Author Archives: Liz Báez

Nombre del Artículo: Groundwater vulnerability and risk mapping using GIS, modeling and a fuzzy logic tool

Autores: R.C.M. Nobre • O.C. Rotunno Filho • W.J. Mansur • M.M.M. Nobre • C.A.N. Cosenza

El estudio se aplicó en un acuífero costero urbano en la ciudad de Maceió, ubicada en el noreste de Brasil, con una población de 900.000 habitantes con un área de estudio de e 292 km².

La metodología consistió primeramente en calcular el Índice de vulnerabilidad intrínseca (IVI),  se utilizaron seis parámetros: Profundidad del agua subterránea, recarga, tipo de acuífero, combinación de mapas tipo de suelo/LULC, topografía y conductividad hidráulica. Se suprimió el parámetro impacto de la zona vadosa, ya que era parte de los tipos de acuífero en el caso de dicho área de estudio.

El mapa de tipo de suelo/LULC fue la combinación de los mapas de tipo de suelo, uso de la tierra y cobertura vegetal (LULC).

Pare el mapa de recarga, se adicionaron los parámetros como recarga artificial, uso de la tierra y cobertura vegetal (LULC).

Se ​​llevó a cabo un modelo de jerarquía difusa para evaluar el Índice de fuente contaminante (SI). Se utilizaron atributos como las tasas de degradación de contaminantes, se incluyeron también en el análisis: la movilidad y la toxicidad  para capturar el peligro potencial causado por diferentes cargas contaminantes.

El índice de Pozo (WI) se evaluó a partir de la modelación numérica para la delimitación de zonas de captura.

La integración de IVI, SI y WI proporcionaron la evaluación del Índice de riesgos (RI)  del área de estudio. Se utilizó la siguiente ecuación para la integración:

La multiplicación de los dos primeros términos (IVI x SI) da como resultado el índice de vulnerabilidad específica (SVI).

El Índice de riesgos (RI) se evaluó con el Índice de calidad del agua subterránea (GWQI). Se implementó un índice de calidad basado en nitrato y cloruro, según lo propuesto por Melloul y Colin (1998).

El cloruro (Cl^–) es un indicador de intrusión de agua salada, así como el flujo de retorno del agua de riego y también de la contaminación procedente de los vertederos de basura. El nitrato se asocia con la urbanización donde se utilizan las fosas sépticas y como un indicador de las prácticas agricolar, por el uso de fertilizantes.

El índice de calidad del agua subterránea (GWQI) y se comparó con los resultados de la vulnerabilidad de las aguas subterráneas específica (SVI) para el período 1996-2003. Los resultados indicaron la existencia de una relación lineal, con un valor Pearson alto, igual a 0.658. Lo que llevó a la conclusión de que el SVI fue un mejor predictor de la aparición de contaminación del agua subterránea en comparación con las puntuaciones simples de DRASTIC.

Nombre del Artículo: A modified-DRASTIC model (DRASTICA) for assessment of groundwater vulnerability to pollution in an urbanized environment in Lucknow, India

Autores: Anjali Singh • S. K. Srivastav • Sudhir Kumar • Govind J. Chakrapani

El área de estudio corresponde al distrito de Lucknow, la capital de Uttar Pradesh en India y se extiende sobre una superficie de unos 2.500 km². La población de Lucknow es de 4.589.838 habitantes.

En las zonas urbanas, las influencias antropogénicas juegan un papel importante en la contaminación de las aguas subterráneas. El  estudio propone un modelo DRASTIC modificado o DRASTICA (MDI), donde «A» se refiere a un nuevo parámetro llamado «impacto de la actividad humana».

Primeramente se calculó el índice DRASTIC original o convencional (DI), luego se realizó la modificación del mismo adicionando el «impacto de la actividad humana». La ecuación para calcular el índice DRASTICA es:

donde DI es el índice DRASTIC convencional, Ar y Aw representan la calificación y el peso del parámetro de impacto antropogénico.

El mapa del impacto antropogénico se preparó usando el uso del suelo o mapa de la cobertura terrestre y el índice de mapa de urbanización (a partir de los datos de luz nocturna desarrollado por  DMSP y Universidad Columbia) en el área de estudio. El mapa del impacto antropogénico fue calificada y ponderada para desarrollar el mapa DRASTICA, se utilizaron los supuestos de clases de uso de la tierra de la Tabla 1 (Secunda et al. 1998; Al-Adamat et al. 2003; Shirazi et al. 2013).

