CALIDAD DE AGUA EN LA CUENCA DEL RÍO SANTA LUCÍA (URUGUAY) UTILIZANDO PECES

COMO INDICADORES: RELACIÓN CON EL USO DEL SUELO.

Lucía Delbene

Tutor: Rafael Arocena

Profundización Ecología

2010

Facultad de Ciencias, Universidad de la República.

1
 AGRADECIMIENTOS

En primer lugar quiero agradecer a mi tutor, Rafael Arocena. Que, al guiarme en la última etapa
de mi primer paso en la vida de bióloga siempre lo hizo de manera rápida, eficiente y simpática. A Juan
Pablo Pacheco y Lorena García que me enseñaron y ayudaron con paciencia a “arrancarle”, no sin
esfuerzo, los datos al ArcView. A Guillermo Chalar por responder a mis preguntas. Nuevamente a mi
tutor y a Federico Quintans quienes realizaron los muestreos. A Iván Gonzales quién clasificó y procesó
los peces. A mis compañeros de Ecología Fluvial (Analía Marrero, Miriam Gerhard y Daniel Pereda) que
hicieron divertido y muy ameno recorrer el camino que permitió, en un momento de la carrera donde
uno tiene mucha teoría y poca práctica, sentar las bases de los muchos y múltiples conocimientos
necesarios para llevar a cabo este trabajo.

A mis amigos y familia que me alentaron y toleraron los malhumores y momentos de agobio por
los que uno pasa para llegar a este momento tan esperado: Mamá, Ceci, Caro, Álvaro, Ale y Jorge.

¡Gracias!

2
CONTENIDO

Resumen 4

Introducción 5

Objetivo 7

Hipótesis de trabajo 7

Predicciones 7

Materiales y métodos 9

Área de estudio 9

Muestreo 10

Parámetros morfométricos y uso del suelo 11

Análisis de datos 11

Resultados 13

Variables ambientales 13

Variables biológicas 18

Discusión 27

Zonas bajas y el cultivo 27

Zonas altas, la ganadería y otras coberturas del suelo 29

Conclusión 32

Perspectivas 32

Bibliografía 33

Apéndice 1 37

Apéndice 2 39

Apéndice 3 40

3
RESUMEN

Las actividades humanas alteran los ecosistemas biológicos. Dentro de éstos, los ecosistemas
fluviales se encuentran entre los más afectados siendo la agricultura la que produce el mayor y más
extendido impacto. Las variables ambientales y los cambios de uso de suelo tienen efectos en las
variables ecológicas y en las comunidades biológicas. La degradación continua de los ecosistemas
fluviales evidencia la necesidad y la importancia de su monitoreo. El monitoreo biológico o
biomonitoreo tiene la ventaja de integrar el tiempo y el espacio así como los múltiples factores
ambientales en pocas o una única variable facilitando el trabajo. La utilización de la comunidad de
peces como indicadores de integridad biológica fue propuesta por Karr en 1981. Desde entonces ha sido
frecuentemente utilizada en el mundo. Sin embargo, en Uruguay, los ejemplos son escasos. El objetivo
del presente trabajo fue establecer la calidad de agua en cursos de la cuenca del río Santa Lucía
utilizando los peces como bioindicadores y relacionarla con los usos del suelo. Debido a que en nuestro
país la utilización de los peces como bioindicadores es escasa, este trabajo colaborará a abonar los
conocimientos en esta metodología.

Se escogieron 14 subcuencas agrupadas, según su similitud ambiental, en cuatro grupos. Dentro

de cada una se eligió un arroyo de orden 3 o 4. En cada estación se midieron los parámetros clásicos in
situ y se tomaron muestras de agua para los análisis de laboratorio. Los peces fueron colectados
mediante pesca eléctrica y clasificados hasta especie. La comunidad de peces fue analizada utilizando
los atributos clásicos y se agregó la clasificación de peces propuesta por Teixeira de Mello (2007) donde
se le asigna a las diferentes especies una categoría de tolerancia a la calidad del agua, analizada ésta
respecto al uso del suelo. Las categorías son tres: Gran tolerancia, Tolerantes y Sensibles o intolerantes.
Para determinar la composición relativa de los usos de suelo de la cuenca se utilizó un sistema de
información geográfica (SIG). Se realizaron análisis de correlación, clasificación y de componentes
principales (ACP) para determinar las relaciones entre las variables biológicas y ambientales.

Mediante el estudio realizado fue posible detectar efectos del uso de la tierra en la calidad del
agua de los arroyos y en la comunidad de peces que los habita. El relieve y el suelo, al condicionar el uso
predominante de la tierra de una región, terminan trazando un patrón general de calidad de agua donde
los arroyos de las zonas más bajas son los que presentan peores condiciones y lo de las más altas
mejores. Las microcuencas del primer grupo se caracterizaron por poseer mayores superficies
cultivadas, mayor carga de nutrientes, conductividad y sólidos en suspensión en sus cursos de agua. En
estas cuencas, la comunidad de peces fue más jerárquica, con mayor abundancia, biomasa total y
proporción de peces de Gran tolerancia. Por otro lado, las microcuencas más altas se caracterizaron por
poseer un estado de mayor conservación, producto de usos del suelo menos destructivos (ganadería
extensiva). En consecuencia, es menor la erosión del suelo y la vegetación utiliza la mayor parte de los
nutrientes no produciéndose un exceso de los mismos en los cursos de agua. En estas zonas, la
comunidad de peces es más equitativa existiendo una mayor proporción de especies Sensibles o
intolerantes.

4
INTRODUCCIÓN

Muchas de las actividades humanas alteran los ecosistemas biológicos. Dentro de éstos,
los ecosistemas fluviales se encuentran entre los más afectados. Los disturbios que ocasiona el hombre
afectan los ríos y arroyos a través de múltiples procesos actuando a múltiples escalas espaciales: a nivel
global (cambios globales), a nivel de cuencas y su sistema fluvial, en segmentos del río (nacientes zonas
medias y bajas) y microambientes (rivera, lecho, rápidos y pozones) (Allan et al., 1997). En consecuencia
se altera la composición de especies, la red trófica y el ciclo de nutrientes (Johnson & Gage, 1997).

La hidrología, química y biología de los sistemas fluviales dependen en gran medida del clima, la
topografía, geología, tipo de suelo, vegetación (Likens & Bormann, 1974; Allan & Johnson, 1997) y las
actividades humanas que se realizan en la cuenca de drenaje (Karr & Schlosser, 1978;). Por lo tanto, la
integración de los procesos físicos y biológicos ocurridos en la cuenca definirán las características de sus
cursos de agua (Johnson & Gage, 1997) y por esta razón, la ecología fluvial considera a la cuenca
hidrográfica como su unidad de estudio (Allan et al., 1997).

En general, en un sistema inalterado con su vegetación natural la erosión suele ser mínima y
sólo una pequeña parte de los nutrientes existentes en el suelo alcanzan los ríos donde son velozmente
captados por la biota. Esto sucede debido a que un suelo en buen estado es capaz de absorber
rápidamente el agua de lluvia y a que la vegetación natural constituye una barrera física que impide su
rápido desplazamiento disminuyendo el proceso erosivo (Hudson 1981; Barreto, 2008).

El cambio del uso de la tierra (agricultura, forestación, urbanización, tala del monte nativo, etc.)
es uno de los principales cambios globales que afectan a los sistemas lóticos. Los suelos alterados por
diferentes motivos tienden a perder su estructura natural y a compactarse reduciendo su capacidad de
absorción. Esto, sumado a la pérdida de la vegetación natural provoca un aumento de la erosión
derivando en un aumento en la carga de sedimentos y de nutrientes en el sistema fluvial. Las
consecuencias pueden ser varias: ecosistemas más inestables, desequilibrios en la red trófica (Karr &
Schlosser, 1978), así como, detrimento de la calidad de agua (Freeman et al., 2007; Pinto et al., 2006).

La tala del monte ripario y el crecimiento agrícola y forestal suelen ser los más comunes (Allan,
1995). Estos cambios provocan la fragmentación de los habitas acuáticos (Allan, 1995) y alteran el
régimen temporal y las características de los aportes de agua, luz, materia orgánica y otros materiales
con consecuencias profundas en los ecosistemas fluviales (Strayer et al., 2003). Por lo tanto la integridad
y estabilidad de los hábitats acuáticos (hidrología, cobertura vegetal y el vínculo tierra-agua) se ven
afectadas con consecuencias directas sobre la fauna que allí habita (Allan, 1995; Teixeira de Mello,
2007).

Se considera que la agricultura como fuente difusa de nutrientes es la principal causa de

eutrofización de aguas superficiales (Chambers et al., 2006; Freeman et al., 2007) cuyos aportes de
nutrientes a los ríos depende de las variaciones estacionales de precipitación (Ahearn et al., 2005).
Diversos estudios han encontrado que la agricultura está fuertemente correlacionada con el aumento
de los sedimentos y nutrientes en el curso de agua (Karr & Schlosser, 1978; Allan et al., 1997; Strayer et
al., 2003; Ahearn et al., 2005; Chambers et al., 2006; Freeman et al., 2007). Esto se atribuye al aumento
de la erosión, la aplicación de fertilizantes y a la práctica común de remover la vegetación natural para
obtener más superficie cultivable (Karr & Schlosser, 1978; Freeman et al., 2007).

5
 Se ha observado que grandes superficies de tierras cultivadas en la cuenca producen una
disminución en la riqueza de peces (Strayer et al., 2003; Stainbrook et al., 2006) y afectan la
composición de especies y su distribución. El aumento de la carga de nutrientes puede causar un
crecimiento excesivo de los productores primarios. En un momento dichos incrementos de nutrientes
pueden ser favorables para la fauna acuática por un efecto conocido como disturbio intermedio
(Townsend et al. 1997; Molino & Sabatier, 2001), el aumento excesivo de la producción puede causar
períodos de anoxia durante la noche pudiendo producir efectos deletéreos en la abundancia, riqueza y
diversidad de los peces (Karr & Schlosser, 1978). Además, el aumento de sólidos en suspensión afecta a
los peces adultos a nivel de los filamentos branquiales dificultando el intercambio gaseoso y su
reproducción al adherirse a la cubierta de los huevos causando su inviabilidad (Karr & Schlosser, 1978;
Strayer et al., 2003; Pinto et al., 2006).

En comparación con un sistema inalterado, la ganadería tiende a incrementar la pérdida de

nutrientes hacia los cursos de agua (Barreto, 2008). La presencia de animales generalmente cambia los
aportes de nutrientes fundamentalmente por causa de las deyecciones (Barreto, 2008). Por otro lado,
en los proceso de obtención de leche se producen dos tipos de efluentes. Uno que contiene agua,
detergentes y desinfectantes y otro integrado por agua, heces, orina y restos de alimentos. Varios
factores pueden influir en el contenido de nutrientes de ambos efluentes (Charlón & Taverna, sin fecha)
sin embargo, ambos constituyen una fuente de contaminación si no se los trata debidamente (Charlón
et al., 2006 ).

La sustitución de pradera destinada a ganado por forestación puede aumentar la concentración

de nutrientes del agua de escorrentía y en consecuencia tener efectos en los cursos de agua. Este
aumento puede deberse a un aumento de la mineralización de nutrientes del suelo, y a un mayor
contacto suelo-agua favorecido durante la instalación de los árboles (Barreto, 2008). Sin embargo, otros
estudios no encontraron este efecto (Barreto, 2008) o justamente el contrario donde el aumento de la
superficie forestada trae consigo la disminución de la carga de sedimentos así como de la carga de
nutrientes (nitrógeno y fósforo) que se asocia a ellos (Allan et al., 1997). Por otra parte, después de una
cosecha de madera aumenta la carga de sedimentos en el agua, sobre todo, si se remueven las raíces de
los árboles. Los aportes de materia orgánica al río también se modifican, cuanti y cualitativamente,
afectando a las comunidades acuáticas que utilizan ese recurso (Martel et al., 2007).

