CBEIH - Relatório de Publicações 2012 by Gabriela Rabelo

2012

Relatório de publicações GT343 Controle do Mexilhão-dourado: Bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas, realizado em dezembro de 2012

(PÁGINA DEIXADA EM BRANCO INTENCIONALMENTE)

RELATÓRIO DE PUBLICAÇÕES Este documento tem por objetivo apresentar parte dos resultados obtidos pelo Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas no ano de 2012. Constam neste relatório os resultados já apresentados em congressos, conferências e workshops e artigos submetidos para publicação em revistas e periódicos nacionais e internacionais. Os referidos trabalhos são oriundos das linhas de pesquisa do CBEIH, abrangendo Bioengenharia, Modelagem e Simulação e Monitoramento Ambiental.

BELO HORIZONTE, 07 DE DEZEMBRO DE 2013

2012

Relatório de publicações

(PÁGINA DEIXADA EM BRANCO INTENCIONALMENTE)

SUMÁRIO APRESENTAÇÃO 1. PUBLICAÇÕES E APRESENTAÇÕES EM CONGRESSOS E EVENTOS 1.1 Conferência Internacional de espécies invasoras aquáticas 2.1.1 A Cellular Automata Model for the Spread of the Golden Mussel (Limnoperna fortunei) 2.1.2 Characterization of the foot of invasive species Limnoperma fortunei by electron microscopy 2.1.3 Effects of the Presence of Saxitoxin and Microcystin in the Grazing Rate of Limnoperna fortunei 2.1.4 Comparing different Spatial Distribution Models to predict the potencial invasion area of Limnoperna fortunei (Dunker 1857) 2.1.5 Forecasting the invasion of Limnoperna fortunei in a global scale 2.1.6 Forecasting the invasion of Limnoperna fortune in Brazil, experimental knowledge versus environmental niche modeling 2.1.7 Modeling The Population Dynamics of the Species Limnoperna Fortunei In Reservoirs Influenced By The Presence Of Predatory Fish 2.1.8 Development Of The Computational Tool Terrame For Modeling The Process Of Invasion By The Species Limnoperna Fortunei

1.2 Congresso Brasileiro de Engenharia e Ciência dos M ateriais 2.2.1 Caracterização micro e nanométrica da concha de Limnoperna fortunei utilizando técnicas de microscopia e difração de raios-X 2.2.2 Caracterização físico-química do composto cerâmico CaCO3 biomineralizado em conchas de Mexilhão-dourado (Limnoperna fortunei). 2.2.3 Caracterização microestrutural do pé do mexilhão-dourado (Limnoperma fortunei) utilizando microscopia eletrônica. 2.2.4 Processamento e análise de imagens da concha de Limnoperna fortunei obtidas por microscopia eletrônica

2. ARTIGOS SUBMETIDOS EM REVISTAS OU PERIÓDICOS 2.1 Microstructure of the ceramic composite material of the shell of the Limnoperna fortunei (golden mussel)

3. TRABALHOS DE INICIAÇÃO CIENTÍFICA (FAPEMIG E CNPQ) 4.1 Modelagem De Áreas De Invasão Potencial Pelo Mexilhão Dourado Através Do Software Arcgis 4.2 Caracterização microestrutural do pé do mexilhão-dourado (Limnoperna fortunei) utilizando microscopia eletrônica 4.3 Análise do potencial invasor de Limnoperna fortunei (Dunker, 1857) para os principais rios de Minas Gerais através de Modelos de Distribuição Geográfica Potencial 4.4 Análise Comportamental do Mexilhão Dourado (Limnoperna fortunei) 4.5 Modelos Dinâmicos para predição da Invasão do mexilhão dourado 4.6 Uso do Maxent para a modelagem da distribuição potencial da espécie Limnoperna fortunei 4.7 Modelagem da dinâmica populacional da espécie limnoperna fortunei em função da presença de peixes predadores no reservatório de Volta Grande 4.8 Modelagem do processo de invasão da espécie Limnoperna fortunei no alto curso da bacia do paraná através da ferramenta computacional TerraME

APRESENTAÇÃO

Com o objetivo de

amenizar

os prejuizos ocasionados pela presença de espécies invasoras em

reservatórios de captação de água para abastecimento e geração de energia elétrica, a CEMIG e o CETEC criaram o Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas (CBEIH), que baseia sua metodologia de combate aos organismos invasores no tripé Monitoramento, Bioengenharia e Modelagem Ambiental. A equipe do CBEIH possui mais de dez anos de trabalho na prevenção e controle de espécies através de pesquisas em bioengenharia e novos materiais tecnológicos. Atualmente o CBEIH está focado no controle do mexilhão-dourado (Limnoperna fortunei), espécie invasora rios e usinas hidrelétricas, principalmente na região sul e sudeste do Brasil (base.cbeih.org).

• Monitoramento O Monitoramento consiste em um conjunto de atividades organizadas para acompanhar dispersão do organismo no meio ambiente, onde equipes treinadas visitam periodicamente locais infestados e não infestados, obtendo dados ambientais e ecológicos que auxiliam na compreensão das relações entre o organismo invasor e o meio ambiente.

Além dos métodos já estabelecidos de coleta, o centro pretende avançar mais com o auxílio de tecnologias de vanguarda, como PCR e automação de sistemas integrados. Os dados georeferenciados obtidos são adicionados a um Banco de Dados Colaborativo, ferramenta on-line de acesso gratuito, disponível no portal do CBEIH (www.cbeih.org), onde pesquisadores convidados contribuem, pela inserção de dados, com a construção de uma base robusta e confiável.

• Bioengenharia A Bioengenharia consiste em estudos laboratoriais avançados, onde a estrutura e o comportamento do organismo são desvendados. No laboratório de bioengenharia, equipado com tecnologia de ponta, os pesquisadores descobrem detalhes das estruturas micro e nanoscópicas dos organismos, a formação de tecidos, sua caracterização bioquímica, genética e morfofisiológica. Para obter informações com tal profundidade, o CBEIH conta com instrumentos como MEV e DSC, além de um convênio com o Centro de Miscroscopia da UFMG. O conhecimento adquirido pode fornecer as respostas biotecnológicas para o combate das espécies invasoras, na medida em que compreendemos processos fisiológicos como a construção de conchas, produção de tecidos, métodos de adesão, alimentação, comportamento reprodutivo, etc. Cabe também à bioengenharia a criação de novos materiais bioinspirados, alavancando diversos ramos da indústria.

• Modelagem A Modelagem utiliza os dados obtidos pelo monitoramento e pela bioengenharia para gerar modelos matemáticos preditivos da dispersão do organismo observado. É possível prever os fluxos de dispersão e montar estratégias mais eficazes de combate e controle, principalmente naqueles pontos geograficamente vulneráveis. O domínio das metodologias de modelamento permite a criação de modelos matemáticos em praticamente qualquer área, modelos que permitem a execução eficiente de projetos diversos, minimizando custos e impactos.

• Early detection Para o próximo ano, o CBEIH pretende avançar na criação do primeiro laboratório de Early Detection no Brasil, a fim de estabelecer um protocolo capaz de nivelar, de acordo com os mais altos padrões internacionais, as atividades do monitoramento terceirizado nas grandes represas. O Early Detection é um processo moderno e eficiente, fruto de metodologias combinadas, implementado com sucesso em grandes centros de pesquisa fora do Brasil, tendo como principal referência o Bureau of Reclamation (EUA).

Dentro do monitoramento, o CBEIH se apóia em tripé tecnológico, composto de Análise Visual Automatizada de Microfluido, Reação em Cadeia Polimerase (PCR) e Contagem de Larvas por Microscopia Ótica de Luz Polarizada. Prosposta pelo Bureau of Reclamation (USA), adaptada e aprimorada pelo CBEIH no Brasil, essa tríade oferece, juntamente com o monitoramento clássico, um referencial confiável e dinâmico sobre a distribuição de um organismo. A Reação em Cadeia Polimerase, para identificação e quantificação do DNA das espécies alvo em amostras de água. Esta metodologia, conhecida como PCR, é largamente empregada na detecção de outros organismos em grandes amostras de água, inclusive no Brasil. Outro método de vanguarda aplicado no DRRI é o de Análise Automatizada de Partículas em Microfluido, a fim de otimizar a análise qualitativa e quantitativa de organismos microscópicos (como algas e larvas de organismos de interesse), somada à metodologia tradicional de contagem em lupa, auxiliada pela adição de luz polarizada (de grande auxílio na observação de larvas com concha). Outra linha de trabalho que auxilia na detecção precoce da invasão é a automação e robotização de sistemas integrados por câmeras e sensores diversos, acessados remotamente pelo centro, de qualquer lugar do Brasil. O emprego de tecnologia de ponta no Monitoramento permitirá a programação de atividades de contenção e controle nos estágios iniciais da invasão. A metodologia gerada pelo monitoramento tecnológico constitui um protocolo, a ser seguido por todas as concessionárias de produção hidrelétrica, captação de água e afins, possibilitando a criação de pontos confiáveis de observação das flutuações populacionais das espécies avaliadas e facilitar as ações de controle. Os dados georeferenciados obtidos são adicionados a uma Base Colaborativa de Dados, ferramenta on-line de acesso gratuito, disponibilizada no portal do CBEIH (base.cbeih.org), onde pesquisadores convidados contribuem, pela inserção de dados, com a construção de uma base robusta e confiável, e a dispersão geográfica da espécie alvo pode ser acompanhada em tempo real, mesmo em regiões não cobertas pelo programa de monitoramento previsto, como regiões de fronteira e dentro dos territórios de outros países da América Latina.

• Equipe Assim como qualquer desafio tecnológico, o monitoramento de espécies invasoras e as atividades de Early Detection exigem uma abordagem multidisciplinar e por esse motivo, a equipe do projeto é composta por profissionais de diversas áreas que atuam em sintonia no desenvolvimento de soluções para os diversos problemas que circundam a proposta. Entre estas áreas, podemos citar: biologia, ecologia, geografia, engenharia de materiais, engenharia de controle e automação, design de produto, arquitetura, química, entre outras.

