Calidad del agua en el embalse Río Tercero (Argentina) utilizando sistemas de información geográfica y modelos lineales de regresión

Controle da qualidade da água no reservatório de Rio Terceiro (Argentina) usando sistemas de informação geográfica e modelos de regressão linear

Water quality control in Third River Reservoir (Argentina) using geographical information systems and linear regression models

Resúmenes

Tradicionalmente la calidad del agua es monitoreada y evaluada a través de datos recolectados en localidades previamente escogidas. Los depósitos de material en los embalses reducen su capacidad funcional. Los factores que más afectan la calidad son: sedimentos en suspensión en la superficie, clorofila-a y nutrientes. La modelación y el monitoreamiento del estado biogeoquímico dos embalses pueden ser realizados usando datos obtenidos con sensores remotos. Parámetros relacionados con la calidad del agua tales como la concentración de clorofila-a y la profundidad del disco secchi, pueden ser hallados con una alta correlación, a través de las variables espectrales transformadas y derivadas de las bandas 1, 2, 3 y 4 del satélite LANDSAT 5TM. Construimos los modelos de respuestas estimadas en relación a los valores de clorofila-a. Para eso, utilizamos modelos poblacionales de regresión linear simples y múltiples, cuyos parámetros están asociados a los datos de reflectancia de las bandas 2 y 4 de la sub-imagen del satélite, así como a los datos de clorofila-a obtenidos en las 25 estaciones de muestreo. De acuerdo con los análisis físico-químicos realizados, las características del agua en el embalse Rio Tercero, correspondieron a un agua dulce, algo dura y bicarbonatada cálcica. El agua pudo ser clasificada apta para ser utilizada como fuente de una planta potabilizadora, excelente para riego por su baja peligrosidad salina, sódica y bajo contenido de carbonato de sodio residual y no apta para consumo animal por su bajo contenido en sales.

regresión; clorofila-a; parámetros de calidad; SIG

Tradicionalmente a qualidade da água é monitorada e avaliada através de um conjunto de dados coletados em localidades previamente escolhidas. Os depósitos de material em reservatórios reduzem sua capacidade funcional. Os fatores que mais afetam a qualidade são: sedimentos suspenso na superfície, clorofila e nutrientes. A modelagem e o monitoramento do status biogeoquímico dos reservatórios podem ser realizados usando dados obtidos com sensores remotos. Parâmetros relacionados à qualidade da água tais como a concentração de clorofila-a e a profundidade do disco secchi, podem ser achados com uma alta correlação, através das variáveis espectrais transformadas e derivadas das bandas 1, 2, 3 e 4 do satélite LANDSAT 5TM. Construímos os modelos de respostas estimadas em relação aos valores de clorofila-a. Para isso, utilizamos modelos populacionais de regressão linear simples e múltiples, cujos parâmetros estão associados aos dados de refletância das bandas 2 y 4 da sub-imagen do satélite, assim como os dados de clorofila-a obtidos nas 25 estaciones selecionadas.. De acordo com as análises físico-químicas realizadas, as características da água no reservatório do Rio Tercero, correspondem a água doce, algo dura e bicarbonatada cálcica. A água foi classificada apta para ser utilizada como fonte de uma planta de tratamento, excelente para a irrigação pela baixa salinidade, sódica e baixo conteúdo de carbonato de sódio residual e não apta para o consumo animal pelo seu baixo conteúdo de sales.

regressão; clorofila-a; parâmetros de qualidade; SIG

Water quality is traditionally monitored and evaluated based upon field data collected at limited locations. The storage capacity of reservoirs is reduced by deposits of suspended matter. The major factors affecting surface water quality are suspended sediments, chlorophyll and nutrients. Modeling and monitoring the biogeochemical status of reservoirs can be done through data from remote sensors. Since the improvement of sensors' spatial and spectral resolutions, satellites have been used to monitor the interior areas of bodies of water. Water quality parameters, such as chlorophyll-a concentration and secchi disk depth, were found to have a high correlation with transformed spectral variables derived from bands 1, 2, 3 and 4 of LANDSAT 5TM satellite. We created models of estimated responses in regard to values of chlorophyll-a. To do so, we used population models of single and multiple linear regression, whose parameters are associated with the reflectance data of bands 2 and 4 of the sub-image of the satellite, as well as the data of chlorophyll-a obtained in 25 selected stations. According to the physico-chemical analyzes performed, the characteristics of the water in the reservoir of Rio Tercero, correspond to somewhat hard freshwater with calcium bicarbonate. The water was classified as usable as a source of plant treatment, excellent for irrigation because of its low salinity and low residual sodium carbonate content, but unsuitable for animal consumption because of its low salt content.

