CONDUCTIVIDAD Y SALINIDAD EN LOS ECOSISTEMAS

ACUATICOS DEL PARQUE NACIONAL DE DOÑANA (SO, ESPAÑA)

O. G. Bodelón, M. Bernués, A. Baltanás & C . Montes
Departamento Interuniversitario de Ecología, Universidad Autónoma de Madrid, 28049-Madrid, España.

Palabras clave: Bajo Guadalquivir, Doñana, marisma, ecosistemas acuáticos sobre manto eólico, concentración iónica, clorosidad.

ABSTRACT
Fí
CONDUCTIVITY AND SALINITY IN AQUATIC ECOSYSTEMS OF DONANA NATIONAL PARK (SW, SPAIN)

A large data set of chemical valiables from an extensive survey of the water bodies of Doñana has been used for assessing the rela-
tionship between conductivity and salinity in the area. The aim of finding an appropriate conversion factor for estimating salinity from
conductivity data has rendered a better knowledge of factors affecting that relationship. A table is offered for computing in an easy
way predicted salinities. However, and despite the optimum fit of data to the model, estimations remain loose when dealing with
highly mineralized waters. The relationship between clorosity and salinity has been also evaluated and discarded as useful due to
important flaws in regression model assumptions.

Disponer de un factor de conversión que relacione la conductivi-

dad con la salinidad constituye, por lo tanto, una herramienta de
Los ecosistemas acuáticos constituyen uno de los elementos trabajo de gran utilidad (HAMMER, 1986). Para aguas salobres
más característicos que definen el paisaje del Parque Nacional (de origen marino) en las que los cloruros representan alrededor
de Doñana. Desde una perspectiva genético-funcional el Parque del 50% del peso total de sales disueltas, se emplea también la
se compone de cuatro sistemas ambientales naturales (continen- clorosidad (concentración del ion cloruro expresada como peso
tal, eólico, marisma y costero) que mantienen un rico y variado por unidad de volumen) para estimar la salinidad a través de la
patrimonio de formaciones palustres y criptohumedales de fórmula de KUNDSEN (1902): S%O= 0.03 + 1.805 C1 (gl-').
carácter hipo- y epigénico (BRAVO & MONTES, 1993). En El uso de la conductividad como estimador de la salinidad
todos estos ecosistemas se distinguen una serie de factores cla- plantea problemas en distritos limnológicos hidroquímicamen-
ves que condicionan los procesos que definen su integridad eco- te muy heterogéneos en su concentración y composición iónica
lógica a una escala espacial amplia. Entre estos factores (régi- (WILLIAMS, 1986; FLORÍN et al., 1993; ALCORLO et al.,
men hidrológico, turbiedad y estado trófico) la salinidad consti- en prep.). En el Parque Nacional de Doíiana, sin embargo, la
tuye uno de los descriptores básicos de la tipología funcional de presencia de aguas tanto superficiales (BERNUES, 1990)
los humedales del Parque (BERNUES, 1990). como subterráneas (MANZANO et al., 199 1 ) de características
En este sentido, disponer de un método fiable y rápido de homogéneas en su composición iónica, con predominio de
estimación directa de la salinidad es de una gran importancia aguas clorurado-sódicas y escasas singularidades de carácter
tanto para el desarrollo de estudios básicos como para la realiza- bicarbonatado-cálcico, justifica el empleo de esta aproxima-
ción d e programas d e seguimiento y gestión ambiental ción metodológica.
(WILLIAMS, 1986). Dado que los métodos habitualmente utili-
zados para la medida directa de la salinidad (concentración de
iones mayoritarios y residuo seco a 105" -TDS-) suponen un
esfuerzo notable tanto en tiempo como en dinero, se han utiliza- Se estudiaron 391 muestras de agua procedentes de 199
do frecuentemente métodos indirectos alternativos entre los que localidades de muestre0 repartidas por todo el territorio del
destaca la conductividad eléctrica (HEURTEAUX, 1988). Parque Nacional e incluyendo los distintos tipos funcionales de