• Inovação Com o desenvolvimento de tecnologias nacionais de Early Detection, existem diversas perspectivas de requisição de propriedade intelectual, principalmente em relação a patentes envolvendo processos e produtos. Estão prevsitas patentes referentes a: •

Software próprio de Visualização Computacional para Análise de Partículas em Microfluido (desenvolvimento concluído);

•

Suite de Softwares (Java, C e MATLAB) para geração de matrizes celulares e modelagem dinâmica em cenários geoespaciais delimitados (em etapa final do desenvolvimento);

•

Software para cálculo de risco potencial decorrente do tráfego de embarcações (concluído);

•

Dispositivo autônomo remoto para visualização e medição de parâmetros diversos (em desenvolvimento);

•

Tintas e revestimentos (coatings) antiaderentes hidrofóbicos e super-hidrofóbicos.

• Redes colaborativas O CBEIH objetiva se tornar um núcleo de inteligência que conecta a indústria e os programas de pós graduação, introduzindo nas grandes universidades e centros de pesquisa as demandas crescentes da indústria nas áreas onde a inovação tecnológica é essencial. O Centro já está inserido em uma rede de colaboração que une laboratórios, centros de pesquisa e programas de pós-graduação no Brasil e no exterior. Dentre eles, podemos destacar a sinergia com o Bureau of Reclamation (entidade vinculada ao Ministério do Interior dos EUA), o Departamento de Engenharia Mecânica e Aeroespacial da Universidade da California (USA), representado pela figura do pesquisador Marc Meyers1 e o Centro de Biologia Marítima da USP2 (CEBIMar).

www.meyersgroup.ucsd.edu/

http://cebimar.usp.br/

UNIDADE I

Publicações e Apresentações em

Congressos e Eventos

INTERNATIONAL CONFERENCE ON AQUATIC INVASIVE SPECIES – ICAIS (CONFERÊNCIA INTERNACIONAL EM ESPÉCIES AQUÁTICAS INVASORAS)

A Conferência Internacional de espécies invasoras aquáticas foi realizada nas cataratas de Niágara, Ontário, Canadá , em abril de 2013 e os artigos foram aceites em Setembro de 2012 O ICAIS é considerado o fórum internacional mais abrangente sobre espécies aquáticas invasoras e continua a evoluir para tratar de questões ambientais novas e em andamento. Sessões e apresentações incluem a revisão do conhecimento científico acumulado , apresentação da mais recente pesquisa de campo , a introdução de novos desenvolvimentos tecnológicos para a prevenção , monitoramento e controle ; discussão de políticas e legislação , e mecanismos de sensibilização com o público em geral , através de iniciativas de educação ambiental. Nos últimos anos, a conferência tem normalmente mais de 400 participantes de mais de 30 países, representando a academia , indústria, governo agências, ONGs e outras partes interessadas envolvidas nas questões. Muitos estão buscando oportunidades de cooperação e colaboração para abordar questões desde uma perspectiva global internacional.

1.1.1. A Cellular Automata Model for the Spread of the Golden Mussel (Limnoperna fortunei) Vinícius Carvalho Resende 1 , Mônica de Cássia Souza Campos 1,2 , Fabiano Alcísio e Silva 1 , Helen Regina Mota 3 , Marcela David de Carvalho 3 , Antônio Valadão Cardoso 1,2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

The golden mussel (Limnoperna fortunei Dunker 1857) is a fouling bivalve native to Southeastern Asia. It arrived in South America around 1991, causing severe environmental and economic damage. In order to guide preventive and control actions different types of models may be developed. The most common models relate occurrence records to a set of relevant environmental variables, resulting in potential distribution maps. Spatially explicit dynamic models, in turn, take spatial and temporal scales into account, predicting where and when the species will invade. This work proposes a model of this kind, based on a Cellular Automata approach. The space is represented by a grid of cells, each containing one of three possible states: Mussel presence (1), Mussel absence (0), land areas or other barriers (2). Two Shapefiles are read and converted to appropriate formats (matrices and structs); one containing data from sampling points, another with the drainage surface area. The sampling points must contain the input parameters used by the model (initially Chlorophyll a and water velocity). Input data from sampling points are interpolated throughout the entire grid by an ordinary kriging algorithm, and used for evaluation of the settlement factor (β) of each cell, according to a set of fuzzy rules. This variable shows how suitable a cell is for the settlement of the species. Other data are inserted by the user, such as flow direction and invasion areas. The river flow may act as a dispersion agent downstream and halt the invasion upstream. However if the water speed is too high, the settlement is hindered both ways. Thus, the cell’s neighborhood, originally Moore’s, is divided into two parts; five downstream and five upstream neighbors. After the simulation begins, at each time iteration, the state of a cell with mussel absence may change (from 0 to 1) with probability Pi if it has a neighbor with presence. Pi is the product of the settling factor named β with a corrective factor K. This parameter is adjusted during the calibration process, in which the model is executed several times with different values for K, evaluating its performance according to the settlement data given by the user and sampling points. The use of Cellular Automata gives simplicity to the model, dispensing a thorough knowledge of the system. However, parameter estimation is highly dependent on accurate mussel progression data (temporal series). This is a problem when we are confronted with the available data, which is gathered through field sampling. So far scale tests in laboratories are unfeasible because the species does not reproduce readily in such environments. Future scale tests of environmental conditions and increasing shared databases may provide the model with enough data to evaluate its performance.

1.1.2. Characterization of the foot of invasive species Limnoperma fortunei by electron microscopy Arnaldo Nakamura Filho 1, João Locke Ferreira de Araújo1, Helen Regina M ota3, M arcela David de Carvalho3, Antônio Valadão Cardoso1,2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

Limnoperna fortunei (Dunker, 1857) is a bivalve mollusc known as the golden mussel and represents a typical example of an invasive species capable of inducing significant changes in natural or artificial water systems. Its rapid expansion imposes the need for research to increase knowledge about the mussel attachment process, which may facilitate the development of techniques for efficient and environmentally sustained control. In the present study we have employed SEM and TEM for the microstructural characterization of the golden mussel’s foot due to the efficiency of electron microscopy in the characterization of materials and biological structures. The information obtained from the SEM and TEM images is different. While the SEM produces direct surface images, TEM provides three dimensional information at a cellular level. Adult golden mussels were collected and transported to the laboratory in refrigerated and aerated boxes. Samples were collected in the cultivation laboratory in the CETEC facilities. The animals were dehydrated, the feet were dissected and properly prepared for scanning and transmission. The images were produced with the technological support of the Microscopy Center (UFMG). In the images obtained, at SEM, we observed ciliary structures over the whole extension of the foot, and not only on the back, as described in the literature. These small filaments that cover the foot of the mussel are also found covering the toes of geckos, particularly in the genus Gecko, and they may indicate a similar adhesion effect and explain the strong adherence of mussels to almost any substrate. The images obtained in TEM provided us with information at a cellular level, and allowed the observation of a significant number of mitochondria, organelles related to an activity with a great expenditure of energy, and with a structure similar to the axoneme, a fundamental structure that composes the bodies of cilia and flagella, which may define these microstructures as true cilia.

(APRESENTAÇÃO ORAL)

1.1.3. Effects of the Presence of Saxitoxin and Microcystin in the Grazing Rate of Limnoperna fortunei Vinicius Diniz 1 , M ônica de Cássia Souza Campos 1 , Helen Regina Mota 3 , M arcela David de Carvalho 3 , Antônio Valadão Cardoso 1,2 , Patrícia Pimentel 2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

Limnoperna fortunei is a bivalve mollusk of the Mytilidae family, generally known as the “golden mussel”. Its geographical native distribution was restricted to Southeast Asia, particularly China. However in 1966, this bivalve was described as an invasive species in Hong Kong and, in 1991, in Japan and South America. There is a strict relationship between L. fortunei, a filter-feeder, and Cyanobacteria, which is known to produce toxins that are released into the water, and which can be bioaccumulated in the food chain. L. fortunei is capable of filtering and ingesting solid particles in suspension, therefore, it can ingest toxic matter – such as cyanobacteria. This reveals L. fortunei’s ability to work as a bioaccumulator of cyanotoxins. Having realized studies “in vitro”, this project intends to present the ecological relationship between the presence of cyanobacteria and the mussel’s grazing rate. The mussels were exposed for an hour to three strains of Cyanobacteria: a toxic, Microcystis aeruginosa (microcystin-producer); a non microcystin-producer M. aeruginosa and a saxitoxin producer, Cylindrospermopsis raciborskii. After this , the number of cyanobacteria from a portion of the medium was counted in a Neubauer chamber. The “t test” was used to detect significant differences between the parameters "grazing rate" and " species of cyanobacteria evaluated ". The null hypothesis was rejected with usual levels of probability (0.05). The results for grazing rates differed. The mussels did not graze in the presence of toxic M. aeruginosa., None of them opened their shells for a period of at least two hours. This result agrees with CATALDO et al. (2012), who showed that, with high concentrations of mycrocistin, mussels did not graze. In contrast, GRAZULHA et al. (2012) and RUCKERT et al. (2004), affirmed that the mussel’s grazing rate was not influenced by the presence of toxic strains. The mussel’s filtration rates were quite different from those wtih the non microcystin-producer M. aeruginosa and saxitoxin producer Cylindrospermopsis (163.00 and 17.51 mL.mussel-1.h-1, respectively) as has been found by t test (p <0.05). It was observed that, in the presence of Cylindrospermopsis , the mussel kept its siphon opened during the period of the experiment, but its filtration rates were lower. This is probably due to the paralyzing effect that saxitoxin causes in some mollusks.

As a final inference, the results showed that the concentration and kind of cyanotoxins can be important in the selection of mussel feeding behaviour. The saxitoxin has a paralyzing effect on grazing, and mussels in mycrocistin concentrations greater than or equal to 2 ppb can inhibit filtration behavior . Therefore, in aquatic environments, cyanobacteria can affect L. fortunei, but further studies are necessary to elucidate the cyanotoxina concentrations which can generate negative effects on mussels.