Tabla 1. Clases de uso de la tierra y sus calificaciones asignadas.

Se validaron los mapas DRASTIC y DRASTICA con 56 valores de concentraciones de Nitrato, en las zonas urbanas se encontraron altas concentraciones. Se obtuvo una mejor correlación entre las concentraciones más altas de Nitrato  con los valores más altos del índice DRASTICA. El coeficiente de correlación de Pearson fue de  -0,37 y 0,88 para los índices DRASTIC y DRASTICA respectivamente.

Seguido se realizaron dos pruebas de sensibilidad; el análisis de sensibilidad de eliminación de mapa  y el análisis de sensibilidad por parámetros individuales.

El mapa de riesgo DRASTIC convencional mostró tres categorías de vulnerabilidad (baja, media y alta), mientras que, el mapa de riesgo DRASTICA de la Figura 1, mostró cuatro categorías (baja, media, alta y muy alta vulnerabilidad). Se demostró que el método DRASTICA resultó más efectivo en la evaluación de la vulnerabilidad de las aguas subterráneas en zonas urbanas.

Figura 1. Mapa de riesgo DRASTICA.

La vulnerabilidad a la contaminación de las aguas subterráneas obtenido con el modelo DRASTICA, indicó que alrededor de 0,7% de área presentó una vulnerabilidad muy alta, el 24,5% del área con una vulnerabilidad alta, 66,6% del área con una vulnerabilidad moderada y el 8,2% del área con una vulnerabilidad baja.

Nombre del Artículo: The DRASTIC-Sg model: an extension to the DRASTIC approach for mapping groundwater vulnerability in aquifers subject to differential land subsidence, with application to Mexico City.

Autores: Antonio Hernández-Espriú • J. Antonio Reyna-Gutiérrez • Emilio Sánchez-León • Enrique Cabral-Cano • Jaime Carrera-Hernández • Pedro Martínez-Santos • Sergio Macías-Medrano • Giacomo Falorni • Davide Colombo

Se estudió el área Metropolitana de la Ciudad de México, ubicado en el sector sudoeste de la cuenca de México,con una cantidad aproximada de 21 millones de habitantes. Ciudad de México es una de las megalópolis más grandes del mundo y depende sobre todo de las aguas subterráneas como su principal fuente de abastecimiento interno.

Este informe presenta una extensión de la metodología DRASTIC, llamado DRASTIC-Sg (donde Sg significa gradiente de subsidencia), que se centra en la evaluación de la vulnerabilidad de las aguas subterráneas de los acuíferos urbanos afectados por el hundimiento diferencial del suelo.

La preocupación principal de este estudio fue atender la vulnerabilidad  y el riesgo de contaminación de los acuíferos debido a los potenciales derrames de petróleo combinados con las vías de infiltración inducidas de varias decenas de metros de profundidad; ya que muy pocos estudios han explorado la relación entre las vías de infiltración, controlada por el hundimiento diferencial y la vulnerabilidad del acuífero (Ver Fig. 1).

Figura 1. Las fotografías muestran los efectos de subsidencia en la Ciudad de México: (a) Subsidencia en la parte oriental del Distrito Federal (se utilizó un pozo de agua subterránea como punto de referencia). La superficie de la tierra disminuyó aproximadamente 8 m. entre 1936 y 2013. (b) Daños en infraestructura urbana debido a los procesos de subsidencia. (c) Las líneas sombreadas en negro indican el desarrollo de una fractura en la zona.

Por lo mencionado se agregó Sg como un parámetro más a los siete del método DRASTIC original:

donde el Índice DRASTIC-Sg incluye al parámetro de «gradiente de subsidencia» (Sg) con el peso y calificaciones propuestos por este estudió, además de los parámetros DRASTIC con sus pesos y calificaciones originales.

Para el mapa del nuevo parámetro, se utilizaron los datos de subsidencia del InSAR (Radar de Apertura Sintética) para medir el hundimiento del suelo en la Ciudad de México. El análisis de subsidencia fue basado en una cantidad de imágenes de radar obtenidas por el satélite ENVISAT entre 2003 y 2010, que se procesó con el algoritmo SqueeSAR para la detección del desplazamiento del suelo a partir de los datos del satélite. Además se utilizaron los datos topográficos de la Misión Topográfica Shuttle Radar (SRTM) para la corrección topográfica.

