporium, este hongo oxida
algunos tipos de compuestos organoclorados incluyendo DDT, BPCs, y clorodioxinas.
El sistema enzimático que participa en la oxidación de estos compuestos es el mismo
que el hongo emplea para degradar la lignina en condiciones naturales y consiste en
un sistema multienzimático productor de lignina-peroxidasas y peroxidasas
15
manganeso-dependiente, así como un mecanismo generador de H2O2 (Michael,
1999; Yadav et al., 1995). Se ha reportado también la participación de las enzimas del
citocromo P450, que constituyen una super familia de haem-thiolato monooxigenasas,
algunas de las cuales catalizan la hidroxilación de contaminantes orgánicos, que
facilitan su biodegradación y/o metabolismo (Masaphy et al., 1996; Mehmood et al.,
1997; Topal et al., 1996).
Es común la presencia de metales pesados en áreas contaminadas con
hidrocarburos, esto puede hacer más difícil el proceso de biorremediación, no
obstante se reporta la existencia de microorganismos tolerantes a metales pesados,
con la capacidad de captar Pb+ en las proteínas y en los polisacáridos de su pared
celular (Kjaergaard et al., 2000; Richards et al., 2002). Se cree que esto depende de
la síntesis de enzimas y “fitoquelatinas” (Phitochelatins): péptidos ricos en cisteína
que se unen a metales pesados, estos péptidos se sintetizan en plantas y levaduras
(Sauge-Merle et al., 2003). Se comprobó la capacidad de cepas específicas y de la
microflora del suelo para fijar cadmio tanto en la membrana como intracelularmente y
con capacidad para oxidar 500-μg ml-1 de ácido 2-4 diclorofenoxiacético (Roane et
al., 2001). Los microorganismos de suelo pueden quelar plomo y oxidar gluosa
marcada con C14 (Konopka et al., 1999).
4. Fitorremediación
Otra manera de combatir la contaminación por hidrocarburo en suelos es la
fitorremediación, esta depende de las relaciones sinérgicas naturales entre el
sistema radicular de plantas y los microorganismos del suelo. No requiere de
técnicas de ingeniería ni de excavaciones, solo la intervención humana para
establecer una relación radicular adecuada planta-microorganismo en el sitio, o la
aplicación de técnicas agronómicas fertilizantes para inducir la mineralización natural
del hidrocarburo. Las rutas metabólicas más importantes que puede seguir un
hidrocarburo en la planta son: quedar contenidos en la zona de la raíz durante la
absorción de agua, las raíces de la planta pueden conducir el hidrocarburo hacia la
superficie, puede ser biodegradado o acumulado dentro la planta, los hidrocarburos
16
volátiles pueden ser transferidos al aire mediante la evapotranspiración, los
exudados radiculares estimulan la actividad oxidante de las comunidades
microbianas y oxidan hidrocarburos (Cunningham et al., 1996; Ferrera-Cerrato, 1997;
Siciliano y Germida, 1998; Siciliano et al., 2003; Yoshitomi y Shann, 2001).
En 12 especies de pasto de regiones cálidas, 4 de las cuales aceleran la oxidación
de hidrocarburos poliaromáticos de bajo peso molecular, solo una especie disminuyó
la concentración de compuestos de alto peso molecular (Qiu et al., 1997).
En un suelo sembrado con el pasto ryegrass se redujo notablemente la mezcla de
hidrocarburos, de n-alcanos (C10, C14, a C18, C22, C24), como el pristano, el
hexadecano, el fenantreno, el antraceno, el fluorantraceno, y el pireno. La
concentración inicial de hidrocarburos extractables fue de 4.33 g/kg de suelo,
después de 22 disminuyó a 0.120 g/kg de suelo (97% de reducción) en un suelo
cultivado y 0.790 g/kg en el suelo no cultivado (82% de reducción)(Gunther et al.,
1996).
Se conocen tres mecanismos principales por los que las plantas y los
microorganismos remedian suelos y agua contaminados con petróleo, estos
mecanismos incluyen su oxidación y acumulación, así como la transferencia del
hidrocarburo del suelo a la atmósfera (Cunningham et al., 1996; Siciliano y Germida,
1998; Sims y Overcash, 1983).
Las plantas proveen a las poblaciones microbianas de la rizósfera de exudados
radiculares, de carbón, energía, nutrientes, enzimas y en ocasiones de oxígeno. Los
que contienen azucares, alcoholes y ácidos representan del 10 al 20% de la
fotosíntesis anual de la planta. Debido a la acción de los exudados, las poblaciones
microbianas son de 5 a 100 veces mayores en la rizósfera que en suelo sin plantas.
Los tipos y cantidad de exudados radiculares dependen de la especie vegetal y de su
estado de desarrollo, del tipo de suelo, concentración de nutrientes esenciales, pH,
disponibilidad de agua, temperatura, concentración de oxígeno, dióxido de carbono
17
atmosférico e intensidad de luz (; Cunningham et al., 1996; Schnoor et al., 1995;
Vance, 1996).
Las interacciones específicas de los microorganismos con las raíces vegetales
ocurren cuando la planta exuda un compuesto en respuesta a un hidrocarburos
contaminante. Las interacciones no-específicas se presentan cuando los exudados
de la planta son químicamente similares al hidrocarburos, esto incrementa la
densidad y la actividad de los microorganismos y en consecuencia la mineralización
del contaminante. Los hidrocarrburos sirven a los microorganismos como fuente de
carbono y energía. El metabolismo microbiano de oxidación de hidrocarburos se
debe básicamente a la respiración aeróbica, aunque existen variantes como la
respiración anaeróbica, el cometabolismo, la fermentación, la deshalogenación
reductiva y el uso de compuestos inorgánicos como donadores de electrones
(Siciliano y Germida, 1998). Además se ha detectado que dentro de la raíz
incrementa el número de bacterias con capacidad para degradar determinados
contaminantes cuando estos se encuentran en la rizósfera de la planta (Siciliano et
al., 2001).
La industria del ramo automotriz libera aceite y otros hidrocarburos en agua residual
de las ciudades mientras que la carencia de agua para riego obliga a la utilización del
tipo residual para la producción de cultivos agrícolas.
A pesar de estos antecedentes sobre la oxidación de hidrocarburos en el ambiente,
la literatura no reporta la biodegradación de ARA. En base a esta revisión y a que en
México no existen estrategias precisas para la recuperación de suelos agrícolas
contaminados con ARA, se planteó la integración de los aspectos más importantes
que han sido probados de manera independiente en trabajos previos.
18
HIPÓTESIS
La capacidad natural de los microorganismos nativos del suelo para oxidar ARA se
puede emplear en la biorremediación de suelos agrícolas contaminados con estos
hidrocarburos, mediante bioestimulación con diferentes factores.
OBJETIVO GENERAL
Evaluar el efecto de diferentes factores sobre la microflora (inicial del aceite y nativa
de suelo) para la inducción de la biorremediación “in vitro” en un suelo agrícola
contaminado con aceite residual.
OBJETIVOS ESPECÍFICOS
1. Evaluar el efecto de soluciones minerales y la oxigenación sobre la
biodegradación de aceites en medio líquido.
2. Valorar la integración de diferentes factores o estrategias para la
biorremediación de un suelo agrícola contaminado con ARA.
META
Desarrollar metodologías y / o estrategias para la biorremediación de un suelo
agrícola contaminado con ARA.
19
III. MATERIALES Y METODOS
1.- Biodegradación de aceite residual en medio líquido.
Se realizaron muestreos de aceite residual en los siguientes lugares :
1).- Una industria de Monterrey, N. L. Se colectó aceite residual industrial (ARI)
2).-Suelo impactado con aceite automotriz (SI), del estacionamiento de la industria.
3).-En un lavadero de automóviles, se obtuvo aceite residual automotriz (ARA).
Las muestras se colectaron en frascos de 250 ml estériles con tapón esmerilado, se
transportaron y almacenaron en refrigeración.
1.1.- Análisis microbiano preliminar.
Las muestras se colocaron en matraces de 250 ml con 48 ml de la solución mineral 1
(SM1, cuadro 1) + 2 ml de aceite (industrial o automotriz) o 2 g de SI, se probaron las
3 muestras por separado. Se incubaron de 28 a 30ºC sin agitación. Después de 9
días se sembraron en agar nutritivo, agar EMB, agar papa glucosa y agar mineral y
aceite, éste se preparó con la SM1 y ARA o ARI como única fuente de carbono, con
la finalidad de comprobar si la microflora acompañante de los aceites y la flora nativa
del SI son capaces de utilizarlos como única fuente de carbono, una vez que los
micronutrientes y cofactores enzimáticos fueron suplidos por la SM1. Se incubaron a
30ºC durante 48 h. Los aislados se mantuvieron en agar mineral y aceite, se hicieron
observaciones microscópicas con tinción de Gram y para bacterias ácido alcohol
resistente (Walker y Colwell, 1974).
1.2.- Captación de CO2 en álcali bajo diferentes tratamientos.
Se determinó la actividad metabólica de la microflora inicial de cada aceite ARI, SI y
ARA mediante captación de CO2 en álcali, en matraces tipo Bartha (Fig. 3), de 250
ml con 45 ml de SM, 5 ml de aceite residual como única fuente de carbono e inóculo,
en el reservorio del matraz se colocaron 5 ml de NaOH 0.1N y se tituló cada 48 h con
HCl 0.1N, y se evaluaron las siguientes variantes:
1.2.1.- Efecto de dos concentraciones de fósforo y potasio
Se probaron dos formulaciones de SM (Cuadro 1) con ARA y ARI, se seleccionó la
mejor para comparar las siguientes condiciones de oxigenación:
20
1.2.1a.- Sin agitación (sa).
1.2.1b.- Con agitación (ca).
1.2.1c.- Con H2O2 a 50 ppm. este se agregó cada semana (cp).
Cada una de las condiciones para ARA, ARI y SI, con 5 repeticiones y un control
estéril para verificar que el CO2 fue generado por la microflora presente en los
aceites. Se incubaron de 28 a 30ºC durante 5 semanas (Leal et al., 1996; Lorraine,
1973).
Cuadro 1. Composición química de las soluciones minerales empleadas para estimular la microflora en los aceites residuales. REACTIVO g/l mol/l g/l mol/l REACTIVO g/l mol/l
No.1 (SM1) No.2 (SM2) No.3 (SM3)* K2HPO4 10.0 P = 0.1062 5.0 P = 0.0581 Na2HPO4 4.303 P = 0.03866 KH2PO4 8.0 4.0 KH2PO4 1.179 K = 8.66 x 10-3
MgSO4 6.0 6.0 MgSO4.7H2O 0.225 NH4(NO3)2 15.0 15.0 NH4Cl 1.9 CaCO3 1.0 1.0 CaCl2 0.275 KCl 2.0 K = 0.0268 4.0 K = 0.0537 NH4MoO4 0.250 ZnSO4 0.5 0.5 FeCl3 .6H2O 0.250 CuSO4 0.5 0.5 FeSO4 0.2 0.2 SM = solución mineral *(Cookson, 1995)
1.3.- Concentración de grasas y aceites.
Al finalizar el período de incubación se determinó la concentración de grasas y
aceites por el método de Soxhlet (NMX-AA-005-SCFI-2000, 2000).
1.4.- Medición de volátiles orgánicos y metales pesados.
Se determinaron antes y después de la bioestimulación con la SM1 cp mediante
cromatografía de gases (referencia en pag. 35 y 36).
1.5.- Análisis estadístico.
Los matraces se distribuyeron bajo un diseño completamente al azar. Los resultados
se sometieron a un análisis de varianza para establecer las diferencias entre las
condiciones probadas, prueba de Tukey, correlación y regresión (Walpole y Myers,
1992).
21
Filtro de aire
fibra Aguja para
de vidrio Algodón inyectar NaOH
NaOH Tapón de hule
Fibra de vidrio
Algodón
Filtro de aire
Reservorio de NaOH
Muestra de Aceite con
la solución mineral y nutrientes
Figura 3. Respirómetro tipo Bartha.
22
2.- Efecto de la solución mineral 3 (SM3), H2O2 y un microcosmos cerrado en la
biorremediación de un suelo agrícola contaminado con ARA.
2.1.- Propiedades fisicoquímicas del suelo.
Se colectaron muestras de un suelo agrícola sin previa exposición al contaminante
ARA, en Cadereyta Jiménez N. L. Se determinaron sus características
fisicoquímicas, contenido de materia orgánica, nitrógeno y fósforo total (NMX-AA-
008-SCFI –2000, 2000; NMX-AA-026-SCFI-2001, 2001; NMX-AA-072-SCFI-2001,
2001).
El suelo se cribó con un tamiz de 200 mallas, se mezcló con 20,000 ppm de ARA y
se agregaron 30 ml/kg de tween 80 al 0.2% .
Se utilizaron microcosmos de vidrio rectangulares de 45 x 25 x 25 cm de altura como
el que se ilustra en la Fig. 4.
Figura 4. Modelo de microcosmos para determinar la biodegradación del aceite residual automotriz en un suelo agrícola.
En cada microcosmos se colocaron 2 kg de suelo, se probaron cuatro condiciones:
1.- Suelo sin ARA (control relativo).
2.- Suelo con ARA y 50 ml de H2O2 a 50 ppm.
3.- Suelo con ARA.
4.-Suelo con ARA estéril (control absoluto).
A los cuatro tratamientos se les agregó 15 ml/kg de SM3 (Cuadro 1) y agua destilada
para completar un volumen de 100 ml/kg de suelo (Kanaly et al., 1997).
23
2.2.- Captación de CO2 en álcali.
Se determinó la actividad metabólica de la microflora del suelo, en cada unidad de
prueba se introdujo un vaso de precipitado con 40 ml de NaOH al 0.1N, los
recipientes se abrieron cada 48 h para titular con HCl 0.1N y humedecer con agua
destilada, cada dos semanas se agregó SM, H2O2 a 50 ppm y se mezcló el suelo en
cada unidad de prueba. Se incubaron por ocho semanas entre 30 y 35ºC (Kanaly et
al.,1997; Leal et al., 1996; Lorraine, 1973).
2.3.- Determinación de grasas y aceites.
Cada dos semanas se determinó la cantidad de grasas y aceites totales mediante el
método de Soxhlet (NMX-AA-005-SCFI-2000, 2000).
2.4.- Análisis estadístico.
Se empleó el diseño experimental y pruebas mencionadas en la sección anterior.
3.- Efecto de diferentes factores y un microcosmos con flujo de aire en la biorremediación de un suelo agrícola contaminado con ARA.
En esta serie de pruebas se empleó suelo obtenido de la misma fuente. Se colocó en
porciones de 3 kg en microcosmos rectangulares de vidrio de 45 x 25 x 25 cm de
altura, como el que se ilustra en la Fig. 5.
Orificio para la introducción de nutrientes y agua
Entrada de aire Salida de aire
suelo
Figura 5. Modelo de microcosmos con flujo de aire, para determinar la biodegradación del aceite residual automotriz en un suelo agrícola.
24
El ARA se mezcló a 25,000 ppm con el suelo agrícola para verificar la estrategia a
una concentración crítica del contaminante. Como agente tensoactivo se empleó
tween 80 al 0.2%, 30 ml/kg (Rojas et al., 1997).
En esta etapa se probaron diferentes factores para lograr una biorremediación
integral, tanto de hidrocarburos aromáticos como alifáticos que pueden estar
presentes en el aceite residual automotriz. Para inducir el desarrollo de la flora
microbiana inicial del aceite y la microflora nativa del suelo se aplicó la SM3 (Cuadro
1) se agregaron 75 ml a cada tratamiento excepto al control relativo, se probaron las
combinaciones que se describen en el cuadro 2. Al suelo del tratamiento 3 se le
agregaron 75 ml de H2O2 a 50 ppm, el suelo del tratamiento 4 se enriqueció con 75
ml de un filtrado de Phanerochaete chrisosporium (fPch), el filtrado se obtuvo
después de sembrar la cepa en un medio mineral con paja de zacate como única
fuente de carbono, con la finalidad de inducir la producción de enzimas ligninasas,
peroxidasas etc. responsables de la degradación de compuestos aromáticos. El
hongo se incubó a 30°C/12 días en agitación a 250 rpm. El cultivo fúngico se filtró
con membrana milipore 0.2 y el filtrado libre de células se agregó al suelo del
tratamiento 4. (La cepa de P. chrysosporium fue proporcionada por el Laboratorio de
Ecología, Departamento de Biotecnología y Bioingeniería del CINVESTAV-IPN).
El suelo del tratamiento 6 se esterilizó y enriqueció con la SM3 y el tween 80,
también estériles. A todos los tratamientos se les agregó agua destilada para
mantener al 60% la humedad (Cookson, 1995; Rojas et al., 1997; Spencer et al.,
1996).
25
CUADRO 2. Combinación de factores para determinar su efecto sobre la biodegradación de ARA en un suelo agrícola.
