Comportamento geoquímico do fósforo em sistemas lacustres tropicais

Considerando a multiplicidade dos impactos ambientais associados às albufeiras pretendeu-se verificar a disponibilidade da utilização, como recurso agrícola, dos sedimentos desenvolvidos sob clima tropical. Estudaram-se duas albufeiras, Três Marias e Tucuruí situadas no Brasil, cujos materiais depositados apresentam forte componente siltosa e argilosa. Possuindo valores de matéria orgânica considerados médios, as amostras têm valores de pH (H20) ácidos, elevados teores de Fe203 e Ah03 e baixa diversidade de minerais argilosos (apenas ilite e caulinite). Apesar das quantidades totais de fósforo serem significativas, os valores da forma disponível deste elemento não ultrapassam o 1%. Através da análise de clusters, correlações de Pearson e fraccionamento químico do fósforo inorgânico, concluiu-se que o elemento que influencia a retenção deste elemento nos sedimentos é o ferro. Embora com baixos teores de fósforo sob forma imediatamente disponível, os sedimentos apresentam boa qualidade para fins agrícolas pois, para diferentes variáveis, ultrapassam os valores médios dos solos minerais. ABSTRACT; considering the diversity of environmental impacts related to dam reservoirs, this study aims at verifying the suitability of sediments accumulated in tropical climates, as agricultural resource. We have studied two Brazilian reservoirs, Três Marias and Tucuruí, whose sediments were classified, respectively, as silty clay and clayey silt. The accumulated material has medium contents of organic matter, acid values of pH(H20), high contents of Fe203 and Al203, and low diversity of clay mineral groups (only illite and kaolinite). Although sediments have significant amounts of phosphorus, the available form of this element never exceeds 1%. Data on statistical analysis of clusters, Pearson correlations and chemical fractionation of inorganic phosphorus, indicates that phosphorus adsorption capacity of sediments is predominantly associated with Fe. Even considering the low levels of the readily available form of phosphorus, for most variables, sediments exceed medium values for mineral soils, making this material advantageous for plant nutrition.

Previsão da Classificação da qualidade dos efluentes da indústria petrolífera com recurso a sistemas inteligentes

O presente trabalho realizou-se na Refinaria de Sines e teve como principal objectivo a utilização de ferramentas oriundas da Área Científica da Inteligência Artificial no desenvolvimento de modelos de previsão da classificação da Água Residual Industrial de acordo com a Legislação em vigor, com vista à minimização dos impactes ambientais e das tarifas aplicadas pela Concessionária (Águas de Santo André) à Refinaria. Actualmente a avaliação da qualidade do efluente é realizada através de métodos analíticos após colheita de uma amostra do efluente final. Esta abordagem é muito restritiva já que não permite actuar sobre o efluente em questão pois apenas pode evitar que, no futuro, uma mistura semelhante volte a ser refinada. Devido a estas limitações, o desenvolvimento de modelos de previsão baseados em Data Mining mostrou ser uma alternativa para uma questão pró-activa da qualidade dos efluentes que pode contribuir decisivamente para o cumprimento das metas definidas pela Empresa. No decurso do trabalho, foram desenvolvidos dois modelos de previsão da qualidade do efluente industrial com desempenhos muito semelhantes. Um deles utiliza a composição das misturas processadas e o outro, utiliza informações relativas ao crude predominante na mistura. ABSTRACT; This study has taken place at the Sines Refinery and its main objective is the use of Artificial Intelligence tools for the development of predictive models to classify industrial residual waters according with the Portuguese Law, based on the characteristics of the mixtures of crude oil that arrive into the Refinery to be processed, to minimize the Environmental impacts and the application of taxes. Currently, the evaluation of the quality of effluent is performed by analytical methods after harvesting a sample of the final effluent. This approach is very restrictive since it does not act on the intended effluent; it can only avoid that in the future a similar mixture is refined. Duet these limitations, the development of forecasting models based on Data Mining has proved to be an alternative on the important issue which is the quality of effluent, which may contribute to the achievement of targets set by the Company. During this study, two models were developed to predict the quality of industrial effluents with very similar performances. One uses the composition of processed mixtures and the other uses information regarding the predominant oil in the mixture.

Impactos ambientales en la microcuenca del río Parafuso, Amazonas oriental, Brasil

The research analyzed the environmental impact on hydrographic microbasin of Parafuso stream at Moju county, Para State, Amazon (Brazil). Data were obtained using digital images, documentary research, questionnaires, semi structured interviews, direct observation and participatory mapping. The results showed that anthropogenic actions and population growth without planning, associated with not planned use of the natural resources, has been caused intense degradation in the physical, biological and anthropogenic environment. The identified springs of the Parafuso stream are difuse, temporary and altered. The parafuso stream network was classified at second order. Most of the environmental impacts identified are adverse character, of great importance, high magnitude and long duration. The physical environment is the most impacted. The major impacting activity is the agriculture, with long term damage in the physical and biological environment, in order of magnitude and importance.