Devido à alta vulnerabilidade espacial e temporal dos ambientes fluviais, a caracterização físico-química e as condições qualitativas da água em bacias hidrográficas de grande porte é muitas vezes limitada (ÁLVAREZ-CABRIA; BARQUÍN; PEÑAS, 2016). Segundo os autores, a maioria dos planos de gestão de bacias baseia-se na avaliação da qualidade hídrica usando dados de pontos estabelecidos em um determinado segmento do rio e que em muitas ocasiões, essas avaliações não agregam informações das características da água ao longo da influência sazonal.
A modelagem de dados em conjunto com levantamentos de campo realizado periodicamente pode ser uma solução eficaz para a falta contínua de informações espaciais e temporais das características físicas, químicas e microbiológicas da água (ÁLVAREZ- CABRIA; BARQUÍN; PEÑA, 2016).
Para Behmel et al., (2016), um dos principais desafios encontrados é em relação à obtenção de uma avaliação segura e confiável da qualidade das águas superficiais determinada por meio de programas de monitoramento ambiental.
De acordo com Liao et al. (2008); Simeonov et al. (2003), um monitoramento ambiental resulta em enormes quantidades de dados, cujas análises e interpretações se tornam complicadas devido à complexidade das diferentes relações existentes entre as variáveis abordadas. Muitas vezes, entretanto, um pequeno número dessas variáveis contém as informações mais relevantes enquanto a maioria delas adiciona pouco ou nada à interpretação dos resultados, em termos qualitativos (GUEDES et al., 2012). Diante disso, torna-se necessário a adoção de técnicas que possam sistematizar e identificar a correlação existente entre as muitas variáveis que geralmente compõem o monitoramento da qualidade da água.
As influências mútuas entre as diversas variáveis mensuradas numa amostra de água constituem no ponto inicial para análise e avaliação da qualidade hídrica, desde que estas interações sejam obtidas de uma distribuição amostral no espaço e no tempo (HARMANCIOGLU; OZKUL; ALPASLAN, 1998).
Para Haase, Krieger e Possoli (1989), os modelos que melhor representam as variações e alterações no meio são baseados em métodos estatísticos, já que permitem a melhor definição dos parâmetros indicadores de acordo com a região de estudo. Deste modo, abordagens multivariadas, têm sido utilizadas com sucesso para apoiar a gestão dos recursos hídricos e extrair informações significativas a partir dessas bases de dados, de maneira que reduzem os dados originais em dados que melhor explicam a variação do ambiente.
Esses tipos de análises permitem além de identificar as variáveis hídricas e geoquímicas de cada bacia hidrográfica e consequentemente as suas fontes, possibilitam a otimização da frequência de monitoramento, do número de pontos de amostragens, do número de parâmetros monitorados e, consequentemente, dos custos associados. No entanto, ao longo dos anos foram desenvolvidos vários índices para avaliar de forma simplista a qualidade da água, com base em características físico-químicas e microbiológicas restritas. Atualmente, o índice mais empregado para avaliação da qualidade hídrica é o índice de qualidade de água (IQA) criado pela National Sanitation Foundation dos Estados Unidos através de pesquisa de opinião de diversos especialistas na área ambiental.
O IQA é utilizado por diversos países e órgãos ambientais como a Companhia Ambiental do Estado de São Paulo. Este índice é composto por nove parâmetros: Coliformes fecais, pH, DBO, Nitrogênio Total, Fósforo Total, Temperatura, Turbidez, Resíduo Total e Oxigênio Dissolvido que exprimem basicamente a relação qualitativa da água com o lançamento de efluentes domésticos.
Assim como a CETESB, o Instituto Mineiro de Gestão das Águas - IGAM também avalia a qualidade hídrica com base no índice proposto pela National Sanitation Foundation.
No entanto, o IGAM utiliza o índice com algumas modificações, pois no lugar do fósforo total e nitrogênio total encontra-se o fosfato e nitrato respectivamente.
De modo geral, para cada parâmetro que compõem o IQA é atribuído um peso conforme especificado na tabela 4 e o cálculo do índice realizado pelo produtório ponderado das qualidades da água correspondentes aos parâmetros, de acordo com a equação abaixo:
(Eq. 4)
Onde:
IQA: índice de qualidade da água, um número de 0 a 100;
qi: qualidade do parâmetro i obtido através da curva média específica de qualidade; wi: peso atribuído ao parâmetro, em função de sua importância na qualidade, entre 0 e 1.
Tabela 6 – Peso atribuído aos parâmetros do IQA- CETESB e IQA-IGAM.
Parâmetros Unidade Peso - wi
Oxigênio dissolvido mg/L 0,17
Coliformes fecais NMP/100 mL 0,15
pH - 0,12
Demanda Bioquímica de Oxigênio mg/L 0,10
Nitrogênio total / Nitrato mg/L 0,10
Fósforo total / Fosfato mg/L 0,10
Temperatura °C 0,10
Turbidez NTU 0,08
Resíduos totais mg/L 0,08
Em uma perspectiva mais ampla, o IQA tende a não representar uma condição próxima ou similar a qualidade real do corpo hídrico, uma vez que não analisa outras variáveis (exemplo: elementos traços) importantes para a caracterização do ambiente aquático.
Além disso, o IQA torna-se frágil por não contemplar e levar em consideração na formulação de seus parâmetros as peculiaridades e características naturais (geologia, solo, vegetação) e antrópicas (uso e ocupação do solo) de cada bacia hidrográfica.
Nesse contexto de complexidades e interações de uma bacia de drenagem, as análises estatísticas multivariadas apresentam-se como a ferramenta mais adequada e importante para determinação das variáveis mais relevantes em cada área de estudo. Essas análises, além de reduzir a dimensionalidade e identificar um padrão no conjunto dos dados originais de um
monitoramento ambiental, permitem a caracterização dos possíveis fatores ou fontes responsáveis pelas variações na qualidade da água.
3.8. ANÁLISES ESTATÍSTICAS MULTIVARIADAS