TRATAMIENTOS Blanco C. Relativo C. absoluto
FACTORES 1 2 3 4 5 6
Solución mineral 3 + + + + - +
Condición del suelo NE NE NE NE NE E
f Pch* - - - + - -
Agua - - - - + -
ARA** - + + + + +
H2O2 (50 ppm) - - + - - -
(+) = Se agregó (-)= no se agregó. NE = no esterilizado, E=esterilizado, *fPch = filtrado de Phanerochaete chrysosporium. ** ARA = aceite residual automotriz. C = control
3.1.- Captación de CO2 en álcali
Se midió la actividad metabólica de la microflora activa:
A cada microcosmos se le adaptó una entrada y salida de aire que se burbujeó en
un matraz con NaOH al 0.1N. El CO2 capturado se tituló cada 48 h con HCl 0.1 N
(Leal-Castillo et al., 1994). Los microcosmos se distribuyeron bajo un diseño
completamente al azar con cinco repeticiones y se incubaron a 30°C por doce
semanas con flujo de aire y ocho semanas sin éste. Cada dos semanas se
enriquecieron con SM, H2O2, fPch, y agua destilada, según el tratamiento (Cookson,
1995; Kanaly et al., 1997; Rojas et al., 1996).
3.2. Determinación de grasas y aceites.
Se efectuó la cuantificación de las grasas y aceites totales al finalizar el período de
prueba, por el método de Soxhlet (NMX-AA-005-SCFI-2000, 2000).
3.3. Análisis estadístico.
Se realizó un análisis de varianza, prueba de Tukey y un análisis bifactorial de las
cantidades de ARA biodegradado por el efecto del flujo de aire sobre la actividad
microbiana del suelo agrícola en los microcosmos (Walpole y Myers, 1992).
26
3.4. Fitorremediación
Para complementar la estrategia de biorremediación en los microcosmos con flujo de
aire y reducir al máximo la concentración del ARA, se aplicó fitorremediación con el
pasto L. multiforum en el suelo parcialmente biorremediado. En vasos de unicel de
14 oz, con 90 g, se colocaron 5 plántulas por vaso del pasto de 8 días de
germinadas. Las que se mantuvieron en el invernadero por 16 semanas entre 28 y
30°C.
a) Se determinó la concentración de grasas y aceites totales en el suelo rizosferico
del pasto (Aprill y Sims, 1990; Cunningham et al., 1996; Kanaly et al., 1997).
27
IV. RESULTADOS
1.- Biodegradación de aceite residual en medio líquido.
1.1.- Análisis microbiano preliminar.
De las muestras de aceite inoculadas en agar aceite se obtuvieron 24 aislados de
hongos bacterias y levaduras.
Para demostrar la amplia capacidad metabólica potencial de los microorganismos
presentes en los diferentes aceites, se sembraron en tres medios de cultivo, como se
muestra en el Cuadro 3, donde se resumen las características coloniales y
microscópicas de los microorganismos aislados a partir de ARI, ARA y SI.
Dominaron levaduras, actinomicetos, hongos y cocobacilos Gram negativo (-),
probablemente enterobacterias.
Cuadro 3. Características coloniales y microscópicas de microorganismos en muestras de aceite.
ACEITE RESIDUAL INDUSTRIAL MEDIO DE CULTIVO MORFOLOGÍA COLONIAL MORFOLOGÍA
MICROSCÓPICA
Agar nutritivo Colonias húmedas cremosas
Cocobacilos Gram( - )
Agar EMB Colonias húmedas moradas
Cocobacilos Gram( - )
Agar papa glucosa Colonias secas polvosas, mezcladas con micelio blanco
Levaduras, hifas, micelio septado con esporas esféricas
ACEITE RESIDUAL AUTOMOTRIZ Agar nutritivo - - Agar EMB
Colonias puntiformes Bacilos delgados Gram
( - ) y actinomicetos
Agar papa glucosa - - SUELO IMPACTADO CON ARA
Agar nutritivo Colonias polvosas Estructuras ramificadas,
Agar EMB Micelio algodonoso levaduras, actinomicetos y
Agar papa glucosa grisáceo hongos
28
1.2.- Captación de CO2 en álcali.
1.2.1.- Efecto de dos concentraciones de fósforo y potasio, SM1 y SM2. En la Fig. 6
se muestra la producción de CO2 derivada de la biodegradación de aceite residual,
en 4 unidades de prueba y 2 controles; 3 con la SM1 y 3 con la SM2. Con la SM1 se
registró la mayor producción de CO2 durante 5 semanas, por la microflora presente
en el ARI, que fue de 7.9 ppm, mientras que el ARA produjo un valor máximo de 5.2
ppm. Con la SM2 el ARI registró una disminución en la producción de CO2 con un
máximo de 2.5 ppm, con ARA se detectó un patrón semejante al descrito con SM1,
los controles registraron valores no mayores a 0.3 ppm en ambas SM.
0
1
2
3
4
5
6
7
8
9
1 2 3 4 5
Semanas
pp
m
Figura 6. Producción de CO2 por la biodegradación de aceite residual en medio mineral, con dos concentraciones de Fósforo y Potasio.
En el Cuadro 4 se presenta el análisis de varianza de la producción de CO2 por ARA
y ARI en la SM1 y SM2, se estableció diferencia significativa entre los tratamientos
probados.
ARI 1
ARA 1
ARA 2
ARI 2
Ctrl. 1 Ctrl.2
Concentración 1 = g/l [ P-18, K-2 ]. 2 = g/l [ P-9, K-4 ].
ARI = Aceite Residual Industrial.
Aceite Residual Automotriz.
Ctrl.= Control.
29
Cuadro 4. ANAVA de la producción de CO2 por la microflora de ARA y ARI con la SM1 y SM2. FV GL SC CM F P>F TRATAMIENTOS 5 228.131714 45.626343 768.3515 0.000 ERROR 24 1.425171 0.059382 TOTAL 29 229.556885 SM1= Solución Mineral 1 SM2= Solución mineral 2
La Fig. 7 muestra la comparación de medias según Tukey con 3 valores de medias
diferentes; la flora microbiana activa en ARI fue estimulada por la SM1, con el
mayor valor (A = 7.9), en comparación con C (2.3) correspondiente a ARI con la
SM2, la microflora de ARA no mostró diferencia significativa al desarrollarse en las
SM1 y SM2 (B = 4.5). Mientras que los valores de CO2 detectados en los controles
fueron semejantes entre sí pero diferentes al resto de los tratamientos.
0
1
2
3
4
5
6
7
8
9
SM1 ARI SM1ARA SM2 ARA SM2 ARI SM1Ctrl SM2 Ctrl
pp
m
Figura 7. Producción de CO2 por la microflora acompañante de ARI y ARA con dos concentraciones de Fósforo y Potasio.
B B
C
D D
SM1 = Solución mineral 1 [P-18 g/l K-2 g/l] SM2 = Solución mineral 2 [ P-9 g/l K-4 g/l] ARI = Aceite Residual Industrial. ARA = Aceite Residual Automotriz. Ctrl.= Control (Tukey 0.01)
A
30
Cuadro 5. Coeficientes de determinación del análisis de regresión de los valores de CO2 generado por la microflora de dos aceites en dos SM
Origen Solución mineral 1 σ 2
Solución mineral 2 σ 2
Aceite Residual Industrial. 0.9982 0.8525 Aceite Residual Automotriz. 0.9363 0.8605 Control. 0.3077 0.5294
El Cuadro 5 presenta los coeficientes de determinación del análisis de regresión de
cada tratamiento probado, los valores señalan que existe correlación significativa
entre los puntos obtenidos en cada una de las variantes probadas: ARI, ARA y el
Ctrl. con las SM1 y SM2. En base a estos resultados, se seleccionó la SM1 para
probar el efecto de la agitación sobre la producción de CO2.
El análisis de regresión se calcula en base a la ecuación de regresión y = a x + b, en
este caso la variable dependiente fue la producción de CO2 en función de un
parámetro independiente con incremento fijo que fue el tiempo, si σ 2=0.05 entonces
”y” no depende únicamente de “x” sino de otras variables. Cuando todos los puntos
de la regresión coinciden se incrementa “y” en función de “x”, si es exacta el
coeficiente de determinación es = 1 ó muy cercano a este valor y significa que “y”
depende principalmente de “x”.
En la Fig. 8 se ilustra el efecto de la agitación sobre la producción de CO2 por la flora
microbiana activa en: ARA y ARI empleadas en el experimento anterior, en este
ensayo se incluyó un suelo impactado (SI) con ARA. La figura señala que los
máximos valores de CO2 se alcanzaron en los tratamientos incubados con agitación,
donde la flora microbiana activa en el SI generó 15.3, con el ARI; 14.9, 13 ppm de
CO2 con el ARA, mientras que los tratamientos incubados sin agitación presentaron
valores menores. En contraste con los controles con y sin agitación donde se
registraron cantidades mínimas de 0.35 ppm de CO2.
31
0
2
4
6
8
10
12
14
16
18
1 2 3 4 5
Semanas
pp
m
Figura 8. Efecto de la SM1 con y sin agitación sobre la producción de CO2 por la flora microbiana en aceites.
El análisis de varianza del Cuadro 6 señala que existe diferencia significativa en la
respuesta de las poblaciones incubadas con y sin agitación en la SM1.
Cuadro 6. ANAVA de la producción de CO2 en ARA, ARI y SI, estimulada por la solución mineral 1 con y sin agitación. FV GL SC CM F P>F TRATAMIENTO 7 1257.224609 179.603516 1317.7896 0.000 ERROR 32 4.361328 0.136292 TOTAL 39 1261.585938
La Fig. 9 muestra la comparación de medias según Tukey donde las poblaciones
microbianas activas en el ARI y SI con agitación, generaron la máxima cantidad de
CO2; media A. La respuesta fue diferente en el ARA con y sin agitación: medias B y
D respectivamente. El ARI y SI sin agitación presentaron valores similares; media C.
En los controles se observaron los valores mínimos.
ARI ca
SI ca
ARA ca
SI sa ARI sa
ARA sa
Ctrl. sa Ctrl.ca
ARI = Aceite residual industrial. SI = Suelo impactado. ARA = Aceite residual automotriz. ca = con agitación. sa= sin agitación. SM1= Solución mineral 1
ctrl. control
32
0
2
4
6
8
10
12
14
16
18
SIca ARIca ARAca ARIsa SIsa ARAsa Ctrlsa Ctrlca
pp
m
Figura 9. Efecto de la solución mineral 1 y la agitación sobre la producción de CO2, por la microflora acompañante de ARA, ARI y SI con la solución mineral 1.
El Cuadro 7 presenta los coeficientes de determinación del análisis de regresión de
cada tratamiento, los valores señalan una correlación significativa entre los puntos
obtenidos en cada una de las muestras probadas: ARI, ARA, SI y el Ctrl. en la SM1
con y sin agitación.
Cuadro 7. Coeficientes de determinación del análisis de regresión de los valores de CO2 generado por la microflora de tres aceites con la solución mineral 1 con y sin agitación.
Origen Sin agitación Con agitación Aceite residual industrial 0.8525 0.9889
Aceite residual automotriz 0.8605 0.9931 Suelo impactado 0.8915 0.9903
Control 0.2262 0.2720
A A
B
C C
D
E E
SI= suelo impactado ARI= aceite residual industrial ARA= aceite residual
automotriz. Ctrl.= control.
ca= con agitación sa = sin agitación
(Tukey 0.01)
33
0
5
10
15
20
25
1 2 3 4 5
Semanas
pp
m
ARI-CP
ARA-CP
SI-CP
Ctrl-CP
ARI-CA
ARA-CA
SI-CA
Ctrl-CA
Figura 10. Efecto de dos formas de introducción de oxígeno y la solución mineral 1 en la producción de CO2 por la microflora de los aceites.
En la Fig.10 se compara el efecto de la SM1 con dos fuentes de oxígeno;con
agitación (ca) y aplicación de H2O2 a 50 ppm (cp) en la producción de CO2 por la flora
microbiana presente en ARA, ARI y SI. Los mayores valores se registraron en la
SM1cp: la flora microbiana presente en el SI con un máximo de 19.2, ARI 17.62, y
ARA 16.16. Las muestras incubadas en la SM1ca mostraron valores menores.
El análisis de varianza del Cuadro 8 señala diferencia significativa entre los
tratamientos probados.
Cuadro 8. ANAVA de la producción de CO2 por la microflora de los aceites estimuladas por la SM1 ca y cp FV GL SC CM F P>F TRATAMIENTO 7 1947.005859 278.143707 2123.2878 0.000 ERROR 32 4.191895 0.130997 TOTAL 39 1951.197754 SM1 solución mineral 1. ca= con agitación. cp = con H2O2
SI = suelo impactado. ARI = aceite residual Industrial. ARA = aceite residual Automotriz. ca =con agitación. cp = con H2O2
34
La Fig. 11 muestra la comparación de medias según Tukey, donde los valores se
agrupan en 6 categorías, con nivel de significancia 0.01. La microflora de los aceites
estimulados por la SM1cp registraron los mayores valores:
A SIcp, B ARIcp, C ARAcp. Las medias D y E correspondieron a SI, ARI y ARA
incubadas en la SM1ca. La media F se asignó a ambos controles que presentaron
los menores valores.
0
2
4
6
8
10
12
14
16
18
20
SIcp ARIcp ARAcp SIca ARIca ARAca Ctrlcp Ctrlca
pp
m d
e C
O2
Figura 11. Efecto de la solución mineral 1 y dos fuentes de oxigenación en la biodegradación de ARI, ARA y SI. El Cuadro 9 presenta los coeficientes de determinación del análisis de regresión de
cada tratamiento probado, los valores señalan que existe correlación significativa
entre los puntos obtenidos en cada una de las muestras probadas: ARI, ARA, SI, y el
ctrl. en la SM1 y SM2.
Cuadro 9. Coeficientes de determinación del análisis de regresión de los valores de CO2 generado por la microflora de los aceites en la SM1.
Tipo de aceite Con agitación Con H2O2
Aceite Residual Industrial 0.9889 0.9982 Aceite Residual Automotriz 0.9931 0.9963
Suelo Impactado 0.9903 0.9974 Control 0.2720 0.3077
SM1 = solución mineral 1
A
B C
E
F F
C D
SI = suelo impactado.
ARI = aceite residual industrial.
ARA = aceite residual
automotriz. Ca = con agitación.
cp = con H2O2 50 ppm.
(Tukey 0.01)
35
1.2.2.- Comparación del efecto de dos soluciones minerales y la oxigenación sobre la producción de CO2 por la microflora activa en ARI, ARA y SI.
El Cuadro 10 muestra diferencia significativa en el análisis de varianza de la
producción de CO2 generada por la microflora presente en ARI, con dos SM y
fuentes de oxigenación. La composición química de las SM y oxigenación ejercieron
diferente efecto en la microflora inicial de ARI.
Cuadro 10. ANAVA del efecto de dos soluciones minerales y condiciones de oxigenación sobre la producción de CO2 por la microflora del ARI. ___ FV GL SC CM F P>F TRATAMIENTOS 4 1118.294434 279.573608 1957.8278 0.000 ERROR 20 2.855957 0.142798 TOTAL 24 1121.150391 ARI = Aceite residual Industrial
La comparación de medias según Tukey establece diferencia en el efecto de cada
SM y fuente de oxigenación. Se establecieron cinco grupos, la mayor cantidad de
CO2 se indujo con la SM1 y H2O2 a 5 ppm como fuente de oxígeno (Fig. 12).
0
2
4
6
8
10
12
14
16
18
20
SM1cp SM1ca SM1sa SM2sa Ctrl.
pp
m d
e C
O2
Figura 12. Efecto de dos SM y formas de oxigenación en la biodegradación de ARI por su microflora acompañante.
C
D
B
A
E
SM = Solución mineral. sa = sin agitación. ca = con agitación. cp = con H2O2 a 50ppm. ARI = Aceite residual industrial. Ctrl. = Control. (Tukey 0.01).
36
El Cuadro 11 muestra el análisis de varianza con diferencia significativa en el efecto
de las fuentes de oxigenación sobre la producción de CO2 generada por la microflora
del ARA con la SM1.
CUADRO 11. ANAVA del efecto de dos SM y fuente de oxígeno sobre la producción de CO2 por la flora microbiana acompañante en el ARA. ___ FVL GL SC CM F P>F TRATAMIENTOS 4 836.533691 209.133423 2639.3792 0.000 ERROR 20 1.584717 0.079236 TOTAL 24 838.118408 SM= solución mineral. ARA= Aceite residual automotriz
La prueba de medias según Tukey no señala diferencia en la respuesta de la
población activa en el ARA con la SM1sa y SM2sa, pero diferencía entre SM1cp y
ca. La máxima estimulación en la producción de CO2 por la flora microbiana del ARA
se registró con la SM1cp (Fig. 13).
0
2
4
6
8
10
12
14
16
18
SM1cp SM1ca SM1sa SM2sa Ctrl.
pp
m d
e C
O2
Figura 13. Efecto de dos soluciones minerales y formas de oxigenación en la biodegradación de ARA por su microflora acompañante.