1.1.4. - Comparing different Spatial Distribution Models to predict the potencial invasion area of Limnoperna fortunei (Dunker 1857). Danielle Diniz Galvão 1 , Bárbara Gomes Kunzmann 1 Mônica de Cássia Souza Campos 1,2 , Fabiano Alcísio e Silva 1 , André Felipe Alves de Andrade 1 , Helen Regina M ota 3 , Marcela David de Carvalho 3 , Antônio Valadão Cardoso 1,2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

Predictive modeling of species’ distributions is an important tool in biogeography, evolution, ecology, conservation, and invasive-species management. In this study we applied three different algorithms Mahalanobis Distance, Domain and Maxent using to predict the potential distribution of Limnoperna fortunei, a freshwater mussel native of southeast Asia and a major fouling pest of water supply systems in Hong Kong, Japan, and South America. For models input, we compiled native and invaded occurence data from Asia (71 points) and South America (249 points) from the literature and our database (http://base.cbeih.org/view/Limnoperna+fortunei) and eight BIOCLIM’s environmental layers related to air temperature and precipitation. To evaluate the models quality we use different set of “training” and “test” data. On Mahalanobis Distance and Domain algorithms were used three sets of trainning data: 1) Asia points; 2) South America points; 3) both Asia and South America points. To Maxent the combinations were: 1) South America points (25% test data/75% trainning data); 2) Asia points (25% test data/75% trainning data); 3) South America trainning data/Asia test data; 4) Asia trainning data/ South America test data; 5) Asia + South America points (25% test data/75% trainning data). Comparing the responses of the three types of algorithms used, was found that Maxent was the most conservative model ( i.e it produced a smaller area of suitable habitats) followed in order by, Domain and Mahalanobis Distance wich proved to be the widest while Domain presented better performance. Maxent tended to restrict the predicted habitat to locations close to existing presence records while Mahalanobis Distance projected the potencial habitat of L . fortunei to all over the world with high adequability level. The responses of Domain and Mahalanobis Distance Models showed the importance of a larger amount of training data, including a wide geographical area (with occurrence data coming from South America and Asia) to improve the accuracy of the model in terms of transferability. Domain models that used only Asia training data, or just South America, resulted in increased idiosyncrasies. The use of occurrence data just from South America by Mahalanobis Distance has generated overfitting. For Maxent, again, the best results corresponded to models in which the points of occurrence covered a greater environmental variability (Asia+South America 25% test data/75% trainning data and South America trainning data/Asia test data). The first showed better performance to predict correctly the occurrence of regions known to species. Conversely, the worst model (Asia trainning data/South America test data) used the few training data from Asia with a high degree of spatial

autocorrelation resulting in underestimation. The Domain and Maxent performed well in assessing the potential global distribution of L. fortunei besides presenting relatively friendly interfaces and not requiring the use of grained abiotic variables. However, for the prediction of potential distribution of a highly aggressive species, such as Limnoperna fortunei. The use of Maxent is less recommended once it restricts areas potentially suitable for the species, proving that it is more conservative.

(APRESENTAÇÃO ORAL)

1.1.5. Forecasting the invasion of Limnoperna fortunei in a global scale Bárbara Gomes Kunzmann 1 , Danielle Diniz Galvão 1 , Mônica de Cássia Souza Campos 1,2 , Fabiano Alcísio e Silva 1 , André Felipe Alves de Andrade 1 , Helen Regina Mota 3 , Marcela David de Carvalho 3 , Antônio Valadão Cardoso 1,2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

Limnoperna fortunei (Dunker, 1857) is a freshwater mussel, native of Southeast Asia, and it has a great invasive potential due to its rapid growth, early maturation, successful recruitment and paucity of natural predator. Its invasion can cause real environmental (competition, ecological imbalance) and economic problems (causing fouling in hydroelectric plants, water treatment plants and other facilities that use raw water). The golden mussel, as it is popular known, has already invaded Hong Kong, Taiwan, Japan, South Korea and continues spreading over South America (Argentina, Uruguay, Paraguay, Bolivia, Brazil). Potential distribution predictive models are important tools once that can support invasive species' studies like L. fortunei, indicating locals that needs efforts on the prevention against invasion and those that needs a major attention for contention of the invasive bivalve. In this case, for a global model of potential distribution for the species in study, L. fortunei’s occurrence data were used from South America (249 points) and Asia (71 points). Eight BIOCLIM's environmental layers of air temperature and precipitation, from Worldclim database, were used as well. The algorithm utilized to analyze were Domain from OpenModeller Desktop 1.1.0 and Maxent 3.3.3k. Considering the species’ invasive potential according to its ecological and adaptative characteristics, the models generated from Domain and Maxent tools were excellent predictors, since forecasting correctly in lakes and rivers where golden mussel’s occurrence is already known, like in Paraguay Basin, Parana and Uruguai Rivers Basins, all from South America, also Oshio Lake, Uji River, Kasumigaura Lake, Kokaigawa and Tone River (all from Japan), Sindian, Daham, Sun Moon Rivers (from Taiwan) and its native habitats in China, South Korea, Cambodia, Laos, Thailand, Indonesia and Vietnam Rivers. According to these models, the specie L. fortunei would be able to enlarge its distribution area, occupying inclusive Amazon Basin, Bolivia, South of Chile, part of Venezuela and Colombia, great part of Central America, Antilles, South and west of Mexico. In Africa, it may invade all of South-Central region. And finally, it could also occupy India and the Mediterranean region of Europe. In the United States of America, it could invade the West Coast, the South and the East too, which coincides with Great Lakes region invaded by Dreissena polymorpha (Pallas,1771), that has similar ecological traits with L. fortunei. In relation to Kluza & McNyset(2007)'s work wich also simulated the distribution of golden mussel using environmental layers, our results showed an increasing in the potential distribution area of the Americas. (APRESENTAÇÃO ORAL)

1.1.6. - Forecasting the invasion of Limnoperna fortunei in Brazil, experimental knowledge versus environmental niche modeling André Alves Andrade 1 , Mônica de Cássia Souza Campos 1,2 , Fabiano Alcísio e Silva 1 , Helen Regina Mota 3 , Marcela David de Carvalho 3 , Antônio Valadão Cardoso 1,2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

The golden mussel, Limnoperna fortunei, is an Asian mussel which has caused economical and environmental impacts in Brazil, Argentina and Southern Asia. Because of its threat, there has been an effort to forecast its invasion through environmental niche models. Although the use of these models is undeniable, it remains a question if they’re the best option to model aquatic invasive species in a smaller scale. As these models rely on the presence points, its results are dependable of the niche occupied by the specie. In recent invasions, such as the golden mussel one, the specie hasn’t occupied its entire potential niche. The golden mussel invasion in Brazil began in 1997, so the mussel is still spreading and data inserted doesn’t represent the whole niche. That means any forecast based on this data will probably be underestimated. As there are plenty of research about invasive species, these data appears as an alternative to model these species. As for the golden mussel, there are laboratorial researches about the tolerance limits of some limnological variables like: pH, water temperature, dissolved oxygen and calcium, and there is also some information of its tolerance to other variables. Using these limits and the data gathered from two water monitoring programs in Brazil, it was possible to develop a GIS model for the whole country that isn’t influenced by the presence data, as it doesn’t use any. The model was developed in the software ArcGIS, using the tool Raster Calculator to divide the stations in two categories: High Probability and Low Probability. Were developed two models for the Brazilian territory, one for the federal region of Minas Gerais and other for the whole country. The stations were analyzed for the limnological variables: pH, water temperature, calcium, dissolved oxygen, conductivity, turbidity and chlorophyll. To compare the results with an environmental niche model, it was also developed a model in the software Maxent, using the same stations and limnological variables, in addition were used 158 presence points (144 from South America and 14 from Asia). In total were developed 7 ArcGIS models, three for Minas Gerais and four for the whole country (for each area were developed one model with all the variables, one without turbidity and one without conductivity, for the whole country was also developed one model without dissolved oxygen and chlorophyll because of

the large amount of points without data for these variables). For Minas Gerais, the percentage of high probability stations ranged from 47-74% and for Brazil it ranged from 40-59%. The Maxent model had a threshold of 0.2 and if used to divide the stations in high probability and low probability, more than 95% of the stations are into the high probability category. However, all the stations demonstrated a low probability, not going beyond 0.5 of probability. In general, the ArcGIS model presented a satisfactory result, with right predictions in areas already occupied and also granting the possibility to analyze the variables individually and providing a better comprehension of the model.

(APRESENTAÇÃO ORAL)

1.1.7. - Modeling The Population Dynamics of the Species Limnoperna Fortunei In Reservoirs Influenced By The Presence Of Predatory Fish Fabiano Alcísio e Silva 1 , Roberto Lopes 1 , Newton Gontijo 1 , Mônica de Cássia Souza Campos 1,2 , , Helen Regina Mota 3 , Marcela David de Carvalho 3 , Antônio Valadão Cardoso 1,2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

The golden mussel, Limnoperna fortunei (Dunker, 1857), is a freshwater bivalve native to China and Southeast Asia that was introduced and established efficiently in South America due to its high adaptive potential (Darrigran & Pastorino, 2004) causing economical and environmental impacts (Darrigran, 2002). The successful establishment of an invasive species in a given environment depends on, among other factors, the low efficiency or lack of predators in the invaded area (Williamson & Fitter, 1996). However, several fish species have been reported in South America as predators of the golden mussel (e.g., Penchaszadeh et al. 2000). The development of models that predict how a golden mussel population is affected by the presence of predators in a given location can be useful as tools for monitoring and controlling the invasive process of this species. This study aimed to develop a mathematical model based on differential equations to predict the population dynamics of L. fortunei taking into account their predation by fish in dam reservoirs. The model was based on and adapted from another one developed by Hannon & Huth (2009), built to predict the population dynamics of the zebra mussel, Dreissena polymorpha (Pallas, 1769), using the graphical programming language STELLA (Structured Thinking Experimental Learning Laboratory with Animation) and a review was made to characterize the biology and ecology of the species as well as its main fish predators registered in South America. The model was divided into three interconnected modules. Module 1: mussel’s growth. In it are located the three state variables of the model and each one of them corresponds to a mussel’s age class that were chosen due to the fact that L. fortunei can reach up to three years old in South America (Boltovskoy & Cataldo, 1999). It was considered that each year a new generation of mussels would be formed, so all individuals born that year would be part of the same age class. The first one corresponds to the mussel’s initial juvenile stage and the second and third ones are represented by adults with two and three years old, respectively. The population growth is affected by several factors like the adult mussel’s fertility and the sustainable population of the area and its mortality is influenced by both natural death and the one caused by predators. Module 2: sustainable population. It corresponds to the maximum mussel density that could inhabit a given reservoir in the long term taking into account some variables of the area such as the amount of hard substrate available for mussel establishment. Module 3: predation rate. It indicates the estimated amount of mussels consumed per year by the predatory fish communities that inhabit the environment. The model developed is a simple tool that can be adjusted to many environments, yet it still needs calibration and validation through field monitoring.

