Rev. Int. Contam. Ambie.

37, 307-318, 2021

https://doi.org/10.20937/RICA.53879

OPTIMIZACIÓN DE LAS VARIABLES DEL PROCESO DE DIGESTIÓN ANAEROBIA DE

LACTOSUERO EN LA PRODUCCIÓN DE BIOGÁS
Optimization of variables from the anaerobic digestion process of cheese whey in biogas production

Sergio CISNEROS DE LA CUEVA1*, Fabiola VEANA HERNÁNDEZ2, Marco Antonio ARJONA LÓPEZ3,
Cecilia Lizeth ALVAREZ GUZMÁN4 y Samuel Bernardo PÉREZ VEGA1

1
Facultad de Ciencias Químicas, Universidad Autónoma de Chihuahua, Campus UACH II, Circuito Universi-
tario s/n, 31125 Chihuahua, Chihuahua, México.
2
Tecnológico Nacional de México/IT de Ciudad Valles, km 2 Carretera al Ingenio Plan de Ayala, Vista Hermosa,
79010 Ciudad Valles, San Luis Potosí, México.
3
Tecnológico Nacional de México/IT de La Laguna, Blvd. Revolución y Av. I.T. Laguna s/n, 27000 Torreón,
Coahuila, México.
4
Instituto Potosino de Investigación Científica y Tecnológica A.C., Camino a la Presa de San José 2055, Lomas
4a Sección, 78216 San Luis Potosí, San Luis Potosí, México.

* Autor para correspondencia: ser081083@gmail.com

(Recibido: febrero de 2020; aceptado: julio de 2020)

Palabras clave: bioprocesos, combustibles fósiles, diseño de optimización experimental, residuos agroindustriales

RESUMEN

Con el objetivo de reducir el consumo de combustibles fósiles y tener biogás con

precios competitivos en el mercado energético, es necesario disponer de bioprocesos
económicos y de altos rendimientos de producción. En este estudio, se demuestra
que la producción de biogás y el rendimiento de metano pueden incrementarse opti-
mizando algunas de las variables del proceso de digestión anaeróbica del lactosuero.
Las condiciones iniciales de las variables de proceso, como concentración de sus-
trato, concentración de inóculo y pH, fueron evaluadas y optimizadas mediante un
diseño central compuesto. Las condiciones óptimas para los máximos valores de
rendimiento de metano (469.75 ± 3.25 mL CH4/g SV) y producción de biogás (331
± 1.13 mL) fueron: concentración inicial de sustrato de 24.6 g/L, concentración
inicial de inóculo de 22.4 g/L y pH inicial de 7.1. El análisis de los ácidos grasos
volátiles indicó que la formación de metano en el biogás se debe principalmente a la
transformación metabólica del acetato por la vía de la metanogénesis ecetoclástica.
Los resultados obtenidos muestran que al utilizar lactosuero como sustrato y en las
condiciones óptimas obtenidas, el bioproceso desarrollado en este estudio puede ser
una nueva opción biotecnológica industrial para la producción de biogás.

Key words: agro-industrial wastes, bioprocesses, experimental optimization design, fossil fuels

ABSTRACT

To reduce the consumption of fossil fuels and to have competitive prices of biogas in the
energy market, it is necessary to have bioprocesses with low cost and high efficiency of
308 S. Cisneros de la Cueva et al.

production. This study demonstrates that biogas production and methane yield can be
increased optimizing some of the variables of the anaerobic digestion process of cheese
whey. The initial conditions of process variables, such as initial substrate concentration,
initial inoculum concentration, and initial pH were evaluated and optimized using a
central composite design. The optimal conditions for the maximum values of methane
yield (469.75 ± 3.25 mL CH4/g SV) and biogas production (331±1.13 mL) were the
following: initial substrate concentration of 24.6 g/L, initial inoculum concentration
of 22.4 g/L, and initial pH of 7.1. The analysis of volatile fatty acids indicated that the
formation of methane in biogas is mainly due to metabolic transformation of acetate by
the acetoclastic methanogenesis pathway. The obtained results show that using cheese
whey as substrate and under the optimal conditions obtained, the bioprocess developed
in this study can be a new industrial biotechnological option for the production of biogas.

INTRODUCCIÓN producto se necesitan 10 kg de leche, de los cuales

9 kg terminan como lactosuero. La producción de
La emisión antrópica de gases de efecto inver- lactosuero durante los últimos 21 años ha aumen-
nadero generada por el uso de combustibles fósiles tado cerca del 3 % anual. En el 2016 se produjeron
es considerada la principal causa de contaminación aproximadamente 200 millones de toneladas a nivel
ambiental (Carrillo et al. 2014, Wang et al. 2017). El mundial (Lappa et al. 2019). Debido a su alto con-
gas natural (GN) es un combustible fósil finito que, tenido de materia orgánica y baja alcalinidad, la eli-
debido a su alto consumo, se está agotando y sus minación del lactosuero en cuerpos de agua y suelos
costos se están elevando (Burke y Yang 2016, IEA representa una importante fuente de contaminación
2019). En 2018, el consumo de GN a nivel mundial ambiental (Najafpour et al. 2010, Rico et al. 2015).
fue de 3848.9 billones de metros cúbicos (Dudley El lactosuero se compone de lactosa (45-50 g/L),
2019). Algunos escenarios energéticos mundiales proteínas solubles (6-8 g/L), lípidos (4-5 g/L) y sales
asumen que para 2050 el abastecimiento de GN se minerales (8-10% extracto seco), características
hará a partir de fuentes de energía renovables (Cou- que lo hacen un buen sustrato para la producción
ncil 2019). de biogás por digestión anaerobia (Chatzipaschali
El biogás es una fuente importante de energía y Stamatis 2012). Se han reportado numerosos es-
renovable que ayuda a mitigar la emisión de gases tudios sobre el proceso de digestión anaerobia en la
de efecto invernadero y a disminuir el consumo de producción de biogás utilizando diferentes tipos de
combustibles fósiles (Saleh et al. 2012). Se obtiene biomasa, como los monosustratos; sin embargo, el
de la digestión anaerobia llevada a cabo por microor- uso directo de sustratos es difícil debido a su des-
ganismos (Deublein y Steinhauser 2008), la cual es equilibrio nutricional, falta de microorganismos y
un proceso de degradación biológica de compuestos al efecto de los factores operacionales del proceso
orgánicos (carbohidratos, proteínas y lípidos) que se de digestión anaerobia (Hagos et al. 2017).
lleva a cabo en cuatro etapas: hidrólisis, acidogénesis, Para mejorar la eficiencia de la digestión anaero-
acetogénesis y metanogénesis (Kim et al. 2010, Liu et bia a partir del sustrato agroindustrial y aumentar la
al. 2012). Aunque la composición del biogás varía, el producción de biogás, se deben optimizar variables
metano (CH4) es el compuesto de mayor proporción como la relación carbono/nitrógeno, temperatura,
con un rango de 55-70 %, seguido por el dióxido pH, ácidos grasos volátiles, pretratamientos de la
de carbono (CO2) con un rango de 30-40 % y otros materia prima, mezclado, concentración de inóculo
gases en cantidades traza (Deublein y Steinhauser y tipo de reactor (Reungsang et al. 2012, Boboescu
2008, Saleh et al. 2012). El biogás se puede usar et al. 2014). Hasta la fecha existe poca información
como energía de calentamiento y para la generación relacionada con el análisis de optimización y control
de electricidad y propulsión de máquinas térmicas, de las variables operativas del proceso de digestión
mientras que los subproductos (líquidos y sólidos) anaerobia del lactosuero en la producción de biogás.
se pueden usar como fertilizantes en la agricultura En el cuadro I se muestra un resumen de la revisión
(Leung y Wang 2016). de la literatura realizada.
El lactosuero es uno de los principales resi- Los métodos de optimización son técnicas ma-
duos de la industria láctea, particularmente en la temáticas que permiten encontrar los valores ópti-
producción de queso, ya que para obtener 1 kg de mos de un conjunto de variables que maximizan o
 OPTIMIZACIÓN DE VARIABLES EN LA PRODUCCIÓN DE BIOGÁS 309

