EVALUACIÓN ESTADÍSTICA DE LA
CALIDAD DEL AGUA DE UN CUERPO
LOTICO EN ZONA AGRÍCOLA: CASO
DREN CHIRICAHUETO, SINALOA
STATISTICAL EVALUATION OF WATER QUALITY IN
A LOTIC WATER BODY IN AN AGRICULTURAL
AREA: CASE STUDY OF THE CHIRICAHUETO DRAIN,
SINALOA
Jessica Guadalupe Beltrán Ramírez
Departamento de Química-Bioquímica Tecnológico Nacional,México
Yaneth A. Bustos Terrones
SECIHTI Tecnológico Nacional, México
Leonel Galán Rodríguez
Departamento de Química-Bioquímica Tecnológico Nacional,México
Jesús Estrada Manjarrez
Departamento de Química-Bioquímica Tecnológico Nacional,México
Irving Herberto Gil Gaxiola
Departamento de Química-Bioquímica Tecnológico Nacional,México
pág. 1148
DOI: https://doi.org/10.37811/cl_rcm.v9i6.21104
Evaluación Estadística de la Calidad del Agua de un Cuerpo Lotico en
Zona Agrícola: Caso Dren Chiricahueto, Sinaloa
Jessica Guadalupe Beltrán Ramírez1
Jessica.br@culiacan.tecnm.mx
https://orcid.org/0009-0004-8072-5622
Departamento de Química-Bioquímica
Tecnológico Nacional, México
Yaneth A. Bustos Terrones
yaneth.bt@culiacan.tecnm.mx
https://orcid.org/0000-0001-6445-2071
División de Estudios de Posgrado e
Investigación, SECIHTI
Tecnológico Nacional, México
Leonel Galán Rodríguez
Leonel.gr@culiacan.tecnm.mx
https://orcid.org/0009-0000-1276-3070
Departamento de Química-Bioquímica
Tecnológico Nacional, México
Jesús Estrada Manjarrez
Jesus.em@culiacan.tecnm.mx
https://orcid.org/0000-0003-0137-9836
Departamento de Bioquímica
Tecnológico Nacional, México
Irving Herberto Gil Gaxiola
Irving.gg@culiacan.tecnm.mx
https://orcid.org/0009-0009-4562-6967
Departamento de Química-Bioquímica
Tecnológico Nacional, México
Resumen
El presente estudio evaluó la calidad del agua del Dren Chiricahueto, un cuerpo lótico ubicado en el
noroeste de México, afectado principalmente por actividades agrícolas y descargas de aguas residuales.
Se establecieron dos puntos de muestreo, PM1 aguas arriba y PM2 aguas abajo de la descarga, donde
se analizaron 22 parámetros físico-químicos y microbiológicos entre 2012 y 2020. Los resultados
mostraron un deterioro significativo en PM2, con incrementos en materia orgánica, nutrientes y
contaminación microbiológica, evidenciando el impacto acumulativo de las descargas y la actividad
agrícola. Se aplicaron análisis estadísticos multivariados, incluyendo correlación de Pearson, análisis
de componentes principales y análisis de conglomerados jerárquicos, lo que permitió identificar
relaciones entre variables, factores dominantes y patrones de variabilidad. PM1 presentó un entorno
más homogéneo con alta correlación entre parámetros, mientras que PM2 mostró mayor heterogeneidad
y complejidad, indicando la influencia de múltiples fuentes de contaminación. Los hallazgos resaltan la
importancia de implementar estrategias de monitoreo y manejo integrado de cuencas, así como prácticas
agrícolas sostenibles, para mitigar los impactos sobre la calidad del agua. El estudio demuestra que el
enfoque multivariado es una herramienta eficaz para comprender la dinámica del sistema y apoyar la
toma de decisiones
Palabras clave: índice de calidad del agua, acuíferos, noroeste de México, gestión sostenible
1 Autor principal.
Correspondencia: Jessica.br@culiacan.tecnm.mx
DOI: https://doi.org/10.37811/cl_rcm.v9i6.21104
Evaluación Estadística de la Calidad del Agua de un Cuerpo Lotico en
Zona Agrícola: Caso Dren Chiricahueto, Sinaloa
Jessica Guadalupe Beltrán Ramírez1
Jessica.br@culiacan.tecnm.mx
https://orcid.org/0009-0004-8072-5622
Departamento de Química-Bioquímica
Tecnológico Nacional, México
Yaneth A. Bustos Terrones
yaneth.bt@culiacan.tecnm.mx
https://orcid.org/0000-0001-6445-2071
División de Estudios de Posgrado e
Investigación, SECIHTI
Tecnológico Nacional, México
Leonel Galán Rodríguez
Leonel.gr@culiacan.tecnm.mx
https://orcid.org/0009-0000-1276-3070
Departamento de Química-Bioquímica
Tecnológico Nacional, México
Jesús Estrada Manjarrez
Jesus.em@culiacan.tecnm.mx
https://orcid.org/0000-0003-0137-9836
Departamento de Bioquímica
Tecnológico Nacional, México
Irving Herberto Gil Gaxiola
Irving.gg@culiacan.tecnm.mx
https://orcid.org/0009-0009-4562-6967
Departamento de Química-Bioquímica
Tecnológico Nacional, México
Resumen
El presente estudio evaluó la calidad del agua del Dren Chiricahueto, un cuerpo lótico ubicado en el
noroeste de México, afectado principalmente por actividades agrícolas y descargas de aguas residuales.
Se establecieron dos puntos de muestreo, PM1 aguas arriba y PM2 aguas abajo de la descarga, donde
se analizaron 22 parámetros físico-químicos y microbiológicos entre 2012 y 2020. Los resultados
mostraron un deterioro significativo en PM2, con incrementos en materia orgánica, nutrientes y
contaminación microbiológica, evidenciando el impacto acumulativo de las descargas y la actividad
agrícola. Se aplicaron análisis estadísticos multivariados, incluyendo correlación de Pearson, análisis
de componentes principales y análisis de conglomerados jerárquicos, lo que permitió identificar
relaciones entre variables, factores dominantes y patrones de variabilidad. PM1 presentó un entorno
más homogéneo con alta correlación entre parámetros, mientras que PM2 mostró mayor heterogeneidad
y complejidad, indicando la influencia de múltiples fuentes de contaminación. Los hallazgos resaltan la
importancia de implementar estrategias de monitoreo y manejo integrado de cuencas, así como prácticas
agrícolas sostenibles, para mitigar los impactos sobre la calidad del agua. El estudio demuestra que el
enfoque multivariado es una herramienta eficaz para comprender la dinámica del sistema y apoyar la
toma de decisiones
Palabras clave: índice de calidad del agua, acuíferos, noroeste de México, gestión sostenible
