1
EVALUACIÓN DEL EFECTO DE LOS SISTEMAS PRODUCTIVOS SOBRE LA
DENSIDAD DE LOS MICROORGANISMOS EDÁFICOS EN SUELOS
DEL EJE CAFETERO EN LAS CUENCAS DEL LOS RÍOS
LA VIEJA Y EL OTÚN
Andrés Felipe Vela Rojas
TRABAJO DE GRADO
Presentado como requisito parcial para optar al título de
Microbiólogo Industrial
PONTIFICIA UNIVERSIDAD JAVERIANA
FACULTAD DE CIENCIAS
CARRERA DE MICROBIOLOGÍA INDUSTRIAL
Bogotá, D.C.
(Julio de 2007)
2
EVALUACIÓN DEL EFECTO DE LOS SISTEMAS PRODUCTIVOS SOBRE LA
DENSIDAD DE LOS MICROORGANISMOS EDÁFICOS EN SUELOS
DEL EJE CAFETERO EN LAS CUENCAS DEL LOS RÍOS
LA VIEJA Y EL OTÚN
Andrés Felipe Vela Rojas
APROBADO:
----------------------------
Fabio Roldán, PhD
Director del trabajo de grado
--------------------------- ----------------------------------
Amanda Varela, PhD Angela Umaññaa,, BBiiooll .. MMPPhhii ll
Jurado Decana Académica
-------------------------- ------------------------------
Eduardo Mora, PhD David Gómez Mendez
Jurado Director de carrera de
microbiología industrial
3
NOTA DE ADVERTENCIA
Artículo 23 de la resolución No. 13 de Julio de 1946:
“La universidad no se hace responsable por los conceptos emitidos por sus
alumnos en sus tesis de grado”
4
Agradecimientos
Al Centro de Investigación en Biodiversidad y Recursos Genéticos (CIEBREG) y a la Pontificia
Universidad Javeriana por el apoyo logístico y económico para el desarrollo de la investigación
Al Doctor Fabio Roldán por su paciencia y su colaboración.
A Mónica Berdugo por su colaboración
A Fernando Torres por su colaboración
A Nelcy Latorre por ser más que una compañera de trabajo, un ejemplo, un abrazo, un beso, un
anhelo y todo lo que una persona busca para su vida
A mi familia y en especial a mis padres por ser el motor de mis acciones.
A la persona más importante de mi vida, mi hija Simona por ser el cielo más hermoso que Dios
puso en mi camino
A toda la gente que acompaño este proceso en el laboratorio, por una risa, un consejo un algo que
construye una mejor persona cada día.
Y a Dios porque gracias a el todo este sueño se realizó.
5
TABLA DE CONTENIDO
Pág
RESUMEN .................................................................................................................................... 15
ABSTRACT .................................................................................................................................. 16
1. INTRODUCCIÓN .................................................................................................................... 17
2. MARCO TEÓRICO ................................................................................................................ 18
2.1. El suelo ............................................................................................................................... 18
2.2. Técnicas directas e indirectas para conteo microbiano ...................................................... 19
2.2.1. Técnicas de conteo...................................................................................................... 21
2.2.2. Conteo directo por microscopia de epifluorescencia ................................................... 23
3. FORMULACIÓN DEL PROBLEMA Y JUSTIFICACIÓN .................................................... 31
3.1. Formulación del problema. ................................................................................................ 31
3.2. Justificación ........................................................................................................................ 32
4. OBJETIVOS ............................................................................................................................. 33
4.1. Objetivo general. ................................................................................................................ 33
4.2. Objetivos específicos. ......................................................................................................... 33
5. MATERIALES Y MÉTODOS ................................................................................................. 34
5.1. Estandarización de la tinción de microorganismos del suelo utilizando DAPI:................. 34
5.1.1. Cultivo de E. coli o control de procedimiento: ............................................................ 34
5.1.2. Estandarización de la tinción utilizando suelo: ........................................................... 34
5.1.3. Descripción del protocolo de tinción: .......................................................................... 35
5.1.4. Modificaciones al protocolo de tinción ....................................................................... 37
5.1.4.1. Evaluación de un pretratamiento para eliminar interferencia de la matriz de
6
suelo……………………………………………………………………………………....35
5.1.4.2. Evaluación de la concentración de DAPI para la tinción………………………..35
5.1.4.3. Esquema de conteo………………………………………………………………35
5.1.5. Tratamientos y análisis visual de los filtros para la estandarización del protocolo de
tinción .................................................................................................................................... 40
5.1.6. Control de calidad del conteo: ..................................................................................... 40
5.1.7. Análisis estadístico para la estandarización................................................................. 40
5.2. Estimación de la densidad microbiana en suelos de la ecorregión cafetera utilizando DAPI
................................................................................................................................................... 41
5.2.1. Muestreo ...................................................................................................................... 41
5.2.2 Unidades de muestreo ................................................................................................... 41
5.2.3. Eventos de muestreo: .................................................................................................. 43
5.2.4. Parámetros fisicoquímicos:......................................................................................... 43
5.3. Análisis estadístico para evaluar el efecto del sistema productivo sobre los conteos de
microorganismos totales. ............................................................................................................... 44
6. RESULTADOS Y DISCUSIÓN............................................................................................... 45
6.1. Estandarización de la tinción de microorganismos del suelo con DAPI: ........................... 45
6.1.1. Control de procedimiento con E. coli para el conteo directo con DAPI ..................... 45
6.1.2. Evaluación de los tratamientos utilizando E. coli como control de procedimiento .... 46
6.2. Evaluación de los tratamientos seleccionados para la estandarización utilizando muestras
de suelo ...................................................................................................................................... 48
6.3. Conteo de microorganismos de suelo de la ecorregión cafetera utilizando DAPI ............. 51
7
6.3.1. Comparación de los conteos de microorganismos edáficos totales de las fincas
seleccionadas para cada cobertura. ........................................................................................ 51
6.3.2. Comparación de los conteos de microorganismos edáficos totales de las fincas
seleccionadas para cada sistema productivo .......................................................................... 68
6.3.3. Efecto en los conteos del evento de muestreo ............................................................. 72
6.3.4. Efecto en los conteos del evento de muestreo entre ventanas ..................................... 76
7. CONCLUSIONES .................................................................................................................... 79
8. RECOMENDACIONES ........................................................................................................... 80
9. REFERENCIAS BIBLIOGRÁFICAS ...................................................................................... 81
10. ANEXOS................................................................................................................................. 92
8
LISTA DE TABLAS
Pág
Tabla 1. Parámetros de comparación entre los conteos directos e indirectos. .............................. 20
Tabla 2. Ventajas y desventajas del conteo en placa y número más probable. ............................. 22
Tabla 3: Comparación de los métodos para el conteo en placa y directo por epifluorescencia .... 23
Tabla 4: Comparación de los distintos colorantes usados en conteos directos por
epifluorescencia ............................................................................................................................. 26
Tabla 5. Tratamientos evaluados para la estandarización del conteo con DAPI utilizando un
cultivo de E. coli y las muestras de suelo. ..................................................................................... 40
Tabla 6. Sistemas productivos, coberturas y fincas seleccionadas en la cuenca del río La Vieja y
El Otún. .......................................................................................................................................... 43
Tabla 7. Descripción general de la cuenca del río La Vieja. ......................................................... 42
Tabla 8. Descripción general de la cuenca del río El Otún. .......................................................... 44
Tabla 9. Recuentos en placa y absorbancia de E. coli en el tiempo ............................................. 45
Tabla 10. Conteos obtenidos durante la estandarización del proceso de tinción utilizando E. coli.
....................................................................................................................................................... 47
Tabla 11. Conteos obtenidos de los distintos tratamientos evaluados durante el proceso de
estandarización utilizando una muestra de suelo ........................................................................... 49
Tabla 12: Conteos de los microorganismos edáficos obtenidos durante el estudio en la CEAN.. 52
Tabla 13. Intervalo de confianza al que se presentaban diferencias significativas de las fincas
seleccionadas para cada cobertura en la cuenca de río La Vieja .................................................. 54
Tabla 14. Diferencias entre coberturas para la cuenca del río La Vieja. ...................................... 58
9
Tabla 15. Intervalo de confianza al que se presentaban deferencias significativas en el tiempo por
cada cobertura en la cuenca del río La Vieja ................................................................................. 60
Tabla 16. Intervalo de confianza al que se presentaban diferencias significativas en el tiempo en
la cuenca del río La Vieja en el tiempo ......................................................................................... 61
Tabla 17. Intervalo de confianza al que se presentaban diferencias significativas entre las fincas
seleccionadas para cada cobertura en la cuenca de río El Otún ................................................... 61
Tabla 18. Diferencias entre coberturas para la cuenca del río El Otún. ....................................... 66
Tabla 19. Intervalo de confianza al que se presentaban diferencias significativas en el tiempo por
coberturas en la cuenca del río El Otún ......................................................................................... 68
Tabla 20. Intervalo de confianza al que se presentaban diferencias significativas en el tiempo en
la cuenca del río El Otún ............................................................................................................... 69
Tabla 21. Intervalo de confianza al que se presentaban diferencias significativas entre las fincas
seleccionadas para cada sistema productivo. ................................................................................. 70
Tabla 22: Intervalo de confianza al que se presentaban diferencias significativas en el tiempo en
la temperatura del suelo en cada finca. .......................................................................................... 75
Tabla 23: Intervalo de confianza al que se presentaban diferencias significativas en el tiempo en
la humedad del suelo en cada finca. .............................................................................................. 76
Tabla 24: Intervalo de confianza al que se presentaban diferencias significativas en el tiempo en
el pH del suelo en cada finca. ........................................................................................................ 77
Tabla 25. Intervalo de confianza al que se presentaban diferencias significativas entre cuencas
para los dos eventos de muestreo .................................................................................................. 78
Tabla 26. Intervalo de confianza al que se presentaban diferencias significativas entre los eventos
de muestreo. ................................................................................................................................... 78
10
LISTA DE FIGURAS
Pág
Figura 1. Diagrama de flujo del protocolo utilizado para el conteo con DAPI (Casamayor, 2006).
....................................................................................................................................................... 35
Figura 2. Células coloreadas con DAPI en una muestra de suelo. ................................................ 37
Figura 3. Diagrama de flujo del protocolo de tinción y las modificaciones evaluadas. A, B y C
hacen referencia a los pasos evaluados para la estandarización del conteo con DAPI. ................ 38
Figura 4. Comparación de los esquemas de conteo de la técnica para una mayor precisión por
Kirchman y colaboradores (1982), 1) dos filtros de la dilución seleccionada para cada muestra y
2) dos filtros, uno de la dilución seleccionada y el segundo del duplicado de la dilución. ........... 39
Figura 5. Curva de calibración (absorbancia vs. recuento en placa) del cultivo de E. coli. Se
presenta el promedio de dos valores. ............................................................................................. 46
Figura 6. Conteos de microorganismos totales en los cafetales de la cuenca del río La Vieja. Se
presenta el promedio y desviación estándar (n=6). ....................................................................... 53
Figura 7. Conteos de microorganismos totales en los bosques de la cuenca del río La vieja. Se
presenta el promedio y desviación estándar (n=6). ....................................................................... 55
Figura 8. Conteo de microorganismos totales en los pastizales de la cuenca del río la Vieja. Se
presenta el promedio y desviación estándar (n=6). ....................................................................... 56
Figura 9. Conteos de microorganismos totales en los guaduales de la cuenca del río La Vieja. Se
presenta el promedio y desviación estándar (n=6). ....................................................................... 57
Figura 10. Diferencias de las coberturas de la cuenca del río La Vieja entre muestreos. Se
presenta el promedio y desviación estándar (n=12). ..................................................................... 59
11
Figura 11. Conteos de microorganismos totales en los guaduales de la cuenca del río El Otún. Se
presenta el promedio y desviación estándar (n=6). ....................................................................... 62
Figura 12. Conteos de microorganismos totales en los cultivos de cebolla de la cuenca del río El
Otún. Se presenta el promedio y desviación estándar (n=6). ........................................................ 63
Figura 13. Conteos de microorganismos totales en los bosques de la cuenca del río El Otún. Se
presenta el promedio y desviación estándar (n=6). ....................................................................... 64
Figura 14. Conteos de microorganismos totales en los forestales de la cuenca del río El Otún. Se
presenta el promedio y desviación estándar (n=6). ....................................................................... 65
Figura 15. Diferencias de las coberturas de la cuenca del río El Otún entre muestreos. Se
presenta el promedio y desviación estándar (n=12). ..................................................................... 67
Figura 16. Dispersión de los conteos de cada sistema productivo para la cuenca del río La Vieja
en el EM1. ..................................................................................................................................... 71
Figura 18. Dispersión de los conteos de cada sistema productivo para la cuenca del río El Otún
en el EM1. ..................................................................................................................................... 72
Figura 19. Dispersión de los conteos de cada sistema productivo para la cuenca del río El Otún
en el EM2. ..................................................................................................................................... 73
12
LISTA DE ANEXOS
Pág
Anexo A. Preparación de DAPI para el conteo directo ................................................................. 92
Anexo B. Cálculos de factor de corrección para conteos realizados en Microscopio de
epifluorescencia Nikon Eclipse 5.0i .............................................................................................. 93
Anexo C. Curva de calibración para el cultivo de Escherichia coli ATCC 25922 ....................... 94
Anexo D. Tabla de datos de la estandarización ............................................................................. 95
Anexo E. Distribución de los tratamientos para la estandarización con de E. coli. ..................... 96
Anexo F. Distribución de los tratamientos, ANOVA y comparación de medias utilizando Tukey-
Kramer para la estandarización con la muestra de suelo ............................................................... 97
Anexo G. t-student para los conteos entre las concentraciones de DAPI para la estandarización
en las muestras de suelo................................................................................................................. 98
Anexo H. t-student para los conteos entre los esquemas de conteo para la estandarización en las
muestras de suelo. .......................................................................................................................... 99
Anexo I. t-student para los conteos entre los pretratamientos para la estandarización con
muestras de suelo. ........................................................................................................................ 100
Anexo J. Datos del primer evento de muestreo .......................................................................... 101
Anexo K. Datos del segundo evento de muestreo ...................................................................... 103
Anexo L. Efecto de la cobertura sobre los conteos .................................................................... 105
Anexo M. Diferencias entre muestreos por coberturas .............................................................. 113
Anexo N. Efecto del sistema productivo sobre los conteos ....................................................... 117
Anexo O. Conteos del control de procedimiento Escherichia coli ATCC 25922 ...................... 122
13
Anexo N. Relación del conteo, porcentaje de humedad y temperatura entre ventanas del primer
evento de muestreo ...................................................................................................................... 123
Anexo Ñ. Relación del conteo, porcentaje de humedad y temperatura entre ventanas del segundo
evento de muestreo ...................................................................................................................... 125
Anexo O. Libreta de campo ......................................................................................................... 127
15
RESUMEN
El objetivo del presente estudio fue estimar la densidad microbiana en suelos de diferentes
sistemas productivos del Eje Cafetero Colombiano por microscopía de epiflurescencia. Por lo
cual se estandarizó la técnica y se evaluó el efecto de los sistemas productivos sobre los conteos
empleando DAPI. Para estandarizar la técnica se evaluaron tres variables: el uso de dos
pretratamientos, la evaluación de dos concentraciones de DAPI y dos esquemas de conteo.
Posteriormente en dos épocas de muestreo de diferentes características climáticas, se tomaron en
cada una 48 muestras compuestas de suelo. Se analizaron variables fisicoquímicas como pH,
porcentaje de humedad, temperatura del suelo y altura de la hojarasca y del cultivo.
Se determinó que dos lavados sucesivos en NaCl (0,85% p/v) a 13000 rpm por 5 minutos a una
concentración de 5 µg/ml de DAPI por 20 min y el uso de dos filtros, uno de la dilución
seleccionada y el segundo del duplicado a la misma dilución generó los conteos mas altos, la CV
mas pequeña y la calidad del filtro mayor de todos los tratamientos evaluados.
Al analizar los datos en el sistema productivo se observó que presenta alta heterogeneidad, por lo
cual fue necesario analizar los datos por coberturas. La cobertura forestal presentó los mayores
conteos. Adicionalmente los cafetales sin sombrío, los guaduales y el cultivo de cebolla
mostraron ser las coberturas más variables mientras que los bosques y los pastizales fueron las
coberturas menos variables. Finalmente se observaron mayores conteos en el segundo evento de
muestreo.
Palabras claves: DAPI, sistemas productivos, conteos, densidad, suelo.
16
ABSTRACT
The purpose of the present study was to consider the soils microbial density of the different
productive systems from the Colombian coffee zone by epifluorescence microscopy. For this
reason this technique was standardized and the effect of the productive systems was evaluated on
the counts by using DAPI. To standardize the technique three variables were evaluated: the use of
two pre-treatments, two DAPI’s concentrations, and two count schemes. Sampling was
conducted at two different seasons (June and September) from 16 farms within 6 different
productive systems. Three random composite samples were collected from each farm for a 96
total samples. Physiochemical variables like pH, humidity, soil temperature and height of the
litter fall and cultivation were analyzed.
It was determined that the successive washings with NaCl (0.85% w/v) to 13,000 rpm by 5
minutes, staining with 5 µg/ml of DAPI by 20min and the use of two filters: one from the
selected dilution, and the second from the duplicate to the same dilution generated the highest
counts, the highest precision and in general the best quality of all the evaluated treatments.
The productive systems showed a high heterogeneity level indicating that the effect has to be
monitored at the covers level. The forest cover displayed greater microbial counts. Additionally,
the coffee plantations without shady, the bamboo an onion cultivations were the most variable
covers despite the fact that the forests and pastures were the less variable covers. Finally bigger
counts in the second event of sampling were observed.
Keywords: DAPI, productive systems, counts, density, soil.
.
.
.
17
1. INTRODUCCIÓN
El suelo es la matriz heterogénea y variable que soporta el mantenimiento de organismos de nivel
macro y microscópico. Los microorganismos son unidades biológicas, autónomas, de amplia
versatilidad metabólica capaces de utilizar compuestos, sintetizar biomasa y generar sustancias
útiles para otros organismos que necesitan sustratos en forma disponible y asimilable, y cumplen
funciones primordiales en la fijación de nitrógeno, la degradación de compuestos contaminantes
y el ciclaje de nutrientes y materia orgánica. Los microorganismos en el suelo se encuentran
definidos en fusión de la densidad. La densidad o abundancia total es definido como el total de
microorganismos por unidad de hábitat. Esta densidad conjugada con la riqueza y la abundancia
relativa ayudan a definir la diversidad de un ambiente. Para determinar la densidad microbiana
se pueden utilizar métodos de conteos directos e indirectos.
El presente trabajo se enmarca en el proyecto del centro de excelencia CIEBREG y
específicamente en caracterizar, evaluar y monitorear la biodiversidad de paisajes naturales
asociados a sistemas productivos para el mantenimiento de la funcionalidad ecológica. El trabajo
se desarrolló en la Unidad de Saneamiento y Biotecnología Ambiental (USBA) y trabaja
específicamente en el programa de valoración de bienes y servicios ambientales de la
biodiversidad para el desarrollo sostenible de paisajes rurales en el complejo ecorregional Andes
del norte (CEAN) específicamente en las cuencas del río La Vieja y El Otún. Para evaluar
diversidad de microorganismos edáficos es necesario estimar al densidad microbiana en suelos
diferentes sistemas productivos de la cuenca del río La Vieja y El Otún para lo cual fue necesario
estandarizar el conteo directo de microorganismos por epifluorescencia utilizando 4'-6-
Diamidino-2-fenilindol diclorhidrato (DAPI), realizar el conteo directo de microorganismos del
suelo en diferentes sistemas productivos seleccionados del eje cafetero, evaluar el efecto de los
sistemas productivo sobre la densidad microbiana y comparar la densidad microbiana entre
sistemas productivos.
18
2. MARCO TEÓRICO
2.1. El suelo
El suelo es el material suelto de la superficie que suministra soporte físico y nutricional para el
crecimiento de plantas, animales y organismos (Eweis y Ergas, 1999). Geológicamente, “el suelo
se forma a partir de rocas mediante un proceso complejo en el que intervienen fuerzas físicas,
químicas y biológicas, que primero reducen la roca a regolíto (fragmento de roca) y después a
suelo. Los principales factores que participan en la formación y que afectan directamente la
composición del suelo son: el material original, el clima, la topografía, la actividad biológica y el
tiempo” (Atlas y Bartha, 2001). A nivel general, el suelo está compuesto por minerales, aire,
agua, materia orgánica y organismos vivos (Eweis y Ergas, 1999). Los materiales minerales
constituyen un 50% del volumen total del suelo y son los encargados de la regulación de los
procesos biogeoquímicos, siendo sustratos iniciales, aceptores de electrones o catalizadores para
reacciones bioquímicas en microorganismos (Eweis y Ergas, 1999, Maier et al., 2001). Por otro
lado, el aire y el agua constituyen del 25 al 50% del volumen total del suelo actuando como
reguladores del tamaño de los poros, aumentando la disponibilidad de aceptores de electrones y
reguladores de reacciones de oxido-reducción, entre otros (Eweis y Ergas, 1999).
El suelo generalmente es pobre en nutrientes y fuentes de energía (Nannipieri et al., 2003); su
materia orgánica está constituida por residuos vegetales o animales, microorganismos y
productos generados del metabolismo orgánico (Eweis y Ergas, 1999; Maier et al., 2001). La
porción húmica es una mezcla heterogénea compuesta de productos provenientes de los procesos
bioquímicos de los residuos orgánicos (Atlas y Bartha, 2001).
Microbiológicamente, el suelo es reconocido como uno de los sitios que presenta interacciones
biológicas más dinámicas en la naturaleza, contiene bacterias, hongos, algas y protozoarios que
intervienen en el ciclaje de nutrientes, y preservar la salud y la estructura del suelo. De igual
forma, estos organismos pueden aumentar la fertilidad, convirtiendo los sustratos en formas
asimilables o disponibles que contribuyen al sostenimiento del crecimiento vegetal (Alexander,
1987; Kennedy, 1999).
En el suelo se pueden encontrar diversos microambientes donde la actividad microbiana varía de
acuerdo a la disponibilidad de nutrientes y a las condiciones fisicoquímicas. Estos
19
microambientes difieren como consecuencia del clima, materiales geológicos, topografía,
comunidades microbianas y el efecto del tiempo generando diferencias ambientales a pequeña
escala espacial afectando las comunidades microbianas (Meeting, 1993; Hartel, 2005).
En la distribución y diversidad microbiana del suelo influyen las características extrínsecas
relacionadas a las precipitaciones, el viento, la composición del suelo, humedad, pH, temperatura,
los organismos superiores como plantas o animales y las prácticas agrícolas (Toro, 2004). Las
características intrínsecas hacen referencia a los mecanismos de persistencia y resistencia
microbianas (esporas y cápsulas), el tamaño, la tasa de mortalidad y las cualidades bioquímicas
de los microorganismos (Coyne, 2000).
Las comunidades microbianas edáficas cumplen funciones fundamentales en el ciclaje de
nutrientes, descomposición de materia orgánica, efectos en la estructura y características
fisicoquímicas del suelo como humedad, pH y alcalinidad (Nannipieri et al., 2003; Singh et al.,
2006).
Diferentes estudios como Torsvik y colaboradores (1990) desarrollado en suelo de un forestal en
Noruega, utilizando microscopia de epifluorescencia con naranja de acridina, reportó 1.5 x 1010
bacterias por cada gramo de peso seco. Torsvik y Øvreås (2002) reportan 4.2 x 10 11 células por
gramo de peso seco con DAPI y Schmidt (2006), reporta una densidad de microorganismos
totales en 1 x 1010 organismos por gramo de suelo.
2.2. Técnicas directas e indirectas para conteo microbiano
Para entender las relaciones entre las poblaciones microbianas de un ecosistema, es necesario
poseer información del número, la actividad y desarrollo de los organismos en su hábitat (Atlas y
Bartha, 2001). Por esta razón, es necesario diseñar y desarrollar métodos que indiquen la
densidad y presencia o ausencia de organismos en una muestra. En estudios microbiológicos, es
importante reconocer cual es el objetivo principal para realizar el conteo microbiano, el tipo de
matriz, la composición y las posibles relaciones microbianas en la muestra manejando biomasa y
la actividad microbiana como datos independientes (Yu et al., 1995; Atlas y Bartha, 2001), por
tal razón, una metodología para todo tipo de muestras no se puede aplicar debido a su distinta
procedencia (Kirchman et al., 1982; Yu et al., 1995; Bhupathiraju et al., 1999; Atlas y Bartha,
2001; Proctor y Souza, 2001).
20
Se pueden considerar dos tipos de conteo de los microorganismos en distintos ecosistemas:
directo o indirecto. El conteo directo es una observación directa del microorganismo (Maier et
al., 2001) en el cual se reconocen por separado cada una de los individuos de una comunidad
existente en una muestra (Atlas y Bartha, 2001; Maier et al., 2001; Khan y Yadav, 2004; Wolffs
et al., 2005). Por otro lado, el conteo indirecto se define como la evidencia presuntiva de
microorganismos por medio de la búsqueda de productos metabólicos en ensayos cultivables
(Maier et al., 2001), evaluando la oxido-reducción de los metabolitos primarios o secundarios
utilizando reactivos que evidencian la presencia del microorganismo en la muestra.
El conteo directo es ampliamente usado en estudios que necesitan datos en cortos periodos de
tiempo, mientras que el conteo indirecto es usado para realizar análisis relacionados con la
actividad metabólica de los microorganismos, en ensayos que necesitan medios selectivos o
específicos para microorganismos (Tabla 1).
Existen organismos que debido a su sensibilidad, exigencia y metabolismo particular, necesitan
elementos, microelementos y condiciones de cultivo específicas para ser cultivados y así ser
manipulados en laboratorio. Los microorganismos que son poco exigentes o que necesitan
condiciones de cultivo similares a las que se le ofrecen en el laboratorio, son los considerados
cultivables, mientras los que tienen un mayor nivel de exigencia, se consideran no cultivables por
las dificultades de mantenerlos en condiciones de laboratorio.
Tabla 1. Parámetros de comparación entre los conteos directos e indirectos.
Conteo Directo Conteo Indirecto
Tiempo Corto Considerable por incubación
Sensibilidad Mayor Menor Precisión Mayor Menor
Alcance Viables, no viables y viables no cultivables
Solo viables.
Valores del conteo
Mayores Menores
Fuente: Pettipher y Rodrigues, 1982; Roszak y Colwell, 1987; Boulos et al., 1999.
21
2.2.1. Técnicas de conteo
Entre las técnicas mas utilizadas para cuantificar biomasa se han clasificado en tres grupos: 1) El
numero de bacterias cultivables determinado por un conteo en placa (CP) o por número mas
probable (NMP), 2) uso de marcadores específicos de moléculas biológicas por microscopia de
epifluorescencia y 3) métodos microautoradiograficos (Yu et al., 1995). Inicialmente, se utilizaba
el CP y NMP como métodos para estimar el número de microorganismos de una muestra sin
discriminar su origen. Sin embargo, estas técnicas no tienen en cuenta los microorganismos no
cultivables ni los que tienen un crecimiento lento, los tiempos de lectura se encuentran
estandarizados dependiendo del grupo de microorganismos que se desea contar y son sensibles a
las condiciones de cultivo como la temperatura y la composición del medio (Boulos et al., 1999)
(Tabla 2).
El uso de marcadores específicos de moléculas biológicas por microscopia, por ejemplo
competidores de los electrones en la cadena respiratoria, que al reducirse generan una
fluorescencia ó algún fenómeno físico como la sedimentación facilitando la enumeración de
microorganismos. El conteo directo por epifluorescencia genera un conteo más alto de
microorganismos con respecto al CP y NMP, debido a que se tienen en cuenta los organismos
viables no cultivables, viables cultivables y no viables, independientemente si los viables son
aerobios o anaerobios, psicrófilos, mesófilos o termófilos (Roslev y King, 1993, Yu et al., 1995,
Bhupathiraju et al., 1998, Boulos et al., 1999, Créach et al., 2003)(Tabla 3).
El método microautoradiográfico consiste en ligar un radioisótopo a la membrana celular del
microorganismo que se activa y se evidencia al tomar una placa radiográfica (Yu et al., 1995). El
uso de esta técnica depende del manejo de equipos específicos de alto valor económico lo que
dificulta su utilización.
.
.
22
Tabla 2. Ventajas y desventajas del conteo en placa y número más probable.
Técnica Característica
Conteo en placa
Ventajas
Practicidad • Fácil y práctica
Costos • Bajos costos
Conteo • Rango de conteo 30 a 300 UFC.
• Uso de diluciones
Desventajas
• Modificación del protocolo según el objetivo de trabajo
• Tendencia al error operativo y sistemático
• Tiempo de incubación dependiente del microorganismo
• Potencial de selectividad biológica.
• Selectividad nutricional.
NMP
Ventajas
Practicidad • Fácil
Costos • Bajos costos
Conteo • Basados en
estimación estadística.
Desventajas
• Modificación del protocolo según el objetivo de trabajo.
• Tendencia al error operativo y sistemático.
• Tiempos de incubación dependen de la técnica y del microorganismo.
