Estudio de la dinámica del plancton del embalse Paso de las Piedras (Buenos Aires, Argentina) a través datos de campo y modelado matemático

FRITZ, LAURA J.; SINISCALCHI, AMIRA G.; PRIVITERA SIGNORETTA, IVÁN; ESTRADA, VANINA; DÍAZ, M. SOLEDAD

Esquel

Congreso; 9° Congreso Argentino de Limnología; 2021

Centro de Investigación Esquel de Montaña y Estepa Patagónica (CONICET - UNPSJB)

El Embalse Paso de la Piedras (Buenos Aires) es la fuente de agua potable para las ciudadesde Bahía Blanca y Punta Alta. Debido a su estado trófico, sufre reiteradas proliferaciones decianobacterias y algas eucariotas que dificultan el proceso de potabilización y comprometenla salud pública y del ecosistema. En este trabajo se estudió la dinámica estacional de losprincipales grupos de fitoplancton y de mesozooplancton, su relación con las concentraciones de nutrientes y de las principales variables fisicoquímicas y meteorológicas. El estudio comprende muestreos realizados en dos profundidades de la columna de agua (subsuperficial y 10 m) durante los años 2015 y 2016. Por otra parte, estos datos se utilizaron para calibrar un modelo mecanístico de calidad de agua desarrollado previamente para el embalse que describe la dinámica temporal y espacial de las principales variables biogeoquímicas formulado en un marco de optimización dinámica. No se encontraron diferencias significativas entre la biomasa media estacional de los distintos grupos de fitoplancton y de los géneros de zooplancton, excepto para las cianobacterias que en otoño del 2016 presentaron mayor biomasa que en esa estación del año anterior. Por otra parte, se encontraron correlaciones lineales entre: la temperatura y la biomasa de cianobacterias,clorófitas y dinófitas; la radiación solar y la biomasa de diatomeas y dinófitas; las concentraciones de fósforo y la biomasa de diatomeas y de dinófitas; las concentraciones de hierro y la biomasa de cianobacterias; las concentraciones de zooplancton (tanto cladóceros como copépodos) y la de clorófitas. Finalmente, se obtuvieron los valores óptimos de los parámetros más sensibles del modelo logrando un buen ajuste a los datos experimentales, permitiendo tener una herramienta computacional para la evaluación de estrategias óptimas de restauración de la calidad del agua y la evaluación de sus efectos sobre los principales componentes del ecosistema.