Resumen

Las microalgas dependen del medio donde se encuentre para su óptimo desarrollo. La metodología se basó en realizar una colecta de microalgas en la zona del Caribe, Costa Rica. Se identificaron, midieron, analizaron y clasificaron según su phylum. Se realizó una base de datos estadístico utilizando R, R-Studio y Excel® con el fin de poder aplicar diferentes pruebas estadísticas como: normalidad, análisis de varianzas y frecuencias. Se obtuvieron diferencias y semejanzas significativas entre ellas según su tamaño y el sitio donde fueron encontradas. Se obtuvo que los datos no presentaban normalidad, debido a que habían especies de microalgas que se encontraban en altas concentración mientras que en otros casos solamente se encontraba un individuo como tal, donde también se concluyó que la cantidad de especies dependió si las microalgas estuvieron en contacto en un medio contaminado.

Palabras claves:microalgas, tamaño, varianzas, frecuencias, sitios.

Pregunta:

Hipótesis:

Objetivo General:

Objetivos Específicos:

Introducción:

Las microalgas son organismos unicelulares o pluricelulares que tienen la capacidad de realizar todas las funciones vitales de forma independiente mediante la fotosíntesis, sirven de alimentos para otros organismos y pueden servir como bioindicadores de la calidad de agua, esto es importante debido a que a contaminación de los cuerpos de agua radica en la eutrofización que es causada por la liberación de compuestos orgánicos e inorgánicos al medio con concentraciones de nitrógeno y fósforo que pueden alcanzar hasta tres veces lo normal, permitiendo la proliferación de microalgas dañinas para el ser humano lo que afecta la calidad de las aguas.

La zona del Caribe, Costa Rica se caracteriza por ser una zona dedicada a la gran variedad de cultivos, donde se destacan: el banano y la piña, los cuales para incrementar su producción y protección ante plagas requieren de gran cantidad de químicos los cuales pueden estar afectado de manera significativamente las distribuciones de microalgas que se encuentran en los lagos y efluentes están en los alrededores de esa plantaciones.

Es importante conocer la distribución de las microalgas e identificar si están siendo afectadas o no por agentes externos, debido a esto, se realizará un estudio donde se tomaran en cuenta las muestras colectadas, bases de datos estadísticos y sitios de muestreo. Para así tener una mejor visión de su desarrollo.

Los lugares donde se realizaron los muestreos fueron: Boca del río Madre de Dios, Boca de la laguna Santa Marta, Laguna Madre de Dios y Boca del río Pacuare, en los cuales se han detectado en forma constante concentraciones de plaguicidas de alta toxicidad y otros agroquímicos provenientes de grandes extensiones de monocultivos de piña y banano. A continuación se hace una breve descripción de los grupos de microalgas utilizadas en el estudio:

Bacillariophyta: Las diatomeas son microalgas unicelulares o coloniales de gran diversidad específica, cosmopolitas y que se adaptan a climas variados como los hielos polares y aguas termales. Están ampliamente distribuidas en el mar y en aguas continentales tanto en ecosistemas de aguas corrientes como estancadas. La poca mineralización de los ríos influye en el bajo número de especies presentes y que la velocidad de la corriente influye sobre la composición y abundancia de las diatomeas. Estos organismos microscópicos pueden poseer metabolismos autótrofos o heterótrofos, acumulan crisolaminarina (Morales, E., et al, 2010 & Rivas, A., et al, 2010).