El Cuadro 12 muestra el análisis de varianza con diferencia significativa en el efecto
de dos SM y la fuente de oxígeno sobre la producción de CO2 por la población
acompañante del SI.
C C
A
B
D
ARA = Aceite residual automotriz. SM = Solución mineral. sa = sin agitación. ca = con agitación. cp = con H2O2 a 50ppm. Ctrl = Control (Tukey 0.01).
37
Cuadro 12. ANAVA del efecto de la SM1 y condiciones de oxigenación sobre la producción de CO2 por la microflora acompañante en el SI. ___ FV GL SC CM F P>F TRATAMIENTOS 3 1048.031494 349.343842 3203.3857 0.000 ERROR 16 1.744873 0.109055 TOTAL 19 1049.776367 SM1= solución mineral 1. SI = Suelo impactado
La comparación de medias según Tukey estableció cuatro grupos de valores
diferentes, donde la SM1cp favoreció los mayores valores de CO2. Fig. III.1.2.2c.
0
5
10
15
20
25
SM1cp SM1ca SM1sa Ctrl.
pp
m d
e C
O2
Figura 14. Efecto de la SM1 y diferentes formas de oxigenación en la biodegradación de ARA en SI por su microflora activa.
1.2.3. Efecto de dos soluciones minerales y la oxigenación sobre la biodegradación de grasas y aceites. El análisis de varianza de la biodegradación en ppm del ARI con dos SM y
condiciones de oxigenación, presentó diferencia significativa sobre la biodegradación
generada por la población activa del ARI (Cuadro 13).
C
B
A
D
SI = Suelo impactado. SM = Solución mineral. sa = sin agitación. ca = con agitación. cp = con H2O2 a 50ppm (Tukey 0.01).
38
Cuadro 13. ANAVA de la biodegradación de ARI en ppm causada por la microflora activa con diferente SM y oxigenación, durante 5 semanas_________ FV GL SC CM F P>F TRATAMIENTOS 4 2531146.000000 632786.50 28600.5195 0.000 ERROR 20 442.500000 22.125000 TOTAL 24 2531588.500000 SM= solución mineral. ARI = Aceite residual industrial
La comparación de medias según Tukey señala que la respuesta de la población
microbiana activa en ARI fue diferente en cada SM y condiciones de oxigenación
probadas. La SM1cp estimuló la máxima mineralización (Fig. 15).
0
100
200
300
400
500
600
700
800
900
1000
SM1cp SM1ca SM1sa SM2sa Ctrl.
pp
m
Figura 15. Efecto de dos SM y condiciones de oxigenación sobre la biodegradación de ARI en 5 semanas.
El cuadro 14 muestra el análisis de varianza con diferencia significativa entre los
valores de biodegradación con diferentes fuentes de oxígeno y SM generada por la
microflora acompañante en ARA.
A
B
C
D
E
ARI = Aceite residual industrial SM = Solución mineral. sa = sin agitación. ca = con agitación. cp = con H2O2 a 50 ppm. (Tukey 0.01)
39
Cuadro 14. ANAVA de la biodegradación de ARA en ppm por la microflora activa con diferente SM y oxigenación en 5 semanas _______________ FV GL SC CM F P>F TRAT 4 1372873.250000 343218.312500 88859.1094 0.000 ERROR 20 77.250000 3.862500 TOTAL 24 1372950.500000 ARA = aceite residual automotriz. SM = solución mineral
La prueba de Tukey muestra el efecto sobre la mineralización de ARA, que fue
diferente en cada SM y condiciones de oxigenación, se encontraron 5 valores de
medias, el mayor correspondió a la SM1cp (Fig. 16).
0
100
200
300
400
500
600
700
SM1cp SM1ca SM1sa SM2sa Ctrl.
pp
m
Figura 16. Efecto de dos SM y formas de oxigenación sobre la biodegradación de ARA en 5 semanas.
El análisis de varianza de los resultados de la biodegradación del ARA en el SI,
expresado en ppm, con diferentes fuentes de oxigenación y la SM1 mostró diferencia
significativa en la respuesta de la población microbiana activa (Cuadro 15).
A
B
C
D
E
ARA= Aceite residual automotriz. SM = Solución mineral. sa = sin agitación. ca = con agitación. cp = con H2O2 a 50 ppm (Tukey 0.01).
40
Cuadro 15. ANAVA de la biodegradación de ARA en el SI, con diferente oxigenación en la SM1, durante 5 semanas. ___ FV GL SC CM F P>F TRAT 3 1372303.2500 457434.406250 142115.5469 0.000 ERROR 16 51.500000 3.218750 TOTAL 19 1372354.750000 SI = Suelo impactado SM1= Solución mineral 1
La prueba de Tukey señala que existen cuatro grupos diferentes de valores (Figura
15) la SM1cp generó los mayores valores de biodegradación de aceite.
0
100
200
300
400
500
600
700
800
SM1cp SM1ca SM1sa Ctrl.
pp
m
Figura 17. Efecto de la SM1 y condiciones de oxigenación sobre la biodegradación de ARA por la microflora activa en el SI por cinco semanas.
1.3. Medición de volátiles orgánicos y metales pesados.
Antes de iniciar el proceso de bioestimulación de la microflora inicial, se analizaron
los tres aceites. En el Cuadro 16 se muestran los diferentes componentes de ARI,
ARA y SI expresados en mg/l, así como las técnicas empleadas para cada
determinación, en dicho cuadro destacan los valores de plomo con 153.7 mg/l y de
zinc que registró 1157.5 mg/l, ambos en el ARA. Después del proceso de
bioestimulación con la SM1cp, se analizaron los aceites tratados. En el Cuadro 17 se
presentan los resultados obtenidos, los valores para el plomo y el zinc en el ARA
disminuyeron notablemente, con < 2.0 y < 7.58 mg/l respectivamente.
A
B
C
D
ARA = Aceite residual automotriz. SI = suelo impactado. SM = Solución mineral. sa = sin agitación. ca = con agitación. cp = con H2O2 50ppm. (Tukey 0.01).
43
2. Efecto la SM3, H2O2 y un microcosmos cerrado en la biorremediación de un suelo agrícola contaminado con ARA.
2.1. Propiedades fisicoquímicas.
Las propiedades fisicoquímicas del suelo empleado en esta prueba se expresan en
el Cuadro 18.
Cuadro 18. Propiedades fisicoquímicas del suelo muestreado Parámetro Concentración Interpretación Saturación 40.5 % pH 7.2 Alcalino Conductividad eléctrica 0.24 Mmhos/cm Calcio 2.25 Meq/l Magnesio 2.25 Meq/l Carbonatos 0.00 Meq/l Libre de sales Bicarbonatos 2.50 Meq/l Cloruros 1.00 Meq/l Sulfatos 1.00 Meq/l Nitrógeno total 28.59 mg/l Fósforo total 0.09 mg/l Textura
Arena 68 % Limo 22 % Franco arenoso Arcilla 10 %
Materia orgánica 1.50 % Suelo pobre
2.2. Captación de CO2 en álcali.
La Fig. 18 muestra el efecto de estimulación de la SM3 sobre la producción de CO2
generada por la microflora activa del suelo agrícola contaminado con ARA, durante 8
semanas, con una dinámica de liberación de CO2 en función del tipo de
bioestimulación aplicada en el tratamiento, la máxima producción de CO2 se registró
en el suelo enriquecido con SM y H2O2 a 50 ppm con un máximo de 77.6 ppm, al
agregar solo SM la concentración de CO2 fue de 58 ppm. En el suelo sin ARA con
SM la cantidad fue de 47 ppm. Los resultados en los tres tratamientos fueron
diferentes en comparación con el control, donde no se indujo la producción de CO2.
44
0
10
20
30
40
50
60
70
80
90
1 2 3 4 5 6 7 8
Semanas
pp
m d
e C
O2
Figura 18. Efecto de la SM3 y el H2O2 en la biorremediación de un suelo agrícola contaminado con ARA.
El análisis de varianza del establece diferencia significativa en la producción de CO2
por la flora microbiana del suelo con los diferentes tratamientos (Cuadro 19)
Cuadro 19. ANAVA de la producción de CO2 generada por la microflora de un suelo agrícola contaminado con ARA bajo diferentes tratamientos.
FV GL SC CM F P>F TRAT 3 25026.281250 8342.093750 11061.0674 0.000
ERROR 28 21.117188 0.754185 TOTAL 31 25047.398438
ARA = Aceite residual automotriz
Los coeficientes de determinación del análisis de regresión de acuerdo con los
tratamientos, fueron los siguientes: para el control (SM + ARA estéril), 0.2450; SM,
0.9853; SM3 + ARA, 0.9774; SM3 + ARA + H2O2 a 50 ppm, 0.9885, estos valores
sugieren una correlación significativa entre los puntos obtenidos en cada tratamiento.
La prueba de medias señala diferencia en la respuesta a los tratamientos probados,
la SM3 + H2O2 estimularon la máxima producción de CO2 (Fig. 19).
Ctrl.
SM3 + H2O2
SM3
Sin ARA+SM3
SM3 = Solución mineral 3. ARA = Aceite residual automotriz. H2O2 a 50 ppm. Ctrl.= ARA + SM estéril.
45
0
10
20
30
40
50
60
70
80
90
SM3+H2O2 SM SM sin ARA Ctrl.
pp
m d
e C
O2
Figura 19. Efecto de la SM3 y el H2O2 en la biorremediación de un suelo agrícola contaminado con ARA.
2.3. Determinación de grasas y aceites.
El análisis de varianza de los valores totales de la biodegradación del ARA por la
microflora del suelo agrícola estimulada con la SM3 y el H2O2 durante 8 semanas,
mostró diferencia significativa entre los tratamientos probados (cuadro 20).
Cuadro 20. ANAVA de los valores totales de biodegradación de ARA inducidos por la SM3 y el H2O2 sobre la microflora de un suelo agrícola.
FV GL SC CM F P>F TRAT 2 21307350.00 10653675.00 36526.88 0.000
ERROR 12 3500.00 291.6666 TOTAL 14 21310850.00
ARA = Aceite residual automotriz
A
B
C
D
SM3 = Solución mineral 3. ARA = Aceite residual automotriz. H2O2 a 50 ppm. Ctrl.= ARA + SM3 estéril. (Tukey 0.01).
SM3 SM3 sin ARA
46
En la prueba de Tukey se encontraron 3 grupos de valores donde la SM3 + H2O2
indujo la máxima biodegradación de ARA con 2884 ppm (Fig. 20).
0
500
1000
1500
2000
2500
3000
SM+H2O2 SM Ctrl.
pp
m
Figura 20. Efecto de la SM3 y el H2O2 en la biodegradación de ARA por la microflora de un suelo agrícola
A
B
C
SM3 + H2O2
ARA = Aceite residual automotriz. SM3 = Solución mineral 3. H2O2 a 50 ppm. Ctrl.= Control estéril con ARA y SM. (Tukey 0.01).
SM3
47
3. Efecto de diferentes factores y un microcosmos con flujo de aire en la
biorremediación de un suelo agrícola contaminado con ARA.
3.1. Captación de CO2 en álcali
En la Fig. 21 se ilustra el efecto de la SM3, H2O2 y fPch sobre la producción de CO2
con flujo de aire, por la microflora nativa de un suelo agrícola contaminado con ARA.
Se probó un control relativo sin ARA, enriquecido con la SM3, que estimuló la
mineralización de la materia orgánica al detectarse aumento en la producción de
CO2, y alcanzó un máximo de 44 ppm de CO2. En el suelo contaminado con ARA y
adicionado con la SM3, se incrementó la concentración de CO2 con respecto al
tiempo que llegó a 77.1 ppm. Cuando al suelo agrícola contaminado con ARA y
enriquecido con la SM3 se agregó H2O2 como fuente adicional de oxígeno, la
producción de CO2 por la microflora nativa fue de 94.3 ppm.
0
20
40
60
80
100
120
1 2 3 4 5 6
Semanas
pp
m d
e C
O2
Figura 21. Efecto de diversos factores y un flujo de aire sobre la microflora de un suelo agrícola contaminado con ARA.
SM3+fPch
SM3+H2O2
SM3
Sin ARA+SM3
agua
SM3 estéril
2 4 6 8 10 12 Semanas
SM3 = solución mineral 3. fPch = filtrado de Phanerochaete chrysosporium. ARA = aceite residual automotriz H2O2 a 50 ppm
48
El suelo agrícola tratado con el ARA y enriquecido con la SM3 y el fPch, generó la
mayor producción de CO2 con 105.3 ppm.
En el suelo contaminado con ARA y regado solo con agua la producción de CO2 fue
de 19.4 ppm.
Finalmente, en el tratamiento 6 se muestra el suelo contaminado con ARA y
enriquecido con la SM3 en condiciones de esterilidad, en este caso la adición de la
SM3 no tuvo efecto sobre la producción de CO2.
T5E
T 1 A
T2B
T3 C
T4D
T6F
0
10
20
30
40
50
60
70
80
1 2 3 4 5 6
Tratamientos probados
pp
m d
e C
O2
SM sin ARA SM SM+H2O2 SM+fPch agua SM estéril
Figura 22. Efecto de diversos factores y un flujo de aire en la biorremediación de un suelo agrícola contaminado con ARA.
La Fig. 22 muestra la comparación de medias según Tukey y los valores promedio,
de la producción de CO2 por la microflora nativa de un suelo agrícola contaminado
con ARA, bajo diferentes factores representados en 6 tratamientos. Cada uno ejerció
un efecto diferente entre sí sobre la flora microbiana nativa del suelo, la máxima
producción de CO2 se alcanzó en el suelo contaminado con ARA y tratado con SM3
+ fPch.
T 2
T 4
SM = solución mineral 3. fPch = filtrado de Phanerochaete chrysosporium. ARA = Aceite residual automotriz. H2O2 a 50 ppm. (Tukey 0.01).
49
3.2. Determinación de grasas y aceites.
En la Fig. 23 se comparó el efecto de diferentes factores y el flujo de aire sobre la
máxima biorremediación de un suelo agrícola contaminado con ARA, en diferentes
períodos de tiempo. En las primeras 5 columnas se muestra el efecto del flujo de aire
continuo por 12 semanas (En el tratamiento 1 no se le agregó ARA, por lo tanto no
aparece en la figura).
En el tratamiento 2, suelo contaminado con ARA y enriquecido con SM3, se
degradaron 3900 ppm, en comparación con las 1290 ppm cuando no se aplicó el
flujo de aire.
T2T2
T2
T2
T3T3
T3
T3
T4
T4
T4
T4
T5T5
T5
T5
T6T6
T6T60
2000
4000
6000
8000
10000
12000
14000
16000
18000
20000
12 con aire 8 sin aire 16 con pasto 36 TOTAL
Tiempo en semanas
pp
m d
e A
RA
bio
deg
rad
ado
T2 SM3
T3 SM3+H2O2
T4 SM3+fPch
T5 agua
T6 SM3estéril
Figura 23 Efecto de diferentes factores sobre la máxima biorremediación de un suelo agrícola contaminado con aceite residual automotriz.
El tratamiento 3 con H2O2 y la SM3 generó un incremento en la cantidad de ARA
degradado, alcanzando 8200 ppm con flujo de aire y 4810 sin su aplicación.
SM3 = solución mineral 3. H2O2 a 50 ppm. fPch = filtrado de Phanerochaete chrysosporium. Pasto = Lolium multiforum.
Semanas
50
En el suelo contaminado con ARA, enriquecido con la SM3 y el fPch (trat. 4) se
produjo un impacto positivo sobre la biodegradación del ARA; con flujo de aire fue de
12080 ppm, comparado con la biodegradación obtenida sin él, de 1810 ppm.
En el tratamiento 5, se muestra el suelo contaminado con ARA y adicionado con
agua, con aireación se detectaron 1310 ppm de ARA biodegradado y 830 sin aire.
En el suelo del tratamiento 6 enriquecido con la SM3 en condiciones de esterilidad,
se comprueba que el la biodegradación del ARA fue exclusivamente dependiente de
la actividad microbiana heterotrófica de los organismos activos, la cual, al eliminarse,
hizo imposible la biorremediación del suelo.
Esto se demuestra con los valores de biodegradación de 25 ppm con flujo de aire y
de solo 20 ppm en su ausencia. Si se comparan todos los tratamientos, en base a las
ppm de ARA degradado los mejores son el 4, 3 y 2. Siendo el tratamiento 4 más
efectivo que el 3 y el 2.
3.3. Fitorremediación.
Después de mantener los suelos con y sin flujo de aire, del impacto de cada uno de
los factores que se agregaron en cada tratamiento y con la finalidad de reducir al
máximo la concentración de ARA; en este suelo se colocaron plántulas del pasto L.
multiforum. Los resultados se muestran en la Fig. 23 donde se puede apreciar la
similitud entre las cantidades de ARA degradado en el suelo de los tratamientos 2, 3
y 4; con los valores: 4697, 5027 y 5075 ppm, respectivamente.