1.1.8. - Development Of The Computational Tool Terrame For Modeling The Process Of Invasion By The Species Limnoperna Fortunei Fabiano Alcísio e Silva 1 , Thalisson Correia 1 , Roberto Lopes 1 , Newton Gontijo 1 , M ônica de Cássia Souza Campos 1,2 , Helen Regina Mota 3 , M arcela David de Carvalho 3 , Antônio Valadão Cardoso 1,2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

The creation of geographic distribution models is a tool to estimate the potential distribution of species, and is currently used for a wide variety of objectives (Guisan & Thiller, 2005). These models have been developed to evaluate the progress of various invasive species. This study aimed to create a computer model for simulation of invasion and spreading of Limnoperna fortunei using the software TerraME. The suggested modeling rules were based on species ecology and rivers dynamics. It was established a modeling procedure based on the concept of Cellular Automata, which is characterized by discrete simulations in time, space and state through simple rules that aim to mimic the laws of nature (biological, physical, etc.) that rules the real process (Ermentrout et al., 1993). It was also chosen the Moore Neighborhood to determinate neighboring cells, where there are cells in the vertical, horizontal and even in diagonal of a cell in the evidence (Gremonini et al., 2008). The rules established for iteration of the program considered a faster contamination of cells located downstream of the river, since the species spreading occurs faster upstream to downstream, due to the greater dispersion of larvae by entrainment of water. Thus, the model is able to predict a more efficient spreading through the species from contamination points in the upstream portions of the basin. In Google Earth, it was possible to download the information present in the Digital Elevation Data 90m (SRTM - Shuttle Radar Topography Mission) for the geographic region of interest. The digital elevation information was opened in ArcGIS 10 software to be merged with a hydrologic shape containing selected rivers. The output was a shape containing elevation data from CGIARCIS. In TerraView 4.1.0 environment, it was created a database from the new shape. In addition to the existing attribute columns in cellular space, six new columns were added: "rivers", created with the objective of detecting cells that passes through rivers; "state", to be the output of the program and the placement of initial points of infestation; "altitude" to contain elevation data from the shape created in ArcGIS; "direction" implemented to have the most likely flow direction; the other two were created to contain approximate values of latitude and longitude of each cell of the cellular space. Were established three possible states for automata: "INACTIVE" (cells not yet infested), "INFESTED" (cells already cells) and "BARRIER" (terrestrial cells). The model has proven effective, and considering general rules of the rivers and biology of the organism, can be reproduced in different areas with minor specific adjustments of locations to be modeled. Although generated results suggest a very functional tool, calibration and validation of the model depends on monitoring the invasion by the species in a certain location.

CONGRESSO BRASILEIRO DE ENGENHARIA E CIÊNCIA DOS MATERIAIS

Desde 1974, pesquisadores e instituições que atuam na área de Ciência e Engenharia de Materiais vêm organizando, bianualmente, o Congresso Brasileiro de Engenharia e Ciência dos Materiais – CBECiMat. Esse importante e tradicional evento conta com o apoio das três entidades que congregam os principais segmentos da comunidade envolvida: a Associação Brasileira de Cerâmica (ABC), a Associação Brasileira de Metalurgia, Materiais e Mineração (ABM) e a Associação Brasileira de Polímeros (ABPol). Para o ano de 2014, numa iniciativa de realizar o evento fora dos grandes centros de excelência da área de Materiais, o evento será realizado em Cuiabá (MT), organizado por um grupo de docentes da Universidade Estadual Paulista (UNESP), no período de 09 a 13/11/2014. Todas as áreas relacionadas à Ciência dos Materiais e Engenharia de Materiais poderão contribuir para o conteúdo do mais importante fórum nacional sobre Pesquisa, Desenvolvimento & Inovação na área de materiais. O evento pretende aproximar ciência e tecnologia para satisfazer interesses acadêmicos e industriais. Espera-se que esta reunião possa contribuir para uma maior aproximação entre pesquisadores, profissionais da indústria e educadores da área de Ciência e Engenharia de Materiais.

2.2.1. Caracterização micro e nanométrica da concha de Limnoperna fortunei utilizando técnicas de microscopia e difração de raios-X Nakamura, A. F 1 , Locke, J. F. A 1 ; Espinoza, H. R 1 ; Almeida, A. C 1 ; Figueira, F.B 1 ; Azevedo, T.V.L 1 ; Guanabens, A.C.P 1 ; Teodoro, E.N.A 1 ; Andrade, G.R. 1 ; Miranda, M.F.D. 1 ; Helen Regina Mota 3 , Marcela David de Carvalho 3 , Antônio Valadão Cardoso 1,2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

O molusco bivalve conhecido como mexilhão-dourado (Limnoperna fortunei), é uma espécie exótica invasora que produz alterações relevantes nos sistemas hídricos naturais e/ou artificiais. É um molusco dulcícola, nativo do sudeste da Ásia, trazido na década de 90 para a América do Sul em águas de lastros de navios cargueiros. Com grande força reprodutiva e sem inimigos naturais no Brasil, o Mexilhão-dourado já está provocando graves danos ambientais e impactos econômicos, principalmente para empresas do setor elétrico, de abastecimento de água e pisciculturas (fazendas aquáticas), pois como são animais de hábito gregário eles acabam por obstruir tubulações, infestam grades, reduzem fluxo de água, incrustam em sistemas de refrigeramento, obstruem tanques rede entre outros. O Limnoperna fortunei possui duas valvas (conchas), constituídas de material cerâmico – carbonato de cálcio (CaCO3) – que confere ao animal uma grande vantagem ecológica, pois além de sustentar o corpo mole a concha o protege de agentes externos como os predadores. Com o auxílio da microscopia eletrônica as micro e nanoestruturas das camadas que compõem a concha foram caracterizadas. Foram utilizados microscópio eletrônico de varredura (MEV), de transmissão (MET), microscópio de força atômica (MFA) e a difração de raios-X (DRX). O estudo foi realizado com o intuito de determinar quais polimorfos do carbonato de cálcio estão presentes na concha e como os cristais estão organizados. Assim, entendo o processo como o animal organiza estes minerais, podemos tentar intervir no processo de construção da concha como uma medida de controle destes animais dentro de sistemas hídricos. Adultos de Mexilhão-dourado foram coletados no rio Paranaíba, município de São Simão (-19,588611/-50,980000) no estado de Goiás, em meados de dezembro de 2010 (primavera/verão) e transportados até o laboratório de cultivo em caixas refrigeradas e aeradas. No laboratório do CBEIh, os animais foram eutanasiados e extraídos das conchas com pinça e bisturi. As conchas foram cuidadosamente lavadas com água deionizada e mantidas em álcool 70% até o preparo para as análises de microscopia e difração de raios-X. O preparo das amostras para microscopia e a obtenção das imagens foram realizadas com o apoio tecnológico do Centro de Microscopia da UFMG CM-UFMG. Detectamos a presença de dois polimorfos do carbonato de cálcio – calcita e aragonita. Verificamos que a calcita está presente apenas no lado externo e uma alta intensidade do sinal foi verificada na região ventral da concha, determinando uma maior concentração nesta região. Com os resultados de MEV e MFA verificamos que a concha é composta por quatro camadas, nas quais duas delas

são feitas de aragonita – camada de aragonita prismática e a camada nacarada – o perióstraco (camada protéica que reveste a parte cerâmica da concha) e uma camada de calcita denominada camada de calcita em forma de nuvem – devido ao seu formato lembrar a forma de nuvens nimbo. Verificou-se através de MET que a camada nacarada é nanocristalina e a camada de calcita em forma de nuvem é composta por grandes cristais. Comparando a microestrutura com as de outras conchas de moluscos, a concha do Mexilhão-dourado é mais simples (menos estruturada) porém constituída pelos mesmos polimorfos.

(APRESENTAÇÃO ORAL)

2.2.2. Caracterização físico-química do composto cerâmico CaCO3 biomineralizado em conchas de Mexilhão-dourado (Limnoperna fortunei). Teodoro, E. N. A 1 ; Nakamura, A. F. 1 , Locke, J. F. A 1 ; Espinoza, H. R. 1 ; Almeida, A. C 1 ; Figueira, F. B 1 ; Azevedo, T. V. L 1 ; Andrade, G. R. 1 ; M iranda, M . F. D. 1 , Helen Regina Mota 3 , Marcela David de Carvalho 3 , Antônio Valadão Cardoso 1,2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

O Mexilhão-dourado (Limnoperna fortunei), invasor das águas brasileiras a pouco mais de dez anos, tem causado grandes prejuízos econômicos para usinas hidrelétricas das regiões onde se instalou. Como resíduo da limpeza de instalações hidrelétricas, são retiradas toneladas de mexilhões por ano fazendo com que o destino adequado desse resíduo biológico se torne mais um item da responsabilidade sócio-ambiental das empresas de energia elétrica. Este resíduo é composto por conchas do mexilhão assim como partes moles do corpo e restos de bisso. A concha é composta por cristais de carbonato de cálcio (CaCO3), em sua grande parte na forma de aragonita (polimorfo menos estável), porém com a característica específica de ser biocompatível e, portanto, ter um enorme interesse para indústria podendo ser empregados na elaboração de materiais e inovação em produtos que já utilizam carbonato de cálcio para sua fabricação. O presente trabalho buscou reconhecer a composição cristalográfica, determinar as propriedades fisícoquímicas do carbonato de cálcio biomineralizado pelo molusco, a fim de compará- lo com o extraído de minerais. E a obtenção do polimorfo aragonita, que é pouco encontrado em minerais e outros moluscos. Foram utilizadas amostras da Bacia de São Simão, coletadas no início do ano de 2012. As conchas foram lavadas e moídas em gral de ágata e pistilo até obtermos um pó uniforme entre 0,1 – 0,03 mm. Logo após passaram por tratamento térmico (400 – 500oC) para eliminação da água e retirada da matéria orgânica como proteínas presentes. O carbonato de cálcio obtido foi analisado por Difração de Raios-X (DRX), Espectrometria de absorção atômica e outras análises físicas. Ao final conseguimos estudar as estruturas e propriedades desse carbonato de cálcio viabilizando o seu uso no mercado, assim como, comprovar e extrair a forma aragonita do CaCO3. Esse estudo abre portas para novas pesquisas no ramo de materiais e estimula o uso sustentável dos resíduos atualmente descartados na natureza gerando impactos ambientais nos aterros.