Se propone una nueva calificación para Sg, 1 al menor gradiente de hundimiento horizontal (0.001) y 10 a la más alta (0,05), los valores intermedios de Sgr se obtuvieron mediante el ajuste del valor inicial y final. El peso de ponderación Sg se determinó por su relevancia, frente a otros parámetros, como propone Aller et al. (1987). Se probaron los pesos de 3, 4 y 5, finalmente se le asignó un peso de 4.

En el resultado se presentaron dos mapas de vulnerabilidad DRASTIC-Sg (Fig. 2 a) y DRASTIC original (Fig. 2 b). Las cargas contaminantes pueden tener un impacto importante sobre el riesgo de contaminación, el inventario de las de las fuentes de contaminación en las Figuras 2, revela la presencia de estaciones de servicio en las regiones con vulnerabilidad alta y moderada.

DRASTIC-Sg (Fig. 2 a) indica las zonas donde la subsidencia puede causar daños estructurales a las infraestructuras urbanas, favoreciendo así el vertido de contaminantes y la propagación de las fracturas a lo largo del nuevo desarrollo. Se determinó que la nueva metodología ofrece una fuerte correlación entre los gradientes de subsidencia y la vulnerabilidad de las aguas subterráneas.

Figura 2. (a) Mapa DRASTIC-Sg (b) Mapa DRASTIC.

Nombre del Artículo: Total vulnerability estimation for the Tabriz aquifer (Iran) by combining a new model with DRASTIC

Autores: Abdorreza Vaezihir • Mehri Tabarmayeh

El acuífero Tabriz abarca un área aproximada de 733,24 km² y se encuentra en el noroeste de Irán, en la provincia de Azerbaiyán Oriental.

En este estudio se presenta el mapa de vulnerabilidad DRASTIC original y un nuevo método para evaluar la vulnerabilidad específica. Al nuevo método se le llamó DRAIA debido al acrónimo de cinco parámetros agregados: «densidad de población» (D), la «recarga de ríos» (R), la «agricultura» (A), la «industria» (I) y la «abstracción o extracción del agua subterránea» (A) a los que les asignaron el peso (1-5) y las calificaciones (1-10) adecuadas para cada parámetro, y luego obtener el índice de vulnerabilidad específico del acuífero.

Tabla 1. Parámetros DRAIA con sus respectivos pesos y calificaciones.

Se realizó también el análisis de sensibilidad para eliminar dudas sobre la exactitud del modelo DRASTIC original y también se aplicó al nuevo método DRAIA. Se realizaron dos pruebas: el análisis de sensibilidad de eliminación de mapa (Lodwick et al., 1990) y el análisis de sensibilidad por parámetro (Babiker et al., 2005).

Se presenta además el mapa de vulnerabilidad total del acuífero, mediante la superposición de los mapas de vulnerabilidad específicos e intrínsecos, de acuerdo a la siguiente ecuación (Farjad et al., 2012):

donde V_total es el índice de vulnerabilidad total; V_Intrínseco y V_específico representan a la vulnerabilidad intrínseca y específica de las aguas subterráneas, respectivamente.

El mapa de vulnerabilidad total de la Figura 1 fue verificado con 55 muestras de concentración de nitratos. Superponiendo sobre el mapa las muestras de nitratos, lo que indicó que, los resultados de la estimación de la vulnerabilidad utilizando los modelos DRASTIC+DRAIA son consistentes con los niveles de contaminación observados.

Figura 1. Superposición del mapa de vulnerabilidad total del agua rubterránea del acuífero Tabriz y la concentración de Nitratos.

Por último se estudió el modelo DRASTIC + DRAIA aplicándolo a otro sitio, en la llanura de Marand con un área de aproximadamente 514 km², ubicado al noroeste de la ciudad de Tabriz. La vulnerabilidad total del acuífero Marand se estimó mediante la superposición de los mapas específicos e intrínsecos de vulnerabilidad, utilizando los mismos pesos, calificaciones y parámetros del acuífero Tabriz. Las muestras de nitrato en el mapa de vulnerabilidad total confirmó (Figura 2) una vez más la exactitud del modelo en la evaluación de la vulnerabilidad del acuífero en la llanura de Marand.