regression; chlorophyll; quality parameters; GIS

• AMERICAN PUBLIC HEALTHASSOCIATION - APHA; AMERICAN WATER WORKS ASSOCIATION - AWWA; WATER ENVIRONMETAL FEDERATION - WEF. Standard methods for the examination of water and wastewater. 18^th ed. Washington, DC, 2000.
• BAZÁN, R. Evaluación de la calidad del agua, nivel de eutroficación y su consecuencia en el embalse Los Molinos (Córdoba) 2006. Tesis (Magíster) - Universidad Nacional de Córdoba, Córdoba, 2006.
• BONANSEA, M.; LEDESMA, C.; RODRIGUEZ. C.; DELGADO, A. S. R. Concentración de clorofila-a y limite de zona fótica en el embalse Rio Tercero (Argentina) utilizando imágenes del satélite CBERS-2B. Revista Ambiente & Água, v. 7, n. 3, p. 1-11, 2012. http://dx.doi.org/10.4136/ambi-agua.847
• CALCAGNO, A. T. Evaluación de impacto ambiental. Proyecto Programa Nacional de agua potable y alcantarillado cloacal. ALMAFUERTE, Tomo I, p.2-75, 1996.
• GONZALEZ, J.; VALDES, J. B. A regional monthly precipitation simulation model based en an L-moment smoothed statistical regionalization approach. Journal of Hydrology, v. 348, p.27-39, 2008. http://dx.doi.org/10.1016/j.jhydrol.2007.09.059
• GONZÁLEZ, O. S.; ALMEIDA, C. A.; QUINTAR, S.; MALLEA, M. A.; GONZÁLEZ, P. S. Application of multivariate statistical techniques to evaluate organic pollution on a river in Argentina. Revista Ambiente & Água, v.6, n. 3, p. 27-42, 2011. http://dx.doi.org/10.4136/ambi-agua.696
• LEDESMA, C.; BONANSEA, M.; RODRIGUEZ, C.; SANCHEZ DELGADO, A. R. Determinación de indicadores de eutrofización en el embalse Rio Tercero, Córdoba (Argentina). Revista Ciência Agronômica, v. 44, n. 3, p. 419-425, jul./set. 2013. http://dx.doi.org/10.1590/S1806-66902013000300002
• MARIAZZI, A. A.; DONADELLI, J. L.; ARENAS, P.; Di SIERVI, M. A.; BONETTO, C. Impact of a nuclear power plant on water quality of River Tercero reservoir (Córdoba, Argentina). Hydrobiology, 246, p.129-140. 1992. http://dx.doi.org/10.1007/BF00014700
• POLVORINOS, A.; FORTEZA, M.; HERNÁNDEZ,M. J.; ALMARZA, J.; TOJA, J.; ESCOT, C. Remote sensing modeling and monitoring of water quality within the Seville (Spain) area dams. In: ESA CHRIS PROBA WORKSHOP, 3., 21-23 March, 2005, Frascati. Proceedings... Frascati: ESRIN, 2005.
• PROSPERI, C. A cyanophyte capable of fixing nitrogen under high levels of oxygen. Journal of Phycology, v. 30, n. 2, p. 222-224, 1994. http://dx.doi.org/10.1111/j.0022-3646.1994.00222.x
• SPADAVECCHIA, L.; WILLIAMS, M. Can spatial- temporal geostatistical methods improve high resolution regionalisation of meteorological variables? Agricultural and Forest Meteorology, v. 149, p. 1105-1117, 2009. http://dx.doi.org/10.1016/j.agrformet.2009.01.008
• TUNDISI, J. G.; MATSUMURA-TUNDISI, T.; ABE, D. S. Climate monitoring beforing and during limnological studies: a needed integration. Brazilian Journal of Biology, v. 67, n. 4, p.795-796, 2007. http://dx.doi.org/10.1590/S1519-69842007000400034

Fechas de Publicación

• Publicación en esta colección
  08 Oct 2013
• Fecha del número
  Ago 2013