Charophytas: Particular grupo de algas pluricelulares macroscópicas que representan el más alto grado de evolución dentro de las algas verdes. La presencia de carófitos en las zonas húmedas es un buen indicador de calidad del agua, algunas especies o variedades son más sensibles que otras algas a la contaminación. Chara es el único género vivo actualmente, se encuentra en la base con la ayuda de raíces como los rizoides en el suelo en el fondo de cuerpos de agua dulce estancados, poco profundos y de funcionamiento lento, también se ve crecer en abundancia en las orillas del río. Crece en agua dulce con abundante calcio, fósforo y menos oxígeno. La sustancia de reserva característica de este grupo es el almidón verdadero.(Sharma, 2010; Cirujano, 2010)

Chlorophytas: Las microalgas de la División Chlorophyta también llamadas algas verdes son consideradas como uno de los grupos más diversos y más especializados, muchas de estas algas son adaptables a condiciones extremas de temperatura, salinidad y humedad. Las clorofíceas suelen dominar el plancton eutrófico de cuerpos de agua más someros.(Gerardo & Ceballos, 2015)

Cyanobacterias: Las Cyanophytas son bacterias procariotas que presentan el mismo aparato fotosintético de las algas eucariotas y de las plantas superiores, incluyendo los dos fotosistemas y la presencia de clorofila “a”. La mayoría son de vida libre, encontrándose principalmente en ambientes acuáticos continentales y marinos. Son organismos fotoautotróficos que presentan mecanismos y adaptaciones para la fijación de nitrógeno atmosférico. El grupo se reconoce por su habilidad para establecerse en ambientes extremos, habitando sistemas hipersalinos, aguas termales (hasta 80ºC) e incluso regiones polares. Sobreviven a largos períodos de desecación y algunas especies producen una vaina pigmentaria externa que les permite sobrevivir en ambientes de alta radiación UV. Las cianofíceas suelen ser el grupo algal dominante en cuerpos de agua profundos eutróficos (López, A., 2015).

Metodología:

Importante mencionar que este trabajo se realizó en conjunto un trabajo de investigación de la Universidad Nacional de Costa Rica, debido a esto se procedió a dividir la metodología en dos partes: campo y ordenamiento de base de datos.

1- Trabajo de campo, las muestras fueron tomadas por el estudiante avanzado en la carrera de biología: Diego Domínguez, el cual hizo la colecta de microalgas por el método de raspado de tallos y hojas. La muestra fue tomada en 4 sitios pertenecientes: boca del río Madre de Dios, boca de la laguna Santa Marta, laguna Madre de Dios y boca del río Pacuare todos estos lugares perteneciente a la zona del Caribe, en cada sitio se tomaron 3 gotas. La colecta de las muestras se realizó en el año 2016 en dos giras con estaciones del clima diferentes, siendo mayo la época seca y la otra en octubre en estación lluviosa. Finalizada la colecta de las microalgas se procedió a investigar en la literatura y con ayuda de la profesora que supervisaba el proyecto, se procedió a observar, medir las muestras en el microscopia, usando micras como unidad de medida y clasificarlas dependiendo a su caracterización..

2- Ordenamiento de base de datos, ese fue nuestro papel principal, donde se tomaron los datos en bruto, los cuales contenían todas las fotografías de las microalgas que se identificaron y clasificaron en microscopio, se ordenaron en carpetas dos carpetas: gira 1 y gira 2. Luego a cada una de las giras se les hizo subcarpetas conteniendo los lugares de muestreos y a cada lugar se le adjuntó 3 subcarpetas donde se le agregaron los datos de las gotas. Luego se haber ordenado los datos en bruto, se procedió realizar una base en Excel con los datos que nos proporcionaban las fotos, se sacaron varias categorías: gira, sitio, muestra, repetición, grupo-phylum, especie y tamaño. Al terminar de ordenar los datos en Excel , luego fueron agregados al programa de R para así poder así poder ejecutar comandos para poder identificar si existían diferencias y semejanzas significativas en los grupos de microalgas encontradas en esa zona. Los comandos a utilizar fueron: análisis de varianzas para determinar la diferencia entre tamaños con respecto a los sitios, se sacaron distribución de frecuencias para ver si habían cesgamiento, se efectuó normalidad para verificar si los datos eran paramétricos o no paramétricos, además de otras pruebas para corroborar los datos y por último se requirió de la utilización de gráficos para la interpretación de los datos, como: ggplot e histogramas.