Figura 2. Superposición del mapa de vulnerabilidad total del agua subterránea del acuífero Marand y la concentración de Nitratos.

Nombre del Artículo: Accomplishment and subjectivity of GIS-based DRASTIC groundwater vulnerability assessment method: a review.

Autores: S. M. Hamza • A. Ahsan • M. A. Imteaz • A. Rahman • T. A. Mohammad • A. H. Ghazali

La evaluación de la vulnerabilidad de las aguas subterráneas es una tarea importante en la gestión de los recursos hídricos y de la tierra. Entre las técnicas de evaluación de la vulnerabilidad, el más sofisticado  es el modelo DRASTIC basado en el GIS (Geographic Information Sistem). Sin embargo, a pesar de su popularidad, se vio empañado con excesivos problemas técnicos de subjetividad; pocas investigaciones se han llevado a cabo para hacer frente a las deficiencias asociadas con este método.

Este estudio investiga varias cuestiones relativas a la aplicación del modelo DRASTIC basado en el GIS, a través de una revisión crítica de 35 literaturas relevantes correspondientes al estudio de la vulnerabilidad en distintos lugares del mundo.

Los resultados obtenidos a partir de la revisión de las diversas literaturas, con el fin de evaluar la fuerza y ​​los defectos del modelo DRASTIC son:

• De 977.007 km2 estudiados, existe 446.565 km2 (46%) de vulnerabilidad «moderada» a «alta».
• Todos los parámetros influyen en la contaminación de las aguas subterráneas y cada parámetro indica la situación particular en la que impactó a la mayoría. Es decir, todos los parámetros DRASTIC son significativos, independientemente de sus pesos asignados.
• No sólo se dependerá del peso teórico asignado a un parámetro, también es necesario hacer un análisis científico con cuidado.
• Una proporción significativa de la cobertura de la superficie terrestre es vulnerable en todo el mundo.
• Existe también la necesidad de emplear una investigación similar en las zonas que no han sido cubiertas por el DRASTIC basada en GIS, siendo ésta la metodología más fiable para la evaluación de la vulnerabilidad.
• Para mejorar la aceptabilidad del modelo, existe también la necesidad de incorporar un mayor número de contaminantes para su validación como los “compuestos orgánicos” que rara vez se consideran hoy en día.

Nombre del Artículo: An integrated DRASTIC model using frequency ratio and two new hybrid methods for groundwater vulnerability assessment.

Autores: Aminreza Neshat • Biswajeet Pradhan

El objetivo de este estudio fue desarrollar un modelo DRASTIC integrado con una relación de frecuencia (FR) como un nuevo aporte. También se aplicaron dos nuevos métodos híbridos: el análisis de sensibilidad por parámetro (SPSA) y un proceso de jerarquía analítica (AHP), para el ajuste de los pesos de los parámetros a las condiciones locales.

El FR se utilizó para las calificaciones del modelo DRASTIC, mientras que el SPSA y AHP se utilizaron para los pesos DRASTIC.

Las 27 muestras de Nitrato que se utilizaron para el análisis y correlación fueron tomadas en el mismo mes y en distintos años (mayo de 2010 y mayo de 2012). Las muestras de Nitratos del año 2010 se interpolaron, utilizando el método de interpolación de Kriging ordinario para obtener la concentración de Nitratos en cada rango de los parámetros.

Relación de Frecuencia (FR)

El calculó de FR consiste en relacionar las muestras de Nitrato con cada uno de los siete parámetros DRASTIC. La ecuación del cálculo realizado es el siguiente:

donde A es el área de una clase o rango para cada parámetros DRASTIC; B es el área total de cada parámetro; C es el número total de Nitratos en la clase de cada parámetro; D es el número de los Nitratos totales en el área de estudio; E es el porcentaje de Nitratos en la clase de cada parámetro; F es el porcentaje de área en la clase para cada parámetro.

La probabilidad para cada rango de parámetro se calcula dividiendo la relación de la concentración de Nitrato por la relación de área (E/F); un valorde 1 es una relación promedio. Si la relación es >1, indica una alta relación entre el rango del parámetro y la concentración de Nitrato. Por otra parte, si la relación es <1, indica una menor relación.