La tala del monte ripario en las nacientes modifica el flujo de materia orgánica al disminuir los
aportes alóctonos. En las cabeceras de los arroyos que naturalmente poseen monte, estos aportes
constituyen la principal fuente de alimento para los macroinvertebrados acuáticos. Éstos, al ser
exportados por la corriente junto a la materia orgánica alóctona, son un subsidio para las comunidades
que habitan aguas abajo. Además, el monte ribereño cumple un rol fundamental controlando el flujo de
sedimentos y nutrientes durante las lluvias, dándole estabilidad a la rivera y proporcionando
microhábitats heterogéneos para la biota (Karr & Schlosser, 1978). A su vez, la disminución de la
cobertura vegetal aumenta la incidencia de luz sobre el curso de agua haciendo que la temperatura
aumente y varíe más a lo largo del día.

De esta manera, el monte ripario cumple un rol fundamental en la ecología y productividad del
sistema dirigiendo la estructura y energética de la red alimenticia y por tanto es un símbolo de calidad
ambiental (Karr & Schlosser, 1978; Couceiro et al., 2007; Wipfli et al., 2007).

6
 Todos estos disturbios (agricultura, ganadería, forestación y tala del monte ripario) de forma
directa o indirecta provocan cambios en las comunidades ictícolas, lo que conduce a la migración o
extinción de las especies incapaces de tolerarlos y un aumento en la abundancia de aquellas que si lo
hacen. Esto se traduce en una disminución de la riqueza de especies esperada o en un recambio de las
especies sensibles por otras más tolerantes (Teixeira de Mello, 2007). La abundancia total puede
enmascarar estos cambios debido a que la disminución provocada por la pérdida de las especies
sensibles puede compensarse por un aumento de la abundancia de los tolerantes (Teixeira de Mello,
2007). Las especies que se favorecen ante estas perturbaciones suelen ser de pequeño tamaño,
omnívoras y en consecuencia el peso promedio por individuo, a nivel comunitario, suele disminuir
(Teixeira de Mello, 2007).

La degradación continua de los ecosistemas fluviales evidencia la necesidad y la importancia de

su monitoreo. Hay tres tipos de monitoreo, el clásico o físico-químico, el biológico o biomonitoreo y la
combinación de ambos. Para un correcto monitoreo de las aguas superficiales debe tenerse en cuenta
los dos métodos permitiendo la integración de los aspectos bióticos y abióticos. Los métodos
fisicoquímicos son más exactos y específicos que los puramente biológicos pero solo reflejan un instante
en el tiempo y un punto en el espacio. El biomonitoreo tiene la ventaja de integrar el tiempo y el espacio
así como los múltiples factores ambientales en pocas o una única variable (Fortino et al., 2004)
facilitando la colecta, el análisis y la interpretación de los resultados (Stainbrook et al., 2006).

El “monitoreo biológico puede ser definido como el uso sistemático de respuestas biológicas
para evaluar cambios en el ambiente con la intención de usar esta información en programas de control
de calidad. Estos cambios a menudo son de origen antropogénico…”. (Mathews, 1982 citado en
Rosenberg & Resh, 1993). Este tipo de monitoreo es frecuentemente utilizado desde mediados del siglo
pasado y el número de países que lo utilizan va en aumento (Hawkes, 1979; Giller & Malmqvist, 1998;
Stainbrook et al., 2006). La utilización de la comunidad de peces como indicadores de integridad
biológica fue propuesta por Karr (1981). Desde entonces ha sido frecuentemente utilizada en el mundo
sin embargo en Uruguay los ejemplos son escasos (Teixeira de Mello, 2007).

El objetivo del presente trabajo es establecer la calidad de agua en cursos de la cuenca del río
Santa Lucía utilizando los peces como bioindicadores. También se relacionará la calidad del agua con los
diferentes usos de la tierra. Debido a que en nuestro país la utilización de los peces como bioindicadores
es escasa, el presente trabajo colaborará a abonar los conocimientos en esta metodología de trabajo.

Hipótesis de trabajo: el uso de la tierra tiene impacto sobre la calidad del agua de los diferentes
cursos de agua de la cuenca y esta afectará la estructura de la comunidad de peces.

Predicciones:

1. Mayor carga de nutrientes y de sedimentos en el agua en las cuencas con predominio

agrícola.

2. Menor riqueza, diversidad y relación riqueza/abundancia de especies en las cuencas con

mayor concentración de nutrientes.

3. Comunidades más jerárquicas (menor equitatividad) en las cuencas con mayor

concentración de nutrientes.
7
4. Mayor biomasa y abundancia total en las cuencas con mayor concentración de nutrientes.

5. Menor peso promedio por individuo en las cuencas con mayor concentración de
nutrientes debido a un aumento de la abundancia mayor al de la biomasa.

6. Mayor proporción de peces de especies tolerantes en las cuencas con mayor

concentración de nutrientes.

7. Mayor riqueza, diversidad y equitatividad en las cuencas con mayor cobertura de monte
nativo.

8
MATERIALES Y MÉTODOS

Área de estudio

La cuenca del río Santa Lucía se encuentra al sur del país y ocupa una superficie de 13310 km2
abarcando parte de los departamentos de Montevideo, Canelones, San José, Flores, Florida y Lavalleja.
Si bien en ella habita un 9% de la población del país, la cuenca abastece de agua para consumo a un 60%
de ésta y es usada para riego en los departamentos antes nombrados, lo que la convierte en una cuenca
de capital importancia (Teixeira de Mello, 2007).

En la mayor parte de la cuenca el relieve no supera los 100m de altitud. Al norte la cuenca se
extiende sobre una Penillanura Cristalina y en el este sobre las Sierras del Este. Las nacientes en la
primera área se encuentran entre los 100 y 200m.s.n.m. mientras que en la segunda lo hacen entre los
200 y 300m.s.n.m. Al sur y al oeste, la cuenca se ubica sobre la Planicie Platense de acumulación
sedimentaria (MGAP, 1976; Arocena et al., 2008).

La cuenca en su mayor parte se haya cubierta por brunosoles (suelos con alto contenido de
materia orgánica y texturas medias). Estos se ubican en las sierras del este, en la Penillanura cristalina al
norte y en la formación Libertad al suroeste (MGAP, 1976).

Los principales usos del suelo de la cuenca son: urbano, lechero (Santa Lucía Chico inferior y San
José inferior), forestal (curso inferior del San José y del bajo Santa Lucia ), cultivos de cereales (Cuencas
de arroyo Chamizo y del Tala superior en San José y Canelones respectivamente), frutas y hortalizas
(periferia de Montevideo y suroeste de Canelones) y ganadero, con campo mejorado o natural (en las
zonas ya mencionadas con porcentajes menores al 50% y en el resto de la cuenca entre 50 y 95 % de la
superficie) (Arocena et al., 2008).

Figura 1. Estaciones de muestreo y sus cuencas respectivas dentro de la cuenca del Santa Lucía.

9
 Muestreo

El presente trabajo se realiza a partir de una base de datos tomada de la sección Limnología de
la Facultad de Ciencias.

Se escogieron 14 subcuencas agrupadas según su similitud ambiental (pertenencia a la misma

unidad ecosistémica y mismo uso de suelo) en cuatro grupos (Minas, Alto Santa Lucía Chico, Bajo Santa
Lucía Chico y Medio Santa Lucía Izquierdo) (tabla 1, figura 1). En cada grupo se identificaron de 3 a 4
arroyos (de orden 3 o 4) de fácil accesibilidad (carta 1:50,000 del SGM).

Tabla 1. Estaciones de muestreo seleccionadas por subcuenca (proyección Gauss datum yacaré) y orden de los cursos de agua (R). Modificado de
Arocena et al. (2008).

EST ARROYO coord. X coord. Y R EST ARROYO coord. X coord. Y R

MINAS ( Uso Ganadero, Sierras, Lavalleja) BAJO STA. LUCIA CHICO ( Uso Lechero, Penillanura Florida)
P1 S Francisco 554550 6192400 4 Q1 La Pedrera 454900 6217100 3

P2 af Campaner Ch 558050 6194400 3 Q3 Sauce de Berdías 450700 6220350 3

P3 Perdido Ch 557000 6205900 4 Q5 Cª dl Piedras 450700 6208200 4

P4 Perdido 557200 6206900 4 MEDIO STA. LUCIA IZQUIERDO ( Uso agrícola, Planicie costera, Canelones)
ALTO STA. LUCIA CHICO ( Uso Ganadero, Penillanura, Florida) A2 CªBcasColoradas 459386 6182239 3
O1 S Gerónimo 473800 6244700 4 A3 Cª Martínez 490872 6194766 3
O2 Sarandí Chico 477050 6247100 3 A4 Pedernal Chico 505961 6196220 3
O3 Talita 495450 6258700 4
O4 af Tornero Chico 494800 6252600 3

Cada estación de muestreo consistió en un tramo de arroyo de 50m de largo el cual se dividió en
tres sectores: aguas abajo, medio y arriba. En cada uno se midió: temperatura, pH, conductividad y
oxigeno disuelto del agua utilizando sensores Horiba. Se tomaron muestras de agua integrando los tres
sectores para determinar su contenido de sólidos totales en suspensión, materia orgánica suspendida,
nitrato, amonio, nitrógeno total, fósforo reactivo soluble, fósforo total y alcalinidad en el laboratorio
(metodología estándar: APHA, 1995 y Arocena & Conde, 1999). Estas medidas fueron realizadas en
cuatro ocasiones (en diciembre del 2006 y marzo, julio y noviembre del 2007) en el marco del proyecto
“Evaluación ecológica de cursos de agua y biomonitoreo”; (Arocena et al., 2008). Los valores utilizados
son la media de los cuatro muestreos. Se tomaron muestras de peces en octubre del 2007.

Los peces fueron muestreados mediante pesca eléctrica (equipo Sachs Elektrofischfanggerate/
400V) ya que es una técnica bastante eficiente para pequeños arroyos (Garner, 1996). A efectos de
cubrir la heterogeneidad de hábitats, se muestreó en 10 puntos abarcando los distintos microambientes
presentes a lo largo de cada tramo (cauce y orillas, zonas de aguas rápidas y de aguas lentas, áreas con
vegetación y sin ella). En cada uno de estos 10 puntos se aplicaron 3 pulsos de corriente durante 5
segundos a modo de réplicas, finalizando con 3 replicas en cada sitio compuesta por 10 pulsos eléctricos
provenientes de diferentes microambientes. Los peces colectados fueron sacrificados con una solución
de anestesia. Los peces se conservaron con solución de formol al 10% para ser posteriormente
identificados, medidos y pesados.

10
Parámetros morfométricos y uso del suelo

Se determinó la pendiente del canal entre los extremos del tramo de muestreo utilizando una
escala y un teodolito.

Para determinar la composición relativa de los usos de suelo de la cuenca se utilizó un sistema
de información geográfica (SIG) creado por Bartesaghi & Achkar (2008). Con el mismo se calculó el área
total de cada microcuenca y el porcentaje ocupado en cada una por los diferentes usos de suelo: cultivo,
forestación, pradera, matorral y bosque.

Análisis de datos

La comunidad de peces fue analizada a partir de las siguientes características: abundancia total y
relativa, biomasa total, riqueza, índices de diversidad y equitatividad de Shannon-Weaver y de Simpson
(Begon et al., 1999) y las relaciones: riqueza/abundancia y biomasa/abundancia. Salvo la riqueza, la
diversidad y la equitatividad, cada uno de los atributos se calculó para cada estación como un promedio
a partir de las tres réplicas. Los índices mencionados fueron calculados a partir de la totalidad de
individuos por estación tomando las tres réplicas como una sola muestra. Por otra parte se utilizó la
clasificación de peces propuesta por Teixeira de Mello (2007) donde se le asigna a las diferentes
especies una categoría de tolerancia a la calidad del agua, analizada ésta respecto al uso del suelo. Las
categorías son tres: Gran tolerancia, Tolerantes, Sensibles o intolerantes (tabla 2). Para cada estación se
calculó la abundancia relativa de cada categoría.

Tabla 2. Grado de tolerancia de las especies encontradas según Teixeira (2007).