La Fig. 23 también ilustra el total de biodegradación de ARA por acción de la
microflora activa en el suelo agrícola, donde los mayores valores fueron de 18965
ppm para el tratamiento 4, 18037 ppm para el tratamiento 3 y de 10157 ppm para el
2, en un tiempo total de 36 semanas.
51
En el Cuadro 21 se presentan los resultados del análisis bifactorial del efecto de la
SM3, H2O2, fPch con y sin flujo de aire sobre la biorremediación del suelo agrícola
contaminado con ARA y las diferencias altamente significativas entre las estrategias
empleadas () para estimular la actividad biodegradadora de la microflora con y sin
flujo de aire.
Además, se señalan las diferencias significativas () entre los tratamientos utilizados,
en el caso del tratamiento 3 (c); con H2O2 + SM3 y 4 (d); suelo tratado con la SM3 +
fPch. Esto sugiere que la combinación de factores en los tratamientos 3 y 4,
estimularon la biorremediación del suelo agrícola contaminado con ARA.
CUADRO 21. Análisis bifactorial del efecto del flujo de aire sobre la biodegradación de ARA en un suelo agrícola con diferentes factores fisicoquímicos. Condición F P Tratamiento X E E
2 3 4 5
Con aire 12 semanas
1470.95 0.0000
SM3 23.32 0.666
b
SM3+H2O2
34.18 0.188
c
SM3+fPch 44.06 0.0748
d
H2O 6.4
0.471 e
Sin aire 8 semanas
110.849 0.0000
6.198 0.151
b
17.629 1.067
c
15.556 0.7388
d
3.1964 0.2693
e
Datos procesados de la biodegradación de ARA con y sin flujo de aire. SM3 = solución mineral 3. H2O2 a 5 ppm. fPch = filtrado de Phanerochaete chrysosporium. H2O =suelo con agua.
52
V. DISCUSIÓN
Los microorganismos observados en el agar aceite se desarrollaron muy lentamente,
esto sugiere dependencia entre las diversas poblaciones microbianas para degradar
compuestos orgánicos complejos, ya que en su forma natural conviven en
asociación, donde los productos metabólicos de unas especies pueden ser
aprovechados por otras, creando una interdependencia nutricional en los consorcios
microbianos (Kanaly et al., 2000).
Los microorganismos desarrollados en el agar aceite fueron morfológicamente
similares a los encontrados en los medios selectivos, entre los aislados a partir de
ARI, ARA y SI, se detectaron levaduras, hongos y actinomicetos, nativos de suelo,
pero en este caso sobrevivieron a pesar de los aceites residuales. En estudios
realizados en Brasil se aislaron de diesel (Bento y Gaylarde, 2001), también se
encontraron cocobacilos Gram negativos, enterobacterias provenientes de la
actividad humana, este grupo se detectó en investigaciones en agua salada y
sedimento como en la Bahía Chesapeake, EUA donde se reportó la oxidación de
petróleo (Austin et al., 1977). En un derrame experimental de petróleo en la costa de
Delaware, EUA, se observó un evidente incremento de bacterias Gram negativas al
enriquecer el área con una solución mineral que equilibró el desbalance nutricional
en ese sitio (Macnaughton et al., 1999). El desarrollo de estas poblaciones en
medios selectivos sugiere que tienen una amplia capacidad metabólica y tolerancia a
los agentes antimicrobianos, propiedad esencial de los microorganismos oxidantes
de hidrocarburos.
La literatura señala que las coliformes son capaces de oxidar hidrocarburos, y que
existe correlación entre esta propiedad bioquímica y la tolerancia a diversos agentes
antimicrobianos; se utilizaron medios selectivos para determinar el tipo de
53
microorganismos en el ARA, ARI y SI, método de investigación recomendada para
este propósito (Austin et al., 1977; Macnaughton et al., 1999; Martínez, 1997).
La producción de CO2 en medio líquido fue afectada por diferentes factores; en
primer lugar el origen del aceite residual, que influyó en la carga microbiana inicial.
En el caso del ARI; que al momento de su colecta circulaba por la planta industrial
mezclado con agua, con exposición a la materia orgánica desechada por los
trabajadores de la empresa, lo que probablemente aumentó la diversidad de su flora
microbiana inicial y la concentración de oxígeno. Comparado con las condiciones en
que se encontraba el ARA, en un depósito estático, sin agua, carente de materia
orgánica, anóxico, sin posibilidades de aumentar su carga microbiana inicial. Bento y
Gaylarde (2001) reportaron la importancia del agua para iniciar el desarrollo
microbiano en tanques con diesel. El SI empleado como fuente de inóculo
permaneció almacenado el tiempo suficiente para inducir la proliferación de
microorganismos oxidantes de ARA. Swannell y col. (1996) enfatizaron la capacidad
de los microorganismos para oxidar componentes del petróleo después de períodos
cortos de exposición.
Otro factor clave en este proceso fue la relación de nutrientes en la SM de prueba;
los resultados muestran una evidente diferencia en la producción de CO2 y en la
biodegradación de las fuentes de carbono del aceite residual, al probar dos
concentraciones de P-K para SM1 y SM2 con ARI, ARA y SI. La concentración de
nutrientes en la SM1 estimuló la máxima biodegradación de las fuentes de carbono
del aceite residual, este resultado no coincide con las recomendaciones de Adams y
colaboradores (1999) que sugieren una relación 100-10-1 de la fórmula N-P-K para
inducir la biodegradación de combustibles, lubricantes y petróleo crudo. Mientras que
Margesin y Schinner (2001) probaron una relación de 15-15-15 en N-P-K y
obtuvieron una reducción del 70% en la concentración de diesel en suelo. Lo anterior
sugiere que la relación adecuada de nutrientes dependerá del tipo de contaminante
que se pretende eliminar y de un análisis preliminar para garantizar la eficiencia del
proceso. Margesin y Schinner (2001) señalan que una concentración y relación
54
equilibrada de nutrientes inorgánicos esenciales, induce la actividad biodegradadora
de la diversidad microbiana presente.
En el suelo contaminado con ARA e irrigado solo con agua, la falta de N y P limitaron
la actividad microbiana nativa para la biodegradación del ARA a 19.4 ppm. En un
suelo contaminado con diesel se logró un 90% de biodegradación en 45 días al
agregar P y N mineral (Gallego et al., 2001). En el suelo contaminado con ARA y
enriquecido con la SM3 en condiciones de esterilidad, fue evidente que la
biodegradación del ARA depende de la microflora activa del suelo, el enriquecimiento
con la SM3 no tuvo efecto sobre la producción de CO2, pues se eliminó la flora nativa
del suelo, lo que sugiere que en efecto la mineralización de ARA depende de los
microorganismos activos en el suelo. Durante un proceso de biorremediación, se
demostró el aumento de la población microbiana de un suelo al tratarlo con [14C]
Benzo [a] pireno y petróleo crudo (Kanali et al., 1997).
Otro factor determinante para la biodegradación de hidrocarburos fue la fuente de
oxígeno donde el H2O2 fue una de las mejores alternativas recomendada tanto en
suelo, como para acuíferos (Backer et al.,1994; Wilson y Brown, 1989; Zappi et al.,
1997). El efecto observado se atribuyo a que el H2O2 incrementa el oxígeno
disponible en un ambiente acuífero saturado, puesto que el H2O2 se disocia en ½ mol
de oxígeno disuelto/mol de H2O2 : H2O2 + H2O --- 0.5 O2 + 2H2O (Hulling et al.,
1990; Morgan y Watkinson, 1992). En esta investigación la aplicación de H2O2 a 50
ppm indujo un efecto positivo, ya que como una fuente de oxígeno para el
biotratamiento “in situ” tiene las siguientes ventajas: es barato, no persistente,
estable, sin problemas de almacenaje, de fácil aplicación y no contamina (Britton,
1985).
La baja concentración de materia orgánica en el suelo agrícola favoreció la
biodegradación, de acuerdo con los reportes existentes, los suelos ricos en materia
orgánica requieren mayores volúmenes de H2O2 que al reaccionar con ésta, reduce
55
su concentración e incrementa el costo de la biorremediación (Aggaewal et al., 1991;
Barcelona y Holm, 1991; Zappi et al., 2000).
El tratamiento con SM1cp, en el ARA utilizado en esta investigación, redujo
notablemente las cantidades de Pb y Zn. Este fenómeno se ha observado en otros
estudios donde se reporta la existencia de microorganismos tolerantes a metales
pesados, con la capacidad de captar Pb+ en las proteínas y en los polisacáridos de
su pared celular (Kjaergaard et al., 2000; Richards et al., 2002). Se cree que esto
depende de la síntesis de enzimas y “fitoquelatinas” (Phitochelatins): péptidos ricos
en cisteína que se unen a metales pesados, estos péptidos se sintetizan en plantas y
levaduras (Sauge-Merle et al., 2003). Esto pudo deberse a que las levaduras
existentes en el ARA se activaron al contacto con la SM1cp para captar los metales
pesados. Los microorganismos activos, además de su tolerancia al Pb y Zn
demostraron capacidad para biodegradar ARA y la producción de CO2 derivada de la
misma, esto sugiere una doble bioestimulación de la flora microbiana. Se reporta la
capacidad de cultivos específicos y de la microflora del suelo para fijar cadmio tanto
en la membrana como intracelularmente y con capacidad para oxidar 500-μg ml-1 de
ácido 2-4 diclorofenoxiacético (Roane et al., 2001). Se probó la capacidad de los
microorganismos de suelo para captar plomo y oxidar glucosa marcada con C14
(Konopka et al, 1999).
Entre los factores evaluados en esta investigación, la aplicación del fPch fue clave en
suelo contaminado con ARA, este hongo está reconocido por su capacidad de
hidrolizar cloroaromáticos contaminantes del ambiente. Esta capacidad bioquímica
se atribuye a un sistema multienzimático productor de lignina-peroxidasas,
peroxidasas manganeso-dependiente, y un mecanismo generador de H2O2 (Michael,
1999; Reddy, 1993; Yadav et al., 1995). A pesar de que el ARA empleado como
contaminante contenía cantidades bajas de aromáticos, la aplicación del fPch
estimuló la producción de CO2 y la cantidad de ARA biodegradado. En el suelo
contaminado con ARA, enriquecido con la SM3 y el fPch se indujo un efecto positivo
sobre la biodegradación del ARA; con flujo de aire fue de 12080 ppm, posiblemente
56
la actividad enzimática del fPch se estimuló por el flujo de aire, en comparación con
la biodegradación observada sin aire, que fue de 1810 ppm. Es probable que las
enzimas sintetizadas por el sistema multienzimático y el mecanismo productor de
H2O2 estimularon la liberación de O2 para inducir la biodegradación del ARA. Esto
pudo deberse también a la participación de las enzimas del citocromo P450, que
constituyen una super familia de haem-thiolato monooxigenasas, algunas de las
cuales catalizan la hidroxilación de contaminantes orgánicos, (Masaphy et al.,1996;
Mehmood et al., 1997; Topal et al., 1996).
El suelo sembrado con del pasto L. multiflorum, después de la aplicación de los
diferentes factores mostró similitud en las cantidades de ARA biodegradado en los
tratamientos 2, 3 y 4; con los valores: 4697, 5027 y 5075 ppm, respectivamente
durante 16 semanas de incubación. Los tres tratamientos coinciden en que pueden
contener los remanentes de la SM que se agregó en las etapas previas del
experimento. En trabajos anteriores se estableció la importancia del equilibrio mineral
para estimular la fitorremediación (Linn y Mendelssohn, 1998). Otro factor crítico en
este trabajo fue que se empleó un suelo no esterilizado, donde la flora microbiana
nativa y activa de la rizósfera fue la responsable de llevar a cabo el proceso de
fitorremediación del suelo contaminado con el ARA. Esto ha sido ampliamente
estudiado en suelos contaminados con hidrocarburos poliaromáticos (Siciliano et al.,
2003).
En el suelo de los tratamientos 5 y 6 se muestran valores inferiores en la
biodegradación del ARA, el primero se humedeció solo con agua en la etapa previa
del experimento y mostró 2625 ppm de ARA biodegradado, es posible que los
remanentes de la SM hayan sido suficientes para estimular la actividad de la
microflora capaz de degradar ARA en la rizósfera. El suelo del tratamiento 6 se
mantuvo en esterilidad durante la investigación, esto prueba que la flora microbiana
activa del suelo es indispensable para la biodegradación (Cunningham et al., 1996;
Ferrera-Cerrato, 1997; Linn y Mendelssohn, 1998; Siciliano y Germida, 1998).
57
Falta mucho por hacer e investigar en cuanto a la degradación de aceites residuales,
como perspectivas de continuación podemos citar las siguientes:
1.- Probar si se eliminan los metales pesados en suelo al igual que en medio líquido.
a) Cómo se lleva a cabo el proceso de eliminación o transformación.
b) Quienes son los microorganismos responsables de dicho proceso.
2.- Qué enzimas están presentes y activas en el jugo enzimático y cuales actúan en
la biodegradación del aceite.
3.- Que parte de la mezcla de constituyentes del aceite es eliminada por la microflora
de la rizósfera de la planta.
4.- Qué tipo de plantas además del pasto pueden utilizarse para fitorremediar
suelos contaminados con ARA.
58
VI. CONCLUSIONES
El ambiente natural tiene la capacidad de amortiguar el efecto contaminante de
ARA para mantener el equilibrio mediante la microflora nativa del suelo.
Los consorcios microbianos del suelo pueden ser inducidos para utilizar ARA
como fuente de carbono y biodegradarlo.
En este estudio se demostró que tanto la microflora inicial de los aceites
residuales como la flora nativa del suelo agrícola, fueron estimuladas para su
biodegradación, así como en la biorremediación de un suelo agrícola
contaminado con ARA y que dicha capacidad fue potenciada con la aplicación
oportuna de las diferentes combinaciones de factores que facilitaron este
proceso.
Este es uno de los primeros trabajos realizados en México en relación con la
biorremediación de un suelo agrícola contaminado con ARA, lo cual abre
grandes expectativas para actuar y remediar procesos contaminantes causados
por estos productos.
59
VII. LITERATURA CITADA
Adams, S. R.; V. I. Domínguez. y Y. L. García. (1999). Potencial de la
biorremediación de suelo y agua impactados por petróleo en el trópico
mexicano. Terra, 17: 159-174.
Aggarwal, P.; J. Means; D. Downey and R. Hinchee. (1991). Use of Hydrogen
peroxide as an oxygen source for in situ biodegradation, Part II: Laboratory
studies. Journal Hazardous Materials, 27: 301-314.
American Petroleum Institute. (1986). Beneficial stimulation of bacterial activity
in ground waters containing petroleum products. API, 4442-4496 Washington,
D. C.
Aprill, W. and R. C. Sims. (1990). Evaluation of the use of prairie grasses for
stimulation polycyclic aromatic hydrocarbon treatment in soil. Chemosphere,
20: 253-265.
Atlas, R. M and C. E. Cerniglia. (1995). Bioremediation of petroleum pollutants.
Bio-Science, 45: 332-338.
Austin, B.; J. J. Calomiris; J. D. Walker and R. R. Colwell. (1977). Numerical
taxonomy and ecology of petroleum-degrading bacteria. Applied Environmental
Microbiology, 34: 60-68.
Barcelona, M. and T. Holm. (1991). Oxidation-Reduction capacities of acuifer
soils. Environmental Science Technology, 25:1565-1572.
Barry K. R.; G. M. Long and J. K. Sheldon. (1992). Applied bioremediation. En
Practical Environmental Bioremediation. Lewis Publishers, 11-26 p.
60
Bajpai, R.K. and M. E. Zappi. (1994). Additives for establishment of biologically
active zones during in situ bioremediation. Ann. N.Y. Acad. Sci. 25-38. p.
Bento, F. M. and C. C. Gaylarde. (2001). Biodeterioration of stored diesel oil:
studies in Brazil. International Biodeterioration & Biodegradation, 47: 107- 112.
Biederbeck, V. O.; O. T. Bouman and C. A. Campbell; L. D. Bailey; G. E.
Winkleman. (1996). Nitrogen benefits from four green-manure legumes in
dryland cropping systems. Canadian Journal of Plant Science, 76: 307-315.
Bogan, B. W.; B. Schoenike; R. T. Lamar and D. Cullen. (1996). Manganese
peroxidase mRNA and enzyme activity levels during bioremediation of
polycyclic aromatic hydrocarbon-contaminated soil with Phanerochaete
chrysosporium. Applied Environmental Microbiology, 62: 2381-2386.
Britton, L.N. (1985). Feasibility studies on the use of hydrogen peroxide to
enhance microbial degradation of gasoline. American Petroleum Institute.
Washington, D.C. 56-98 p.
Chayabutra, Ch. and L. Ju. (2000). Degradation of n-hexadecane and Its
metabolites by Pseudomonas aeruginosa under microaerobic and anaerobic
denitrifying conditions. Applied Environmental Microbiology, 66:493-498.