• Poca precisión. Fuente: Noble y Ashton, 1991, Yu et al., 1995, Atlas y Bartha, 2001, Maier et al., 2001.
23
Tabla 3: Comparación de los métodos para el conteo en placa y directo por epifluorescencia
Conteo en Placa Conteo directo por epifluorescencia
Referencias
Tiempo de incubación Depende del
microorganismoa 1-12 horas Schallenberg et al.,
1989. Microorganismos no
cultivables No los cuenta Los cuenta
Lepeuple et al., 2004.
Variabilidad del conteo Variable No variable Rodríguez et al.,
1992. Manipulación de
muestra Alta Baja
Noble y Ashton 1991.
Uso de equipos específicos
No necesita Necesita
Toxicidad a microorganismos
Nula Considerable
Capacidad de recuperar microorganismos viables
Alta Nula
Anaerobios cultivables Los cuentab Los cuenta a Depende de la velocidad de duplicación del microorganismo que se desea.
b Por conteo en placa se pueden contar anaerobios cultivables al aumentar los costos por equipos específicos
2.2.2. Conteo directo por microscopia de epifluorescencia
La cuantificación del número bacteriano y la biomasa es de gran importancia para entender la
dinámica de las comunidades microbianas en el ambiente. Algunas modelos que se han utilizado
para el conteo celular y que han mostrado un amplio desarrollo, emplean el uso de radicales libres
de la respiración (p. e., sales de tetrasolium) y ligandos a membrana (p.e., primulina), que
generan un cambio molecular en el fluorocromo haciendo visible la presencia de un organismo.
Otras técnicas que se usan, son los fluorocromos (p.e. naranja de acrídina y DAPI (4'-6-
Diamidino-2-fenilindol diclorhidrato), que al reaccionar con el material genético generan una
fluorescencia a una longitud de onda de excitación que puede ser observada y de esta forma ser
utilizada dependiendo del objetivo de la investigación (Tabla 4). Estas técnicas de conteo directo
por epifluorescencia, generan apreciaciones del número total de organismos, microorganismos
24
viables o no viables dependiendo del tipo de fluorocromo, generando una ventaja competitiva
frente al CP (Maki y Remsem 1981; Kepner y Pratt 1994; Yu et al. 1995; Minor et al., 2003).
El naranja de acridina o 3,6-bis (dimetilamino) clorhidrato de acrídina, es uno de los
fluorocromos más usados para el conteo directo por epifluorescencia (Kepner y Pratt, 1994). El
naranja de acridina se intercala fuertemente a la doble hélice del DNA por el grupo fosfato de los
ácidos nucleicos (Kepner y Pratt 1994, Rapposch et al. 2000). Sin embargo, por la interacción
DNA-Naranja de Acrídina se visualiza todo el DNA presente en la muestra, siendo imposible
distinguir entre los organismos metabolitamente inactivos, células viables y el material genético
ajeno al objetivo del ensayo (Tabla 4)(McFeters et al.1991; Kepner y Pratt 1994; Yu et al. 1995).
Tras la aparición del conteo directo como herramienta útil y de fácil aplicación, la gran mayoría
de los estudios empleaban el naranja de acridina como la mejor elección. Uno de las primeras
aproximaciones del uso de naranja de acridina en el conteo por epifluorescencia la realizó
Gwynfryn (1974) el cual aplico la técnica en aguas. Sin embargo, un estudio desarrollado por
Francisco y colaboradores (1975) estandarizó el proceso de conteo directo con naranja de
acridina en aguas. Otros estudios como Daley y Hobbie (1975) realizaron conteos de bacterias
del cuerpo de agua de un estuario y un lago, Ramsay (1978) realizó conteos de bacterias en
totales en aguas para compararlo con la actividad heterotrófica, Grivan y colaboradores (2003)
evaluaron el efecto del tipo de suelo en la composición, las comunidades microbianas cultivables
y totales en suelos de uso agrícola, entre otros.
Sin embargo, el desarrollo del DAPI presentó un avance importante en las técnicas de conteo
directo siendo muy superior al naranja de acridina debido al amplio especto de uso, mayor
especificidad y sensibilidad, no sobreestimación, no variación de los conteos y la coloración a
diferentes pH y porque el DAPI no reacciona con RNA (Porter y Feig, 1980; Kepner y Pratt,
1994; Yu et al., 1995). El DAPI es un tinte fluorescente que pertenece al grupo de los colorantes
del indol utilizado en la tinción del DNA, recomendado para teñir células de material botánico,
alimentos, agua, y suelos con microscopia y citometría de flujo (Diederichs y Beardsley, 2003;
Merck, 2004). El DAPI reacciona en el grupo fosfato del DNA específicamente cuando se
25
encuentra la porción nuclear rica en secuencias de A-T (Adenina - Timina), requiriendo mínimo
tres pares AT consecutivos para obtener una interacción fuerte (Kepner y Pratt, 1994) (Tabla 4).
Sin embargo DAPI colorea todo el DNA presente en la muestra sin discriminar si es bacteriano o
no y si es viable o no (Kepner y Pratt, 1994, Weinbauer et al., 1998). Algunos interferentes que
no tienen DNA desarrollan una coloración amarilla y otros como la clorofila una coloración roja
a 400 nm (Kirchman et al., 1982, Kuwae y Hosokawa, 1999).
El uso de DAPI en muestras de suelo, presenta algunos problemas relacionados con su
metodología. Un problema fundamental, es la presencia de coloides que pueden generar
autofluorescencia o unión no específica con el fluorocromo, presentándose enmascaramiento de
la unidad fluorescente y generando interferentes por perdida de capacidad de observación en los
campos de lectura (Maier et al., 2001, Schallenberg et al., 1989). A nivel práctico se entiende que
a diluciones altas, disminuye la interferencia coloidal, pero también decrece el número de
microorganismos lo que resulta en un conteo estadísticamente no representativo. Sin embargo,
en muestras de suelo, la concentración de microorganismos es suficientemente alta para realizar
diluciones seriadas hasta 10-5 o 10-6 revistiendo de menor importancia la interferencia coloidal
(Maier et al., 2001; Torsvik y Øvreås, 2002; Schmidt, 2006).
La interferencia coloidal se puede minimizar con una filtración eliminando las partículas de
tamaño superior a 20 µm (Maier et al., 2001). Además de lo anterior, se pueden realizar lavados
en soluciones isotónicas, con el fin de eliminar interferentes difundidos en solución de tamaño y
densidad menor que la población evaluada (Bae y Casida, 1972). Estos procesos también pueden
ser utilizados con el fin de eliminar material genético, población bacteriana muerta y clorofila que
puede generar un falso positivo para la prueba de conteo directo con DAPI como los minerales y
los detritos (Kuwae y Hosokawa, 1999).
26
Tabla 4: Comparación de los distintos colorantes usados en conteos directos por epifluorescencia
Tipo muestra Limitaciones Ventajas Referencias
NARANJA DE ACRIDINA
• Aguas tratadas • Aguas residual • Lodos activados • Suelos • Alimentos • Uso clínico • Sedimentos
• Varía la coloración dependiendo del pH
• Colorea RNA/DNA • No discrimina entre viables y no
viables • Autofluorescencia por detritos • Reconoce todo el DNA • Genera falsos positivos
dependiendo del estado fisiológico del microorganismo
• Se reconoce la célula aparte de la fluorescencia por la forma y el tamaño
• Prueba rápida
• Duffy y Sheridan, 1998 • Girvan et al., 2003 • Hoff et al., 1995 • Kepner y Pratt, 1994 • McCarthy and Senne, 1980 • Mc Feters et al., 1991 • Rapposch et al., 2000 • Yu et al., 1995
DAPI
• Aguas tratadas • Aguas residuales • Lodos activados • Suelos • Alimentos • Inmunología • Sedimentos
• Fluorescencia de fondo • Poca definición dependiendo de
la muestra • No se puede almacenar la
muestra coloreada por mucho tiempo
• Autofluorescencia del suelo • Manchado de todo el DNA de la
muestra • Uso de sistema de extracción
celular en muestras sólidas o semisólidas
• Se reconoce el microorganismos aparte de la fluorescencia por la forma y el tamaño
• Conteo de células totales
• Creach et al., 2003 • Diederichs et al., 2003 • Duffy y Sheridan, 1998 • Kuwae y Hosokawa, 1999 • Porter y Feig, 1980 • Quéric et al., 2004 • Schallenberg et al., 1989 • Smith y McFeters, 1997 • Yu et al., 1995
PRIMULINA
• Aguas costeras • Aguas subterráneas • Uso clínico
• Uso de filtros de excitación y lectura por aparte.
• Reacción con detritos.
• No interfiere con la lectura de fluorescencia de la clorofila
• Minimiza enmascaramiento de clorofila
• Caron, 1979 • McKenzie et al., 1992
27
Continuación tabla 4: Comparación de los distintos colorantes usados en conteos directos por epifluorescencia
Sales de tetrazoleo Tipo muestra Limitaciones Ventajas Referencias
INT
• Aguas tratadas. • Aguas residuales • Lodos activados • Suelos. • Uso clínico.
• INT-formazan es insoluble. • Dificultad al leer INT-formazan
en células pequeñas. • Baja taza de reducción. • Soluble en aceite de inmersión. • Baja sensibilidad.
• Alto espectro de reducción. • Conteos de viables no
cultivables. • Depósitos de INT reducido
internos.
Bitton y Koopman, 1982 Duffy y Sheridan, 1998 Harvey y Young, 1980 Hatzinger et al., 2003 Maki, et al., 1981 Rodríguez et al., 1992 Roslev y King, 1993 Smith y McFeters, 1997
XTT
• Suelos • Lodos activados
• Utiliza isótopos radioactivos (opcional del fabricante)
• Muestra un potencial de retención en la célula del colorante reducido
• Alta citotoxicidad • Alta tasa de retención bacteriana
• Necesita el transportador de electrones
• Fácil reducción química • Algunas especies reducen
el XTT
Hatzinger et al., 2003 Kuhn et al., 2003 Mc Feters et al., 1991 Roslev y King, 1993 Shimamura et al., 2003 Smith y McFeters, 1997
CTC
• Alimentos • Suelos • Lodos • Aguas contaminadas • Aguas tratadas • Patología
• Es inhibido por transportadores de electrones.
• Disminuye el conteo con inhibidores de la cadena respiratoria.
• Es necesario aumentar la tasa metabólica para tener conteos altos.
• Conteo de viables y no viables.
• No deja coloración de fondo.
• Se observa CTC reducido en pequeñas concentraciones.
• Boulos et al., 1999 • Creach et al., 2003 • Duffy y Sheridan et al., 1998 • Hatzinger et al., 2003 • Jugnia, L. et al., 2000 • Lepeuple et al., 2004 • Proctor y Souza, 2001 • Rodríguez et al., 1992 • Yu et al., 1995
28
De acuerdo con Schallenberg y colaboradores (1989), la aplicación de concentraciones
erróneas de DAPI en muestras de suelo, causan una subestimación del conteo
bacteriano. En diferentes estudios han utilizado concentraciones de 0.01, 0.5, 5.0 y 10.0
µg/ml de DAPI para el conteo bacteriano obteniendo buenos resultados (Yu et al., 1995;
Schallenberg et al., 1989). Sin embargo, Schallenberg y colaboradores (1989) afirman
que la concentración óptima para el conteo directo por epifluorescencia con DAPI para
muestras ambientales, es de 5 µg/ml en muestras que tengan un contenido de agua de 50
al 99%.
El DAPI ha sido ampliamente utilizado. Un estudio realizados por Coleman (1980)
reportó el uso del DAPI para la detección de bacterias en aguas. Porter y Feig (1980)
identificaron y contaron microflora acuática con DAPI. Kirchman y colaboradores
(1982) realizaron un estudio enfocado en al análisis estadístico del método de conteo
directo para la enumeración bacteriana con DAPI. Hymel y Plante (1998) realizaron el
conteo bacteriano en suelos arenosos, fangos y otras matrices evaluando cualitativa y
cuantitativamente la tinción. Banks y colaboradores (2003), determinaron como afecta
la absorción y transporte bacteriano en columnas de suelos saturados. Diederichs y
colaboradores (2003) realizaron un estudio utilizando hibridación in situ fluorescente
(FISH) para determinar la microflora bacteriana que alimenta ciliados determinando la
población total con DAPI, Caraccioloa y colaboradores (2005) aplicaron FISH en suelos
y en acuíferos respectivamente aplicando DAPI para determinar los microorganismos
totales en la muestra.
Otro fluorocromo utilizado para conteos microbianos es la Primulina, un colorante que
se desarrolló para la diferenciación de microorganismos heterótrofos y fotótrofos en
columnas de agua (Caron 1983; McKenzie et al. 1992). Esta técnica se desarrollo
debido a la interferencia y dificultad que presentaban colorantes como el naranja de
acridina al contar microorganismos en muestras ambientales al presentar interferencia
con la clorofila debido a que el máximo de excitación del naranja de acridina (580 nm) y
la clorofila (660 nm) es muy cercano haciendo necesaria la preparación de dos filtros
(Caron 1983). De esta forma la primulina que tiene una longitud de onda de excitación
29
máxima de 425 nm no interfería con la clorofila y se podían leer en la misma
preparación (Caron 1983) (Tabla 4).
Por otro lado, las sales de tetrazoleo son ampliamente utilizadas en los ensayos
biológicos, incluyendo localización y medición de la actividad de las oxidoreductasas, la
detección de radicales superóxido, pruebas de viabilidad y crecimiento bacteriano
(Bernas y Dobrucki 2000). Las sales de tetrazoleo sirven como fuertes aceptores de
electrones que al tener contacto con el sistema transportador (STE) se oxidan, generando
una molécula fluorescente a una longitud de onda particular (McCluskey et al. 2005;
Roslev y King 1993).
Una de las sales de tetrazolium más utilizadas es el (2-(4-yodofenil)-3-(4-nitrofenil)-5
Fenil Clorhidrato de Tetrazolio (INT) que se emplea para la cuantificación del potencial
de respiración, generando una precipitación o una reacción calorimétrica que determina
la producción de INT reducido o como se le llama comúnmente, INT-formazán (Harvey
y Young, 1980; Maki et al., 1981; Bitton y Koopman, 1982) (Tabla 4).
Harvey y Young (1980) enumeraron bacterias en un pantano salado por medio de INT.
Maki y Remsen (1981) realizaron la comparación del INT con el cultivo en placa para
determinar el metabolismo bacteriano en aguas. Trevors y colaboradores (1983)
utilizaron INT para determinar un efecto tóxico de sustancias ambientales en algas.
Dufour y Colon (1992) aplicaron una metodología con INT y DAPI para realizar conteos
de microorganismos viables y totales en ambientes acuáticos. Mosherr y colaboradores
(2003) utilizaron INT para demostrar la actividad de la deshidrogenasa en sedimentos
contaminados con hidrocarburos aromáticos policíclicos.
Otra sal de tetrazolium, 2.3-Bis (2-Metoxi-4-Nitro-5-Sulfofenil) -5- [(fenil-amino)
Carbonil] -2H-Hidróxido de Tetrazolio (XTT), es un potente indicador de viabilidad en
células tanto procariotas como eucariotas (Ahmed et al., 2004; Kuhn et al., 2003). El
XTT es una sal soluble en agua que presenta un potencial de reducción químico alto, es
30
de rápida reducción, fácil visualización y preparación frente a otros colorantes como el
INT (Kuhn et al., 2003; Vallejo et al., 2006).
Paull y colaboradores (1988) fueron los primeros en sintetizar el XTT. Roslev y King
(1993) utilizaron el XTT como indicador de viabilidad bacteriana en cultivos de
Methylosinus trichosporium, Pseudomonas putida, Escherichia coli y Bacillus subtillis.
Guyard y colaboradores (1999) enumeraron y caracterizaron bacterias un nacimiento de
agua. Bensaid y colaboradores (2000) usaron XTT para la estimación de la actividad
biológica en lodos activados. Vallejo y colaboradores (2006) compararon XTT con INT
utilizando NMP para estimar la densidad de microorganismo degradadores de
hidrocarburos.
El 5-ciano-2,3-ditolil cloruro de Tetrazolio (CTC), es una sal de tetrazolium que se
reduce en CTC-formazan el cual es acumulado intracelularmente, generando una alta
fluorescencia (Roslev y King, 1993; Yu et al., 1995; Smith y McFeters, 1997;
Bhupathiraju et al., 1999; Sieracki et al., 1999) (Tabla 4). El CTC a diferencia de INT,
en forma reducida no produce fluorescencia de fondo, a pesar de ser insoluble. Por lo
anterior, el conteo directo con CTC es notablemente superior al conteo con INT
(Rodríguez et al., 1992; Yu et al., 1995).
Rodríguez y colaboradores (1992) utilizaron por primera vez el CTC para determinar el
número de bacterias activas en muestras de agua. Sieracki y colaboradores (1999)
utilizaron citometría de flujo con CTC para evaluar el bacterioplanton marino activo.
Bhupathiraju y colaboradores (1999) evaluaron la actividad metabólica de bacterias
anaeróbicas. Proctor y Souza (2000) determinaron la cantidad de células activas
especificas al CTC en sedimentos de río, costa y esturarios. Créach y colaboradores
(2002) determinaron el uso y las limitaciones del CTC en la estimación de las bacterias
activas con E. coli. Lepeuple y colaboradores (2004) compararon el uso del CTC, el
conteo de viables totales por escaneo láser y viables cultivables en muestras de aguas de
distintas plantas de tratamiento.
31
3. FORMULACIÓN DEL PROBLEMA Y JUSTIFICACIÓN
3.1. Formulación del problema
En Colombia se han desarrollado un limitado número de investigaciones sobre
diversidad microbiana edáfica debido a la complejidad nutricional, condiciones de
cultivo y la dificultad de la recuperación de los microorganismos no cultivables. El
Centro de Investigaciones y Estudios en Biodiversidad y Recursos Geneticos
(CIEBREG) está enfocado a la valoración y monitoreo de la diversidad en paisajes
naturales asociados a sistemas productivos a todos los niveles tróficos en el complejo
ecorregional de los andes del norte (CEAN). Reconociendo la real importancia de los
microorganismos en los procesos ambientales y servicios ecosistémicos, en la Unidad de
Saneamiento y Biotecnología Ambiental (USBA), se estudia la diversidad microbiana
edáfica. Para desarrollar este estudio, es necesario determinar la abundancia total de
microorganismos edáficos, que es el objetivo general de este trabajo de grado.
Adicionalmente, en USBA no se contaba con un protocolo estandarizado para el conteo
de microorganismos totales en suelos.
.
32
3.2. Justificación
Una de las regiones más densamente pobladas y sobreexplotada de Colombia es el
CEAN. Según algunos trabajos realizados por las Corporaciones Autónomas
Regionales, la densidad poblacional es de 378 h/km2, con un 39.4% de la población
nacional en 0.26% del territorio colombiano (CRQ et al., 2005). Sin embargo, a pesar
de esta problemática, se ha logrado mantener algunos focos ecológicos inexplorados o
poco intervenidos entre suelos dedicados al uso agrícola en la cuenca del río La Vieja y
El Otún. Estos territorios han sido sujeto de algunos estudios e investigaciones en pro
de su conservación biológica, la preservación y/o la forestación (CRQ et al., 2005).
Uno de estos estudios está siendo desarrollado por el Centro de Excelencia CIEBREG
con apoyo de Instituto Colombiano para el Desarrollo de la Ciencia y la Tecnología
(COLCIENCIAS) al cual pertenece la Pontificia Universidad Javeriana y la Unidad de
Saneamiento y Biotecnología Ambiental (USBA). Este proyecto busca valorar los
bienes y servicios ambientales en las cuencas del río La Vieja y Otún para lo cual se
hace necesario a nivel microbiológico estimar las densidades microbianas, para
determinar los índices de diversidad de algunos grupos funcionales estudiados en
USBA.
33
4. OBJETIVOS
4.1. Objetivo general.
Evaluar el efecto de los sistemas productivos sobre la densidad de
microorganismos edáficos en suelos del eje cafetero en las cuencas de los ríos La
Vieja y El Otún.
4.2. Objetivos específicos.
• Estandarizar el conteo de microorganismos por epifluorescencia utilizando
DAPI.
• Estimar la densidad microbiana en los sistemas productivos predominantes en
la ecorregión cafetera.
• Evaluar el efecto de los sistemas productivos sobre la densidad microbiana.
34
5. MATERIALES Y MÉTODOS
El conteo directo de los microorganismos del suelo se realizó utilizando microscopio de
epifluorescencia con 4'-6-Diamidino-2-fenilindol diclorhidrato (DAPI). Inicialmente, se
realizó la estandarización de la técnica para conteo de microorganismos en el laboratorio
de USBA con un cultivo de E. coli a una concentración conocida y con una muestra de
suelo. Para la estandarización del protocolo de tinción se modificaron algunos de los
pasos reportados en la literatura para disminuir la variabilidad y la presencia de
interferentes e incrementar la exactitud. Con base con los resultados obtenidos durante
la estandarización, se estableció el protocolo de tinción para realizar los conteos durante
la fase de campo del estudio.
5.1. Estandarización de la tinción de microorganismos del suelo utilizando DAPI:
5.1.1. Cultivo de E. coli o control de procedimiento: con el fin de obtener una
solución con una concentración conocida de bacterias, se realizaron curvas de
crecimiento por absorbancia y UFC en el tiempo, y se estableció una curva de
calibración de Unidades Formadores de colonia (UFC)/ml vs. absorbancia (600 nm).
Para la realización de estas curvas, se empleó un cultivo de E. coli ATCC 25922 (PUJ-
M-Bio-USBA-107), al cual se le realizaron dos preinóculos consecutivos en caldo
nutritivo (Pronadisa, 1216) a 1/5 del volumen del recipiente a 25ºC por 24 h a 160 rpm.
Del segundo preinóculo, se hizo un cultivo en caldo nutritivo a 25ºC a 160 rpm, del cual
se tomaron muestras para realizar recuentos en agar nutritivo (Dibico, 1022-E) y
mediciones de absorbancia en el tiempo para poder obtener la línea mejor ajuste. La
curva de calibración se utilizó para conocer una abundancia específica a una absorbancia
definida y utilizar esa concentración para la estandarización del conteo con DAPI.
5.1.2. Estandarización de la tinción utilizando suelo: se utilizaron muestras de suelo
de jardín por duplicado. Las muestras se transportaron y mantuvieron a 4-6 ºC hasta su
análisis.
35
5.1.3. Descripción del protocolo de tinción: Se utilizó el protocolo usado por
Casamayor (2006) en el Centro de estudios avanzados de Blanes (CEAB), el cual está
basado en el protocolo propuesto por Porter y Feig (1980), para la identificación y
conteo de microbiota acuática utilizando DAPI, y en el estudio realizado por Kirchman y
colaboradores (1982) en un estudio enfocado en al análisis estadístico del método de
conteo directo para la enumeración bacteriana con DAPI (Figura 1).
Extracción de microorganismos
Filtración
Tinción
Acondicionamiento del filtro
Conteo
Figura 1. Diagrama de flujo del protocolo utilizado para el conteo con DAPI
(Casamayor, 2006).
36
5.1.3.1. Extracción de microorganismos: El paso inicial para el conteo directo es la
extracción de los microorganismos presentes en el suelo. La estandarización de la
extracción fue realizada por Latorre (2007) donde 10 g de suelo fueron colocados en 90
ml de solución salina al 0,85% p/v (grado reactivo; J.T.Baker). La mezcla fue
homogenizada en un agitador orbital (I2100; New Science) a 160 rpm por 15 min y se
dejó sedimentar por 5 min. Se realizaron diluciones seriadas del sobrenadante en base
10 hasta 10-6 en solución salina (0.85% p/v) previamente filtrada (GSWP04700;
millipore) y esterilizada a 121oC, 15 lb de presión por 15 min.
5.1.3.2. Filtración: se colocó 1 ml de la dilución seleccionada en 9 ml de solución salina
(0.85% p/v). La muestra fue mezclada por vortex y filtrada utilizando un filtro de 0,22
µm de policarbonato negro de 25 mm de diámetro (GTBP02500, Millipore) con ayuda
de una bomba de vació a 25 psi (ROA-P164-AA:GAST). Finalmente el filtro se dejó
secar por 20 min a temperatura ambiente antes de la tinción.
5.1.3.3. Tinción: se agregaron 100 µl de DAPI (D9542; Sigma) sobre toda la superficie
del filtro de manera homogénea con una micropipeta (la concentración y el tiempo de
contacto se evaluaron en 5.1.4.2). Posteriormente, el filtro se lavó con agua MilliQ por 1
min y se enjuagó en etanol (70% v/v) por 2 s, para finalmente dejarse secar a
temperatura ambiente en oscuridad por 20 min.
5.1.3.4. Acondicionamiento del filtro: El filtro seco se colocó en una lámina porta
objetos y se le agregó en el centro una gota de aceite Citifluor AF1 (No. 17970-25;
Electrón Microscopy). Luego se le colocó una laminilla presionando fuertemente para
evitar la formación de burbujas. Al montar la lámina en el microscopio de
epifluorescencia (Eclipse 5.0i, Nikon) se utilizó un filtro de doble acción, excitación de
400 a 418 nm y lectura de 450 a 465 nm, y aceite de inmersión de baja luminiscencia (50
tipo NF, Nikon).
37
5.1.3.5. Conteo: Se consideró como células los óvalos, círculos y puntos definidos que
mostraron una coloración azul fluorescente durante la observación. En caso de
observarse un número de células por rejilla de lectura menor a 30, se leyeron 50 campos
aleatorios por filtro y en caso de presentarse un número mayor de cel/campo, se leyó 20
campos aleatorios por filtro (Casamayor, 2006) (Figura 2).
Figura 2. Células coloreadas con DAPI en una muestra de suelo.
5.1.4. Modificaciones al protocolo de tinción: El incremento de la variabilidad en los
conteos de microorganismos es favorecida por: la interferencia de la matriz de suelo
(Schallenberg et al., 1989, Maier et al., 2001), la concentración del colorante y tiempo
de reacción (Schallenberg et al., 1989), uso de submuestras, diferentes tipos de filtros y
38
el número de campos de lectura (Kirchman et al., 1982). Por esa razón en el presente
estudio se evaluaron como variables: a) el efecto de un pretratamiento realizando un
prefiltrado (Maier et al., 2001) y un lavado de células, b) uso de la concentración
adecuada de DAPI, 5 µg/ml por 20 min (Schallenberg et al., 1989) y 10 µg/ml por 40
min (Yu et al., 1995) y c) dos esquemas de conteo que se explicarán en 5.1.5.3.
(Figura 3).
Extracción de microorganismo
Filtración
Tinción
Acondicionamiento del filtro
Conteo
Figura 3. Diagrama de flujo del protocolo de tinción y las modificaciones evaluadas.
A, B y C hacen referencia a los pasos evaluados para la estandarización del conteo
con DAPI.
2
1
10 µg/ml x 40 min
5 µg/ml x 20 min
Lavado
Prefiltrado
B
Prefiltrado y
lavado de
células como
Esquemas
de conteo
A
C
Uso de la
concentración
39
5.1.4.1. Evaluación de un pretratamiento para eliminar interferencia de la matriz
de suelo: Se evaluaron dos pretratamientos para reducir la interferencia causada por la
fluorescencia de la matriz en las muestras (Figura 3):
1. Un prefiltrado de la dilución del extracto de células utilizando un filtro de
fibra de vidrio de 42 mm de diámetro (2.0-8.0 µm) (AP2502500; Millipore)
(Maier et al., 2001).
2. Dos lavados sucesivos de la dilución del extracto de células utilizando
solución salina (0.85% p/v) por centrifugación a 13,000 rpm por 5 min.
5.1.4.2. Evaluación de la concentración de DAPI para la tinción: Se evaluaron dos
concentraciones de DAPI a 5 µg/ml por 20 min (Schallenberg et al., 1989) y 10 µg/ml
por 40 min (Yu et al., 1995) para determinar la concentración óptima del colorante en
muestras de suelo.
5.1.4.3. Esquema de conteo: Se evaluaron dos esquemas de conteo para aumentar la
precisión y evitar la variabilidad en cada muestra. El primer esquema consistió en
obtener dos filtros de la dilución seleccionada de cada muestra, mientras que el segundo,
consistió en obtener 2 filtros, uno de la dilución seleccionada y el segundo de un
duplicado a la misma dilución (Figura 4).
Figura 4. Comparación de los esquemas de conteo de la técnica para una mayor
precisión por Kirchman y colaboradores (1982), 1) dos filtros de la dilución
seleccionada para cada muestra y 2) dos filtros, uno de la dilución seleccionada y el
segundo del duplicado de la dilución.
20 ó 50 campos de lectura
2
1
Dilución
10-5
40
5.1.5. Tratamientos y análisis visual de los filtros para la estandarización del
protocolo de tinción: Inicialmente se utilizó el cultivo de E. coli de concentración
conocida para seleccionar los tratamientos que presentaran los mayores conteos y una
muestra de suelo para seleccionar el mejor tratamiento con base en los recuentos y en el
análisis visual. Cada tratamiento correspondió al conjunto de modificaciones que fueron
evaluadas (Tabla 5). Para el análisis visual de los filtros se observó la disminución de
los interferentes de lectura, la eliminación de la fluorescencia de fondo, la fluorescencia
de las células y del borde, la nitidez del filtro y la distribución homogénea de las células
en el filtro.