Palavras chave: mexilhão-dourado, Limnoperma fortunei, composto cerâmico, Carbonato de cálcio.

Physico-chemical characterization of ceramic compound CaCO3 biomineralization in golden mussel shells (Limnoperna fortunei). Eloa Nayara de Assis Teodoro² ;Arnaldo Nakamura Filho1,2, João Locke Ferreira de Araújo2, Matheus de Feitas Dias Miranda² ; Antônio Valadão Cardoso1,2,3 1. REDEMAT – Rede Temática em Engenharia de Materiais, Ouro Preto/MG, Brazil. 2. CBEIH – Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas, Belo Horizonte/MG, Brazil. 3. CETEC – Fundação Centro Tecnológico de Minas Gerais, Belo Horizonte/MG, Brazil. 4. CEMIG – Companhia Energética de Minas Gerais, Belo Horizonte/MG, Brazil.

1-Introduction The golden mussel (Limnoperna fortunei), invasive Brazilian water just over ten years, has caused major economic losses for hydroelectric plants, infest a lot of Brazilian rivers, reaching the region's mining triangle in Minas Gerais. As residue from cleaning of hydroelectric facilities, are removed tonnes of mussels a year making the appropriate destination of biological residue becomes one more item of social and environmental responsibility of energy companies. This residue consists of mussel shells and the soft parts of the body and remains byssus. The shell is composed of crystals of calcium carbonate (CaCO3) present in the vast majority metastable polymorph aragonite, with the particular feature of being biocompatible and, therefore, of considerable interest to industry biomaterials, pharmaceutical, semiconductor and ceramic materials in general and can be used in developing new materials and innovation of products already using CaCO3 as raw material.

Difratometria de CaCO3 após ser levada ao forno à 400 C

2-objectives Caracterização físico-química do composto cerâmico CaCO3biomineralizado

3-Materials and methods. Difratometria de CaCO3 após ser levada ao forno à 600 C

Samples Basin St. Simon, collected in mid-March 2012. The shells were washed thoroughly and ground in an agate mortar and pestle to obtain a uniform powder, which was subsequently taken to Lavoisier oven at temperatures of 200 ° to 800 ° C gradually, where each sample represents a temperature. Immediately after sieved to obtain particles between 0.1 - 0.05 mm. The calcium carbonate obtained was analyzed by X-Ray Diffraction (XRD) xrd Shimadzu 6000 where we got comparing with the database, the crystallographic composition of CaCO3 and chemical transformations that it undergoes.

Difratometria de CaCO3 após ser levada ao forno à 800 C

5-Conclusions Image 1:The shells were washed thoroughly and ground in an agate mortar and pestle to obtain a uniform powder

4-Results

With the XRD spectra can check crystallographic composition of CaCO3 obtained the shell, where we observed the presence in much of the polymorph aragonite. When the temperature reaches 400 ° C The transformation begins aragonite form to the more stable calcite. The increase in peak calcite continues until close to 700 ° C, where further processing occurs known as calcining of CaCO3, this transformation we can produce CaO and CO2 elimination.

5-References HAMESTER, Michele Regina Rosa; BALZER, PalovaSantos and BECKER, Daniela. Characterization of calcium carbonate obtained from oyster and mussel shells and incorporation in polypropylene. Mat. Res. [online]. ahead of print, pp. 0-0. Epub Feb 14, 2012. ISSN 15161439. http://dx.doi.org/10.1590/S1516-14392012005000014. Yoon GL, Kim BT, KIm BO and Han SH. Chemical � Mechanical Characteristics of Crushed Oyster-Shell. Waste Management. 2003; 23:825-834. http://dx.doi.org/10.1016/S0956-053X(02)00159-9[ Links ] Kwon H, Lee C, Jun B, Yun J, Weon S and Koopman B. Recycling waste shell for eutrophication control. Resources, Conservation and Recycling. 2004; 41:75-82. http://dx.doi.org/10.1016/j.resconrec.2003.08.005[ Links ] BITTENCOURT, Eduardo L.; José Celso B. Júnior; e Silvestre, Mário D. M.. A Influência da Variação da Moagem dos Carbonatos e Tratamento Térmico no Material, nas Características Físicas do Produto Acabado. Cerâmica Industrial. Volume 7 - Número 3 - Maio/Junho 2002 SILVA, Denyo et al . Caracterização físico-química e microestrutural de conchas de moluscos bivalves provenientes de cultivos da região litorânea da ilha de Santa Catarina. Quím. Nova, São Paulo, v. 33, n. 5, 2010 . GONÇALVES, Marcos Vinicius Colaço; Aplicação da técnica de difração de raios X usando luz síncrotron para caracterização de esmalte dentário humano fluorótico e de controle. Dissertação (Mestrado em física) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2010.

6- Acknowledgments Difratometria de CaCO3 após ser levada ao forno à 200 C

This work is part of a research project funded by Cemig GT343. I would like to thank FAPEMIG for financial support, to Professor José Vitor Pinto Gouveia, by Cemig and diffraction analysis for supporting this project.

2.2.3. - Caracterização microestrutural do pé do mexilhão-dourado (Limnoperma fortunei) utilizando microscopia eletrônica. Nakamura, A.F. 1 , Locke, J.F.A 1 ; Almeida, A.C 1 ; Figueira, F.B 1 ; Azevedo, T.V.L 1 ; Guanabens, A.C.P 1 ; Teodoro, E.N.A 1 ; Helen Regina Mota 3 , M arcela David de Carvalho 3 , Antônio Valadão Cardoso 1,2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

O Limnoperna fortunei é um molusco bivalve conhecido como mexilhão-dourado que representa um exemplo típico de espécie invasora capaz de produzir alterações relevantes nos sistemas hídricos e naturais ou artificiais que invade. É um molusco de água doce, nativo dos rios do sudeste da Ásia. Com grande força reprodutiva e sem inimigos naturais no Brasil, ele foi trazido na década de 90 para a América do Sul na água de lastro de navios cargueiros, e já está provocando graves danos ambientais e impactos econômicos. A introdução de Limnoperna fortunei em águas doces brasileiras é hoje um fato que, também pode ser associado à falta de controle e fiscalização sobre as mais variadas atividades econômicas, de lazer ou turismo, associadas aos diferentes usos da água. A expansão de forma rápida e sem controle, impõe a necessidade de pesquisas voltadas para o aprofundamento do conhecimento do processo de adesão do mexilhão, que viabilize o desenvolvimento de técnicas eficientes e ambientalmente sustentadas para o controle, manejo da espécie invasora, redução e impedimento da adesão e, consequentemente, desenvolvimento de biomaterias, como adesivos. A microscopia eletrônica é de grande valia para a caracterização de materiais e de estruturas biológicas. Sua utilização abrange análises micro e nanométricas dessas estruturas. O trabalho objetiva utilizar técnicas de microscopia eletrônica como uma ferramenta para a caracterização microestrutural do pé do bivalve Limnoperna fortunei. As amostras foram coletadas em um laboratório de cultivo na Fundação Centro Tecnológico de Minas Gerais - CETEC, onde existem aquários onde o mexilhão é mantido. Os animais foram dessecados, os pés separados e devidamente preparados, seguindo o protocolo de preparo de amostras biológicas para a microscopia eletrônica de varredura (MEV). As imagens foram produzidas com o apoio tecnológico do Centro de Microscopia da Universidade Federal de Minas Gerais - UFMG e, pelo trabalho já realizado, pode-se perceber a existência de estruturas ciliares em toda a extenção do pé do mexilhão, e não somente no dorso, como descrito na literatura. Esses pequenos filamentos são semelhantes aos cílios encontrados recobrindo os dedos dos pés das lagartixas, em particular do gênero Gecko, o que pode indicar um efeito semelhante e uma explicação para a forte aderência do mexilhão em praticamente qualquer substrato. Tendo como base essas informações sobre os mecanismos de adesão em répteis, em especial as lagartixas, direcionamos os estudos do pé do Mexilhão-dourado na tentativa de verificarmos se o mecanismo de adesão também se dá por forças intermoleculares de Van Der Waals. O estudo pode auxiliar no desenvolvimento de superfícies anti-aderentes bem como novos tipos de adesivos.

Microstructure characterization the foot golden mussel (Limnoperna fortunei) using electron microscopy. João Locke Ferreira de Araújo2 ; Arnaldo Nakamura Filho1,2;Matheus de Freitas Dias Miranda²;Eloa Nayara de Assis tTeodoro²; Antônio Valadão Cardoso1,2,3 1. REDEMAT – Rede Temática em Engenharia de Materiais, Ouro Preto/MG, Brazil. 2. CBEIH – Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas, Belo Horizonte/MG, Brazil. 3. CETEC – Fundação Centro Tecnológico de Minas Gerais, Belo Horizonte/MG, Brazil. 4. CEMIG – Companhia Energética de Minas Gerais, Belo Horizonte/MG, Brazil.

The Limnoperna fortunei is a bivalve mollusc known as golden mussel which represents a typical example of invasive species can produce significant changes in water systems, natural or artificial invades. It is a freshwater mollusk native rivers of Southeast Asia. The introduction of Limnoperna fortunei in Brazilian freshwaters is now a fact that can also be associated with lack of control and supervision over the various economic activities, leisure and tourism, associated with different water uses. (BRUGNOLI, E. et al.2005). The main idea of the project is based on the production of images from scanning electron microscopy foot bivalve mollusk Limnoperna Fortunei, with the goal of understanding its microscopic structure, with emphasis on its surface, hoping that this understanding assist in obtaining control measures the bivalve (technical objective) in order to support the design of Cemig, and also help you understand both the ecology and evolution as a species adaptation. Can notice the existence of microstructures in the form of cilia all along the foot of the mussel and not only on the back as described in the literature.