CUADRO I. VALORES DE RENDIMIENTO DE METANO REPORTADOS PARA ESTUDIOS DE DIGESTIÓN ANAE-

ROBIA QUE USARON LACTOSUERO COMO SUSTRATO EN DIFERENTES CONDICIONES DE OPE-
RACIÓN.

Tipo de Inóculo Alimentación en pH T TRH Rendimiento de Referencia

reactor reactor (ºC) (días) metano
(S/I, VCO) (mL CH4/g)
RASL* ARP 80/20 7.4 32 – 270 Antonelli et al. (2016)
(% VTR) (SV)
DA* EAC 5.9/5.5 6.5-7.5 37 – 223 Carlini et al. (2015)
(% ST) (SV)
DA*** LTAR – 7.4-7.9 35 14 211 Comino et al. (2009)
(SV)
DA**** EV – 6-7.4 35 – 340 Comino et al. (2012)
(SV)
RAFA** LTAR 24.6 7-8 35 2.4 424 Ergüder et al. (2001)
(g DQO/mL día) (DQO)
RASL* LTAR 1.5 7 35 8.3 314 Fernández et al (2015)
(g DQO/mL día) (DQO)
DA* EP – 8.7-8.5 36.5 – 321 Kim y Kim (2017)
(SV)
DA* LB 0.06/0.07 5.5-5.8 35 – 22.8-36.3 Mainardis et al. (2017)
(% SV) (DQO)
RCTA*** LB 1.9-2.5 7.8-8.1 37 45-60 381.2 Ramos et al. (2019)
(g SV/mL día) (SV)
RAFA* LTAR 31 6.7 35 0.07 320 Rico et al. (1991)
(g DQO/mL día) (DQO)
RHA* LTAR 6.1 6.8-7.8 35 1.7 350 Strydom et al. (2001)
(g DQO/mL día) (DQO)

ARP: aguas residuales porcinas, DA: digestor anaerobio, DQO: demanda química de oxígeno, EAC: estiércol de aves de corral,
EP: estiércol porcino, EV: estiércol de vaca, LB: lodos de biodigestor, LTAR: lodos de tratamiento de aguas residuales, RAFA:
reactor anaerobio de flujo ascendente, RASL: reactor anaerobio secuencial por lotes, RCTA: reactor continuo de tanque agitado,
RHA: reactor híbrido anaerobio, ST: sólidos totales, SV: sólidos volátiles, S/I: sustrato/inóculo, T: temperatura, TRH: tiempo
de retención hidráulico, VCO: velocidad de carga orgánica, VTR: volumen total del reactor.
*Una fase de tratamiento anaerobio, **dos fases de tratamiento anaerobio, ***tres fases de tratamiento anaerobio, ****cuatro
fases de tratamiento anaerobio.

minimizan alguna función de interés. El objetivo diseños experimentales más utilizados para evaluar
de estos métodos es mejorar el rendimiento de un y optimizar las diferentes condiciones operativas del
sistema, proceso o producto para obtener el máximo proceso de digestión anaerobia para la producción
beneficio (Bezerra et al. 2008). La metodología de de biogás figuran el diseño central compuesto, el
superficie de respuesta es una técnica estadística Plackette-Burman y el Box-Behnken (Wang y Wan
frecuentemente utilizada en los procesos de diges- 2009, Saleh et al. 2012, Boboescu et al. 2014).
tión anaerobia en el modelado y determinación de Desde esta perspectiva, el objetivo del presen-
las condiciones óptimas de operación (Chun et al. te estudio fue optimizar la concentración inicial
2015, Sathish y Vivekanandan 2016). Antes de em- de sustrato, la concentración inicial de inóculo y el
plear la metodología de superficie de respuesta es pH inicial en el proceso de digestión anaerobia
necesario elegir un diseño experimental que defina del lactosuero mediante un análisis de superficie
cuáles experimentos deben llevarse a cabo. Entre los de respuesta.
310 S. Cisneros de la Cueva et al.