5.1.6. Control de calidad del conteo: Como control de calidad durante el proceso de
tinción, se utilizaron 3 parámetros: la distribución homogénea de las células en el filtro
de lectura, la baja fluorescencia de fondo y la definición de la tinción del borde del
microorganismo. Estas características se aplicaron estrictamente a cada filtro de lectura
y en caso de cumplirse, los filtros se desechaban y se repetía el proceso.
Tabla 5. Tratamientos evaluados para la estandarización del conteo con DAPI utilizando un cultivo de E. coli y las muestras de suelo.
Tratamiento Pretratamiento [DAPI] µg/ml Esquema Conteoa
1 Prefiltrado 5 1 2 Prefiltrado 5 2 3 Lavado 5 1 4 Lavado 5 2 5 Prefiltrado 10 1 6 Prefiltrado 10 2 7 Lavado 10 1 8 Lavado 10 2
a 1) Dos filtros de la dilución seleccionada para cada muestra y 2) dos filtros, uno de la
dilución seleccionada y el segundo del duplicado a la misma dilución.
5.1.7. Análisis estadístico para la estandarización: Inicialmente, se observó si los
datos presentaban una distribución normal y la homogeneidad de varianza con la prueba
de Bartlett (p<0.05). Para su análisis estadístico los datos fueron transformados con el
logaritmo base diez y analizados con pruebas paramétricas. Se valuó la precisión
41
utilizando el porcentaje del coeficiente de variación (% CV) y la exactitud comparando
la concentración del control (cultivo de E. coli) con el valor obtenido durante el conteo.
Para las muestras de suelo se observaron diferencias entre los tratamientos con la prueba
de Tukey-kramer (p<0.05) para escoger el que tenga los mayores conteos.
5.2. Estimación de la densidad microbiana en suelos de la ecorregión cafetera
utilizando DAPI
5.2.1. Muestreo: En cada una de las coberturas seleccionadas (Tabla 6), se ubicaron
aleatoriamente tres cuadrantes (2.5m x 2.5m) representativos, a por lo menos 30 m del
borde, para evitar el efecto borde. Se tomó una muestra en cada vértice y del centro de
los cuadrantes con un barreno de 15 cm de largo por 5 cm de diámetro en la cabeza de
toma de muestras. Se obtuvo una muestra compuesta por cuadrante después de mezclar
vigorosamente en un plástico de alta densidad las muestras obtenidas de todos los puntos
del cuadrante. De esta mezcla, se tomaron 2 kg de suelo en una bolsa de cierre
hermético la cual fue refrigerada (4-6 ºC) durante su transporte hasta el laboratorio de
USBA y su posterior análisis.
5.2.2 Unidades de muestreo
En el marco de la investigación del CIEBREG, se tomaron como unidad macro del
muestreo las dos ventanas correspondientes a la cuenca del río La Vieja y Otún en la
ecorregión cafetera. Estas ventanas fueron seleccionadas con criterios de
heterogeneidad espacial, gradiente altitudinal y estructuras de paisaje por medio de un
análisis de correspondencias canónicas de características bióticas y abióticas (Camargo,
2006). Una vez definidas las ventanas, se tomaron como siguiente nivel de muestreo
los sistemas productivos que correspondían a conjuntos de propiedades que reflejan un
tipo particular de aprovechamiento y uso de la tierra (Camargo, 2006). Se seleccionaron
dentro de los sistemas productivos las coberturas, que son el uso determinado del suelo
en función de sus productos y finalmente, la unidad de muestreo más pequeña fueron las
las fincas y en las cuales se tomaron tres cuadrantes escogidos aleatoriamente (Tabla 6).
42
5.2.2.1. Ventana La Vieja
La cuenca hidrográfica del río La Vieja sostiene una intensa actividad agropecuaria y
una alta densidad poblacional, convirtiéndose en una zona importante para la
preservación de los ecosistemas de la ecorregión cafetera. La cuenca está ubicada entre
los departamentos de Quindío, Risaralda y Valle del Cauca con una área de ~2,925 km2.
Geográficamente la cuenca está ubicada entre 4° 04´ y 4° 49´ de latitud norte y 75° 24´ y
75° 57´ de longitud oeste (CRQ et al., 2005). La cuenca del río La Vieja presenta una
gran heterogeneidad ambiental evidenciada en sus diferencias climáticas y topográficas
(Tabla 7) (Díaz et al., 1996).
5.2.2.2. Ventana El Otún
La cuenca hidrográfica del río El Otún esta ubicada el departamento de Risaralda, con
un área de ~67 km2, nace en el nevado de Santa Isabel y desemboca en el río Cauca. Se
han encontrado bosques premontanos de alta humedad con vegetación arbórea,
pastizales naturales y mejorados, y cultivos mixtos (cebolla y aromáticas) (Beltrán et al.,
1988) (Tabla 8).
Tabla 7. Descripción general de la cuenca del río La Vieja.
Característica Descripción
clima Medio húmedo transaccional a medio seco
disposición Superficial o moderadamente profundo
composición Texturas finas o moderadamente finas
pH Moderadamente ácido
erosión Moderada a severa
Fuente: Díaz et al., (1996).
43
Tabla 6. Sistemas productivos, coberturas y fincas seleccionadas en la cuenca del río La Vieja y El Otún.
Ventana Sistema productivo Cobertura Finca
La Vieja
Ganadería de carne
Bosque La Ilusión
Pastizal La Ramada
Guadual La Ramada
Cultivos mixtos
Guadual La Comarca
Cafetal sin sombrío El Bolsillo
Cafetal sin sombrío La Alegría
Ganadería de leche Bosque Bremen
Pastizal Villa Ximena
El Otún
Cultivos mixtos
Cebolla Macarena
Bosque Santa Helena
Cebolla Bella Vista
Guadual Mandalay
Guadual La Playa
Cultivos forestales Forestales Playa Rica
Forestales Lisbrán
Áreas protegidas Bosque La Pastora
5.2.3. Eventos de muestreo: el primer muestreo se realizó del 10 al 24 de junio de
2006 y el muestreo segundo del 14 al 21 de octubre de 2006.
5.2.4. Parámetros fisicoquímicos: se evaluó la temperatura, pH y humedad del suelo.
La temperatura in situ se tomó con un termómetro de campo a 20 cm de profundidad, el
pH se determino de acuerdo al protocolo de la Agencia Ambiental de Estados Unidos
(EPA, 9045c) y el porcentaje de humedad se tomó de acuerdo al protocolo del Instituto
Geográfico Agustín Codazzi (1979). pH y humedad fueron evaluados en las muestras
compuestas de suelo en el laboratorio.
44
Tabla 8. Descripción general de la cuenca del río El Otún.
Característica Descripción
clima Medio húmedo y frío
disposición Drenados, profundos y moderadamente profundos
composición Texturas finas con alto contenido orgánico, y suelos pobres en fósforo y de poca fertilidad
pH De moderadamente ácido a extremadamente ácido.
erosión Susceptibles a procesos de erosión
Se tienen dos descripciones IVe y VIIesc2 según el IGAC para la cuenca del río La Vieja.
Fuente: Beltrán et, al. 1988.
5.3. Análisis estadístico para evaluar el efecto del sistema productivo sobre los
conteos de microorganismos totales. Para evaluar el efecto del sistema productivo
sobre los conteos, se utilizó una t-studen (p<0.05 o p<0.02) ó un análisis de varianza
(ANOVA) (p<0.05 o p<0.02) y una prueba de Tukey-Kramer (p<0.05) según el caso.
.
.
45
6. RESULTADOS Y DISCUSIÓN
6.1. Estandarización de la tinción de microorganismos del suelo con DAPI:
6.1.1. Control de procedimiento con E. coli para el conteo directo con DAPI
Para obtener la curva de crecimiento con recuentos mayores a 1 x 1010 UFC/ml fue
necesario llevar la absorbancia a rangos mayores a 1 unidad de absorbancia (UA). Para
realizar la curva de las absorbancias en el tiempo, se empleó una dilución 1/40 y los
valores fueron correlacionados con los recuentos para obtener la curva de calibración
de absorbancia vs. recuento en placa (Figura 5) (Tabla 9).
Utilizando la ecuación de la línea de mejor ajuste
absmlufcmlufcabsabs XY 1909,0109 1/12 +×= −×
− se estableció que un cultivo a una dilución
1/40 con una absorbancia de 0.460 tendría un recuento de 1.2 x 1012.
Tabla 9. Recuentos en placa y absorbancia de E. coli en el tiempo
Tiempo (min) Recuento Abs* 0 4,45E+09 0,101 30 4,1E+09 0,138 50 4,35E+09 0,163 70 5,35E+09 0,173 90 6,5E+09 0,204 110 1,35E+10 0,307 130 2,85E+10 0,451 150 4,55E+10 0,6125 170 6,3E+10 0,792 190 8,1E+10 0,9145
*Absorbancia después de la dilución 1:40
46
6.1.2. Evaluación de los tratamientos utilizando E. coli como control de
procedimiento
Durante la evaluación de los diferentes tratamientos para la estandarización de la
tinción se utilizó un cultivo de E. coli a una concentración de 1.2 x 1012 UFC/ml. Se
escogieron los 4 tratamientos que tuvieron los conteos mayores, independiente de su
precisión, y buscando el metodo que favoreciera la mayor recuperacion de
microorganismos. De esta forma, los tratamientos 1, 3, 7 y 8 (anexos D y E) mostraron
los mayores conteos indicando que la combinación de un lavado como pretratamiento y
el uso de un esquema de conteo de dos filtros de la misma dilución presentaban los
mayores conteos.
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
1E+10 2E+10 3E+10 4E+10 5E+10 6E+10 7E+10 8E+10 9E+10
Conteo en placa (UFC/ml)
Abs
orba
ncia
(60
0 nm
)
Figura 5. Curva de calibración (absorbancia vs. recuento en placa) del cultivo de E.
coli. Se presenta el promedio de dos valores.
En todos los tratamientos se observó que los conteos obtenidos con DAPI fueron
mayores a los recuentos en placa de la curva de calibración (Tabla 10). Los principales
factores que pudieron afectar los recuentos en placa pueden ser atribuidos a los errores
durante la toma y homogenización de volúmenes con micropipetas y rastrillos, y de
igual forma a factores fisiológicos como la concentración de nutrientes (fuente de C y
absmlufcmlufcabsabs XY 1909,0109 1/12 +×= −×
−
47
N) y condiciones de incubación como temperatura y concentración de oxígeno
(McCaing et al., 2001; Merck, 2005).
Se observó que de los tratamientos seleccionados que presentaron mayores recuentos
tenían en primer esquema de conteo (dos filtros de la misma dilución seleccionada),
presentó la mayor precisión expresada como el porcentaje del coeficiente de variación
(%CV) (Tabla 10). El alto recuento y la alta precisión de este esquema de conteo,
permite seleccionarle como método a utilizar durante el estudio.
Tabla 10. Conteos obtenidos durante la estandarización del proceso de tinción utilizando E. coli.
Tratamientos Pretratamiento [DAPI] aµµµµg/ml Esquema conteob Cel/ml %CV c
1 Prefiltrado 5 1 3,45 x 1012 10,75 2 Prefiltrado 5 2 1,85 x 1012 6,37 3 Lavado 5 1 1,89 x 1012 11,90 4 Lavado 5 2 1,50 x 1012 22,22 5 Prefiltrado 10 1 1,64 x 1012 8,12 6 Prefiltrado 10 2 1,72 x 1012 14,45 7 Lavado 10 1 6,05 x 1012 17,24 8 Lavado 10 2 3,61 x 1012 66,73
a El tiempo de reacción para la concentración de 5 µg/ml de DAPI corresponde a 20 min y
para la concentración de 10 µg/ml es de 40 min. b Esquemas de conteo, 1) Dos filtros de la dilución seleccionada para cada muestra y 2) dos
filtros, uno de la dilución seleccionada y el segundo del duplicado a la misma dilución. c %CV = coeficiente de variación = (ds/media)
Se presenta el promedio de dos valores obtenidos.
De acuerdo a un estudio realizado por Kirchman y colaboradores (1982), en el análisis
estadístico de un método de conteo directo de enumeración bacteriana, la varianza es
menor cuando se usan dos filtros de una misma submuestra y no un filtro por cada
submuestra. Al analizar el %CV, el menor pertenece a un prefiltrado a una
concentración de 5 µg/ml y el segundo esquema de conteo. Sin embargo, el mayor
%CV pertenece a un lavado a una concentración de 10 µg/ml y el segundo esquema de
conteo, lo que puede significar un efecto externo del lavado o de la concentración del
colorante. Un estudio realizado por Schallenberg y colaboradores (1989), enfocado en
la solución de problemas en la enumeración de bacterias del sedimento por conteo
48
directo, afirma que el uso de DAPI a concentraciones diferentes a 5 µg/ml genera la
subestimación en los conteos. Si se tiene en cuenta que los conteos para ese
tratamiento fueron altos, se pudo presentar este efecto en alguno de los filtros de las
submuestras.
Con base en los resultados obtenidos del recuento con DAPI en el control de
procedimiento en el presente estudio se seleccionó: 1) el prefiltrado a una
concentración de 5 µg/ml por 20 minutos con el primer esquema de conteo, 2) el
lavado a una concentración de 5 µg/ml por 20 minutos con el primer esquema de
conteo, 3) el lavado a una concentración 10 µg/ml por 40 minutos con el primer
esquema de conteo y 4) el lavado a una concentración de 10 µg/ml por 40 minutos con
el segundo esquema de conteo porque presentan los mayores conteos en primera
instancia y %CV menor como segunda medida.
6.2. Evaluación de los tratamientos seleccionados para la estandarización
utilizando muestras de suelo
Con base en los resultados obtenidos con el control de procedimiento con E. coli de
concentración conocida, se analizaron las muestras de suelo con los tratamientos con
mayores conteos.
No se observaron diferencias significativas con los diferentes tratamientos en los
conteos de las muestras de suelo (ANOVA; p < 0.05; n=16). Sin embargo, se
presentaron conteos mayores cuando se realizó un lavado como pretratamiento a una
concentración de 5 µg/ml por 20 min y realizando un esquema de conteo de dos filtros
de la misma dilución (Tabla 11).
El orden de los tratamientos que presentaron mayores recuentos en la muestra de suelo
fue inverso al orden de los tratamientos que presentaron mayores recuentos con el
cultivo de concentración conocida de E. coli. Los mayores conteos con E. coli se
presentaron en el tratamiento 7 mientras que el mayor conteo en la muestra de suelo fue
49
en el tratamiento 3. Las modificaciones realizadas a estos dos tratamientos sólo
difieren en la concentración de DAPI a la cual se hace la tinción, esto demuestra que la
concentración varía de acuerdo a las diferentes matrices (suelo, lodos, aguas, etc).
Resultados similares fueron obtenidos por Schallenberg y colaboradores (1989) quienes
afirman que la concentración óptima para muestras de sedimentos es de 5 µg/ml por 20
min de DAPI y el uso de otras concentraciones puede producir la subestimación del
conteo de células totales.
Tabla 11. Conteos obtenidos de los distintos tratamientos evaluados durante el proceso de estandarización utilizando una muestra de suelo
Tratamiento Pretratamiento [DAPI] a µµµµg/ml E. conteob Conteo % CVc
1 Prefiltrado 5 1
7,94 x 1011
36.02 8,05 x 1011 5,42 x 1011 3,39 x 1011
3 Lavado 5 1
5,75 x 1011 24.74 9,71 x 1011
6,11 x 1011 7,41 x 1011
7 Lavado 10 1
2,86 x 1011 47.44 7,02 x 1011
2,59 x 1011 5,15 x 1011
8 Lavado 10 2
7,20 x 1011 18.81 7,02 x 1011
5,09 x 1011 5,15 x 1011
a El tiempo de reacción para la concentración de 5 µg/ml de DAPI corresponde a 20 min y
para la concentración de 10 µg/ml es de 40 min. b Esquemas de conteo, 1) Dos filtros de la dilución seleccionada para cada muestra y 2) dos
filtros, uno de la dilución seleccionada y el segundo del duplicado a la misma dilución. c %CV = coeficiente de variación = (ds/media)
Durante la estandarización del protocolo de tinción utilizando las muestras de suelo, se
observó que el pretratamiento que disminuía los interferentes de lectura más
eficientemente era el lavado con una solución NaCl (0,85% p/v) a 13.000 rpm por 5
minutos. Se pueden considerar como interferentes de lectura los coloides de tamaño
50
mayor al celular, la fluorescencia de fondo generada por la matriz del suelo y la
fluorescencia de los residuos del DAPI. El prefiltro tiene un tamaño de poro variable de
2.0 a 8.0 µm permitiendo el paso de coloides que se pueden ver en la mayoría de los
campos del microscopio; además, tiene una gran capacidad absorbente de líquidos lo
que podría suponer una pérdida en la concentración celular de la muestra filtrada. Por
otro lado, la fluorescencia de fondo de la matriz de la muestra se eliminó con los
lavados porque las partículas permanecieron en el sobrenadante y eran descartadas en
el proceso. Un estudio realizado por Bakken (1985) basado en la separación y
purificación de bacterias del suelo, afirma que las partículas del suelo y material
orgánico no celular luego de un proceso de centrifugación se encuentran en el
sobrenadante y que el proceso es óptimo como pretratamiento en microscopía de
fluorescencia, comprobando lo realizado en este estudio. Finalmente, la fluorescencia
de fondo debida al uso del DAPI se eliminó eficientemente por medio de un enjuague
con una solución de etanol al 70% (Casamayor, 2006).
El efecto del esquema de conteo entre los tratamientos seleccionados se observa
claramente. Tres de los cuatro tratamientos correspondieron al esquema de conteo de
dos filtros de la dilución seleccionada confirmando lo dicho por Kirchman y
colaboradores (1982); este esquema utiliza dos filtros de la misma muestra y tiene una
mayor precisión y un porcentaje de error menor al esquema de conteo dos que
corresponde a dos filtros, uno de la dilución seleccionada y el segundo del duplicado de
la misma dilución. Como se puede observar en la tabla 11, se utilizó el coeficiente de
varianza (CV) como variable de selección; se puede observar en la muestra 1, que el
tratamiento que tiene menor CV y los dos tratamientos con mayor CV corresponden al
primer esquema de conteo. Esta variación en los conteos era de esperarse con las
muestras de suelo debido la interferencia, la dificultad para recuperar los
microorganismos y la variabilidad de las poblaciones a pequeña escala (Bakken, 1985;
Torsvik and Øvreås, 2002). En la muestra 2, el esquema que tuvo el menor CV es el de
dos filtros, uno de la dilución seleccionada y el segundo del duplicado de la misma
dilución. Sin embargo, los conteos no fueron los mas altos y el análisis visual del filtro
51
en el que se observó definición de la fluorescencia, y disminución de interferentes y
fluorescencia de fondo no fue el mejor.
Finalmente, teniendo en cuenta los resultados obtenidos con el cultivo de E. coli de
concentración conocida y las muestras de suelo, se seleccionó el uso del lavado a una
concentración de DAPI de 5 µg/ml por 20 min y el primer esquema de conteo que
utiliza dos filtros de lectura de la misma dilución para realizar el análisis. Esta
selección se basó en los mayores recuentos, la observación al microscopio y la
precisión (%CV).
6.3. Conteo de microorganismos de suelo de la ecorregión cafetera utilizando DAPI
Se procesaron un total de 96 muestras de suelo utilizando el protocolo seleccionado
Casamayor (2006) y estandarizado con las siguientes modificaciones: un pretratamiento
correspondiente a dos lavados sucesivos en solución salina (0.85% p/v) a 13,000 rpm
por 5 min, tinción utilizando una concentración de 5 µg/ml por 20 min de DAPI y un
esquema de conteo correspondiente a dos filtros de dilución seleccionada, de cada una
de las muestras (Tabla 12) (Anexo J y K).
Se utilizaron los conteos para evaluar si las dos fincas seleccionadas por cobertura
presentaban recuentos significativamente iguales. Después se analizó el efecto de las
distintas coberturas, sistemas productivos, ventanas y eventos de muestreo sobre los
conteos de los microorganismos edáficos.
6.3.1. Comparación de los conteos de microorganismos edáficos totales de las fincas
seleccionadas para cada cobertura.
Inicialmente se evaluaron si existían diferencias significativas entre las dos fincas
seleccionadas para cada una de las coberturas.
52
Tabla 12: Conteos de los microorganismos edáficos obtenidos durante el estudio en la CEAN.
Muestreoa Ventana Sistema productivo Cobertura Finca Conteo cel/gps %CV c
1 La Vieja Cultivos mixtos CFSSb El Bolsillo 1,53 x 1011 28,65 1 La Vieja Cultivos mixtos CFSS Alegría 3,19 x 1011 53,84 1 La Vieja Cultivos mixtos Guadual La Comarca 1,96 x 1011 18,50 1 La Vieja Ganadería de carne Guadual La Ramada 1,65 x 1011 18,23 1 La Vieja Ganadería de carne Bosque Bremen 1,71 x 1011 18,11 1 La Vieja Ganadería de carne Bosque La ilusión 1,72 x 1011 43,42 1 La Vieja Ganadería de leche Pastizal La Ramada 1,29 x 1011 30,37 1 La Vieja Ganadería de leche Pastizal Villa Ximena 1,76 x 1011 17,56 1 El Otún Áreas protegidas Bosque La Pastora 1,61 x 1011 13,15 1 El Otún Cultivos mixtos Bosque Santa Helena 1,05 x 1011 12,26 1 El Otún Cultivos mixtos Cebolla Macarena 1,41 x 1011 22,16 1 El Otún Cultivos mixtos Cebolla Bella Vista 1,41 x 1011 17,76 1 El Otún Cultivos mixtos Guadual Mandalay 7,64 x 1010 11,82 1 El Otún Cultivos mixtos Guadual La Playa 1,59 x 1011 52,54 1 El Otún Plantaciones forestales Forestales Playa Rica 2,69 x 1011 28,62 1 El Otún Plantaciones forestales Forestales Lisbran 3,12 x 1011 15,85 2 La Vieja Cultivos mixtos CF SS El Bolsillo 1,95 x 1011 18,93 2 La Vieja Cultivos mixtos CF SS Alegría 1,36 x 1011 17,75 2 La Vieja Cultivos mixtos Guadual La Comarca 2,58 x 1011 22,53 2 La Vieja Ganadería de carne Guadual La Ramada 2,28 x 1011 36,81 2 La Vieja Ganadería de carne Bosque Bremen 3,17 x 1011 40,99 2 La Vieja Ganadería de carne Bosque La ilusión 3,32 x 1011 35,05 2 La Vieja Ganadería de leche Pastizal La Ramada 2,09 x 1011 21,32 2 La Vieja Ganadería de leche Pastizal Villa Ximena 1,86 x 1011 12,02 2 El Otún Áreas protegidas Bosque La Pastora 3,13 x 1011 11,76 2 El Otún Cultivos mixtos Bosque Santa Helena 4,23 x 1011 33,14 2 El Otún Cultivos mixtos Cebolla Macarena 1,73 x 1011 29,41 2 El Otún Cultivos mixtos Cebolla Bella Vista 3,21 x 1011 21,00 2 El Otún Cultivos mixtos Guadual Mandalay 2,90 x 1011 20,95 2 El Otún Cultivos mixtos Guadual La Playa 4,60 x 1011 13,93 2 El Otún Plantaciones forestales Forestales Playa Rica 4,40 x 1011 34,44 2 El Otún Plantaciones forestales Forestales Lisbran 3,23 x 1011 27,08
a EM1 realizado del 10 -24 de junio y 2 del 14 – 21 de Octubre de 2006. b CFSS = cafetal sin sombrío c CV = coeficiente de variación = (ds/media)
Se presenta el promedio y porcentaje del coeficiente de varianza (%CV) (n=6).
gps = gramo de peso seco
53
6.3.1.1. Cuenca del río La Vieja: en términos generales las fincas seleccionadas para
las coberturas fueron significativamente diferentes con un intervalo de confianza del
80% (Anexo L) en alguno de los dos eventos de muestreo.
Se observó que el cafetal de La Alegría presentó conteos significativamente superiores
al cafetal de El Bolsillo (t-student: p < 0.05; n=12) en el Evento de Muestreo 1 (EM1)
(Tabla 12) (Figura 6) sin presentar diferencias significativas en los parámetros
fisicoquímicos de pH, porcentaje de humedad y temperatura del suelo. Los mayores
conteos en el cafetal La Alegría se pudieron presentar debido a la densa y gruesa capa de
hojarasca presente (8,96 ± 11,2 cm) (n=15) (anexo O), constituida principalmente de
plantas de plátano mientras que El Bolsillo presentó una menor capa de hojarasca (2,86
± 0,80cm) (n=15), presentándose una diferencia del 68,4%. Una densa y gruesa capa de
hojarasca, como la observada en La Alegría, puede llegar a influir en la densidad
microbiana, debido que proporciona un ambiente rico en calidad y cantidad de materia
orgánica con alto potencial de mineralización (Kennedy, 1999; Nusslein y Tiedje, 1999;
Escobar, 2003).
1,00E+10
1,10E+11
2,10E+11
3,10E+11
4,10E+11
5,10E+11
6,10E+11
1 2
Evento de muestreo
Con
teo
(cél
ulas
/gps
)
El Bolsillo
La Alegría
Figura 6. Conteos de microorganismos totales en los cafetales de la cuenca del río La
Vieja. Se presenta el promedio y desviación estándar (n=6).
Un estudio realizado por Mantilla y colaboradores (2000), describe la hojarasca del
cafetal con sombrío en la zona cafetera, como la reunión de tallos, hojas y ramas en un
54
estado medio de descomposición, con una alta presencia de invertebrados e insectos, lo
que puede aumentar la carga orgánica del suelo.
No se pudo establecer si la aplicación de agroquímicos podría tener un efecto
significativo sobre la densidad microbiana. Sin embargo, un estudio realizado por Burke
y colaboradores (2006) en el cual se evaluó la influencia de las ectomicorizas y la
fertilización en la diversidad del suelo en un cultivo de pino, demostró que no existiría
un efecto significativo de uso de fertilizantes en las bacterias del suelo.
Durante el segundo evento de muestreo (EM2) se observaron conteos significativamente
mayores en El Bolsillo (t-student; p < 0.05; n=24). De acuerdo a información
recolectada en el evento de muestreo, días antes de la toma de muestras se había
presentado una fuerte precipitación con presencia de granizo en la zona y una menor
producción de cafe (anexo O), lo que pudo disminuir la densidad microbiana del suelo
por choque térmico o disminuyendo el metabolismo celular (Madigan et al., 2001).
Tabla 13. Intervalo de confianza al que se presentaban diferencias significativas de las fincas seleccionadas para cada cobertura en la cuenca de río La Vieja
Cobertura Fincas EM1a Fincas EM2a
CFSSb El bolsillo-La Alegría 95% El bolsillo-La Alegría 95%
Bosque La Ilusión-Bremen - La ilusión-Bremen -
Pastizal La Ramada-Villa Ximena 95% La Ramada-Villa Ximena -
Guadual La Ramada- La Comarca 80% La Ramada- La Comarca -
a Evento de muestreo
(-) No hay diferencias significativas al 80% y al 95% b CFSS = Cobertura cafetal sin sombrío
No se observaron diferencias significativas en los valores de pH obtenidos entre La
Alegría (5,4±0,4) y El Bolsillo (5.3±0.1) en el EM1 y al igual que La Alegría (6.2±0.5) y
El Bolsillo (5.8±0.2) en el EM2 (t-student; p < 0.05; n=12). De similar forma, los
55
valores observados son similares a los valores reportados (5.4) para esta región por
Murgueitio (2003).
Algunas de las diferencias observadas en los conteos microbianos podrían ser atribuidas
al efecto alelopático de cafeína sobre la población de microorganismos totales generando
una inhibición del crecimiento (Escobar, 2003). Sin embargo este efecto no se pudo
evidenciar debido que en el EM2 se presentó una fuerte precipitación con presencia de
granizo, lo que pudo generar un choque térmico y disminuir la densidad de
microorganismos totales en el suelo (Madigan et al., 2001).
Las fincas con bosques utilizados para este estudio en la cuenca del río La Vieja, no
mostraron diferencias significativas en ninguno de los dos eventos de muestreo
(t-student; p < 0.05; n=24) (Figura 7).
1,00E+10
1,10E+11
2,10E+11
3,10E+11
4,10E+11
5,10E+11
6,10E+11
1 2
Evento de muestreo
Con
teos
(cél
ulas
/gps
)
Bremen
La Ilusión
Figura 7. Conteos de microorganismos totales en los bosques de la cuenca del río La
vieja. Se presenta el promedio y desviación estándar (n=6).
En los pastizales de la cuenca del río La Vieja para el EM1, se observaron conteos
significativamente mayores en Villa Ximena que en La Ramada
(t-student; p < 0.05; n=12) y para el EM2 no presentaron diferencias significativas en
esta cobertura (t-student; p < 0.05; n=12) (figura 8).