En la tabla 1 se muestran las calificaciones originales y modificadas con FR para cada uno de los parámetros DRASTIC. Al valor más alto FR se le asingnó la mayor calificación de DRASTIC original de ese rango y los demás rangos de calificaciones se calcularon a través de la proporción.

Tabla 1. Calificaciones originales y modificadas para cada parámetro DRASTIC.

Análisis de sensibilidad por parámetro (SPSA)

La sensibilidad por parámetro es introducido por Napolitano y Fabbri (1996).
Los parámetros más eficaces se definen mediante la comparación de los pesos teóricos con el SPSA. El peso efectivo se calcula como:

donde W es el peso efectivo de cada parámetro y V es el índice general de vulnerabilidad. Pr y Pw son la calificación y el peso de cada parámetro respectivamente.

La tabla 2 muestra los pesos modificados, aplicando la ec. de peso efectivo. A la mayor media se le asignó  un mayor peso modificado.

Tabla 2. Estadísticas del Análisis de Sensibilidad por Parámetro (SPSA)

Proceso Analítico Jerárquico (AHP)

• Índice de Consistencia

donde λmáx es el vector de máxima consistencia y n es el número de criterios.

• Relación de Consistencia

donde CR es la relación entre el índice de consistencia (CI) y el índice de azar (RI).

Como regla general, si CR <= 0.1 debe preservarse la matriz. Si el CR es >0.1, los modelos serán descartados automáticamente.

Este proceso se aplica para calcular los pesos de todos los parámetros DRASTIC, modificando los pesos iniciales de los parámetros para la determinación de la vulnerabilidad.

Tabla 3 obtenida a partir de los cálculos de AHP.

Tabla 3. Valores obtenidos a partir de los cálculos de AHP.

Pasos seguidos para realizar los mapas de vulnerabilidad son:

1. Se creo el Mapa de vulnerabilidad intrínseca, utilizando el método DRASTIC original.
2. Se correlacionó (coeficiente de Pearson) el mapa de vulnerabilidad intrínseca con las 27 concentraciones tomadas en el 2011 (R = 0,44 ) y 2012 (R = 0,37 ). Esta reducción de la correlación se debe al incremento en el uso de fertilizantes para la actividad agrícola .
3. Se calculó FR-DRASTIC
4. Se calculó FR-SPSA
5. Se calculó FR-AHP
6. Validación y selección del método adecuado. Los mapas de vulnerabilidad resultantes se validaron utilizando el factor de correlación de Pearson para seleccionar el mejor mapa de vulnerabilidad con respecto a las condiciones del área de estudio.

Tabla 4. Resultados de las correlaciones de los 27 valores de Nitratos del 2012 y los mapas de vulnerabilidad calculados.

La tabla 4 muestra los resultados de la validación, el uso de enfoque FR mejoró la correlación entre el índice de vulnerabilidad y las concentraciones de Nitratos en comparación con la correlación de la vulnerabilidad DRASTIC original, que fue de 0,37. Los resultados indicaron que los nuevos métodos híbridos mostraron mayor correlación 0,75 en el modelo FR-DRASTIC. Las correlaciones de los enfoques FR-SPSA y FR-AHP fueron 0,77 y 0,80 respectivamente. Estos valores sugieren que el mapa de vulnerabilidad derivado del método FR-AHP es el más preciso.

Nombre del Artículo: Estimating groundwater vulnerability to pollution using a modified DRASTIC model in the Kerman agricultural area, Iran.

Autores: Aminreza Neshat • Biswajeet Pradhan • Saied Pirasteh • Helmi Zulhaidi Mohd Shafri

El artículo trata sobre la estimación de la vulnerabilidad de contaminación de las aguas subterráneas aplicando la metodología en la que se modifica el modelo DRASTIC en el área agrícola de Kerman, en la región sureste de Irán y abarca aproximadamente 978 km².

Primeramente se calculó el Índice DRASTIC (Aller et. al, 1987) y luego se calibró la metodología. Se calcularon los nuevos pesos (1-5) y calificaciones (1-10) de los parámetros DRASTIC mediante un análisis de sensibilidad que consistió en la identificación de las relaciones entre los parámetros  DRASTIC con respecto a la concentración de Nitrato en el agua subterránea.