Limnética, 10 (2): 27-31 (1994)

O Asociación Española de Limnología, Madrid. Spain
ecosistemas acuáticos representados en la zona. Las muestras
se recogieron entre los años 1988 y 1993 en distintas fases de
su ciclo anual con la idea de abarcar el máximo rango posible El análisis de la relación entre salinidad y conductividad
de variación en la concentración iónica de sus aguas. La con- resulta en el siguiente modelo lineal (Fig. l),
ductividad se midió con un conductivímetro modelo INS- log,,(Sal) = -0.175 + 1.0053 log,,(Cond) (n=358) r2=0.99
TRAN 10 con compensación automática de temperatura (cte. que expresa la relación entre conductividad y salinidad para el
de célula=l). La salinidad se estimó como la suma de las con- área considerada.
centraciones de los componentes iónicos mayoritarios (Ca++, Tanto la constante como la pendiente de esta regresión son
Mg", Na+, K+,CO,=, C0,H-, SO,=, C1-) medidos según la significativamente diferentes de O (pc0.0001) y el modelo en
metodología recomendada en APHA (1985, 1989). su conjunto es altamente significativo (F=38534.62,
La relación salinidad-conductividad se evaluó mediante aná- p<0.0001). La pendiente del modelo, sin embargo, no es signi-
lisis de regresión lineal (mínimos cuadrados) sobre los datos ficativamente distinta de 1 (error estándar asociado a la estima
transformados logarítmicamente. El empleo del modelo de de la pendiente igual a 0.005) coincidiendo con otros modelos
regresión lineal sobre datos logaritmizados se justifica por que, desarrollados también para aguas clorurado-sódicas (ej.
corregir la heterocedasticidad de los mismos (WILLIAMS, WILLIAMS, 1986). muestran una pendiente muy similar.
1986) y normalizar la distribución de los residuos. Es impor-
tante destacar que el uso de variables transformadas requiere,
para la aplicación del modelo a casos reales (predicciones futu-
ras), una transformación inversa que permita obtener estimas
de la variable dependiente y sus bandas de confianza en una
escala aritmética y no logarítmica. Aunque con frecuencia se
asume que esta transformación, en el caso del modelo log-
transformado que nos ocupa, es el antilogaritmo del valor
correspondiente, este procedimiento es erróneo produciendo
sesgos en las estimaciones que pueden ser importantes. Una
alternativa adecuada es la propuesta por BASKERVILLE
( 1976)
~=antilo~(lo~($+s~,,~~2)
donde S representa a los valores de la salinidad en escala arit-
mética (ver ALCORLO et al., in prep. para un tratamiento más
amplio de esta cuestión). .o1 ' 1 I 1 I