56
Los datos de porcentaje de humedad del pastizal Villa Ximena fueron significativamente
mayores (44.9 ± 4.5%) a los datos de La Ramada (23.0 ± 2.7%)
(t-student; p < 0.05; n=6) y los datos de temperatura de suelo muestran registros
significativamente mayores (t-student; p < 0.05; n=30) en La Ramada (26.8 ± 1.9ºC) que
en Villa Ximena (22.7 ± 0.2ºC). Teniendo en cuenta que no existen diferencias en los
datos de pH (t-student; p < 0.05; n=6) y de acuerdo con Varela (2004) la humedad del
suelo puede llegar a tener un mayor efecto sobre la actividad microbiana que la
temperatura del suelo.
1,00E+10
1,10E+11
2,10E+11
3,10E+11
4,10E+11
5,10E+11
6,10E+11
1 2
Evento de muestreo
Con
teos
(cél
ulas
/gps
)
La Ramada
Villa Ximena
Figura 8. Conteo de microorganismos totales en los pastizales de la cuenca del río la
Vieja. Se presenta el promedio y desviación estándar (n=6).
En los guaduales de la cuenca del río La Vieja para el EM1, se observaron conteos
significativamente mayores en La Comarca que en La Ramada
(t-student; p < 0.2; n=12) y para el EM2 no se presentaron diferencias significativas en
los conteos (t-student; p < 0.05; n=12) (figura 9). Los datos de campo mostraron que el
guadual La Comarca tiene una cobertura densa mientras que La Ramada es un pequeño
fragmento de guadua al que corresponden grupos de pocas guaduas a la orilla de la
quebrada (anexo O). Un estudio realizado por Carney y colaboradores (2004) determinó
que existe un efecto antropogénico sobre las comunidades microbianas del suelo
57
generando la disminución de la biomasa y la diversidad. Este efecto se puede llegar a
observar en el guadual La Ramada debido a que el fragmento de guadua puede estar
desapareciendo por uso de la madera, cambios en el uso del suelo o cualquier otro efecto
antropogénico generando una disminución en la densidad de microorganismos edáficos.
1,00E+10
1,10E+11
2,10E+11
3,10E+11
4,10E+11
5,10E+11
6,10E+11
1 2
Evento de muestreo
Con
teo
(cél
ulas
/gps
)
La Comarca
La Ramada
Figura 9. Conteos de microorganismos totales en los guaduales de la cuenca del río
La Vieja. Se presenta el promedio y desviación estándar (n=6).
Al observar en conjunto del EM1 en la cuenca del río La Vieja, no se observaron
diferencias significativas entre las coberturas (Tukey-Kramer, ANOVA; p < 0.05; n=48)
(Tabla 14). Los cafetales sin sombrío asociados a plátano (CFSS) presentaron los
mayores conteos sin diferencias significativas y con alta dispersión (desviación estándar)
(Figura 10). Un estudio reportado por Murgueitio (2003) reportó una mayor actividad
microbiana-CO2 en los guaduales, seguido por cafetal con sombrío y finalmente
pastizales dedicados a ganadería extensiva. Al comparar esos resultados con los
obtenidos en este estudio, se observa cierta similitud al encontrar en la cuenca del río La
Vieja en el EM1 conteos superiores en la cobertura guadual y los menores conteos en la
cobertura pastizal.
Por otro lado, un estudio realizado por Carney y colaboradores (2004) en el que se
estudió la diversidad y la composición de los nitrificantes del suelo a través del gradiente
de diversidad de las plantas y el tipo de uso del suelo, determinó que los cambios
58
antropogénicos a los ecosistemas puede alterar las comunidades microbianas y que los
forestales de Brosimum alicastrum, Bursera simaruba, Cordilla alliodora, Alchornea
costaricensis, Bravaisia intergerrima, Casearia corymbosa y Simira maxonii, tienen
más biomasa que los pastizales. Este efecto se puede observar claramente en los
resultados de este estudio. Los bosques La Ilusión y Bremen mostraron conteos
superiores a los pastizales para el EM1 y para el EM2, se observa el efecto más
claramente (Figura 10).
Tabla 14. Diferencias entre coberturas para la cuenca del río La Vieja.
EM1a EM2b EM1-EM2
CFSS G B P B G P CFSS B G CFSS P
a a a a
a a a a a
b b
c c b a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006 G = Guadual CFSS = Cafetal sin sombrío asociado a cultivos de plátano P = Pastizal B = Bosque Diferente letra en minúscula (a,b y c) indican diferencias significativas (p<0.05) Los conteos más bajos se presentan a la izquierda
En el EM2, los bosques presentaron conteos significativamente mayores a las coberturas
pastizal y cafetal sin sombrío asociado a cultivo de plátano (Tukey-Kramer; p < 0.05;
n=48). Por otro lado en los guaduales se observaron conteos significativamente
superiores a los cafetales y los pastizales no presentaron diferencias significativas con
los cafetales sin sombrío (Tukey-Kramer; p < 0.05; n=48) (Tabla 14).
Al observar EM1-EM2 los bosques, guaduales y CFSS presentaron diferencias
significativas con los pastizales (Tukey-Kramer; p < 0.05; n=96). Un estudio reportado
por Murgueitio (2003), muestra mayor actividad microbiana-CO2 en los guaduales
59
seguido por cafetal, y pastizal con ganadería de leche y de ceba. Lo reportado por
Murgueitio (2003) ratifican los resultados de este estudio (Figura 10). Sin embargo, esta
diferencia se pudo presentar debido que en el cafetal La Alegría días antes del evento de
muestreo se presentó una fuerte precipitación con presencia de granizo (anexo O), lo
cual pudo generar la muerte por choque térmico de los microorganismos o una
disminución de la taza metabólica.
2,00E+107,00E+101,20E+111,70E+112,20E+112,70E+113,20E+113,70E+114,20E+114,70E+115,20E+11
Bosque Pastizal Guadual CFSS
Coberturas
Con
teo
(cel
ulas
/gps
)
EM1
EM2
Figura 10. Diferencias de las coberturas de la cuenca del río La Vieja entre
muestreos. Se presenta el promedio y desviación estándar (n=12).
Los conteos en la cuenca del río La Vieja en los dos eventos de muestreo, muestran un
posible efecto antropogénico debido que en la cobertura menos intervenida se
observaron los mayores conteos y la más intervenida los menores. Un estudio realizado
por Carney y colaboradores (2004), afirma que los cambios antropogénicos pueden
disminuir las comunidades microbianas, y otro desarrollado por Pereira y colaboradores
(2006), los cuales determinaron mayor cantidad de comunidades edáficas en un forestal
que en un suelo cultivado por mas de 10 años de manera sucesiva con tomate, habas,
maíz y soya, ratifican los resultados del presente estudio.
Al observar los conteos en el tiempo, los cafetales sin sombrío, mostraron conteos
significativamente mayores en el EM1 (2,35 x 1011cel/gps) a comparación con el EM2
60
(1,65 x 1011cel/gps) (t-student; p < 0.2; n=24) (Tabla 15). Esto se pudo presentar por
debido a la fuerte precipitación antes mencionada. Las otras coberturas, presentaron
conteos significativamente mayores en el EM2 (ANOVA; p < 0.05; n=72) (Tabla 15)
(Figura 10) afectando los conteos de toda la cuenca del río La Vieja en el tiempo (Tabla
16). Los datos de campo muestran una media de temperatura del suelo para la cuenca del
río La Vieja en el EM1 (22.4 ± 2.4ºC) sin diferencias significativas con los datos del
EM2 (22.0 ± 2.3ºC) (t-student; p < 0.05; n=240). Por otro lado los datos de humedad del
EM1 (30.3 ± 11.2) fueron significativamente superiores a los datos del EM2 (25.8 ± 9.5)
(t-student; p < 0.2; n=48). Los datos de pH del EM2 (5.9 ± 0.6) fueron
significativamente superiores a los del EM1 (5.3 ± 0.7) (t-student; p < 0.05; n=48). El
aumento en los valores de pH puede tener un efecto en los conteos de microorganismos
edáficos del suelo (Hartel, 2005).
Tabla 15. Intervalo de confianza al que se presentaban deferencias significativas en el tiempo por cada cobertura en la cuenca del río La Vieja
Cobertura Evento de muestreo
1a(cel/gps) 2b(cel/gps) 1-2 CFSSc 2,35 x 1011 ± 1.48 x 1011 1,65 x 1011 ± 4.28 x 1010 80%
Guadual 1,80 x 1011 ± 3.55 x 1010 2,43 x 1011 ± 7.07 x 10 10 95% Bosque 1,71 x 1011 ± 5.45 x 1010 3,25 x 1011 ± 1.18 x 1011 95% Pastizal 1,52 x 1011 ± 4.16 x 1010 1,98 x 1011 ± 2.2 x 1010 95%
a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006 c CFSS = cobertura cafetal sin sombrío
gps = gramo de peso seco
6.3.1.2. Cuenca del río El Otún: En términos generales las distintas fincas
seleccionadas para las coberturas fueron significativamente diferentes con un intervalo
de confianza del 80% y del 95% (Anexo L) (Tabla 17).
61
Tabla 16. Intervalo de confianza al que se presentaban diferencias significativas en el tiempo en la cuenca del río La Vieja en el tiempo
Cuenca del río
Evento de muestreo 1a 2b 1-2
La Vieja (cel/gps) 1,85 x 1011 ± 8.64 x 1010 2,32 x 1011 ± 9.40 x 1010 95%
a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006
Se presenta el promedio y desviación estándar (n=48)
El guadual La Playa presentó conteos significativamente mayores que los observados en
el guadual Mandalay (t-student; p < 0.05; n=24) en los dos eventos de muestreo (Figura
11).
Tabla 17. Intervalo de confianza al que se presentaban diferencias significativas entre las fincas seleccionadas para cada cobertura en la cuenca de río El Otún
Cobertura Fincas EM1a Fincas EM2a
Guadual Mandalay-La Playa 95% Mandalay-La Playa 95%
Cebolla Macarena-Bella Vista - Macarena-Bella Vista 95%
Bosque Sta Helena-La Pastora 95% Sta Helena-La Pastora 80%
Forestal Playa Rica-Lisbran - Playa Rica-Lisbran 80% a Evento de muestreo
(-) No hay diferencias significativas al 80% y al 95%
No se encontraron diferencias significativas en los datos de pH, temperatura del suelo y
profundidad de la hojarasca (t-student; p< 0,05; n=6, 30 y 15 respectivamente). Sin
embargo, se observó que para el primer evento de muestreo la humedad en La Playa
(38.6±7.6) fue significativamente superior a la observada en Mandalay (31.6±0.3). Para
el segundo evento de muestreo, la humedad en La Playa (29.7±1.5) fue
significativamente superior a la observada en Mandalay (25.0±2.1). De acuerdo a lo
anterior, puede existir un efecto de la humedad en los conteos de microorganismos
edáficos. Sin embargo, durante el segundo evento de muestreo en el guadual de
Mandalay se pudo observar la presencia de gran cantidad de bolsas de basura lo que
62
pudo afectar los recuentos observados (anexo O). Esto se pudo presentar debido que en
un microambiente en el cual se reduce el flujo de nutrientes, la densidad microbiana
disminuye. Cuando el límite del microambiente es una matriz de difícil degradación,
como una bolsa de basura, este fenómeno se agudiza de tal forma que los nutrientes
disponibles en el suelo sólo pueden provenir del área de influencia directa con el
microambiente sin recibir carbono o nitrógeno de la cobertura vegetal. De acuerdo a
Aguilera y Vélez (2001), a medida que haya diferentes sustratos disponibles habrá
mayor número de microorganismos.
1,00E+10
1,10E+11
2,10E+11
3,10E+11
4,10E+11
5,10E+11
6,10E+11
1 2Evento de muestreo
Con
teos
(cél
ulas
/gps
)
Mandalay
La Playa
Figura 11. Conteos de microorganismos totales en los guaduales de la cuenca del río
El Otún. Se presenta el promedio y desviación estándar (n=6).
En las fincas evaluadas para la cobertura de cebolla (Macarena y Bella Vista) no se
observaron diferencias significativas en los conteos en el primer evento de muestreo
(t-student; p < 0.05; n=12). En contraste, en el EM2 se observaron conteos
significativamente superiores en Bella Vista (t-student; p < 0.05; n=12) (Figura 12). No
se encontraron diferencias significativas en los datos de temperatura y humedad del
suelo (ANOVA; p < 0.05; n=6). Estas diferencias solo pudieron relacionarse con una
altura significativamente mayor de la cebolla para Bella Vista (53.8 ± 2.7 cm) en
comparación con La Macarena (40.1 ± 4.5 cm). Sin embargo, la altura de la cebolla
puede ser respuesta al estado fisiológico del cultivo, es decir, al estar el cultivo más
63
crecido puede significar que esta cerca el periodo de recolección, lo que implica que la
planta ha crecido durante un periodo de tiempo necesario para obtener un cultivo
maduro y óptimo para el consumo.
1,00E+10
1,10E+11
2,10E+11
3,10E+11
4,10E+11
5,10E+11
6,10E+11
1 2Evento de muestreo
Con
teos
(cél
ulas
/gps
)
La Macarena
Bella Vista
Figura 12. Conteos de microorganismos totales en los cultivos de cebolla de la
cuenca del río El Otún. Se presenta el promedio y desviación estándar (n=6).
En los bosques de la cuenca del río El Otún para el EM1, se observaron conteos
significativamente mayores en la reserva La Pastora mientras que para el EM2 se
presentaron conteos significativamente mayores en el bosque Santa Helena
(t-student; p < 0.2; n=12) (Figura 13). Para el EM1, Los datos de campo mostraron
temperaturas del suelo significativamente superiores (ANOVA; p < 0.05; n=30) en el
bosque Santa Helena (18.8 ± 0.1ºC) que en la reserva La Pastora (16.0 ± 0,3ºC) (anexo
O). Por otro lado, los valores de porcentaje de humedad del bosque Santa Helena (44.6 ±
5.7) fueron significativamente superiores (t-student; p < 0.05; n=6) a los datos de la
reserva La Pastora (37.8 ± 2.0). Sin embargo, los valores de pH reportados para la
reserva La Pastora (5.9 ± 0.1) son significativamente superiores
(t-student; p < 0.05; n=6) a los valores reportados para el bosque Santa Helena (4.8 ±
0.1). Si se tiene en cuenta que a pH neutro existe más densidad microbiana (Hartel,
2005), la humedad tiene mayor efecto que la temperatura en la actividad microbiana
(Varela y Feria, 2004) y que el porcentaje de humedad del bosque Santa Helena está
64
cerca del 50% lo cual puede favorecer la anaerobiosis descomponiendo la materia
orgánica a menor velocidad debido a la disminución de la biomasa microbiana
(Alexander, 1987; Madigan et al., 2001; Varela y Feria, 2004), puede existir un efecto el
pH y la humedad sobre los conteos en los bosques de la cuenca del río El Otún para el
EM1.
Para el EM2 no se observaron diferencias significativas entre los datos de pH
(t-student; p < 0.05; n=6). Se observaron datos de temperatura significativamente
mayores en el bosque Santa Helena (16.6 ± 1.7ºC) que en la reserva La Pastora (11.8 ±
0.2ºC) (t-student; p < 0.05; n=6). Los datos de porcentaje de humedad del suelo fueron
significativamente mayores en la reserva La Pastora (34.2 ± 2.3) que en el bosque Santa
Helena (21.41 ± 0.86). De acuerdo a Varela y Feria (2004), las reacciones biológicas
aumentan de dos a tres veces al incrementarse la temperatura 10 ºC. Teniendo en cuenta
que no hay diferencias en los datos de pH, la baja temperatura del suelo pudo afectar los
conteos de microorganismos totales edáficos en la reserva La Pastora.
1,00E+10
1,10E+11
2,10E+11
3,10E+11
4,10E+11
5,10E+11
6,10E+11
1 2Evento de muestreo
Con
teos
(cél
ulas
/gps
)
La Pastora
Sta Helena
Figura 13. Conteos de microorganismos totales en los bosques de la cuenca del río El
Otún. Se presenta el promedio y desviación estándar (n=6).
Los cultivos forestales para el EM1 no presentaron diferencias significativas
(t-student; p < 0.05; n=12). Sin embargo, para el EM2 el ciprés Playa Rica presentó
conteos superiores a los del pinar Lisbran (t-student; p < 0.2; n=12) (figura 14).
65
La temperatura del suelo de Lisbrán (18.8 ± 0.9ºC) no fue significativamente diferente
(t-student; p < 0.05; n=30) que la temperatura de Playa Rica (18.5 ± 1.9 ºC). Los datos
de porcentaje de humedad de Lisbran (29.25 ± 5,7) no fueron diferentes con los datos
de Playa Rica (34.6 ± 4.9) (t-student; p < 0.05; n=6). Sin embargo, los datos de pH de
Playa Rica (5.64 ± 0.17) fueron significativamente mayores que los datos de Lisbrán
(5.2 ± 0.3) (t-student; p < 0.05; n=6). Teniendo en cuenta que Playa Rica presenta
mayores conteos y datos superiores de pH, puede existir un efecto del pH sobre los
conteos puesto que cuando el pH tiende a la neutralidad aumenta el la densidad
microbiana (Hartel, 2005).
1,00E+10
1,10E+11
2,10E+11
3,10E+11
4,10E+11
5,10E+11
6,10E+11
1 2
Evento de muestreo
Con
teos
(cél
ulas
/gps
)
Playa Rica
Lisbran
Figura 14. Conteos de microorganismos totales en los forestales de la cuenca del río
El Otún. Se presenta el promedio y desviación estándar (n=6).
En la cuenca del río El Otún en el EM1 y EM1-EM2, los conteos en la cobertura
forestales fueron significativamente mayores a los conteos obtenidos en las otras
coberturas (ANOVA; p < 0.05; n=96) (Figura 15) (Tabla 18). Sin embargo, es
importante tener en cuenta que las diferencias existentes entre las fincas de los guaduales
y los bosques, puede afectar la media y la desviación estándar de los datos.
Un estudio realizado por Nüsslein y Tiedje (1999) enfocado en determinar el efecto del
cambio de cultivos forestales en pastos de suelos tropicales, estableció que el cambio de
66
cobertura vegetal a pastizales resulta en un 49% de las modificaciones de la composición
microbiana del suelo mostrando mayores concentraciones de microorganismos en los
pastizales. Sin embargo, en un estudio de Pereira y colaboradores (2006) donde se
caracterizó molecularmente las poblaciones bacterianas de diferentes suelos en Brasil,
comparó suelos dedicados al cultivo intensivo de tomate, habas y maíz con un forestal
libre de intervención humana, determinó que existe mayor cantidad de phyla y por ende
diversidad en el área forestal que en los cultivos intensivos. Es importante tener en
cuenta que no se puede generalizar la densidad de microorganismos edáficos totales
como un concepto equivalente a la diversidad, debido que esta se define en función de la
riqueza, la abundancia relativa y la densidad. Sin embargo, la mayor diversidad del
forestal del estudio en Brasil, puede llegar a confirmar el resultado de este estudio,
debido que los forestales de pino y ciprés muestran conteos significativamente
superiores a comparación con las coberturas de pastizal, guadual y cultivos de cebolla.
Tabla 18. Diferencias entre coberturas para la cuenca del río El Otún.
EM1a EM2b EM1-EM2
F C B G F G B C F B G C
a a a a a
b b b b b b b a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006 F = Forestal C = Cebolla B = Bosque G = Guadual Diferente letra en minúscula (a,b y c) indican diferencias significativas (p<0.05) Los conteos más bajos se presentan a la izquierda
Para el EM2, los bosques, guaduales y forestales presentaron conteos significativamente
mayores que los cultivos de cebolla (ANOVA; p < 0.05; n=48) (Figura 15) (Tabla 18).
De acuerdo al estudio realizado por Carney y colaboradores (2004), los cambios
antropogénicos pueden disminuir las comunidades microbianas. Lo anterior ratifica los
67
resultados de la cuenca del río El Otún en el EM2, en donde la cobertura más intervenida
(cultivo de cebolla) presentó los menores conteos en relación a las otras coberturas. Por
otro lado, la cobertura menos intervenida debería ser la que tuviera los mayores conteos.
Sin embargo, en la cobertura bosque se encuentra la reserva La Pastora que presenta
conteos estadísticamente mayores con el bosque Santa Helena (t-student; p < 0.2;
n=12) que fue asociado al sistema productivo cultivos mixtos y es un bosque pobre e
intervenido, lo cual pudo afectar los conteos generales de la cobertura.
2,00E+10
7,00E+10
1,20E+11
1,70E+11
2,20E+11
2,70E+11
3,20E+11
3,70E+11
4,20E+11
4,70E+11
5,20E+11
Cebolla Bosque Guadual Forestal
Coberturas
Con
teos
(cé
lula
s/gp
s)
EM1
EM2
Figura 15. Diferencias de las coberturas de la cuenca del río El Otún entre
muestreos. Se presenta el promedio y desviación estándar (n=12).
En términos generales, se obtuvieron conteos más altos durante el EM2 en la cuenca del
río El Otún (ANOVA; p < 0.05; n=96) (Tabla 16). Por otro lado, todas las coberturas
tuvieron conteos significativamente mayores en el segundo evento de muestreo
(ANOVA; p < 0.05; n=96) (Tabla 19 y 20).
Se observó en la cuenca del río El Otún una temperatura del suelo en el EM1 (20.1 ±
2.3ºC) significativamente mayor a la determinada en el EM2 (17.7 ± 3.3ºC)
(t-student; p < 0.05; n=48). Los datos de humedad de suelo en el EM1 (36.8 ± 5.8)
fueron significativamente mayores a los del EM2 (28.5 ± 6.7)
68
(t-student; p < 0.05; n=48). Finalmente los datos de pH para el EM1 (5.4 ± 0.60) fueron
significativamente menores a los del EM2 (5.7 ± 0.3) (t-student; p < 0.05; n=48). En el
EM2, la temperatura y el porcentaje de humedad del suelo fueron menores al EM1. Sin
embargo, el pH fue mayor en el segundo evento de muestreo lo que pudo afectar más
directamente los conteos que la disminución de temperatura y humedad del suelo,
debido a que tiende a la neutralidad aumentando en rango de microorganismos que
pueden estar en el suelo (Hartel, 2005).
Tabla 19. Intervalo de confianza al que se presentaban diferencias significativas en el tiempo por coberturas en la cuenca del río El Otún
Cobertura Evento de muestreo
1a(cel/gps) 2b(cel/gps) 1-2 Bosque 1.33 x 1011 ± 3.34 x 1011 3.68 x 1011 ± 2.98 x 1010 80%
Guadual 1.17 x 1011 ± 7.13 x 1011 3.75 x 1011 ± 5.12 x 10 10 95% Cebolla 1.40 x 1011 ± 2.70 x 1010 2.47 x 1011 ± 5.60 x 1011 95% Forestal 2,90 x 1011 ± 6.57x 1010 3.82 x 1011 ± 5.87 x 1010 95%
a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006
gps = gramo de peso seco
Es importante resaltar que existen algunas peculiaridades, como la fuerte precipitación
en el cafetal La Alegría y la presencia de bolsas de basura en el guadual Mandalay, que
puede llegar a afectar en el porcentaje de humedad, pH y temperatura del suelo
generando efectos en ciertos los conteos. Por tal razón, no se puede generalizar los
efectos de los parámetros fisicoquímicos sobre los conteos.
6.3.2. Comparación de los conteos de microorganismos edáficos totales de las fincas
seleccionadas para cada sistema productivo
Inicialmente se evaluó si existían diferencias significativas entre las fincas asociadas a
cada uno de los sistemas productivos. Se observaron diferencias significativas en las
fincas asociadas a los cultivos mixtos en la cuenca del río La Vieja y El Otún
69
(ANOVA; p < 0.2; n=108). De igual forma se observó que en ganadería de carne en el
EM2 y cultivos forestales en el EM2 presentaron diferencias significativas
(ANOVA, t-student; p < 0.2; n=18, n=12 respectivamente). Finalmente, ganadería de
carne, ganadería de leche y cultivos forestales del EM1 no presentaron diferencias
significativas (ANOVA, t-student; p < 0.2; n=18, n=18, n=12) (Tabla 18) (anexo N).
Tabla 20. Intervalo de confianza al que se presentaban diferencias significativas en el tiempo en la cuenca del río El Otún
Cuenca del río
Evento de muestreo 1a 2b 1-2
El Otún (cel/gps) 1,70 x 1011 ± 8.73 x 1010 3,43 x 1011 ± 1.23 x 1011 95%
a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006
Se presenta promedio y desviación estándar (n=48)
Para observar el efecto de los sistemas productivos en los conteos de microorganismos
edáficos, fue necesario observar detalladamente que fincas se asociaron a cada una de
los sistemas productivos. En la cuenca del río La Vieja, se encuentran los sistemas
productivos cultivos mixtos (37.8%), ganadería de carne (37.8%) y ganadería de leche
(25%). Se pude observar 1) que la distribución del número de fincas para cada sistema
productivo no es homogénea (Tabla 21) y 2) se puede llegar a desconocer el efecto de
las coberturas en cada uno de los sistemas productivos. La heterogeneidad de las fincas
y la cobertura de las muestras afecta los conteos de microorganismos totales edáficos y
mostrando entre cada uno de los sistemas productivos diferencias que no permite
realizar la comparación entre sistemas productivos y mucho menos en cada uno de los
eventos de muestreo (Figura 16 y 17). Es importante mencionar que el ancho de los
diamantes, en estas figuras, refleja la dispersión de los datos asociados a cada sistema
productivo. El diamante de ganadería de leche es menos ancho que el diamante de
cultivos mixtos y de ganadería de carne indicando que existe menor dispersión de los
datos.
70
Tabla 21. Intervalo de confianza al que se presentaban diferencias significativas entre las fincas seleccionadas para cada sistema productivo.
Fincas Coberturas Sistema productivo Evento de muestreo
1a 2b
Ventaja La Vieja Bremen Bosque
Ganadería de leche - 95% Villa Ximena
Pastizal La Ramada
Ganadería de carne - 80% La Ilusión Bosque La Ramada
Guadual La Comarca
Cultivos mixtos 95% 95% La Alegría CFSSc
Al Bolsillo Ventana El Otún
Macarena Cebolla
Cultivos mixtos 95% 95% Bella Vista
Santa Helena Bosque Mandalay
Guadual La Playa
Playa Rica Forestal Cultivos forestales - 80%
Lisbran a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006 c CFSS = Cobertura cafetal sin sombrío
(-) No hay diferencias significativas al 80% y al 95%
En la cuenca del río El Otún se encuentran los sistemas productivos cultivos mixtos
(62.5%), cultivos forestales (25%) y áreas protegidas (12.5%) En esta cuenca, cinco de
las ocho fincas corresponden a cultivos mixtos (Tabla 21) comprendiendo las coberturas
de cebolla, bosque y guadual. Al sistema productivo cultivos forestales, se le asociaron
dos fincas que corresponden a la misma cobertura facilitando su análisis. Por otro lado,
para el sistema productivo áreas protegidas solo se encuentran una finca, la reserva La
Pastora, lo que hace imposible analizar si es un efecto particular de la reserva La pastora
o un efecto del sistema productivo sobre el conteo de microorganismos edáficos (Figura
18 y 19).
71
Figura 16. Dispersión de los conteos de cada sistema productivo para la cuenca del
río La Vieja en el EM1.
Figura
17. Dispersión de los conteos en cada sistema productivo para la cuenca del río La
Vieja en el EM2.
10,9
11
11,1
11,2
11,3
11,4
11,5
11,6
11,7
11,8
11,9
Cultivos mixtos Ganadería de carne Ganadería de leche
Sistema productivo
10,9
11
11,1
11,2
11,3
11,4
11,5
11,6
11,7
11,8
11,9
Cultivos
mixtos
Ganadería de
carne
Ganadería de
leche Sistema productivo
Log cel/gps
Log cel/gps
72
6.3.3. Efecto en los conteos del evento de muestreo
En términos generales se pudo observar conteos significativamente mayores durante en
el 2 EM (t-student; p < 0.05; n=192).
Figura 18. Dispersión de los conteos de cada sistema productivo para la cuenca del
río El Otún en el EM1.
Históricamente, las épocas en las cuales se realizaron los eventos de muestreos tienen
una identidad en el régimen de precipitaciones de la región. En las cuencas se presenta
un patrón típico de distribución bimodal debido a que entre los meses de abril-junio y
septiembre-noviembre se presentan lluvias cenitales y calmas calorosofocantes,
respectivamente (Echeverri et al., 2005; IDEAM, 2007). De esta forma, se tiene una
época de lluvias superior en el primer evento de muestreo mientras que se observan
menores precipitaciones y temperaturas superiores en el segundo evento de muestreo
(Octubre). Sin embargo, durante el estudio se encontraron condiciones ambientales
distintas el la toma de muestras.