1 Autor principal.
Correspondencia: Jessica.br@culiacan.tecnm.mx
pág. 1149
Statistical Evaluation of Water Quality in a Lotic Water Body in an
Agricultural Area: Case Study of the Chiricahueto Drain, Sinaloa
Abstract
This study evaluated the water quality of the Chiricahueto Drain, a lotic water body located in
northwestern Mexico, primarily affected by agricultural activities and wastewater discharges. Two
sampling points were established: PM1 upstream and PM2 downstream of the discharge, where 22
physicochemical and microbiological parameters were analyzed between 2012 and 2020. The results
showed a significant deterioration in PM2, with increases in organic matter, nutrients, and
microbiological contamination, demonstrating the cumulative impact of discharges and agricultural
activity. Multivariate statistical analyses were applied, including Pearson correlation, principal
component analysis, and hierarchical cluster analysis, which allowed for the identification of
relationships between variables, dominant factors, and patterns of variability. PM1 presented a more
homogeneous environment with high correlation between parameters, while PM2 showed greater
heterogeneity and complexity, indicating the influence of multiple sources of contamination. The
findings highlight the importance of implementing integrated watershed management and monitoring
strategies, as well as sustainable agricultural practices, to mitigate impacts on water quality. The study
demonstrates that a multivariate approach is an effective tool for understanding system dynamics and
supporting decision-making
Keywords: water quality index, aquifers; northwest Mexico, sustainable management
Artículo recibido 12 octubre 2025
Aceptado para publicación: 15 noviembre 2025
Statistical Evaluation of Water Quality in a Lotic Water Body in an
Agricultural Area: Case Study of the Chiricahueto Drain, Sinaloa
Abstract
This study evaluated the water quality of the Chiricahueto Drain, a lotic water body located in
northwestern Mexico, primarily affected by agricultural activities and wastewater discharges. Two
sampling points were established: PM1 upstream and PM2 downstream of the discharge, where 22
physicochemical and microbiological parameters were analyzed between 2012 and 2020. The results
showed a significant deterioration in PM2, with increases in organic matter, nutrients, and
microbiological contamination, demonstrating the cumulative impact of discharges and agricultural
activity. Multivariate statistical analyses were applied, including Pearson correlation, principal
component analysis, and hierarchical cluster analysis, which allowed for the identification of
relationships between variables, dominant factors, and patterns of variability. PM1 presented a more
homogeneous environment with high correlation between parameters, while PM2 showed greater
heterogeneity and complexity, indicating the influence of multiple sources of contamination. The
findings highlight the importance of implementing integrated watershed management and monitoring
strategies, as well as sustainable agricultural practices, to mitigate impacts on water quality. The study
demonstrates that a multivariate approach is an effective tool for understanding system dynamics and
supporting decision-making
Keywords: water quality index, aquifers; northwest Mexico, sustainable management
Artículo recibido 12 octubre 2025
Aceptado para publicación: 15 noviembre 2025
pág. 1150
INTRODUCCIÓN
Los cuerpos de agua lóticos en regiones agrícolas desempeñan un papel fundamental en la regulación
hidrológica y el sostenimiento de la biodiversidad acuática. Sin embargo, su calidad se ve comprometida
por la creciente presión antrópica derivada de la intensificación agrícola, la expansión urbana y las
descargas de aguas residuales (Burdett, 2025). En estas zonas, los drenes agrícolas funcionan como
rutas de transporte y acumulación de contaminantes, reflejando las interacciones entre el uso del suelo
y la dinámica del agua superficial (Hu et al., 2025). La evaluación de la calidad del agua en cuerpos
lóticos requiere considerar la dinámica hidrológica, la estacionalidad y la influencia del uso de suelo,
factores que determinan la concentración y transporte de contaminantes (Zhou et al., 2025).
En Sinaloa, uno de los principales polos agrícolas de México, los drenes constituyen un componente
clave de la infraestructura hídrica, ya que reciben aportes provenientes de canales de riego,
escurrimientos agrícolas y efluentes tratados (De Carvalho et al., 2025). Estas descargas modifican las
propiedades fisicoquímicas del agua, influyen en los procesos biogeoquímicos y pueden alterar la
capacidad de autodepuración de los sistemas lóticos. El Dren Chiricahueto representa un caso
emblemático de cuerpo de agua sometido a presiones mixtas. Su análisis permite comprender cómo la
estacionalidad, el tipo de uso de suelo y la composición de las descargas determinan la calidad del agua
en ambientes agrícolas (Seymour et al., 2025). Evaluar los patrones espaciales y temporales de los
contaminantes mediante herramientas estadísticas multivariadas posibilita identificar los factores más
influyentes en la degradación del recurso y apoyar estrategias de manejo y restauración (Zervakis et al.,
2025). El Dren Chiricahueto constituye un cuerpo de agua lótico de gran relevancia ambiental en
Sinaloa, ya que recibe descargas de aguas residuales tratadas y escurrimientos agrícolas, los cuales,
junto con otros factores, contribuyen al deterioro de la calidad del agua (Figura 1). Su análisis integral
mediante parámetros fisicoquímicos, microbiológicos y estadísticos multivariados permite caracterizar
su estado actual y comprender la interacción entre las presiones antrópicas y la dinámica natural del
sistema. Este estudio busca contribuir al conocimiento sobre la dinámica de la calidad del agua en
cuerpos lóticos agrícolas y fortalecer las acciones encaminadas al cumplimiento de los Objetivos de
Desarrollo Sostenible 6 y 15, orientados a garantizar agua limpia y proteger los ecosistemas de agua
INTRODUCCIÓN
Los cuerpos de agua lóticos en regiones agrícolas desempeñan un papel fundamental en la regulación
hidrológica y el sostenimiento de la biodiversidad acuática. Sin embargo, su calidad se ve comprometida
por la creciente presión antrópica derivada de la intensificación agrícola, la expansión urbana y las
descargas de aguas residuales (Burdett, 2025). En estas zonas, los drenes agrícolas funcionan como
rutas de transporte y acumulación de contaminantes, reflejando las interacciones entre el uso del suelo
y la dinámica del agua superficial (Hu et al., 2025). La evaluación de la calidad del agua en cuerpos
lóticos requiere considerar la dinámica hidrológica, la estacionalidad y la influencia del uso de suelo,
factores que determinan la concentración y transporte de contaminantes (Zhou et al., 2025).