MATERIALES Y MÉTODOS Para ajustar el pH inicial se utilizaron NaOH 5N

o HCl 3N de acuerdo con los tratamientos descri-
Características del sustrato y el inóculo tos en el cuadro III. Para inducir las condiciones
El sustrato utilizado fue lactosuero en polvo obte- anaerobias, el espacio de cabeza de las botellas fue
nido de una planta procesadora de lácteos ubicada en purgado con una mezcla de 25 % de CO2 y 75 % de
Torreón, Coahuila, México. El inóculo utilizado fue gas N2 durante 4 min. Las botellas se agitaron a 150
estiércol líquido de vaca, tomado directamente del revoluciones por minuto a 35 °C durante 17 días en
tanque de almacenamiento de estiércol que alimenta una incubadora Shel Lab.
un biodigestor de 1500 m3 de capacidad en una planta
de digestión anaerobia ubicada en Gómez Palacio, Métodos analíticos
Durango, México. El estiércol líquido se filtró usando Se usaron los métodos estándar de la APHA para
un tamiz de 3 mm de tamaño de poro para eliminar determinar el pH (APHA 4500-H+), sólidos totales
los materiales sólidos (Antonelli et al. 2016). En el (ST) (APHA 2540-B), sólidos volátiles (SV) (APHA
cuadro II se muestra la composición física y química 2540-E), nitrógeno total (APHA 4500-Norg-C), pro-
del sustrato y el inóculo. teínas (APHA 4500-Norg-C), y fósforo total (APHA
4500-P-B y APHA 4500-P-C) (APHA 2017). Los
carbohidratos totales se determinaron por el método
CUADRO II. COMPOSICIÓN FÍSICA Y QUÍMICA DEL
SUSTRATO Y EL INÓCULO
colorimétrico de fenol-ácido sulfúrico. Se utilizaron
2 mL de muestra de los tratamientos, que fueron mez-
Parámetros Sustrato Inóculo clados con 1 mL de solución de fenol al 5 % en un
(lactosuero) (estiércol líquido tubo de ensayo. Posteriormente se añadieron 5 mL de
de vaca) ácido sulfúrico concentrado a la mezcla. Después los
Carbohidratos totales (g/L) 59.90 ± 0.10 4.53 ± 0.40 tubos de ensayo se dejaron en reposo durante 10 min.
Fósforo total (g/L) 0.24 ± 0.02 0.36 ± 0.16 Pasado el tiempo, los tubos se agitaron vorticialmente
Nitrógeno total (g/L) 0.71 ± 0.01 1.76 ± 0.12 durante 30 s y se colocaron durante 20 min en un baño
pH 6.52 ± 0.09 7.12 ± 0.00 de agua a temperatura ambiente. Luego, a los tubos se
Proteínas (g/L) 4.43 ± 0.50 14.77 ± 0.57 les midió la absorbancia en un espectrofotómetro UV-
Sólidos volátiles (g/L) 59.73 ± 0.50 11.42 ± 0.19 VIS 6405, Jenway a una longitud de onda de 490 nm
Sólidos totales (g/L) 81.965 ± 0.57 21.95 ± 0.83
(Albalasmeh et al. 2013). Para la cuantificación de
los AGV (acetato, propionato y butirato), se filtra-
ron 2 mL de muestra de los diferentes tratamientos
Diseño experimental usando un filtro Whatman de 0.45 µm para ser
Se utilizó un diseño experimental central com- analizados en un cromatógrafo de líquidos (HPLC)
puesto para encontrar las condiciones óptimas de las equipado con columna (Agilent Hi-Plex H, 7.7 ×
variables, la concentración inicial de sustrato, la con- 300 mm, 8 µm [p/n PL1170-6830]) y detector de
centración inicial de inóculo y el pH inicial que maxi- índice de refracción (RID). Se utilizó una solución
mizaran la producción de biogás y el rendimiento de 0.1 M de H2SO4 como fase móvil con un flujo de
de metano. Los valores de los niveles –1 (bajo) y +1 0.6 mL/min. Durante el análisis las temperaturas
(alto) de cada variable para estructurar el diseño expe- de la columna y RID se mantuvieron a 60 y 55 °C,
rimental fueron: concentración inicial de sustrato, 12- respectivamente.
35 g/L; concentración inicial de inóculo, 10-30 g/L, Para la determinación del volumen de biogás y
y pH inicial, 5.2-9.8. Las variables de respuesta metano, a cada botella se le conectó una manguera
fueron: producción de biogás expresado en mL y de silicón Masterflex de 2 mm de diámetro, la cual
rendimiento de metano expresado en mL CH4/g SV. permitió la salida del gas alojado en el espacio vacío
Se realizó un total de 24 tratamientos (Cuadro III) de la botella. El gas desalojado se hizo pasar por un
en botellas de vidrio de 150 mL usando 100 mL para medidor de flujo de gas MilliGascounters Ritter para
llevar a cabo el proceso de digestión anaerobia. Se cuantificar el volumen de biogás; seguidamente se
utilizó un medio mineral que contiene nutrientes de dejó pasar el gas hasta una bureta invertida que conte-
crecimiento y 8 g/L de CaCO3. Las concentraciones nía una solución de NaOH 1N. El alojamiento del gas
de los nutrientes (expresadas en g/L) fueron descri- en la bureta provocó el desplazamiento del NaOH 1N
tas por Gómez et al. 2012: NaH2PO4•H2O, 0.703; y de esta manera se cuantificó el volumen de metano,
K2HPO4, 0.600; NH4Cl, 0.280; MgSO4•7H2O, 0.111; ya que el CO2 y otros gases quedan atrapados en la
CaCl2, 0.006, y extracto de levadura, 0.02. solución de NaOH 1N (Rosales et al. 2010, Scherer
 OPTIMIZACIÓN DE VARIABLES EN LA PRODUCCIÓN DE BIOGÁS 311

CUADRO III. PRODUCCIÓN DE BIOGÁS Y RENDIMIENTO DE METANO DE LOS TRATAMIENTOS

CON DIFERENTES NIVELES EN LAS VARIABLES INDEPENDIENTES A PARTIR DEL
DISEÑO EXPERIMENTAL CENTRAL COMPUESTO.

Condiciones iniciales Variables de respuesta

Tratamiento Inóculo (g/L) Sustrato pH Biogás Metano
(g/L) (mL) (mL CH4/g SV)
1 30 35 9.8 122 ± 5.65 95.73 ± 1.25
2 20 23.5 7.5 331 ± 2.82 471.50 ± 2.77
3 30 35 5.2 179 ± 9.89 124.22 ± 6.45
4 40 23.5 7.5 304 ± 4.24 292.01 ± 3.04
5 20 23.5 7.5 330 ± 1.41 472.10 ± 0.19
6 30 12 5.2 176 ± 6.36 172.24 ± 4.19
7 20 23.5 12.1 0 ± 0 0 ± 0
8 30 35 5.2 193 ± 0.70 139.11 ± 0.84
9 20 23.5 2.9 0 ± 0 0 ± 0
10 30 12 9.8 84 ± 4.94 35.21 ± 2.31
11 30 12 5.2 194 ± 4.10 201.54 ± 2.32
12 20 46.5 7.5 276 ± 2.68 134.06 ± 1.15
13 10 35 9.8 102 ± 3.67 86.75 ± 2.82
14 10 35 5.2 197 ± 3.53 149.56 ± 3.33
15 10 12 9.8 102 ± 0.42 104.72 ± 0.66
16 10 12 5.2 163 ± 2.26 163.24 ± 2.74
17 10 12 9.8 103 ± 1.13 110.48 ± 0
18 10 12 5.2 151 ± 0.56 155.23 ± 0.13
19 30 12 9.8 87 ± 0.56 93.63 ± 0.69
20 30 35 9.8 88 ± 2.12 74.26 ± 2.45
21 10 35 9.8 75 ± 0.28 66.39 ± 1.52
22 0 23.5 7.5 0 ± 0 0 ± 0
23 10 35 5.2 174 ± 3.25 129.22 ± 1.24
24 20 0.5 7.5 66 ± 4.38 35.80 ± 0.92