Para estimar la correción de los resultados analíticos se cal- .10 1.o0 10.00 100.00
culó el balance iónico con la siguiente expresión Conductividad (mS cm")
%error=10qxcationes-~aniones)/(~cationest~aniones)(APHA,1989) FIGURA l . Modelo de regresión lineal para la relación salinidad-conductividad
desechándose aquellas muestras que presentaban un error en masas de agua del Parque Nacional de Doñana (los diferentes símbolos indi-
superior al lo%, de forma que el conjunto final de datos quedó can los diferentes sectores ambientales). Las líneas continuas marcan las bandas
de confianza (95%) de la predicción de una observación futura.
reducido a 358 muestras. HGURE 1 . Lineal regression model of the relationship between salinity and con-
Dado que el objetivo principal es obtener una herramienta ductivity in water bodies of Dofiana National Park (different areas are depicted
with different symbols). Solid lines are the confidence bands (95%) for the futun
predictiva para la estimación de la salinidad a partir de las
predictions.
medidas de conductividad, es necesario obtener una idea de la
exactitud de dicha estima. Para ello se calculó la banda de con-
fianza asociada a observaciones futuras unitarias usando la La figura 1 muestra también las bandas de confianza (95%)
expresión de ZAR (1984, p.275). de la predicción para el conjunto de las muestras. Consideran-
De forma similar, y dado su empleo generalizado en algunos do que el objetivo principal de derivar una relación entre con-
ambientes salobres, se estudió la relación entre salinidad y clo- ductividad y salinidad es obtener una herramienta eficaz de
rosidad mediante análisis de regresión lineal. En esta ocasión, estima de la segunda a partir de la primera, se ha confecciona-
sin embargo, los datos no se transformaron puesto que la do una tabla que permite hacer predicciones de forma rápida
expresión de KNUDSEN (1902) se refiere a datos brutos. (Tabla 1). En esta tabla se puede apreciar que, para conductivi-
 dades elevadas, las predicciones tienden a hacerse poco preci- Si bien a elevadas concentraciones iónicas las interferencias,
sas (ej., para una conductividad observada de 90 mS cm-' la los equilibrios químicos inestables y los efectos dieléctricos y
banda de predicción de la salinidad tiene una anchura de, apro- electrostáticos se traducen en una mayor variabilidad de la
ximadamente, 38 g 1.'). El efecto de aumento de la anchura de relación conductividad-salinidad (WILLIAMS, 1966) no es
la banda de confianza de las predicciones conforme nos move- menos cierto que una parte de la misma sea posiblemente de
mos hacia valores elevados de conductividad no se aprecia en carácter instrumental y pueda corregirse mediante el empleo de
la relación de la Fig. 1 puesto que, al haberse realizado en los conductímetros de células de constante adecuada a la sali-
escala logarítmica, las bandas d e confianza aparecen con nidad del medio (M 0 AGRICULTURA, 1986, BERNUÉS,
anchura constante, casi paralelas. Sin embargo, la misma infor- 1990). Es también posible que un modelo como el aquí obteni-
mación dibujada en escala aritmética presentaría las bandas de do deba sus imprecisiones a haber combinado en un sólo con-
confianza en expansión que refleja la Tabla 1. Este patrón no junto datos procedentes de unidades ambientales con compor-
hace sino manifestar la incorporación al modelo de la naturale- tamientos bien diferentes en su relación conductividad salini-
za típicamente heterocedástica de los datos que tienen una dad. Analizados por separado las muestras de cada uno de los
mayor varianza conforme nos movemos a las zonas de minera- sistemas ambientales de Doñana, los resultados muestran, sin
lización más elevada. embargo, comportamientos similares en todos ellos para la

TABLA 1 Bandas de confianza (95%) estimadas p a n la salinidad (g 1 ') a partir de valores de conductividad en el intervalo de 1 a 100 mS cm '
TABLE 1 Estimated confidence bands (95%) of salinity (g 1 ') computed from conductivity values ranging from 1 to 100 mS cm '