En Sinaloa, uno de los principales polos agrícolas de México, los drenes constituyen un componente
clave de la infraestructura hídrica, ya que reciben aportes provenientes de canales de riego,
escurrimientos agrícolas y efluentes tratados (De Carvalho et al., 2025). Estas descargas modifican las
propiedades fisicoquímicas del agua, influyen en los procesos biogeoquímicos y pueden alterar la
capacidad de autodepuración de los sistemas lóticos. El Dren Chiricahueto representa un caso
emblemático de cuerpo de agua sometido a presiones mixtas. Su análisis permite comprender cómo la
estacionalidad, el tipo de uso de suelo y la composición de las descargas determinan la calidad del agua
en ambientes agrícolas (Seymour et al., 2025). Evaluar los patrones espaciales y temporales de los
contaminantes mediante herramientas estadísticas multivariadas posibilita identificar los factores más
influyentes en la degradación del recurso y apoyar estrategias de manejo y restauración (Zervakis et al.,
2025). El Dren Chiricahueto constituye un cuerpo de agua lótico de gran relevancia ambiental en
Sinaloa, ya que recibe descargas de aguas residuales tratadas y escurrimientos agrícolas, los cuales,
junto con otros factores, contribuyen al deterioro de la calidad del agua (Figura 1). Su análisis integral
mediante parámetros fisicoquímicos, microbiológicos y estadísticos multivariados permite caracterizar
su estado actual y comprender la interacción entre las presiones antrópicas y la dinámica natural del
sistema. Este estudio busca contribuir al conocimiento sobre la dinámica de la calidad del agua en
cuerpos lóticos agrícolas y fortalecer las acciones encaminadas al cumplimiento de los Objetivos de
Desarrollo Sostenible 6 y 15, orientados a garantizar agua limpia y proteger los ecosistemas de agua
pág. 1151
dulce (Khosravi et al., 2025; Storck et al., 2025). Este tipo de estudios son esenciales para fortalecer la
gestión sostenible del recurso hídrico en regiones agrícolas.
Figura 1. factores que afectan la calidad del agua en cuerpos lóticos agrícolas
METODOLOGÍA
Parámetros de calidad del agua
Los datos de calidad del agua se obtuvieron de la Red Nacional de Medición de Calidad del Agua
(RENAMECA), a partir de monitoreos realizados entre 2012 y 2020. Se establecieron dos puntos de
muestreo: PM1, ubicado aguas arriba de la descarga, y PM2, situado aguas abajo. En ambos sitios se
analizaron 22 parámetros de calidad del agua, incluyendo indicadores microbiológicos, materia
orgánica, nutrientes, sólidos y otros parámetros relevantes.
Análisis estadístico Multivariado
Los análisis estadísticos multivariados permitieron complementar la evaluación convencional de los
parámetros individuales, aportando una visión integral del comportamiento espacial y de las relaciones
entre variables en el sistema acuático receptor. Se realizó un análisis de correlación de Pearson con el
fin de examinar la relación lineal entre los diferentes parámetros de calidad del agua monitoreados en
el Dren Chiricahueto. Esta herramienta estadística permite identificar asociaciones significativas
Intensificación
agrícola
Descargas de
aguas
residuales
Variabilidad
estacional
Aumenta el aporte
de nutrientes
Afecta la
concentración de
contaminantes
Expansión
urbana
Aumenta el aporte
de patógenos
Drenes
agrícolas
Aumenta el aporte
de metales
Rutas de transporte
de contaminantes
Considerar la estacionalidad y
el uso del suelo
Identificar fuentes
puntuales y difusas
Evaluar patrones
espaciales y temporales
Calidad del
agua
comprometida
Análisis de la
dinámica
hidrológica
Evaluación de
fuentes de
contaminación
Análisis
estadístico
multivariado
Gestión
sostenible del
agua
Presión antrópica creciente en
cuerpos de agua lóticos
Agua limpia y ecosistemas
protegidos
dulce (Khosravi et al., 2025; Storck et al., 2025). Este tipo de estudios son esenciales para fortalecer la
gestión sostenible del recurso hídrico en regiones agrícolas.
Figura 1. factores que afectan la calidad del agua en cuerpos lóticos agrícolas
METODOLOGÍA
Parámetros de calidad del agua
Los datos de calidad del agua se obtuvieron de la Red Nacional de Medición de Calidad del Agua
(RENAMECA), a partir de monitoreos realizados entre 2012 y 2020. Se establecieron dos puntos de
muestreo: PM1, ubicado aguas arriba de la descarga, y PM2, situado aguas abajo. En ambos sitios se
analizaron 22 parámetros de calidad del agua, incluyendo indicadores microbiológicos, materia
orgánica, nutrientes, sólidos y otros parámetros relevantes.
Análisis estadístico Multivariado
Los análisis estadísticos multivariados permitieron complementar la evaluación convencional de los
parámetros individuales, aportando una visión integral del comportamiento espacial y de las relaciones
entre variables en el sistema acuático receptor. Se realizó un análisis de correlación de Pearson con el
fin de examinar la relación lineal entre los diferentes parámetros de calidad del agua monitoreados en
el Dren Chiricahueto. Esta herramienta estadística permite identificar asociaciones significativas
Intensificación
agrícola
Descargas de
aguas
residuales
Variabilidad
estacional
Aumenta el aporte
de nutrientes
Afecta la
concentración de
contaminantes
Expansión
urbana
Aumenta el aporte
de patógenos
Drenes
agrícolas
Aumenta el aporte
de metales
Rutas de transporte
de contaminantes
Considerar la estacionalidad y
el uso del suelo
Identificar fuentes
puntuales y difusas
Evaluar patrones
espaciales y temporales
Calidad del
agua
comprometida
Análisis de la
dinámica
hidrológica
Evaluación de
fuentes de
contaminación
Análisis
estadístico
multivariado
Gestión
sostenible del
agua
Presión antrópica creciente en
cuerpos de agua lóticos
Agua limpia y ecosistemas
protegidos
pág. 1152
(positivas o negativas) entre variables, lo que facilita la interpretación de fuentes comunes de
contaminación o procesos ambientales compartidos. El análisis se llevó a cabo en el software
Statgraphics Centurion y se complementó con RStudio para la generación de la matriz de correlación
(Dheeraj et al., 2025). También, se empleó el Análisis de Componentes Principales (ACP) para reducir
la dimensionalidad del conjunto de datos y detectar los factores dominantes que explican la mayor parte
de la varianza total, relacionados con procesos hidroquímicos y aportes antrópicos (Kacha et al., 2025).
