Changes in phytoplankton composition in response to tides, wind-induced mixing conditions, and freshwater outflows in an urbanised estuarine complex

Estudos recentes na baía de Santos (sudeste do Brasil), localizada em um sistema estuarino altamente urbanizado, mostraram o aumento de espécies fitoplanctônicas potencialmente nocivas. Apesar da importância da previsão das florações algais nocivas, é difícil determinar a estrutura da comunidade fitoplanctônica em ambientes extremamente dinâmicos. O presente estudo analisa florações dominadas pelo microfitoplâncton e sua relação com variáveis físicas e meteorológicas, a fim de determinar padrões associados às marés e às estações do ano. Foram comparadas oito situações e obtidos cinco cenários de dominância relacionados aos ventos, marés e pluviosidade: i) Surfers, diatomáceas associadas à zona de surfe, de alta energia; ii) Sinkers, diatomáceas de tamanho grande que ocorrem nas marés de sizígia, depois de períodos de alta pluviosidade; iii) Opportunistic mixers, diatomáceas pequenas ou alongadas, formadoras de cadeia, que ocorrem durante períodos de quadratura; iv) Local mixers, diatomáceas e dinoflagelados microplanctônicos que foram abundantes em todas as 298 estações amostradas, e v) Mixotrophic dinoflagellates, que ocorrem após intensas descargas estuarinas. Os resultados sugerem uma alteração no padrão temporal de algumas espécies formadoras de florações, enquanto outras apresentaram abundâncias superiores aos valores seguros para a saúde publica. Esta abordagem ilustra também os possíveis impactos de variações na descarga de água doce em estuários altamente eutrofizados.

Stochastic simulation of time-series models combined with geostatistics to predict water-table scenarios in a Guarani Aquifer System outcrop area, Brazil

Stochastic methods based on time-series modeling combined with geostatistics can be useful tools to describe the variability of water-table levels in time and space and to account for uncertainty. Monitoring water-level networks can give information about the dynamic of the aquifer domain in both dimensions. Time-series modeling is an elegant way to treat monitoring data without the complexity of physical mechanistic models. Time-series model predictions can be interpolated spatially, with the spatial differences in water-table dynamics determined by the spatial variation in the system properties and the temporal variation driven by the dynamics of the inputs into the system. An integration of stochastic methods is presented, based on time-series modeling and geostatistics as a framework to predict water levels for decision making in groundwater management and land-use planning. The methodology is applied in a case study in a Guarani Aquifer System (GAS) outcrop area located in the southeastern part of Brazil. Communication of results in a clear and understandable form, via simulated scenarios, is discussed as an alternative, when translating scientific knowledge into applications of stochastic hydrogeology in large aquifers with limited monitoring network coverage like the GAS.