SEM Images

1-Introduction

2-Objetives Morphological characterization of the golden mussel, through electron microscopy

3-Materials and methods.

FIELD

CETEC

Specimen collection Desiccation of specimens Field study Preparation of the fastener karnovisk Field report

Fixing the feet in Karnovisk

Was conducted with sample preparation technique of cryo fracture, and the images produced with the JEOL SEM, it was possible to observe the inside of the foot, formed by a tangle of cilos (figura6), however less organized than the surface of the foot (Figure 7). too with this method it was possible to observe sharper images with the surface, and prove defintiivamente its composition by cilia.

CM-UFMG Dehydration of samples Assemblies of and metallization with gold or carbon SEM

The specimens were collected in Limnoperna fortunei Parnaíba River, near the city of Parnaíba, MS. The animals were removed with a spatula drums base berth. Sessions scanning microscopy were performed in the period between July 2012 and September/2011 in center microscopy UFMG.

This technique allowed the visualization of the surface of the foot, with sharper images than the first scan done in quanta. The existence of cilia across its surface became a certainty, and its application in adhesion mechanism even more plausible.

5-Conclusions 4-Results and Discussions The images produced from samples prepared by the traditional method of preparation, revealed the existence of cilia on the entire surface of the foot of the mussel, and not only on the back (figure 1)

With the SEM images produced from the entire surface of the animal's foot, we observed that not only back, but the entire foot of the animal is covered with cilia, which are intimately involved in the process of fixing the mussel. Since the method of preparation for the SEM through criofratura produce images in which we could observe the connectivity between the external (ciliary) and the inside of the foot showing the extent of the eyelashes from the outside. The inside of the foot seems to be more massive, but morphologically similar to the outside, with an aspect fibrous structures similar to cilia but less organized.

6-References -BIVALVE MOLLUSCS, Biology, Ecology and Culture. - Elizabeth Goslinge editor Fishing News Books, an imprint of Blackwell Science. BRUGNOLI, E. et al. Golden mussel Limnoperna fortunei (Bivalvia: Mytilidae) distribution in the main hydrographical basins of Uruguay: update and predictions. Anais da Academia Brasileira de Ciências, v. 77, n. 2, p.235-244, 2005. -FERREIRA, C. E. L., GONÇALVES, J. E. A. & COUTINHO, R. “Cascos de navios e plataformas como vetores na introdução de espécies exóticas”. In: Silva, J.S.V. & Souza, R. C. C. L. (Org.). Água de lastro e bioinvasão, Rio de Janeiro: Ed. Interciência, p. 143–155. 2004. -AUTUMN K., M. SITTI, A. PEATTIE, W. HANSEN, S. SPONBERG, Y. A. LIANGT, T. KENNY, R. FEARING, J. ISRAELACHVILLI AND R. J. FULL. 2002. Evidence for van der waals adhesion in Gecko setae. Proceedings of the National Academy of Sciences of the U.S.A. -HADDAD et al (1998) técnicas básicas de microscopia eletrônica aplicadas as ciências biológicas. Sociedade brasileira de microscopia,UENF, 1ª ed. This work is part of a research project funded by Cemig GT343. We would like to thank the microscopy center UFMG (http://www.microscopia.ufmg.br) for providing the equipment, support and technical support for the experiments. .

7-Acknowledgments This work is part of a research project funded by Cemig GT343. We would like to thank the microscopy center UFMG (http://www.microscopia.ufmg.br) for providing the equipment, support and technical support for the experiments.

2.2.3. - Processamento e análise de imagens da concha de Limnoperna fortunei obtidas por microscopia eletrônica M iranda, M .F.D. 1 ; Nakamura, A.F. 1 , Locke, J.F.A 1 ; Espinoza, H.R. 1 ; Almeida, A.C 1 ; Figueira,F.B 1 ; Azevedo, T.V.L 1 ; Guanabens, A.C.P 1 ; Teodoro, E.N.A 1 ; Andrade, G.R. 1 ; Helen Regina Mota 3 , Marcela David de Carvalho 3 , Antônio Valadão Cardoso 1,2 (1)Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas – CBEIH. Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 30170-000 Tel: +55 31 3489-2320 –contato@cbeih.org (2) Fundação Centro Tecnológico de Minas Gerais – CETEC, Avenida José Cândido da Silveira, 2000 - Belo Horizonte (MG), CEP: 31035-536 Tel: +55 31 3489-2000; antonio.cardoso@cetec.mg.gov.br (3) Companhia Energética de Minas Gerais – Cemig. Avenida Barbacena, 1200 – Belo Horizonte (MG), CEP: 31190-131 helen.mota@cemig.com.br; marcela.david@cemig.com.br

O Mexilhão-dourado (Limnoperna fortunei) é um molusco bivalve dulcícola. Está presente no Brasil desde 1998 onde é considerado uma espécie exótica invasora e devido à sua grande capacidade reprodutora e por não possuir predadores eficazes, este animal consegue dominar e alterar todo o ecossistema aquático em que está presente. Além dos prejuízos ecológicos o Mexilhão-dourado tem causado grandes prejuízos econômicos para empresas do setor elétrico, de abastecimento de água e pisciculturas (fazendas aquáticas), pois como são animais de hábito gregário eles acabam por obstruir tubulações, infestam grades, reduzem fluxo de água, incrustam em sistemas de refrigeração, obstruem tanques-rede entre outros. O Limnoperna fortunei possui duas valvas (conchas), constituídas de carbonato de cálcio (CaCO3) nas formas de calcita e aragonita (polimorfos). Imagens produzidas a partir de microscopia eletrônica (varredura e transmissão) foram analisadas e processadas utilizado o software ImageJ com o intuito de caracterizar morfologicamente a concha, espessura das camadas, espessura da concha e outras informações, bem como obtermos os padrões cristalográficos para estudos da morfologia dos cristais que as compõem. As primeiras análises foram realizadas em imagens da camada nacarada da concha de diferentes amostras do mexilhão. Esta camada é formada por cristais de aragonita, organizadas na forma de lajotas sobrepostas. As imagens de MEV foram analisadas utilizando as ferramentas de seleção de linha, correção de defasagem angular, escalas e mensuração do software, a fim de determinarmos a espessura média destas estruturas. A espessura média foi de 0,345 µm, com extremos em 0,223 µm e 0,559 µm de espessura. Imagens de MET foram analisadas utilizando os padrões de difração dos cristais de aragonita obtidos pela ferramenta FFT (Fast Fourier Transform) e as ferramentas de seleção de áreas, linhas e pontos, escala e mensuração presentes no software foram utilizadas de forma a obtermos os limites dos cristais que compõem a estrutura. As análises das imagens nos permitiu a identificação de nanocristais de aragonita, em diferentes orientações, com áreas médias de 76 nm2, área mínima observada de 40 nm2 e área máxima de 148 nm2. O que caracteriza a camada nacarada como nanocristalina. Imagens de MET da camada de calcita em forma de nuvem também foram analisadas com as mesmas ferramentas do software. As análises obtidas pela ferramenta FFT (Fast Fourier Transform) demonstraram um

padrão de difração bem definido do cristal de calcita. Com esse padrão foi possível caracterizar a camada como sendo formada por grandes cristais de calcita. Nas imagens geradas da camada em nuvem, não foi possível delimitar completamente a região ocupada por um cristal de calcita devido às limitações de dimensão das imagens, contudo fica claro, pela visualização e comparação direta das imagens, que os cristais de calcita da camada em nuvem são várias vezes maiores que os cristais de aragonita presentes na camada nacarada (nanocristais). Essas análises somam-se a outras nos estudos sobre as características, comportamento e formação da concha do Mexilhão-dourado, auxiliando na compreensão da importância da concha no desenvolvimento do molusco, bem como no desenvolvimento de formas de controle e desenvolvimento de novos materiais.

Image processing and analysis of the shell of the Limnoperna fortunei (golden mussel) Matheus de Freitas Dias Miranda1, Arnaldo Nakamura Filho1, Marcela David de Carvalho3, Antônio Valadão Cardoso1,2 1. CBEIH – Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas, Belo Horizonte/MG, Brazil. 2. CETEC – Fundação Centro Tecnológico de Minas Gerais, Belo Horizonte/MG, Brazil. 3. CEMIG – Companhia Energética de Minas Gerais, Belo Horizonte/MG, Brazil.

TEM Images

Materials and Methods

SEM Images

Introduction The Golden Mussel (Limnoperna fortunei) is a freshwater bivalve mollusc. This mussel was inadvertently introduced into South America by means of the ballast water of commercial vessels1. Since 1998, it is present in Brazil, where it is an alien species. The Limnoperna fortunei has two valves (shells) composed by calcium carbonate (CaCO3). Calcium carbonate (CaCO3), which is the second most abundant mineral existing in the Earth's crust, exceeded only by quartz. CaCO3 occurs in three forms, the most abundant being the calcite that crystallizes according to the triclinic system and possesses a density of 2.71 g/cm3. Much less abundant than calcite is aragonite, orthorhombic and having a density of 2.93 g/cm3. The third polymorph is vaterite, hexagonal and with a density of 2.54 g/cm3. Aragonite and vaterite are metastable at normal ambient temperatures2. Two polymorphs of calcium carbonate were observed in the Golden Mussel shells: aragonite and calcite. Apparently, the thermodynamically stable calcite phase occurs only in the shell outer layer, while the metastable aragonite was observed in both outer and inner layer. One of the most fascinating aspects of biomineralization is the ability that molluscs possess to produce metastable phases of CaCO3 at normal ambient temperature, as the transition of metastable aragonite to calcite occurs only above 100oC3. The objective of the study is to characterize morphologically of the Limnoperna fortunei shell by scan electronic microscopy (SEM) and transmission electronic microscopy’s (TEM) images, analyzed and processed using the ImageJ software.

Sample preparation (mussel)

Cleaning (mussel shell)

Figure 7: TEM image shown the aragonite cristals on the Nacre layer’s structure.

SEM

Image Processing and Analysis

TEM

Software ‘ImageJ’

Shell preparation

Figure 6: Image detailed the sheet nacreous structure from Nacre layer.