Finalmente, se efectuó un análisis de conglomerados jerárquico (CA) con el fin de agrupar los
parámetros con características (Alshahrani et al., 2025).
Área de estudio
El Dren Chiricahueto, localizado en el noroeste de México (ver Figura 2), constituye un cuerpo de agua
fluyente afectado principalmente por la actividad agrícola de la región. Su dinámica hidrológica está
determinada por la infiltración de escurrimientos de campos de cultivo, la variación estacional de
caudales y la interacción con la laguna de Chiricahueto. Este dren se distingue como un sistema lótico
cuya calidad del agua refleja de manera directa los efectos del uso intensivo del suelo en su cuenca.
Investigaciones recientes (Castañeda-Ruelas et al., 2023; Mendivil-García et al., 2020) han reportado
que el Dren Chiricahueto presenta fluctuaciones en parámetros físico-químicos y microbiológicos, que
dependen de las temporadas agrícolas y los eventos de precipitación. Este contexto convierte al Dren
Chiricahueto en un caso representativo para estudios de calidad de agua en cuerpos de agua lóticos,
siendo fundamental para diseñar estrategias de monitoreo y manejo sostenible en áreas agrícolas del
Figura 2. Ubicación del área de estudio
P
P PT
LATITUD LONGITUD
PM1 24.71012 -107.41465
PM2 24.70513 -107.4192
PTAR 24.70688 -107.41785
(positivas o negativas) entre variables, lo que facilita la interpretación de fuentes comunes de
contaminación o procesos ambientales compartidos. El análisis se llevó a cabo en el software
Statgraphics Centurion y se complementó con RStudio para la generación de la matriz de correlación
(Dheeraj et al., 2025). También, se empleó el Análisis de Componentes Principales (ACP) para reducir
la dimensionalidad del conjunto de datos y detectar los factores dominantes que explican la mayor parte
de la varianza total, relacionados con procesos hidroquímicos y aportes antrópicos (Kacha et al., 2025).
Finalmente, se efectuó un análisis de conglomerados jerárquico (CA) con el fin de agrupar los
parámetros con características (Alshahrani et al., 2025).
Área de estudio
El Dren Chiricahueto, localizado en el noroeste de México (ver Figura 2), constituye un cuerpo de agua
fluyente afectado principalmente por la actividad agrícola de la región. Su dinámica hidrológica está
determinada por la infiltración de escurrimientos de campos de cultivo, la variación estacional de
caudales y la interacción con la laguna de Chiricahueto. Este dren se distingue como un sistema lótico
cuya calidad del agua refleja de manera directa los efectos del uso intensivo del suelo en su cuenca.
Investigaciones recientes (Castañeda-Ruelas et al., 2023; Mendivil-García et al., 2020) han reportado
que el Dren Chiricahueto presenta fluctuaciones en parámetros físico-químicos y microbiológicos, que
dependen de las temporadas agrícolas y los eventos de precipitación. Este contexto convierte al Dren
Chiricahueto en un caso representativo para estudios de calidad de agua en cuerpos de agua lóticos,
siendo fundamental para diseñar estrategias de monitoreo y manejo sostenible en áreas agrícolas del
Figura 2. Ubicación del área de estudio
P
P PT
LATITUD LONGITUD
PM1 24.71012 -107.41465
PM2 24.70513 -107.4192
PTAR 24.70688 -107.41785
pág. 1153
RESULTADOS Y DISCUSIÓN
Los resultados del análisis de calidad del agua en el Dren Chiricahueto (2012–2020) se presentan
comparando los puntos de muestreo aguas arriba (PM1) y aguas abajo (PM2) de la descarga de aguas
residuales.
Parámetros de calidad del agua
La calidad del agua del dren estuvo influida por las condiciones climáticas de Culiacán, Sinaloa, con
temperatura media anual de 24.7 °C y precipitación entre julio y septiembre (ver Figura 3). Las lluvias
intensas aumentan la escorrentía y carga de contaminantes, mientras que las altas temperaturas afectan
parámetros físico-químicos y procesos biológicos del agua.
Figura 3. datos climatológicos en el área de estudio
La tabla 1 presenta un resumen estadístico de los principales parámetros de calidad del agua medidos
en dos puntos del Dren Chiricahueto: PM1, ubicado aguas arriba de la descarga de aguas residuales, y
PM2, situado aguas abajo. Los resultados muestran diferencias significativas entre ambos puntos,
evidenciando el impacto de las descargas sobre el cuerpo receptor. En PM1, aunque algunos parámetros
microbiológicos como coliformes fecales (15,830 NMP/100 mL), coliformes totales (33,071 NMP/100
mL) y Escherichia coli (7,808 NMP/100 mL) superan los límites normativos, los indicadores
fisicoquímicos, como carbono orgánico total, DBO, DQO y nutrientes, se mantienen relativamente
bajos, reflejando una contaminación inicial moderada. Por otro lado, PM2 presenta un incremento
notable en la mayoría de los parámetros, especialmente microbiológicos, nutrientes y materia orgánica,
con coliformes fecales alcanzando 124,640 NMP/100 mL y DQO 243.86 mg/L, evidenciando unEnero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
0
10
20
30
40
50
Temperatura
PromedioTemperatura Min
Temperatura (°C)
Temperatura MaxEnero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
0
100
200
300
400
500
Precipitación
máxima
Precipitación (mm)
(a) (b)
RESULTADOS Y DISCUSIÓN
Los resultados del análisis de calidad del agua en el Dren Chiricahueto (2012–2020) se presentan
comparando los puntos de muestreo aguas arriba (PM1) y aguas abajo (PM2) de la descarga de aguas
residuales.
Parámetros de calidad del agua
La calidad del agua del dren estuvo influida por las condiciones climáticas de Culiacán, Sinaloa, con
temperatura media anual de 24.7 °C y precipitación entre julio y septiembre (ver Figura 3). Las lluvias
intensas aumentan la escorrentía y carga de contaminantes, mientras que las altas temperaturas afectan
parámetros físico-químicos y procesos biológicos del agua.
