Una evaluación crítica del análisis cluster para identificar sedimentos contaminados en la Ría de Vigo (NW España)

• Nombela, M.A ^[1] ; Vilas, F. ^[1] ; Belén Rubio Armesto ^[1]
  1. [1] Universidade de Vigo

     Universidade de Vigo

     Vigo, España

     
• Localización: Ciencias marinas, ISSN 0185-3880, ISSN-e 2395-9053, Vol. 27, Nº. 2 (JUN), 2001, págs. 175-208
• Idioma: español
• Títulos paralelos:
  • A critical evaluation of the use of cluster analysis to identify contaminated sediments in the Ría de Vigo (NW Spain)
• Enlaces
  • Texto completo
• Resumen
  • español

    El uso indiscriminado del análisis cluster para distinguir sedimentos contaminados y no contaminados nos ha llevado a realizar una evaluación comparativa entre los diferentes procedimientos de estos análisis aplicada a la concentración de metales pesados en sedimentos submareales de la ría de Vigo, NW de España. La utilización de distintos algoritmos de cluster, así como otras transformaciones de la misma matriz de datos conduce a la formación de diferentes clusters con un resultado inconcluso sobre el estado de contaminación de los sedimentos. Los resultados muestran que esta aproximación seajusta mejor para identificar grupos de muestras que difieren en características sedimentológicas, tal como el tamaño de grano, más que en el grado de contaminación. El principal objetivo es llamar la atención sobre estos aspectos del análisis cluster y sugerir a los investigadores que sean rigurosos con este tipo de análisis. Finalmente, el uso del análisis discriminante nos permitió encontrar una función discriminante que separa las muestras en dos grupos claramente diferenciados y que no debieran ser tratados conjuntamente.

  • English

    The indiscriminate use of cluster analysis to distinguish contaminated and non-contaminated sediments has led us to make a comparative evaluation of different cluster analysis procedures as applied to heavy metal concentrations in subtidal sediments from the Ría de Vigo, NW Spain. The use of different cluster algorithms and other transformations from the same departing set of data lead to the formation of different clusters with a clear inconclusive result about the contamination status of the sediments. The results show that this approach is better suited to identifying groups of samples differing in sedimentological characteristics, such as grain size, rather than in the degree of contamination. Our main aim is to call attention to these aspects in cluster analysis and to suggest that researchers should be rigorous with this kind of analysis. Finally, the use of discriminant analysis allows us to find a discriminant function that separates the samples into two clearly differentiated groups, which should not be treated jointly.