y Neumann 2013). Para determinar de concentración interacción, Xi y Xj las variables independientes (sus-
de metano y CO2 se utilizaron los sensores MQ-4 y trato, inóculo y pH), y Ɛ el error residual.
MG811, respectivamente; ambos se colocaron en El análisis de varianza (ANOVA) y la metodología
la entrada de flujo de gas de la bureta invertida y de superficie de respuesta se realizaron mediante el
se conectaron a una tarjeta de adquisición de datos software Design Expert versión 7.0. Los valores de p
conectada a una computadora, la cual mostraba y se utilizaron para indicar los términos significativos
registraba los datos en tiempo real. del modelo (p < 0.05) (Montgomery 2005).
Los datos obtenidos a partir del análisis de los
Análisis estadístico AGV de los diferentes tratamientos fueron analizados
El análisis de regresión de los datos experimen- mediante un ANOVA de una vía aplicando la prueba
tales obtenidos a partir del diseño central compuesto de Tukey con el software Minitab versión 17.0.
se llevó a cabo con un modelo heurístico polinomial
de segundo orden (ecuación 1), con la intención de
obtener las condiciones óptimas. RESULTADOS Y DISCUSIÓN

Y = β0 + ∑ki=1 βiXi + ∑ki=1 βiiXi2 + Desarrollo y análisis estadístico de la ecuación del

(1) modelo de regresión
k–1
∑i=1 k
∑j=2 βijXiXj + ε A partir del análisis de regresión múltiple sobre el
conjunto de datos experimentales de la producción
donde Y es la respuesta del modelo, k el número de de biogás y rendimiento de metano que se muestra
factores, β0 el coeficiente constante, βi el coeficiente en el cuadro III, se establecieron dos modelos po-
lineal, βii el coeficiente cuadrático, βij el coeficiente de linomiales de segundo orden (ecuaciones 2 y 3). A
312 S. Cisneros de la Cueva et al.

partir de ambos modelos se obtuvieron los valores

CUADRO IV. ANÁLISIS DE VARIANZA DE LOS MODELOS CUADRÁTICOS DE SUPERFICIE DE RESPUESTA PARA LA PRODUCCIÓN DE BIOGÁS Y EL REN-

0.0009

0.9369

0.9057
0.6962
0.6443
0.0003
< 0.0001
< 0.0001

< 0.0001
óptimos de las variables de operación.

Valor-P

0.1197

0.1114
Yproducción = 312.83 + 27.67X1 + 20.42X2 –
Biogás
(2)
27.67X3 + 0.75X1X2 – 3.62X1X3 – 3.00X2X3 –

6.501E-3
Valor-F

0.015
6.74
2.75

2.89

0.16
0.22
22.68
32.05
47.58

39.00
44.62X12 – 39.88X22 – 82.62X32

YRendimiento = 433.46 + 23.13X1 + 1.12X2 –

1.060E5
1.498E5
2.223E5
Cuadrado
Metano

medio
Metano

31482.28
12834.37

13490.04

12505.90
30.37

68.06
742.56
1040.06

4672.53
23.71X3 + 2.06X1X2 – 6.81X1X3 + 8.06X2X3 – (3)

320
81.37X12 – 96.75X22 – 117.87X32

GL

9
1
1
1
1
1
1
1
1
1
14
5
9
El valor F obtenido para las ecuaciones 2 y 3 fue
de 7.89 y 6.74, respectivamente, lo cual indica que

2.833E5

1.060E5
1.498E5
2.223E5
cuadrados
Suma de
ambos modelos predicen adecuadamente los valores

12834.37
30.37
13490.04
68.06
742.56
1040.06

65415.48
62529.48
2886.00
de producción de biogás y el rendimiento de metano.
El valor de p obtenido para las ecuaciones 2 y 3, de
0.0004 y 0.0009 (p < 0.05), respectivamente, muestra
que los resultados de ambos modelos son significa-

Valor-P
tivos para la producción de biogás y rendimiento de

0.0004
0.0306
0.0999
0.0306
0.9628
0.8217
0.8520
0.0064
0.0130
< 0.0001

< 0.0001
metano (Cuadro IV).
El ANOVA indicó que los coeficientes lineales de
concentración inicial de inóculo y pH inicial, así como

2.258E-3
los tres coeficientes cuadráticos del modelo de produc-
Valor-F

0.053
0.036
7.89
5.56
3.03
5.56

9.65
7.70
33.07

39.78
ción de biogás fueron estadísticamente significativos
(Cuadro IV). En este mismo sentido, el ANOVA
también indicó que únicamente los tres coeficientes

1.092E5
cuadráticos del modelo de rendimiento de metano
Biogás
Cuadrado

26060.81
18370.67
10004.17
18370.67
9.00
210.25
144.00
31862.25
25440.25

3303.18
6826.20
171.61
fueron estadísticamente significativos (Cuadro IV).
medio

Análisis de superficie de respuesta

En la figura 1 se muestran las gráficas tridimen-
GL

9
1
1
1
1
1
1
1
1
1
14
5
9
sionales de superficie de respuesta para producción de
biogás y rendimiento de metano. La gráfica tridimen-
sional de superficie de respuesta representa el modelo
1.567E5

1.092E5
cuadrados
Suma de

que describe el efecto y predice la respuesta para los

18370.67
10004.17
18370.67
9.00
210.25
144.00
31862.25
25440.25

55790.83
54246.33
1544.50

diferentes valores de las variables independientes

(Montgomery 2005, Wang y Wan 2009).
DIMIENTO DE METANO.

