En español
El objetivo del trabajo es analizar la potencialidad de la lógica difusa para evaluar la vulnerabilidad del agua subterránea a la contaminación. Se propone el uso de lógica difusa que representa el conocimiento como un predicado difuso principal compuesto por operaciones lógicas entre predicados simples, cuyo valor de verdad puede ser determinado objetivamente. Los predicados se formalizaron a partir de variables: profundidad de la capa freática, pendiente del terreno y textura del suelo. Se diseñó un software en entorno MATLAB para realizar el procesamiento difuso. Juntamente se realizó una encuesta entre profesionales vinculados a la gestión ambiental del Partido de Gral. Pueyrredón a fin de indagar acerca de la modalidad de presentación del mapa final de vulnerabilidad. El resultado final se comparó con el mapa de vulnerabilidad obtenido mediante la metodología tradicional (método DRASTIC-P), mostrando un buen ajuste espacial habiendo utilizado menos variables. El resultado de la encuesta mostró la preferencia por etiquetas con categorización cualitativa tradicional.
En inglés
The aim of this work is to analyze the potentiality of Fuzzy Logic to assess the groundwater pollution vulnerability. Fuzzy Logic Predicates are proposed as a natural extension of a Boolean Predicates Logic, where knowledge is represented as a Main Fuzzy Predicate that can be evaluated using numerical variables to determine a degree of groundwater pollution vulnerability. Those variables are: depth water table, land slope and soil texture. Software has been developed using MATLAB® to illustrate the fuzzy processing. The final result was compared with a vulnerability map that has been obtained with traditional methodology (DRASTIC-P Method). It was showed a good spatial adjustment having used less variables. In order to inquire about the best caption of the final vulnerability map, it was conducted a survey among professionals involved in Environmental Management at Partido General Pueyrredón. The preferred result was the traditional qualitative categorization labels.