Orden Sensibles o intolerantes Tolerantes Gran tolerancia

Bryconamericus iheringhi Characidium rachovii
Hyphessobrycon meridionalis Hoplias malabaricus
Characiformes
Cheirodon interruptus
Pseudocorynopoma doriae
Heptapterus mustelinus Corydoras paleatus
Siluriformes Pimelodella australis Otocinclus flexilis
Rhineloricaria sp.
Persiformes Australoheros fascetus
Cyprinodontiformes Jenynsia multidentata Cnesterodon decemmaculatus
Synbranchiformes Synbranchus marmoratus

Los análisis estadísticos fueron realizados en el software Statistica 6.1. A todas las variables,
fisicoquímicas y de usos de suelo les fue aplicado el test de Shapiro-Wilk para analizar su normalidad
(p>0,05). Aquellas que primariamente no presentaban una distribución normal fueron transformadas
(Martel et al., 2007; Mendiguchía et al., 2007).

Para analizar el grado de asociación entre cada par de variables ambientales se realizaron dos
matrices de correlaciones (González, 1991). Una matriz de correlaciones paramétrica de Pearson´s
(p<0,05) a partir de las variables normalizadas y una no paramétrica de Spearman (p<0,05) donde se

11
incluyen las variables que no presentaron una distribución normal (Couceiro et al., 2007). Siguiendo el
mismo proceso se realizaron dos matrices de correlación (paramétrica y no paramétrica) utilizando
tanto las variables ambientales como los atributos de la comunidad íctica (Pavé & Marchese, 2005).

Aquellas variables fuertemente correlacionadas fueron eliminadas, reteniendo sólo aquellas más
convenientes (por su relevancia ecológica y/o que fueran relevantes respecto al objetivo del trabajo)
para los análisis de componentes principales (ACP) (Bistoni et al., 1999; Pavé & Marchese, 2005;
Mendiguchía et al., 2007). El ACP nos permite obtener índices (factores) que resumen un fenómeno que
se ha medido a través de múltiples atributos. En este caso, las repercusiones que tienen las distintas
formas en la que se utiliza el suelo en la carga de nutrientes del agua y en los atributos de la comunidad.
Esto se debe a que cada factor obtenido, va a estar más correlacionado con una o algunas variables que
con las demás de manera que se le puede atribuir un significado a cada uno si conocemos estas
relaciones. Este método, además, nos permite visualizar gráficamente grupos de estaciones en cuanto a
su parecido en las variables analizadas.

Como las variables no están medidas todas en las mismas unidades, previo al análisis, fueron
estandarizadas. Esto evita que la importancia de cada variable quede determinada por la unidad de
medida utilizada. El número de factores utilizados fue elegido a partir de los valores propios de cada
factor. El criterio de elección fue utilizar aquellos factores que cayeran en la curva antes de que esta se
empiece a hacer asintótica (González, 1991). Se realizaron dos ACP, uno utilizando las variables
ambientales (conductividad, nitrógeno total, fósforo total y los porcentajes de superficie de los distintos
usos de suelo: cultivo, forestación, matorral, pradera y bosque) y otro con las biológicas (abundancia
total, biomasa total, riqueza de especies, índice de diversidad y de equitatividad de Simpson, índice de
equitatividad de Shannon-Weaver y la abundancia relativa de peces de Gran tolerancia).

Se realizaron dos análisis de clasificación a partir de las variables utilizadas en cada ACP. Esto fue
realizado con el objetivo de ver cómo se agrupaban las estaciones respecto a los datos biológicos y
comparar estos grupos con los obtenidos a partir de los parámetros ambientales. El método de
clasificación permite agrupar las estaciones en grupos homogéneos respecto a estas variables. Él análisis
fue realizado con ambos grupos de variables con dos métodos y distancias diferentes (método enlace
simple/distancia euclideana y método Ward´s/distancia euclideana al cuadrado) con el objetivo de dar
robustez a los resultados. Los dendrogramas que se muestran más adelante son los realizados con el
método de Ward´s (Mendiguchía et al., 2007). Este método tiene la ventaja de que utiliza más
información sobre el contenido de los grupos que los otros utilizados (González, 1991). Como forma de
verificación y de discriminar más claramente los grupos de estaciones que se formaron a partir de los
ACP, se realizó además, un dendrograma a partir de los factores obtenidos en cada uno (González,
1991). Esto también fue realizado con los dos métodos nombrados y los dendrogramas que se muestran
son con el de Ward´s.

12
RESULTADOS

Variables ambientales

La superficie de las microcuencas fue muy variable. La de menor tamaño tiene una extensión de
5,5 km y la mayor de 227,9 km2. La cobertura del suelo también difirió entre las microcuencas. En
2

general, predominó la pradera con un promedio por cuenca de 55% seguida por los matorrales (7%), los
cultivos (16%), forestación (2%) y bosque nativo (1%) (Tabla 3).

Tabla 3. Parámetros ambientales: H máx, altura máxima de la cuenca; H est., altura de la estación; promedio de las tres
réplicas de temperatura (Temp), oxigeno disuelto (OD), porcentaje de saturación de oxigeno (Sat. OD), pH, conductividad (K),
sólidos suspendidos totales (SST), materia orgánica en suspensión (MOS), nitrato (NO3), amonio (NH4), nitrógeno inorgánico
disuelto (NID), nitrógeno total (NT), nitrógeno orgánico (N-Org), fósforo reactivo soluble (PRS), fósforo total (PT) y superficie
ocupada por los distintos usos de suelo. DS: desvío estándar. Datos obtenidos de: Arocena et al. (2008) (parámetros físico-
químicos) y Bartesaghi & Achkar (2008) (parámetros morfométricos y de cobertura del suelo). (*) La media se calculó a partir
de los valores promedios de los cuatro muestreos.

Variable Mínimo Máximo Media DS Variable Mínimo Máximo Media DS

2
Área total (Km ) 5,5 227,9 51,4 63,2 NO3 (µg/L)* 29,6 797,9 144,3 192,5
H máx. (m) 60 380 176 100 NH4 (µg/L)* 2,8 164,9 25,7 40,8
H est. (m) 20 165 86 46 NID (µg/L)* 38,9 806,4 170,0 191,3
Pendiente (%) 0,3 3,2 1,0 0,8 NT (µg/L)* 1071,5 6353,1 3129,1 1378,8
Temp. (ºC)* 17,0 22,2 20,3 1,4 N-Org (µg/L)* 1032,5 5546,7 2959,1 1243,8
OD (mg/L)* 6,6 10,4 8,4 1,3 PRS (µg/L)* 6,0 332,8 92,4 103,9
Sat. OD (%)* 69,5 116,4 90,8 15,7 PT(µg/L)* 16,6 502,4 149,9 149,0
2
pH* 7,7 8,4 8,0 0,2 Cultivo (Km ) 0,0 15,4 3,7 4,9
2
K (µS/cm)* 152,9 1194,3 514,9 303,7 Forestación (Km ) 0,0 20,3 2,3 5,7
2
SST (mg/L)* 3,0 22,8 8,7 5,7 Pradera (Km ) 1,7 144,4 32,7 43,6
2
MOS (mg/L)* 1,5 6,6 3,4 1,7 Matorral (Km ) 0,0 31,6 5,6 9,1
2
%MO* 28,8 71,4 43,3 11,6 Bosque (Km ) 0,0 8,1 1,0 2,4

En general, el oxígeno disuelto, el pH y la conductividad de los distintos arroyos presentaron

valores que se consideran normales en aguas no contaminadas (Conde & Gorga, 1999) y además, en el
caso del pH, dentro del rango tolerable para los peces (Bistoni et al., 1999).Sin embargo la carga de
nutrientes fue alta. Los niveles de fósforo y nitrógeno total de casi la totalidad de las microcuencas
cayeron dentro del rango de aguas eutróficas (>75µg/L y >1500µg/L respectivamente) según la
clasificación propuesta por Dodds et al. (1998). Solamente algunos sitios de la zona alta ganadera no
caerían dentro de esta categoría. P2 y P3 serían mesoeutróficos por su contenido de nitrógeno total
(700-1500µg/L) y O3 y P3 por su contenido de fósforo total (25-75µg/L). Solamente O4, P2 y P4 serían
oligotróficos por su concentración de fósforo total (0-25µg/L). El contenido de materia orgánica en
suspensión varió entre microcuencas y en promedio representó un 43,3 % de los sólidos suspendidos.

Las variables ambientales que presentaron una distribución normal fueron: altura de la cuenca y
de la estación, la pendiente, la temperatura, el oxigeno disuelto y su porcentaje de saturación, el pH, la
conductividad, el nitrógeno total y orgánico y la superficie ocupada por matorrales y por pradera. Las
variables restantes fueron trasformadas. El porcentaje de superficie de suelo ocupada por cultivos fue
13
 transformado pero igualmente no se ajustó a una distribución normal por lo que finalmente se empleó
sin transformar (tabla 4).

De los atributos de la comunidad íctica los que presentaron una distribución normal fueron:
biomasa total, riqueza de especies, relación riqueza/abundancia, índices de diversidad y equitatividad de
Simpson, y de diversidad y equitatividad de Shannon-Weaver y la categoría Tolerantes. El resto:
abundancia, biomasa/abundancia y las categorías Sensibles o intolerantes y de Gran tolerancia no
presentaron dicha distribución y fueron transformados (tabla 4).

Tabla 4. Transformaciones aplicadas a las variables para que adquieran una distribución normal, Test de Shapiro-Wilk, p>0,05. Parámetros ambientales: H máx,
altura máxima de la cuenca; H est., altura de la estación; promedio de las tres réplicas de temperatura (Temp), oxigeno disuelto (OD), porcentaje de saturación
de oxigeno (Sat. OD), pH, conductividad (K), sólidos suspendidos totales (SST), materia orgánica en suspensión (MOS), nitrato (NO3), amonio (NH4), nitrógeno
inorgánico disuelto (NID), nitrógeno total (NT), nitrógeno orgánico (N-Org), fósforo reactivo soluble (PRS), fósforo total (PT) y la superficie ocupada por los
distintos usos de suelo. Atributos de la comunidad íctica: Ab, abundancia total; Bm, biomasa total; Riq, riqueza de especies; y E, índice de diversidad y de
equitatividad de Simpson; H y J, índice de diversidad y de equitatividad de Shannon-Weaver (*promedio de las tres réplicas).

Variable Transformación Variable Transformación Variable Transformación

H máx. (m) normal s/transformación NH4 (µg/L) Log(x+1) Abundancia* log (x +1)

H est. (m) normal s/transformación NID (µg/L) Log(x+1) Biomasa (g)* normal s/transformación

Pendiente (%) √√ NT (µg/L) normal s/transformación Riqueza normal s/transformación

Temp. (ºC) normal s/transformación N-Org (µg/L) Normal s/transformación Riq/Ab normal s/transformación

OD (mg/L) normal s/transformación PRS (µg/L) √ Biomasa/Ab Log (x)

% Sat. OD normal s/transformación PT (µg/L) Log(x+1) D normal s/transformación

pH normal s/transformación Bosque (%) Log(100x+1) E normal s/transformación

K (µS/cm) normal s/transformación Cultivo (%) sin transformación H normal s/transformación

SST (mg/L) Log(x+1) Forestación (%) √√ J normal s/transformación

Sensibles o
log (x +1)
MOS (mg/L) Log(x+1) Matorral (%) normal s/transformación intolerantes
NO3 (µg/L) Log(x+1) Pradera (%) normal s/transformación Tolerantes normal s/transformación
Gran tolerancia √√

El uso del suelo vario según el relieve. Las superficies cultivadas en general aumentan cuanto
más baja es la microcuenca mientras que el uso ganadero tiene un patrón opuesto. Las microcuencas
con mayor superficie de pasturas son: O1, O2, O3, O4, P1, P2, P3, P4 (porcentaje mayor al 60%,
media=74; DS=8,79). Mientras que A2, A3, A4, Q1, Q2 y Q3 se distinguen por una mayor superficie
cultivada (mayor al 18%, media=36%; DS=16,27). Los matorrales oscilan sin mantener un patrón
definido con una leve tendencia a aumentar en las zonas más altas. Las microcuencas que poseen un
porcentaje de superficie de matorrales mayor al 10% son: A3, O1, O2, P3 y P1. Tanto la forestación como
el bosque nativo poseen superficies de cobertura bajas en las cuencas. En sólo tres, el porcentaje de
cobertura forestal supera el 5% (P2: 9,7%, P1: 8,8% y P4: 6,9%) y en sólo una el bosque nativo supera el
1% (P1: 4, 5%), siendo estas cuencas las que poseen mayor altura (figura 2).