Cheung, P-Y. and B. K. Kinkle. (2001). Mycobacterium diversity and pyrene
mineralization in petroleum-contaminated soil. Applied Environmental
Microbiology, 67: 2222-2229.
Cookson, J.T. (1995). Treatability studies. in Bioremediation engineering:
design and application. McGraw-Hill, New York, U.S.A., 433-459 p.
Cunningham, S. D.; T. A. Anderson; A. P. Schwab and F.C. Hsu. (1996).
Phytoremediation of soils contaminated with organic pollutants. Advances in
Agronomy, 56: 55-114.
61
Dass, S. B.; G. C. Dosortez; C. A. Reddy and E. A. Grethlein. (1995).
Extracellular proteases produced by the wood degrading fungus
Phanerochaete chrysosporium under ligninolytic and non-ligninolytic
conditions. Archives of Microbiology, 163:254-258.
Dinkla, J.T.; M. E. Gabo and B. C. Janssen. (2001). Effects of iron limitation on
the degradation of toluene by Pseudomonas strains carrying the TOL (pWWO)
plasmid. Applied Environmental Microbiology, 67: 3406-3412.
EPA-200.7. (1994). Environmental Protection Agency. Metals and trace
elements by ICP/ atomic emission spectrometry “Methods for the determination
of metals in environmental samples – Suplement 1”, EPA/600/R-94/111. May
1994.
EPA-300.0. (1993). Environmental Protection Agency. Environmental
Monitoring systems laboratory. Office of research and development, USEPA
Method 300.0, Determination of inorganic anions by ion chromatography, EPA-
600/R-93-100. August 1993.
EPA-8082. (1997). Environmental Protection Agency. Method 8082:
Polychlorinated biphenyls (PCBs) by gas chromatography.
http://www.epa.gov/eoaoswer/hazwaste/test/pdfs/8082.pdf
EPA-sw. (1997). Environmental Protection Agency, solid waste. Method
8021B, Aromatic and halogenated volatiles by gas chromatography using
photoionization and/or electrolytic conductivity detectors.
http://www.epa.gov/epaoswer/hazwaste/test/pdfs/8021b.pdf.
EPA-sw-8260. (1997). Environmental Protection Agency, solid waste. Method
8260B, Volatile organic compounds by gas chromatography/mass
spectrometry (GC/MS).
http://www.epa.gov/epaoswer/hazwaste/test/pdfs/8260b.pdf.
62
Fan, S. and K. M. Scrow. (1993). Biodegradation of trichloroethylene and
toluene by indigenus microbial populations in soil. Applied Environmental
Microbiology, 59:1911-1918.
Ferrera-Cerrato, R. (1997) Impacto de la contaminación por hidrocarburos
sobre el desarrollo de las plantas y de los microorganismos de la raíz. En:
Simposium sobre Biorremediación de Suelos y Acuíferos. CINVESTAV-IPN.
México D. F. 13-25 p.
Fogel, S.; R. Norris; E. Crockett and M. Findlay. (1988). Enhanced
Bioremediation Techniques for in situ and on-site treatment of petroleum-
contaminated soils and groundwater. In Proceedings of the 3rd conference on
environmental and public health effects of soils contaminated with petroleum,
Amherst, MA, Sept.
Gallego, L. R.; J. Loredo; J. F. Llamas.; F. Vázquez and J. Sánchez. (2001).
Bioremediation of diesel-contaminated soils: Evaluation of potential in situ
techniques by study of bacterial degradation. Biodegradation, 12: 325-335.
Goldsmith, C. and R. Balderson. (1989). Biokinetic constants of a mixed
microbial culture with model diesel fuel. Hazardous Waste, 6: 145-154.
Gonzalez, F. J. (1998). The study of xenobiotic-metabolizing enzymes and
their role in toxicity in vivo using targeted gene disruption. Toxicology Letters,
102: 161-166.
Guengerich, F. P. (1993). Cytochrome P450 enzymes. American Science, 81:
440-447.
Gunther, T.; U. Dornberg and W. Fritsche. (1996). Effects of ryegrass on
biodegradation of hydrocarbons in soil. Chemosphere, 33: 203-215.
63
Holm, P. E.; P. H. Nielsen; H. J. Albrechtsen and T. H. Christensen. (1992).
Importance of unattached bacteria and bacteria attached to sediment in
determining potentials for degradation of xenobiotic organic contaminants in an
aerobic aquifer. Applied Environmental Microbiology, 58: 3020-3026.
Horvath, R. S. (1972). Microbial co-metabolism and the degradation of organic
compounds in nature. Bacteriol. Rev., 36: 146-155.
Huling, S. G.; B. E. Bledsoe and M. V. White. (1990). Enhanced bioremediation
utilizing hydrogen peroxide as a supplemental source of oxygen: a laboratory
and field study; U.S. Enviromental Protection Agency, Report No.600/S2-
90/006;
Johnson, P. C.; M.W. Kemblowski and J. D. Colhart. (1990). Quantitative
analysis for the cleanup of hydrocarbon-contaminated soils by in-situ soil
venting. Groundwater : 28: 156-167.
Kanaly, R. A.; R. Bartha; S. Fogel and M. Findlay. (1997). Biodegradation of
[14C] benzo [a] pyrene added in crude oil to uncontaminated soil. Applied
Environmental Microbiology, 63: 4511-4515.
Kanaly, R. A.; R. Bartha; K. Watanable and S. Hrayama. (2000). Rapid
mineralization of benzo [a] pireno by a microbial consortium growing on diesel
fuel. Applied Environmental Microbiology, 66: 4205-4211.
Karickhoff, S. W. (1984). Organic pollutant sorption in aquatic systems. Journal
Hydrology Engineering, 7: 110-707.
Kjaergaard, K.; J. K. Sorensen; M. A. Schembri and P. Klemm. (2000).
Sequestration of zinc oxide by fimbrial designer chelators. Applied
Environmental Microbiology, 66: 10-14.
64
Konopka, A.; T. Zakharova; M. Bischoff; L. Oliver; C. Nakatsu and R. F. Turco.
(1999). Microbial biomass and activity in lead-contaminated soil. Applied
Environmental Microbiology, 65: 2256-2259.
Kuei-Jyum, Y. C.; Y. Kao and C. Cheng. (2002). Oxidation of chlorophenols in
soil at natural pH by catalyzed hydrogen peroxide: the effect of soil organic
matter. Chemosphere, 46: 67-73.
Lawes, B. C. (1991). Soil-Induced descomposition of hydrogen peroxide, In-
situ bioreclamation: Applications and investigations for hydrocarbon and
contaminated site remediation. (Eds.), Butterworth-Heinemann, Stoneham,
Mass., 143-156 p.
Leahy, J. G. and R. R. Colwell. (1990). Microbial degradation of hydrocarbons
in the environment. ASM Microbiol. Rev. : 305 – 315.
Leal-Castillo, M.; J. M. Sánchez-Yañez.; J. J. Peña-Cabriales. (1994). Efecto
de biocidas en un fluido de corte. En: VII Congreso Nacional de la Sociedad
Polimérica de México. (Academia Mexicana de Ciencia de Materiales A.C.).
Cancun, México, 2 p.
Ley General del Equilibrio Ecológico y la Protección al Ambiente. (2001).
Diario Oficial de la Federación. SEMARNAT, México 31 de diciembre.
Lin, Q. and I. A. Mendelssohn. (1998). The combined effects of
phytoremediation and biostimulation in enhancing habitat restoration and oil
degradation of petroleum contaminated wetlands. Ecological Engineering, 10:
263-274.
Lorraine, A. S. (1973). Microbiology Laboratory Manual and Workbook. Mosby
Co. Saint Louis, U.S.A., 57-68 p.
65
Macnaughton, S. J.; J. R. Stephen; A. D. Venosa; G. A. Davis; Y. Chang and
D.C. White. (1999). Microbial population changes during bioremediation of an
experimental oil spill. Applied Environmental Microbiology, 65: 3566-3574.
Margesin R. and F. Schinner. (2001). Bioremediation (natural attenuation and
biostimulation) of a diesel-oil-contaminated soil in an alpine glacier skiing area.
Applied Environmental Microbiology, 67: 3127-3133.
Masaphy S.; D. Levanon; Y. Henis; K. Venkateswarlu and S. L. Kelly. (1996).
Evidence for cytochrome P-450 and P-450 mediated benzo(a)pyrene
hydroxylation in the white-rot fungus Phanerochaete chrysosporium. FEMS
Lett., 135: 51-55.
Mehmood Z.; D. E. Kelly and S. L. Kelly. (1997). Cytochrome P4503A4
mediated metabolism of 2,4-Dichlorophenol. Chemosphere , 34: 2281-2291.
Michael, F. (1999). Microbe of the month: Phanerochaete chrysosporium.
International Society for Microbial Ecology, http://www.microbes.org/microbes/
phanero.htm
Millburn, P. (1995). The fate of xenobiotics in mammals: biochemical
processes. Progress in pesticide biochemistry and toxicology, 8: 1-86.
Mishra, S.; J. Jyot; R. C. Kuhad and B. Lal. (2001). Evaluation of inoculum
addition to stimulate in situ bioremediation of oily-sludge-contaminated-soil.
Applied Environmental Microbiology, 67: 1675-1681.
Morgan, P. and R. J. Watkinson. (1992). Factors limiting the supply and
efficiency of nutrient and oxygen supplements for the in situ bioteatment of
contaminated soil ang gruwndwater. Water Research, 26: 73-78.
Nelson, M. J. K.; S.O. Montgomery; E. J. Ö׳Neil and P. H. Pritchard. (1986).
Aerobic metabolism of trichloroethylene by a bacterial isolate. Applied
Environmental Microbiology, 52:383-384.
66
NMX-AA-005-SCFI-2000. (2000). Norma Mexicana calidad del agua-
determinación de grasas y aceites recuperables en aguas naturales,
residuales y residuales tratadas. Diario Oficial de la Federación, México, 18 de
diciembre .
NMX-AA-008-SCFI-2000. (2000). Norma Mexicana calidad del agua-
determinación de pH. Diario Oficial de la Federación, México, 18 de diciembre.
NMX-AA-026-SCFI-2001. (2001). Norma Mexicana calidad del agua-
determinación de Nitrógeno total Kjeldahl en aguas naturales, residuales y
residuales tratadas. Diario Oficial de la Federación, México, 17 de abril.
NMX-AA-072-SCFI-2001. (2001). Norma Mexicana calidad del agua-
determinación de dureza total en aguas naturales, residuales y residuales
tratadas. Diario Oficial de la Federación, México, 13 de agosto.
NOM-052-ECOL-SEMARNAT-93. (1993).Norma Oficial Mexicana para la
Protección Ambiental. Características de los residuos peligrosos, listado y
límites que hacen a un residuo peligroso por su toxicidad al ambiente. Diario
Oficial de la Federación, México, 22 de Octubre.
Ogino, H.; K. Miyamoto and H. Ishikawa. (1994). Organic solvent-tolerant
bacterium which secrete organic-solvent-stable lipolytic enzime. Applied
Environmental Microbiology, 60:3884-3886.
Qiu, X.; T. W. Leland; S. I. Shah; D. L. Sorensen and E. W. Kendall. (1997).
Grass remediation for clay soil contaminated with polycyclic aromatic
hydrocarbons. Phytoremediation of Soil and Water Contaminants. American
Chemical Society: Washington, D.C. ACS Symposium Series, 664: 186-199.
67
Radwan, S.S.; H. Al-Awadhi; N. A. Sorkhoh and I. M. El-Nemr. (1998).
Rhizospheric hydrocarbon-utilizing microorganisms as potential contributors to
phytoremediation for the oily Kuwaiti desert. Microbiological Research, 153:
247-251.
Ramanand, K. ; M. Sharmila and N. Sethunathan. (1988). Mineralization of
carbofuran by a soil bacterium. Applied Environmental Microbiology, 54: 2129-
2133.
Reddy, C. A. (1993). An overview of the recent advances on the physiology
and molecular biology of lignin peroxidases of Phanerochaete chrysosporium.
Journal Biotechnology, 30: 91-107.
Richards, J. W.; G. D. Krumholz; G. D. Chval and L. S. Tisa. (2002). Heavy
metal resistance patterns of Frankia strains. Applied Environmental
Microbiology, 68: 923-927.
Roane, T. M.; K. L. Josephson and I. L. Pepper. (2001). Dual-Bioaugmentation
strategy to enhance remediation of cocontaminated soil. Applied Environmental
Microbiology, 67: 3208-3215.
Rojas, A.N.; V. R. Rodríguez; B. S Saval y G. F. Esparza. (1997). Tratamiento
por bioestimulación de un suelo altamente contaminado con el arocloro 1260
(bifenilos policlorados). En: Symposium Biorremediación de Suelos y
Acuíferos. CINVESTAV-IPN. México D.F., 50-59 p.
Sauge-Merle, S.; S. Cunié; P. Carrier; C. Lecompte-Pradines; L. Doan-Trung
and G. Peltier. (2003). Enhanced toxic metal accumulation in engineered
bacterial cells expressing Arabidopsis thaliana phytochelatin synthase. Applied
Environmental Microbiology, 69: 490-494.
68
Schnoor, J. L.; L. A. Licht; S. C. McCutcheon; N. L. Wolfe and L. H. Carreira.
(1995). Pytoremediation of organic and nutrient contaminants. Environmental
Science and Technology, 29: 318-323.
Siciliano, S. D. and J. J. Germida. (1998). Mechanisms of phytoremediation:
biochemical and ecological interactions between plants and bacteria.
Environmental Review, 6: 65-79.
Siciliano, S. D.; N. Fortin; M. Anca; G. Wisse; S. Labelle; D. Beaumier; D.
Ouellette; R. Real; L. G. Whyte; M. K. Banks; P. Schwab; K. Lee; C. W. Greer.
(2001). Selection of specific endophytic bacterial genotypes by plants in
response to soil contamination. Applied Environmental Microbiology, 67: 2469-
2475.
Siciliano, S. D.; J. J. Germida; K. Banks; C. W. Geer. (2003). Changes in
microbial community composition and function during a polyaromatic
hydrocarbon phytoremediation field trial. Applied Environmental Microbiology,
69: 483-489.
Sims, R. C. and R. M. Overcash. (1983). Fate of polynuclear aromatic
compounds (PNAs) in soil-plant systems. Residue Reviews,.88: 1-64.
Spencer, C. J.; P. C. Stanton and R. J. Watts. (1996). A central composite
rotatable analisis for the catalyzed hydrogen peroxide remediation of diesel-
contaminated soils. Journal of the Air & Waste Management Association, 46:
1067–1074.
Swannell, R. P.; K. Lee. and M. McDonagh. (1996). Field evaluations of marine
oil spill bioremediation. Microbiol Review, 60: 342-365.
Topal, A.; N. Adams; E. Hodgson and S.L. Kelly. (1996) In vitro metabolism of
atrazine by tulip cytochrome P450. Chemosphere, 32: 1445-1451.
69
Thomas, J. and C. Ward. (1989). In situ Biorestoration of organic contaminants
in the subsurface. Environmental Science and Technology, 23: 7-14.
Vance, D. B. (1996). Phytoremedition: enhancing natural attenuation
processes. National Environmental Journal, 6: 30-31.
Van den Wijngaard, A. J.; R. D. Wind and D. B. Janssen. (1993). Kinetics of
bacterial growth on chlorinated aliphatic compounds. Applied Environmental
Microbiology, 59: 2041-2048.
Verrhiest G.J.; B.Clément; B. Volat; B. Montuelle and Y. Perrodin. (2002).
Interactions between a polycyclic aromatic hydrocarbon mixture and the
microbial communities in a natural freshwater sediment. Chemosphere, 46:
187-196.
Volc, J.; E. Kubatova; G. Daniel and V. Prikrylova. (1996). Only C-2 specific
glucose oxidase activity is expressed in ligninolitic cultures of the white rot
fungus Phanerochaete chrysosporium. Archives of Microbiology, 165: 421-424.
Walker, J. D. and R. R. Colwell. (1974). Microbial petroleum degradation: use
of mixed hidrocarbon substrates. Applied Environmental Microbiology, 27:
1053-1060.
Walpole, E. R. and R. H. Meyers. (1992). Experimentos generales de un solo
factor y Experimentos factoriales En: Probabilidad y Estadística. Tercera
edición. Mc Graw-Hill, México. 565-570 p.
Wilson, S. and R. Brown. (1989). In situ bioreclamation: a cost-effective
technology to remediate subsurface organic contamination. Ground Water
Monitor Review, 9: 1-25.
Xu, J. G. and R. L. Johnson. (1997). Nitrogen dynamics in soils with different
hydrocarbon contents planted to barley and field pea. Canadian Journal of Soil
Science, 77: 453-458.
70
Yadav, J. S.; J. F. Quensen III; J.M. Tiedje and C. A. Reddy. (1995).
