The influence of elemental chemistry on the widths of otolith increments in the neon damselfish (Pomacentrus coelestis)

We examined the potential for water chemistry to affect the width of daily increments in reef fish otoliths using both mensurative and manipulative methods. We found significant differences in the widths of increments in otoliths of the neon damselfish (Pomacentrus coelestis) collected in different habitats at One Tree Island on the Great Barrier Reef. We then used manipulative experiments to determine if natural water masses (ocean water vs. lagoon plume) could produce different incremental widths in otoliths in the absence of potentially confounding factors. Fish exposed to ocean water had significantly wider otolith increments for two of the three experiments. Elemental analyses indicated that Ba/Ca ratios were significantly correlated with increment widths for two of the three experiments and Sr/Ca ratios did not correlate with increment width for any experimental period. Variation in crystal-lattice orientation did not explain differences in increment width between treatments. Differences in water chemistry can affect increment widths in otoliths of reef fishes, potentially confounding patterns previously attributed to growth rate or condition alone.

Analyzing standard curves in the chemistry of waters used for aquaculture

A practical guide is given to help aquaculture researchers identify and correct common problems associated with the colorimetric analysis of water. Hints in making standard solutions, choosing standard concentrations for making a standard curve and making measurements are included. Various types of standard curves and some problems are outlined and details provided regarding the evaluation of standard curves.

SUNLIGHT: a computer program for calculation of daily solar radiation

This paper presents an algorithm and software (available from ICLARM) for estimating the possible amount of sunlight that may fall on any location of the earth, any day of the year, as might be required for ecological modelling.

Estudo de níveis de ozônio troposférico usando métodos de estatística univariada e multivariada para duas localidades da cidade do Rio de Janeiro

Com cada vez mais intenso desenvolvimento urbano e industrial, atualmente um desafio fundamental é eliminar ou reduzir o impacto causado pelas emissões de poluentes para a atmosfera. No ano de 2012, o Rio de Janeiro sediou a Rio +20, a Conferência das Nações Unidas sobre Desenvolvimento Sustentável, onde representantes de todo o mundo participaram. Na época, entre outros assuntos foram discutidos a economia verde e o desenvolvimento sustentável. O O3 troposférico apresenta-se como uma variável extremamente importante devido ao seu forte impacto ambiental, e conhecer o comportamento dos parâmetros que afetam a qualidade do ar de uma região, é útil para prever cenários. A química das ciências atmosféricas e meteorologia são altamente não lineares e, assim, as previsões de parâmetros de qualidade do ar são difíceis de serem determinadas. A qualidade do ar depende de emissões, de meteorologia e topografia. Os dados observados foram o dióxido de nitrogênio (NO2), monóxido de nitrogênio (NO), óxidos de nitrogênio (NOx), monóxido de carbono (CO), ozônio (O3), velocidade escalar vento (VEV), radiação solar global (RSG), temperatura (TEM), umidade relativa (UR) e foram coletados através da estação móvel de monitoramento da Secretaria do Meio Ambiente (SMAC) do Rio de Janeiro em dois locais na área metropolitana, na Pontifícia Universidade Católica (PUC-Rio) e na Universidade do Estado do Rio de Janeiro (UERJ) no ano de 2011 e 2012. Este estudo teve três objetivos: (1) analisar o comportamento das variáveis, utilizando o método de análise de componentes principais (PCA) de análise exploratória, (2) propor previsões de níveis de O3 a partir de poluentes primários e de fatores meteorológicos, comparando a eficácia dos métodos não lineares, como as redes neurais artificiais (ANN) e regressão por máquina de vetor de suporte (SVM-R), a partir de poluentes primários e de fatores meteorológicos e, finalmente, (3) realizar método de classificação de dados usando a classificação por máquina de vetor suporte (SVM-C). A técnica PCA mostrou que, para conjunto de dados da PUC as variáveis NO, NOx e VEV obtiveram um impacto maior sobre a concentração de O3 e o conjunto de dados da UERJ teve a TEM e a RSG como as variáveis mais importantes. Os resultados das técnicas de regressão não linear ANN e SVM obtidos foram muito próximos e aceitáveis para o conjunto de dados da UERJ apresentando coeficiente de determinação (R2) para a validação, 0,9122 e 0,9152 e Raiz Quadrada do Erro Médio Quadrático (RMECV) 7,66 e 7,85, respectivamente. Quanto aos conjuntos de dados PUC e PUC+UERJ, ambas as técnicas, obtiveram resultados menos satisfatórios. Para estes conjuntos de dados, a SVM mostrou resultados ligeiramente superiores, e PCA, SVM e ANN demonstraram sua robustez apresentando-se como ferramentas úteis para a compreensão, classificação e previsão de cenários da qualidade do ar