14
Figura 2. Variación de usos del suelo (%) según la altura maxima de la cuenca de cada estación (la altura aumenta de izquierda a derecha). Se
excluyó la superficie ocupada por foretsción y bosque nativo por lo que los porcentajes no suman el 100%.

Algunas variables físico-químicas también están asociadas al relieve (apéndice 1). Las
correlaciones que se mencionen de aquí en adelante son significativas, p<0,05 (apéndice 1 y 2). La altura
máxima de la cuenca se correlaciona positivamente con la pendiente y con el pH. La altura de la estación
se correlaciona positivamente además de con la pendiente, con el oxígeno disuelto y su porcentaje de
saturación, y éstos entre sí. Tanto la altura máxima de la cuenca como la altura de la estación se
correlacionan negativamente con la conductividad, sólidos y materia orgánica en suspensión. La
pendiente se asocia negativamente con la materia orgánica en suspensión.

A B

Figura 3. Relaciones entre el porcentaje de superficie cultivada vs. A) nitrógeno total y B) fósforo total, cuyo análisis de correlación
fue significativo (Sperman; p<0,05) (apéndice 1).

Los diferentes usos del suelo se asocian de manera distinta a algunas de las variables físico-
químicas. El cultivo se correlaciona positivamente con la conductividad, sólidos y materia orgánica en
suspensión y con los nutrientes (menos amonio), y negativamente con el oxigeno disuelto (figura 3;
apéndice 1 y 3). La forestación tiene una asociación positiva con el oxigeno disuelto y negativa con la
temperatura, conductividad, sólidos y materia orgánica en suspensión y las dos formas de fósforo
analizadas (apéndice 1 y 3). La pradera se correlaciona positivamente con el bosque nativo y

15
negativamente con la conductividad, nitrógeno orgánico y total, fósforo reactivo soluble y total
(apéndice 1; figura 4). Los matorrales solo están correlacionados, y de manera positiva, con el bosque
nativo (apéndice 1). Éste se asocia negativamente con la conductividad y el fósforo rectivo soluble
(apéndice 1 y 3).

B C

Figura 4. Relaciones entre el porcentaje de superficie de pradera y distintas variables ambientales cuyo análisis de correlación fue
significativo (Pearson´s¸p<0,05) (apéndice 1): A) conductividad, B) nitrógeno total y C) fósforo total. Los gráficos fueron realizados
a partir de las variables en la forma que presentaban una distribución normal (tabla 4).

Menos el amonio todas las formas de nitrógeno y de fósforo se correlacionan negativamente o

con la altura máxima de la cuenca y/o con la de la estación. El nitrógeno orgánico, fósforo reactivo
soluble y nitrógeno y fósforo total están asociados positivamente con la conductividad (apéndice 1). Las
dos formas de fósforo se correlacionan positivamente con la materia orgánica en suspensión y solo el
fósforo total con los sólidos en suspensión (apéndice 1). Las correlaciones entre nutrientes siempre son
positivas. Salvando el amonio, todos los nutrientes están correlacionados entre sí (apéndice 1). El área
de la cuenca no se correlacionó con ninguna de las variables ambientales analizadas.

16
 I

II

Figura 5. Análisis de componentes principales (ACP) a partir de conductividad, nitrógeno y fósforo total y
porcentajes de superficie de bosque, cultivo, forestación, matorral y pradera. Las variables utilizadas se
seleccionaron a partir del análisis de correlación (apéndice 1) eliminándose aquellas fuertemente
correlacionadas y reteniendo sólo aquellas más convenientes por su relevancia ecológica y/o que fueran
relevantes respecto al objetivo del trabajo. Las variables fueron estandarizadas previamente al análisis.

Los dos primeros factores del análisis de componentes principales (ACP) realizado con las
variables ambientales (conductividad, nitrógeno total, fósforo total y los porcentajes de superficie de los
distintos usos de suelo: cultivo, forestación, matorral, pradera y bosque) tuvieron un valor propio >1 y
explicaron el 74,6% de la varianza total de los datos (tabla 5). El análisis separa primariamente las
estaciones en dos grandes grupos a lo largo del eje 1 (figura 5). El grupo 1 (a la derecha) está formado
por las estaciones pertenecientes a las microcuencas con mayor superficie de cultivos ubicadas en las
zonas más bajas (A2, A3, A4, Q1, Q3 y Q5) caracterizadas por mayor conductividad y contenido de
nutrientes (tabla 6). El grupo 2, a la izquierda (O1, O2, O3, O4, P1, P2, P3 y P4), se compone de las
estaciones ubicadas en zonas mayormente ganaderas a mayor altura (tabla 5). El eje 2 separa a P1 de
este grupo por poseer un porcentaje de superficie de bosque nativo mayor al resto (tabla 6).

Tabla 5. Valores propios del ACP de variables ambientales

y varianza (total y acumulada) explicada por cada factor.

Factor Valor propio % Total % Acumulado

1 4,752934 59,41167 59,4117
2 1,216886 15,21108 74,6228
3 0,835293 10,44117 85,0639
4 0,559752 6,99691 92,0608
5 0,348434 4,35543 96,4163

6 0,198693 2,48366 98,8999

7 0,066836 0,83545 99,7354
8 0,021171 0,26464 100,0000

17
 Tabla 6. Factores 1 y 2 del ACP de las variables ambientales (varianza explicada:
74,62%): K, conductividad; NT, nitrógeno total; PT, fósforo total y los porcentajes de
superficie de los distintos usos de suelo (bosque, cultivo, forestación, matorral y
pradera). Las variables se ordenan según cuánto aportan, positiva (+) o negativamente
(-), a dichos factores.

Variable Factor 1 Variable Factor 2

Cultivo (%) 0,947865 + Pradera (%) 0,296090
PT (µg/L) 0,872351 Bosque (%) -0,804414
+
K (µS/cm) 0,867488 Forestación (%) -0,433907
NT (µg/L) 0,801899 Matorral (%) -0,382381
Pradera (%) -0,858546 - PT (µg/L) -0,271292
Matorral (%) -0,640378 NT (µg/L) -0,206700
-
Forestación (%) -0,561027 Cultivo (%) -0,152518
Bosque (%) -0,485774 K (µS/cm) -0,089774

Los análisis de clasificación mantuvieron el mismo patrón que el ACP separando a las estaciones
en los mismos dos grandes grupos: cuencas con predominio de agricultura, de las zonas bajas, por un
lado (A y Q) y cuencas con predominio ganadero, de mayor altura, por el otro (O y P) (figura 6).

A B

Figura 6. Análisis de clasificación, método: de Ward´s, distancia euclidiana al cuadrado. A) Realizado a partir de las mismas variables utilizadas
en el ACP: conductividad, nitrógeno total, fósforo total y los porcentajes de superficie de los distintos usos de suelo (las variables fueron
estandarizadas previamente al análisis). B) Realizado a partir de los 3 primeros factores obtenidos del ACP (85,06% de la varianza).

Variables biológicas

El total de peces recolectados fue de 1158 individuos pertenecientes a 5 órdenes, 11 familias y

31 especies. El orden dominante en términos de abundancias fueron los Characiformes con un 44,0%
del total de peces colectados y 18 especies, seguido de Cyprinodontiformes (31,5% y 2 especies),
Siluriformes (13,1% y 6 especies), Perciformes (11,1% y 4 especies) y Synbranchiformes (0,3% y una
especie) (tabla 7).

18
 Tabla 7. Listado de especies de peces encontradas.

Orden Familia Especie

Astyanax eigenmaniorum
Astyanax fasciatus
Astyanax saguazu
Bryconamericus iheringhi
Charax stenopterus
Cheirodon interruptus
Diapoma therofali
Characidae
Heterocheirodon yatai
Hyphessobrycon luetkeni
Characiformes
Hyphessobrycon meridionalis
Hyphessobrycon uruguayensis
Oligosarcus hepsetus
Oligosarcus oligolepis
Pseudocorynopoma doriae
Erithrynidae Hoplias malabaricus
Crenuchidae Characidium rachovii
Cyphocharax voga
Curimatidae
Steinachnerina biornata
Heptapterus mustelinus
Pimelodella australis
Heptepteridae
Hisonotus sp.
Siluriformes
Otocinclus flexilis
Loricariidae Rhineloricaria sp.
Callichthyidae Corydoras paleatus
Austaloheros scitulus
Australoheros fascetus
Perciformes Cichlidae
Crenicichla scotti
Gymnogeophagus gymnogenis
Poeciliidae Cnesterodon decemmaculatus
Cyprinodontiformes
Anablepidae Jenynsia multidentata
Synbranchiformes Synbranchidae Synbranchus marmoratus

De las 6 especies dominantes que comprendieron un 71,7% del total, la de mayor abundancia
fue Cnesterodon decemmaculatus (31,4% del total), a la que le siguen: Cheirodon interruptus (10,4%),
Characidium rachovii (9,7%), Bryconamericus iheringhi (8,6%), Austaloheros scitulus (6,3%) y
Heptapterus mustelinus (5,2%). En contraparte, las especies raras fueron 16 (5,5% del total): Astyanax
fasciatus, Astyanax saguazú, Australoheros fascetus, Charax stenopterus, Corydoras paleatus, Diapoma
terofali, Heterocheirodon yatai, Hoplias malabaricus, Hyphessobrycon luetkeni, Hyphessobrycon
uruguayensis, Jenynsia multidentata, Oligosarcus hepsetus, Oligosarcus oligolepis, Otocinclus flexilis,
Rhineloricaria sp., Synbranchus marmoratus; todas con una abundancia menor al 1% (12 individuos).

19
 Tabla 8. Parámetros de la comunidad íctica en 14 microcuencas de la
cuenca de Río Santa Lucía. (*) Promedios de las tres réplicas.

Variable Mínimo Máximo Media DS

Abundancia* 8 79 28 20,4
Biomasa (g)* 13,7 193,1 83,6 50,7
Riqueza* 8 17 11 2,6
Diversidad de Simpson (D) 2,8 9,6 5,2 2,0
Equitatividad de Simpson (E) 0,2 0,9 0,5 0,2
Diversidad de Shannon (H) 1,5 2,4 1,9 0,3
Equitatividad de Shannon (J) 1,4 2,3 1,9 0,3

La comunidad de peces se analizó utilizando diferentes descriptores cuyos valores variaron

entre las microcuencas (tabla 8). La abundancia total obtuvo su valor mínimo (8 individuos) en la
microcuenca O2 y máximo en A3 con un valor diez veces superior (79 individuos). La biomasa total
también presentó extremos disímiles entre microcuencas con un mínimo de 13,7g en O4 y un valor
máximo catorce veces mayor de 193,1g en Q1. La riqueza de especies varió de 8 (O4, P1 y P2) a 17
especies (Q5).

Las variables biológicas mostraron ciertos patrones geográficos. La abundancia y la biomasa

siguieron un patrón general con valores máximos en las cuencas de mayor superficie cultivada (A2, A3,
A4, Q1, Q3 y Q5). Por el contrario, ambos índices de equitatividad tienden a aumentar con la altura,
hacia zonas donde mayormente el uso es ganadero. La relación riqueza/abundancia posee dos picos,
ambos en zonas ganaderas. Uno se encuentra en las cuencas de altura intermedia (O1, O2 y O4), y otro
menor en las cuencas de mayor altura (P4 y P1). Ésta relación se hace mínima en las cuencas A con
predominio agrícola y en Q5 con predominio agrícola-lechero. Ninguno de los dos índices de diversidad
ni tampoco la riqueza mostraron un patrón geográfico claro (aunque las diversidades tienen una leve
tendencia a aumentar hacia las zonas ganaderas).

El 75% de los peces muestreados figuran en la clasificación de Teixeira de Mello (2007). La

categoría Tolerantes no presenta un patrón de distribución claro; sin embargo las otras dos categorías sí,
siendo éstos en general opuestos. Los máximos de abundancia de peces de Gran tolerancia se dan en las
cuencas agrícolas-lecheras (A2, A3, Q5 y A4) mientras que las de los peces Sensibles o intolerantes se
dan entre las cuencas ganaderas (Q1, O1, O2, O4, P2 y P1) (figura 7).

20
 A

Figura 7. Descripción de las estaciones según: A) porcentaje de los distintos tipos de usos de la tierra, B) concentración de nutrientes (NT,
nitrógeno total; PT, fósforo total) y C) porcentaje de los distintas categorías de peces indicadoras del estado trófico según Teixeira de Mello
(2007). Las estaciones están ordenadas en sentido creciente por altura máxima de la cuenca.