Efecto de la concentración inicial de sustrato

X2, concentración inicial de sustrato

Los efectos interactivos en la producción de

X1, concentración inicial de inóculo

biogás y rendimiento de metano a partir del análisis

comparativo de la variable de concentración inicial
de sustrato respecto al pH y la concentración iniciales
del inóculo se muestran en la figura 1a-d.
Las gráficas muestran que manteniendo cons-
tantes las condiciones óptimas de pH inicial de 7.1
Falta de ajuste
X3, pH inicial

y concentración inicial de inóculo de 22.4 g/L, la

Residuales

concentración inicial de sustrato de 0.5 g/L no favo-

Modelo

reció en gran medida la producción de biogás y el

X1 X2
X1 X3
X2 X3

Error
X12
X22
X32

rendimiento de metano. No obstante, ambas variables

 OPTIMIZACIÓN DE VARIABLES EN LA PRODUCCIÓN DE BIOGÁS 313

340 480
A) B)
255 360

Metano (mL CH4 /g SV )

Biogás (mL)

170 240

85 120

0 0

9.80 35.00 9.80 30.00

8.65 29.25 8.65 25.00
7.50 23.50 7.50 20.00
pH Concentración pH 6.35 15.00 Concentración
6.35 17.75
de sustrato (g/L) de sustrato (g/L)
5.20 12.00 5.20 10.00

340 480
C) D)
255 360
Metano (mL CH4 /g SV )
Biogás (mL)

170 240

85 120

0 0

35.00 35.00 30.00

30.00
25.00 29.25 25.00
29.25
20.00 23.50 20.00
23.50
15.00 Concentración Concentración 17.75 15.00 Concentración
Concentración 17.75 de sustrato (g/L) de inóculo (g/L)
10.00 de inóculo (g/L) 12.00 10.00
de sustrato (g/L) 12.00

340 480
E) F)
255 360
Metano (mL CH4 /g SV )

240
Biogás (mL)

170

85 120

0 0

9.80 30.00 9.80 30.00

8.65 25.00 8.65 25.00
7.50 20.00 7.50 20.00
pH 6.35 15.00 Concentración pH 15.00 Concentración
6.35
5.20 10.00 de inóculo (g/L) de inóculo (g/L)
5.20 10.00

Fig. 1. Gráficos de superficie de respuesta tridimensional que representan el efecto de las condiciones iniciales de concentración
de sustrato, concentración de inóculo y pH inicial, y su interacción con la producción de biogás y el rendimiento de
metano.
314 S. Cisneros de la Cueva et al.

de respuesta aumentaron a partir del incremento de microorganismos no es suficiente, afectando la pro-

la concentración inicial de sustrato de 12 a 35 g/L, ducción de biogás (Nazaitulshila et al. 2015).
obteniéndose los valores más altos a 24.6 g/L. Sin
embargo, el incremento en la concentración inicial de Efecto del pH inicial
sustrato de 35 a 46.5 g/L tuvo un efecto negativo en Los efectos interactivos en la producción de bio-
la producción de biogás y el rendimiento de metano, gás y rendimiento de metano a partir del análisis com-
disminuyéndolos en un 38 y 80%, respectivamente. parativo del pH inicial respecto a la concentración
Sánchez et al. (2005) reportaron que una con- inicial de sustrato y del inóculo, se muestran en la
centración limitada de sustrato en los procesos de figura 1a, b, e y f. Con base en las gráficas se muestra
digestión anaerobia tiende a causar una disminución que manteniendo constantes las condiciones ópti-
en la actividad metabólica de los microorganismos. mas de concentración inicial de sustrato a 24.6 g/L
Zhang et al. (2014) observaron que con 0.5 g/L de y la concentración inicial de inóculo a 22.4 g/L,
sustrato hay una limitación de carbono que tiende a el pH inicial de 2.9 afectó la producción de biogás y el
afectar la tasa de crecimiento microbiano y la pro- rendimiento de metano. Sin embargo, el incremento
ducción de biogás. a partir del pH inicial de 5.2 a 7.5 tuvo un efecto po-
Los resultados del presente estudio mostraron sitivo en dichos parámetros, obteniéndose los valores
que la producción de biogás y el rendimiento de más altos a un pH inicial de 7.1. Contrariamente, el
metano disminuyeron a partir del incremento de incremento a partir de un pH inicial de 7.1 a 9.8 con-
la concentración de sustrato por encima del nivel dujo a una disminución de la producción de biogás de
óptimo. Este comportamiento puede deberse a que 35 % y del rendimiento de metano de 32 %.
concentraciones de sustrato por encima del nivel Se ha reportado que con un pH inferior de 6.0
óptimo inhiben el proceso de digestión anaerobia a disminuye la energía requerida para el intercambio
causa de la reducción de pH por acumulación de AGV de protones a través de la membrana celular, por
y amonio (Zhang et al. 2014, Polizzi et al. 2018). tanto afecta el crecimiento celular y la producción
de biogás (Russell y Dombrowski 1980, Chen et al.
Efecto de la concentración inicial de inóculo 2015). Deublein y Steinhauser (2008) reportaron que
En la figura 1c-f se muestran los efectos inte- el pH óptimo para la producción de biogás está en el
ractivos en la producción de biogás y rendimiento rango de 6.7 a 7.5. Valores inferiores a 6.7 pueden
de metano, a partir del análisis comparativo de la inducir considerable supresión del metabolismo en
variable de concentración inicial de inóculo respecto el proceso de digestión anaerobia, causando efectos
a la concentración inicial de sustrato y al pH inicial. negativos en la producción de biogás. Flores et al.
Con base en las gráficas se muestra que manteniendo (2020) reportaron que con un rango de pH de 7.0 a
constante un pH inicial de 7.1 y una concentración 8.0 en el proceso de digestión anaerobia del lacto-
inicial de sustrato de 24.6 g/L, el incremento en la suero se obtuvo la máxima producción de biogás y
concentración inicial de inóculo a partir de 10 a rendimiento de metano. El efecto negativo de valores
30 g/L tuvo un efecto positivo en la producción de de pH superiores a 8.0 en la producción de biogás
biogás y el rendimiento de metano, obteniéndose y el rendimiento de metano puede obedecer a que
los valores más altos a una concentración inicial de favorecen la formación de subproductos metabóli-
22.4 g/L. Sin embargo, cuando esta concentración se cos que tienen un efecto antagónico en la etapa de
incrementó a partir de 30 a 40 g/L, afectó la produc- metanogénesis (Rajagopal et al. 2013)
ción de biogás y el rendimiento de metano, los cuales En el cuadro I se comparan los valores máximos
disminuyeron en 40 y 63 %, respectivamente. Este de producción de biogás y rendimiento de metano
comportamiento puede deberse a que la fase adapta- obtenidos a partir de condiciones óptimas con los
ción de los microorganismos disminuye a una elevada reportados en otros estudios que usaron lactosuero
concentración de inóculo, lo cual induce una mayor como sustrato. Puede observarse que en este estu-
producción de AGV y llega a provocar inhibición de dio se obtuvieron valores ligeramente más altos, lo
la fase metanogénica (Zhou et al. 2011, Elbeshbishy cual indica que las condiciones óptimas favorecen
et al. 2012, Bong et al. 2017). el incremento en la producción de biogás mediante el
En este estudio a concentraciones de inóculo por proceso de digestión anaerobia del lactosuero.
debajo del nivel óptimo se tuvo un efecto negativo
en la producción de biogás y el rendimiento de me- Verificación y validación del modelo
tano, lo cual puede atribuirse a que las reacciones Los valores iniciales de las condiciones óptimas
de biodegradación no ocurrirán si la cantidad de de producción de biogás fueron los siguientes:
 OPTIMIZACIÓN DE VARIABLES EN LA PRODUCCIÓN DE BIOGÁS 315