Según el Centro Nacional de Investaión de Café (CENICAFE) la distribución promedio
mensual de lluvias para la cuenca del río La Vieja del mes de junio fue de 180 mm y 280
10,9
11
11,1
11,2
11,3
11,4
11,5
11,6
11,7
11,8
11,9
Áreas protegidas Cultivos forestales Cultivos mixtos
Sistema productivo
Log cel/gps
73
mm para el mes de octubre, mientras que para la cuenca del río El Otún fue 190 mm en
junio y 277 en Octubre (http://www.cenicafe.org). No obstante, las precipitaciones
reportadas no se pudieron relacionar con el porcentaje de humedad observado en el
primer EM (33.52%) ni en el segundo EM (27.17%). Sin embargo, con base en los
datos ambientales mensuales (temperatura y precipitación) ambas épocas, en que se
realizaron los muestreos, corresponden a periodos transicionales entre temporada
húmeda y seca para el primer muestreo y de seca a húmeda para el segundo muestreo.
La humedad tiene una influencia en la actividad microbiana y se puede convertir en un
factor limitante para las comunidades edáficas. En suelos con baja humedad se
disminuye la actividad microbiana permitiendo el crecimiento de algunos
microorganismos adaptados a estas condiciones. Adicionalmente una alta humedad
inhibe el intercambio gaseoso y trasporte de oxígeno favoreciendo la presencia de
microorganismos anaerobios facultativos (Alexander, 1987; Madigan et al., 2001).
Figura 19. Dispersión de los conteos de cada sistema productivo para la cuenca del
río El Otún en el EM2.
10,9
11
11,1
11,2
11,3
11,4
11,5
11,6
11,7
11,8
11,9
Áreas protegidas Cultivos forestales Cultivos mixtos
Sistema productivo
Log cel/gps
74
De acuerdo a estudios realizados por entes gubernamentales (IGAC, CRQ, CRVC,
CRR), los suelos de las dos cuencas son superficiales y susceptibles a procesos de
erosión (Beltran et, al. 1988, Díaz, et, al 1996), lo que genera que en temporada de
lluvias se saturen, facilitándose la anaerobiosis. Por otro lado, si se tiene en cuenta que
el calor se difunde mas rápidamente en ambientes donde el agua se encuentra en
cualquier estado (Tipler, 1977), una disminución en la cantidad de agua en el suelo,
generaría una baja en la temperatura lo que explicaría la disminución de la temperatura
del suelo para el segundo evento de muestreo.
Sin embargo, en las temperaturas del suelo entre los dos eventos de muestreo (Tabla 22),
se observan diferencias significativas en las fincas La Pastora y Mandalay (t-student; p <
0.05; n=30) y en las fincas La Ramada (pastizal), El bolsillo, Macarena, Santa Helena,
Playa Rica, La Playa y Lisbrán (t-student; p < 0.2; n=30) mostrando una disminución
significativa en la temperatura (Tabla 20).
Adicionalmente, las temperaturas observadas en las fincas Bremen, La Ramada guadual,
La Comarca y la Alegría mostraron una tendencia de aumento entre los muestreos. Un
estudio realizado por Comerma y Sánchez (1980) en las consideraciones sobre el
régimen de temperatura del suelo en Venezuela, determinaron que a mayor altura sobre
el nivel del mar se presenta menor temperatura del suelo. El aumento en las temperatura
se observó más marcadamente en la cuenca del río La Vieja que en El Otún, debido a la
altura (1200 y 2600 msnm respectivamente) puesto que cuando entre más cerca al nivel
del mar se mantiene más calor en el suelo.
En los porcentajes de humedad (Tabla 23) La Alegría, La Ilusión y Bremen no presentan
diferencias significativas (ANOVA: p < 0.05; n=18). Por otra parte la Playa Rica, La
Ilusión y el Bolsillo mostraron un incremento en los porcentajes de humedad. Un
estudio realizado por el IDEAM (2000), del medio ambiente en Colombia y
específicamente en la estabilidad, productividad y degradación en suelos, afirma que a
temperaturas moderadas de media y alta montaña se retarda la biodegradación de la
75
materia orgánica, dando lugar a contenidos importantes de esta en el suelo y
favoreciendo la humedad. Lo anterior se puede observar en algunas fincas en las cuales
se disminuye la temperatura del suelo y aumenta el porcentaje de humedad.
Tabla 22: Intervalo de confianza al que se presentaban diferencias significativas en el tiempo en la temperatura del suelo en cada finca.
Finca Evento de muestreo
1a (ºC) 2b (ºC) 1-2 El Bolsillo 23.0 ± 0.8 21,9 ± 0.1 80% La Alegría 22,8 ± 0.6 23,1 ± 0.2 -
La Comarca 22,2 ± 0.2 22,7 ± 0.2 95% La Ramada guadual 22,3 ± 0.2 23,1 ± 0.3 95%
Bremen 18.0 ± 0.2 18,0 ± 0.1 - La Ilusión 22.0 ± 0.2 20,5 ± 2.0 -
La Ramada pastizal 26,8 ± 1.9 26,8 ± 0.1 - Villa Ximena 22,7 ± 0.2 20,9 ± 0.6 95% La Pastora 16,1 ± 0.3 11,8 ± 0.2 95%
Santa Helena 18,8 ± 0.2 16,6 ± 1.7 80% Macarena 22,3 ± 0.3 20,7 ± 2.7 - Bella Vista 23,9 ± 0.6 21,8 ± 1.6 80% Mandalay 19,2 ± 0.1 16,6 ± 0.6 95% La Playa 18,6 ± 0.6 16 ± 0.0 95%
Playa Rica 21,5 ± 0.8 18,5 ± 1.9 80% Lisbran 20,1 ± 0.4 28,8 ± 0.9 80%
a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006
(-) No hay diferencias significativas al 80% y al 95%
Se presenta el promedio y desviación estándar (n=15)
Se observaron datos de pH significativamente mayores (t-student; p < 0.05; n=54) en El
Bolsillo, La Comarca, el guadual La Ramada, Bremen, Santa Helena, Mandalay, La
Playa, Playa Rica y Lisbrán. Por otro lado, no se encontraron diferencias significativas
en los datos de pH de Villa Ximena, pero si se observó una disminución en la media de
los datos (Tabla 24). Es importante tener en cuenta que no se puede generalizar el
efecto del porcentaje de la temperatura del suelo, el porcentaje de humedad y el pH en
los conteos de células totales. No se puede desconocer las peculiaridades de cada una de
76
las fincas como altura de la hojarasca, inclinación del terreno, la densidad en la capa
vegetal y la disponibilidad de nutrientes que son variables que pueden afectar los
conteos de células totales en suelos.
Tabla 23: Intervalo de confianza al que se presentaban diferencias significativas en el tiempo en la humedad del suelo en cada finca.
Finca Evento de muestreo
1a (%H) 2b (%H) 1-2 El Bolsillo 21,9 ± 17.2 27,5 ± 4.3 -
La Alegría 26,9 ± 12.4 17,2 ± 1.8 - La Comarca 34,8 ± 1.1 26,2 ± 12.1 -
La Ramada guadual 27,2 ± 0.8 23,2 ± 4.1 80% Bremen 46.0 ± 2.0 44,9 ± 1.5 -
La Ilusión 20,1 ± 2.6 23,1 ± 2.6 - La Ramada pastizal 23.0 ± 2.7 16,9 ± 2.2 95%
Villa Ximena 41,9 ± 4.5 27,3 ± 5.7 95% La Pastora 37,8 ± 2.0 34,1 ± 3.0 80%
Santa Helena 44,6 ± 5.7 21,4 ± 0.9 95% Macarena 35,7 ± 2.5 33.0 ± 6.2 - Bella Vista 38,9 ± 4.9 21,4 ± 9.7 95% Mandalay 31,6 ± 0.3 24,9 ± 2.1 95% La Playa 38,9 ± 7.6 29,7 ± 1.5 80%
Playa Rica 28,4 ± 1.4 34,6 ± 4.9 80% Lisbran 38,4 ± 2.9 29,3 ± 5.8 80%
a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006
(-) No hay diferencias significativas al 80% y al 95%
Se presenta el promedio y desviación estándar (n=3)
6.3.4. Efecto en los conteos del evento de muestreo entre ventanas
En EM1 se observaron conteos significativamente mayores (t-student; p < 0.2; n=96) en
la cuenca del río La Vieja. Para EM2 se observaron conteos significativamente mayores
(t-student; p < 0.05; n=96) en la cuenca del río El Otún (Tabla 25). Sin embargo, según
el análisis realizado a los parámetros fisicoquímicos (anexo M y N), en EM1 se
observaron datos del porcentaje de humedad significativamente mayores
(t-student; p < 0.05; n=48) en la cuenca del río El Otún, datos de temperatura del suelo
77
significativamente mayores (t-student: p < 0.05; n=240) en la cuenca del río La Vieja y
en los datos de pH no se observaron diferencias significativas
(t-student; p < 0.05; n=48) entre las dos cuencas. Para EM2, los datos de porcentaje de
humedad no se observaron diferencias significativas (t-student; p < 0.05; n=48), pero si
datos de porcentaje de humedad mas altos en la cuenca del río El Otún. En los datos de
temperatura del suelo, se observaron datos significativamente mayores
(t-student; p < 0.05; n=240), en la cuenca del río La Vieja y para los datos de pH, no se
observaron diferencias significativas (t-student; p < 0.05; n=48) entre los dos eventos de
muestreo.
Tabla 24: Intervalo de confianza al que se presentaban diferencias significativas en el tiempo en el pH del suelo en cada finca.
Finca Evento de muestreo
1a (pH) 2b (pH) 1-2 El Bolsillo 5,4 ± 0.2 6.0 ± 0.3 95% La Alegría 5,5 ± 0.4 5,7 ± 0.5 80%
La Comarca 5,5 ± 0.2 6,3 ± 0.0 95% La Ramada guadual 5,7 ± 0.0 6,4 ± 0.0 95%
Bremen 4,7 ± 0.5 5,3 ± 0.1 95% La Ilusión 5,8 ± 0.2 5,9 ± 0.5 -
La Ramada pastizal 5,5 ± 1.2 6,4 ± 0.1 80% Villa Ximena 5,5 ± 0.4 4,4 ± 0.6 - La Pastora 5,9 ± 0.1 5,9 ± 0.0 -
Santa Helena 4,8 ± 0.0 6,1 ± 0.3 95% Macarena 5,8 ± 0.2 5,9 ± 0.1 - Bella Vista 6,6 ± 0.3 5,6 ± 0.1 80% Mandalay 5,56 ± 0.1 6,03 ± 0.0 95% La Playa 5,16 ± 0.1 5,67 ± 0.1 95%
Playa Rica 5,20 ± 0.3 5,56 ± 0.2 95% Lisbran 4,22 ± 0.3 5,12 ± 0.3 95%
a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006
(-) No hay diferencias significativas al 80% y al 95%
Se presenta el promedio y desviación estándar (n=3)
78
Dado que los parámetros fisicoquímicos no reflejan efecto alguno en los conteos de
microorganismos totales con DAPI, es necesario analizar los efectos en una escala más
pequeña como las coberturas o las mismas fincas en los muestreos. Además, la
heterogeneidad de las muestras y el efecto de la cobertura cafetal sin sombrío afectan en
gran medida los efectos de los eventos de muestreo en los conteos.
Tabla 25. Intervalo de confianza al que se presentaban diferencias significativas entre cuencas para los dos eventos de muestreo
Evento de muestreo
Cuenca del río La Vieja (cel/gps) El Otún (cel/gps) La Vieja – El Otún
1 1,85 x 1011 ± 8.64 x 1010 1,70 x 1011 ± 8.73 x 1010 80% 2 2,32 x 1011 ± 9.40 x 1010 3,43 x 1011 ± 1.23 x 1011 95%
a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006
Se presenta el promedio y desviación estándar (n=48)
Se observaron conteos significativamente mayores (t-student; p < 0.05; n=192) en el
segundo evento de muestreo (Tabla 26). En los análisis fisicoquímicos, se observaron
datos significativamente mayores del porcentaje de humedad y temperatura del suelo
(t-student; p < 0.05; n=192, n=480, respectivamente) en el primer evento de muestreo.
Se observaron datos significativamente mayores de pH (t-student; p < 0.05; n=96) en el
segundo evento de muestreo. Puede existir un efecto del pH en los conteos, debido que
a pH cercanos a la neutralidad se encuentra más abundancia microbiana (Alexander,
1987; Hartel, 2005).
Tabla 26. Intervalo de confianza al que se presentaban diferencias significativas entre los eventos de muestreo.
Evento de muestreo 1a (celulas/gps) 2b (celulas/gps)
1-2 1,78 x 1011 ± 5.67 x 1010 2,88 x 1011 ± 1.22 x 10 11 95%
a 10 al 24 de junio de 2006 b 14 al 21 de octubre de 2006
Se presenta el promedio y desviación estándar (n=96)
79
7. CONCLUSIONES
1. El uso de dos lavados en NaCl (0.85% p/v) a 13,000 rpm por 5 minutos, una
concentración de DAPI a 5 µg/ml por 30 minutos y el esquema de conteo de dos
filtros de la misma dilución, disminuye los interferentes de lectura del suelo,
genera células definidas, de alta fluorescencia y con altos conteos.
2. El análisis de las densidades de microorganismos totales edáficos, indicó que las
dos fincas de los cafetales y guaduales fueron significativamente diferentes entre
ellas, lo cual no permitió comparar estas coberturas en cada una de las cuencas
estudiadas para determinar el efecto de la cobertura en las densidades
microbianas.
3. Las diferencias observadas al interior de algunos sistemas productivos (p.e.,
cultivos mixtos y ganaderos) no permitieron la comparación entre ellos por lo
cual se realizó el análisis a una escala menor (coberturas).
.
.
.
80
8. RECOMENDACIONES
1. Para estudios posteriores se debe utilizar como escala de estudio la cobertura,
debido que para análisis microbiológicos no se puede evidenciar diferencias
entre sistemas productivos.
2. Es necesario muestrear cafetales sin sombrío y no asociados a cultivos de plátano
debido a que estos últimos pueden generar algún tipo de sombrío para el cultivo
de café.
3. Se pueden aplicar controles para el procedimiento (repeticiones de por finca)
para comparar la precisión de los conteos.
4. Sustituir la cobertura guadual por otra cobertura representativa que esté en las
dos ventanas y aumentar el número de fincas a 3 por cada cobertura para tener
muestras más representativas y menos variables de la zona, y aumentar la
confiabilidad del análisis estadístico.
81
9. REFERENCIAS BIBLIOGRÁFICAS
• Aguilera, M. y Vélez, B. 2001. Aproximación al estudio del efecto de la cobertura
vegetal sobre los grupos bacterianos proteolíticos y celulolíticos en el
departamento del Quindío. Trabajo de grado. Pontificia Universidad Javeriana.
Facultad de Ciencias.
• Ahmed, A., Vand de Sande, W., Van Vianen, W., Van Belkum, A., FAL, A.,
Verdrugh, H. and Bakker-Woundenber, I. 2004. In vitro susceptibilities of
Madurella mycetomatis to intraconazole and amphotericina B assessed by
modified NCCLS method and viability-based 2.3-Bis(2-Methoxy-4-Nitro-5-
Sulfophenyl)-5-[(Phenyl-amino)Carbonyl]-2H-Tetrazolium hydroxide (XTT)
assay.. Applied and Environmental Microbiology. 48(7): 2742-2746.
• Alexander, M. 1987. Introduction to soil microbiology. Second Edition. John
Wiley and Sons, Inc. USA. 467
• Atlas, M. and Bartha, R. 2001. Ecología Microbiana y Microbiología Ambiental.
Editorial Addison Wesley. Nueva York, USA. pg. 217-262.
• Bae, H. y Casida, L. 1972. Responses of indigenous microorganisms to soil
incubation as viewed by transmission electron microscopy of cell thin sections.
Journal of Bacteriology. 113(3):1462-1473.
• Bakken, L. 1985. Separation and purification of bacteria from soil. Applied and
Environmental Microbiology. 49(6):1482-1487.
• Banks, M., Wei, Y. and Govindaraju, R. 2004. Bacterial adsorption and transport
in saturated soil columns. Journal of Environmental Sciences and Health.
38(12):2749-2758.
• Beltran, E., Molina, R. y Jiménez, B. 1988. Estudio general de suelos del
departamento de Risaralda. Instituto Geográfico Agustín Codazzi. Bogotá,
Colombia. pg. 72-74, 94, 112, 178, 181, 201, 206.
82
• Bensaid, A., Thierie, J. and Penninckx. 2000. The use of tetrazolium salt XTT for
the estimation of biological activity of activated sludge cultivated under steady-
state and transient regimes. Journal of Microbiological Methods. 40(3):255-263.
• Bernas, T. and Dobrucki, J. 2000. The role of plasma membrane in bioreduction
of two tetrazolium salts, MTT, CTC. Archives of Biochemistry and Biophusics.
380(1): 108-116
• Bhupathiraju, V., Hernandez M., Landfear, D., Alvarez-Cohen, L. 1999.
Application of a tetrazolium dye as an indicator of variability in anaerobic bacteria.
Journal of Microbiological Methods. 37: 231-243.
• Bitton, G. and Koopman, B. 1982. Tetrazolium reduction-malachite green method
for assessing the viability of filamentous bacteria in activated sludge. Applied and
Environmental Microbiology. 43(4):964-966.
• Boulos, L., Prévost, M., Barbeau, B. Coallier, J. and Desjardins, R. 1999.
LIVE/DEADR BacLightTM: Aplication of a new repid staining method for direct
enumeration of viable and total bacteria drinking water. Journal of
Microbiological Methods. 37: 77-86.
• Burke, D., Kretzer, A. Rygiewicz, P. and Topa, M. 2006. Soil bacterial diversity
in loblolly pine plantación: influence of ectomycorrhizas and fertilization. FEMS
Microbiol Ecology. 57. 409-419.
• Camargo, J. 2006. Informe de la dirección científica del CIEBREG. Informe
electrónico. Pereira (Colombia).
• Caraccioloa, A., Grennia, P., Cupoa, C. and Rossettia, S. 2005. In sity analysis of
native microbial communities in complex samples with high particulate loads.
Federations of European Microbiological Societies. 253(1):55-58.
• Carney, K., Matson, P. y Bohannan B. 2004. Diversity and composition of
tropical soil nitrifiers across a plant diversity gradient and among land-use types.
Ecology Letters. 7:684-694.
83
• Coleman, A. 1980. Enhanced detection of bacterial in natural environments by
fluorochrome staining of DNA. American Society of Limnology and
Oceanography 25(5):948-951.
• Caron, David. 1983. Technique for enumeration of heterotrophic and phototrophic
nanoplankton, using epifluorescence microscopy, and comparison with other
procedures. Applied and Environmental Microbiology. 46(2): 491-498.
• Casamayor, Emilio. 2006. Recuento de bacterias por epifluorescencia. Centro de
estudios abanzados de Blanes (CEAB). España.
• Comerma, J y Sánchez, C. 1980. Consideraciones sobre el régimen de
temperaturas del suelo en venezuela. Agronomía Tropical. 32(1-6):173-283.
• Coyne, M. (2000). Microbiología del suelo: Un enfoque exploratorio. Pag. 128-
152.
• Corporación Autónoma Regional del Quindío (CRQ), Corporación Autónoma
Regional del Valle del Cauca (CVC), Corporación Autónoma Regional de
Risaralda (CARDER). 2005. Informe final. Diagnostico Proyecto de Manejo y
Ordenamiento de la Cuenca del río La Vieja.
• Creach, V., Bauoux, A. Bertru, G. and Le Rouzic, B. 2003. Direct estimate of
active bacteria: CTC use and limitations. Journal of Microbiological Methods.
53:19-28.
• Daley, R. and Hobbie, J. 1975. Direct counts of aquatic bacteria by a modified
epifluorescencia technique. American Society of Limnology and Oceanography.
20:875-882.
• Díaz, P., Pedro, A., Alvarado, M., Pedro, D. y Useche, C. 1996. Suelos del
departamento del Quindío. Corporación Autónoma Regional del Quindío (CRQ).
Grupo editores S.A. Armenia, Colombia. 110, 112, 118, 120 pp.
• Diederichs, S., Beardsley, C. and Cleven FJ. 2003. Detection of ingested bacteria
in benthic ciliates using fluorescence in situ hybridization. Sistemetic and Applied
Microbiology. (26):624-630.
84
• Duffy, G. and Sheridan, J. 1998. Viability staining in a direct count rapid method
for the determination of total viable counts on processed meats. Journal of
Microbiological Methods. 31:167-174.
• Dufour, P. and Colon M. 1992. The tetrazolium reduction method for assessing
the viability of individual bacterial cells in aquatic environments: improvements,
performance and applications. Hidrobiología. 232:211-218
• Echeverri, M., Trujillo, H., Pineda, A. 2005. Cuenca Alta y Media del río Otún
(SFF Otún Quimbaya) Componente socioeconómico cultural: aspectos sociales,
económicos y culturales.
• Escobar, L. 2003. Efecto del sistema de uso del suelo sobre a abundancia de
poblaciones nativas de rizobios en la microcuenca potrerillo, departamento del
Cauca. Trabajo de grado. Pontificia Universidad Javeriana. Facultad de Estudios
Ambientales y Rurales.
• Eweis, J. y Ergas, S. 1999. Principios de Biorecuperación. Editorial McGraw
Hill. Madrid, España. 27-39 pp.
• Francisco, D., Mah, R. and Rabin, A. 1973. Acridine orange-epifluorescence
technique for count bacteria in natural waters. Transactions of the American
Microscopical Society. 92(3):416-421.
• Girvan, M., Bullimore, J., Pretty, J., Osborn, A. and Ball, A. 2003. Soil type is the
primary determinant of the composition of the total and active bacterial
communities in arable soils. Applied and Environmental Microbiology. 69(3):
1800-1809.
• Guyard, S., Mary, P., Defives, C. and Hornez, J. 1999. Enumeration and
characterization of bacteria in mineral water by improved direct viable count
method. Journal of Applied Microbiology. 86:841-859
• Gwynfryn, J. 1974. Some observations on directs counts of freshwater bacterial
obtained with a fluorescence microscope. Limnology and Oceaography.
19(3):540-543.
85
• Hartel, P. 2005. The soil habitat. (p. 26-43). En Sylvia, D; Fuhrmann, J; Hartel, P
y Zuberer (Ed.), Principles and applications of soil microbiology. Segunda edición
D.Prentice Hall.
• Harvey, R. and Young, Y. 1980. Enumeration of particle-bound an unattached
respiring bacteria in the salt marsh environment. Applied and Environmental
Microbiology. 40(1):156-160.
• Hatzinger, P., Palmer, P., Smith, R., Penarrieta, C. and Yoshinari, T. 2003.
Applicability of tetrazolium salts for the measurement of respiratory activity and
viability of groundwater bacteria. Journal of Microbiological Methods. 52:47-58.
• Hoff, R., Newman, E. and Staneck, J. 1985. Bacteriuria screening by use of
acridine orange-stained smears. Journal of Clinical Microbiology. 21(4): 513-516
• Hymel, S. and Plante, C. 1998. Improved method of bacterial enumeration in
sandy and deposit-feeder gut sediments using the fluorescent stain 4,6-diamidino-
2-phenylindole (DAPI). Marine Ecology Progress Series. 173:299-304.
• Jugnia, L. y Richardot, M. 2000. Variations in the number of active bacteria in
the Euphotic zone of a recently flooded reservoir. Aquatic Microbial Ecology.
(22):251-259.
• Kennedy, A. 1999. Bacterial diversity in agroecosystems Agriculture, Ecosystems
and Environment 74, 65–76
• Kepner, R. and Pratt, J. 1994. Use of fluorochromes for direct enumeration of
total bacteria in environmental samples: past and present. Microbiological
Reviews. 58(4): 603-615.
• Kirchman, D., Sigda, J., Kapuschinski, R. and Mitchell R. 1982. Statistical
analysis of the direct count method for enumerating bacteria. Applied and
Environmental Microbiology. 44(2): 376-382.
• Khan, I. and Yadav J. 2004. Real-time PCR assays for genus-specific detection
and quantification of culturable and non-culturable mycobacteria and
pseudomonads in metalworking fluids. Elsevier. (18):67-73.
86
• Kuwae, T. and Hosokawa, Y. 1999. Determination of Abundance and Biovolume
of Bacteria in Sediments by Dual Staining with 4´,6-Diamino-2-Phenylindole and
Acridine Orange: Relationship to Dispersion Treatment and Sediment
Characteristics. Applied and Environmental Microbiology. Japan. 65(8):3407-
3412.
• Kuhn, D., Balkis, M., Chandra, J., Mukherjee, P., and Ghannoum, M. 2003. Uses
and Limitations of the XTT assay in studies of candida growth and metabolism.
Journal of clinical Microbiology. 41(1):506-508.
• Latorre, N. 2006. Evaluación del efecto de medios de cultivo altos y bajos en
nutrientes para la recuperación de microorganismos heterótrofos totales en la
ecorregión cafetero. Trabajo de grado. Carrera de Microbiología Industrial.
Pontificia Universidad Javeriana, Bogotá, Colombia. (En curso).
• Lepeuple, A., Gilouppe, S., Pierlot, E. and Roubin, M. 2004. Rapid and automated
detection of fuorescent total bacteria in waters samples. International Journal of
Food Microbiology. 92:327-332.
• Madigan, M., Martinco, J. y Parker, J. 2001. Biología de los microorganismos.
Prentice Hall. España. Pag. 472-525. 535-595.
• Maier, R., Pepper, I., and Gerba C. 2001. Environmental Microbiology.
Academic Press. Tucson (USA). Pp. 66-71.
• Maki, J. and Remsen, C. 1981. Comparison of Two Direct-Count Methods for
Determining Metabolizing Bacteria in Freshwater. Applied and Environmental
Microbiology. 41(5):1132-1138.
• Mantilla, G., de Latorre S., Gómez, C., Ordóñez, N., Ceballos, J., Euscategui, C.,
Péres, P., Pérez, S. Martínez, N., Sánchez, R., Maldonado, N., Gaitán, J. Chávez,
L., Chamorro, C. y Flórez A. 2000. El medio ambiente en Colombia. Cap 6. Los
suelos: estabilidad, productividad y degradación. Publicación del Instituto de
Hidrología, Meteorología y Estudios Ambientales (IDEAM). Pág 228-273.
• Mayr, E. 1982. The growth of biological thought: diversity, evolution and
inheritance. The Belknap Press of Harbard University Press, Cambridge. Mass.
121-129 pp.
87
• McCaing, A., Grayston, S., Proser, J. and Glover. 2001. Impact of cultivation on
characterization of species composition of soil bacterial communities. FEMS
Microbiol. Ecology. 35, 37-48.
• McCarthy, L. and Senne, J. 1980. Evaluation of acridine orange stain for
detection of microorganisms in blood cultures. Journal of Clinical Microbiology.
11(3); 281-285.
• McCluskey, C., Quinn, J. and McGrath, J. 2005. An evaluation of three new-
generation tetrazolium salts for the measurement of respiratory activity in activated
sludge microorganisms. Microbial Ecology. 49:379-387.
• McFeters, GA., Singh A., Byun, S., Callis PR. And Williams S. 1991. Acridine
orange staining reaction as an index of physiological activity in Escherichia coli.
Journal Microbiol Methods. (13):87-97.
• McKenzie, C., Helleur, R. and Deibel, D. 1992. Use of inorganic membrane
(Anopore) for epifluorescence and scanning electron microscopy of Nanoplankton
and Picoplankton. Applied and Environmental Microbiology. 58(2):773-776.
• Meeting, F. 1993. Structure and physiological ecology of soil microbial
communities. Soil microbial ecology. Marcel Dekker, Inc. USA. p. 3-25.
• Merck. 2004. KGaA 64271, Darmstadt, Alemania.
• Merck. 2005. Microbiology Manual 12 edition.
• Minor, E; Foust, C. and Diaz, R. 2003. The effects of common nucleic acid stains
on the composition of particulate organic matter as determined by direct
temperature-resolved mass spectrometry and pyrolysis-gas chromatography-mass
spectrometry. Elsevier Science. (83):75-87.
• Mosher, J., Levison, B. and Johnston, C. 2003. A simplified dehydrogenase
enzyme assay in contaminated sediment using 2-(p-Iodophenyl)-3(p-nitrophenyl)-
5-phenyl tetrazolium chloride. Journal Microbiological Methods. 53(3):411-5.
• Murgueitio, E. 2003. Imparto ambiental de la ganadería de leche en Colombia y
alternatives de solución. Fundación Centro para la Investigación en Sistemas
88
Sostenibles de Producción Agropecuaria (CIPAV). Livestock Research for Rural
Devevopment. 15 (10).
• Nannipieri, P., Ascher, J., Ceccherini, T., Landi, L., Pietramellara, G. and Renella,
G. 2003. Microbial diversity and soil functions. European Journal of Soil
Science. (54):655-670.
• Nannipieri, P., Grego, S. And Ceccanti, B. 1990.Ecological significance of the
biological activity in soil. Soil Biochemistry. (6):293-355.
• Noble, P. and Ashton, E. 1991. Heterotrophic plate counts of surface water
samples by using impedance methods. 57(11): 3287-3291.
• Nusslein, K., Tiedje, J.M. 1999. Soil bacterial community shift correlated with
change from forest to pasture vegetation in a tropical soil. Applied and
environmental microbiology. 65(8):3622-3626.