La abundancia total de peces se correlacionó positivamente con el porcentaje de superficie

cultivada (Spearman r= 0,6698), la conductividad, el amonio y negativamente con la superficie de
pradera y de bosque natural (figura 8; apéndice 2 y 3). La biomasa total se asocia positivamente a la
superficie cultivada (Spearman r=0,5687), al nitrógeno inorgánico disuelto, nitrógeno orgánico,
nitrógeno total, todas las formas de fósforo (apéndice 2; figura 9). La riqueza de especies se correlaciona
negativamente con la forestación (apéndice 2; apéndice 3) y positivamente con el porcentaje de cultivos
(Spearman r=0,5705).

21
 A B

Figura 8. Variación de la abundancia (total de individuos) respecto a dos variables ambientales cuyo analísis de correlación fue
significativo (apéndice 2): A) porcentaje de superficie cultivada (Spearman; p<0,05) y B) porcentaje de superficie con pradera
(Pearson´s; p<0,05). Los gráficos fueron realizados a partir de las variables en la forma que presentaban una distribución normal
(tabla 4) excepto para el cultivo.

A B

Figura 9. Variación de la biomasa total respecto a las variables ambientales cuyo analísis de correlación fue significativo (apéndice
2) : A) porcentaje de superficie cultivada (Spearman; p<0,05), B) nitrógeno total y C) fósfoto total (Pearson´s; p<0,05). Los gráficos
fueron realizados a partir de las variables en la forma que presentaban una distribución normal (tabla 4) excepto para la variable
cultivo.

La relación riqueza/abundancia tuvo una asociación positiva con el área de la cuenca, con los
porcentajes de bosque natural y pradera y con los dos índices de equitatividad; mientras que se asoció
negativamente al porcentaje de cultivos (Spearman r=-0,5642) y a la conductividad (figura 10; apéndice
2 y 3) La relación biomasa/abundancia no se correlacionó con ninguna de las variables utilizadas en este
análisis.

22
 A B

Figura 10. Variación de la relación riqueza/abundancia respecto dos variables ambientales cuyo analísis de correlación fue
significativo (apéndice 2): A) porcentaje de superficie cultivada (Sperman; p<0,05) y B) porcentaje de pradera (Pearson´s; p<0,05).
Los gráficos se realizaron a partir de las variables en la forma que presentaban una distribución normal (tabla 4) excepto para los
gráficos realizados con la variable cultivo.

El índice de diversidad de Simpson se correlacionó positivamente con el porcentaje de bosque

nativo (apéndice 2 y 3). Los dos índices de equitatividad se correlacionaron de manera positiva con el
porcentaje de bosque natural y negativa con la conductividad y el amonio (figura 11; apéndice 2 y 3).
Además el índice de equitatividad de Simpson se correlacionó negativamente el fósforo reactivo soluble,
fósforo total y el porcentaje de cultivos (Spearman r=-0,6541) y el de Shannon-Weaver positivamente
con el porcentaje de pradera (figura 11; apéndice 2 y 3).

B C

Figura 11. Variación de la Divercidad de Simpson (D) y Equitatividad (E) respecto a las variables ambientales cuyo analísis de correlación fue
significativo (apéndice 2) : A) D vs. porcentaje de área forestada (Pearson´s; p<0,05) B) E vs. porcentaje de superficie cultivada (Sperman;
p<0,05), C) E vs. porcentaje de área con bosque natural (Pearson´s; p<0,05).Los gráficos fueron realizados a partir de las variables en la forma
que presentaban una distribución normal (tabla 4) excepto para los gráficos realizados con la variable cultivo.

De las categorías indicadoras de peces, la que se asoció a un mayor número de variables fue la
de Gran tolerancia (apéndice 2), categoría comprendida por una única especie: Cnesterodon
23
decemmaculatus. Ésta se correlacionó positivamente con la abundancia, riqueza, conductividad, materia
orgánica en suspensión, amonio y fósforo total y negativamente a la relación riqueza/abundancia,
equitatividad de Shannon y al porcentaje de pradera (figura 12; apéndice 3).

A B

C D

E F

Figura 12. Variación de la abundancia (Ab) relativa de la categoría de peces indicadora de Gran tolerancia respecto a las variables
ambientales y bioloógicas cuyo analísis de correlación fue significativo (Pearson´s; p<0,05) (apéndice 2) : A) porcentaje de área con
pradera, B) concentracion de amonio, C) fósforo total, D) abundancia total, E) riqueza/abundancia y E) equitatividad de Sannon-
Weiner. Los gráficos fueron realizados a partir de las variables en la forma que presentaban una distribución normal (tabla 4).

El ACP aplicado a las variables biológicas (abundancia total, biomasa total, riqueza de especies,
índice de diversidad y de equitatividad de Simpson, índice de equitatividad de Shannon-Weaver y la
abundancia relativa de peces de Gran tolerancia) explicó el 81,2% de la varianza con los dos primeros
factores (figura 13, tabla 9).

24
 c

Figura 13. Análisis de componentes principales (ACP) a partir de abundancia total, biomasa total, riqueza de
especies, índice de diversidad y de equitatividad de Simpson, índice de equitatividad de Shannon-Weaver y
abundancia relativa de peces de Gran tolerancia (Teixeira de Mello, 2007). Las variables utilizadas se
seleccionaron a partir del análisis de correlación (apéndice 2) eliminándose aquellas fuertemente
correlacionadas y reteniendo sólo aquellas más convenientes por su relevancia ecológica y/o que fueran
relevantes respecto al objetivo del trabajo. Las variables fueron estandarizadas previamente al análisis.

El grupo “a” se caracteriza por una comunidad íctica con una mayor abundancia, biomasa y
proporción de peces de Gran tolerancia. Todas las estaciones de este grupo (A2, A3, A4, y Q5) también
pertenecen al grupo 1 en el ACP de variables ambientales (figura 5) y son las microcuencas con mayor
superficie agrícola (figura 2). Por lo tanto, el análisis establece un gradiente de izquierda a derecha de
calidad de agua determinada por la influencia de los cultivos y los nutrientes. En contraparte, O1 y O2
(grupo “b) pertenecen a las estaciones con menor porcentaje de cultivos (figura 2 y 7a) y por lo tanto al
grupo 2 en el ACP ambiental (figura 5). La comunidad íctica de este grupo se caracterizó por ser más
diversa y equitativa y tener una relación riqueza/abundancia mayor. Los dos grupos del centro están
más influenciados por el factor 2. Este establece un gradiente de riqueza de especies creciente de arriba
hacia abajo (tabla 10). Siendo el grupo “c” (O4, P1, P2 y Q1) menos rico en especies que el “d” (O3, P3,
P4 y Q3).

El análisis de clasificación realizado a partir de los tres primeros factores del ACP de las
variables biológicas establece la misma agrupación de estaciones que éste (figura 13b). En cambio, el
dendrograma realizado directamente de las mismas variables se diferencia; los grupos “a” y “d” se
mantienen y agrupa a “b” y “c” en uno solo (figura 13a).

25
 Tabla 9. Valores propios del ACP de variables bióticas y
varianza (total y acumulada) explicada por cada factor.

Factor Valor propio % Total % Acumulado

1 5,178112 64,72640 64,7264
2 1,321077 16,51346 81,2399
3 0,812310 10,15387 91,3937
4 0,310005 3,87507 95,2688
5 0,283480 3,54350 98,8123
6 0,074100 0,92625 99,7386

7 0,012522 0,15652 99,8951

8 0,008394 0,10492 100,0000

Tabla 10. Factores 1 y 2 del ACP (81,23% de la varianza explicada) de variables

biológicas: Ab, abundancia total promedio de las tres réplicas; Bm, biomasa total
promedio de las tres réplicas; Riq, riqueza de especies, D y E, índice de diversidad y de
equitatividad de Simpson; J, índice de equitatividad de Shannon-Weaver y la
abundancia relativa de de peces de Gran tolerancia (Teixeira, 2007). Las variables se
ordenan según cuánto aportan, positiva (+) o negativamente (-), a dichos factores.

Variable Factor 1 Variable Factor 2

XAb 0,904277 XBm (g) 0,187285
+
Gran tolerancia 0,892293 Riq/Ab 0,158142
+
XBm (g) 0,567056 Riqueza -0,779028
Riqueza 0,508479 D -0,647387
J -0,942039 XAb -0,276815
-
E -0,927935 Gran tolerancia -0,240792
-
Riq/Ab -0,842366 E -0,229089
D -0,725275 J -0,218878

A B

Figura 13. Análisis de clasificación, método: de Ward´s, distancia euclidiana al cuadrado. A) Realizado a partir de las mismas variables
utilizadas en el ACP: abundancia total, biomasa total, riqueza de especies, D y E, índice de diversidad y de equitatividad de Simpson, índice de
equitatividad de Shannon-Weaver y la abundancia relativa de la categoría de peces de Gran tolerancia según Teixeira de Mello, 2007 (las
variables fueron estandarizadas previamente al análisis). B) Realizado a partir de los 3 primeros factores obtenidos del ACP (91,39% de la
varianza).

26
DISCUSIÓN

Mediante el trabajo realizado fue posible detectar los efectos del uso de la tierra en la calidad
del agua de los arroyos y en su comunidad de peces. Estos resultados apoyan la hipótesis formulada y
son consistentes con otros estudios (Allan et al., 1997; Allan & Johnson, 1997; Ahearn et al., 2005; Pinto
et al., 2006; Stainbrook et al., 2006; Teixeira de Mello, 2007; Karr et al., 2009), muchos de los cuales,
postulan a los “usos del suelo” como buenos predictores de la calidad del agua.

Zonas bajas y el cultivo

La microcuencas con mayor superficie cultivada (grupo 1 del ACP ambiental: A2, A3, A4, Q1, Q3
y Q5) se caracterizaron por poseer mayor conductividad, nutrientes, sólidos y materia orgánica en
suspensión, y un menor porcentaje de saturación de oxígeno disuelto. Estos resultados apoyan la
predicción 1 y coinciden con los obtenidos por otros autores (Allan et al., 1997; Strayer et al., 2003;
Ahearn et al., 2005; Stainbrook et al., 2006; Mendiguchía et al., 2007).

El laboreo del suelo produce la degradación de su estructura. Un suelo degradado, sin su

vegetación natural o directamente expuesto a la intemperie es más proclive a la erosión (Hudson 1981;
Barreto, 2008). Esto podría estar explicando que el porcentaje de cultivos se correlacione positivamente
con los sólidos, la conductividad (valores altos de conductividad son frecuentemente asociados a baja
calidad del agua), la materia orgánica en suspensión y los nutrientes.

El uso de fertilizantes explicaría el aumento de los nutrientes y de la conductividad (Strayer et

al., 2003). Debido que los nutrientes se encuentran asociados a las partículas de suelo, alcanzan el agua
conduciendo a un estado de eutrofización de la misma. Por otro lado las microcuencas Q se caracterizan
por ser zonas de producción lechera y otro aporte de nutrientes podría adjudicarse a descargas
puntuales de tambos así como a las eyecciones de los animales. Según los criterios de Dodds et al.
(1998) casi todas las microcuencas aquí estudiadas serían eutróficas por su contenido de nitrógeno y
fósforo total. En tal caso, los productores primarios encontrarían los recursos necesarios para un
crecimiento acelerado lo que conlleva a una mayor utilización del oxigeno disuelto durante la noche y a
una mayor producción durante el día, provocando una gran variación del mismo durante un ciclo diario.
Las fluctuaciones de oxígeno así como el aumento de la turbidez podrían llegar a actuar de manera
negativa en la comunidad de peces. Ahearn et al. (2005) concluyen que, en su área de estudio, las
tierras bajas fueron las principales fuentes de nitrógeno, fósforo y sólidos en suspensión por lo que los
esfuerzos de remediación deben concentrarse en estas áreas.

El uso más intensivo del suelo provocado por las actividades agrícolas produjo efectos en la
comunidad de peces coincidiendo con estudios previos (Allan et al., 1997; Strayer et al., 2003; Pinto et
al., 2006; Stainbrook et al., 2006). Los índices de diversidad y equitatividad de Simpson resultaron ser
más sensibles a las variables analizadas que los de Shannon-Weaver debido que se correlacionaron a un
mayor número de variables.

