Documentos de Académico
Documentos de Profesional
Documentos de Cultura
es/blogs/andres-zornoza/desesperacion-busqueda-modelo-bioindicacion-fangos-activos
La desesperacin en la bsqueda
bioindicacin en fangos activos
del
modelo
de
Andrs Zornoza
Aula Bioindicacin Gonzalo Cuesta. rea de Qumica y Microbiologa del Agua. Instituto Universitario de
Ingeniera del Agua y Medio Ambiente (www.iiama.upv.es). Universitat Politcnica de Valncia.
Algunas veces me pregunto si despus de 100 aos del descubrimiento del fango activo
podramos haber avanzado ms en el conocimiento de las relaciones entre
microorganismos y variables ambientales en las estaciones depuradoras de aguas residuales
urbanas (EDAR). La respuesta sera probablemente desde un punto de vista crtico un S
rotundo, teniendo en cuenta que el proceso de fangos activos es el ms extendido en todo
el mundo para la depuracin de las aguas residuales urbanas (ARU).
Ningn investigador dentro del campo de la bioindicacin en fangos activos pone en duda
la excelente capacidad bioindicadora del estado del proceso que nos ofrecen algunos
microorganismos muy comunes en las EDAR; como son los protistas y metazoos.
Entonces, cules son aquellas barreras que han hecho que desconozcamos muchas de las
relaciones que se dan en los tratamientos biolgicos de las EDAR?.
La principal barrera quizs se encuentre en la actitud individualista y poco colaboradora
entre investigadores del campo de la ingeniera del tratamiento de ARU y los
pertenecientes al campo de la microbiologa. Por un lado, muchos ingenieros de
procesos han centrado su atencin en diseos y mejoras de instalaciones basados en
modelos matemticos estacionarios, lejos de entender el comportamiento de los
microorganismos del fango activo. Por otro lado, los microbilogos se han centrado
quizs demasiado en el estudio de las variables biolgicas, lejos de entender las variables
fisicoqumicas y de diseo, y en consecuencia, muchos de los trabajos de bioindicacin
realizados en EDAR a escala real han obtenido resultados meramente exploratorios y
descriptivos, siendo en muchas ocasiones contradictorios y errneos sus resultados.
El xito, en contra de la desesperacin, de la bsqueda de modelos de ordenacin de
variables ambientales que expliquen las variables biolgicas, comienza siempre en
primer lugar por constituir grupos multidisciplinares de investigadores (ingenieros,
qumicos, microbilogos, etc) que trabajen conjuntamente. En segundo lugar, el
xito tambin depende de encontrar una adecuada simbiosis Universidad-Empresa. A
modo de ejemplo, en muchos de los estudios realizados en bioindicacin de protistas y
metazoos, las variables de proceso y fisicoqumicas han sido cedidas por las empresas
privadas de explotacin a los investigadores universitarios responsables de los
proyectos. Es probable que el investigador universitario desconozca el da a da de la
explotacin en la EDAR, mientras que algunos responsables de explotacin pueden no
estar motivados en el proyecto, suponindoles por ello una carga adicional de trabajo.
Ambas situaciones son el caldo de cultivo perfecto para que la matriz de variables
ambientales carezca al final del estudio de calidad suficiente para explicar las variables
biolgicas. De poco sirve llegar a una excelente caracterizacin de los microorganismos,
si luego no conseguimos determinar aquellas variables que explican de una forma
significativa la variacin de los mismos. Por tanto, es interesante que personal de
investigacin de la propia empresa de explotacin, por ejemplo del departamento de
I+D+i, colabore y se involucre activamente en los grupos de investigacin. En tercer
lugar, la desesperacin en la bsqueda del modelo se basa principalmente en la difcil
tarea de la eleccin de las herramientas numricas adecuadas para resumir y explorar
estadsticamente grandes conjuntos de datos. Aunque los anlisis multivariados de
patrones de diversidad de la comunidades de organismos estn bien descritos en la
seleccionados. El PCA puede ser de gran ayuda para resumir el conjunto de variables
ambientales y explorar relaciones entre ellas.
Figura 3. Anlisis nMDS, clster y vectores de correlacin segn el facor biorreactor y a partir de los
componentes del nitrgeno del efluente.
Una vez explorado ambos conjuntos de datos, llega el momento decisivo de la eleccin del
modelo de interpretacin ambiental que mejor explica las variables respuesta
(microorganismos). No existe un procedimiento establecido para la seleccin del mejor
modelo que explique las relaciones entre ambos conjuntos de variables. Una de las posibles
alternativas es la aplicacin de un doble enfoque complementario: exploracin de modelos
Referencias:
Ramette, A. (2007) Multivariate analyses in microbial ecology. FEMS Microb Ecol 62: 142-160.
Clarke, K.R., Gorley, R.N., Somerfield, P.J. and Warwick, R.M. (2014) Change in marine
communities: an approach to statistical analysis and interpretation, 3rd edition. PRIMER-E,
Plymouth, 260pp.
Clarke, R.K. (1993) Non-parametric multivariate analyses of changes in community structure.
Austral. Ecol. 18: 117-143.
Anderson, M.J. (2001) Permutation tests for univariate or multivariateanalysis of variance and
regression. Can. J. Fish. Aquat. Sci. 58: 626-639.
milauer, P. and Lep, J. (2014) Multivariate analysis of ecological data using Canoco5. Cambridge
Univ. Press, 362pp.
ter Braak, C. J. F., and I. C. Prentice. 1988. A theory of gradient analysis. Adv. Ecol. Res.
18:271-313.