O objetivo deste trabalho foi avaliar a variação espacial e temporal da qualidade da água do rio Potrero de los Funes com base na aplicação de técnicas estatÃsticas multivariadas utilizando-se paramêtros fÃsicos, quÃmicos e bacteriológicos, sem perder informações importantes e obter uma metodologia rápida, fácil e barata para monitorar a qualidade da água em rios afetados por poluição orgânica. O rio foi monitorado mensalmente em locais diferentes (RP1, RP2 e RP3) durante um perÃodo de 2008-2009 com base em 16 parâmetros. O tratamento envolveu três técnicas estatÃsticas multivariadas: a análise de cluster (CA), análise de componentes principais (PCA) e análise discriminante (DA). A CA gerou três grupos: Grupo 1 (RP1), grupo 2 (RP2) e grupo 3 (RP3), que correspondem a um nÃvel de contaminação relativamente baixo, alto e moderado, respectivamente. Por meio do PCA foram obtidos dois componentes que explicam 73% da variância total no conjunto de dados. O tempo na DA (estação chuvosa e estação seca) mostraram que a turbidez, NO3- e CE foram as variáveis discriminantes. O DA espacial mostra que existem diferenças significativas entre as três categorias, 1 (RP1 região de baixa contaminação), 2 (RP2 área altamente contaminada) e 3 (RP3, local de poluição moderada). As funções discriminantes obtidas são compostas de apenas oito parâmetros (CE, NO3-, turbidez, OD, DBO, DQO, coliformes totais e coliformes fecais) entre as regiões. A aplicação dessas técnicas tem permitido uma classificação significativa das diferentes regiões do rio baseada em parâmetros fÃsicos, quÃmicos e bacteriológicos, a partir de critérios de tempo e espaço. Este estudo é essencial para a futura concepção de programas de monitorização rápida e eficaz da qualidade da água do rio. Isso incluiria apenas os parâmetros que são indicativos de poluição orgânica
The aim of this paper was the application of multivariate statistical techniques to evaluate spatial and temporal variations in the water quality of Potrero de los Funes River using physical, chemical and bacteriological parameters and select the most significant parameters of organic pollution in the river in order to implement in the future water quality monitoring. The river was monitored regularly at three sites: RP1, RP2 and RP3, over the period 2008–2009, for 16 parameters. The complex data matrix was treated with three multivariate statistical techniques: cluster analysis (CA), principal component analysis (PCA) and discriminant analysis (DA). CA generated three groups of sites, cluster 1 (RP1), cluster 2 (RP2) and cluster 3 (RP3) according to relatively low, very high and moderate pollution regions, respectively. PCA identified two components, which were responsible for the data structure explaining 73% of the total variance of the data matrix. Temporal DA (Wet season and Dry season) showed that turbidity, NO3- and COD were the discriminant variables. Spatial DA shows that there were significant differences between the three categorical classes, 1 (RP1, low pollution region), 2 (RP2, strongly polluted zone) and 3 (RP3, moderate polluted site) .The discriminating functions contained only eight parameters (EC, NO3-, turbidity, DO, BOD, COD, total coliform and fecal coliform) to discriminate between sites. The application of these techniques has achieved meaningful classification of physical, chemical and bacteriological variables and of river water samples, based on seasonal and spatial criteria. This study is essential for the future design of fast and effective monitoring programs of river water quality. That would include only parameters that are indicative of organic pollution.