Figure 8: Result of Fast Fourier Transform Image process. Method used for indentified aragonite cristals.

Aragonite Cristal Averange Area

50.6 nm2

Max. Area

147.8 nm2

Shell Layers Periostracum Calcite Layer Nacre Layer Aragonitc Prismatic Layer Sheet Nacreous Structure

85.3 nm2

Min. Area

Shell

Shell Thickness

Specimen Collection

Figure 5: The Nacre layer is composed of aggregation of roughly polygonal tablets giving a brick-wall appearance (sheet nacreous structure)5.

Average Thickness Standard Deviation 157.6µm 28.2µm

7.7µm 9.8µm 125.7µm

3.0µm 6.2µm 20.5µm

22.3µm

5.6µm

0.35µm

0.15µm

Results Conclusions

Figure 1: All layers that are present on the Limnoperna fortunei shells. From the top-down (outer-inner layers) direction we have the Periostracum (I), the calcite layer (II), the aragonite Nacre layer and the aragonite prismatic layer5.

Figure 2: The shell’s outer layer – Periostracum – with some crystals of calcite above.

The polymorph of CaCO3 aragonite constitutes approximately 90% of the shell of Limnoperna fortunei. It has well-defined structure organized in layers. In turn, the polymorph calcite represents about 5% of the composition of the shell, having no well-defined structure in layer. Its aspect reminds one of nimbus clouds. This morphological microstructure is different from the layers structures that make up the shells of other bivalves. It was also observed that aragonite golden mussel's shell is formed of nanocrystal, while the calcite crystals are several times higher. These analysis gather with other studies on characteristics, behavior and formation of the golden mussel shell, contributing for understanding the importance of the development of the clam shell, as well as development of new materials.

SEM Images

References 1.Avelar W, Martim S, Vianna, M P. A New Occurrence of Limnoperna fortunei (Dunker 1856) (Bivalvia, Mytilidae) in the State of São Paulo. Brazilian Journal of Biology. 2004: 793-742. 2.Fiona C M, Helmut C. Controlling Mineral Morphologies and Structures in Biological and Synthetic Systems. Chem. Rev. 2008; 108: 4332– 4432. 3.Hlavác J. The technology of glass and Ceramics - An Introduction. ed. Amsterdam: Elsevier; 1983. 4.Gosling E M. Bivalve Molluscs: Biology, Ecology and Culure. ed. Wiley-Blackwell; 2003. 5.Yang, W; Kashani, N; Li, X; Zhang, G; Meyers, M.A; Material Science and Engineering C; v. 31; p. 724-729. 2011

Acknowledgments Figure 3: The calcite layer presents on the golden mussel shells above the periostracum.

Figure 3: Image details the inner aragonite prismatic layer. The layer is characterized by polygonal prisms arragend laterally5.

This work is part of the research project GT343 financed by CEMIG-GT. We would like to thanks the Center of Microscopy of the Universidade Federal de Minas Gerais (http://www.microscopia.ufmg.br) for providing the equipment, personnel and the technical support for our experiments.

UNIDADE II

Artigos submetidos

em revistas ou peri贸dicos

JORNAL DE MATERIAIS IBERO-AMERICANO

MATERIALS RESEARCH

Materials Research Ibero-american Journal of Materials é dedicada à publicação de trabalhos originais sobre pesquisa experimental, teórica e simulação relativos a processos, estrutura e propriedades de materiais.

2.1. Microstructure of the ceramic composite material of the shell of the Limnoperna fortunei (golden mussel) Arnaldo Nakamura Filho 1,2 , João Locke Ferreira de Araújo 2 , Vitor José Pinto Gouveia 3 , M arcela David de Carvalho 4 , Antônio Valadão Cardoso 1,2,3 1. REDEMAT – Rede Temática em Engenharia de Materiais, Ouro Preto/MG, Brazil. 2. CBEIH – Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas, Belo Horizonte/MG, Brazil. 3. CETEC – Fundação Centro Tecnológico de Minas Gerais, Belo Horizonte/MG, Brazil. 4. CEMIG – Companhia Energética de Minas Gerais, Belo Horizonte/MG, Brazil.

ABSTRACT: The microstructure of the layers that make up the shell of the Limnoperna fortunei, a freshwater bivalve invading species in Brazil, was investigated utilizing scanning electron microscopy for the determination of the morphology and organization of the layers, and X-ray diffraction to determine the crystalline phases of the calcium carbonate (CaCO3) present in the shell. We found the presence of the polymorphs calcite and aragonite, the calcite being present only on the external side. The shell of L. fortunei is composed of two layers of aragonite with distinct microstructures – the aragonite prismatic layer and the aragonite sheet nacreous layer – the periostracum, a protein layer that covers and protects the ceramic part of the shell and a layer of calcite without defined form, albeit crystalline. A comparative study was carried out of compressive strength tests between the L. fortunei and M. tuberculata. Although constituted of the same CaCO3 polymorphs, we concluded that the shell of the golden mussel is microstructurally less complex and less resistant than the shell of the M. tuberculata.

Keywords: aragonite, calcite, microstructure, Limnoperna fortunei, SEM, XRD, compression Introduction CaCO3 is the second most abundant mineral existing in the earth's crust, exceeded only by quartz. CaCO3 occurs in three forms, the most abundant being the calcite that crystallizes according to the triclinic system and possesses a density of 2.71 g/cm3. Bridgman was the first to show that calcite has high density polymorphic forms 1. Much less abundant than calcite is aragonite, orthorhombic and having a density of 2.93 g/cm3. The third polymorph is vaterite, hexagonal and with a density of 2.54 g/cm3. Aragonite and vaterite are metastable at normal ambient temperatures2. One of the most fascinating aspects of biomineralization is the ability that molluscs possess to produce metastable phases of calcium carbonate (CaCO3) at normal ambient temperature, as the transition of metastable aragonite to calcite occurs only above 100oC3. These polymorphic transitions of CaCO3 are classified as of second order, like the temperature of glass transition (Tg) of amorphous materials, and would represent an intermediate case between transformations of the displacive type (of the type beta quartz - alpha quartz) and order-disorder transitions (amorphization)4.

The shells act as skeletons for supporting the soft parts of the mollusc’s body, protecting against predators and, in terrestrial species, keeping abrasive materials (earth and sand) out of the mantle cavity5. They are composite organominerals (biominerals), constituted of nearly 95% CaCO3 and 5% proteins and polysaccharides. There exist various microstructures made up of different morphological and structural arrangements of the polymorphic phases of calcium carbonate 6-12. The Limnoperna fortunei, or golden mussel, is a freshwater bivalve, native to Southeast Asia. This mussel was inadvertently introduced into South America by means of the ballast water of commercial vessels13. The impacts caused by the mussel have been reported in natural and artificial environments. Blocking of pipes, turbines and obstructions in water treatment plants are the consequences that are the most costly to repair. Impacts on the natural populations can be irreversible causing rapid transformation in the communities of benthic macroinvertebrates14-15. In Brazil the populations of L. fortunei present selection characteristics of the r type, where the individuals have a small size, early maturity, greater reproductive attribution and larger numbers of offspring. Individuals that present this type of selection, invest less in survival. The contrary type are the populations with K type characteristics, where the individuals are of large size, less reproductive attribution, fewer offspring and that invest more in survival16. The objective of the study is to characterize the microstructures and determine the calcium carbonate phases present in the shell of the golden mussel to help in the understanding of the processes involved in the formation of its shell, with the intention of creating new methods of control of this invading animal, in addition to contributing to an understanding of the mechanical properties of this composite material and on this basis help in the development of new engineering materials based on biological systems (bioinspiration, biomimetics and bioduplication).

Materials and Methods Golden mussel adults were collected in the River Paranaíba, Municipality of São Simão (lat.19,588611/long. 50,980000) in the State of Goiás, in the middle of December 2010 (spring/summer) and transported in refrigerated and aerated boxes to the CETEC laboratory in Belo Horizonte - MG. In the laboratory, the animals were put down humanely and extracted from the shells with tweezers and scalpel. The shells were carefully washed with deionized water and kept in 70% alcohol until the preparation for X-ray diffraction and scanning electron microscopy.

Scanning electron microscopy The preparation of the samples for scanning electron microscopy was done at the Centre of Microscopy of the Universidade Federal de Minas Gerais - UFMG. The shells were carefully washed with deionized water and dried at room temperature. After drying, samples of shell were mechanically fragmented and random pieces were fixed to the sample holder with the help of carbon ribbon and silver paint, so that it was

possible to visualize the fragments transversally. Seven (7) shells of animals of different sizes were used, but collected on the same day and in the same place. To truly check the microstructures the samples were not metallized, thus reducing the number of interferences in the preparation. The electrons were conducted through the carbon ribbon and the silver paint. The scanning electron microscope used (SEM) was the Quanta 200 model (FEG – FEI) operating under varied conditions to obtain the best images.

X ray diffraction For the determination of the CaCO3 (carbonate of calcium) phases making up the shell, tests were carried out using an X ray diffractometer (XRD-6000 Shimadzu) with horizontal goniometer (θ-2θ). Shells of L. fortunei were carefully washed with deionized water and brush, dried at ambient temperature. Tests were carried out on the powder of the shell, ground with a pestle and mortar, and on the whole shells. With the diffractometer, tests were carried out on the internal, and external (dorsal and ventral) regions of the shell (Figure 1 – a, b and c respectively) in addition to the powder. The diffraction patterns obtained were compared with the basic crystallographic records making up the database of the International Center for Diffraction Data (ICDD) available with the equipment software. Quantitative analyses of the phases were not carried out. FIG. 1

Compression Test For comparison, the compression test on the samples of shell of the L. fortunei and M. tuberculata (another invading mollusc) were carried out using universal compression testing equipment (INSTRON) with load cells of 500N for the L. fortunei shell and 1kN for the shell of the M. tuberculata. The values of the force needed to break the shells, by means of compression testing were obtained.

Results and Discussion The scanning electron micrographs of the bivalve’s shell permitted us to identify 4 (four) layers and the Xray diffraction identified 2 (two) polymorphs of CaCO3 – calcite and aragonite – located in different regions of the shell.

