INTRODUCCIÓN
Durante el proceso de monitoreo y evaluación de la calidad del agua en diversas cuencas es frecuente contar con un gran número de muestras provenientes de múltiples estaciones de muestreo. El análisis de dichas muestras produce un importante caudal de datos, tanto mayor cuanto más cantidad de parámetros se analizan en cada muestra. A partir de esta masa de datos surgen dos problemas a resolver: El primero tiene relación sobre el método de análisis de datos a usar para evaluar los cambios en la calidad del agua. El segundo problema consiste en determinar si esos cambios se deben a factores estacionales o a la acción del hombre, y en este último caso también determinar que tipo de acción y en que lugar se producen los cambios (variaciones temporales y espaciales).
Los métodos de análisis para evaluar cambios en la calidad del agua van desde el simple estudio de la variación de un parámetro considerado crítico (oxígeno disuelto por ejemplo), hasta la realización de modelados matemáticos que permiten predecir los cambios dentro de una dada cuenca. Nuestra experiencia nos mostró que es posible construir Índices de Calidad de Agua (ICA) usando un algoritmo matemático simple. Dichos índices usan los parámetros físicos, químicos y biológicos obtenidos durante el monitoreo de la cuenca y los integran en un valor que representa la calidad del agua y, por ende, permite analizar sus variaciones temporales y espaciales. La cantidad de parámetros a usar dentro de un ICA puede variar desde unos pocos (tres parámetros en nuestro caso) hasta abarcar la totalidad de los parámetros evaluados durante el muestreo. Siempre que los parámetros hayan sido bien escogidos y justipreciados, los ICA dan buena información sobre las variaciones en la calidad del agua a un costo operativo relativamente bajo[1].
Dado que los ICA resumen múltiples parámetros en un valor final único, es difícil predecir por este método que parámetros están produciendo los cambios en la calidad del agua. Los ICA tampoco permiten evaluar que parámetros cambian por acción natural (factores naturales) y cuales por la acción del hombre (factores antrópicos). Una forma de resolver estos inconvenientes es recurrir al uso de técnicas estadísticas multivariadas, también conocidas como técnicas de reconocimiento de patrones y, más recientemente, englobadas bajo el nombre genérico de quimiometría (chemometrics)[2].
OBJETIVOS
En esta presentación se discuten comparativamente el uso de ICA y de tres métodos quimiométricos usuales, aplicados al estudio de las variaciones temporales y espaciales en la cuenca del Río Suquía (Córdoba ? Argentina). Los métodos usados incluyen análisis de cluster (CA), componentes principales (PC) y análisis discriminante (DA).
RESULTADOS
El uso de ICA permitió evaluar los cambios en la calidad de agua producidos en el Río Suquía a su paso por la Ciudad de Córdoba. Se elaboraron tres ICA que marcan la misma tendencia de deterioro en la calidad del agua señalando los puntos donde este deterioro es crítico y las diferencias entre épocas secas y húmedas [1].
En relación al uso de métodos quimiométricos se observó que CA brinda información preliminar (exploratoria) sobre las diferencias en la calidad del agua, sin mostrar detalles de tales diferencias. No obstante, CA permite tener una primera aproximación sobre si hay o no grupos de muestras asociados por características comunes.
PC permite agrupar los diversos parámetros estudiados en grupos que tienen características comunes y evaluar la incidencia de cada grupo sobre la calidad global del agua. En nuestro trabajo nos resultó difícil distinguir entre variaciones temporales y espaciales o naturales y antrópicas a partir del análisis por PC.
Nuestra experiencia nos mostró que el análisis discriminante (DA) es el que brinda los mejores resultados, ya que permite reducir la cantidad de datos necesarios para obtener un buen diagnóstico y evaluación de los cambios en la calidad del agua. DA también permite identificar patrones de comportamiento asociados con cambios temporales y otros asociados con cambios espaciales como contaminación por escorrentía urbana (urban run-off), contaminación fecal, etc. DA no solamente permite identificar patrones sino que también permite verificar que grado de similitud o diferencia hay entre muestras de distintos sitios de la cuenca, o entre dos tributarios de un río principal y, lo que es más importante, señala cuales son los parámetros principales que marcan estas diferencias [2].
CONCLUSION
El uso de ICA es una alternativa económica y razonablemente eficiente para evaluar cambios en la calidad del agua por acción de múltiples parámetros que interactuán entre sí. ICA presenta restricciones para identificar que parámetros son los responsables en los cambios de la calidad, dado que brinda un panorama general de los cambios debido a la interacción de los múltiples parámetros que intervienen en su cálculo.
Las técnicas de reconocimiento de patrones (CA, PC y DA) pueden ser evaluadas usando múltiples programas de computación comercialmente disponibles. En general estos programas no requieren de un conocimiento demasiado extensivo de estadística para su uso, con lo cual estos métodos quimiométricos se transforman en una herramienta simple, efectiva y de relativamente bajo costo aplicable al manejo de recursos hídricos y a la toma de decisiones. De todos los métodos utilizados, el análisis discriminante (DA) fue el que mejores resultados dio a la hora de evaluar los cambios temporales y espaciales, permitiendo identificar las variables asociadas con distintos tipos de contaminación, cuantificar la magnitud de esos cambios y señalar los sitios donde se producen los mismos.