concentración inicial de sustrato: 24.6 g/L; concen- resultados se muestra que a las 168 h el acetato se
tración inicial de inóculo: 22.4 g/L; pH inicial: 7.1. obtuvo en mayor concentración respecto a la concen-
Para validar los resultados obtenidos se realizaron tración de propionato y butirato. Sin embargo, a las
experimentos por duplicado usando las condiciones 336 h la concentración de propionato y butirato fue
óptimas, en donde se obtuvo una producción de bio- más alta con relación a la de acetato. Por lo tanto,
gás y un rendimiento de metano de 331 ± 1.13 mL los AGV producidos a las 168 y 336 h indican que
y 469.75 ± 3.25 mL CH4/g SV, respectivamente. la producción de biogás ocurre principalmente a
Estos resultados indican que ambos modelos poli- partir de acetato y no de hidrógeno y CO2 o formiato,
nomiales de segundo orden (ecuaciones 2 y 3) son sugiriendo que este metabolismo fue llevado a cabo
adecuados para predecir la producción de biogás y por microorganismos metanogénicos acetoclásticos.
el rendimiento de metano. Se ha reportado en estudios de digestión anaeró-
bica con estiércol de vaca que el acetato es un inter-
AGV producidos durante la digestión anaerobia mediario metabólico necesario para la producción de
Los principales AGV analizados a las 168 y 336 h biogás (Page et al. 2014). Demirel y Scherer (2008)
fueron acetato, propionato y butirato, representados y Jha et al. (2012) reportaron que la producción de
de forma gráfica en la figura 2. De acuerdo con los metano en el biogás usando como inóculo estiércol

6 A) 168 h
5.5
Ácidos grasos volátiles (g/L)

5
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tratamientos

6 B) 336 h
5.5
Ácidos grasos volátiles (g/L)

5
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tratamientos

Acetato Butirato Propionato

Fig. 2. Concentración de ácidos grasos volátiles producidos durante la digestión anae-

robia del lactosuero para los diferentes tratamientos a las (a) 168 h y (b) 336 h.
316 S. Cisneros de la Cueva et al.

de vaca se debió al consumo de acetato por mi- Albalasmeh A.A., Berhe A.A. y Ghezzehei T.A. (2013). A
croorganismos metanogénicos acetoclásticos en la new method for rapid determination of carbohydrate
etapa de metanogénesis. Los resultados de Achinas and total carbon concentrations using UV spectropho-
et al. (2018) señalan que el acetato fue uno de los tometry. Carbohydr. Polym. 97 (2), 253-261. https://
metabolitos utilizados en mayor proporción por los doi.org/10.1016/j.carbpol.2013.04.072
microorganismos del estiércol de vaca en la produc- APHA (2017). Standard methods for the examination of
ción de biogás, lo cual confirma los hallazgos del water and wastewater. 23a ed. American Public Health
presente estudio. Association. Washington, EUA, 174 pp.
Antonelli J., Lindino C.A., de Azevedo J.C.R., de Souza
S.N.M., Cremonez P.A. y Rossi E. (2016). Biogas pro-
CONCLUSIONES duction by the anaerobic digestion of whey. Rev. Ciênc.
Agrár. 39 (3), 463-468. https://doi.org/10.19084/
En el presente estudio se aplicó un diseño RCA15087
experimental de optimización central compuesto Bezerra M.A., Santelli R.E., Oliveira E.P., Villar L.S. y
al proceso de digestión anaerobia del lactosuero, Escaleira L.A. (2008). Response surface methodology
para determinar los efectos y valores óptimos de (RSM) as a tool for optimization in analytical chemis-
concentración inicial de sustrato, concentración try. Talanta 76 (5), 965-977. https://doi.org/10.1016/j.
inicial de inóculo y pH inicial en la producción talanta.2008.05.019
de biogás y rendimiento de metano. Los modelos Boboescu I.Z., Ilie M., Gherman V.D., Mirel I., Pap B.,
heurísticos de producción de biogás y rendimiento Negrea A., Kondorosi É., Bíró T. y Maróti G. (2014).
de metano desarrollados en este estudio satisfacen Revealing the factors influencing a fermentative biohy-
todos los argumentos necesarios para su uso en la drogen production process using industrial wastewater
optimización. Este artículo proporciona detalla- as fermentation substrate. Biotechnol. Biofuels 7 (139),
damente el análisis estadístico que se utilizó para 1-15. https://doi.org/10.1186/s13068-014-0139-1
determinar los niveles e interacciones óptimas entre Bong C.P., Tin Lee C., Shin Ho W., Hashim H., Klemeš
las variables de proceso en la producción de biogás J.J. y Siong Ho C. (2017). Mini-review on substrate
y el rendimiento de metano. and inoculum loadings for anaerobic co-digestion of
Los niveles óptimos de las variables de operación food waste. Chem. Eng. Trans. 56, 493-498. https://
de este proceso de digestión anaerobia pueden ser doi.org/10.3303/CET1756083
una alternativa en el tratamiento de lactosuero en Burke P.J. y Yang H. (2016). The price and income elas-
biodigestores a escala industrial para la producción ticities of natural gas demand: international evidence.
de biogás, lo que favorecería al medio ambiente y Energ. Econ. 59, 466-474. https://doi.org/10.1016/j.
reduciría los costos de producción. eneco.2016.08.025
Carrillo J., Celis L.B., Alatriste F. y Razo E. (2014).
Decreasing methane production in hydrogenogenic
AGRADECIMIENTOS UASB reactors fed with cheese whey. Biomass Bio-
energy 63, 101-108. https://doi.org/10.1016/j.biom-
Agradecemos al Consejo Nacional de Ciencia y bioe.2014.01.050
Tecnología (CONACYT) y a la Secretaría de Energía Carlini M., Castellucci S. y Moneti M. (2015). Biogas
(SENER) por el financiamiento del proyecto número production from poultry manure and cheese whey
261600. Los autores agradecen a grupo LALA por wastewater under mesophilic conditions in batch
permitir el uso de sus instalaciones para el desarrollo reactor. Energy Procedia 82, 811-818. https://doi.
del proyecto. org/10.1016/j.egypro.2015.11.817
Chatzipaschali A.A. y Stamatis A.G. (2012). Biotechno-
logical utilization with a focus on anaerobic treatment
REFERENCIAS of cheese whey: current status and prospects. Energies
5 (9), 3492-3525. https://doi.org/10.3390/en5093492
Achinas S., Li Y., Achinas V. y Euverink G.J. (2018). Chen S., Zhang J. y Wang X. (2015). Effects of alkalinity
Influence of sheep manure addition on biogas poten- sources on the stability of anaerobic digestion from
tial and methanogenic communities during cow dung food waste. Waste Manage. Res. 33 (11), 1033-1040.
digestion under mesophilic conditions. Sustain. Envi- https://doi.org/10.1177/0734242X15602965
ron. Res. 28 (5), 240-246. https://doi.org/10.1016/j. Chun C.W., Mohd N.F. y Zainol N. (2015). Optimiza-
serj.2018.03.003 tion of biogas production from poultry manure
 OPTIMIZACIÓN DE VARIABLES EN LA PRODUCCIÓN DE BIOGÁS 317