• Paull, K., Shoemaker, R., Boyd, M., Parson, J., Risbood, P., Barbera, W., Sharma,
M., Baker, D., Hand, E., Scudiero, D., Monks, A., Alley, M. and Grote, M. 1988.
The syntesis of XTT: a new tetrazolium reagent that is bioreducible to a water-
soluble formazan. Journal Heterocyclic Chemical. 25:911-913.
• Pereira, R., da Silveira, E., Scaquitto, D., Nascimbem, E., Val-Moraes, S., Wickert,
E., Carareto-Alves, L. y de Macedo, E. 2006. Molecular characterization of
bacterial populations of different soils. Brazilian Journal of Microbiology. 37:439-
447.
• Pettipher, G. and Rodrigues, U. 1982. Rapid enumeration of microorganisms in
foods by the direct epifluorescent filter technique. Applied and Environmental
Microbiology. 44(4):809-813.
• Polyscience. 1999. Technical cata sheet 486. CTC.
• Porter, K. and Feig, Y. 1980. The use of DAPI for identifying and counting
aquatic microflora. Limnol. Oceanogr. 25(5): 943-948.
• Proctor, L. and Souza, A. 2001. Method for enumeration of 5-cyabi-2,3-ditoyl
tetrazolium chloride (CTC)-active cells and cell-specific CTC activity of benthic
89
bacteria in reverine, estuarine and coastal sediments. Journal of Microbiological
Methods. 43: 213-222.
• Quéric, N., Soltwedel, T. and Arntz, W. 2004. Application of a rapid direct viable
count method to deep-sea sediment bacteria. Journal of Microbiological Methods.
57: 351-367.
• Ramsay, A. 1978. Direct counts of bacteria by a modified acridine orange method
in relation to their heterotrophic activity. Journal of Marine and Freshwater
Research. 12(3):265-269.
• Rapposch, S., Zangerl, P and Ginzinger, W. 2000. Influence of fluorescence of
bacteria stained with acridine orange on the enumeration of microorganisms in raw
milk. Journal Diary Sciences. 83:2753-2758.
• Rodríguez, G., Ishiguro, K. and Ridgway, H. 1992. Use of a fluorescent redox
probe for direct visualization of actively respiring bacteria. Applied and
Environmental Microbiology. 58(6): 1801-1808.
• Roslev, P. and King, G. 1993. Application of a tetrazolium salt with a water-
soluble formazan as an indicator of viability in respiring bacteria. Applied and
Environmental Microbiology. 59(9):2891-2896.
• Roszak, D. and Colwell, R. 1987. Metabolic activity of bacterial cells enumerated
by direct viable count. Applied and Environmental Microbiology. 53(12): 2889-
2893.
• Schallenberg, M., Kalff, J. and Rasmussen, J. 1989. Solutions to problems in
enumerating sediment bacteria by direct counts. Applied and Environmental
Microbiology. 55(5): 1214-1218.
• Schmidt, T. 2006. The maturing of microbial ecology. International
Microbiology. 9:217-223.
• Shimamura, T., Takamori, A., Ukeda, H. and Sawamura, M. 2003. Reduction
mechanism of tetrazolium salt XTT by a glucosamine derivate. Biosci. Biotechnol.
Biochem. 62 (2):295-299.
90
• Sieracki, M., Terry, L. and Nicinski, J. 1999. Flow citometric analysis of 5- ciano-
2,3-ditolyl tetrazolium chloride activity of marine bacterioplankton in dilution
cultures. Applied and Environmental Microbiology. 65(6): 2409-2417.
• Singh, B., Munro, S., Reid, E., Ord, B., Potts, J., Paterson, E., Millard, E. 2006.
Investigating microbial community structure in soils by physiological, biochemical
and molecular fingerprinting methods. European Journal of Soil Science. 57: 72–
82
• Smith, J. and McFerters, G. 1997. Mechanisms of INT (2-(4-iodophenyl)-3-(4-
nitrophenyl)-5-phenyl tetrazolium chloride), and CTC (5-cyano-2,3-ditolyl
tetrazolium chloride) reduction in Escherichia coli K-12. Journal of
Microbiological Methods. 29:161-175.
• Tipler, P. 1977. Física. Editorial Reverté, S.A. Barcelona. España. 465-480 p.
• Toro, D. 2004. La biodiversidad microbiana del suelo, un mundo por descubrir.
Lunazul. Revista de la Universidad de Caldas. 19(5): 1-7
• Torsvik, V., Goksǿyr, J. and Daae, L. 1990. Hig diversity in DNA of soil
bacteria. Applied and Environmental Microbiology. 56 (3): 782-787.
• Torsvik, V. and Øvreås, L. 2002. Microbial diversity and function in soil: from
genes to ecosystems. Elsevier Science Ltd. 5:240-245
• Trevors, J., Mayfield, C. and Inniss, W. 1982. The use of electron transport system
activity for assessing toxicant effect on algae. Biomedical and Life Sciences and
Earth and Environmental Science. 19(4):361-367.
• Øvreås, L. 2000. Population and community level approaches for analysing
microbial diversity in natural environments. Ecology Letters. 3: 236-251.
• UN Virtual [en linea]. [Bogota, Colombia]: Curso de probabilidad y estadística.
Disponible <http://www.virtual.unal.edu.co/cursos/ciencias/2001065/index.html>
[Consulta: 20 julio 2006].
• Vallejo, V., Gutierrez, V., Berdugo, B. y Roldan F. 2007. Comparación de dos
sales de tetrazolium para la estimación de la densidad de microorganismos
91
degradadores de hidrocarburos (HCS) en la ecorregión cafetera. LABS 2007.
Ponencia Oral.
• Varela, A. y Feria, L. 2004. Comparación de la actividad microbiana en hojarasca
entre un fragmento y un área continua de bosque nublado del sector occidental de
la sabana de Bogotá. Universitas Scientiarum. 9(2):47-58.
• Weinbauer, M., Beckmann, C. and Höfle M. 1998. Utility of green fluorescent
nucleic acid dyes and aluminium oxide membrana filters for rapid epifluorescence
enumeration of soid and sediment bacteria. Applied and Environmental
Microbiology. 64(12): 5000-5003.
• Wolffs, P. Norling, B. and Radström, P. 2005. Risk assessment of false-positive
quantitative real-time PCR results in food, due to detection of DNA originating
from dead cells. Journal of Microbiological Methods. (60):315-323.
• Yu, W., Dodds, W., Banks, M. and Skalsky, J. 1995. Optimal staining and sample
storage time for direct microscopic enumeration of total and active bacteria in soil
with two fluorescent dyes. Applied and Environmental Microbiology. 61(9):3367-
3372.
.
92
10. ANEXOS
Anexo A. Preparación de DAPI para el conteo directo
Debido que el colorante muestra fotosensibilidad y pierde viabilidad cuando se
encuentra a temperatura ambiente, es necesario realizar todo el proceso en oscuridad y
con la mayor brevedad posible.
Inicialmente se preparó una solución stock de 50 µg/ml de DAPI (D9542, Sigma) en
agua MilliQ. Se homogenizo en vortex por 15 min y se filtro con un filtro de celulosa de
0.22 µm en frasco forrado con papel aluminio y cinta de enmascarar. Esta solución es
congelada a -20ºC hasta su uso.
Al momento de necesitarse el DAPI, se descongela completamente la solución stock y se
realiza una dilución 1/10 para ser alicuotada en viales protegidos de la luz de 1.5 ml. Si
sobra solución diluida, se puede congelar en las mismas condiciones que la solución
stock. Los viales son congelados a -20ºC hasta su procesamiento.
Es importante tener en cuenta, que entre menos veces se descongele cualquiera de las
soluciones con DAPI, mayor será su viabilidad en función del tiempo.
93
Anexo B. Cálculos de factor de corrección para conteos realizados en
Microscopio de epifluorescencia Nikon Eclipse 5.0i
Para expresar la concentración de la muestra en células por mililitro (cel/ml), se cuenta
las células en el área de la regilla que se observa por el ocular izquierdo del microscopio.
Al tener ese dato, se relaciona con el volumen de filtrado (ml) y el factor de corrección
(F) que relaciona el área examinada del filtro con respecto al área total.
Cada cuadricula tiene 100 cuadrados de un área de 2.5 x 10-3 mm2 y un área de 2.5 x
10-5 mm2 respectivamente. El área efectiva de lectura del filtro de policarbonato negro
de 25 mm de diámetro es de 346,360 mm2.
Para determinar el factor de corrección (F) se aplica la siguiente formula:
23.544,138105.2360,346
23
2
=
×=
= − mm
mm
cuadriculaladeárea
filtrodellecturadeefectivaáreaF
Usando el factor de corrección, se aplica la siguiente formula para convertir los conteos
a cel/ml:
Fmlfiltradaoriginalmuestradevolumen
celcuadriculaporcelulasdeconteo
ml
celulas ×=
)()(
94
Anexo C. Curva de calibración para el cultivo de Escherichia coli ATCC 25922
Se realizaró una curva de calibración de Escherichia coli ATCC 25922 (PUJ-M-Bio-
USBA-107) obtenida del cepario de USBA. Se relacionaron los datos obtenidos de las
absorbancias a 600 nm y los datos de conteo en placa.
Se realizaron dos preinoculos consecutivos en caldo nutritivo (Pronadisa, 1216.00) a 1/5
del volumen del recipiente a ~22ºC por 24 h a 160 rpm. Del segundo preinoculo, se hizo
un cultivo caldo nutritivo a ~22ºC por 160 rpm recuentos en agar nutritivo (Dibico,
1022-E). De igual forma se realizaron medicines de absorbancia para poder obtener la
línea mejor ajuste.
La curva se utilizó para conocer a una absorbancia definida un recuento específico y
utilizarlo para la estandarización del conteo con DAPI y poder evaluar los diferentes
tratamientos del protocolo de tinción.
95
Anexo D. Tabla de datos de la estandarización
Muestra Tratamientos Pretratamiento [DAPI] µµµµg/ml Esquema conteo Conteo E. coli 1 Prefiltrado 5 1 3,18 x 1012
E. coli 1 Prefiltrado 5 1 3,71 x 1012 E. coli 2 Prefiltrado 5 2 1,76 x 1012 E. coli 2 Prefiltrado 5 2 1,93 x 1012 E. coli 3 Lavado 5 1 2,05 x 1012 E. coli 3 Lavado 5 1 1,73 x 1012 E. coli 4 Lavado 5 2 1,26 x 1012 E. coli 4 Lavado 5 2 1,73 x 1012 E. coli 5 Prefiltrado 10 1 1,73 x 1012 E. coli 5 Prefiltrado 10 1 1,55 x 1012 E. coli 6 Prefiltrado 10 2 1,90 x 1012 E. coli 6 Prefiltrado 10 2 1,55 x 1012 E. coli 7 Lavado 10 1 6,79 x 1012 E. coli 7 Lavado 10 1 5,31 x 1012 E. coli 8 Lavado 10 2 1,91 x 1012 E. coli 8 Lavado 10 2 5,31 x 1012 Suelo 1 Prefiltrado 5 1 7,94 x 1011 Suelo 1 Prefiltrado 5 1 8,05 x 1011 Suelo 1 Prefiltrado 5 1 5,42 x 1011 Suelo 1 Prefiltrado 5 1 3,39 x 1011 Suelo 3 Lavado 5 1 5,75 x 1011 Suelo 3 Lavado 5 1 9,71 x 1011 Suelo 3 Lavado 5 1 6,11 x 1011 Suelo 3 Lavado 5 1 7,41 x 1011 Suelo 7 Lavado 10 1 2,86 x 1011 Suelo 7 Lavado 10 1 7,02 x 1011 Suelo 7 Lavado 10 1 2,59 x 1011 Suelo 7 Lavado 10 1 5,15 x 1011 Suelo 8 Lavado 10 2 7,20 x 1011 Suelo 8 Lavado 10 2 7,02 x 1011 Suelo 8 Lavado 10 2 5,09 x 1011 Suelo 8 Lavado 10 2 5,15 x 1011
96
Anexo E. Distribución de los tratamientos para la estandarización con de E.
coli.
12,2
12,3
12,4
12,5
12,6
12,7
12,8
12,9
Logc
onte
o
1 2 3 4 5 6 7 8
Tratamiento
97
Anexo F. Distribución de los tratamientos, ANOVA y comparación de medias
utilizando Tukey-Kramer para la estandarización con la muestra de suelo
12,4
12,5
12,6
12,7
12,8
12,9
13
Logc
onte
o
1 3 7 8
Tratamiento
Análisis de una vía Anova
Análisis de Varianza
Source DF Sum of Squares Mean Square F Ratio Prob > F Tratamiento 3 0,12762331 0,042541 1,8562 0,1908 Error 12 0,27502747 0,022919 C. Total 15 0,40265078
Comparación de todas los pares de medias usando Tukey-Kramer HSD
q* 2,96883
Abs(Dif)-LSD 3 8 1 7 3 -0,31781 -0,24787 -0,23456 -0,07385 8 -0,24787 -0,31781 -0,30450 -0,14379 1 -0,23456 -0,30450 -0,31781 -0,15710 7 -0,07385 -0,14379 -0,15710 -0,31781
Positive values show pairs of means that are significantly different.
98
Anexo G. t-student para los conteos entre las concentraciones de DAPI para la
estandarización en las muestras de suelo.
12,4
12,5
12,6
12,7
12,8
12,9
13
Logc
onte
o
5 10
Concentracion
t-Test
Difference t-Test DF Prob > |t| Estimate 0,11533 1,460 14 0,1664 Std Error 0,07899
Lower 95% -0,05410 Upper 95% 0,28475
Assuming equal variances
99
Anexo H. t-student para los conteos entre los esquemas de conteo para la
estandarización en las muestras de suelo.
12,4
12,5
12,6
12,7
12,8
12,9
13
Logc
onte
o
1 2
Esq conteo
t-Test
Difference t-Test DF Prob > |t| Estimate -0,03913 -0,402 14 0,6938 Std Error 0,09735
Lower 95% -0,24793 Upper 95% 0,16968
Assuming equal variances
100
Anexo I. t-student para los conteos entre los pretratamientos para la
estandarización con muestras de suelo.
12,4
12,5
12,6
12,7
12,8
12,9
13
Logc
onte
o
Lavado Prefiltrado
Pretratamiento
t-Test
Difference t-Test DF Prob > |t| Estimate -0,02139 -0,219 14 0,8300 Std Error 0,09775
Lower 95% -0,23103 Upper 95% 0,18826
Assuming equal variances
101
Anexo J. Datos del primer evento de muestreo
Ventana Sistema productivo Fincas Cobertura Cel/gps 1a Ganadería de carne La ilusión Bosque 3,13 x 1011
1 Ganadería de carne La ilusión Bosque 1,63 x 1011 1 Ganadería de carne La ilusión Bosque 1,22 x 1011 1 Ganadería de carne La ilusión Bosque 1,88 x 1011 1 Ganadería de carne La ilusión Bosque 1,30 x 1011 1 Ganadería de carne La ilusión Bosque 1,15 x 1011 1 Ganadería de carne La Ramada Pastizal 1,13 x 1011 1 Ganadería de carne La Ramada Pastizal 1,14 x 1011 1 Ganadería de carne La Ramada Pastizal 1,21 x 1011 1 Ganadería de carne La Ramada Pastizal 1,25 x 1011 1 Ganadería de carne La Ramada Pastizal 9,47 x 1010 1 Ganadería de carne La Ramada Pastizal 2,06 x 1011 1 Ganadería de carne La Ramada Guadual 1,35 x 1011 1 Ganadería de carne La Ramada Guadual 2,12 x 1011 1 Ganadería de carne La Ramada Guadual 1,48 x 1011 1 Ganadería de carne La Ramada Guadual 1,43 x 1011 1 Ganadería de carne La Ramada Guadual 1,63 x 1011 1 Ganadería de carne La Ramada Guadual 1,91 x 1011 1 Cultivos mixtos La Comarca Guadual 2,23 x 1011 1 Cultivos mixtos La Comarca Guadual 1,94 x 1011 1 Cultivos mixtos La Comarca Guadual 1,87 x 1011 1 Cultivos mixtos La Comarca Guadual 2,52 x 1011 1 Cultivos mixtos La Comarca Guadual 1,56 x 1011 1 Cultivos mixtos La Comarca Guadual 1,64 x 1011 1 Cultivos mixtos El Bolsillo CFSSc 1,10 x 1011 1 Cultivos mixtos El Bolsillo CFSS 1,05 x 1011 1 Cultivos mixtos El Bolsillo CFSS 1,50 x 1011 1 Cultivos mixtos El Bolsillo CFSS 1,68 x 1011 1 Cultivos mixtos El Bolsillo CFSS 2,25 x 1011 1 Cultivos mixtos El Bolsillo CFSS 1,59 x 1011 1 Cultivos mixtos Alegría CFSS 1,68 x 1011 1 Cultivos mixtos Alegría CFSS 3,52 x 1011 1 Cultivos mixtos Alegría CFSS 2,85 x 1011 1 Cultivos mixtos Alegría CFSS 2,25 x 1011 1 Cultivos mixtos Alegría CFSS 2,38 x 1011 1 Cultivos mixtos Alegría CFSS 6,46 x 1011 1 Ganadería de leche Bremen Bosque 1,85 x 1011 1 Ganadería de leche Bremen Bosque 2,26 x 1011 1 Ganadería de leche Bremen Bosque 1,53 x 1011 1 Ganadería de leche Bremen Bosque 1,39 x 1011 1 Ganadería de leche Bremen Bosque 1,57 x 1011 1 Ganadería de leche Bremen Bosque 1,66 x 1011 1 Ganadería de leche Villa Ximena Pastizal 2,30 x 1011 1 Ganadería de leche Villa Ximena Pastizal 1,52 x 1011 1 Ganadería de leche Villa Ximena Pastizal 1,83 x 1011 1 Ganadería de leche Villa Ximena Pastizal 1,88 x 1011 1 Ganadería de leche Villa Ximena Pastizal 1,51 x 1011 1 Ganadería de leche Villa Ximena Pastizal 1,54 x 1011 2b Cultivos mixtos Macarena Cebolla 1,24 x 1011 2 Cultivos mixtos Macarena Cebolla 1,14 x 1011 2 Cultivos mixtos Macarena Cebolla 1,44 x 1011
102
2 Cultivos mixtos Macarena Cebolla 1,10 x 1011 2 Cultivos mixtos Macarena Cebolla 1,62 x 1011 2 Cultivos mixtos Macarena Cebolla 1,91 x 1011 2 Cultivos mixtos Santa Helena Bosque 9,45 x 1010 2 Cultivos mixtos Santa Helena Bosque 9,78 x 1010 2 Cultivos mixtos Santa Helena Bosque 9,93 x 1010 2 Cultivos mixtos Santa Helena Bosque 1,01 x 1011 2 Cultivos mixtos Santa Helena Bosque 1,09 x 1011 2 Cultivos mixtos Santa Helena Bosque 1,30 x 1011 2 Cultivos mixtos Bella Vista Cebolla 1,63 x 1011 2 Cultivos mixtos Bella Vista Cebolla 1,49 x 1011 2 Cultivos mixtos Bella Vista Cebolla 1,72 x 1011 2 Cultivos mixtos Bella Vista Cebolla 1,36 x 1011 2 Cultivos mixtos Bella Vista Cebolla 1,20 x 1011 2 Cultivos mixtos Bella Vista Cebolla 1,07 x 1011 2 Cultivos mixtos Mandalay Guadual 9,45 x 1010 2 Cultivos mixtos Mandalay Guadual 7,43 x 1010 2 Cultivos mixtos Mandalay Guadual 7,13 x 1010 2 Cultivos mixtos Mandalay Guadual 7,54 x 1010 2 Cultivos mixtos Mandalay Guadual 7,11 x 1010 2 Cultivos mixtos Mandalay Guadual 7,19 x 1010 2 Cultivos mixtos La Playa Guadual 3,00 x 1011 2 Cultivos mixtos La Playa Guadual 2,25 x 1011 2 Cultivos mixtos La Playa Guadual 1,18 x 1011 2 Cultivos mixtos La Playa Guadual 1,09 x 1011 2 Cultivos mixtos La Playa Guadual 1,07 x 1011 2 Cultivos mixtos La Playa Guadual 9,69 x 1010 2 Cultivos forestales Playa Rica Forestales 3,48 x 1011 2 Cultivos forestales Playa Rica Forestales 3,54 x 1011 2 Cultivos forestales Playa Rica Forestales 2,90 x 1011 2 Cultivos forestales Playa Rica Forestales 2,64 x 1011 2 Cultivos forestales Playa Rica Forestales 1,82 x 1011 2 Cultivos forestales Playa Rica Forestales 1,78 x 1011 2 Cultivos forestales Lisbrán Forestales 2,48 x 1011 2 Cultivos forestales Lisbrán Forestales 3,35 x 1011 2 Cultivos forestales Lisbrán Forestales 3,85 x 1011 2 Cultivos forestales Lisbrán Forestales 2,65 x 1011 2 Cultivos forestales Lisbrán Forestales 3,23 x 1011 2 Cultivos forestales Lisbrán Forestales 3,17 x 1011 2 Áreas protegidas La Pastora Bosque 1,64 x 1011 2 Áreas protegidas La Pastora Bosque 1,49 x 1011 2 Áreas protegidas La Pastora Bosque 1,44 x 1011 2 Áreas protegidas La Pastora Bosque 2,01 x 1011 2 Áreas protegidas La Pastora Bosque 1,58 x 1011 2 Áreas protegidas La Pastora Bosque 1,47 x 1011
a Cuenca del río La vieja b Cuenca del río El Otún c CFSS = Cobertura cafetal sin sombrío
103
Anexo K. Datos del segundo evento de muestreo
Ventana Sistema productivo Fincas Cobertura Cel/gps 1a Ganadería de carne La ilusión Bosque 2,20 x 10 11
1 Ganadería de carne La ilusión Bosque 2,92 x 10 11 1 Ganadería de carne La ilusión Bosque 2,03 x 10 11 1 Ganadería de carne La ilusión Bosque 4,27 x 10 11 1 Ganadería de carne La ilusión Bosque 4,97 x 10 11 1 Ganadería de carne La ilusión Bosque 3,55 x 10 11 1 Ganadería de carne La Ramada Pastizal 2,89 x 10 11 1 Ganadería de carne La Ramada Pastizal 2,28 x 10 11 1 Ganadería de carne La Ramada Pastizal 1,76 x 10 11 1 Ganadería de carne La Ramada Pastizal 1,66 x 10 11 1 Ganadería de carne La Ramada Pastizal 2,05 x 10 11 1 Ganadería de carne La Ramada Pastizal 1,93 x 10 11 1 Ganadería de carne La Ramada Guadual 1,70 x 10 11 1 Ganadería de carne La Ramada Guadual 1,80 x 10 11 1 Ganadería de carne La Ramada Guadual 3,31 x 10 11 1 Ganadería de carne La Ramada Guadual 3,34 x 10 11 1 Ganadería de carne La Ramada Guadual 1,41 x 10 11 1 Ganadería de carne La Ramada Guadual 2,15 x 10 11 1 Cultivos mixtos La Comarca Guadual 2,23 x 10 11 1 Cultivos mixtos La Comarca Guadual 3,52 x 10 11 1 Cultivos mixtos La Comarca Guadual 1,97 x 10 11 1 Cultivos mixtos La Comarca Guadual 2,14 x 10 11 1 Cultivos mixtos La Comarca Guadual 2,76 x 10 11 1 Cultivos mixtos La Comarca Guadual 2,88 x 10 11 1 Cultivos mixtos El Bolsillo CFSSc 2,11 x 10 11 1 Cultivos mixtos El Bolsillo CFSS 1,79 x 10 11 1 Cultivos mixtos El Bolsillo CFSS 2,38 x 10 11 1 Cultivos mixtos El Bolsillo CFSS 2,27 x 10 11 1 Cultivos mixtos El Bolsillo CFSS 1,42 x 10 11 1 Cultivos mixtos El Bolsillo CFSS 1,71 x 10 11 1 Cultivos mixtos Alegría CFSS 1,64 x 10 11 1 Cultivos mixtos Alegría CFSS 1,02 x 10 11 1 Cultivos mixtos Alegría CFSS 1,38 x 10 11 1 Cultivos mixtos Alegría CFSS 1,16 x 10 11 1 Cultivos mixtos Alegría CFSS 1,35 x 10 11 1 Cultivos mixtos Alegría CFSS 1,59 x 10 11 1 Ganadería de leche Bremen Bosque 5,21 x 10 11 1 Ganadería de leche Bremen Bosque 4,05 x 10 11 1 Ganadería de leche Bremen Bosque 2,71 x 10 11 1 Ganadería de leche Bremen Bosque 3,29 x 10 11 1 Ganadería de leche Bremen Bosque 1,80 x 10 11 1 Ganadería de leche Bremen Bosque 1,98 x 10 11 1 Ganadería de leche Villa Ximena Pastizal 1,53 x 10 11 1 Ganadería de leche Villa Ximena Pastizal 1,76 x 10 11 1 Ganadería de leche Villa Ximena Pastizal 2,20 x 10 11 1 Ganadería de leche Villa Ximena Pastizal 1,86 x 10 11 1 Ganadería de leche Villa Ximena Pastizal 1,82 x 10 11 1 Ganadería de leche Villa Ximena Pastizal 1,97 x 10 11
104
2b Cultivos mixtos Macarena Cebolla 1,46 x 10 11 2 Cultivos mixtos Macarena Cebolla 1,17 x 10 11 2 Cultivos mixtos Macarena Cebolla 1,21 x 10 11 2 Cultivos mixtos Macarena Cebolla 2,27 x 10 11 2 Cultivos mixtos Macarena Cebolla 2,16 x 10 11 2 Cultivos mixtos Macarena Cebolla 2,14 x 10 11 2 Cultivos mixtos Santa Helena Bosque 6,64 x 10 11 2 Cultivos mixtos Santa Helena Bosque 4,51 x 10 11 2 Cultivos mixtos Santa Helena Bosque 2,43 x 10 11 2 Cultivos mixtos Santa Helena Bosque 4,40 x 10 11 2 Cultivos mixtos Santa Helena Bosque 3,96 x 10 11 2 Cultivos mixtos Santa Helena Bosque 3,46 x 10 11 2 Cultivos mixtos Bella Vista Cebolla 3,19 x 10 11 2 Cultivos mixtos Bella Vista Cebolla 4,45 x 10 11 2 Cultivos mixtos Bella Vista Cebolla 2,62 x 10 11 2 Cultivos mixtos Bella Vista Cebolla 3,20 x 10 11 2 Cultivos mixtos Bella Vista Cebolla 2,60 x 10 11 2 Cultivos mixtos Bella Vista Cebolla 3,18 x 10 11 2 Cultivos mixtos Mandalay Guadual 3,08 x 10 11 2 Cultivos mixtos Mandalay Guadual 2,93 x 10 11 2 Cultivos mixtos Mandalay Guadual 3,67 x 10 11 2 Cultivos mixtos Mandalay Guadual 3,33 x 10 11 2 Cultivos mixtos Mandalay Guadual 2,04 x 10 11 2 Cultivos mixtos Mandalay Guadual 2,36 x 10 11 2 Cultivos mixtos La Playa Guadual 5,62 x 10 11 2 Cultivos mixtos La Playa Guadual 4,01 x 10 11 2 Cultivos mixtos La Playa Guadual 4,99 x 10 11 2 Cultivos mixtos La Playa Guadual 4,73 x 10 11 2 Cultivos mixtos La Playa Guadual 4,15 x 10 11 2 Cultivos mixtos La Playa Guadual 4,08 x 10 11 2 Cultivos forestales Playa Rica Forestales 3,25 x 10 11 2 Cultivos forestales Playa Rica Forestales 3,92 x 10 11 2 Cultivos forestales Playa Rica Forestales 5,51 x 10 11 2 Cultivos forestales Playa Rica Forestales 3,58 x 10 11 2 Cultivos forestales Playa Rica Forestales 6,97 x 10 11 2 Cultivos forestales Playa Rica Forestales 3,19 x 10 11 2 Cultivos forestales Lisbrán Forestales 3,16 x 10 11 2 Cultivos forestales Lisbrán Forestales 2,37 x 10 11 2 Cultivos forestales Lisbrán Forestales 4,79 x 10 11 2 Cultivos forestales Lisbrán Forestales 3,58 x 10 11 2 Cultivos forestales Lisbrán Forestales 2,82 x 10 11 2 Cultivos forestales Lisbrán Forestales 2,64 x 10 11 2 Áreas protegidas La Pastora Bosque 2,68 x 10 11 2 Áreas protegidas La Pastora Bosque 2,84 x 10 11 2 Áreas protegidas La Pastora Bosque 3,00 x 10 11 2 Áreas protegidas La Pastora Bosque 3,17 x 10 11 2 Áreas protegidas La Pastora Bosque 3,67 x 10 11 2 Áreas protegidas La Pastora Bosque 3,42 x 10 11
a Cuenca del río La vieja b Cuenca del río El Otún c CFSS = Cobertura cafetal sin sombrío
105
Anexo L. Efecto de la cobertura sobre los conteos
Primer evento de muestreo
Cuenca del río La Vieja
t-student del log conteo en los bosques
t-Test
Difference t-Test DF Prob > |t| Estimate 0,02012 0,275 10 0,7890 Std Error 0,07319 Lower 95% -0,14296 Upper 95% 0,18319
Assuming equal variances
t-student del log conteo en los pastizales
t-Test
Difference t-Test DF Prob > |t| Estimate -0,14289 -2,583 10 0,0273 Std Error 0,05532 Lower 95% -0,26615 Upper 95% -0,01963
Assuming equal variances
11,05
11,1
11,15
11,2
11,25
11,3
11,35
11,4
11,45
11,5
Bremen La Ilusión
Finca
11
11,1
11,2
11,3
La Ramada P Villa Ximena
Finca
Log cel/gps
Log cel/gps
106
t-student del log conteo en los guaduales
t-Test
Difference t-Test DF Prob > |t| Estimate 0,07288 1,623 10 0,1356 Std Error 0,04490 Lower 95% -0,02716 Upper 95% 0,17292
Assuming equal variances
t-student del log conteo en los cafetales
t-Test
