Definition of water quality variability parameters and dynamics to improve management in a deep canyon type subtropical hydroelectric reservoir

Abstract

Spatial and temporal variability patterns of water quality were evaluated through monthly collection of water samples (surface, subsurface and bottom) from 2005 to 2012. Principal Component Analysis was used to define the relative importance of each variable and Anova (two way) to analyze the significance of differences in water quality in the longitudinal axis of the reservoir. The variables: turbidity, Secchi transparency, residence time and temperature have greater importance on water quality. It was observed spatial and temporal gradients, related to the circulation, sedimentation and resuspension processes, and the influence of low flow, high residence time and winter mixing of water column on the cycling of solids and nutrients may explain the variation in these processes. The use of multivariate statistical analysis methods provided important information to understand these processes, it helps the interpretation of complex data to improve monitoring, and use of information to decision makers.

Os padrões de variabilidade espacial e temporal da qualidade da água foram avaliados através de coletas mensais de amostras de água (superfície, subsuperfície e fundo) de 2005 a 2012. A Análise de Componentes Principais foi utilizada para definir a importância relativa de cada variável e Anova (bidirecional) para analisar a significância das diferenças na qualidade da água no eixo longitudinal do reservatório. As variáveis: turbidez, transparência de Secchi, tempo de residência e temperatura têm maior importância na qualidade da água. Foram observados gradientes espaciais e temporais, relacionados aos processos de circulação, sedimentação e ressuspensão, e a influência da baixa vazão, alto tempo de residência e mistura invernal da coluna d’água na ciclagem de sólidos e nutrientes pode explicar a variação desses processos. A utilização de métodos de análise estatística multivariada forneceu informações importantes para a compreensão desses processos, auxilia na interpretação de dados complexos para melhorar o monitoramento e uso das informações para os tomadores de decisão.