En las estaciones con mayor porcentaje de cultivos, fue mayor la biomasa y la abundancia total
de peces y menor la relación riqueza/abundancia y el índice de equitatividad de Simpson (grupo “a” del
ACP biológico). Estos resultados apoyan las predicciones: 2, 3 y 4. Cuando las condiciones empeoran, se
produce la migración o la extinción local de las especies que no las toleran y un aumento de aquéllas

27
que sí lo hacen y la comunidad se vuelve jerárquica (Teixeira de Mello, 2007; Karr et al., 2009). En estas
condiciones, las especies tolerantes podrían aumentar rápidamente debido a la falta de depredadores y
a la menor competencia (Teixeira de Mello, 2007). Esto podría estar explicando que la abundancia y la
biomasa total sean mayores en los arroyos con influencia de cultivos.

Contrariamente a lo establecido en la predicción 2, la riqueza se asocia positivamente a los

cultivos y a características típicas de estas zonas. Además, el dendrograma realizado a partir de las
variables biológicas agrupa a las estaciones que presentaron mayor calidad ambiental determinada por
menores porcentajes de cultivos y carga de nutrientes (grupo “b”:O1 y O2) con aquellas de calidad
intermedia pero con valores más bajos de riqueza de especies (grupo “c”: O4, P1,P2 y Q1). Esto podría
explicarse por tres razones. La primera sería por un efecto histórico. Los arroyos de mayor altura
podrían ser históricamente menos ricos en especies por sus características ambientales. Algunas
estaciones de las microcuencas agrícolas podrían ayarse en niveles todavía bajos de degradación y por lo
tanto algunas especies, que naturalmente, son competitivamente débiles podrían estar siendo
favorecidas por estos disturbios provocando un aumento en la riqueza (Towsend et al., 1997). Por otro
lado, las estaciones de las microcuencas agrícolas al encontrarse todas en una zona baja, podrían estar
más conectadas a cursos de mayor orden que las ganaderas de las zonas serranas. En tal situación
puede existir migración de peces de estos hacia los cursos de orden menor aumentando la riqueza de
los mismos (Gorman, 1986). En futuros trabajos debería tenerse en cuenta tal efecto, muestreándose
microcuencas con diferentes usos del suelo de la misma región y en sitios con similar distancia a arroyos
de de orden mayor.

Por otro lado, la relación riqueza/abundancia si mostró un patrón respecto a los usos del suelo.
Esta relación disminuye acorde aumenta la superficie cultivada debido a que la abundancia acompaña
este aumento a pesar de que no lo hace la riqueza. Sin embargo este resultado podría estar influenciado
por las diferencias entre los tamaños de las cuencas ya que esta relación se asocia positivamente al área.

Remitiéndonos a las categorías propuestas por Teixeira de Mello (2007), encontramos que la
categoría que se correlaciona con mas variables es la de Gran tolerancia, mientras que la otras dos
(Tolerantes y Sensibles) con casi ninguna. Esto puede deberse a que estas categorías fueron
confeccionadas en cuencas agrícolas con urbanización (Teixeira de Mello, 2007). Como en el presente
trabajo no se estudiaron microcuencas con urbanización, muchas de las especies que aparecen como
sensibles en el trabajo de Teixeira de Mello (2007), en este estudio podrían resultar tolerantes. Sin
embargo, una de las especies Tolerantes (Rhineloricaria sp.) y una de las Sensibles (Jenynsia
multidentata) nunca aparecen en las estaciones agrícola-lecheras (A y Q).

La especie de Gran tolerancia se encuentra negativamente correlacionada con la relación

riqueza/abundancia así como con la equitatividad de Shannon. Además, se encuentra positivamente
asociada a los aumentos de amonio, materia orgánica, fósforo total y abundancia de peces,
característicos de las actividades agrícolas, apoyando la predicción 6. Dentro de esta categoría, Teixeira
de Mello (2007), solo ubica a una especie, Cnesterodon decemmaculatus, y la propone como centinela
del deterioro de la calidad de agua. Este trabajo concuerdan con dichos resultados y los obtenidos por
Bistoni et al. (1999) en la región central de Argentina. Tanto en el trabajo de Bistoni et al. (1999) como
en el de Stainbrook et al. (2006) en Estados Unidos, las comunidades ícticas simplificaron su estructura
siendo pocas las especies que se encontraron establecidas en los lugares más alterados.

28
 Cnesterodon decemmaculatus posee características que podrían proporcionarle ventaja en
malas condiciones ambientales provocando un aumento de su número ante la falta de depredadores
que no se adaptasen. Es vivípara, lo que le da ventajas de supervivencia a los alevines, es omnívora y por
lo tanto puede alimentarse de un amplio espectro de recursos, y es capaz de respirar de la capa
superficial de agua cuando hay déficit de oxigeno (Bistoni et al., 1999; Teixeira de Mello, 2007). Esto
conduce a que en un sistema en mal estado, la población se vuelva jerárquica siendo Cnesterodon
decemmaculatus la especie dominante. Al ser una especie de pequeño tamaño, dicho cambio en la
estructura de la población provoca una disminución del tamaño promedio de la comunidad (relación
biomasa/abundancia). A partir de los resultados obtenidos esto no puede afirmarse debido a que la
relación no se correlacionó con ninguna variable y por lo tanto la predicción 5 tampoco fue confirmada.

Si bien la relación biomasa/abundancia no se correlacionó con ninguna variable físico-química

indicadora de la calidad del agua, se observa que cuatro de las estaciones con menor tamaño promedio
se encuentran en el grupo 1 del ACP ambiental y forman el grupo “a” en el ACP bilógico (A2, A3, A4 y
Q5). Como se ha dicho, estas estaciones poseen una mayor proporción de superficie cultivada y
comunidades de peces con mayor abundancia y biomasa total y mayor proporción de peces de Gran
tolerancia.

Allan et al. (1997) muestra cómo tanto la comunidad de peces, a través de un índice de
integridad biológica (IBI), y la calidad del hábitat tienen una relación negativa con el porcentaje de
agricultura (figura 14).

Figura 14. Tanto la calidad del hábitat (izquierda) así como la comunidad de peces (derecha), analizada a partir de un índice de integridad
biológica (IBI) declinan al aumentar el porcentaje de agricultura. Extraído de Allan et al. (1997).

Zonas altas, la ganadería y otras coberturas del suelo

El uso ganadero es el principal en las microcuencas de mayor altura (grupo 2 del ACP ambiental:
O1, O2, O3, O4, P1, P2, P3 y P4). Estas cuencas también se caracterizaron por poseer mayor superficie
forestada (aunque este uso nunca es dominante) y mayor superficie de elementos naturales como los
matorrales y el bosque nativo. Arocena et al. (2008) al evaluar la condición de los mismos cursos de
agua a través de un inventario de Riberas, Canal y Ambiente (RCA), encontraron que los dos arroyos con
mejor condición eran O1 y O2 ya que conservan su monte ripario. Además P1 y P4 tuvieron también
buenas condiciones debido al buen estado del canal.

29
 Contrariamente a las cuencas agrícolas, los arroyos de estas cuencas son de aguas más
oxigenadas, con menores valores de conductividad y sólidos totales en suspensión. La pendiente
favorecería el movimiento del agua y el aumento de la turbulencia favoreciendo la oxigenación del agua.
La ubicación geográfica a través de la geología (cristalina o sedimentaria) de cada región determina en
parte la conductividad y el pH así como las actividades antrópicas también lo hacen (Allan & Johnson,
1997; Bistoni et al., 1999; Stainbrook et al., 2006; Arocena et al., 2008). Allan et al. (1997) proponen que
las subcuencas encontradas a mayor altura, al poseer usos de suelo diferentes de la agricultura poseen
menor carga de sedimentos que las subcuencas más bajas donde se realiza agricultura intensiva.

La mayor parte de las cuencas altas son suelos no laboreados y con praderas naturales, lo que
podría explicar que la altura de la cuenca este correlacionada de manera negativa con los sólidos y la
materia orgánica en suspensión. El mantenimiento de la estructura original del suelo y la densa
cobertura y enraizamiento de las pasturas colaboraría a mantener en su lugar a las partículas de suelo
(Rucks et al., 2004) (el porcentaje de pradera se correlacionó de manera negativa con los sólidos en
suspensión). Por otro lado, raíces finas como las de las gramíneas, son muy eficientes a la hora de captar
nutrientes y agua (Claus & George, 2005).

La correlación negativa de la superficie de pradera con el nitrógeno orgánico y total, fósforo

total y fósforo reactivo soluble en el agua, podría indicar que estos recursos son rápidamente utilizados
por la vegetación y no hay excedentes que alcancen los cursos de agua. Si la pradera esta
sobrepastoreada, suelen encontrarse valores altos de nitrógeno y fósforo total en los cursos de agua de
la cuenca. Esto se debe según Barreto (2008) a que el intenso uso favorece la pérdida de sedimentos, a
lo que se le suman los aportes de nutrientes a partir de las heces de los animales. A diferencia de esto,
las praderas que no están sobreexplotadas pueden llegar a perder menos sedimentos que un bosque
(Barreto, 2009). La menor carga de nutrientes que alcanza este tipo de sistema podría estar justificando
que la pradera se correlacione negativamente con la abundancia total, contrario a lo que sucede en las
cuencas con mayores superficies cultivadas.

Tanto la forestación como el bosque nativo se correlacionan negativamente con el fósforo en los
arroyos. Esto podría ser causa tanto de la capacidad de las raíces de retener el suelo, como a la
utilización que los árboles hacen del fósforo. Esto podría ser evidencia de cómo la vegetación riparia
tiene la capacidad de actuar como amortiguador entre el ambiente terrestre y el acuático. Strayer et al.
(2003) encontraron que la tierra forestada se correlacionaba negativamente con los nitratos y Barreto
(2009) no observó un aumento del fósforo y del nitrógeno total posterior al cambio de una pradera por
forestación.

En conclusión, se podría decir que las microcuencas de mayor altura (grupo 2 del ACP ambiental
y dendrograma) se caracterizan por poseer un estado de mayor conservación, producto de usos del
suelo menos destructivos (ganadería extensiva) y mayor porcentaje de vegetación natural. En
consecuencia, es menor la erosión del suelo y las plantas utilizan la mayor parte de los nutrientes no
produciéndose un exceso de los mismos en los cursos de agua. El mayor estado de conservación de los
arroyos y la menor carga de nutrientes tuvo consecuencias en la comunidad de peces. Todas las
microcuencas ganaderas poseen especies sensibles o intolerantes en altas proporciones y ninguna se
encuentra en el grupo “a” del ACP biológico (caracterizado por menor calidad ambiental). Arocena et al.

30
(2008) analizando la comunidad zoobentónica, encontraron que la las estaciones A tienen diversidades
menores que las O, P y Q.

La diversidad, si bien no mostró un patrón geográficamente claro, muestra una leve tendencia a
aumentar hacia las zonas ganaderas, aunque esto carece de apoyo estadístico. Por otro lado, la relación
riqueza/abundancia se hace máxima en éstas cuencas correlacionándose positivamente con el
porcentaje de praderas y bosque natural. La abundancia total obtuvo su valor mínimo (diez veces menor
al máximo), en una de las microcuencas de este grupo estando correlacionada negativamente con el
porcentaje de praderas y bosque natural. Este resultado concuerda con el obtenido por Teixeira (2007),
en el que el deterioro de la calidad del agua se acompaña con la disminución de la mencionada relación.

Por otro lado, las comunidades ícticas de estas regiones, se caracterizaron por ser más
equitativas. Esto podría ser efecto de una mejor calidad ambiental donde se dan las condiciones para
que varias especies puedan coexistir. De acuerdo con esto, se observó que en ninguna de las
microcuencas ganaderas Cnesterodon decemmaculatus (especie de gran tolerancia) es dominante y en
tres de ellas su abundancia es cero.