Degradation of polychlorinated biphenil mixtures (aroclors 1242, 1254, and
1260) by the white rot fungus Phanerochaete chrysosporium as evidence by
congener-specific analysis. Applied Environmental Microbiology, 61: 2560-
2565.
Yoshitomi, K. J. and J. R. Shann. (2001). Corn (Zea mays L.) root exudates
and their impact on 14C-pyrene mineralization. Soil Biology and Biochemistry,
33: 1767-1776.
Zappi, M.; D. Gunnison; J. Pennington; M. Cullinane; C. Teeter; J. Brannon
and T. Myers. (1997). Technical approach for in situ biotreatment research:
bench scale experiments; WES Report No.IRRP-93-3; USAE Waterways
Experiment Station: Vicksburg, MS.
Zappi, M.; K. White and H. Hwang. (2002). The fate of hydrogen peroxide as
an oxygen source for bioremediation activities within saturated aquifer
systems. Journal of the Air & Waste Management Association, 50: 1818-1830.
71
ANEXO I ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN DE CO2 EXPRESADA EN PPM
EN LOS DIFERENTES TRATAMIENTOS Efecto de la solución mineral No.1 sin agitación (SM1sa), en diferentes aceites Aceite residual industrial (ARI)
1 2 3 4 5 suma media 4.6 4.7 4.5 4.8 4.9 23.5 4.7 4.9 5.7 6.1 4.5 6.3 27.5 5.5 5.9 6.8 5 6.7 6.6 31 6.2 6.8 7.1 7.5 6.7 6.9 35 7 7.7 7.5 7.6 8.2 8.5 39.5 7.9
Aceite residual automotriz (ARA) 1 2 3 4 5 suma media
3.4 2.9 3.5 2.8 3.4 16 3.2 3.9 3.5 4 3.7 3.9 19 3.8 4.5 4.9 5 4.8 4.3 23.5 4.7 4.9 5.1 5.0 4.8 5.2 25 5 5.4 4.9 4.9 5.5 5.3 26 5.2
Suelo Impactado (SI) 1 2 3 4 5 suma media
4.64 4.8 4.7 4.6 4.66 23 4.68 5.3 5.6 5.8 5.9 6 28.6 5.72 6 6.6 6.3 6.2 6.5 31.6 6.32
7.1 7.2 6.9 7.5 7.4 36.1 7.22 7.5 7.6 7.7 7.8 7.9 38.5 7.7
Control absoluto 1 2 3 4 5 suma media
0.314 0.3 0.36 0.29 0.26 1.524 0.3048 0.32 0.34 0.36 0.36 0.38 1.76 0.352 0.29 0.32 0.33 0.28 0.34 1.56 0.312 0.33 0.35 0.29 0.35 0.33 1.65 0.33 0.36 0.37 0.34 0.35 0.34 1.76 0.352
ANÁLISIS DE VARIANZA
FV GL SC CM F P>F Tratamientos 3 185.060608 61.686871 850.3809 0.000
Error 16 1.160645 0.072540 Total 19 186.221252
C V = 5.09%
72
Tabla de Medias Tratamiento rep Media Nivel de significancia 0.01 α = 0.99 1 5 7.900 A Tukey = 0.6251 2 5 5.200 B Nivel de significancia 0.05 α= 0.95
3 5 0.352 C Tukey = 0.8100 4 5 7.700 A
valores de tablas (0.05), (0.01)= 4.05, 5.19 Los tratamientos 1 y 4 son semejantes DMS = 0.4976 Tratamientos 1 = ARI 2 = ARA 3 = Ctrl 4 = SI
REGRESIÓN ARI
T A B L A D E D A T O S Y X 1
4.700 1.000 5.500 2.000 6.200 3.000 7.000 4.000 7.900 5.000
MATRIZ X'X
5 15 15 55
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 31.300000 101.800000
VECTOR DE COEFICIENTES DE REGRESION (B) 3.890000 0.790000
73
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 6.241000 6.241000 1702.0909 0.000 ERROR 3 0.011000 0.003667 TOTAL 4 6.252000
ARI COEFICIENTE DE DETERMINACION = 0.9982
MATRIZ DE VARIANZAS Y COVARIANZAS DE B 0.004033 -0.001100 -0.001100 0.000367
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA
OBSERVADOS
Coeficiente tc p B 0 61.251615 0.000050 B 1 41.256404 0.000080
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 95% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 3.890000 3.691345 4.088655 B 1 0.790000 0.730103 0.849897
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B 0 3.890000 3.519047 4.260953 B 1 0.790000 0.678153 0.901847
74
T A B L A D E D A T O S ARA
--------------------- Y X 1
--------------------- 3.200 1.000 3.800 2.000 4.700 3.000 5.000 4.000 5.200 5.000
MATRIZ X'X 5 15 15 55
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 21.900000 70.900000
VECTOR DE COEFICIENTES DE REGRESION (B)
2.820000 0.520000
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 2.704000 2.704000 44.0870 0.006 ERROR 3 0.184000 0.061333 TOTAL 4 2.888000
ARA COEFICIENTE DE DETERMINACION = 0.9363
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.067467 -0.018400 -0.018400 0.006133
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS
Coeficiente tc p B 0 10.856866 0.001360 B 1 6.639801 0.005830
75
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 95% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 2.820000 2.007522 3.632478 B 1 0.520000 0.275029 0.764971
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 2.820000 1.302838 4.337162 B 1 0.520000 0.062559 0.977441
SI T A B L A D E D A T O S Y X 1____
4.680 1.000 5.720 2.000 6.320 3.000 7.220 4.000 7.700 5.000
MATRIZ X'X
5 15 15 55
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
SI MATRIZ X' Y
31.640000 102.460000
VECTOR DE COEFICIENTES DE REGRESION (B) 4.066000 0.754000
76
A N A L I S I S D E V A R I A N Z A
FV GL SC CM F P>F REGRESION 1 5.685160 5.685160 217.2119 0.001 ERROR 3 0.078520 0.026173 TOTAL 4 5.763680
SI COEFICIENTE DE DETERMINACION = 0.9864
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.028791 -0.007852 -0.007852 0.002617
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA
OBSERVADOS Coeficiente tc p
B 0 23.963018 0.000210 B 1 14.738111 0.000610
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESIÓN AL 95% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 4.066000 3.535247 4.596753 B 1 0.754000 0.593972 0.914028
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESIÓN AL 99% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 4.066000 3.074910 5.057090 B 1 0.754000 0.455175 1.052825
Ctrl. T A B L A D E D A T O S
Y X 1 --------------------- 0.300 1.000 0.350 2.000 0.310 3.000 0.330 4.000 0.350 5.000
77
MATRIZ X'X 5 15 15 55
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 1.640000 5.000000
VECTOR DE COEFICIENTES DE REGRESION (B)
0.304000 0.008000
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 0.000640 0.000640 1.3333 0.333 ERROR 3 0.001440 0.000480 TOTAL 4 0.002080
Ctrl. COEFICIENTE DE DETERMINACION = 0.3077
MATRIZ DE VARIANZAS Y COVARIANZAS DE B 0.000528 -0.000144 -0.000144 0.000048
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS
Coeficiente tc p B 0 13.229902 0.000800 B 1 1.154701 0.332600
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESIÓN AL 95% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 0.304000 0.232124 0.375876 B 1 0.008000 -0.013671 0.029671
78
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 0.304000 0.169784 0.438216 B 1 0.008000 -0.032468 0.048468
Efecto de la solución mineral No.2 sin agitación (SM2sa), sobre la flora microbiana presente en diferentes tipos de aceites ARI 1.6 1.5 1.4 1.8 1.2 7.5 1.5 1.8 1.95 1.77 2.3 2.5 10.32 2.064 2.18 2.3 2.4 2.1 2.3 11.28 2.256 2.4 2.1 2.32 2.3 2.28 11.4 2.28 2.3 2.6 2.7 2.4 2.5 12.5 2.5 ARA 2.89 3.25 3.38 3.2 2.99 15.71 3.142 3.9 4.4 4.4 4.3 4.2 21.2 4.24 3.9 5.0 4.8 4.2 4.7 22.6 4.52 4.9 4.5 5.0 5.0 4.6 24 4.8 4.8 5.2 4.7 5.3 5.0 25 5.0 CTRL 0.29 0.28 0.33 0.32 0.34 1.56 0.312 0.28 0.29 0.32 0.34 0.33 1.56 0.312 0.27 0.30 0.33 0.35 0.32 1.57 0.314 0.3 0.27 0.28 0.34 0.29 1.48 0.296 0.31 0.26 0.29 0.35 0.30 1.51 0.302 A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F TRATAMIENTOS 2 55.254028 27.627014 910.0980 0.000 ERROR 12 0.364273 0.030356 TOTAL 14 55.618301 C.V. = 6.70 % T A B L A D E M E D I A S TRATA. REP. MEDIA 1 5 2.500000 ARI 2 5 5.000000 ARA 3 5 0.302000 CTRL
79
RESULTADOS DE LA COMPARACION DE MEDIAS TRATAMIENTO MEDIA 2 5.0000 A 1 2.5000 B 3 0.3020 C NIVEL DE SIGNIFICANCIA = 0.05 VALORES DE DMS dms( 2 1 ) = 0.2401 dms( 2 3 ) = 0.2401 dms( 1 2 ) = 0.2401 dms( 1 3 ) = 0.2401 dms( 3 2 ) = 0.2401 dms( 3 1 ) = 0.2401 NIVEL DE SIGNIFICANCIA = 0.01 VALORES DE DMS dms( 2 1 ) = 0.3366 dms( 2 3 ) = 0.3366 dms( 1 2 ) = 0.3366 dms( 1 3 ) = 0.3366 dms( 3 2 ) = 0.3366 dms( 3 1 ) = 0.3366 NIVEL DE SIGNIFICANCIA = 0.05 0.01 TUKEY = 0.2938 0.3927 VALORES DE TABLAS (0.05), (0.01) = 3.77, 5.04
REGRESIÓN ARI T A B L A D E D A T O S
Y X 1 1.500 1.000 2.064 2.000 2.256 3.000 2.280 4.000 2.500 5.000
MATRIZ X'X 5 15 15 55
80
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 10.600000 34.016000
VECTOR DE COEFICIENTES DE REGRESION (B)
1.455200 0.221600
A N A L I S I S D E V A R I A N Z A
FV GL SC CM F P>F REGRESION 1 0.491066 0.491066 17.3386 0.023 ERROR 3 0.084966 0.028322 TOTAL 4 0.576032
ARI COEFICIENTE DE DETERMINACION = 0.8525
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.031154 -0.008497 -0.008497 0.002832
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS Coeficiente tc p
B 0 8.244482 0.003030 B 1 4.163962 0.023380
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B 0 1.455200 0.903089 2.007311 B 1 0.221600 0.055132 0.388068
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION
AL 99% DE CONFIANZA
81
Coeficiente B L.I. L.S.
B 0 1.455200 0.424229 2.486171 B 1 0.221600 -0.089250 0.532450
ARA
T A B L A D E D A T O S Y X 1
3.142 1.000 4.240 2.000 4.520 3.000 4.800 4.000 5.000 5.000
MATRIZ X'X 5 15 15 55
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 21.702000 69.382000
VECTOR DE COEFICIENTES DE REGRESION (B) 3.057600 0.427600
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 1.828418 1.828418 18.5072 0.021 ERROR 3 0.296386 0.098795 TOTAL 4 2.124803
ARA COEFICIENTE DE DETERMINACION = 0.8605
82
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.108675 -0.029639 -0.029639 0.009880
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS
Coeficiente tc p B 0 9.275053 0.002140 B 1 4.301994 0.021300
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 95% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 3.057600 2.026428 4.088772 B 1 0.427600 0.116690 0.738510
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 99% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 3.057600 1.132065 4.983135 B 1 0.427600 -0.152971 1.008171
Ctrl. T A B L A D E D A T O S
Y X 1 0.312 1.000 0.312 2.000 0.314 3.000 0.296 4.000 0.302 5.000
MATRIZ X'X
5 15 15 55
MATRIZ INVERSA DE X'X 1.100000 -0.300000 -0.300000 0.100000
83
MATRIZ X'Y 1.536000 4.572000
VECTOR DE COEFICIENTES DE REGRESION (B) 0.318000 -0.003600
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 0.000130 0.000130 3.3750 0.163 ERROR 3 0.000115 0.000038 TOTAL 4 0.000245
COEFICIENTE DE DETERMINACION = 0.5294
MATRIZ DE VARIANZAS Y COVARIANZAS DE B 0.000042 -0.000012 -0.000012 0.000004
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS Coeficiente tc p
B 0 48.928868 0.000070 B 1 -1.837117 0.163110
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 95% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 0.318000 0.297670 0.338330 B 1 -0.003600 -0.009730 0.002530
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 99% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 0.318000 0.280038 0.355962 B 1 -0.003600 -0.015046 0.007846
84
Efecto de la solución mineral No.1 con agitación (SM1ca), en diferentes aceites ARI
1 2 3 4 5 Suma media 8.12 7.93 8.3 7.4 7.23 38.98 7.796
10 11.3 10.4 8.99 9.8 50.49 10.098 11.5 11.5 12.5 12 10 57.5 11.5
12.5 13.4 12.88 12.9 13 64.68 12.936 14.2 15.7 15.5 14.6 14.5 74.5 14.9
ARA 1 2 3 4 5 suma media
5.9 6.8 6.3 6.82 6.8 32.62 7.84 7.6 7.8 7.5 8.1 8.2 39 7.84 9.5 8.4 9.9 9.8 9.1 46.7 9.34 10.6 11.7 11.6 11.8 11.8 57.5 11.5 13.3 13.5 12.9 13 12.5 65.2 13.04
SI 1 2 3 4 5 suma media
5.9 6.6 6.8 5.9 6.5 31.7 6.34 9.2 8.7 8.6 8.9 9.2 44.6 8.92
10.6 10.7 9.9 10.8 10.6 52.6 10.52 13.2 14 13.5 13.8 14 68.5 13.7 14.9 15.6 15.9 14.8 15.4 17.6 15.32
Ctrl. 1 2 3 4 5 suma media
0.314 0.3 0.36 0.29 0.26 1.524 0.3048 0.32 0.34 0.36 0.36 0.38 1.76 0.352 0.29 0.32 0.33 0.28 0.34 1.56 0.312 0.33 0.35 0.29 0.35 0.33 1.65 0.33 0.36 0.37 0.34 0.35 0.34 1.76 0.352
Análisis de Varianza
FV GL SC CM F P>F Tratamientos 3 756.8813 252.2937 1261.1033 0.000
Error 16 3.2009 0.2000 Total 19 760.0822
C.V. = 4.10% T A B L A D E M E D I A S TRATAMIENTO MEDIA 3 15.3200 A 1 14.9000 A 2 13.0400 B 4 0.3520 C
85
NIVEL DE SIGNIFICANCIA = 0.01 0.05 TUKEY = 1.0380 0.8100 VALORES DE TABLAS (0.05), (0.01) = 4.05, 5.19
REGRESIÓN ARI T A B L A D E D A T O S
ppm de CO2 Y X 1 semanas 7.790 1.000
10.090 2.000 11.500 3.000 12.930 4.000 14.400 5.000
MATRIZ X'X 5 15 15 55
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 56.710000 186.190000
VECTOR DE COEFICIENTES DE REGRESION (B)
6.524000 1.606000
A N A L I S I S D E V A R I A N Z A
FV GL SC CM F P>F REGRESION 1 25.792360 25.792360 266.8911 0.000 ERROR 3 0.289920 0.096640 TOTAL 4 26.082280
ARI COEFICIENTE DE DETERMINACION = 0.9889
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.106304 -0.028992 -0.028992 0.009664
86
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS
Coeficiente tc p B 0 20.009634 0.000300 B 1 16.336803 0.000470
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 95% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 6.524000 5.504138 7.543862 B 1 1.606000 1.298500 1.913500
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 6.524000 4.619583 8.428417 B 1 1.606000 1.031797 2.180203
ARA T A B L A D E D A T O S