A continuación se mencionarán los sitios de experimentación con su correspondiente código el cual será utilizado para la interpretación de las diferentes pruebas.

Boca del río Madre de Dios (BRMD)

Boca de la laguna Santa Marta (BLSM)

Laguna Madre de Dios (LMD)

Boca del río Pacuare (BRP)

Las pruebas utilizadas en el programa R

  • Shapiro.test: La cual se utilizó para identificar si hay normalidad
shapiro.test(g1$Tamaño)
## 
##  Shapiro-Wilk normality test
## 
## data:  g1$Tamaño
## W = 0.65167, p-value < 2.2e-16
t.test(g1$Tamaño)
## 
##  One Sample t-test
## 
## data:  g1$Tamaño
## t = 30.674, df = 564, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 0
## 95 percent confidence interval:
##  30.83715 35.05665
## sample estimates:
## mean of x 
##   32.9469

Al realizar esta prueba se aprecia que los datos no presenta normalidad siendo g1 la estación seca.

Se tiene una confianza al 95% que la media de la poblacion muestreada en la estación seca se encuentra entre [30.83 a 35.05] del tamaño de las microalgas en los sitios de muestreo.

shapiro.test(g2$Tamaño)
## 
##  Shapiro-Wilk normality test
## 
## data:  g2$Tamaño
## W = 0.70125, p-value < 2.2e-16
t.test(g2$Tamaño)
## 
##  One Sample t-test
## 
## data:  g2$Tamaño
## t = 35.775, df = 589, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 0
## 95 percent confidence interval:
##  29.43408 32.85354
## sample estimates:
## mean of x 
##  31.14381

Al realizar esta prueba aprecia que los datos no presenta normalidad siendo g2 la estación lluviosa.

Se tiene una confianza al 95% que la media de la poblacion muestrada en la estación lluviosa se encuentra entre [29.43 a 32.85] del tamaño de las microalgas en los sitios de muestreo.

shapiro.test(g1nit$Tamaño)
## 
##  Shapiro-Wilk normality test
## 
## data:  g1nit$Tamaño
## W = 0.87118, p-value = 6.193e-09
t.test(g1nit$Tamaño)
## 
##  One Sample t-test
## 
## data:  g1nit$Tamaño
## t = 25.071, df = 122, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 0
## 95 percent confidence interval:
##  27.72777 32.48199
## sample estimates:
## mean of x 
##  30.10488

Se realizó esta prueba para determinar la normalidad de los datos de una especie Nitzschia tropica la cual presentaba una mayor abundancia durante la estación seca.

Se tiene una confianza al 95% que la media de la poblacion de Nitzschia tropica se encuentra entre [27.72 a 32.48] del tamaño durante la estación seca en los sitios de muestreo.

shapiro.test(g2nit$Tamaño)
## 
##  Shapiro-Wilk normality test
## 
## data:  g2nit$Tamaño
## W = 0.74227, p-value = 5.538e-11
t.test(g2nit$Tamaño)
## 
##  One Sample t-test
## 
## data:  g2nit$Tamaño
## t = 18.549, df = 85, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 0
## 95 percent confidence interval:
##  26.57235 32.95277
## sample estimates:
## mean of x 
##  29.76256

Se realizó esta prueba para determinar la normalidad de los datos de una especie Nitzschia tropica la cual presentaba una mayor abundancia durante la estación lluviosa.

Se tiene una confianza al 95% que la media de la poblacion de Nitzschia tropica se encuentra entre [26.57 a 32.95] del tamaño durante la estación lluviosa en los sitios de muestreo.

