Abstracts
Résumé
Les paramètres chimiques jouent un rôle important dans l'équilibre des écosystèmes aquatiques. De nombreuses études ont déjà démontré que les caractéristiques chimiques d'un cours d'eau peuvent changer avec les saisons. Cette étude a pour but de revoir les relations débit- concentration sur un petit cours d'eau, dans le contexte des variations entre deux périodes climatiques. Pour ce faire, une analyse de régression entre le débit et six paramètres de qualité de d'eau (sodium, magnésium, conductivité, pH, azote total et le carbone organique dissous) provenant d'un petit bassin versant forestier (ruisseau Catamaran, N.-B., Canada) a été réalisée afin de déterminer la différence entre la saison sans glace et la saison avec glace. Des échantillons mensuels d'eau ont été récoltés sur le ruisseau Catamaran depuis 1990. Les analyses chimiques faites sur ses échantillons ont permis de déterminer les concentrations des paramètre étudiés. La plupart des variables de qualité ont démontré une relation significative avec le débit, sauf l'azote total. Les coefficients de détermination variaient entre 0.752 et 0.898, exception faite du carbone organique dissous dont le r2 était de 0.294. La conductivité était le paramètre dont le débit expliquait le plus la variance. Une étude des rapports des sommes des carrés des résidus a permis de déterminer que seul le pH requiert un modèle différent pour la période sans glace et la saison avec glace.
Les variations saisonnières de la relation débit-pH revêt une importance significative pour les ruisseaux comme celui de Catamaran, qui incluent de nombreux habitats pour le saumon de l'Atlantique. Les résultats des analyses de régressions indiquent que lorsque la géochimie est plus complexe, comme c'est le cas pour le pH, il faut diviser les séries temporelles en sous-composantes saisonnières avant de tenter d'établir une relation débit-concentration.
Mots-clés:
- Qualité de l'eau,
- petit cours d'eau,
- saison,
- analyse de régression
Mots-clés:
- Water chemistry,
- small stream,
- season,
- regression analysis
Abstract
The chemical composition of water is of great importance to ecosystem functioning and in habitat management. Many studies have already shown that the chemical characteristics of a stream change with seasons. These variations have a strong impact on the ecosystem, especially on fish populations. The objective of this study is to quantify the relationship between the logarithm of discharge and six water quality parameters (sodium, magnesium, conductivity, pH, dissolved organic carbon and total nitrogen) for a small forested catchment (Catamaran Brook, N.B., Canada) and to verify the importance of seasonality.
Monthly water samples have been gathered at Catamaran Brook since 1990. Detailed water chemistry performed on these samples provided a data base for this project. Various linear regression models were tested to verify if regressions were required for the winter season. The criterion used was the ratio of the squared sum of residuals for each data set, which follows a Fisher distribution. Of the six water quality parameters, all except total nitrogen showed a significant relationship with discharge. On an annual basis, the coefficient of determination (r2) varied between 0.752 and 0.898, except for dissolved organic carbon which showed a r2 of 0.294. Of the studied parameters, conductivity was the parameter for which discharge explained the most variance. Ratios of the squared sum of residuals were analyzed to verify the need for different regression models for the ice-covered and ice-free seasons. Only streamwater pH required 2 different models. This is of specific importance and interest because of an important salmon population in Catamaran Brook. Other researchers have shown that salmonids can be negatively impacted by pH depressions during snowmelt events.
These results show that most dissolved ions which follow simple geochemical reactions can be modelled year-round with only one linear regression. When the geochemistry is more complex, such as in the case of pH, linear regression models can sometimes be used, provided that the annual time-series is divided into seasons with relatively homogenous hydrological and geochemical functions.