Y X 1 6.520 1.000 7.840 2.000 9.340 3.000 11.500 4.000 13.040 5.000
-----------------------------------------------
MATRIZ X'X 5 15 15 55
MATRIZ INVERSA DE X'X 1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 48.240000 161.420000
87
VECTOR DE COEFICIENTES DE REGRESION (B)
4.638000 1.670000
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 27.889000 27.889000 429.7668 0.000 ERROR 3 0.194680 0.064893 TOTAL 4 28.083680
ARA COEFICIENTE DE DETERMINACION = 0.9931
MATRIZ DE VARIANZAS Y COVARIANZAS DE B 0.071383 -0.019468 -0.019468 0.006489
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS
Coeficiente tc p B 0 17.359386 0.000410 B 1 20.730818 0.000280
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B 0 4.638000 3.802276 5.473724 B 1 1.670000 1.418020 1.921980
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 4.638000 3.077429 6.198571 B 1 1.670000 1.199470 2.140530
88
SI T A B L A D E D A T O S
Y X 1 6.340 1.000 8.920 2.000 10.520 3.000 13.700 4.000 15.320 5.000
MATRIZ X'X
5 15 15 55
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 54.800000 187.140000
VECTOR DE COEFICIENTES DE REGRESION (B)
4.138000 2.274000
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 51.710760 51.710760 306.5613 0.000
ERROR 3 0.506040 0.168680 TOTAL 4 52.216800
SI COEFICIENTE DE DETERMINACION = 0.9903
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.185548 -0.050604 -0.050604 0.016868
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA
OBSERVADOS Coeficiente tc p
B 0 9.606437 0.001930 B 1 17.508892 0.000400
89
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 95% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 4.138000 2.790605 5.485395 B 1 2.274000 1.867745 2.680255
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 4.138000 1.621973 6.654027 B 1 2.274000 1.515389 3.032611
Ctrl. T A B L A D E D A T O S
Y X 1 0.305 1.000 0.352 2.000 0.312 3.000 0.330 4.000 0.352 5.000
MATRIZ X'X
5 15 15 55
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 1.650800 5.024800
VECTOR DE COEFICIENTES DE REGRESION (B)
0.308440 0.007240
A N A L I S I S D E V A R I A N Z A
FV GL SC CM F P>F REGRESION 1 0.000524 0.000524 1.1210 0.369 ERROR 3 0.001403 0.000468 TOTAL 4 0.001927
90
Ctrl. COEFICIENTE DE DETERMINACION = 0.2720
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.000514 -0.000140 -0.000140 0.000047
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS
Coeficiente tc p
B 0 13.600254 0.000740 B 1 1.058793 0.368730
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION
AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B 0 0.308440 0.237500 0.379380 B 1 0.007240 -0.014149 0.028629
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B 0 0.308440 0.175972 0.440908 B 1 0.007240 -0.032701 0.047181
Efecto de la solución mineral No.1 con H2O2 (SM1cp), en diferentes tipos de aceite
ARI 1 2 3 4 5 SUMA MEDIA 10.38 10.5 10.4 10.6 10.06 51.94 10.388 12.9 12.8 12.3 12.57 12.35 62.92 12.584 13.4 13.9 13.5 13.7 13.6 68.1 13.62 15.89 15.76 16 15.55 15.5 78.7 15.74 17.65 17.8 17.9 17.25 17.5 88.1 17.62 ARA 1 2 3 4 5 SUMA MEDIA 9.8 10.4 9.5 9.8 10.2 49.7 9.94 10.7 10.5 10.2 10.6 10.5 52.5 10.5 12 11.8 12.2 11.9 11.8 59.7 11.94 13.7 14.5 13.8 14.4 14 70.4 14.08 15.9 16.3 16.2 15.8 16.6 80.8 16.16
91
SI 1 2 3 4 5 SUMA MEDIA 9.9 10.6 10.6 10.7 10.5 52.3 10.46 12.99 12.5 13.4 12.8 12.9 64.59 12.918 14.99 15.5 15.6 15.2 15.3 76.5 15.3 16.4 16.8 16.7 16.5 16.7 83.1 16.62 19.5 18.9 19.3 19.0 19.5 96.2 19.24 Ctrl. 1 2 3 4 5 SUMA MEDIA 0.29 0.32 0.32 0.34 0.28 1.54 0.308 0.199 0.2 0.25 0.21 0.26 1.119 0.2238 0.35 0.29 0.36 0.29 0.4 1.69 0.3338 0.25 0.3 0.39 0.27 0.5 1.71 0.342 0.48 0.56 0.51 0.5 0.49 2.54 0.508 A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F TRATAMIENTOS 3 1128.669189 376.223053 6072.9443 0.000 ERROR 16 0.991211 0.061951 TOTAL 19 1129.660400 C.V. = 1.86% T A B L A D E M E D I A S TRATA. REP. MEDIA 1 5 17.619999 2 5 16.160000 3 5 19.240000 4 5 0.508000 T A B L A D E M E D I A S TRATAMIENTO MEDIA 3 19.2400 A 1 17.6200 B 2 16.1600 C 4 0.5080 D NIVEL DE SIGNIFICANCIA = 0.05 0.01 TUKEY = 0.4508 0.5777 VALORES DE TABLAS (0.05), (0.01) = 4.05, 5.19
92
T A B L A D E M E D I A S TRATAMIENTO MEDIA 3 19.2400 A 1 17.6200 B 2 16.1600 C 4 0.5080 D
REGRESIÓN ARI
T A B L A D E D A T O S Y X 1
10.388 1.000 12.584 2.000 13.620 3.000 15.740 4.000 17.620 5.000
MATRIZ X'X 5 15 15 55
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 69.952000 227.476000
VECTOR DE COEFICIENTES DE REGRESION (B)
8.704400 1.762000
________________A N A L I S I S D E V A R I A N Z A______________ FV GL SC CM F P>F REGRESION 1 31.046440 31.046440 331.3397 0.000 ERROR 3 0.281099 0.093700 TOTAL 4 31.327539
COEFICIENTE DE DETERMINACIÓN ARI = 0.9910
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.103070 -0.028110 -0.028110 0.009370
93
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA
_____________________OBSERVADOS_______________________ Coeficiente tc p
B 0 27.112734 0.000160 B 1 18.202738 0.000370
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESIÓN AL 95% DE CONFIANZA Coeficiente B L.I. L.S.
- B 0 8.704400 7.700172 9.708628 B 1 1.762000 1.459214 2.064786
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 8.704400 6.829178 10.579622 B 1 1.762000 1.196599 2.327401
ARA T A B L A D E D A T O S
Y X 1 9.940 1.000 10.500 2.000 11.940 3.000 14.080 4.000 16.160 5.000
MATRIZ X'X 5 15 15 55
MATRIZ INVERSA DE X'X 1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 62.620000 203.880000
94
VECTOR DE COEFICIENTES DE REGRESION (B) 7.718000 1.602000
A N A L I S I S D E V A R I A N Z A
FV GL SC CM F P>F REGRESION 1 25.664040 25.664040 70.4875 0.003 ERROR 3 1.092280 0.364093 TOTAL 4 26.756320
COEFICIENTE DE DETERMINACION ARA= 0.9592
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.400503 -0.109228 -0.109228 0.036409
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS
Coeficiente tc p B 0 12.195569 0.000990 B 1 8.395685 0.002870
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESIÓN AL 95% DE CONFIANZA Coeficiente B L.I. L.S.___ _
B 0 7.718000 5.738436 9.697564 B 1 1.602000 1.005139 2.198861
--------------------------------------------------------------------------------------------------
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S. B 0 7.718000 4.021507 11.414493 B 1 1.602000 0.487465 2.716535
SI T A B L A D E D A T O S
Y X 1 10.460 1.000 12.910 2.000 15.300 3.000 16.620 4.000 19.240 5.000
95
MATRIZ X'X 5 15 15 55
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 74.530000 244.860000
VECTOR DE COEFICIENTES DE REGRESION (B)
8.525000 2.127000
A N A L I S I S D E V A R I A N Z A
FV GL SC CM F P>F REGRESION 1 45.241290 45.241290 351.4069 0.000 ERROR 3 0.386230 0.128743 TOTAL 4 45.627520____________________________
COEFICIENTE DE DETERMINACION SI= 0.9915
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.141618 -0.038623 -0.038623 0.012874
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA
OBSERVADOS Coeficiente tc p
B 0 22.653519 0.000230 B 1 18.745849 0.000340
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESIÓN AL 95% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 8.525000 7.347867 9.702133 B 1 2.127000 1.772081 2.481919
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESIÓN AL 99% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 8.525000 6.326908 10.723092
96
B 1 2.127000 1.464250 2.789750
Ctrl. T A B L A D E D A T O S
Y X 1 0.308 1.000 0.224 2.000 0.338 3.000 0.342 4.000 0.508 5.000
MATRIZ X'X
5 15 15 55
MATRIZ INVERSA DE X'X
1.100000 -0.300000 -0.300000 0.100000
MATRIZ X'Y 1.719800 5.677600
VECTOR DE COEFICIENTES DE REGRESION (B)
0.188500 0.051820
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 0.026853 0.026853 5.0900 0.109 ERROR 3 0.015827 0.005276 TOTAL 4 0.042680__________________________
COEFICIENTE DE DETERMINACION Ctrl.= 0.6292
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.005803 -0.001583 -0.001583 0.000528
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA
OBSERVADOS Coeficiente tc p
B 0 2.474444 0.088770 B 1 2.256109 0.108600
97
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESIÓN AL 95% DE CONFIANZA_____________________________
Coeficiente B L.I. L.S. B 0 0.188500 -0.049787 0.426787 B 1 0.051820 -0.020026 0.123666
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESIÓN AL 99% DE CONFIANZA ____Coeficiente B L.I. L.S.__________
B 0 0.188500 -0.256460 0.633460 B 1 0.051820 -0.082340 0.185980
Efecto de diferentes soluciones minerales y condiciones de oxigenación en la producción de CO2 por la flora microbiana presente en al ARI (Aceite Residual Industrial). SM1sa
1 2 3 4 5 suma media 4.6 4.7 4.5 4.8 4.9 23.5 4.7 4.9 5.7 6.1 4.5 6.3 27.5 5.5 5.9 6.8 5 6.7 6.6 31 6.2 6.8 7.1 7.5 6.7 6.9 35 7 7.7 7.5 7.6 8.2 8.5 39.5 7.9
SM2 sa 1.6 1.5 1.4 1.8 1.2 7.5 1.5 1.8 1.95 1.77 2.3 2.5 10.32 2.064 2.18 2.3 2.4 2.1 2.3 11.28 2.256 2.4 2.1 2.32 2.3 2.28 11.4 2.28 2.3 2.6 2.7 2.4 2.5 12.5 2.5 SM1ca
1 2 3 4 5 Suma media 8.12 7.93 8.3 7.4 7.23 38.98 7.796 10 11.3 10.4 8.99 9.8 50.49 10.098
11.5 11.5 12.5 12 10 57.5 11.5 12.5 13.4 12.88 12.9 13 64.68 12.936 14.2 15.7 15.5 14.6 14.5 74.5 14.9
SM1 cp 1 2 3 4 5 SUMA MEDIA 10.38 10.5 10.4 10.6 10.06 51.94 10.388 12.9 12.8 12.3 12.57 12.35 62.92 12.584 13.4 13.9 13.5 13.7 13.6 68.1 13.62 15.89 15.76 16 15.55 15.5 78.7 15.74 17.65 17.8 17.9 17.25 17.5 88.1 17.62
98
Ctrl.
1 2 3 4 5 SUMA MEDIA 0.29 0.32 0.32 0.34 0.28 1.54 0.308 0.199 0.2 0.25 0.21 0.26 1.119 0.2238 0.35 0.29 0.36 0.29 0.4 1.69 0.3338 0.25 0.3 0.39 0.27 0.5 1.71 0.342 0.48 0.56 0.51 0.5 0.49 2.54 0.508 A N A L I S I S D E V A R I A N Z A____________________________________ FV GL SC CM F P>F TRATAMIENTOS 4 1118.294434 279.573608 1957.8278 0.000 ERROR 20 2.855957 0.142798 TOTAL 24 1121.150391 C.V. = 4.35% T A B L A D E M E D I A S TRATA. REP. MEDIA 1 5 7.900000 2 5 2.500000 3 5 14.900000 4 5 17.590000 5 5 0.508000______ T A B L A D E M E D I A S TRATAMIENTO MEDIA 4 17.5200 A 3 14.9000 B 1 7.9000 C 2 2.5000 D 5 0.5080 E________________________ NIVEL DE SIGNIFICANCIA = 0.05 =0.01
TUKEY = 0.7149 =0.8940 VALORES DE TABLAS (0.05), (0.01) = 4.23, 5.29
REGRESIÓN SM1sa
Efecto de diferentes medios de cultivo y condiciones de oxigenación en la producción de CO2 por la flora microbiana presente en al ARA
99
SM1sa
1 2 3 4 5 suma media 3.4 2.9 3.5 2.8 3.4 16 3.2 3.9 3.5 4 3.7 3.9 19 3.8 4.5 4.9 5 4.8 4.3 23.5 4.7 4.9 5.1 5.0 4.8 5.2 25 5 5.4 4.9 4.9 5.5 5.3 26 5.2
SM2sa 2.89 3.25 3.38 3.2 2.99 15.71 3.142 3.9 4.4 4.4 4.3 4.2 21.2 4.24 3.9 5.0 4.8 4.2 4.7 22.6 4.52 4.9 4.5 5.0 5.0 4.6 24 4.8 4.8 5.2 4.7 5.3 5.0 25 5.0 SM1ca
1 2 3 4 5 suma media 5.9 6.8 6.3 6.82 6.8 32.62 7.84 7.6 7.8 7.5 8.1 8.2 39 7.84 9.5 8.4 9.9 9.8 9.1 46.7 9.34 10.6 11.7 11.6 11.8 11.8 57.5 11.5 13.3 13.5 12.9 13 12.5 65.2 13.04
SM1cp
1 2 3 4 5 suma media 9.8 10.4 9.5 9.8 10.2 49.7 9.94
10.7 10.5 10.2 10.6 10.5 52.5 10.5 12 11.8 12.2 11.9 11.8 59.7 11.94
13.7 14.5 13.8 14.4 14 70.4 14.08 15.9 16.3 16.2 15.8 16.6 80.8 16.16
Ctrl.
1 2 3 4 5 suma media 0.29 0.32 0.32 0.34 0.28 1.54 0.308 0.199 0.2 0.25 0.21 0.26 1.119 0.2238 0.35 0.29 0.36 0.29 0.4 1.69 0.3338 0.25 0.3 0.39 0.27 0.5 1.71 0.342 0.48 0.56 0.51 0.5 0.49 2.54 0.508
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F TRATAMIENTOS 4 836.533691 209.133423 2639.3792 0.000 ERROR 20 1.584717 0.079236 TOTAL 24 838.118408 C.V. = 3.54 %
100
T A B L A D E M E D I A S TRATA. REP. MEDIA 1 5 5.200000 2 5 5.000000 3 5 13.039999 4 5 16.160000 5 5 0.352000 RESULTADOS DE LA COMPARACION DE MEDIAS TRATAMIENTO MEDIA 4 16.1600 A 3 13.0400 B 1 5.2000 C 2 5.0000 C 5 0.3520 D NIVEL DE SIGNIFICANCIA = 0.05 RESULTADOS DE LA COMPARACION DE MEDIAS TRATAMIENTO MEDIA 4 16.1600 A 3 13.0400 B 1 5.2000 C 2 5.0000 C 5 0.3520 D NIVEL DE SIGNIFICANCIA = 0.01 T A B L A D E M E D I A S TRATAMIENTO MEDIA 4 16.1600 A 3 13.0400 B 1 5.2000 C 2 5.0000 C 5 0.3520 D NIVEL DE SIGNIFICANCIA = 0.05 =0.01
TUKEY = 0.5325 = 0.6659 VALORES DE TABLAS (0.05), (0.01) = 4.23, 5.29 Efecto de diferentes medios de cultivo y condiciones de oxigenación en la producción de CO2 por la flora microbiana presente en al SI (Suelo Impactado).
101
SM1sa
1 2 3 4 5 suma media 4.64 4.8 4.7 4.6 4.66 23 4.68 5.3 5.6 5.8 5.9 6 28.6 5.72 6 6.6 6.3 6.2 6.5 31.6 6.32
7.1 7.2 6.9 7.5 7.4 36.1 7.22 7.5 7.6 7.7 7.8 7.9 38.5 7.7
SM1ca
1 2 3 4 5 suma media 5.9 6.6 6.8 5.9 6.5 31.7 6.34 9.2 8.7 8.6 8.9 9.2 44.6 8.92
10.6 10.7 9.9 10.8 10.6 52.6 10.52 13.2 14 13.5 13.8 14 68.5 13.7 14.9 15.6 15.9 14.8 15.4 17.6 15.32
SM1cp 1 2 3 4 5 SUMA MEDIA
9.9 10.6 10.6 10.7 10.5 52.3 10.46 12.99 12.5 13.4 12.8 12.9 64.59 12.918 14.99 15.5 15.6 15.2 15.3 76.5 15.3 16.4 16.8 16.7 16.5 16.7 83.1 16.62 19.5 18.9 19.3 19.0 19.5 96.2 19.24
Ctrl.