Para visualizar mejor los datos se realizaron histogramas.

distg1<-fdt(g1$Tamaño)
plot(distg1,ylab="Cantidad de microalgas presentes",xlab="Tamaños (µm)",main = "Histograma de Clase en la Estación Seca",col = 123)

Histograma de la estación seca

distg2<-fdt(g2$Tamaño)
plot(distg2,ylab="Cantidad de microalgas presentes",xlab="Tamaños (µm)",main = "Histograma de Clase en la Estación Lluviosa",col = 124)

Histograma de la estación lluviosa

dist1<-fdt(g1nit$Tamaño)
plot(dist2,main = "DISTRIBUCION DE FREQ. DEL TAMAÑO DE NITZSCHIA TROPICA EN LA ESTACIÓN SECA",cex.main=0.8, col = "green",ylab="Cantidad de microalgas presentes",xlab="Tamaños (µm)")

Histograma de la estación seca para la Nitzschia tropica

dist2<-fdt(g2nit$Tamaño)
plot(dist1,main = "DISTRIBUCION DE FREQ. DEL TAMAÑO DE NITZSCHIA TROPICA EN LA ESTACIÓN LLUVIOSA",cex.main=0.8,col = "77",ylab="Cantidad de microalgas presentes",xlab="Tamaños (µm)")

Histograma de la estación lluviosa para la Nitzschia tropica

t.test(g1nit$Tamaño,g2nit$Tamaño);wilcox.test(g1nit$Tamaño,g2nit$Tamaño);var.test(g1$Tamaño,g2$Tamaño);boxplot(g1$Tamaño,g2$Tamaño,names=c("estación lluviosa", "estación seca"),col=12, main="Comparación de tamaños de NITZSCHIA TROPICA en la diferentes estaciones",cex.main=0.8,ylab="Tamaños (µm)")
## 
##  Welch Two Sample t-test
## 
## data:  g1nit$Tamaño and g2nit$Tamaño
## t = 0.17081, df = 169.77, p-value = 0.8646
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -3.613838  4.298478
## sample estimates:
## mean of x mean of y 
##  30.10488  29.76256
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  g1nit$Tamaño and g2nit$Tamaño
## W = 5527.5, p-value = 0.5801
## alternative hypothesis: true location shift is not equal to 0
## 
##  F test to compare two variances
## 
## data:  g1$Tamaño and g2$Tamaño
## F = 1.4579, num df = 564, denom df = 589, p-value = 6.296e-06
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
##  1.238217 1.717023
## sample estimates:
## ratio of variances 
##           1.457883

Haciendo la prueba de Shapiro que da un valor de p= 6.193e-09 en la época seca se logra ver que la Nitzschia tropica no sigue parámetros normales.

Luego de observar estos resultados se decide hacer una prueba de hipótesis de Wilcoxon ya que las muestras no dan normalidad para ambas fechas de esta especie en particular.

Esta prueba nos da un valor de p = 0.5801, esto nos dice que la media de estos datos es igual o muy parecida y que los datos tienen medidas muy iguales en ambas fechas del año para esta especie. La prueba de T de Student da un p-value = 0.8646, esto demostrando que la comparación de tamaños de esta especie en ambas épocas (seca y lluviosa) es significativa o que cumple con la H0, ósea que son muy parecidas.

Se utilizó la prueba de Shapiro en las estación lluviosa y estación seca en relación al tamaño de las microalgas. Estas dieron por aparte que no son normales ya que la cantidad de especies en relación a tamaños es muy amplia en cada una de las fechas de colecta.

La estación seca muestra asimetría en los datos (Shapiro, p < 2.2e-16) Mean: 32.95 Min.: 2.49 Max.: 294.00 La estación lluviosa muestra asimetría en los datos (Shapiro, p<2.2e-16) Mean: 31.14 Min.: 81.0 Max.: 1150.0 Mostrando que no hay normalidad en los datos colectados en ambas fechas, esto puede ser debido a la gran variedad de especies y tamaños encontrados.

Haciendo la prueba de T de Student de las estaciones que se muestreo y mostró un valor de p= 0.1925 aceptando la H0 de las fechas según el tamaño de las algas, mostrando que ambos grupos presentan medias iguales y no tienen diferencias significativas, esto quiere decir que las algas muestran un tamaño similar o igual en ambas épocas del año (Junio época seca y Octubre época lluviosa).