Cond. Salinidad Cond. Salinidad Cond. Salinidad

(mS cm-') (g k') (mS cm-') (g 1-9 (mS cm-') (g U')
L.C. (95%) L.C. (95%) L.C. (95%)
E 1.00 0.50 - 0.91 26.00 13.28 - 24.08 52.00 26.64 - 48.37
2.00 1.01 - 1.83 27.00 13.79 - 25.01 54.00 27.67 - 50.24
3.00 1.52 - 2.74 28.00 14.31 - 25.94 56.00 28.70 -52.11
4.00 2.02 - 3.66 29.00 14.82 - 26.87 58.00 29.73 -53.98
5.00 2.53- 4.59 30.00 15.33 - 27.81 60.00 30.76 - 55.86
6.00 3.04 - 5.51 3 1.O0 15.85 -28.74 62.00 31.79 - 57.73
7.00 3.55 - 6.43 32.00 16.36 - 29.67 64.00 32.82 -59.61
8.00 4.06 - 7.36 33.00 16.87 -30.61 66.00 33.85 -61.48
9.00 4.57 - 8.28 34.00 17.39 - 31.54 68.00 34.88 - 63.36
10.00 5.08 - 9.21 35.00 17.90 - 32.47 70.00 35.91 - 65.23
11.00 5.60 - 10.13 36.00 18.41 -33.41 72.00 36.94 - 67.11
12.00 6.11 - 11.06 37.00 18.93 - 34.34 74.00 37.97- 68.99
13.00 6.62 - 11.99 38.00 19.44 -35.27 76.00 39.00- 70.86
14.00 7.13 - 12.92 39.00 19.96 - 36.21 78.00 40.03 -72.74
15.00 7.64 -13.84 40.00 20.47 -37.14 80.00 41 .O6- 74.62
16.00 8.15 - 14.77 41 .O0 20.98 - 38.08 82.00 42.10 - 76.49
17.00 8.67 - 15.70 42.00 21.50 - 39.01 84.00 43.13 - 78.37
18.00 9.18 - 16.63 43 .O0 22.01 - 39.95 86.00 44.16- 80.25
19.00 9.69 - 17.56 44.00 22.53 - 40.88 88.00 45.19 - 82.13
20.00 10.20 - 18.49 45.00 23.04 - 41.82 90.00 46.22 - 84.01
21.00 10.72 - 19.42 46.00 23.56 -42.75 92.00 47.25 -85.89
22.00 11.23 - 20.35 47.00 24.07 - 43.69 94.00 48.28 - 87.77
23.00 11.74 - 21.28 48.00 24.58 - 44.62 96.00 49.32 -89.65
24.00 12.25 - 22.21 49 .O0 25.10- 45.56 98.00 50.35 - 91.53
25.00 12.77 - 23.15 50.00 25.61 - 46.49 100.00 51.38 -93.41
mencionada relación (Tabla 2). Existe, no obstante, una dife-
rencia pequeña pero estadísticamente significativa (F,,,,.,,, =
3.955, p<0.05) en el comportamiento del sector de marisma
frente a los restantes. El hecho de que este sector sea el más
abundantemente representado en el conjunto de datos y que a
él pertenezcan las láminas de agua con salinidades más eleva-
das no permite, por el momento, interpretar con certeza esta
diferencia, que puede responder tanto a una realidad objetiva
como a un artefacto estadístico.

