Localización Óptima de Rellenos Sanitarios Usando SIG, Análisis Multicriterio y Automatización con Python

Publicado por: MSc. Edwin Calle Condori
Fecha: 29/04/2025
Categoría: SIG, Gestión Ambiental, Automatización

Introducción

La gestión adecuada de los residuos sólidos es uno de los principales retos ambientales de los municipios, especialmente en zonas rurales o con crecimiento urbano no planificado. Una de las decisiones más importantes dentro de este proceso es la localización técnica y ambientalmente adecuada de un relleno sanitario.

Para esto, se requiere cumplir con criterios normativos, ambientales y de ingeniería, los cuales pueden ser evaluados eficazmente mediante Sistemas de Información Geográfica (SIG) y técnicas de análisis multicriterio automatizadas.

En este artículo explico una metodología basada en:

Normativa boliviana NB 742-760.
La Guía para el Diseño, Construcción y Operación de Rellenos Sanitarios Manuales (OPS, 1991).
Análisis espacial multicriterio.
Automatización del flujo de trabajo con Python.

¿Por qué automatizar este análisis?

El proceso de ubicación de un relleno sanitario implica el cruce de múltiples variables espaciales y técnicas, como pendientes, geología, cercanía a fuentes hídricas, accesibilidad, entre otras.

Al realizar estos análisis manualmente, el proceso se vuelve lento, propenso a errores y difícil de reproducir.

Por ello, se implementó un script en Python que automatiza todo el flujo del análisis SIG, desde la carga y recorte de capas hasta la generación de mapas de aptitud, aplicando criterios normativos establecidos en la legislación boliviana.

Metodología general

1. Normativa como base técnica

Se aplicaron los siguientes documentos técnicos como base normativa y operativa:

NB 742-760: establece criterios de exclusión (distancia mínima a zonas urbanas, ríos, aeropuertos, vías, etc.) y criterios técnicos como pendiente, tipo de suelo, acceso y uso del terreno.
Guía de Rellenos Sanitarios Manuales (OPS, 1991): proporciona métodos para calcular la vida útil y dimensionar el área necesaria del relleno según la población atendida, densidad de residuos y tasa de generación per cápita.

2. Variables consideradas

Se utilizaron las siguientes capas y criterios:

Geología: tipo de formaciones y su permeabilidad natural.
Pendiente del terreno: calculada desde un Modelo Digital de Elevación (DEM).
Fallas geológicas: se aplicó un buffer de seguridad.
Uso del suelo: se priorizaron áreas rurales sin cobertura forestal densa.
Red vial: se evaluó la accesibilidad según proximidad a vías.
Población: se consideró la distancia a centros urbanos para minimizar riesgos sanitarios.
Ríos y cuerpos de agua: se impuso un límite mínimo de 500 m de distancia.

Automatización del análisis con Python

Se desarrolló un script en Python que automatizó todo el flujo de trabajo, utilizando librerías como:

rasterio, numpy: análisis y reclasificación ráster.
geopandas, shapely: manipulación de capas vectoriales.
scipy.ndimage: cálculo de distancias.
matplotlib: generación de mapas finales.

Esto permitió generar:

Capas clasificadas por variable.
Índice de aptitud espacial.
Clasificación final de sitios (A+, A, B, C, D).
Shapefiles y mapas exportables en PNG y TIFF.

Estimación de Superficie del Relleno

Según la Guía OPS y datos actualizados (Censo 2024), el cálculo de superficie necesaria se hizo considerando:

Población: 7791 habitantes.
Cobertura de recolección: 90%.
Generación per cápita: 0.5 kg/hab/día.
Vida útil estimada: 5 años.
Densidad compactada: 600 kg/m³.
Altura operativa del relleno: 6 metros.

Resultado:

Superficie útil estimada: 0.178 ha.
Área total recomendada con infraestructura: mínimo 0.6 ha.

Análisis Multicriterio

Se usó el método AHP con escala de Saaty (1–9), aplicando los siguientes pesos:

Variable	Peso (%)
Geología	25%
Pendiente	20%
Fallas geológicas	15%
Uso del suelo	15%
Acceso vial	10%
Distancia a población	10%
Distancia a ríos	5%

El índice final se calculó como la suma ponderada de todas las variables clasificadas, generando mapas temáticos y categorías de aptitud.

Resultados y categorías

Se clasificaron los sitios en cinco categorías:

Categoría	Rango de Índice	Interpretación
A+	8.5 – 10.0	Óptimo
A	7.0 – 8.4	Muy bueno
B	5.5 – 6.9	Aceptable
C	4.0 – 5.4	Regular
D	< 4.0	No apto

Los sitios A+ y A cumplen todos los criterios normativos y fueron seleccionados como candidatos para validación en campo.

Conclusiones

El uso combinado de normativa técnica, SIG, análisis multicriterio y automatización con Python permite tomar decisiones territoriales basadas en evidencia, más rápidas y reproducibles.
Se identificaron sitios óptimos para relleno sanitario respetando criterios ambientales, geotécnicos y de accesibilidad.
La metodología es escalable y aplicable en otros municipios con información geoespacial básica.