En la prueba de varianza se mide un p-value = 6.296e-06 mostrando que las varianzas de tamaños por fecha son diferentes.

Concentración de los nutrientes

Durante es periodo del 29 de mayo se puede apreciar una gran concentración de nutrientes debido que durante esta fecha se encontraba en plena estación seca y el fluyo del caudal de los afluentes era significativamente menor, así mismo el periodo de 11 de octubre la estación lluviosa estaba empezando y el caudal estaba aumentando lo cual explica la disminución de la concentración de los nutrientes disueltos en el agua.

aov(Algascuenta$`Cuenta de Tamaño`~Algascuenta$Sitio,data=Algas)->annnova3
summary(annnova3)
##                    Df Sum Sq Mean Sq F value Pr(>F)  
## Algascuenta$Sitio   3    826  275.30   3.374 0.0194 *
## Residuals         210  17137   81.61                 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
shapiro.test(annnova3$residuals)
## 
##  Shapiro-Wilk normality test
## 
## data:  annnova3$residuals
## W = 0.58341, p-value < 2.2e-16
kruskal.test(Algascuenta$Sitio~Algascuenta$`Cuenta de Tamaño`)->annova4
annova4
## 
##  Kruskal-Wallis rank sum test
## 
## data:  Algascuenta$Sitio by Algascuenta$`Cuenta de Tamaño`
## Kruskal-Wallis chi-squared = 28.373, df = 26, p-value = 0.3404

Al realizar la ANDEVA de la abundancia de microalgas con respecto al sitio de muestro se obtuvo que los residuos no presentaban simetría (Shapiro, p<0.05), por lo cual se procede a ejecutar una prueba de Kruskal-Wallis para datos no paramétricos dando un p>0.05.

tamaño<-Algasprueba$Abun
sitio<-c(rep("BLSM",57), rep("BRMD",51), rep("BRP",57),rep("LMDC",49))
mi.dataframe<-data.frame(tamaño,sitio)
fligner.test(tamaño~sitio, data=mi.dataframe)
## 
##  Fligner-Killeen test of homogeneity of variances
## 
## data:  tamaño by sitio
## Fligner-Killeen:med chi-squared = 17.048, df = 3, p-value =
## 0.0006909
pairwise.wilcox.test(Algascuenta$`Cuenta de Tamaño`,Algascuenta$Sitio, p.adj = "bonf",exact=F)
## 
##  Pairwise comparisons using Wilcoxon rank sum test 
## 
## data:  Algascuenta$`Cuenta de Tamaño` and Algascuenta$Sitio 
## 
##      BLSM  BRMD  BRP  
## BRMD 0.044 -     -    
## BRP  1.000 0.036 -    
## LMDC 1.000 0.039 1.000
## 
## P value adjustment method: bonferroni

Para analizar la varianza entre los sitios y la abundancia de las algas se realizó una ANDEVA exploratoria de los datos, luego se aplica un prueba de Shapiro para verificar la normalidad de los residuos, lo cual se concluye que no presentan normalidad, por lo caul se ejecuta una prueba no parametrica. Por consiguiente se procede a aplicar la Prueba de Fligner para conocer las heterocedasticidad de la ANDEVA no paramétrica.

g <- ggplot(Algas, aes(factor(Algas$Sitio), Algas$Tamaño, colour = Algas$Sitio))
g +scale_y_continuous(name = "Tamaños en Um") + scale_x_discrete(name="Sitios")+ geom_boxplot()+ ggtitle("Tamaños de las microalgas por Sitios")

tapply(Algas$Tamaño,Algas$Sitio,sd)
##     BLSM     BRMD      BRP     LMDC 
## 24.70648 34.52418 19.30888 18.37989
tapply(Algas$Tamaño,Algas$Sitio,sd)
##     BLSM     BRMD      BRP     LMDC 
## 24.70648 34.52418 19.30888 18.37989
tapply(Algas$Tamaño,Algas$Sitio,length)
## BLSM BRMD  BRP LMDC 
##  450  121  306  278