1 2 3 4 5 suma media 0.314 0.3 0.36 0.29 0.26 1.524 0.3048 0.32 0.34 0.36 0.36 0.38 1.76 0.352 0.29 0.32 0.33 0.28 0.34 1.56 0.312 0.33 0.35 0.29 0.35 0.33 1.65 0.33 0.36 0.37 0.34 0.35 0.34 1.76 0.352
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F TRATAMIENTOS 3 1048.031494 349.343842 3203.3857 0.000 ERROR 16 1.744873 0.109055 TOTAL 19 1049.776367 C.V. = 3.11% T A B L A D E M E D I A S TRATA. REP. MEDIA 1 5 07.700000 2 5 15.240000 3 5 19.240000 4 5 0.352000
102
T A B L A D E M E D I A S TRATAMIENTO MEDIA 3 19.2400 A 2 15.3200 B 1 07.7000 C 4 0.3520 D
NIVEL DE SIGNIFICANCIA = 0.05 =0.01 TUKEY = 0.5981 =0.7665 VALORES DE TABLAS (0.05), (0.01) = 4.05, 5.19
Degradación en ppm de diferentes aceites residuales en dos soluciones minerales y diferentes condiciones de oxigenación en 5 semanas VARIABLE = degradaARA_____________________________________________ TRATA. 1 140.0000 146.0000 139.0000 138.0000 135.0000 SM2 2 288.0000 287.0000 288.0000 289.0000 287.0000 SM1sa 3 528.0000 528.0000 526.0000 527.0000 526.0000 SM1ca 4 630.0000 631.0000 629.0000 632.0000 630.0000 SM1cp 5 0.8700 0.8800 0.8900 0.8700 0.8900 CTRL A N A L I S I S D E V A R I A N Z A____________________________________ FV GL SC CM F P>F TRAT 4 1372873.250000 343218.312500 88859.1094 0.000 ERROR 20 77.250000 3.862500 TOTAL 24 1372950.500000
C.V. = 0.62%
T A B L A D E M E D I A S TRATAMIENTO MEDIA 4 630.4000 A 3 527.0000 B 2 287.8000 C 1 139.6000 D 5 0.8800 E
NIVEL DE SIGNIFICANCIA = 0.05 =0.01 TUKEY = 3.7178 =4.6495 VALORES DE TABLAS (0.05), (0.01) = 4.23, 5.29
103
Degradación en ppm de diferentes aceites residuales en 2 soluciones minerales y condiciones de oxigenación, por la flora microbiana presente en al ARI en 5 semanas T A B L A D E D A T O S VARIABLE = degAI Aceite Industrial_____________________________________ TRATA. 1 200.0000 195.0000 197.0000 195.0000 198.0000 2 400.0000 396.0000 397.0000 398.0000 399.0000 3 663.0000 669.0000 670.0000 671.0000 688.0000 4 880.0000 885.0000 889.0000 890.0000 887.0000 5 0.9000 0.8800 0.8900 0.8700 0.880000 __________________A N A L I S I S D E V A R I A N Z A__________________ FV GL SC CM F P>F TRATAMIENTOS 4 2531146.000000 632786.5000 28600.5195 0.000 ERROR 20 442.500000 22.1250 TOTAL 24 2531588.500000
C.V. = 1.09% T A B L A D E M E D I A S TRATAMIENTO MEDIA 4 886.2000 A 3 668.2000 B 2 398.0000 C 1 197.0000 D 5 0.8840 E
NIVEL DE SIGNIFICANCIA = 0.05 = 0.01 TUKEY = 4.8322 =6.0431 VALORES DE TABLAS (0.05), (0.01) = 4.23, 5.29
T A B L A D E D A T O S Degradación en ppm de diferentes aceites residuales en dos soluciones minerales y condiciones de aireación en 5 semanas VARIABLE = degradaSI suelo impactado________________________________ TRATA. 1 348.0000 346.0000 345.0000 347.0000 349.0000 SM1sa 2 576.0000 575.0000 579.0000 576.0000 578.0000 SM1ca 3 680.0000 687.0000 686.0000 685.0000 686.0000 SM1cp 4 0.8600 0.8500 0.8800 0.8700 0.8900 CTRL
104
A N A L I S I S D E V A R I A N Z A____________________________________ FV GL SC CM F P>F TRAT 3 1372303.250000 457434.406250 142115.5469 0.000 ERROR 16 51.500000 3.218750 TOTAL 19 1372354.750000
C.V. = 0.45% T A B L A D E M E D I A S TRATAMIENTO MEDIA 3 684.7900 A 2 576.7999 B 1 347.0000 C 4 0.8700 D
NIVEL DE SIGNIFICANCIA = 0.05 =0.01 TUKEY = 3.2894 =4.1699 VALORES DE TABLAS (0.05), (0.01) = 3.96, 5.02
Producción de CO2 generada por un suelo agrícola contaminado con aceite residual, tratado con la SM3 y H2O2 a 50 ppm, durante 8 semanas TABLA DE DATOS: VARIABLE = CO2 SUELO________________________ TRATA.___________________________________________________________ 1 46.0000 44.0000 43.7000 44.9000 45.0000 46.0000 47.0000 46.0000 2 57.0000 58.9000 59.5000 58.6000 58.0000 58.2000 58.0000 58.6000 3 77.0000 76.8000 77.9000 78.6000 79.0000 75.8000 78.4000 77.6000 4 1.8000 1.9000 1.5000 1.4000 1.2000 1.3000 1.5000 1.9000_______________________________________________ A N A L I S I S D E V A R I A N Z A____________________________________ FV GL SC CM F P>F__ _ TRATAMIENTOS 3 25026.281250 8342.093750 11061.0674 0.000 ERROR 28 21.117188 0.754185 TOTAL 31 25047.398438________________________________
C.V. = 1.90% T A B L A D E M E D I A S TRATAMIENTO MEDIA 3 77.6300 A 2 58.3500 B 1 45.3200 C 4 1.5600 D
105
NIVEL DE SIGNIFICANCIA = 0.05 TUKEY = 1.1851 VALORES DE TABLAS (0.05), (0.01)= 3.86, 4.84
T A B L A D E M E D I A S TRATAMIENTO MEDIA 3 77.6300 A 2 58.3500 B 1 45.3200 C 4 1.5600 D
NIVEL DE SIGNIFICANCIA = 0.01 TUKEY = 1.4850 VALORES DE TABLAS (0.05), (0.01)= 3.86, 4.84
REGRESIÓN
X sm sm+ARA sm+ARA+H2O2 Ctrl 1 20.4 25.23 25.32 1.47 2 23.03 30.06 35.16 1.53 3 25.03 33.52 40.13 1.63 4 30.01 35.11 48.06 1.52 5 35 40.75 55.08 1.56 6 40 47.16 68.03 1.56 7 43.15 52.22 70.93 1.57 8 45.32 58.28 77.61 1.58
sm
T A B L A D E D A T O S Y X 1
20.400 1.000 23.030 2.000 25.030 3.000 30.010 4.000 35.000 5.000 40.000 6.000 43.150 7.000 45.320 8.000
MATRIZ X'X 8 36
36 204
106
MATRIZ INVERSA DE X'X 0.607143 -0.107143 -0.107143 0.023810
MATRIZ X'Y 261.940000 1341.200000
VECTOR DE COEFICIENTES DE REGRESION (B) 15.335000 3.868333
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 628.488117 628.488117 400.8116 0.000 ERROR 6 9.408233 1.568039 TOTAL 7 637.896350______________________________
COEFICIENTE DE DETERMINACION SM = 0.9853
MATRIZ DE VARIANZAS Y COVARIANZAS DE B 0.952024 -0.168004 -0.168004 0.037334
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS Coeficiente tc p
B 0 15.716648 0.000080 B 1 20.020279 0.000050
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 95% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 15.335000 12.947421 17.722579 B 1 3.868333 3.395522 4.341145
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 99% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 15.335000 11.718017 18.951983 B 1 3.868333 3.152064 4.584603
107
SM+ARA
T A B L A D E D A T O S
Y X 1 25.300 1.000 30.600 2.000 33.520 3.000 35.110 4.000 40.750 5.000 47.160 6.000 52.220 7.000 58.280 8.000
MATRIZ X'X 8 36
36 204
MATRIZ INVERSA DE X'X 0.607143 -0.107143 -0.107143 0.023810
MATRIZ X'Y 321.350000 1640.860000
VECTOR DE COEFICIENTES DE REGRESION (B) 19.298929 4.637738
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 903.361815 903.361815 259.7251 0.000 ERROR 6 20.868873 3.478145 TOTAL 7 924.230687___________________________________
COEFICIENTE DE DETERMINACION SM +ARA = 0.9774
108
MATRIZ DE VARIANZAS Y COVARIANZAS DE B 2.111731 -0.372658 -0.372658 0.082813
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS Coeficiente tc p
B 0 13.280483 0.000110 B 1 16.115990 0.000070
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION
AL 95% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 19.298929 15.742998 22.854859 B 1 4.637738 3.933559 5.341917
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION
AL 99% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 19.298929 13.911992 24.685866 B 1 4.637738 3.570966 5.704511
SM+ARA+H2O2
T A B L A D E D A T O S Y X 1
25.320 1.000 35.160 2.000 40.130 3.000 48.060 4.000 55.080 5.000 68.030 6.000 70.930 7.000 77.610 8.000
MATRIZ X'X
8 36 36 204
MATRIZ INVERSA DE X'X
0.607143 -0.107143 -0.107143 0.023810
MATRIZ X'Y 420.320000 2209.240000
VECTOR DE COEFICIENTES DE REGRESION (B)
109
18.490000 7.566667
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 2404.686667 2404.686667 566.4009 0.000 ERROR 6 25.473333 4.245556 TOTAL 7 2430.160000
COEFICIENTE DE DETERMINACION SM+ARA+H2O2= 0.9895
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
2.577659 -0.454881 -0.454881 0.101085
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS Coeficiente tc p
B 0 11.516598 0.000160 B 1 23.799179 0.000040
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 95% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 18.490000 14.561320 22.418680 B 1 7.566667 6.788672 8.344661
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION
AL 99% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 18.490000 12.538379 24.441621 B 1 7.566667 6.388070 8.745263
SM+ARA+estéril T A B L A D E D A T O S
Y X 1 1.470 1.000 1.530 2.000 1.630 3.000 1.520 4.000 1.560 5.000 1.560 6.000 1.570 7.000 1.580 8.000
110
MATRIZ X'X 8 36
36 204
MATRIZ INVERSA DE X'X 0.607143 -0.107143 -0.107143 0.023810
MATRIZ X'Y 12.420000 56.290000
VECTOR DE COEFICIENTES DE REGRESION (B)
1.509643 0.009524
A N A L I S I S D E V A R I A N Z A FV GL SC CM F P>F REGRESION 1 0.003810 0.003810 1.9469 0.211 ERROR 6 0.011740 0.001957 TOTAL 7 0.015550____________________________
COEFICIENTE DE DETERMINACIÓN SM+ARA ESTÉRIL= 0.2450
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.001188 -0.000210 -0.000210 0.000047
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS Coeficiente tc p
B 0 43.798732 0.000020 B 1 1.395302 0.211180
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION AL 95% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 1.509643 1.425300 1.593985 B 1 0.009524 -0.007179 0.026226
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION
AL 99% DE CONFIANZA Coeficiente B L.I. L.S.
B 0 1.509643 1.381871 1.637415 B 1 0.009524 -0.015779 0.034826
111
Biodegradación de ARA en un suelo agrícola, bajo diferentes factores fisicoquímicos, expresada en ppm, durante 8 semanas. T A B L A D E D A T O S VARIABLE = degsuelo_____________________________________ TRATA._________________________________________________ 1 800.0000 821.0000 816.0000 818.0000 815.0000 2 2800.0000 2873.0000 2856.0000 2863.0000 2852.0000 3 18.0000 17.7000 19.0000 19.6000 18.0000 A N A L I S I S D E V A R I A N Z A____________________________ FV GL SC CM F P>F_ TRATAMIENTOS 2 21307350.0 10653675.00 36526.8867 0.000 ERROR 12 3500.0 291.666656 TOTAL 14 21310850.000 ______
C.V. = 1.39%
T A B L A D E M E D I A S TRATAMIENTO MEDIA 2 2848.0000 A 1 814.0000 B 3 18.4200 C
NIVEL DE SIGNIFICANCIA = 0.05 TUKEY = 28.7938
VALORES DE TABLAS (0.05), (0.01) = 3.77, 5.04 T A B L A D E M E D I A S TRATAMIENTO MEDIA 2 2848.0000 A 1 814.0000 B 3 18.4200 C Nivel de Significancia = 0.01. Valores de tablas (0.05), (0.01) =3.77, 5.04 TUKEY = 38.4936
No 6 = SUELO CON ARA + SM TODO ESTÉRIL
REPETICIONES MEDIAS TOTALES5.1 5.5 5.3 5.7 5.8 5.48 5.555.2 5.5 5.5 5.7 5.8 5.54 5.75.3 5.6 5.6 5.7 5.7 5.58 5.85.3 5.6 5.7 5.6 5.6 5.56 5.845.4 5.7 5.6 5.6 5.6 5.58 5.935.4 5.5 5.6 5.6 5.7 5.56 5.95
MONITOREO DURANTE 2 SEMANAS 5.55 34.77 TOTAL5.5 5.6 5.7 5.6 5.7 5.625.6 5.6 5.7 5.7 5.7 5.665.5 5.6 5.7 5.8 5.9 5.75.6 5.7 5.8 5.9 5.9 5.785.5 5.6 5.7 5.8 5.8 5.685.6 5.7 5.8 5.9 6 5.8
4semanas 5.7066675.7 5.8 5.9 5.9 6 5.865.7 5.8 5.9 5.9 6 5.865.8 5.8 5.9 6 6 5.95.8 5.7 5.8 5.9 6 5.845.6 5.6 5.6 5.6 5.6 5.65.7 5.8 5.7 5.8 5.8 5.76
6 semanas 5.8033335.6 5.7 5.8 5.9 6 5.8
6 5.9 5.9 6 6 5.965.9 5.8 5.7 5.9 5.8 5.826.1 5.4 5.6 5.7 5.8 5.725.9 5.8 5.7 5.8 5.9 5.825.9 5.9 5.9 5.9 6 5.92
8 semanas 5.846 6 6 6 5.9 5.98
5.8 5.9 5.9 6 5.8 5.886.1 6 5.9 5.8 6 5.965.7 5.8 5.9 6 6.1 5.9
6 6 5.9 6.1 6 65.8 5.9 6 5.9 5.9 5.9
10 semanas 5.9366675.9 5.7 5.9 6 6 5.9
6 6 6 6.1 6.1 6.046.2 6.2 5.9 5.8 5.7 5.965.9 5.8 5.7 6.2 6.1 5.945.8 6.1 5.8 5.9 6 5.925.7 6.2 5.9 5.8 6.2 5.96
12 semanas 5.953333
117
PRODUCCIÓN DE CO2 GENERADA POR LA MICROFLORA DE UN SUELO AGRÍCOLA CONTAMINADO CON ARA Y TRATADO CON SM3 Y H2O2 A 50 PPM
Análisis de regresióna X b Y SM3 a X b Y SM3+ARA
3.8 1 15.3 19.1 19.1 4.63 1 19.29 23.92 23.923.8 2 15.3 22.9 22.9 4.63 2 19.29 28.55 29.553.8 3 15.3 26.7 26.7 4.63 3 19.29 33.18 33.183.8 4 15.3 30.5 30.5 4.63 4 19.29 37.81 37.813.8 5 15.3 34.3 34.3 4.63 5 19.29 42.44 42.443.8 6 15.3 38.1 38.1 4.63 6 19.29 47.07 47.073.8 7 15.3 41.9 41.9 4.63 7 19.29 51.7 51.73.8 8 15.3 45.7 45.7 4.63 8 19.29 56.33 56.33
a X b Y SM3+ARA+H2O2 a X b Y Ctrl7.56 1 18.49 26.05 26.05 0 1 1.5 1.5 1.57.56 2 18.49 33.61 33.61 0 2 1.5 1.5 1.57.56 3 18.49 41.17 41.17 0 3 1.5 1.5 1.57.56 4 18.49 48.73 48.73 0 4 1.5 1.5 1.57.56 5 18.49 56.29 56.29 0 5 1.5 1.5 1.57.56 6 18.49 63.85 63.85 0 6 1.5 1.5 1.57.56 7 18.49 71.41 71.41 0 7 1.5 1.5 1.57.56 8 18.49 78.97 78.97 0 8 1.5 1.5 1.5
X S S+A S+A+P Ctrl Coeficientes de determinación1 19.1 23.92 26.05 1.5 S = 0.9853
2 22.9 29.55 33.61 1.5 S +A= 0.9774
3 26.7 33.18 41.17 1.5 S+A+P= 0.9895
4 30.5 37.81 48.73 1.5 S+A ESTÉRIL= 0.2450
5 34.3 42.44 56.29 1.56 38.1 47.07 63.85 1.57 41.9 51.7 71.41 1.58 45.7 56.33 78.97 1.5
Lineas de regresión de la producción de CO2 generada por la microflora de un suelo agrícola contaminado con ARA y tratado con solución mineral y peróxido
S=Solución mineral 3. A= ARA.aceite residual automotríz. P= H2O2 50ppm
Ctrl.=S+A todo estéril
0102030405060708090
0 2 4 6 8 10
pp
m
Semanas
S
S+A
S+A+P
Ctrl
125