Herramientas para el monitoreo y sistema de alerta de floraciones de cianobacterias nocivas: Río Uruguay y Río de la Plata

Abstract

Las floraciones de cianobacterias potencialmente tóxicas son uno de los problemas más difundidos en los sistemas acuáticos a nivel global. Sin embargo, es necesario desarrollar programas de monitoreo sensibles y directamente aplicables a la predicción de las floraciones y su gestión. Con este objetivo se combinaron conceptos ecológicos y genéticos para generar herramientas para el monitoreo de cianobacterias. Se utilizaron dos aproximaciones: agrupación de organismos en grupos funcionales basados en morfología y análisis moleculares (PCR cuantitativo en tiempo real) que indican presencia de genes que codifican para la expresión de cianotoxinas (mcy). Para evaluar las herramientas se realizaron seis campañas de muestreo bimensuales (2013-2014) en seis estaciones con dos sitios en cada una, a lo largo del Río Uruguay y del Estuario Río de la Plata, desde Salto Grande hasta Punta del Este. Se observó un gradiente marcado en las variables meteorológicas, físico-químicas, y mayores abundancias de organismos planctónicos en Salto Grande y Punta del Este. Se encontró la presencia en todo el gradiente de poblaciones tóxicas, con mayor abundancia en Salto, particularmente del complejo Microcystis aeruginosa (CMA). Las variables ambientales más importantes en determinar el gradiente ambiental y las variaciones en las variables biológicas fueron la salinidad, la temperatura, el viento y la turbidez. Los resultados de los nuevos indicadores (presencia en red del CMA y genes mcy) estuvieron correlacionados con los tradicionales (ej. clorofila-a) en los casos de floraciones más severas, y fueron sustantivamente más sensibles que los tradicionales en situaciones de bajas abundancias. La conjunción de los resultados se aplicó a la construcción de un protocolo de monitoreo y un sistema de alerta. Palabras clave: Floraciones, grupos funcionales, genotipos tóxicos, gradiente ambiental, protocolo de monitoreo, sistema de alerta.

Rise of toxic cyanobacterial blooms is promoted by agricultural intensification in the basin of a large subtropical river of South America

“…These data sources included cyanobacterial cell abundance, cyanobacterial species, and fecal coliform abundance (as fecal indicator bacteria, FIB) in 16 sites from Bella Union (Artigas) to the SG reservoir main channel next to the dam. Total phosphorus concentration in water (mg L −1 ) was retrieved for the same sites for the period 2008–2019, including information from CTM ( N = 245), CARU ( N = 25) and our own monitoring program (Kruk et al, 2015; N = 72).…”

Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático

“…Una introducción conceptual y formal a estos modelos se puede encontrar en Bourel y Segura, 2018. Las variantes de RF han sido desarrolladas por su creador (Breiman, 2001), y programadas y utilizadas en numerosas aplicaciones en ecología y calidad de agua (Cutler, et al, 2007;Kruk, et al, 2015;Segura, et al, 2017). Todos los modelos y análisis fueron ejecutados en el software estadístico de libre acceso R (R Core Team, 2020).…”

“…Las redes neurales, los bosques aleatorios (random forest; Breiman, 2001) y las máquinas de vectores soporte (Vapnik, 1998) han sido ampliamente utilizados en problemas de predicción de calidad de agua (He y He, 2008;Park, et al, 2018;Parkhurst, et al, 2005;Zhang, et al, 2015). Estos métodos han sido aplicados con éxito para predecir floraciones de cianobacterias tóxicas en Uruguay (Crisci, et al, 2017;Kruk, et al, 2017Kruk, et al, , 2015Martínez de la Escalera, et al, 2017;Segura, et al, 2017) y floraciones marinas (Bourel, et al, 2017), pero no en predicción de coliformes fecales en playas recreativas. Además, el fuerte desbalance (90/10) en la relación entre casos negativos (que no exceden el límite de contaminación establecido en la normativa) y positivos (que exceden la normativa) requiere el uso de nuevas técnicas con las que entrenar los algoritmos.…”