La principal contribución de esta investigación en comparación con la literatura publicada previamente por Javadi et al. (2011a, b) fue el uso de dos muestras de Nitratos en el mismo mes (mayo de 2010 y mayo de 2011), por lo que indicaron que, por dichas muestras la correlación fue más precisa.

Los valores de concentración de Nitratos fueron obtenido en 27 pozos. La primera muestra de Nitrato obtenidas en mayo de 2010 fue para calibrar el modelo DRASTIC original y crear el modelo DRASTIC modificado. La segunda muestra de mayo de 2011 (en los mismos 27 pozos) se utilizaron para determinar el coeficiente de correlación entre la concentración de Nitrato y la vulnerabilidad de las aguas subterráneas.

En la correlación entre los valores DRASTIC originales y la concentración de Nitrato en los 27 pozos tomados en mayo de 2010 se obtuvo un coeficiente de correlación de Pearson de 44%. Este valor es relativamente bajo, lo que indica que el índice de vulnerabilidad DRASTIC original debe ser cambiado para obtener una evaluación realista de la contaminación potencial en el área de estudio.

DRASTIC Modificado

Las calificaciones se modificaron inicialmente utilizando la prueba estadística no paramétrica de Wilcoxon (el test estadístico no paramétrico de suma de rangos). Posteriormente se aplicó el DRASTIC modificado para el análisis de sensibilidad y optimizar los pesos (1-5).

En el método calibrado, las calificaciones de los parámetros DRASTIC se modificaron en función de la media de concentración de Nitrato. La calificación más alta se asignó a la media más alta de la concentración de nitrato, la calificación más baja fue a la media más baja de la concentración, y las calificaciones restantes fueron modificadas de forma lineal. Este enfoque se aplicó a todos los parámetros, como se muestra en la Tabla 1, y para el nuevo peso del modelo DRASTIC modificado con análisis de sensibilidad.

Tabla 1. Calificaciones originales y modificadas de los parametos DRASTIC basado en la concentración de Nitratos.

El análisis de sensibilidad consistió en comparar la distribución de Nitrato con los pesos teóricos de cada parámetro. El peso efectivo de cada polígono (parámetro) se define según la siguiente ecuación:

donde W es el peso efectivo de cada parámetro y V es el índice general de vulnerabilidad. Pr y Pw son el valor de calificación y el peso de cada parámetro, respectivamente.

El peso efectivo por parámetro, obtenido mediante el análisis de sensibilidad se muestra en la Tabla 2. La profundidad del agua subterránea (D) muestra los pesos efectivos más bajos (la media del peso efectivo es 4,12%) en comparación con los pesos teóricos (21,74%). La recarga neta (R), tipo de acuífero (A), y la conductividad hidráulica (C) presentaron un peso efectivo mayor que los pesos teóricos asignados por DRASTIC.

Tabla 2. Peso efectivo derivado del análisis de sensibilidad por cada parámetro.

Los resultados de la calibración indicaron que el modelo DRASTIC modificado afecta de manera significativa el área de estudio.

El coeficiente de correlación entre las concentraciones de Nitrato y el índice de vulnerabilidad original fue evaluado en un 44%, mientras que el coeficiente de correlación entre las concentraciones de Nitrato y el modelo DRASTIC modificado se calculó en un 82%. En la Figura 1 se muestran las correlaciones mencionadas.

Figura 1. Relación del índice DRASTIC original y DRASTIC modificado con la concentración de Nitratos.

Las nuevas calificaciones y los pesos del mapa DRASTIC modificado indicaron que el 41,34% de la zona pertenecía a la una vulnerabilidad alta a muy alta (Figura 2). El porcentaje de esta clase era 50.09% antes de la modificación. Los porcentajes para la clase moderada antes y después de la modificación fueron 30,81 y 39,85%, respectivamente. Las clases de vulnerabilidades baja y muy baja fueron 19.09 y 18.81%, antes y después de la aplicación de las nuevas califiaciones, respectivamente.

Además, los mapas se compararon para mostrar la distribución espacial del índice de antes y después de la modificación, como se muestra en la Figura 3. El resultado indicó que 45,72% de los resultados tenía una clase similar, pero 54,28% pertenecía a una clase diferente, verificando así la eficacia del método propuesto.

Figura 2. Mapa DRASTIC modificado para Kerman.

Figura 3. Porcentajes entre el modelo DRASTIC original y modificado.