La menor carga de nutrientes encontrada en estas cuencas podría estar repercutiendo en la

biomasa (correlacionada positivamente, con el nitrógeno inorgánico disuelto, orgánico y total y con el
fósforo reactivo soluble y fósforo total). Los menores aportes del medio externo, respecto a los sistemas
más alterados, podrían limitar a los productores primarios, y éstos al resto de la red trófica: los recursos
se limitan, hay más competencia, el sistema soporta menos organismos, y en consecuencia la biomasa
total disminuye. Como sucede con la abundancia, el valor mínimo de biomasa se encontró en una de
estas microcuencas y es catorce veces menor al máximo, encontrado en una estación agrícola.

Tanto la diversidad y la equitatividad de Simpson como la equitatividad de Shannon-Weaver se

correlacionaron positivamente con el bosque natural. Estos resultados apoyan, en parte, la predicción 7.
Si el bosque ribereño es dañado, la cantidad de materiales alóctonos que alcanza los arroyos se
reduciría (Karr & Schlosser, 1978). Esto podría limitar la cantidad y variedad de alimento repercutiendo
en los invertebrados bentónicos y en la comunidad de peces. En consecuencia la comunidad se hace
más jerárquica en los lugares alterados que en los lugares que conservan su monte ripario. Arocena et
al. (2008) encontraron que O2 fue la estación con mayor cantidad de materia orgánica en sus
sedimentos, adjudicándoselo a que dicha estación posee un monte ripario denso que cubre casi
totalmente sus aguas.

31
CONCLUSIÓN

Mediante el trabajo realizado fue posible detectar efectos del uso de la tierra en la calidad del
agua de los arroyos y en su comunidad de peces. El relieve, al condicionar el uso predominante del suelo
de una región genera un patrón de calidad de agua donde los arroyos de las zonas más bajas (agrícolas)
presentan peores condiciones que los de las más altas (ganaderas). En respuesta a esto, existe una
mayor proporción de especies Sensibles o intolerantes y las comunidades son más equitativas en las
zonas ganaderas. En las microcuencas con mayor porcentaje de cultivos y carga de nutrientes
predomina Cnesterodon decemmaculatus (especie de gran tolerancia) y la abundancia y biomasa total
son mayores. Por otra parte, podemos constatar que Cnesterodon decemmaculatus, a diferencia de
otras especies de peces propuestas, es excelente indicadora (de mala calidad de agua) a pesar de que la
fuente de polución varíe.

PERSPECTIVAS

Los resultados del presente trabajo evidencian la necesidad de la realización evaluaciones

periódicas que permitan una gestión sustentable del recurso hídrico (Fortino et al., 2004). Este tipo de
evaluación deberá abarcar los aspectos físico-químicos (monitoreo clásico) y biológicos (biomonitoreo)
de los cursos de agua, así como las características geográficas de cada cuenca. Esto hará posible la
comprensión de las estrechas relaciones entre el uso del suelo y la calidad del agua permitiendo un
manejo integrado de la cuenca (Allan et al., 1997; Johnson & Gage, 1997; Stainbrook et al., 2006;
Couceiro et al., 2007). El trabajo realizado deja evidencias de que es posible utilizar la comunidad de
peces como bioindicadores. Sin embargo, es necesaria la realización de más trabajos similares que
permitan mejorar y hacer aplicable este método. Si se cuida tanto el hábitat acuático como las fuentes
terrestres de recursos, las comunidades de vertebrados como de invertebrados acuáticos podrá ser
mantenida (Karr & Schlosser, 1978).

32
BIBLIOGRAFÍA

Ahearn D.S., R.W. Sheibley, R.A. Dahlgren, M. Anderson, J. Johnson, K.W. Tate (2005) Land use and land
cover influence on water quality in the last free-flowing river draining the western Sierra Nevada,
California. Journal of Hydrology, 313: 234-247.

Allan J.D. (1995) Stream ecology, structure and function of running waters. Chapman & Hall, London.

Allan J.D., L.D. Erickson & J. Fay (1997) The influence of catchment land use on stream integrity across
multiple spatial scales. Freshwater Biology, 37: 149-161.

Allan J.D. & L.B. Johnson (1997) Catchment-scale analysis of aquatic ecosystems. Freshwater Biology, 37:
107-111.

APHA (1995) Standard Methods for Examination of Wastewater. American Public Health Association,
Washington.

Arocena R., G. Chalar, D. Fabián, L. de León, E. Brugnoli, M. Silva, E. Rodó, I. Machado, J.P. Pacheco, R.
Castiglioni & L. Gabito (2008) Evaluación ecológica de cursos de agua y biomonitoreo. Informe final del
convenio DINAMA (MVOTMA) - Sec. Limnología, Facultad de Ciencias, UdelaR. En
http://limno.fcien.edu.uy (3/2010).

Arocena R. & Conde D. (eds.) (1999) Métodos en ecología de aguas continentales. Con ejemplos en
Limnología en Uruguay. Edición DIRAC-Facultad de Ciencias, Montevideo.

Barreto P. (2008) Efectos iniciales de la forestación sobre la calidad del agua de escurrimiento en una
Cuenca del Río Tacuarembó. Tesis de Maestría. Facultad de Agronomía, UdelaR.

Bartesaghi L & M Achkar (2008). Interpretación de Usos del Suelo de Uruguay a partir de Imágenes
satelitales CBERS 2. Proyecto Prioridades Geográficas para la conservación de la Biodiversidad Terrestre
del Uruguay (PDT 32 - 26), Responsable Brazeiro A.

Begon M., J.L. Harper & C.R. Townsend (1999) Ecología. Individuos, poblaciones y comunidades. Editorial
Omega, Barcelona.

Bistoni M. A., A. Hued, M. Videla & L. Sagretti (1999) Efectos de la calidad del agua sobre las
comunidades ícticas de la region central de Argentina. Revista Chilena de Historia Natural, 72: 325-335.

Chambers P. A., R. Meissner, F. J. Wrona, H. Rupp, H. Guhr, J. Seeger, J. M. Clup & R. B. Brua (2006)
Changes in nutrient loading in agricultural watershed and its effects on water quality and stream biota.
Hydrobiologia, 556: 399-415.

Charlón, V., A. Cuatrín, M. Taverna & E. Walter (2006) Evaluación del funcionamiento de un sistema de
tratamiento de efluentes de instalaciones de ordeño. CD del I Congreso Internacional sobre Gestión y
Tratamiento Integral del Agua , Córdoba, Argentina.

33
Charlón V. & M. Taverna (sin fecha) Cuantificación y caracterización de los efluentes generados en
instalaciones de ordeño de establecimientos lecheros argentinos (comunicación). Estación Experimental
Agropecuaria, Santa Fe, Argentina.

Claus, A. & George, E. (2005) Effect of stand age on fine-root biomass and biomass distribution in three
European forest chronosequences. Canadian Journal of Forest Research, 35: 1617-1625.

Conde D. & J. Gorga (1999) Gases disueltos. En Arocena R. & D. Conde (eds.) Métodos en ecología de
aguas continentales. Con ejemplos en Limnología en Uruguay. Edición DIRAC-Facultad de Ciencias,
Montevideo, 53-64.

Conde D. & J. Gorga (1999) Composición iónica. En Arocena R. & D. Conde (eds.) Métodos en ecología de
aguas continentales. Con ejemplos en Limnología en Uruguay. Edición DIRAC-Facultad de Ciencias,
Montevideo, 65-76.

Couceiro S. R. M., N. Hamada, S.L.B. Luz, B. Forsberg & T. Pena Pimentel (2007) Desforestation and
sewage effects on aquatic macroinvertebrates in urban streams in Manaus, Amazonas, Brazil.
Hydrobiologia, 575 (1): 271-284.

Dodds, W.K., J.R. Jones & E.B. Welch (1998) Suggested classification of stream trophic state:
Distributions of temperate stream types by chlorophyll, total nitrogen, and phosphorus. Water Research,
32:1455–1462.

Fortino K., A. E. Hershey & K. J. Goodman (2004) Utility of biological monitoring for detection of timber
harvest effects on streams and evaluation of Best Management Practices: a review. Bridges, 23(3): 634-
636.

Freeman M. C., C. M. Pringle & C. R. Jackson (2007) Hydrologic connectivity and the contribution of
stream headwaters to ecological integrity at regional scales. Journal of the American Water Resources
Association, 43(1): 5-14.

Garner, P. (1996) Microhabitat use and diet of 0+cyprinid fishes in a lentic, regulated reach of the River
Great O, England. Journal of Fish Biology.

Giller P.S & B. Malmqvist (1998) The biology of streams and rivers. Oxford University Press, New York.

González B. (1991) Análisis multivariante. Aplicación al ámbito sanitario. SG Editores, Barcelona.

Hawkes H.A. (1979) Invertebrates as Indicators of River Water Quality. En James A. & L. Erison (eds.)
Biological indicators of water quality.

Hudson, N. (1981) Conservación del suelo. Editorial Reverté, Barcelona.

Johnson L. B. & S. H. Gage (1997) Landscape approaches to the analysis of aquatic ecosystems.
Freshwater Biology, 37: 113-132.

Karr J.R. & I.J. Schlosser (1978) Water Resources and the Land-Water Interface. Science, 201(21): 229-
234.

34
Karr J.R. (1981) Assessment of biotic integrity using fish communities. Fisheries 6 (6): 21-27.

Karr J.R., L.A. Touth & D.R. Dudley (2009) Fish Communities of Midwestern Rivers : a History of
Degradation. BioScience, 35(2): 90-95.

Likens G.E. & F.H. Bormann (1974) Linkages between Terrestrial and aquatic ecosystems. BioSiencie,
24(8): 447-456.

Martel N., M. A. Rodriguez & P. Bérubé (2007) Multi-scale analysis of responses of stream macrobenthos
to forestry activities and environmental context. Freshwater Biology, 52: 85-97

Mendiguchía C., C. Moreno & M. García-Vargas (2007) Evaluation of natural and anthropogenic
influences on the Guadalquivir River (Spain) by dissolved heavy metals and nutrients. Chemosphere, 69:
1509-1517.

MGAP (1976) Carta de reconocimiento de suelos del Uruguay. Tomo I: Clasificación de suelos. Ministerio
de Agricultura y Pesca, Dirección de suelos y fertilizantes.

Molino J.F. & D. Sabatier (2001) Tree Diversity in tropical Rain Forests: A Validation of the Intermediate
Disturbance Hypothesis. Science, 294: 1702-1704.

Pavé P.J. & M. Marchese (2005) Invertebrados bentónicos como indicadores de calidad del agua en ríos
urbanos (Paraná-Entre Ríos, Argentina). Ecología Austral, 15: 183-197.

Pinto B. C. T., F. G. Araujo & R. M. Hughes (2006) Effects of landscape and riparian condition on a fish
index of biotic integrity in a large southeastern Brazil river. Hydrobiologia, 556: 69-83.

Rosenberg D.M. & V.H.Resh (1993) Introduction to Freshwater Biomonitoring and Benthic
macroinvertebrates. En Rosenberg D.M. & V.H. Resh (eds.) Freshwater Biomonitoring and Benthic
Macroinvertebrates. Chapman and Hall, New York, 1-9.

Roth N. E. (1994) Land use, riparian vegetation, and stream ecosystem integrity in an agricultural
watershed. MS thesis, The University of Michigan.

Rucks L., F. García, A. Kaplán, J. Ponce de León & M. Hill (2004) Propiedades físicas del suelo.
Departamento de suelos y aguas, Facultad de Agronomía, UdelaR.

Stainbrook K. M., K. E. Limburg, R. A. Daniels & R. E. Schmidt (2006) Long-term changes in ecosystem
health of two Hudson Valley watershed, New York, USA, 1936-2001. Hydrobiologia, 571: 313-327.

Strayer D.L., R.E. Beighley, L.C. Thompson, S. Brooks, C. Nilsson, G. Pinay & R.J. Naiman (2003) Effects of
Land Cover on Stream Ecosystems: Roles of Empirical Models and Scaling Issues. Ecosystems, 6: 407-423.

Teixeira de Mello F. (2007) Efecto del uso del suelo sobre la calidad del agua y las comunidades de peces
en sistemas lóticos de la cuenca baja del río Santa Lucía (Uruguay). Tesis de Maestría. Facultad de
Ciencias, UdelaR.

Townsend C.R., M.R. Scarsbrook &S. Dolédec (1997) The intermediate disturbance hypothesis, refugia,
and biodiversity in streams. American Society of Limnology and Oceanography, 42(5):938-949.