Figura 3. datos climatológicos en el área de estudio
La tabla 1 presenta un resumen estadístico de los principales parámetros de calidad del agua medidos
en dos puntos del Dren Chiricahueto: PM1, ubicado aguas arriba de la descarga de aguas residuales, y
PM2, situado aguas abajo. Los resultados muestran diferencias significativas entre ambos puntos,
evidenciando el impacto de las descargas sobre el cuerpo receptor. En PM1, aunque algunos parámetros
microbiológicos como coliformes fecales (15,830 NMP/100 mL), coliformes totales (33,071 NMP/100
mL) y Escherichia coli (7,808 NMP/100 mL) superan los límites normativos, los indicadores
fisicoquímicos, como carbono orgánico total, DBO, DQO y nutrientes, se mantienen relativamente
bajos, reflejando una contaminación inicial moderada. Por otro lado, PM2 presenta un incremento
notable en la mayoría de los parámetros, especialmente microbiológicos, nutrientes y materia orgánica,
con coliformes fecales alcanzando 124,640 NMP/100 mL y DQO 243.86 mg/L, evidenciando unEnero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
0
10
20
30
40
50
Temperatura
PromedioTemperatura Min
Temperatura (°C)
Temperatura MaxEnero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
0
100
200
300
400
500
Precipitación
máxima
Precipitación (mm)
(a) (b)
pág. 1154
deterioro severo de la calidad del agua. Los parámetros físicos como pH y temperatura se mantienen
relativamente estables entre ambos puntos, mientras que sólidos, turbidez, color y oxígeno disuelto
muestran variaciones significativas, indicando impactos acumulativos de las descargas residuales y la
actividad agrícola sobre el ecosistema acuático.
Tabla 1. Resumen estadístico de los Puntos de muestreo del dren
Parámetro Unidades Promedio Desviación
Estándar
Coeficiente
de
Variación
Promedio Desviación
Estándar
Coeficiente
de
Variación
Punto de muestreo 1 Punto de muestreo 2
Coliformes fecales
(CF)
NMP/100
mL 15830.4 37387.8 236.18% 124640 377626 302.97%
Coliformes totales
(CT)
NMP/100
mL 33071.2 51163.1 154.71% 130422 377561 289.49%
Escherichia coli (ECl) NMP/100
mL 7807.78 37791.8 484.03% 177095 520827 294.10%
Carbono orgánico total
(COT) mg/L 5.83902 2.154 36.89% 25.00 19.9005 79.61%
Demanda bioquímica
de oxígeno (DBO) mg/L 4.0539 4.061 100.18% 69.23 79.630 115.02%
Demanda química de
oxígeno (DQO) mg/L 32.3642 24.598 76.00% 243.86 206.924 84.85%
Amonio (NH3) mg/L 0.298885 0.359 120.06% 14.74 13.633 92.47%
Nitrito (NO2) mg/L 0.0235374 0.054 228.44% 0.33 0.796 238.28%
Nitrato (NO3) mg/L 0.668207 1.249 186.99% 4.29 5.533 128.88%
Nitrógeno orgánico
(NO) mg/L 0.961367 1.044 108.55% 6.69 9.268 138.46%
Nitrógeno total (NT) mg/L 1.9509 1.812 92.87% 26.06 16.141 61.95%
Fósforo total (PT) mg/L 0.22539 0.267 118.34% 5.38 3.134 58.27%
Ortofosfatos (OPO4) mg/L 0.0822319 0.060 73.28% 3.37 1.658 49.19%
Color verdadero (CV) UPC 26 26.009 100.04% 79.94 59.672 74.65%
Sólidos disueltos
totales (SDT) mg/L 246.405 137.232 55.69% 705.86 163.518 23.17%
Conductividad
eléctrica (CE) μS/cm 390.812 214.965 55.00% 1102.90 255.497 23.17%
Potencial de hidrógeno
(PH) UpH 7.63488 0.436 5.71% 7.68 0.355 4.63%
Oxígeno disuelto (OD) mg/L 6.37146 1.009 15.84% 3.00 1.906 63.50%
Sustancias activas al
azul de metileno
(SAAM)
mg/L 0.0685588 0.104 151.61% 2.87 3.346 116.62%
Sólidos suspendidos
totales (SST) mg/L 76.881 138.260 179.84% 145.17 131.866 90.84%
Turbiedad (TUR) NTU 45.7049 80.027 175.10% 87.54 98.823 112.89%
Temperatura del agua
(TAG) °C 28.6488 3.534 12.34% 32.04 3.777 11.79%
deterioro severo de la calidad del agua. Los parámetros físicos como pH y temperatura se mantienen
relativamente estables entre ambos puntos, mientras que sólidos, turbidez, color y oxígeno disuelto
muestran variaciones significativas, indicando impactos acumulativos de las descargas residuales y la
actividad agrícola sobre el ecosistema acuático.
