Combined assessment of streams based on diatoms and macroinvertebrates

Abstract

As diatomáceas e os macroinvertebrados fornecem informação complementar na avaliação da qualidade da água. No entanto, os métodos utilizados para esse fim têm sido desenvolvidos separadamente para as duas comunidades. O objetivo deste estudo foi verificar se um modelo preditivo baseado nos dois elementos biológicos produz uma avaliação mais simplista e simultaneamente mais holística e robusta da qualidade dos ecossistemas face aos métodos individuais, os quais necessitam de ser combinados posteriormente, usualmente com base na abordagem “one-out al-out”. Para tal, foram utilizados dois métodos, RIVPACS e BEAST, devido às suas diferentes características, especialmente porque o RIVPACS utiliza dados de presença/ausência enquanto o BEAST utiliza dados de abundância. Foram construídos 6 modelos preditivos para o território português: dois para as diatomáceas, dois para os macroinvertebrados e dois integrando as duas comunidades. Nas primaveras de 2004 e 2005 foram simultaneamente amostradas diatomáceas e macroinvertebrados de 143 locais minimamente perturbados. Foram selecionados 23 locais afetados por contaminação orgânica, efluentes industriais e minas do centro de Portugal para serem utilizados como locais teste. O modelo RIV INV+DIAT atribuiu a mesma classe de qualidade do que o método “one-out all-out” a cerca de 70% dos locais teste, enquanto o BEAST INV+DIAT apenas partilhou cerca de 40% dos locais com a mesma classe. As respostas dos diferentes métodos (incluindo o “one-out all-out”) à degradação ambiental foram avaliadas através de correlações de Spearman. Apesar do RIVPACS ser menos sensível do que o BEAST, demonstrou funcionar melhor quando se combinam as duas comunidades. O tipo de dados influenciou a avaliação dos dois métodos demonstrando ser apenas fiável integrar as diatomáceas e os macroinvertebrados num único método usando dados de presença/ausência.

Diatoms and macroinvertebrates provide complementary information on stream water quality. However, classification methods have been developed separately for the two biological elements. The aim of the present study was to assess if a predictive model based on the evaluation of biodiversity using taxa from both biological elements, produces a simpler and simultaneously more holistic and accurate assessment of stream health than individual methods. These classifications need to be combined later, usually based on “one-out all-out” approach. For that purpose, two different approaches were used, BEAST and RIVPACS, due to their different characteristics, mostly because RIVPACS uses presence/absence data while BEAST uses abundance. Six predictive models were built for the entire Portuguese territory: two for diatoms, two for macroinvertebrates and two combining diatom and macroinvertebrate communities. Data from 143 minimally disturbed sites sampled simultaneously for diatoms and invertebrates in the spring of 2004 and 2005 were used to calibrate and validate the models. For all the six predictive models, 23 impacted streams from central Portugal affected by organic contamination, industrial effluents and mine drainage were used as test sites. The RIV INV+DIAT model shared with “one-out all-out” approach about 70% of the test sites with the same quality class while the BEAST INV+DIAT model only shared about 40%. The responses to the environmental degradation of the different approaches (including the “one-out all-out”) were analyzed through a Spearman correlation. In spite of the less sensitive RIVPACS approach results in comparison to BEAST, it showed to work better when the two biological elements were joined. The type of data influenced the assessment of the two approaches and diatoms and macroinvertebrates can be integrated reliably into a single method using only the presence/absence type of data.