wastewater in 250 ml flasks. J. Teknol. 75 (1), 275-285. Hagos K., Zong J., Li D., Liu C. y Lu X. (2017). An-
https://doi.org/10.11113/jt.v75.3981 aerobic co-digestion process for biogas production:
Comino E., Rosso M. y Riggio V. (2009). Development of progress, challenges and perspectives. Renewable
a pilot scale anaerobic digester for biogas production Sustainable Energy Reviews 76), 1485-1496. https://
from cow manure and whey mix. Bioresour. Tech- doi.org/10.1016/j.rser.2016.11.184
nol. 100 (21), 5072-5078. https://doi.org/10.1016/j. IEA (2019). World energy outlook 2019. International
biortech.2009.05.059 Energy Agency [en línea]. https://www.iea.org/reports/
Comino E., Riggio, V.A. y Rosso M. (2012). Biogas pro- world-energy-outlook-2019
duction by anaerobic co-digestion of cattle slurry and Jha A.K, Li J., Ban Q., Zhang L. y Zhao B. (2012). Dry an-
cheese whey. Bioresour. Technol. 114 (2012), 46-53. aerobic digestion of cow dung for methane production:
https://doi.org/10.1016/j.biortech.2012.02.090 effect of mixing. Pak. J. Biol. Sci. 15 (23), 1111-1118.
Council W.E. (2019). World energy scenarios 2019. Com- https://doi.org/10.3923/pjbs.2012.1111.1118
posing energy futures to 2050 [en línea]. https://www. Kim M.D., Song M., Jo M., Shin S.G., Khim J.H. y Hwang
worldenergy.org/assets/downloads/World-Energy- S. (2010). Growth condition and bacterial community
Scenarios_Composing-energy-futures-to-2050_Full- for maximum hydrolysis of suspended organic mate-
report1.pdf rials in anaerobic digestion of food waste-recycling
Demirel B. y Scherer P. (2008). The roles of acetotrophic wastewater. Appl. Microbiol. Biotechnol. 85 (5), 1611-
and hydrogenotrophic methanogens during anaerobic 1618. https://doi.org/10.1007/s00253-009-2316-x
conversion of biomass to methane: a review. Rev. En- Kim M.J. y Kim S.H. (2017). Minimization of diauxic
viron. Sci. Bio. 7 (2), 173-190. https://doi.org/10.1007/ growth lag-phase for high-efficiency biogas produc-
s11157-008-9131-1 tion. J. Environ. Manage. 1 (187), 456-463. https://doi.
Deublein D. y Steinhauser A. (2008). Biogas from waste org/10.1016/j.jenvman.2016.11.002
and renewable resources. 2nd ed. Wiley-VCH, Alema- Lappa I.K., Papadaki A., Kachrimanidou V., Terpou A.,
nia, 578 pp. https://doi.org/ 10.1002/9783527621705 Koulougliotis D., Eriotou E. y Kopsahelis N. (2019).
Dudley B. (2019). BP statistical review of world energy [en Cheese whey processing: integrated biorefinery con-
linea]. https://www.bp.com/content/dam/bp/business- cepts and emerging food applications. Foods 8 (8),
sites/en/global/corporate/pdfs/energy-economics/ 1-37. https://doi.org/10.3390/foods8080347
statistical-review/bp-stats-review-2019-full-report.pdf Leung D.Y. y Wang J. (2016). An overview on biogas
Elbeshbishy E., Nakhla G. y Hafez H. (2012). Biochemical generation from anaerobic digestion of food waste.
methane potential (BMP) of food waste and primary Int. J. Green Energy 13 (2), 119-131. https://doi.org/1
sludge: influence of inoculum pre-incubation and in- 0.1080/15435075.2014.909355
oculum source. Bioresour. Technol. 110, 18-25. https:// Liu G., Zhang R, El H.M., Dong R. y Liu X. (2012). Biogas-
doi.org/10.1016/j.biortech.2012.01.025 ification of green and food wastes using anaerobic-phased
Ergüder T., Tezel U., Güven E. y Demirer G. (2001). solids digester system. Appl. Biochem. Biotechnol. 168
Anaerobic biotransformation and methane generation (1), 78-90. https://doi.org/10.1007/s12010-011-9322-z
potential of cheese whey in batch and UASB reac- Mainardis M., Cabbai V., Zannier G., Visintini D. y
tors. Waste Manage. 21 (7), 643-650. https://doi. Go D. (2017). Characterization and BMP tests of
org/10.1016/S0956-053X(00)00114-8 liquid substrates for high-rate anaerobic digestion.
Fernández C., Cuetos M.J., Martínez E.J. y Gómez X. Chem. Biochem. Eng. Q. 31 (4), 509-518. https://doi.
(2015). Thermophilic anaerobic digestion of cheese org/10.15255/CABEQ.2017.1083
whey: coupling H2 and CH4 production. Biomass Montgomery D.C. (2005). Diseño y análisis de experimen-
Bioenergy 81, 55-62. https://doi.org/10.1016/j.biom- tos. 2a ed. Limusa Wiley, México, 686 pp.
bioe.2015.05.024 Najafpour G.D., Komeili M., Tajallipour M. y Asadi
Flores A.P., Hernández H., Cocotle Y. y Hernández E. M. (2010). Bioconversion of cheese whey to meth-
(2020). Methanogenesis of raw cheese whey: pH and ane in an upflow anaerobic packed bed bioreactor.
substrate-inoculum ratio evaluation at mesophyll tem- Chem. Biochem. Eng. Q. 24 (1), 111-117. https://doi.
perature range. J. Chem. Technol. Biotechnol. 95 (7), org/10.15255/CABEQ.2014.266
1946-1952. https://doi.org/10.1002/jctb.6391 Nazaitulshila R., Idris A., Harun R., y Wan Azlina W.
Gómez T.F., Celis L.B., Razo E. y Alatriste F. (2012). (2015). The influence of inoculum to substrate ratio
Chemical and enzymatic sequential pretreatment on the biochemical methane potential of fat, oil, and
of oat straw for methane production. Bioresour. grease in batch anaerobic assays. Energ. Sources Part
Technol. 116, 372-378. https://doi.org/10.1016/j. A. 37 (6), 590-597. https://doi.org/10.1080/1556703
biortech.2012.03.109 6.2014.907374
318 S. Cisneros de la Cueva et al.