Tabla 1. Resumen estadístico de los Puntos de muestreo del dren
Parámetro Unidades Promedio Desviación
Estándar
Coeficiente
de
Variación
Promedio Desviación
Estándar
Coeficiente
de
Variación
Punto de muestreo 1 Punto de muestreo 2
Coliformes fecales
(CF)
NMP/100
mL 15830.4 37387.8 236.18% 124640 377626 302.97%
Coliformes totales
(CT)
NMP/100
mL 33071.2 51163.1 154.71% 130422 377561 289.49%
Escherichia coli (ECl) NMP/100
mL 7807.78 37791.8 484.03% 177095 520827 294.10%
Carbono orgánico total
(COT) mg/L 5.83902 2.154 36.89% 25.00 19.9005 79.61%
Demanda bioquímica
de oxígeno (DBO) mg/L 4.0539 4.061 100.18% 69.23 79.630 115.02%
Demanda química de
oxígeno (DQO) mg/L 32.3642 24.598 76.00% 243.86 206.924 84.85%
Amonio (NH3) mg/L 0.298885 0.359 120.06% 14.74 13.633 92.47%
Nitrito (NO2) mg/L 0.0235374 0.054 228.44% 0.33 0.796 238.28%
Nitrato (NO3) mg/L 0.668207 1.249 186.99% 4.29 5.533 128.88%
Nitrógeno orgánico
(NO) mg/L 0.961367 1.044 108.55% 6.69 9.268 138.46%
Nitrógeno total (NT) mg/L 1.9509 1.812 92.87% 26.06 16.141 61.95%
Fósforo total (PT) mg/L 0.22539 0.267 118.34% 5.38 3.134 58.27%
Ortofosfatos (OPO4) mg/L 0.0822319 0.060 73.28% 3.37 1.658 49.19%
Color verdadero (CV) UPC 26 26.009 100.04% 79.94 59.672 74.65%
Sólidos disueltos
totales (SDT) mg/L 246.405 137.232 55.69% 705.86 163.518 23.17%
Conductividad
eléctrica (CE) μS/cm 390.812 214.965 55.00% 1102.90 255.497 23.17%
Potencial de hidrógeno
(PH) UpH 7.63488 0.436 5.71% 7.68 0.355 4.63%
Oxígeno disuelto (OD) mg/L 6.37146 1.009 15.84% 3.00 1.906 63.50%
Sustancias activas al
azul de metileno
(SAAM)
mg/L 0.0685588 0.104 151.61% 2.87 3.346 116.62%
Sólidos suspendidos
totales (SST) mg/L 76.881 138.260 179.84% 145.17 131.866 90.84%
Turbiedad (TUR) NTU 45.7049 80.027 175.10% 87.54 98.823 112.89%
Temperatura del agua
(TAG) °C 28.6488 3.534 12.34% 32.04 3.777 11.79%
pág. 1155
Análisis estadístico Multivariado
Análisis de Correlación de Pearson
El análisis de correlación de Pearson realizado para los dos puntos de muestreo revela patrones distintos
entre PM1 y PM2 (Figure a1 y a2). En PM1, se observa una fuerte correlación positiva entre las
variables, lo que sugiere que los parámetros medidos tienden a variar conjuntamente. Este patrón indica
un entorno homogéneo, donde una fuente de contaminación o un proceso común afecta de manera
similar a todas las variables. En contraste, PM2 presenta una correlación débil o nula entre las variables,
lo que refleja una mayor heterogeneidad en las condiciones del agua. Este comportamiento puede ser
atribuido a la influencia de múltiples fuentes de contaminación o a la presencia de factores ambientales
variables que afectan las mediciones de manera independiente.
Análisis de Componentes Principales
El análisis de componentes principales (Figura b1 y b2) muestra que en PM1, los primeros dos
componentes principales explican una proporción considerable de la varianza, indicando que las
variables están fuertemente relacionadas y contribuyen de manera conjunta a la variabilidad observada
en las muestras de agua. Este patrón es consistente con el análisis de correlación, sugiriendo que las
condiciones en este punto son influenciadas por un proceso común que afecta de manera uniforme a las
variables. En PM2, la mayor dispersión observada en el gráfico de PCA refleja una mayor complejidad
en la variabilidad, con varias fuentes o factores que contribuyen de manera diferenciada a las
mediciones, lo que hace que las variables se comporten de manera menos predecible y más heterogénea.
Análisis de Conglomerados
El análisis de conglomerados jerárquicos (Figura c1 y c2) revela patrones diferenciados entre los dos
puntos de muestreo. En PM1, el dendrograma muestra pocos conglomerados grandes, lo que indica que
las variables se agrupan de manera coherente y homogénea. Esto sugiere que las condiciones en este
punto son relativamente estables y afectan de forma similar a las variables medidas. Por otro lado, en
PM2, el dendrograma presenta una mayor subdivisión, con más ramas y divisiones, lo que refleja la
presencia de múltiples factores que influyen de manera distinta en las variables. Este patrón indica una
mayor complejidad en las condiciones del agua en PM2, donde las fuentes de variabilidad son diversas
y las variables no se agrupan de manera sencilla.
Análisis estadístico Multivariado
Análisis de Correlación de Pearson
El análisis de correlación de Pearson realizado para los dos puntos de muestreo revela patrones distintos
entre PM1 y PM2 (Figure a1 y a2). En PM1, se observa una fuerte correlación positiva entre las
variables, lo que sugiere que los parámetros medidos tienden a variar conjuntamente. Este patrón indica
un entorno homogéneo, donde una fuente de contaminación o un proceso común afecta de manera
similar a todas las variables. En contraste, PM2 presenta una correlación débil o nula entre las variables,
lo que refleja una mayor heterogeneidad en las condiciones del agua. Este comportamiento puede ser
atribuido a la influencia de múltiples fuentes de contaminación o a la presencia de factores ambientales
variables que afectan las mediciones de manera independiente.
Análisis de Componentes Principales
El análisis de componentes principales (Figura b1 y b2) muestra que en PM1, los primeros dos
componentes principales explican una proporción considerable de la varianza, indicando que las
variables están fuertemente relacionadas y contribuyen de manera conjunta a la variabilidad observada
en las muestras de agua. Este patrón es consistente con el análisis de correlación, sugiriendo que las
condiciones en este punto son influenciadas por un proceso común que afecta de manera uniforme a las
variables. En PM2, la mayor dispersión observada en el gráfico de PCA refleja una mayor complejidad
en la variabilidad, con varias fuentes o factores que contribuyen de manera diferenciada a las
mediciones, lo que hace que las variables se comporten de manera menos predecible y más heterogénea.
Análisis de Conglomerados
El análisis de conglomerados jerárquicos (Figura c1 y c2) revela patrones diferenciados entre los dos
puntos de muestreo. En PM1, el dendrograma muestra pocos conglomerados grandes, lo que indica que
las variables se agrupan de manera coherente y homogénea. Esto sugiere que las condiciones en este
punto son relativamente estables y afectan de forma similar a las variables medidas. Por otro lado, en
PM2, el dendrograma presenta una mayor subdivisión, con más ramas y divisiones, lo que refleja la
presencia de múltiples factores que influyen de manera distinta en las variables. Este patrón indica una
mayor complejidad en las condiciones del agua en PM2, donde las fuentes de variabilidad son diversas
y las variables no se agrupan de manera sencilla.
pág. 1156
Los análisis estadísticos multivariados realizados en los puntos de muestreo PM1 y PM2 muestran
diferencias significativas en las condiciones del agua. En PM1, las variables están fuertemente
correlacionadas, lo que sugiere un entorno homogéneo influenciado por un proceso común o fuente de
contaminación. El análisis de componentes principales (PCA) y el análisis de conglomerados también
indican que la variabilidad en PM1 es más sencilla y coherente. En contraste, PM2 muestra una mayor
dispersión en las correlaciones, lo que refleja una mayor heterogeneidad. Las variables en PM2 no están
tan estrechamente relacionadas, sugiriendo la presencia de múltiples fuentes de contaminación o
factores ambientales que afectan de manera diferenciada las mediciones. El PCA y el análisis de
conglomerados también confirman una estructura más compleja y menos predecible en PM2, con más
fuentes de variabilidad involucradas.