35
Wipfli M.S., J.S. Richardson & R.J. Naiman (2007) Ecological linkages between headwaters and
dowstream ecosystems: transport of organic matter, invertebrates and wood down headwater channels.
Journal of the American Water Resources Association, 43(1): 72-85.

36
 APÉNDICE 1. Análisis de correlación entre las distintas variables físico-químicas

Correlaciones paramétricas de variables ambientales. H máx: altura máxima de la cuenca , H est.: altura de la estación , Promedio de las tres
réplicas de temperatura (Temp), oxigeno disuelto (OD), porcentaje de saturación de oxigeno (%Sat.), pH, conductividad (K), sólidos suspendidos
totales (SST), materia orgánica en suspensión (MOS), nitrato (NO3), amonio (NH4), nitrógeno inorgánico disuelto (NID), nitrógeno total (NT),
nitrógeno orgánico (N-Org), fósforo reactivo soluble (PRS), fósforo total (PT) y porcentajes de superficie ocupada por los distintos usos de suelo. Los
valores en negritas son significativos (p˂0,05).

Variable H máx. H est. Pendiente Temp. OD Sat. OD K SST MOS NO3

H máx. 1,00
H est. 0,89 1,00
Pendiente 0,66 0,79 1,00
Temp. -0,53 -0,38 -0,48 1,00
OD 0,53 0,62 0,64 -0,01 1,00
Sat. OD 0,43 0,53 0,54 0,14 0,99 1,00
pH 0,53 0,49 0,54 -0,20 0,77 0,74
K -0,78 -0,85 -0,52 0,14 -0,57 -0,53 1,00
SST -0,60 -0,60 -0,49 0,37 -0,34 -0,27 0,45 1,00
MOS -0,68 -0,63 -0,58 0,48 -0,32 -0,22 0,47 0,92 1,00
NO3 -0,52 -0,63 -0,56 0,44 -0,21 -0,14 0,33 0,22 0,19 1,00
NH4 -0,48 -0,49 -0,61 0,13 -0,53 -0,47 0,52 0,41 0,51 -0,07
NID -0,61 -0,72 -0,66 0,43 -0,29 -0,21 0,47 0,34 0,31 0,93
NT -0,56 -0,74 -0,53 0,11 -0,30 -0,25 0,54 0,19 0,24 0,71
N-Org -0,56 -0,74 -0,53 0,10 -0,33 -0,28 0,56 0,19 0,26 0,65
PRS -0,74 -0,84 -0,64 0,26 -0,30 -0,24 0,70 0,48 0,58 0,59
PT -0,69 -0,86 -0,77 0,21 -0,40 -0,34 0,72 0,54 0,60 0,55
Bosque 0,68 0,45 0,12 -0,11 0,21 0,19 -0,58 -0,25 -0,30 -0,20
Forestacón 0,80 0,80 0,64 -0,59 0,54 0,44 -0,66 -0,56 -0,68 -0,48
Matorral 0,61 0,46 0,24 -0,22 0,18 0,15 -0,43 -0,11 -0,20 -0,30
Pradera 0,56 0,63 0,36 -0,23 0,02 -0,02 -0,69 -0,41 -0,43 -0,40

Continuación.

Variable NID NT N-Org PRS PT Bosque

NID 1,00
NT 0,75 1,00
N-Org 0,69 0,99 1,00
PRS 0,66 0,81 0,81 1,00
PT 0,64 0,73 0,73 0,95 1,00
Bosque -0,33 -0,42 -0,42 -0,56 -0,41 1,00
Forestacón -0,45 -0,40 -0,43 -0,60 -0,58 0,25
Matorral -0,27 -0,47 -0,48 -0,52 -0,42 0,73
Pradera -0,53 -0,57 -0,56 -0,83 -0,77 0,61

37
Correlaciones no paramétricas (Test de Spearman) de la variable “cultivo”. H máx, altura máxima de la cuenca; H est., altura de la estación,
promedio de las tres réplicas de temperatura (Temp), oxigeno disuelto (OD), porcentaje de saturación de oxigeno (Sat. OD), pH, conductividad
(K), sólidos suspendidos totales (SST), materia orgánica en suspensión (MOS), nitrato (NO3), amonio (NH4), nitrógeno inorgánico disuelto (NID),
nitrógeno total (NT), nitrógeno orgánico (N-Org), fósforo reactivo soluble (PRS), fósforo total (PT) y porcentajes de superficie ocupada por los
distintos usos de suelo. Los valores en negritas son significativos (p˂0,05).

Variable Cultivo Variable Cultivo Variable Cultivo

H máx. -0,922379 K 0,932820 N-Org 0,694557
H est. -0,937988 SST 0,550701 PRS 0,887865
Pendiente -0,636116 MOS 0,568683 PT 0,856396
Temp. 0,038212 NO3 0,631620 Bosque -0,622629
OD -0,600152 NH4 0,474277 Forestacón -0,549057
Sat. OD -0,483268 NID 0,730522 Matorral -0,631620
pH -0,478773 NT 0,712539 Pradera -0,721531

38
APÉNDICE 2. Análisis de correlación entre las variables ambientales y de la comunidad de peces.

Correlaciones paramétricas entre variables ambientales y bióticas. Ab, abundancia total promedio de las tres réplicas; Bm, biomasa total
promedio de las tres réplicas; Riq, riqueza de especies, D y E, índice de diversidad y de equitatividad de Simpson; H y J, índice de diversidad y de
equitatividad de Shannon-Weaver y la abundancia relativa de peces tolerantes y de gran tolerancia (según Teixeira de Mello, 2007). H máx,
altura máxima de la cuenca; H est., altura de la estación; promedio de las tres réplicas de temperatura (Temp), oxigeno disuelto (OD),
porcentaje de saturación de oxigeno (Sat OD.), conductividad (K), sólidos suspendidos totales (SST), materia orgánica en suspensión (MOS),
nitrato (NO3), amonio (NH4), nitrógeno inorgánico disuelto (NID), nitrógeno total (NT), nitrógeno orgánico (N-Org), fósforo reactivo soluble
(PRS), fósforo total (PT) y superficie ocupada por los distintos usos de suelo. Los valores en negritas son significativos (p˂0,05).

Gran
Variable Ab Bm Riqueza Riq/Ab D E H J Tolerantes
tolerancia
Ab 1,00
Bm 0,44 1,00
Riqueza 0,80 0,09 1,00
Riq/Ab -0,82 -0,52 -0,47 1,00
Bm/XAb -0,40 0,53 -0,52 0,35
D -0,20 -0,40 0,07 0,44 1,00
E -0,59 -0,44 -0,39 0,69 0,88 1,00
H -0,06 -0,30 0,29 0,39 0,94 0,73 1,00
J -0,62 -0,39 -0,33 0,73 0,86 0,96 0,79 1,00
Sensibles o
0,20 0,19 0,09 -0,32 -0,26 -0,26 -0,21 -0,22
intolerantes
Tolerantes 0,02 -0,47 0,20 -0,12 0,24 0,04 0,21 0,03 1,00
Gran tolerancia 0,84 0,30 0,68 -0,60 -0,21 -0,53 -0,14 -0,62 0,02 1,00
H máx. -0,47 -0,32 -0,45 0,37 0,39 0,58 0,20 0,50 0,04 -0,41
H est. -0,45 -0,45 -0,46 0,26 0,39 0,55 0,17 0,44 0,33 -0,48
Pendiente -0,26 -0,25 -0,37 -0,07 0,12 0,26 -0,10 0,15 0,16 -0,39
Temp. 0,14 -0,09 0,31 0,11 0,47 0,24 0,55 0,28 0,35 0,14
OD -0,22 0,07 -0,31 -0,08 0,40 0,44 0,24 0,38 0,39 -0,30
Sat. OD -0,17 0,08 -0,24 -0,08 0,46 0,45 0,33 0,41 0,44 -0,26
pH 0,07 0,05 -0,04 -0,21 0,38 0,36 0,24 0,26 0,17 0,07
K 0,74 0,49 0,61 -0,61 -0,48 -0,72 -0,31 -0,69 -0,33 0,70
SST 0,19 0,24 0,05 -0,02 -0,25 -0,21 -0,25 -0,30 -0,23 0,49
MOS 0,32 0,21 0,29 -0,08 -0,16 -0,26 -0,10 -0,29 -0,02 0,55
%MO 0,16 -0,21 0,45 -0,07 0,30 0,03 0,46 0,17 0,56 -0,11
NO3 0,05 0,41 0,14 0,03 0,09 0,03 0,27 0,19 -0,34 -0,10
NH4 0,56 0,42 0,34 -0,30 -0,45 -0,59 -0,31 -0,59 -0,12 0,61
NID 0,25 0,60 0,18 -0,14 -0,07 -0,14 0,13 -0,01 -0,41 0,10
NT 0,34 0,61 0,41 -0,23 -0,34 -0,47 -0,07 -0,28 -0,34 0,21
N-Org 0,37 0,57 0,47 -0,24 -0,35 -0,50 -0,07 -0,31 -0,31 0,26
PRS 0,53 0,59 0,54 -0,44 -0,41 -0,59 -0,17 -0,48 -0,13 0,48
PT 0,48 0,57 0,47 -0,37 -0,41 -0,57 -0,20 -0,48 -0,20 0,56
Bosque -0,61 -0,43 -0,40 0,72 0,58 0,76 0,47 0,74 -0,12 -0,37
Forestación -0,35 0,02 -0,57 0,06 -0,01 0,20 -0,19 0,14 0,07 -0,39
Matorral -0,23 -0,26 -0,35 0,34 0,41 0,59 0,26 0,47 -0,24 -0,12
Pradera -0,71 -0,74 -0,50 0,70 0,33 0,56 0,21 0,55 0,12 -0,63

39
APÉNDICE 3. Relaciones entre las distintas variables analizadas que están significativamente
correlacionadas.

A B

Cultivo. Relaciones entre el porcentaje de superficie cultivada vs. A) conductividad y B) oxígeno disuelto, cuyo análisis de correlación fue
significativo (Sperman; p<0,05) (apéndice 1).

A B

Bosque nativo. Relaciones entre el porcentaje de superficie de bosque nativo y las variables ambientales cuyo analísis de correlación fue
significativo (apéndice 1) : A) conductividad y B) fósforo rectivo soluble. Los gráficos fueron realizados a partir de las variables en la forma que
presentaban una distribución normal (tabla 4).

40
 A B C

Forestación. Relaciones entre el porcentaje de superficie forestada y distintas variables ambientales cuyo análisis de correlación fue
significativo (apéndice 1) : A) oxígeno disuelto, B) conductividad, C) sólidos en suspensión y D) fósforo total. Los gráficos fueron realizados a
partir de las variables en la forma que presentaban una distribución normal (tabla 4).

A B

Abundancia. Variación de la abundancia (total de individuos) respecto a dos variables ambientales cuyo analísis de correlación fue significativo
(apéndice 2): A) porcentaje de superficie de bosque nativoultivo y B) concentración de amonio. Los gráficos fueron realizados a partir de las
variables en la forma que presentaban una distribución normal (tabla 4).

41
Riqueza. Variación de la riqueza (numero de especies) respecto al porcentaje de área forestada (analísis de correlación significativo, apéndice
2). El gráfico fue realizado a partir de las variables en la forma que presentaban una distribución normal (tabla 4).

Riqueza/Abundancia. Variación de la relación riqueza/abundancia respecto al porsentaje de superficie de bosque nativo cuyo analísis de
correlación fue significativo (apéndice 2). El gráfico fue realixado a partir de las variables en la forma que presentaban una distribución normal
(tabla 4).

A B

Equitatividad de Simpson. Variación de la Equitatividad (E) respecto a dos variables ambientales cuyo analísis de correlación fue significativo
(apéndice 2) : A) concentración de amonio y B) concentración de fósforo reactivo soluble. Los gráficos fueron realizados a partir de las variables
en la forma que presentaban una distribución normal (tabla 4).

42
Peces de Gran tolerancia. Variación de la abundancia (Ab) relativa de la categoría de peces indicadora de Gran tolerancia respecto a el
contenido de matéria orgánica en suspensión cuyo analísis de correlación fue significativo (apéndice 2). El gráfico fue realizado a partir de las
variables en la forma que presentaban una distribución normal (tabla 4).

43