Estudo do aerossol (poeira do Sara) na região de Cabo Verde

No âmbito do projeto CV-DUST foi desenvolvida uma campanha de medição do aerossol atmosférico na Cidade da Praia (14° 55’ N, 23°29’ W), de janeiro de 2011 a janeiro de 2012. A concentração do aerossol foi determinada com base no método gravimétrico, com a amostragem feita em termos de PM10 e em frações granulométricas, usando impactores. Complementarmente, foi usado um contador ótico de partículas que permite a monitorização em contínuo e a classificação do número de partículas em 31 frações de tamanho na gama entre 0,25 e 32 μm. A composição química do aerossol foi determinada com incidência nos seguintes componentes: iões inorgânicos solúveis em água (Cl-, NO3-, SO42-, Na+, NH4+, K+, Mg2+ e Ca2+), carbonato total, elementos maioritários da crosta (Si, Na, Al, Fe, Ca, Mg, K, Ti e Mn) e elementos vestigiais (Ba, Zn, Zr, Pb, Cu, Ce, Ni, Cr, V, Co, Sc, As, Sm e Sb), assim como a fração carbonácea (carbono elementar – EC e o carbono orgânico - OC). Durante a campanha, a concentração de PM10 apresentou uma grande variabilidade temporal, com valores médios (à escala diária) situados entre 10 μg/m3 e 507 μg/m3, sendo a concentração média anual estimada em cerca de 59 μg/m3. As concentrações mais elevadas (tipicamente acima dos 100 μg/m3) foram registadas durante os eventos de poeira proveniente do Norte de África, sendo os mais intensos observados nos meses de janeiro, fevereiro e dezembro de 2011. Os registos do contador ótico, feitos em intervalos de 5 min, revelaram que durante os eventos de poeira as concentrações médias horárias das partículas PM10 e PM2.5 podem ultrapassar os 700 μg/m3 e 200 μg/m3, respetivamente. Com base nos resultados do método ótico, as contribuições das frações granulométricas PM1, PM(1-2.5) e PM(2.5-10) para a massa de PM10 foram estimadas em cerca de 11 %, 28 % e 61 %, respetivamente. A composição química do aerossol varia consideravelmente ao longo do ano e revela a predominância das partículas minerais e do sal marinho. Com base em cálculos do balanço mássico das espécies químicas, as contribuições dos dois constituintes maioritários para a massa de PM10 foram estimadas em cerca de 47 % (partículas minerais) e 17 % (sal marinho). O aerossol secundário (NO3-, NH4+ e fração não marinha do SO42) e o aerossol carbonáceo (EC + OC) contribuem cada um com cerca de 4 % e 3 %, respetivamente. A fração mássica restante (cerca de 29 %), corresponde aos constituintes não analisados, podendo a água ser a mais importante neste grupo. A análise química das amostras segregadas por tamanho revela a seguinte composição para as partículas PM1, PM(1-2.5) e PM(2.5-10): 5,2, 11,8 e 20,7 % (constituintes do sal marinho); 8,6, 3,7 e 3,1 % (iões secundários); 8,9, 1,5 e 1,3 % (EC + OC).

Comparison of different methods to detect genetic barriers in a small mammal population

Habitat fragmentation and the consequently the loss of connectivity between populations can reduce the individuals interchange and gene flow, increasing the chances of inbreeding, and the increase the risk of local extinction. Landscape genetics is providing more and better tools to identify genetic barriers.. To our knowledge, no comparison of methods in terms of consistency has been made with observed data and species with low dispersal ability. The aim of this study is to examine the consistency of the results of five methods to detect barriers to gene flow in a Mediterranean pine vole population Microtus duodecimcostatus: F-statistics estimations, Non-Bayesian clustering, Bayesian clustering, Boundary detection and Simple/Partial Mantel tests. All methods were consistent in detecting the stream as a non-genetic barrier. However, no consistency in results among the methods were found regarding the role of the highway as a genetic barrier. Fst, Bayesian clustering assignment test and Partial Mantel test identifyed the highway as a filter to individual interchange. The Mantel tests were the most sensitive method. Boundary detection method (Monmonier’s Algorithm) and Non-Bayesian approaches did not detect any genetic differentiation of the pine vole due to the highway. Based on our findings we recommend that the genetic barrier detection in low dispersal ability populations should be analyzed with multiple methods such as Mantel tests, Bayesian clustering approaches because they show more sensibility in those scenarios and with boundary detection methods by having the aim of detect drastic changes in a variable of interest between the closest individuals. Although simulation studies highlight the weaknesses and the strengths of each method and the factors that promote some results, tests with real data are needed to increase the effectiveness of genetic barrier detection.