Figura 4. análisis estadístico multivariado de las muestras de agua del dren. (a) análisis de correlación
pearson, (b) análisis de componentes principales y (c) análisis de conglomerados. 1. pm1 y 2 pm2
Punto de muestreo 1 Punto de muestreo 2
(a1) (a2)
Los análisis estadísticos multivariados realizados en los puntos de muestreo PM1 y PM2 muestran
diferencias significativas en las condiciones del agua. En PM1, las variables están fuertemente
correlacionadas, lo que sugiere un entorno homogéneo influenciado por un proceso común o fuente de
contaminación. El análisis de componentes principales (PCA) y el análisis de conglomerados también
indican que la variabilidad en PM1 es más sencilla y coherente. En contraste, PM2 muestra una mayor
dispersión en las correlaciones, lo que refleja una mayor heterogeneidad. Las variables en PM2 no están
tan estrechamente relacionadas, sugiriendo la presencia de múltiples fuentes de contaminación o
factores ambientales que afectan de manera diferenciada las mediciones. El PCA y el análisis de
conglomerados también confirman una estructura más compleja y menos predecible en PM2, con más
fuentes de variabilidad involucradas.
Figura 4. análisis estadístico multivariado de las muestras de agua del dren. (a) análisis de correlación
pearson, (b) análisis de componentes principales y (c) análisis de conglomerados. 1. pm1 y 2 pm2
Punto de muestreo 1 Punto de muestreo 2
(a1) (a2)
pág. 1157
(b1) (b2)
(c1) (c2)
CONCLUSIONES
El estudio realizado en el Dren Chiricahueto permitió evidenciar diferencias significativas en la calidad
del agua entre los puntos de muestreo ubicados aguas arriba (PM1) y aguas abajo (PM2) de la descarga
de aguas residuales. Los resultados mostraron que las descargas y la actividad agrícola ejercen un
impacto directo sobre este cuerpo lótico, incrementando los niveles de materia orgánica, nutrientes y
parámetros microbiológicos en PM2, lo que refleja un deterioro notable de la calidad del agua.
Los análisis multivariados evidenciaron que PM1 presenta un entorno más homogéneo, donde los
parámetros de calidad del agua se correlacionan de manera significativa y presentan un comportamiento
uniforme. En contraste, PM2 mostró mayor heterogeneidad, resultado de la influencia de múltiples
fuentes de contaminación y factores ambientales que afectan las variables de manera diferenciada. Este
(b1) (b2)
(c1) (c2)
CONCLUSIONES
El estudio realizado en el Dren Chiricahueto permitió evidenciar diferencias significativas en la calidad
del agua entre los puntos de muestreo ubicados aguas arriba (PM1) y aguas abajo (PM2) de la descarga
de aguas residuales. Los resultados mostraron que las descargas y la actividad agrícola ejercen un
impacto directo sobre este cuerpo lótico, incrementando los niveles de materia orgánica, nutrientes y
parámetros microbiológicos en PM2, lo que refleja un deterioro notable de la calidad del agua.
Los análisis multivariados evidenciaron que PM1 presenta un entorno más homogéneo, donde los
parámetros de calidad del agua se correlacionan de manera significativa y presentan un comportamiento
uniforme. En contraste, PM2 mostró mayor heterogeneidad, resultado de la influencia de múltiples
fuentes de contaminación y factores ambientales que afectan las variables de manera diferenciada. Este
pág. 1158
patrón sugiere que la complejidad del sistema aumenta aguas abajo, dificultando la predicción de la
calidad del agua únicamente mediante el análisis de parámetros individuales.
El análisis de componentes principales permitió identificar que los procesos hidroquímicos y las cargas
antrópicas son los factores dominantes que explican la mayor parte de la variabilidad observada en el
dren. Estos hallazgos confirman que tanto los aportes naturales como los derivados de la actividad
humana juegan un papel crucial en la dinámica de la calidad del agua, siendo determinantes para la
degradación del cuerpo receptor.
Finalmente, los resultados resaltan la importancia de implementar estrategias de monitoreo y manejo
integrado de cuencas, así como prácticas agrícolas sostenibles y políticas de control de descargas
residuales. La aplicación conjunta del análisis de correlación, componentes principales y análisis de
conglomerados demostró ser una herramienta eficaz para comprender la dinámica del sistema,
proporcionando una visión integral que puede apoyar la toma de decisiones para la conservación y
gestión sostenible del Dren Chiricahueto.
REFERENCIAS BIBLIOGRÁFICAS
Alshahrani, M., Ahmad, M., Laiq, M., & Nabi, M. (2025). Geostatistical analysis and multivariate
assessment of groundwater quality. Scientific Reports, 15(1), 7435.
Burdett, H. L. (2025). One-Year Reflection to Consolidate Progress in Aquatic Conservation Research.
Aquatic Conservation: Marine and Freshwater Ecosystems, 35(1), e70065.
Castañeda-Ruelas, G. M., Arce-Navarro, K. S., Llanes-Ocaña, J. G., & Jiménez-Edeza, M. (2023).
Calidad y uso potencial de la red hidrográfica del centro-norte de Sinaloa, México. Tecnología y
ciencias del agua, 14(2), 337-375.
De Carvalho, F. G., Loyau, A., Kelly-Irving, M., & Schmeller, D. S. (2025). Aquatic ecosystem indices,
linking ecosystem health to human health risks. Biodiversity and Conservation, 1-45.
Dheeraj, V. P., Singh, C. S., Alam, A., & Sonkar, A. K. (2025). Hydrogeochemical quality investigation
of groundwater resource using multivariate statistical methods, water quality indices (WQIs), and
health risk assessment in Korba Coalfield Region, India. Stochastic Environmental Research and
Risk Assessment, 1-22.
patrón sugiere que la complejidad del sistema aumenta aguas abajo, dificultando la predicción de la
calidad del agua únicamente mediante el análisis de parámetros individuales.
El análisis de componentes principales permitió identificar que los procesos hidroquímicos y las cargas
antrópicas son los factores dominantes que explican la mayor parte de la variabilidad observada en el
dren. Estos hallazgos confirman que tanto los aportes naturales como los derivados de la actividad
humana juegan un papel crucial en la dinámica de la calidad del agua, siendo determinantes para la
degradación del cuerpo receptor.