Se encontró que el tamaño medio de la micro-algas, fue mayor en el lugar BRMD (39.43±34.52, n=121), seguido del lugar BRP(31.67±19.30, n=306) ,BLSM (31.02±24.70, n=450), del lugar LMDC presente el menor tamaño(30.81±18.37, n=278), de manera significativa (Kruskal-Wallis chi-squared = 28.373, df = 26, p-value = 0.3404).La prueba de Bonferroni muestra una diferencia significativa entre los diferentes sitios de muestro.

Discusión

Las microalgas no presentan una simetría entre los tamaños y tampoco en la abundancia de las microalgas en cada una de las diferentes estaciones. Esto pude ser causado por la contaminación. Por lo tanto, de se puede pensar que el exceso de contaminantes, causando una posible reducción en la abundancia de especies en los sitios.

Al aplicar las pruebas es un grupo exclusivo de la misma especie se puede observar que tiene a presentar simetría entre los tamaños de la Nitzschia tropica, por lo cual se puede pensar que los datos podrían seguir una cierta simetría si se toman grupos de microalgas y no la población presente en los sitios de muestro. (Wayne, 2010)

Al eliminar los datos anomalos de las bases se podria obtener la simetría de los mismos. Así como se pueden hacer transformaciones de los datos. (Wayne, 2010) Pero esto quedara a criterio del investigador.

Conclusión

Recomendaciones:

Bibliografía

Cirujano, S.; García, P.; Meco, A. &Fernández, R. Los carofitos ibéricos. Recopilación Tomado de: https://www.google.com/url?sa=t&source=web&rct=j&url=http://www.humedalesibericos.com/sesiones/humedales1/web/musguitos/sp_3.pdf&ved=0ahUKEwjSk4v17LTXAhXL4CYKHVVXANsQFghDMAo&usg=AOvVaw3rCz8MAzkiVvntbBULL8cn

Gerardou, J. & Ceballos, A. (2015). Manual de prácticas de laboratorio y campo, botánica I. Universidad de Michoacán de San Nicolás de Hidalgo, México. Tomado de: http://bios.biologia.umich.mx/obligatorias/botanica/manual_botanica1_21agosto2015.pdf

López Sánchez, A. X. (2015). Evaluación de la comunidad fitoplanctónica de los grupos Diatomeas, cyanophytas, chlorophytas y dinoflagelados en las aguas del Río Estero Real, Chinandega y su relación con la sanidad (Doctoral dissertation).

Morales, E. A., Fernández, E., & Chávez, V. S. (2010). Diatomeas (Bacillariophyta):¿ Por qué debemos incorporarlas en estudios de la biodiversidad boliviana. In Biodiversidad y Ecología en Bolivia. Simposio XXX Aniversario Instituto de Ecología Universidad Mayor de San Andrés. Plural Editores, La Paz (pp. 31-54).

Rivas Flores, A. W., Gómez Orellana, R. E., & Urias Monterrosa, A. J. (2010). Consideraciones generales para el estudio y monitoreo de diatomeas en los principales ríos de El Salvador.

Tomado de: http://www.humedalesibericos.com/sesiones/humedales1/web/musguitos/sp_3.pdf http://vle.du.ac.in/mod/book/view.php?id=9702&chapterid=15515 http://bios.biologia.umich.mx/obligatorias/botanica/manual_botanica1_21agosto2015.pdf

Sharma, G. (). Virtual Learning Enviroment. Institute le Lifelong Learning, University of Delhi Tomado de: http://vle.du.ac.in/mod/book/view.php?id=9702&chapterid=15515

Wayne, Daniel. (2010). Bioestadística Base para el análisis de las ciencias de la salud. Grupo Noriega Editores. Baladares 95 México, D.F.: Editorial Lumisa S.A.