Difference t-Test DF Prob > |t| Estimate 0,290882 3,014 10 0,0130 Std Error 0,096523 Lower 95% 0,075814 Upper 95% 0,505949
Assuming equal variances
Cuenca del río El Otún
Log cel/gps
11,15
11,2
11,25
11,3
11,35
11,4
La Comarca La Ramada G
Finca
Log cel/gps
11
11,1
11,2
11,3
11,4
11,5
11,6
11,7
11,8
Alegría El Bolsillo
Finca
107
t-student del log conteo en los cultivos de cebolla
t-Test
Difference t-Test DF Prob > |t| Estimate 0,00302 0,060 10 0,9530 Std Error 0,04995 Lower 95% -0,10827 Upper 95% 0,11431
Assuming equal variances
t-student del log conteo en los bosques
t-Test
Difference t-Test DF Prob > |t| Estimate 0,183374 6,136 10 0,0001 Std Error 0,029884 Lower 95% 0,116787 Upper 95% 0,249960
Assuming equal variances
Log cel/gps
11,05
11,1
11,15
11,2
11,25
11,3
Bella Vista Macarena Finca
Log cel/gps
10,95 11
11,05 11,1
11,15 11,2
11,25 11,3
La Pastora Santa Helena
Finca
108
t-student del log conteo en los guaduales
t-Test
Difference t-Test DF Prob > |t| Estimate 0,277778 3,249 10 0,0087 Std Error 0,085506 Lower 95% 0,087257 Upper 95% 0,468298
Assuming equal variances
t-student del log conteo en los forestales
t-Test
Difference t-Test DF Prob > |t| Estimate 0,07561 1,241 10 0,2429 Std Error 0,06093 Lower 95% -0,06015 Upper 95% 0,21137
Assuming equal variances
Log cel/gps
10,9
11
11,1
11,2
11,3
11,4
11,5
La Playa Mandalay
Finca
Log cel/gps
11,25 11,3
11,35 11,4
11,45 11,5
11,55 11,6
Lisbran Playa Rica
Finca
109
Segundo evento de muestreo
Cuenca del río La Vieja
t-student del log conteo en los bosques
t-Test
Difference t-Test DF Prob > |t| Estimate -0,02700 -0,279 10 0,7860 Std Error 0,09684 Lower 95% -0,24277 Upper 95% 0,18877
Assuming equal variances
t-student del log conteo en los pastizales
t-Test
Difference t-Test DF Prob > |t| Estimate 0,04724 1,139 10 0,2813 Std Error 0,04148 Lower 95% -0,04519 Upper 95% 0,13967
Assuming equal variances
11,3
11,4
11,5
11,6
11,7
Bremen La Ilusión
Finca
11,2
11,25
11,3
11,35
11,4
11,45
La Ramada P Villa Ximena
Finca
Log cel/gps
Log cel/gps
110
t-student del log conteo en los Guaduales
t-Test
Difference t-Test DF Prob > |t| Estimate 0,06888 0,923 10 0,3778 Std Error 0,07463 Lower 95% -0,09741 Upper 95% 0,23518
Assuming equal variances
t-student del log conteo en los cafetales
t-Test
Difference t-Test DF Prob > |t| Estimate -0,15612 -3,277 10 0,0083 Std Error 0,04765 Lower 95% -0,26228 Upper 95% -0,04996
Assuming equal variances
11,2
11,3
11,4
11,5
La Comarca La Ramada G
Finca
11
11,1
11,2
11,3
11,4
Alegría El Bolsillo
Finca
Log cel/gps
Log cel/gps
111
Cuenca del río El Otún
t-student del log conteo en los cultivos de cebolla
t-Test
Difference t-Test DF Prob > |t| Estimate 0,276335 4,287 10 0,0016 Std Error 0,064464 Lower 95% 0,132701 Upper 95% 0,419970
Assuming equal variances
t-student del log conteo en los bosques
t-Test
Difference t-Test DF Prob > |t| Estimate -0,11424 -1,832 10 0,0969 Std Error 0,06236 Lower 95% -0,25318 Upper 95% 0,02471
Assuming equal variances
11,1
11,2
11,3
11,4
11,5
11,6
Bella Vista Macarena
Finca
11,4
11,5
11,6
11,7
11,8
La Pastora Santa Helena
Finca
Log cel/gps
Log cel/gps
112
t-student del log conteo en los guaduales
t-Test
Difference t-Test DF Prob > |t| Estimate 0,204911 4,462 10 0,0012 Std Error 0,045928 Lower 95% 0,102577 Upper 95% 0,307246
Assuming equal variances
t-student del log conteo en los guaduales
t-Test
Difference t-Test DF Prob > |t| Estimate -0,12776 -1,782 10 0,1051 Std Error 0,07171 Lower 95% -0,28753 Upper 95% 0,03202
Assuming equal variances
11,3
11,4
11,5
11,6
11,7
11,8
La Playa Mandalay
Finca
11,4
11,5
11,6
11,7
11,8
Lisbran Playa Rica
Finca
Log cel/gps
Log cel/gps
113
Anexo M. Diferencias entre muestreos por coberturas
Cuenca del río La Vieja
t-student del log conteo de los cafetales entre eventos de muestreo
t-Test
Difference t-Test DF Prob > |t| Estimate 0,11105 1,553 22 0,1346 Std Error 0,07149 Lower 95% -0,03720 Upper 95% 0,25931
Assuming equal variances
t-student del log conteo de los guaduales entre eventos de muestreo
t-Test
Difference t-Test DF Prob > |t| Estimate -0,11977 -2,710 22 0,0128 Std Error 0,04419 Lower 95% -0,21141 Upper 95% -0,02813
Assuming equal variances
11
11,1 11,2 11,3 11,4 11,5 11,6 11,7 11,8 11,9
1 2
Muestreo
11,15
11,2
11,25
11,3
11,35
11,4
11,45
11,5
11,55
1 2
Muestreo
Log cel/gps
Log cel/gps
114
t-student del log conteo de los bosques entre eventos de muestreo
t-Test
Difference t-Test DF Prob > |t| Estimate -0,26762 -4,607 22 0,0001 Std Error 0,05809 Lower 95% -0,38809 Upper 95% -0,14715
Assuming equal variances
t-student del log conteo de los pastizales entre eventos de muestreo
t-Test
Difference t-Test DF Prob > |t| Estimate -0,12079 -3,018 22 0,0063 Std Error 0,04002 Lower 95% -0,20378 Upper 95% -0,03780
Assuming equal variances
11,1
11,2
11,3
11,4
11,5
11,6
11,7
1 2
Muestreo
11
11,1
11,2
11,3
11,4
11,5
1 2
Muestreo
Log cel/gps
Log cel/gps
115
Cuenca del río El Otún
t-student del log conteo de los bosques entre eventos de muestreo
t-Test
Difference t-Test DF Prob > |t| Estimate -0,43847 -9,462 22 <.0001 Std Error 0,04634 Lower 95% -0,53457 Upper 95% -0,34236
Assuming equal variances
t-student del log conteo de los cultivos de cebolla entre eventos de muestreo
t-Test
Difference t-Test DF Prob > |t| Estimate -0,21871 -3,838 22 0,0009 Std Error 0,05698 Lower 95% -0,33689 Upper 95% -0,10054
Assuming equal variances
10,9 11
11,1 11,2 11,3 11,4 11,5 11,6 11,7 11,8 11,9
1 2
Muestreo
11
11,1 11,2 11,3 11,4 11,5 11,6
1 2
Muestreo
Log cel/gps
Log cel/gps
116
t-student del log conteo de los guaduales entre eventos de muestreo
t-Test
Difference t-Test DF Prob > |t| Estimate -0,53667 -7,707 22 <.0001 Std Error 0,06963 Lower 95% -0,68109 Upper 95% -0,39226
Assuming equal variances
t-student del log conteo de los forestales entre eventos de muestreo
t-Test
Difference t-Test DF Prob > |t| Estimate -0,10865 -2,167 22 0,0413 Std Error 0,05013 Lower 95% -0,21261 Upper 95% -0,00468
Assuming equal variances
10,8 10,9
11
11,1 11,2 11,3 11,4 11,5 11,6 11,7 11,8
1 2
Muestreo
11,2 11,3 11,4 11,5 11,6 11,7 11,8
1 2
Muestreo
Log cel/gps
Log cel/gps
117
Anexo N. Efecto del sistema productivo sobre los conteos
Primer evento de muestreo
Cuenca del río La Vieja
Análisis de varianza del Log conteo en ganadería de carne
ANOVA de una vía Análisis de varianza Source DF Sum of Squares Mean Square F Ratio Prob > F Finca 2 0,05062296 0,025311 1,6668 0,2220 Error 15 0,22778581 0,015186 C. Total 17 0,27840877
Análisis de varianza del Log conteo en cultivos mixtos
ANOVA de una vía Análisis de varianza Source DF Sum of Squares Mean Square F Ratio Prob > F Finca 2 0,25731769 0,128659 6,2124 0,0108 Error 15 0,31065162 0,020710 C. Total 17 0,56796931
11
11,1
11,2
11,3
11,4
11,5
La Ilusión La Ramada G La Ramada P
Finca
11
11,1
11,2
11,3
11,4
11,5
11,6
11,7
11,8
Alegria El Bolsillo La Comarca
Finca
Log cel/gps
Log cel/gps
118
t-student del log conteo en ganadería de leche
t-Test
Difference t-Test DF Prob > |t| Estimate -0,01327 -0,313 10 0,7611 Std Error 0,04245 Lower 95% -0,10784 Upper 95% 0,08131
Assuming equal variances
Cuenca del río El Otún
Análisis de varianza del Log conteo en cultivos mixtos
ANOVA de una vía Análisis de varianza
Source DF Sum of Squares Mean Square F Ratio Prob > F Finca 4 0,33888237 0,084721 6,9051 0,0007 Error 25 0,30673185 0,012269 C. Total 29 0,64561422
11,15
11,2
11,25
11,3
11,35
Bremen Villa Ximena
Finca
10,9 11
11,1 11,2 11,3 11,4 11,5
Bella Vista La Playa Macarena Mandalay Santa Helena
Finca
Log cel/gps
Log cel/gps
119
t-student del log conteo de los forestales
t-Test
Difference t-Test DF Prob > |t| Estimate 0,07561 1,241 10 0,2429 Std Error 0,06093 Lower 95% -0,06015 Upper 95% 0,21137
Assuming equal variances
Segundo evento de muestreo
Cuenca del río La Vieja
Análisis de varianza Log conteo en ganadería de carne
ANOVA de una vía Análisis de varianza
Source DF Sum of Squares Mean Square F Ratio Prob > F Finca 2 0,12278352 0,061392 3,2723 0,0662 Error 15 0,28141365 0,018761 C. Total 17 0,40419717
Log cel/gps
11,25 11,3
11,35 11,4
11,45 11,5
11,55 11,6
Lisbrán Playa Rica
Finca
Log cel/gps
11,2 11,3 11,4 11,5 11,6 11,7
La Ilusión La Ramada G La Ramada P
Finca
120
Análisis de varianza del Log conteo en los cultivos mixtos
ANOVA de una vía Análisis de varianza
Source DF Sum of Squares Mean Square F Ratio Prob > F Finca 2 0,23203795 0,116019 15,3508 0,0002 Error 15 0,11336792 0,007558 C. Total 17 0,34540588
t-student del log conteo en ganadería de leche
`
t-Test Difference t-Test DF Prob > |t| Estimate 0,205072 2,697 10 0,0224 Std Error 0,076024 Lower 95% 0,035681 Upper 95% 0,374463
Assuming equal variances
11
11,1
11,2
11,3
11,4
11,5
Alegría El Bolsillo La Comarca
Finca
11,2
11,3
11,4
11,5
11,6
11,7
Bremen Villa Ximena
Finca
Log cel/gps
Log cel/gps
121
Cuenca del río El Otún
Análisis de varianza del Log conteo en cultivos mixtos
ANOVA de una vía Análisis de varianza
Source DF Sum of Squares Mean Square F Ratio Prob > F Finca 4 0,69104057 0,172760 14,8023 <.0001 Error 25 0,29177973 0,011671 C. Total 29 0,98282030
t-student del log conteo de los cultivos forestales
t-Test
Difference t-Test DF Prob > |t| Estimate -0,12776 -1,782 10 0,1051 Std Error 0,07171 Lower 95% -0,28753 Upper 95% 0,03202
Assuming equal variances
11,1
11,2
11,3
11,4
11,5
11,6
11,7
11,8
Bella Vista La Playa Macarena Mandalay Santa Helena
Finca
Log cel/gps
11,4
11,5
11,6
11,7
11,8
Lisbran Playa Rica
Finca
Log cel/gps
122
Anexo O. Conteos del control de procedimiento Escherichia coli ATCC 25922
Primer evento de muestreo
1 3,73 x 1012
2 2,97 x 1012 3 2,95 x 1012 4 3,32 x 1012 5 2,89 x 1012 6 2,85 x 1012 7 3,17 x 1012 8 3,03 x 1012
Segundo evento de muestreo
1 3,61 x 1012 2 3,59 x 1012 3 3,04 x 1012 4 2,85 x 1012 5 2,84 x 1012 6 3,16 x 1012 7 3,61 x 1012 8 3,59 x 1012
123
Anexo N. Relación del conteo, porcentaje de humedad y temperatura entre
ventanas del primer evento de muestreo
t-student del log conteo entre ventanas del primer evento de muestreo
t-Test Difference t-Test DF Prob > |t| Estimate -0,05630 -1,516 94 0,1329 Std Error 0,03714 Lower 95% -0,13003 Upper 95% 0,01743
Assuming equal variances
t-student del porcentaje de humedad del suelo entre ventanas del primer evento de muestreo
t-Test Difference t-Test DF Prob > |t| Estimate 6,5233 2,522 46 0,0152 Std Error 2,5869 Lower 95% 1,3161 Upper 95% 11,7306
Assuming equal variances
10,810,9
11 11,111,2
11,311,4
11,511,611,7
11,811,9
El Otun La Vieja
Ventana
%H
0
10
20
30
40
50
El Otun La Vieja
Ventana
Log cel/gps
124
t-student del porcentaje de la temperatura del suelo entre ventanas del primer evento de muestreo
t-Test Difference t-Test DF Prob > |t| Estimate -2,3792 -3,474 46 0,0011 Std Error 0,6848 Lower 95% -3,7575 Upper 95% -1,0008
Assuming equal variances
.
.
14
16
18
20
22
24
26
28
El Otun La Vieja
Ventana
Tem soil
125
Anexo Ñ. Relación del conteo, porcentaje de humedad y temperatura entre
ventanas del segundo evento de muestreo
t-student del log conteo entre ventanas del segundo evento de muestreo
t-Test Difference t-Test DF Prob > |t| Estimate 0,170044 5,189 94 <.0001 Std Error 0,032767 Lower 95% 0,104984 Upper 95% 0,235105
Assuming equal variantes
t-student del porcentaje de humedad del suelo entre ventanas del segundo evento de muestreo
t-Test Difference t-Test DF Prob > |t| Estimate 2,7635 1,166 46 0,2495 Std Error 2,3693 Lower 95% -2,0056 Upper 95% 7,5326
Assuming equal variances
11
11,1
11,2
11,3
11,4
11,5
11,6
11,7
11,8
11,9
El Otun La Vieja
Ventana
%H
10
15
20
25
30
35
40
45
50
El Otun La Vieja
Ventana
Log cel/gps
126
t-student de la temperatura del suelo entre ventanas del segundo evento de muestreo
t-Test
Difference t-Test DF Prob > |t| Estimate -4,3322 -5,134 44 <.0001 Std Error 0,8439 Lower 95% -6,0329 Upper 95% -2,6315
Assuming equal variances
.
.
10
12
14
16
18
20
22
24
26
28
El Otun La Vieja
Ventana
Tem soil
127
Anexo O. Libreta de campo
Primer muestreo
Ventana No 1.
Finca La Ilusión (Bosque)
Presencia de grades árboles con raíces tubulares con un diámetro de altura del pecho
superior a los 2m. Los tres cuadrantes del muestreo se ubicaron en la falda occidental del
parche del bosque.
P1 P2 P3 Temperatura 21,8 22,1 21,8
Promedio de profundidad de la hojarasca
P1 P2 P3 cm 0,9 1 3,1
La Ramada (Pastizal)
El pastizal tiene una antigüedad cercana a los 20 años. Se esta aprovechando para
ganado Cebú de leche
P1 P2 P3 Temperatura 27,8 24,6 27,9
Promedio de la altura del pasto:
P1 P2 P3 cm 20,4 23,4 8,6
La Ramada (Guadual)
Fragmento de guadual asociado al curso de agua cuyo cause esta en la parte baja de un
barranco empinado. La mayoría del guadual esta al costado occidental. La cobertura
corresponde a los grupos de pocas guaduas en la orilla de la quebrada
P1 P2 P3 Temperatura 22,4 22,3 22,1
128
Promedio de profundidad de la hojarasca
P1 P2 P3 cm 5,1 5,2 5,9
La Comarca (Guadual)
Finca con amplios jardines, sectores de guadual y un lago con lodos. El guadual del
muestreo estaba localizado a lado y lado de una quebrada grande de 10 m de ancho. La
extensión del guadual es de más de 50 m de ancho con una leve pendiente.
P1 P2 P3 Temperatura 22,3 22 22,2
Promedio de profundidad de la hojarasca
P1 P2 P3 cm 4,8 10,3 5,7
El Bolsillo (Cafetal sin sombrío)
Esta finca tiene sectores de cafetal antiguo, donde se encuentra cafetal sin sombrío por lo
menos desde hace 25 años. Una parte de la finca fue cafetal con platano en un sector
con una pendiente considerable (30º) y en otro existen cultivos de platano y yuca.
Ademas tienen ganado lanar de subsistencia.
El cafetal con sombrío donde se tomaron las primeras muestras tubo predominio de
gusanos en el dosel laxo; el sotobosque presenta algunas moraceas y el piso estaba
tapizado con balsaminaceas, conmelinas, verbenaceas y gesneriaceas adhesivas. El
terreno era plano. Se le aplican agroquímicos y existe la presencia de broca.
P1 P2 P3 Temperatura 22,2 23,8 23
Promedio de profundidad de la hojarasca
P1 P2 P3 cm 3 2 3,6
129
La Alegría (Cafetal sin sombrío)
Tiene un cafetal con plátano y una densa y gruesa capa de hojarasca con grandes aportes
de plátano. Tiene una antigüedad de 35 años. El terreno es más o menos pendiente cerca
del río. Se aplican agroquímicos de la variedad caturro.
P1 P2 P3 Temperatura 22,2 22,9 23,4
Promedio de profundidad de la hojarasca
P1 P2 P3 cm 22,2 4 0,7
Bremen (Bosque)
El sector del muestreo esta en la horilla del sendero didáctico en un terreno poco
inclinado (4º) con un sotobosque denso. El diámetro a la altura de pecho de la mayoría
de los individuos es menor a los 10 cm y los individuos mayores tienen un diámetro de
hasta 70 cm. Existe un reclutamiento importante de moráceas. Existen helechos con un
diámetro de 10 cm de una altura de 3,5 m. Helechos con vernación húmeda y viscosa de
50 a 70 cm de alto.
P1 P2 P3 Temperatura 17,7 18,1 17,9
Promedio de profundidad de la hojarasca
P1 P2 P3 cm 5,76 10,9 3
Villa Ximena (Pastizal)
Producción de leche tecnificada. En un terreno mas o menos plano con pasto alto.
Algunos árboles de sombra ubicados a la orilla del camino. Cuadrantes descubiertos.
P1 P2 P3 Temperatura 22,6 22,7 22,9
130
Promedio de la altura del pasto
P1 P2 P3 cm 11,56 38,2 24,6
Ventana El Otún
Macarena (Cebolla)
P1 P2 P3 Temperatura 22.1 22,1 22,7
Promedio de la altura del la cebolla
P1 P2 P3 cm 11,56 38,2 24,6
Santa Helena (Bosque)
Relicto de bosque suscesional, reconocido localmente como un rastrojo. Ubicado en la
parte alta del valle en este sector de la cuenca, al borde de la carretera.
P1 P2 P3 Temperatura 18,7 18,9 18,9
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 2,1 4,8 3,9
Bella Vista (Cebolla)
P1 P2 P3 Temperatura 24,6 23,5 23,56
Promedio de la altura de la cebolla
P1 P2 P3 cm 41,8 48,4 52,2
131
Mandalay (Guadual)
Guadual en la vega del río. Cobertura mas o menos uniforme en el suelo de hojas de
guadua. Yemas espinosas. Las cepas de los individuos conforman un dosel largo y
discontinuo de mas o menos 7 metros de altura. Los tres cuadrantes distan entre si por
100 m.
P1 P2 P3 Temperatura 19,3 19,3 19,1
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 4,1 5 2,4
La Playa (Guadual)
P1 P2 P3 Temperatura 18,7 19,1 18
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 0,6 2,4 1,2
Playa rica (Forestal)
Plantación forestal de ciprés a lo largo de varias colinas a 2106 msnm. Sotobosque
completamente despejado. Árboles jóvenes de ciprés con diámetro a la altura del pecho
de 20 a 50 cm. El piso tiene un tapete continuo de hojas de ciprés y varios montones de
ramas. El segundo cuadrante se tomó de un valle a un estado sucecional avanzado.
P1 P2 P3 Temperatura 21,2 20,9 22,4
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 0,4 0,58 0,6
132
Lisbrán (Forestal)
Plantación de pinos de más o menos 15 m de alto con un diámetro a la altura al pecho de
20 a 60 cm
P1 P2 P3 Temperatura 20 20,54 19,7
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 9 5,6 5
La pastora (bosque)
P1 P2 P3 Temperatura 15,8 16,2 16,3
Densidad de la cobertura vegetal:
P1 P2 P3 % de docel/punto 95,06 93,708 91,212
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 2,2 3,3 2,1
Segundo muestreo
Ventana La vieja
La Ilusión (Bosque)
P1 P2 P3 Temperatura 21,3 18,3 22
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 1,4 3,1 1,9
133
La Ramada (Pastizal)
P1 P2 P3 Temperatura 26,2 26 26
Promedio de la altura del pasto
P1 P2 P3 cm 26,8 21,8 30,8
La Ramada (Guadual)
P1 P2 P3 Temperatura 23,4 22,8 23
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 5 6,2 4,6
La Comarca (Guadual)
P1 P2 P3 Temperatura 23 22,6 22,6
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 11 11,4 6
El Bolsillo (Cafetal sin sombrío)
P1 P2 P3 Temperatura 21,8 21,8 22
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 3,2 3,7 2,2
134
La Alegría (Cafetal sin sombrío)
Fuertes precipitaciones con presencia de granizo días antes de la toma de muestras.
P1 P2 P3 Temperatura 23,4 23 23
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 5,6 3,4 2,8
Bremen (Bosque)
P1 P2 P3 Temperatura 18,1 18 18
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 5,6 7,2 4,5
Villa Ximena (Pastizal)
P1 P2 P3 Temperatura 20,4 21,6 20,8
Promedio de la altura del pasto
P1 P2 P3 cm 29 13,8 20
Ventana El Otún
Macarena (Cebolla)
P1 P2 P3 Temperatura 18,7 19,6 23,8
135
Promedio de la altura de la cebolla
P1 P2 P3 cm 43,28 34,8 42,3
Santa Helena (Bosque)
P1 P2 P3 Temperatura 16,3 18,5 15,1
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 9,3 4,9 5,2
Bella Vista (Cebolla)
P1 P2 P3 Temperatura 23,7 20,9 20,8
Promedio de la altura de la cebolla
P1 P2 P3 cm 50,9 54,2 56,4
Mandalay
Al realizar la toma de muestras se observo gran cantidad de bolsas de basura
P1 P2 P3 Temperatura 16,2 17
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 4,8 7,8
La Playa (Guadual)
P1 P2 P3 Temperatura 16 16
136
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 5,3 8,2
Playa Rica (forestales)
P1 P2 P3 Temperatura 16,3 19,4 19,7
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 6,2 0,8 0,7
Lisbran (forestales)
P1 P2 P3 Temperatura 17,9 18,9 19,6
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 4 6,3 4,3
La Pastora (Bosque)
P1 P2 P3 Temperatura 11,9 11,8 11,6
Promedio de la profundidad de la hojarasca
P1 P2 P3 cm 5,2 2,8 4,1
137
EVALUACIÓN DEL EFECTO DE LOS SISTEMAS PRODUCTIVOS SOBRE LA
DENSIDAD DE LOS MICROORGANISMOS EDÁFICOS EN SUELOS
DEL EJE CAFETERO EN LAS CUENCAS DEL LOS RÍOS
LA VIEJA Y EL OTÚN
Andrés Felipe Vela Rojas1 y Fabio Roldán1
Pontificia Universidad Javeriana, Facultad de Ciencias, Departamento de Biología,
Unidad de Saneamiento y Biotecnología Ambiental (USBA)
Cra 7 No. 43-83. Edificio Jesús Emilo Ramírez S.J No. 53. Lab 314b
Correo electrónico: [email protected]
138
RESUMEN: El objetivo del presente estudio fue estimar la densidad microbiana en
suelos de diferentes sistemas productivos del Eje Cafetero Colombiano por microscopía
de epiflurescencia. Por lo cual se estandarizó la técnica y se evaluó el efecto de los
sistemas productivos sobre los conteos empleando DAPI. Para estandarizar la técnica se
evaluaron tres variables: el uso de dos pretratamientos, la evaluación de dos
concentraciones de DAPI y dos esquemas de conteo. Posteriormente en dos épocas de
muestreo de diferentes características climáticas, se tomaron en cada una 48 muestras
compuestas de suelo. Se analizaron variables fisicoquímicas como pH, porcentaje de
humedad, temperatura del suelo y altura de la hojarasca y del cultivo.
Se determinó que dos lavados sucesivos en NaCl (0,85% p/v) a 13000 rpm por 5
minutos a una concentración de 5 µg/ml de DAPI por 20 min y el uso de dos filtros, uno
de la dilución seleccionada y el segundo del duplicado a la misma dilución generó los
conteos mas altos, la CV mas pequeña y la calidad del filtro mayor de todos los
tratamientos evaluados.
Al analizar los datos en el sistema productivo se observó que presenta alta
heterogeneidad, por lo cual fue necesario analizar los datos por coberturas. La cobertura
forestal presentó los mayores conteos. Adicionalmente los cafetales sin sombrío, los
guaduales y el cultivo de cebolla mostraron ser las coberturas más variables mientras
que los bosques y los pastizales fueron las coberturas menos variables. Finalmente se
observaron mayores conteos en el segundo evento de muestreo.
Palabras claves: DAPI, sistemas productivos, conteos, densidad, suelo.
139
ABSTRACT: The purpose of the present study was to consider the soils microbial
density of the different productive systems from the Colombian coffee zone by
epifluorescence microscopy. For this reason this technique was standardized and the
effect of the productive systems was evaluated on the counts by using DAPI. To
standardize the technique three variables were evaluated: the use of two pre-treatments,
two DAPI’s concentrations, and two count schemes. Sampling was conducted at two
different seasons (June and September) from 16 farms within 6 different productive
systems. Three random composite samples were collected from each farm for a 96 total
samples. Physiochemical variables like pH, humidity, soil temperature and height of the
litter fall and cultivation were analyzed.
It was determined that the successive washings with NaCl (0.85% w/v) to 13,000 rpm by
5 minutes, staining with 5 µg/ml of DAPI by 20min and the use of two filters: one from
the selected dilution, and the second from the duplicate to the same dilution generated
the highest counts, the highest precision and in general the best quality of all the
evaluated treatments.
The productive systems showed a high heterogeneity level indicating that the effect has
to be monitored at the covers level. The forest cover displayed greater microbial counts.
Additionally, the coffee plantations without shady, the bamboo an onion cultivations
were the most variable covers despite the fact that the forests and pastures were the less
variable covers. Finally bigger counts in the second event of sampling were observed.
Keywords: DAPI, productive systems, counts, density, soil.