TABLA 2. Valores del modelo potencial (datos log-transformados) obtenidos

para cada uno de los sistemas ambientales del Parque Nacional de Donana.
TABLE 2. Regression analysis coefficients (log-transformeddata) for each of the Residuos
environmental systems in Doñana National Park.
FiGURA 2. Diagrama de probabilidad de los residuos derivados del modelo de
regresión lineal salinidad-clorosidad. La línea replesenta los valores esperados
SECTOR n Constante Pendiente r2 para el caso de la distribución normal asumida por el modelo, los puntos son los
valores reales obtenidos.
Marisma 157 -0.655 1.O32 0.986 FiGURE 2. Normal probability plot of residuals of the salinity-clorosity regres-
Continental 29 -0.137 0.969 0.966 sion model. Solid correponds to the expected normal distribution of residuals,
points are actual values.
Eólico 149 -0.328 0.984 0.983
Costero 18 -0.219 0.979 0.978
que el modelo general puede aplicarse a todo el temtorio del
Parque, independientemente del sector ambiental al que nos
Especial atención merece la estimación de la salinidad a par- estemos refiriendo, especialmente para estudios de carácter
tir de la clorosidad (concentración de iones clomro en volumen extensivo y de gestión. Se recomienda, sin embargo, que en los
de disolución). Este método ha sido tradicionalmente empleado estudios específicos en los que quiera emplearse la salinidad
en el campo de la oceanografía y, por extensión, en ambientes como una variable del sistema, ésta sea calculada mediante los
continentales de carácter talásico (eg. Camarga) y se basa en la métodos analíticos al uso y no a través de sus relaciones con
conocida relación de KNUDSEN (1902): S%O= 0.03 + 1.805 otras variables que se demuestran, especialmente en masas de
(C1-). Estimada esta relación para las aguas del Parque Nacio- agua de conductividad elevada, como poco adecuadas para rea-
nal de Doñana el modelo de regresión obtenido es lizar predicciones razonables.
S%O= 0.24 + 1.732 (C1-) r2=0.99, n=364
expresión muy similar a la propuesta por KNUDSEN (1902). AGRADECIMIENTOS
Un análisis detallado de los residuos del análisis de regresión
pone de manifiesto, sin embargo, los problemas asociados a Este trabajo no hubiera sido posible sin la colaboración que
esta aproximación metodológica. Como queda patente en la tanto el ICONA como el CSIC (Estación Biológica de Doñana)
Fig. 2 la distribución de los residuos adolece de una notable y los guardas del Parque nos han prestado en la realización de
no-normalidad, lo que provoca inestabilidad en los errores aso- diversos trabajos que han servido de base para la elaboración
ciados a las estimas de los coeficientes y hace cuando menos de este estudio. Nuestro especial agradecimiento a Chans por
sospechosas las inferencias de ellos derivadas (límites de con- su constante apoyo, y a la manzanilla por alegrar los momentos
fianza, predicciones.. .) Por ello, no recomendamos el uso de difíciles.
esta relación para los ambientes acuáticos de Doñana.
Como conclusión podemos afirmar que el número de mues-
tras analizadas para el conjunto del Parque es lo suficientemen-
te elevado, y recoge adecuadamente su variabilidad espacial y ALCORLO, P., BALTANÁS, A. & C . MONTES , I S it
temporal, para que el modelo aquí derivado pueda considerarse possible to estimate salinity from conductivity data in
como satisfactoriamente representativo. Si bien es cierto que la Ibelian saline lakes? (En preparación).
recogida de más datos puede permitir la mejora del modelo, no APHA, 1985, 1989. Standard methods for the examination of
creemos que éste varíe de forma sustancial, especialmente en water and wastewater. 16Ih& 171hed.
lo que se refiere a las predicciones. Consideramos, por ello, BASKERVILLE, G.H. 1972. Use of logalithmic regression in
 the estimation of plant biomass. Can. J. Forest. Research 2: KNUDSEN M. 1902. Berichte uber d i e konstanten
49-53. Bestimmung zur A u f s ~ e l l u n gder Hydrographischen
BERNUÉS, M. 1990. Limnología de los ecosistemas acuáticos Tabellen. Dansk Videns. Selek, Skrifter Natuwidensk. math.
del Parque Nacional de Doñana. Tesis Doctoral, Universi- 6, part 12, no 1.
dad Autónoma de Madrid. MANZANO, M.; CUSTODIO, E. & R. PONCELA 1991.
BRAVO, M.A. & C. MONTES 1993. Inventario d e las Contribución de la hidrogeoquímica al conocimiento de la
formaciones palustres del manto eólico del Parque Nacional hidrodinámica d e los acuífecos del área de Doñana. 11
de Doñana (SW España). Actas del VI Congreso Español de Simposio del Agua en Andalucía: 475-486.
Limnología, Granada: 3 1-43. MINISTERIO DE AGRICULTURA. 1986. Métodos oficiales
FLOR~N,M.,; MALTCHIK, L.; MOLLÁ, S.; BALSA, J. & C. de análisis (T.III). Dirección General de Política Alimenta-
MONTES .1993. Relaciones conductividad-concentración ria. Ministerio de Agricultura, Madrid.
iónica en las aguas de las lagunas salinas españolas. Actas WILLIAMS, W.D. 1966. Conductivity and the concentration
VI Congreso Español de Limnología: 83-90. of total dissolved solids in Australian lakes. Aust. J. Mar.
HAMMER, U.T. 1986. Saline lake ecosystems of the world. Freshwat. Res. 17: 169-176.
Junk Publ. 6 16 pp. WILLIAMS, W.D. 1986. Conductivity and salinity in
HEURTEAUX, P. 1988. Mesure d e la salinité des eaux Australian salt lakes. Aust. J. Mar. Freshwat. Res. 37: 177 -
naturelles en hydrologie et en hydrobiologie. Essai por une 182.
standardisation de I'expression des résultats. Ecol. Medit. ZAR, J.H. 1984. Biostatistical Analysis. Prentice Hall Inc.
14: 149-166.