Finalmente, los resultados resaltan la importancia de implementar estrategias de monitoreo y manejo
integrado de cuencas, así como prácticas agrícolas sostenibles y políticas de control de descargas
residuales. La aplicación conjunta del análisis de correlación, componentes principales y análisis de
conglomerados demostró ser una herramienta eficaz para comprender la dinámica del sistema,
proporcionando una visión integral que puede apoyar la toma de decisiones para la conservación y
gestión sostenible del Dren Chiricahueto.
REFERENCIAS BIBLIOGRÁFICAS
Alshahrani, M., Ahmad, M., Laiq, M., & Nabi, M. (2025). Geostatistical analysis and multivariate
assessment of groundwater quality. Scientific Reports, 15(1), 7435.
Burdett, H. L. (2025). One-Year Reflection to Consolidate Progress in Aquatic Conservation Research.
Aquatic Conservation: Marine and Freshwater Ecosystems, 35(1), e70065.
Castañeda-Ruelas, G. M., Arce-Navarro, K. S., Llanes-Ocaña, J. G., & Jiménez-Edeza, M. (2023).
Calidad y uso potencial de la red hidrográfica del centro-norte de Sinaloa, México. Tecnología y
ciencias del agua, 14(2), 337-375.
De Carvalho, F. G., Loyau, A., Kelly-Irving, M., & Schmeller, D. S. (2025). Aquatic ecosystem indices,
linking ecosystem health to human health risks. Biodiversity and Conservation, 1-45.
Dheeraj, V. P., Singh, C. S., Alam, A., & Sonkar, A. K. (2025). Hydrogeochemical quality investigation
of groundwater resource using multivariate statistical methods, water quality indices (WQIs), and
health risk assessment in Korba Coalfield Region, India. Stochastic Environmental Research and
Risk Assessment, 1-22.
pág. 1159
Hu, J., Han, G., & Zhang, Q. (2025). Impacts of Environmental Change and Human Activities on
Aquatic Ecosystems. Water, 17(11), 1669.
Kacha, N., Aouidane, L., Boulabeiz, M., Khammar, H., & Tellil, B. (2025). Integrated Hydrochemical
Assessment of Groundwater Quality in El-Mahmel Plain, Algeria: A Hydrochemical, Water Quality
Index and Multivariate Statistical Approach. Water, Air, & Soil Pollution, 236(7), 1-21.
Khosravi, K., Farooque, A. A., Karbasi, M., Ali, M., Heddam, S., Faghfouri, A., & Abolfathi, S. (2025).
Enhanced water quality prediction model using advanced hybridized resampling alternating tree-
based and deep learning algorithms. Environmental Science and Pollution Research, 1-20.
Mendivil-Garcia, K., Amabilis-Sosa, L. E., Rodríguez-Mata, A. E., Rangel-Peraza, J. G., Gonzalez-
Huitron, V., & Cedillo-Herrera, C. I. G. (2020). Assessment of intensive agriculture on water quality
in the Culiacan River basin, Sinaloa, Mexico. Environmental Science and Pollution Research,
27(23), 28636-28648.
Seymour, J. R., & McLellan, S. L. (2025). Climate change will amplify the impacts of harmful
microorganisms in aquatic ecosystems. Nature Microbiology, 1-12.
Storck, T. R., do Amaral, A. M. B., da Cruz, T. K. T., Schneider, S. I., Cerezer, F. O., de Oliveira, J.
A., ... & Clasen, B. (2025). Anthropogenic actions alter the aquatic environment quality:
biomonitoring study of a river in Southern Brazil. Aquatic Ecology, 59(1), 185-202.
Zervakis, V., Kolovoyiannis, V., Calgaro, L., Giubilato, E., Marcomini, A., Mazioti, A. A., ... &
Jalkanen, J. P. (2025). A novel method to assess the dilution of complex mixtures in the marine
environment: Application to marine scrubber water effluents. Marine Pollution Bulletin, 216,
117956.
Zhou, Y., Lv, Y., Dong, J., Yuan, J., & Hui, X. (2025). Factors Influencing Transparency in Urban
Landscape Water Bodies in Taiyuan City Based on Machine Learning Approaches. Sustainability
(2071-1050), 17(7).
Hu, J., Han, G., & Zhang, Q. (2025). Impacts of Environmental Change and Human Activities on
Aquatic Ecosystems. Water, 17(11), 1669.
Kacha, N., Aouidane, L., Boulabeiz, M., Khammar, H., & Tellil, B. (2025). Integrated Hydrochemical
Assessment of Groundwater Quality in El-Mahmel Plain, Algeria: A Hydrochemical, Water Quality
Index and Multivariate Statistical Approach. Water, Air, & Soil Pollution, 236(7), 1-21.
Khosravi, K., Farooque, A. A., Karbasi, M., Ali, M., Heddam, S., Faghfouri, A., & Abolfathi, S. (2025).
Enhanced water quality prediction model using advanced hybridized resampling alternating tree-
based and deep learning algorithms. Environmental Science and Pollution Research, 1-20.
Mendivil-Garcia, K., Amabilis-Sosa, L. E., Rodríguez-Mata, A. E., Rangel-Peraza, J. G., Gonzalez-
Huitron, V., & Cedillo-Herrera, C. I. G. (2020). Assessment of intensive agriculture on water quality
in the Culiacan River basin, Sinaloa, Mexico. Environmental Science and Pollution Research,
27(23), 28636-28648.
Seymour, J. R., & McLellan, S. L. (2025). Climate change will amplify the impacts of harmful
microorganisms in aquatic ecosystems. Nature Microbiology, 1-12.
Storck, T. R., do Amaral, A. M. B., da Cruz, T. K. T., Schneider, S. I., Cerezer, F. O., de Oliveira, J.
A., ... & Clasen, B. (2025). Anthropogenic actions alter the aquatic environment quality:
biomonitoring study of a river in Southern Brazil. Aquatic Ecology, 59(1), 185-202.
Zervakis, V., Kolovoyiannis, V., Calgaro, L., Giubilato, E., Marcomini, A., Mazioti, A. A., ... &
Jalkanen, J. P. (2025). A novel method to assess the dilution of complex mixtures in the marine
environment: Application to marine scrubber water effluents. Marine Pollution Bulletin, 216,
117956.
Zhou, Y., Lv, Y., Dong, J., Yuan, J., & Hui, X. (2025). Factors Influencing Transparency in Urban
Landscape Water Bodies in Taiyuan City Based on Machine Learning Approaches. Sustainability
(2071-1050), 17(7).