Evaluación de la calidad de las aguas superficiales mediante técnicas de estadística multivariante: un estudio de caso en la cuenca del río Paute, al sur de Ecuador

Abstract

Diferentes técnicas de estadística multivariante como el método de clasificación del vecino más cercano (k – NN) a través de algoritmos genéticos (GAs), un análisis de componentes principales (PCA) y regresiones múltiples (MR), se llevaron a cabo para evaluar e interpretar bajo el marco conceptual de la Ecohidrología una gran y compleja matriz de datos de calidad de agua. Los datos se obtuvieron durante cinco años (2008, 2010-2013) de muestreo en la cuenca del Río Paute al sur de Ecuador. Treinta y cuatro variables físico-químicas, microbiológicas, geomorfológicas y biológicas (macroinvertebrados bentónicos) fueron monitoreadas en 64 sitios (10234 observaciones). El análisis k-NN a través de GAs se utilizó para conocer cuál de 6 índices bióticos dados por los macrozoobentos es, en términos de ajuste matemático para un modelo de clasificación, el óptimo. Se obtuvo como resultado que una combinación de puntajes del Andean Biotic Index (ABI; zonas > 2000 m.s.n.m.) y el Biological Monitoring Working Party calibrado para Colombia (BMWP/Col; zonas < 2000 m.s.n.m.) es la variable de respuesta biológica más adecuada. Una redistribución de las clases de los índices bióticos mostró que matemáticamente estas se optimizan si son tres (dadas por los percentiles 33,33 % y 66,66 % del índice biótico) y no cinco. Se aplicó un PCA sobre tres grupos de calidad de agua establecidos por los percentiles 33,33 % y 66,66 % del índice biótico seleccionado (combinación ABI + BMWP/Col), siendo las variables que mayoritariamente explican a las mejores clases y su estado de buena integridad ecológica (clase 1) la presencia de vegetación de bosque de ribera y la alta heterogeneidad del lecho. Por el contrario, elevados niveles de coliformes fecales, demanda bioquímica de oxígeno (DBO), amonio, turbiedad, pH y temperatura del agua, más bajas valoraciones de calidad de hábitat; son condiciones que se asocian con clases de aguas contaminadas (clase 3). Finalmente, un método de validación para los resultados del PCA basado en Regresiones Múltiples se probó con éxito enfatizando así la fiabilidad científica del estudio.

Multivariate statistics techniques such as k - Nearest Neighbor Method (k - NN) with genetic algorithms (GAs), principal component analysis (PCA) and multiple regressions (MR), were applied in order to evaluate and interpret, from an Ecohydrological viewpoint, a large complex matrix of water quality data collected during five years (2008, 2010-2013) at the Paute river basin (southern part of Ecuador). Thirty four physical, chemical, microbiological, geomorphological and biological (benthic macroinvertebrates) variables at 64 different sites (10234 observations) were assessed. A first approach was carried out to identify which of the six biotic indices obtained through benthic macroinvertebrates is the optimum for a mathematical adjustment in a classification model (k-NN by GAs). As a result, the combination of the Andean Biotic Index scores (ABI; elevation > 2000 meters above the sea level – m.a.s.l) and the Biological Monitoring Working Party calibrated for Colombia (BMWP / Col, elevations < 2000 m.a.s.l) was regarded as being the most appropriate biotic index (biological response variable). A redistribution of the classes of biotic indexes showed that, mathematically, these are optimized when the classification system has three rather than five classes, expressed by percentiles (33,33 % and 66,66 %). PCA was applied at three groups of water quality data defined by percentiles of the most appropriate biotic index (ABI + BMWP / Col). The variables that explain the status of good ecological integrity (class 1) are the presence of riparian vegetation and the high heterogeneity of streambed. Contaminated water was related to levels of fecal coliform, biochemical oxygen demand, ammonium, turbidity, pH and temperature, and was classified (bioassessed) as bad habitat (class 3). Finally, an independent method based on multiple regressions for validation of results of the PCA was successfully tested, emphasising the scientific reliability of the study.