140
EVALUACIÓN DEL EFECTO DE LOS SISTEMAS PRODUCTIVOS SOBRE LA
DENSIDAD DE LOS MICROORGANISMOS EDÁFICOS EN SUELOS
DEL EJE CAFETERO EN LAS CUENCAS DEL LOS RÍOS
LA VIEJA Y EL OTÚN
A. Vela1 y F. Roldán1
Pontificia Universidad Javeriana, Facultad de Ciencias, Departamento de Biología,
Unidad de Saneamiento y Biotecnología Ambiental (USBA)
Cra 7 No. 43-83. Edificio Jesús Emilo Ramírez S.J No. 53. Lab 314b
Correos electronicos: [email protected], [email protected]
1. INTRODUCCIÓN
El suelo es la matriz heterogénea y variable que soporta el mantenimiento de organismos
de nivel macro y microscópico. Los microorganismos son unidades biológicas,
autónomas, de amplia versatilidad metabólica capaces de utilizar compuestos, sintetizar
biomasa y generar sustancias útiles para otros organismos que necesitan sustratos en
forma disponible y asimilable, y cumplen funciones primordiales en la fijación de
nitrógeno, la degradación de compuestos contaminantes y el ciclaje de nutrientes y
materia orgánica. Los microorganismos en el suelo se encuentran definidos en fusión de
la densidad. La densidad o abundancia total es definido como el total de
microorganismos por unidad de hábitat. Esta densidad conjugada con la riqueza y la
abundancia relativa ayudan a definir la diversidad de un ambiente. Para determinar la
densidad microbiana se pueden utilizar métodos de conteos directos e indirectos.
El presente trabajo se enmarca en el proyecto del centro de investigaciones y estudios en
biodiversidad y recursos genéticos (CIEBREG) enfocado evaluar el efecto de los
sistemas productivos sobre la densidad de los microorganismos edáficos en suelos del
eje cafetero en las cuencas de los ríos La Vieja y El Otún
141
2. MATERIALES Y MÉTODOS
El conteo directo de los microorganismos del suelo se realizó utilizando microscopio de
epifluorescencia con 4'-6-Diamidino-2-fenilindol diclorhidrato (DAPI). Inicialmente, se
realizó la estandarización de la técnica para conteo de microorganismos en el laboratorio
de USBA con un cultivo de E. coli a una concentración conocida y con una muestra de
suelo. Para la estandarización del protocolo de tinción se modificaron algunos de los
pasos reportados en la literatura para disminuir la variabilidad y la presencia de
interferentes e incrementar la exactitud. Con base con los resultados obtenidos durante
la estandarización, se estableció el protocolo de tinción para realizar los conteos durante
la fase de campo del estudio.
2.1. Estandarización de la tinción de microorganismos del suelo con DAPI:
2.1.1. Cultivo de E. coli o control de procedimiento: con el fin de obtener una
solución con una concentración conocida de bacterias, se realizaron curvas de
crecimiento por absorbancia y UFC en el tiempo, y se estableció una curva de
calibración de Unidades Formadores de colonia (UFC)/ml vs. absorbancia (600 nm).
Para la realización de estas curvas, se empleó un cultivo de E. coli ATCC 25922 (PUJ-
M-Bio-USBA-107), al cual se le realizaron dos preinóculos consecutivos en caldo
nutritivo (Pronadisa, 1216) a 1/5 del volumen del recipiente a 25ºC por 24 h a 160 rpm.
Del segundo preinóculo, se hizo un cultivo en caldo nutritivo a 25ºC a 160 rpm, del cual
se tomaron muestras para realizar recuentos en agar nutritivo (Dibico, 1022-E) y
mediciones de absorbancia en el tiempo para poder obtener la línea mejor ajuste. La
curva de calibración se utilizó para conocer una abundancia específica a una absorbancia
definida y utilizar esa concentración para la estandarización del conteo con DAPI.
2.1.2. Estandarización de la tinción utilizando suelo: se utilizaron muestras de suelo
de jardín por duplicado. Las muestras se transportaron y mantuvieron a 4-6 ºC hasta su
análisis.
2.1.3. Descripción del protocolo de tinción: Se utilizó el protocolo utilizado por
Casamayor (2006) del Centro de estudios avanzados de Blanes (CEAB) el cual esta
142
basado en el protocolo propuesto por Porter y Freig (1980) y Kirchman y colaboradores
(1982).
2.1.3.1. Extracción de microorganismos: El paso inicial para el conteo directo es la
extracción de los microorganismos presentes en el suelo. La estandarización de la
extracción fue realizada por Latorre (2007) donde 10 g de suelo fueron colocados en 90
ml de solución salina al 0,85% p/v (grado reactivo; J.T.Baker). La mezcla fue
homogenizada en un agitador orbital (I2100; New Science) a 160 rpm por 15 min y se
dejó sedimentar por 5 min. Se realizaron diluciones seriadas del sobrenadante en base
10 hasta 10-6 en solución salina (0.85% p/v) previamente filtrada (GSWP04700;
millipore) y esterilizada a 121oC, 15 lb de presión por 15 min.
.
2.1.3.2. Filtración: se colocó 1 ml de la dilución seleccionada en 9 ml de solución salina
(0.85% p/v). La muestra fue mezclada por vortex y filtrada utilizando un filtro de 0,22
µm de policarbonato negro de 25 mm de diámetro (GTBP02500, Millipore) con ayuda
de una bomba de vació a 25 psi (ROA-P164-AA:GAST). Finalmente el filtro se dejó
secar por 20 min a temperatura ambiente antes de la tinción.
2.1.3.3. Tinción: se agregaron 100 µl de DAPI (D9542; Sigma) sobre toda la superficie
del filtro de manera homogénea con una micropipeta (la concentración y el tiempo de
contacto se evaluaron en 5.1.4.2). Posteriormente, el filtro se lavó con agua MilliQ por 1
min y se enjuagó en etanol (70% v/v) por 2 s, para finalmente dejarse secar a
temperatura ambiente en oscuridad por 20 min.
2.1.3.4. Acondicionamiento del filtro: El filtro seco se colocó en una lámina porta
objetos y se le agregó en el centro una gota de aceite Citifluor AF1 (No. 17970-25;
Electrón Microscopy). Luego se le colocó una laminilla presionando fuertemente para
evitar la formación de burbujas. Al montar la lámina en el microscopio de
epifluorescencia (Eclipse 5.0i, Nikon) se utilizó un filtro de doble acción, excitación de
400 a 418 nm y lectura de 450 a 465 nm, y aceite de inmersión de baja luminiscencia (50
tipo NF, Nikon).
2.1.3.5. Conteo: Se consideró como células los óvalos, círculos y puntos definidos que
mostraron una coloración azul fluorescente durante la observación. En caso de
143
observarse un número de células por rejilla de lectura menor a 30, se leyeron 50 campos
aleatorios por filtro y en caso de presentarse un número mayor de cel/campo, se leyó 20
campos aleatorios por filtro (Casamayor, 2006).
2.1.4. Modificaciones al protocolo de tinción:
2.1.4.1. Evaluación de un pretratamiento para eliminar interferencia de la matriz
de suelo: Se evaluaron dos pretratamientos para reducir la interferencia causada por la
fluorescencia de la matriz en las muestras:
3.Un prefiltrado de la dilución del extracto de células utilizando un filtro de
fibra de vidrio de 42 mm de diámetro (2.0-8.0 µm) (AP2502500; Millipore)
(Maier et al., 2001).
4. Dos lavados sucesivos de la dilución del extracto de células utilizando
solución salina (0.85% p/v) por centrifugación a 13,000 rpm por 5 min.
2.1.4.2. Evaluación de la concentración de DAPI para la tinción: Se evaluaron dos
concentraciones de DAPI a 5 µg/ml por 20 min (Schallenberg et al., 1989) y 10 µg/ml
por 40 min (Yu et al., 1995) para determinar la concentración óptima del colorante en
muestras de suelo.
2.1.4.3. Esquema de conteo: Se evaluaron dos esquemas de conteo para aumentar la
precisión y evitar la variabilidad en cada muestra. El primer esquema consistió en
obtener dos filtros de la dilución seleccionada de cada muestra, mientras que el segundo,
consistió en obtener 2 filtros, uno de la dilución seleccionada y el segundo de un
duplicado a la misma dilución
2.1.5. Tratamientos evaluados durante la estandarización: Inicialmente se utilizó el
cultivo de E. coli para seleccionar los tratamientos que presentaron los mayores conteos
y una muestras de suelo para seleccionar el mejo tratamientos con base en los recuentos
y en el análisis visual (Tabla 1). Para el análisis visual de los filtros se observó la
disminución de los interferentes de lectura, la eliminación de la fluorescencia de fondo,
la fluorescencia de las células y del borde, la nitidez del filtro y la distribución
homogénea de las células en el filtro.
Tabla 1. Tratamientos evaluados para la estandarización del conteo con DAPI
utilizando un cultivo de E. coli y las muestras de suelo.
144
Tratamiento Pretratamiento [DAPI] µµµµg/ml Esquema Conteo a
1 Prefiltrado 5 1
2 Prefiltrado 5 2
3 Lavado 5 1
4 Lavado 5 2
5 Prefiltrado 10 1
6 Prefiltrado 10 2
7 Lavado 10 1
8 Lavado 10 2
a 1) Dos filtros de la dilución seleccionada para cada muestra y 2) dos filtros, uno de la
dilución seleccionada y el segundo del duplicado a la misma dilución.
2.1.6. Control de calidad del conteo: tres elementos que definen la calidad del proceso
de tinción la distribución homogénea de las células en el filtro de lectura, la baja
fluorescencia de fondo y la definición de la tinción del borde del microorganismo. Estas
características se aplicaron estrictamente a cada filtro de lectura y en caso de cumplirse,
los filtros se desechaban y se repetía el proceso.
2.1.7. Análisis estadístico: Inicialmente, se observó si los datos presentaban una
distribución normal y la homogeneidad de varianza con la prueba de Bartlett (p<0.05).
Para su análisis estadístico los datos fueron transformados con el logaritmo base diez y
analizados con pruebas paramétricas. Se valuó la precisión utilizando el porcentaje del
coeficiente de variación (% CV) y la exactitud comparando la concentración del control
(cultivo de E. coli) con el valor obtenido durante el conteo. Para las muestras de suelo
se observaron diferencias entre los tratamientos con la prueba de Tukey-kramer (p<0.05)
para escoger el que tenga los mayores conteos.
2.2. Estimación de la densidad microbiana en suelos de la ecorregión cafetera
utilizando DAPI
2.2.1. Muestreo: En cada una de las coberturas seleccionadas (Tabla 2), se ubicaron
aleatoriamente tres cuadrantes (2.5m x 2.5m) representativos, a por lo menos 30 m del
borde, para evitar el efecto borde. Se tomó una muestra en cada vértice y del centro de
145
los cuadrantes con un barreno de 15 cm de largo por 5 cm de diámetro en la cabeza de
toma de muestras. Se obtuvo una muestra compuesta por cuadrante después de mezclar
vigorosamente en un plástico de alta densidad las muestras obtenidas de todos los puntos
del cuadrante. De esta mezcla, se tomaron 2 kg de suelo en una bolsa de cierre
hermético la cual fue refrigerada (4-6 ºC) durante su transporte hasta el laboratorio de
USBA y su posterior análisis.
2.2.2 Unidades de muestreo
En el marco de la investigación del CIEBREG, se tomaron como unidad macro del
muestreo las dos ventanas correspondientes a la cuenca del río La Vieja y Otún en la
ecorregión cafetera. Estas ventanas fueron seleccionadas con criterios de
heterogeneidad espacial, gradiente altitudinal y estructuras de paisaje por medio de un
análisis de correspondencias canónicas de características bióticas y abióticas (Camargo,
2006). Una vez definidas las ventanas, se tomaron como siguiente nivel de muestreo
los sistemas productivos que correspondían a conjuntos de propiedades que reflejan un
tipo particular de aprovechamiento y uso de la tierra (Camargo, 2006). Se seleccionaron
dentro de los sistemas productivos las coberturas, que son el uso determinado del suelo
en función de sus productos y finalmente, la unidad de muestreo más pequeña fueron las
las fincas y en las cuales se tomaron tres cuadrantes escogidos aleatoriamente (Tabla 2).
2.2.3. Eventos de muestreo: el primer muestreo se realizó del 10 al 24 de junio de
2006 y el muestreo segundo del 14 al 21 de octubre de 2006.
2.3. Parámetros fisicoquímicos: se evaluó la temperatura, pH y humedad del suelo.
La temperatura in situ se tomó con un termómetro de campo a 20 cm de profundidad, el
pH se determino de acuerdo al protocolo de la Agencia Ambiental de Estados Unidos
(EPA, 9045c) y el porcentaje de humedad se tomó de acuerdo al protocolo del Instituto
Geográfico Agustín Codazzi (1979). pH y humedad fueron evaluados en las muestras
compuestas de suelo en el laboratorio.
2.4. Análisis estadístico para evaluar el efecto del sistema productivo sobre los
conteos de microorganismos totales: Para evaluar el efecto del sistema productivo
sobre los conteos, se utilizó una t-studen (p<0.05 o p<0.02) ó un análisis de varianza
(ANOVA) (p<0.05 o p<0.02) y una prueba de Tukey-Kramer (p<0.05) según el caso.
146
Tabla 2. Sistemas productivos, coberturas y fincas seleccionadas en la cuenca del
río La Vieja y El Otún.
Ventana Sistema productivo Cobertura Finca
La Vieja
Ganadería de carne
Bosque La Ilusión
Pastizal La Ramada
Guadual La Ramada
Cultivos mixtos
Guadual La Comarca
Cafetal sin sombrío El Bolsillo
Cafetal sin sombrío La Alegría
Ganadería de leche Bosque Bremen
Pastizal Villa Ximena
El Otún
Cultivos mixtos
Cebolla Macarena
Bosque Santa Helena
Cebolla Bella Vista
Guadual Mandalay
Guadual La Playa
Cultivos forestales Forestales Playa Rica
Forestales Lisbrán
Áreas protegidas Bosque La Pastora
3. RESULTADOS Y DISCUSIÓN:
147
3.1. Estandarización de la tinción de microorganismos de suelos con DAPI
3.1.1. Control de procedimiento con E. coli para el conteo directo con DAPI: Para
obtener la curva de crecimiento con recuentos mayores a 1 x 1010 UFC/ml fue
necesario llevar la absorbancia a rangos mayores a 1 unidad de absorbancia (UA). Para
realizar la curva de las absorbancias en el tiempo, se empleó una dilución 1/40 y los
valores fueron correlacionados con los recuentos para obtener la curva de calibración
de absorbancia vs. recuento en placa. Utilizando la ecuación de la línea de mejor ajuste
absmlufcmlufcabsabs XY 1909,0109 1/12 +×= −×
− se estableció que un cultivo a una dilución
1/40 con una absorbancia de 0.460 tendría un recuento de 1.2 x 1012.
3.1.2. Evaluación de los tratamientos con el control de procedimiento con E. coli
Durante la evaluación de los diferentes tratamientos para la estandarización de la
tinción se utilizó un cultivo de E. coli a una concentración de 1.2 x 1012 UFC/ml. Se
escogieron los 4 tratamientos que tuvieron los conteos mayores, independiente de su
precisión, y buscando el metodo que favoreciera la mayor recuperacion de
microorganismos. De esta forma, los tratamientos 1, 3, 7 y 8 (anexos D y E) mostraron
los mayores conteos indicando que la combinación de un lavado como pretratamiento y
el uso de un esquema de conteo de dos filtros de la misma dilución presentaban los
mayores conteos.
En todos los tratamientos se observó que los conteos obtenidos con DAPI fueron
mayores a los recuentos en placa de la curva de calibración (Tabla 10). Los principales
factores que pudieron afectar los recuentos en placa pueden ser atribuidos a los errores
durante la toma y homogenización de volúmenes con micropipetas y rastrillos, y de
igual forma a factores fisiológicos como la concentración de nutrientes (fuente de C y
N) y condiciones de incubación como temperatura y concentración de oxígeno
(McCaing et al., 2001; Merck, 2005). Se observó que de los tratamientos
seleccionados que presentaron mayores recuentos tenían en primer esquema de conteo
(dos filtros de la misma dilución seleccionada), presentó la mayor precisión expresada
148
como el porcentaje del coeficiente de variación (%CV) (Tabla 10). El alto recuento y
la alta precisión de este esquema de conteo, permite seleccionarle como método a
utilizar durante el estudio.
3.2. Evaluación de los tratamientos seleccionados para la estandarización
utilizando muestras de suelo: No se observaron diferencias significativas con los
diferentes tratamientos en los conteos de las muestras de suelo (ANOVA; p < 0.05;
n=16). Sin embargo, se presentaron conteos mayores cuando se realizó un lavado
como pretratamiento a una concentración de 5 µg/ml por 20 min y realizando un
esquema de conteo de dos filtros de la misma El orden de los tratamientos que
presentaron mayores recuentos en la muestra de suelo fue inverso al orden de los
tratamientos que presentaron mayores recuentos con el cultivo de concentración
conocida de E. coli. Los mayores conteos con E. coli se presentaron en el tratamiento 7
mientras que el mayor conteo en la muestra de suelo fue en el tratamiento 3. Las
modificaciones realizadas a estos dos tratamientos sólo difieren en la concentración de
DAPI a la cual se hace la tinción, esto demuestra que la concentración varía de acuerdo
a las diferentes matrices (suelo, lodos, aguas, etc). Resultados similares fueron
obtenidos por Schallenberg y colaboradores (1989) quienes afirman que la
concentración óptima para muestras de sedimentos es de 5 µg/ml por 20 min de DAPI
y el uso de otras concentraciones puede producir la subestimación del conteo de células
totales.
El lavado diminuye mas eficientemente los interferentes, debido que en el proceso de
centrifugación se encuentran en el sobrenadante descartándose posteriormente
comprobando lo realizado por Bakken (1985). El esquema de conteo para las muestras
de suelo mostró valores de coeficiente de varianza altos; esto era de esperarse debido a
la alta interferencia y la dificultad de la recuperación. Sin embargo, tres de los cuatro
tratamientos pertenecían a este esquema de conteo. De esta forma, se selecciono el uso
de lavado a una concentración de 5 µg/ml de DAPI y el uso de dos filtros a la misma
dilución para realizar el análisis en la ecorregión cafetera.
3.3. Efecto en los conteos de cada cobertura
149
3.3.1. Cuenca del río La Vieja: El cafetal de La Alegría presentó conteos
significativamente superiores al cafetal de El Bolsillo (t-studen; p < 0.05; n=12) si
presentar diferencias con los parámetros de pH, porcentaje de humedad y temperatura
del suelo. Sin embargo, los datos de campo mostraron que el cafetal La Alegría presenta
una densa y gruesa capa de hojarasca de amplio aporte de plátano mientras que El
Bolsillo una capa menor. La cantidad de la hojarasca puede llegar a influir en la
densidad microbiana, debido que proporciona un ambiente rico en calidad y cantidad de
materia orgánica con alto potencial de mineralización (Kennedy, 1989; Nusslein y
Tiedje, 1999; Escobar, 2003). Se descartó un efecto alelopático de la cafeina en los
conteos (Escobar, 2003).
En los pastizales se observaron conteos significativamente mayores en Villa Ximena que
en La Ramada (t-studen; p < 0.05; n=12). Se presentaron datos de porcentaje de
humedad del suelo mayores en Villa Ximena, registros mayores de temperatura del suelo
en La Ramada y no se tuvieron diferencias en el pH. Los mayores conteos en Villa
Ximena muestran que la humedad puede llegar a tener un mayor efecto en la actividad
microbiana que la temperatura del suelo (Feria, 1998).
En los guaduales para el EM1, se observaron conteos significativamente mayores en La
Comarca que en La Ramada (t-student; p < 0.2; n=12) y para el EM2 no se presentaron
diferencias significativas en los conteos. Los datos de campo mostraron que La
Comarca tiene una cobertura mas densa mientras que La Ramada es un pequeño
fragmento de guadua. De acuerdo a estudios realizados por Carney y colaboradores
(2004) existe un efecto antropogénico sobre las comunidades microbianas disminuyendo
su abundancia. En los bosque no se observó diferencias significativas (t-student; p < 0.2;
n=12).
En toda la cuenca del río La Vieja para el EM1, se observaron conteos superiores en los
cafetales sin sombrío con alta desviación estándar, seguido por guaduales, bosque y
pastizal. Para el EM2 tuvieron mayores conteos los bosques, seguido de los guaduales,
pastizales y los conteos mas bajos se presentaron en los cafetales. Se puede observar un
efecto antropogénico mas marcado en el EM2, y un efecto significativo de las
diferencias entre las dos fincas por cada cobertura. Por otro lado, todos los conteos a
150
excepción del cafetal La Alegría aumentaron en el segundo evento de muestreo. Es
importante tener en cuenta que en ese cafetal se presentó una fuerte precipitación con
presencia de granizo lo que pudo afectar la abundancia de microorganismos edáficos y
que afectó la producción de café.
3.3.2. Cuenca del río El Otún: El guadual La Playa presentó conteos significativamente
mayores que los observados en Mandalay (t-student; p < 0.05; n=24) en los dos eventos
de muestreo sin diferencias significativas en los datos de pH, temperatura del suelo y
profundidad de la hojarasca. Sin embargo, se observó que para los dos eventos de
muestreo la humedad en La Playa fue significativamente mayor a la observada en
Mandalay. De acuerdo a lo anterior, puede existir un efecto de la humedad en los
conteos de microorganismos edáficos. Sin embargo, durante el segundo evento de
muestreo en Mandalay se pudo observar la presencia de gran cantidad de bolsas de
basura lo que pudo afectar los recuentos observados. Esto se pudo presentar debido que
en un microambiente cerrado los nutrientes y la densidad microbiana tienden a escasear.
Cuando el límite del microambiente es una matriz de difícil degradación, como una
bolsa de basura, este fenómeno se agudiza de tal forma que los nutrientes disponibles en
el suelo solo pueden provenir del área de influencia directa con el microambiente sin
recibir carbono o nitrógeno de la cobertura vegetal.
En los cultivos de Cebolla, no se observaron diferencias significativas en el EM1 pero en
EM2 se observaron conteos significativamente superiores en La Macarena. No se
encontraron diferencias en pH, humedad y temperatura del suelo, pero si se registró una
altura mayor del cultivo de cebolla en La Macarena. La altura del cultivo puede influir
en los conteos de microorganismos totales debido que el estado fisiológico de la planta
es avanzado y se encuentra cerca de su recolección, lo implica que ha estado creciendo
por tiempo suficiente liberando exudados que promueven el crecimiento microbiano.
En los bosques en el EM1, se observaron conteos significativamente mayores en la
reserva La Pastora mientras que para el EM2 se presentaron conteos significativamente
mayores en el bosque Santa Helena (t-student; p < 0.2; n=12). Para el EM1 los datos de
temperatura y humedad del suelo fueron superiores en Santa Helena. Sin embargo, los
datos de pH fueron significativamente mayores en la reserva La Pastora lo que pudo
151
afectar los conteos debido que aumenta la actividad microbiana, se descompone la
materia orgánica a mayor velocidad y la cantidad de microorganismos que pueden estar
en pH neutro (Feria, 1998). Para el EM2 el porcentaje de humedad del suelo fue
significativamente mayor en la reserva La pastora y la temperatura del suelo fue
significativamente mayor en Santa Helena sin presentar diferencias en pH. Por esta
razón una baja temperatura del suelo como la de la reserva La pastora tiene una menor
actividad microbiana lo que pudo afectar los conteos.
Los cultivos forestales para el EM1 no presentaron diferencias significativas y para el
EM2 el ciprés Playa Rica presentó conteos superiores a los del pinar Lisbran (t-student;
p < 0.2; n=12). En el EM2, no se observaron diferencias significativas en la temperatura
y la humedad del suelo. Mientras que se presentaron se presentaron pH estadísticamente
superiores en Playa Rica lo que pudo permitir que se presentara mas densidad
microbiana en el suelo (Alexander, 1987).
En toda la cuenca del río El Otún, para el EM1, los cultivos forestales fueron
significativamente mayores a los de las otras coberturas, seguido en los conteos por los
cultivos de cebolla, bosques y guaduales. Para el EM2 los forestales tuvieron los
conteos mas altos seguidos por los bosques, guaduales y con los conteos mas bajos los
cultivos de cebolla; sin embargo, las diferencias entre las fincas de cada cobertura afecta
la media y la desviación estándar de los datos. Un estudio realizado por Nüsslein y
Tiedje (1999), Murgueitio (2003) y Carney y colaboradores (2004) determinan que
existe un efecto antropogénico sobre la diversidad y específicamente sobre la
abundancia de microorganismos edáficos. Para el EM1 no es muy claro el efecto,
mientras que para el segundo el cultivo de cebolla tiene los conteos mas bajos.
Al analizar los conteos agrupados en sistemas productivos, se observó que la en la
mayoría se presentaba diferencias significativas debido a la alta heterogeneidad en el
origen de las muestras y a un efecto de la cobertura antes mencionado. Además los
cultivos mixtos, para la cuenca del río El Otún, tiene cerca del 62.5% de los datos de esa
cuenca y el efecto de tres coberturas, por lo cual son altamente heterogéneos. Por tal
razón, se tomó como unidad del análisis experimental la cobertura.
152
Concluyendo, el uso de dos lavados en NaCl (0.85 % p/v) a 13,000 rpm por 5 minutos,
una concentración de DAPI a 5 µg/ml por 20 minutos y el esquema de conteo de dos
filtros de las misma dilución, disminuye los interferentes de lectura del suelo, genera
células definidas, de alta fluorescencia y con altos conteos. El análisis de las densidades
indico que las fincas cafetales seleccionadas en la cuenca del río La Vieja y las fincas de
los guaduales son significativamente diferentes. Los cultivos mixtos son altamente
heterogéneos y finalmente, para conteos de microorganismos totales el sistema
productivo es una escala muy general y haciéndose necesario observar el efecto a menor
escala, como en este caso las coberturas.
4. REFERENCIAS BILBIOGRAFICAS
• Alexander, M. 1987. Introduction to soil microbiology. Second Edition. John Wiley
and Sons, Inc. USA. 467
• Bakken, L. 1985. Separation and purification of bacteria from soil. Applied and
Environmental Microbiology. 49(6):1482-1487
• Camargo, J. 2006. Informe de la dirección científica del CIEBREG. Informe
técnico. Pereira.
• Carney, K., Matson, P. y Bohannan B. 2004. Diversity and composition of tropical
soil nitrifiers across a plant diversity gradient and among land-use types. Ecology
Letters. 7:684-694.
• Casamayor, Emilio. 2006. Recuento de bacterias por epifluorescencia. Centro de
estudios abanzados de Blanes (CEAB). España.
• Escobar, L. 2003. Efecto del sistema de uso del suelo sobre a abundancia de
poblaciones nativas de rizobios en la microcuenca potrerillo, departamento del
Cauca. Trabajo de grado. Pontificia Universidad Javeriana. Facultad de Estudios
Ambientales y Rurales.
• Feria, L. 1998. Comparación de la actividad microbiana en hojarasca entre un área
continua y un fragmento de bosque andino. Trabajo de grado. Pontificia
Universidad Javeriana. Facultad de Ciencias.
153
• Kennedy, A. 1999. Bacterial diversity in agroecosystems Agriculture, Ecosystems
and Environment 74, 65–76
• Kirchman, D., Sigda, J., Kapuschinski, R. and Mitchell R. 1982. Statistical analysis
of the direct count method for enumerating bacteria. Applied and Environmental
Microbiology. 44(2): 376-382.
• Latorre, N. 2006. Evaluación del efecto de medios de cultivo altos y bajos en
nutrientes para la recuperación de microorganismos heterótrofos totales en la
ecorregión cafetero. Trabajo de grado. Carrera de Microbiología Industrial.
Pontificia Universidad Javeriana, Bogotá, Colombia. (En curso).
• Maier, R., Pepper, I., and Gerba C. 2001. Environmental Microbiology. Academic
Press. Tucson (USA). Pp. 66-71.
• McCaing, A., Grayston, S., Proser, J. and Glover. 2001. Impact of cultivation on
characterization of species composition of soil bacterial communities. FEMS
Microbiol. Ecology. 35, 37-48.
• Merck. Microbiology Manual 12 edition
• Merck. Microbiology Manual 12 edition
• Murgueitio, E. 2003. Imparto ambiental de la ganadería de leche en Colombia y
alternatives de solución. Fundación Centro para la Investigación en Sistemas
Sostenibles de Producción Agropecuaria (CIPAV). Livestock Research for Rural
Devevopment. 15 (10).
• Nusslein, K., Tiedje, J.M. 1999. Soil bacterial community shift correlated with
change from forest to pasture vegetation in a tropical soil. Applied and
environmental microbiology. 65(8):3622-3626.
• Porter, K. and Feig, Y. 1980. The use of DAPI for identifying and counting aquatic
microflora. Limnol. Oceanogr. 25(5): 943-948.
• Schallenberg, M., Kalff, J. and Rasmussen, J. 1989. Solutions to problems in
enumerating sediment bacteria by direct counts. Applied and Environmental
Microbiology. 55(5): 1214-1218.
Top Related