Page L.H., Ni J.Q., Heber A.J., Mosier N.S., Liu X., Joo Saleh A.F., Kamarudin E., Yaacob A.B., Yussof A.W. y
H.S., Ndegwa P.M. y Harrison J.H. (2014). Charac- Abdullah M.A. (2012). Optimization of biomethane
teristics of volatile fatty acids in stored dairy manure production by anaerobic digestion of palm oil mill efflu-
before and after anaerobic digestion. Biosyst. Eng. ent using response surface methodology. Asia-Pacific J.
118, 16-28. https://doi.org/10.1016/j.biosystem- Chem. Eng. 7, 353-360. https://doi.org/10.1002/apj.550
seng.2013.11.004 Sánchez E., Borja R., Travieso L., Martin A. y Colmena-
Polizzi C., Alatriste F. y Munz G. (2018). The role of rejo M. (2005). Effect of organic loading rate on the
organic load and ammonia inhibition in anaerobic stability, operational parameters and performance of a
digestion of tannery fleshing. Water Resour. Ind. 19, secondary upflow anaerobic sludge bed reactor treating
25-34. https://doi.org/10.1016/j.wri.2017.12.001. piggery waste. Bioresour. Technol. 96 (3), 335-344.
Rajagopal R., Massé D.I. y Singh G. (2013). A critical https://doi.org/10.1016/j.biortech.2004.04.003
review on inhibition of anaerobic digestion process by Sathish S. y Vivekanandan S. (2016). Parametric optimi-
excess ammonia. Bioresour. Technol. 143, 632-641. zation for floating drum anaerobic bio-digester using
https://doi.org/10.1016/j.biortech.2013.06.030 response surface methodology and artificial neural
Ramos J.L., Vargas C.L., Mata J., y Camacho Á. (2019). network. Alexandria Eng. J. 55 (4), 3297-3307. https://
Evaluation of poultry manure and goat cheese whey doi.org/10.1016/j.aej.2016.08.010
anaerobic co-digestion. Span. J. Agric. Res. 17 (2), Scherer P. y Neumann L. (2013). “Methano-compost”, a
1-14. https://doi.org/10.5424/sjar/2019172-14577 booster and restoring agent for thermophilic anaerobic
Reungsang A, Pattra S. y Sittijunda S. (2012). Optimiza- digestion of energy crops. Biomass Bioenergy 56, 471-
tion of key factors affecting methane production from 478. https://doi.org/10.1016/j.biombioe.2013.05.021
acidic effluent coming from the sugarcane juice hydro- Strydom J., Mostert J. y Britz T.J. (2001). Anaerobic
gen fermentation process. Energies 5 (12), 4746-4757. treatment of a synthetic dairy effluent using a hybrid
https://doi.org/10.3390/en5114746 digester. Water S.A. 21 (2), 125-130.
Rico J.L., García P. y Fernández F. (1991). Anaerobic treat- Wang J. y Wan W. (2009). Experimental design methods
ment of cheese-production wastewater using a UASB for fermentative hydrogen production: a review. Int.
reactor. Bioresour. Technol. 37 (3), 271-276. https:// J. Hydrogen Energy 34 (1), 235-244. https://doi.
doi.org/10.1016/0960-8524(91)90194-O org/10.1016/j.ijhydene.2008.10.008
Rico C., Muñoz N., Fernández J. y Rico J.L. (2015). High- Wang J., Feng L., Tang X., Bentley Y. y Höök M. (2017).
load anaerobic co-digestion of cheese whey and liquid The implications of fossil fuel supply constraints on cli-
fraction of dairy manure in a one-stage UASB process: mate change projections: a supply-side analysis. Futures.
limits in co-substrates ratio and organic loading rate. 86, 58-72. https://doi.org/10.1016/j.futures.2016.04.007
Chem. Eng. J. 262, 794-802. https://doi.org/10.1016/j. Zhang W., Lang Q., Wu S., Li W., Bah H. y Dong R.
cej.2014.10.050 (2014). Anaerobic digestion characteristics of pig
Rosales L.M., Razo E., Ordóñez L.G., Alatriste F. y de manures depending on various growth stages and
León A. (2010). Hydrogen production by Escherichia initial substrate concentrations in a scaled pig farm
coli ΔhycA ΔlacI using cheese whey as substrate. in Southern China. Bioresour. Technol. 156, 63-69.
Int. J. Hydrogen Energy 35 (2), 491-499. https://doi. https://doi.org/10.1016/j.biortech.2014.01.013
org/10.1016/j.ijhydene.2009.10.097 Zhou Y., Zhang Z., Nakamoto T., Li Y., Yang Y., Utsumi
Russell J.B. y Dombrowski D.B. (1980). Effect of pH M. y Sugiura N. (2011). Influence of substrate-to-
on the efficiency of growth by pure cultures of ru- inoculum ratio on the batch anaerobic digestion of
men bacteria in continuous culture. Appl. Environ. bean curd refuse-okara under mesophilic conditions.
Microbiol. 39 (4), 604-610. https://doi.org/10.1128/ Biomass Bioenergy 35 (7), 3251-3256. https://doi.
aem.39.3.604-610.1980 org/10.1016/j.biombioe.2011.04.002