Scanning electron micrographs The transverse visualization of the shell fragments made possible the identification of four (4) layers that make up the shell of the L. fortunei (Figure 2a – i, ii, iii, iv). From the external layer to the internal layer of the shell we have – the periostracum (Figure 2b – i), which is the first layer secreted by the folds of the mantle and is composed of proteins. Below the periostracum we have a layer without a defined form composed of calcite (Figure 2c – ii). Following that we have the aragonite sheet nacreous layer (Figure 2b-d

– iii) - which occupies nearly the whole thickness of the shell - and finally the aragonite prismatic layer (Figure 2d – iv). FIG.2

In Figure 3 the periostracum is shown, which is composed of a proteinic sclerous double layer (external and internal)17 which covers the outside of the shells of practically all the molluscs18. This layer possesses two principal functions; it is the initial support for the first crystals of calcium carbonate and makes the extrapalial space completely impermeable, preventing the transportation of water from the outside environment19. FIG.3

Figure 4a shows the layer of calcite, without a morphology as well defined as the other layers. In Figures 4b and 4c we have the same region with different magnifications detailing its microstructure. Morphologically this layer comprises an irregularly formed mass constituted of calcite (which is similar to clouds of the nimbus type). FIG.4

The greater part of the structure of the shell of the golden mussel is constituted of the polymorph aragonite, which is microstructurally organized in the form of superimposed sheets (Figure 5) – the aragonite sheet nacreous layer6 – and in the form of prisms (Figure 6) – the aragonite prismatic layer6. Contrary to other bivalves the prismatic layer in the L. fortunei is located in the internal part of the shell and is composed of aragonite. FIG.5 | FIG.6

X ray diffraction In Figure 7 we have the diffraction diagrams of the internal regions (a), external dorsal (b), external ventral (c) and of the shell powder (d). In Figure 7a only the intensities corresponding to the aragonite appear, the intensity at 2θ = 31 greater than 2θ = 33.5. In Figure 7b the appearance of the calcite peak (2θ = 29.5) can be seen, albeit with lesser intensity and the presence of the two peaks of the aragonite, which are the same as the internal region of the shell, albeit with lower intensities, which is related to the concentration of this crystalline phase in that region. In Figure 7c we can see that the peak of the calcite reaches very high intensity, unlike the other regions and there is only the peak of the aragonite at 2θ = 33.5. The diffraction diagram of the powder (Figure 7d) presents the majority of the peaks of the two polymorphs with different intensities, in addition to the presence of two peaks corresponding to the aragonite (26.5 and 27.5). In the diffraction of the powder (of the whole shell) it should be noted that the aragonite at 2θ = 33.5 increases in intensity while that of the calcite diminishes. FIG.7

Microstructure of the shell of M. tuberculata For the purposes of comparison of the microstructural organization of the shells of the golden mussel, SEM images of shell fragments of the mollusc M. tuberculata (a-d) were obtained. The images show a complex organization with various types of microstructures. FIG. 8

Compression test The force obtained in compression test was approximately 8N for the mussel shell and 700N for the M. tuberculata shell.

Conclusions The polymorph of CaCO3 calcite is present only in the more external ceramic layer of the shell of L. fortunei (below the periostracum). This layer possesses a microstructure morphologically different from the layers that make up the shells of other bivalves, it does not present a well-defined form as the others do, and its aspect reminds one of nimbus clouds. In spite of not possessing a pattern in its organization this layer is crystalline. The peaks at 2Î¸ = 33.5; 26.55 and 27.55 are associated with the biogenic aragonite which makes up the aragonite sheet nacreous layer and the intensity at 2Î¸ = 31.0 with the biogenic aragonite of the aragonite prismatic layer. There is a greater concentration of calcite in the ventral region of the shell, which may be associated with the musselâ&#x20AC;&#x2122;s living conditions, as this region is in direct contact with the substrate, subject to greater stress and the calcite represents greater hardness in relation to the aragonite. Comparing the microstructure of the shell of the golden mussel to that of the M. tuberculata we concluded that the mussel possesses less complex microstructure, composed of three distinct layers and considering the force necessary to break the shells of the L. fortunei (8N) and of the M. tuberculata (700N) together with their respective microstructures, we can state that greater complexity in the structural arrangement confers better mechanical properties to the ceramic components of the shell of the M. tuberlata. The lesser complexity and, consequently, lower mechanical strength of the shell of the golden mussel corroborates its strategy of life of the r type, where the population invests more energy in reproduction and less in survival. The microstructural characterization of the composite ceramic material of shells of molluscs can contribute to the development of new engineering materials, as it helps in the establishment of relationships between microstructure and properties of these biomineralized materials. It contributes equally to Biology, where it is possible to classify hierarchically on the evolutionary scale through studies of shell microstructures.

Acknowledgements Our thanks go to CEMIG – Geração e Transmissão for the financial support (Project GT 343 – Control of the golden mussel: bioengineering and new materials for application in ecosystems and hydropower plants), to REDEMAT UFOP-UEMG-CETEC for the institutional support, and to the Centre of Microscopy of the Universidade Federal de Minas Gerais (http://www.microscopia.ufmg.br) for providing the equipment and technical support for experiments involving electron microscopy.

References Joseph R S. The crystal structure of calcite III. Geophysical research letters. 1997; 24 (13): 1595-1598. Fiona C M, Helmut C. Controlling Mineral Morphologies and Structures in Biological and Synthetic Systems. Chem. Rev. 2008; 108: 4332–4432. Hlavác J. The technology of glass and Ceramics - An Introduction. ed. Amsterdam: Elsevier; 1983. Fricke M, Volkmer D. Crystallization of calcium carbonate beneath insoluble monolayers: suitable models of mineralmatrix interactions in biomineralization? In: Top Curr Chem. ed Naka K. Berlin: Springer; 2007. p. 1-41 Gosling E M. Bivalve Molluscs: Biology, Ecology and Culure. ed. Wiley-Blackwell; 2003. Kobayashi I, Samata T. Bivalve Shell Structure and Organiz Matrix. Material Science and Engeneering C. 2006; 26:692-698. Lopes-Lima M, Rocha A, Gonçalves F, Andrade J, Machado J. Microstructural Characterization of inner Shell Layers in the Freshwater Bivalve Anodontacygnea.Journal of Shellfish. 2010; 29(4):969-973. Lin A, Meyers MA. Growth and Structure in Abalone Shell. Materials Science and Engineering A. 2005; 390:27-41. Taylor JD, Layman M. The Mechanical Properties of Bivalve (Mollusca) Shell Structures. Paleontology. 1972; 15:7387. Yang W, Kashani N, Li XW, Zhang GP, Meyers MA. Structural Characterization and Mechanical Behavior of a Bivalve Shell (Saxidomus purpuratus). Materials Science & Engeneering C.2011(31):724-729. Barthelat F. Nacre from Mollusk Shells: A Model for High-Performance Structural Materials. Bioinspiration & Biomimetics 5. 2010. Yang W, Zhang G P, Zhu X F, Li X W, Meyers M A. Structure and Mechanical Properties of Saxidomus purpuratus biological shells. Journal of the Mechanical Behavior of Biomedical Materials 4.2011:1514-1530. Avelar W, Martim S, Vianna, M P. A New Occurrence of Limnoperna fortunei (Dunker 1856) (Bivalvia, Mytilidae) in the State of São Paulo. Brazilian Journal of Biology. 2004: 793-742. Spaccesi F G, Rodrigues Capítulo A. Benthic Communities on Hard Substrates Covered by Limnoperna fortunei Dunker (Bivalvia, Mytilidade) at an Estuarine Beach (Río de la Plata, Argentina). Journal of Limnology 71. 2012: 144-153. Pareschi D C, Matsumura-Tundisi T, Medeiros G R, Luzia A P, Tundisi J G. First Occurance of Limnoperna fortunei (Dunker, 1857) in Rio Tietê Watershed (São Paulo State, Brazil). Brazilian Journal of Biology 68. 2008 (4): 1107-1114. Begon M, Towsend C R, Harper J L. Life, Death and Life Histories. In: Ecology – From Individuals to Ecosystems. 4th ed. Blackwell; 2006. p. 123-124. Checa A. A New Model for Periostracum and Shell Formation in Unionidae (Bivalvia, Mollusca). Tissue & Cell 32. 2000 (5): 405-416. Harper E. The Molluscan Periostracum: An Important Constraint in Bivalve Evolution. Paleontology. 1977(40): 71-97. Marin F, Luquet G. Molluscan Shell Proteins. C.R. Palevol 3. 2004: 469-492.

Captions for the Figures Figure 1: Image showing the regions where X-Ray Diffraction tests were carried out. a – internal region, b – external dorsal region and c – external ventral region of the shell of the L. fortunei. Bar = 1cm. Figure 2: Images of the transverse section (a-c) of the shell of L. fortunei at different magnifications showing the layers and how they are organized. a – image of the layers that make up the shell and inverted image (right); upper part is the outside of the shell and lower part is the internal side; i – periostracum, proteinic layer that covers and renders the shell impermeable; ii – calcite layer without defined microstructure; iii – aragonite sheet nacreous layer; iv –aragonite prismatic layer. In the image on the right the dashed lines represent the limits between the shell layers. Bar = 1000µm. c – detail of the layers i, ii and iii; the dark vertical dashes indicate the thicknesses of each layer. The dark bars delimit the regions occupied by each layer; Bar = 20µm. d – details of the layers iii and iv of the shell; Bar = 50µm. Figure 3: The double layer of the periostracum, a proteinic layer that covers the shell on the outside. It renders it impermeable and protects the ceramic layers of the shell of the bivalve. Below the periostracum the calcite layer without defined microstructure can be seen. Bar = 20µm Figure 4: Detailing of the microstructure of the calcite layer without defined microstructure. a – in the upper part we have the layer in the form of a cloud composed of calcite and the aragonite sheet nacreous layer . Bar = 20µm. b – Detail of the morphology of the calcite layer without defined microstructure. Bar = 20µm. c – Further detailing of the calcite layer without defined microstructure, highlighting its irregular and mass morphology. Bar = 10µm Figure 5: Sheet nacreous layer details. This layer is composed of aragonite and makes up the greatest part of the shell of the golden mussel. Bar = 20µm Figure 6: a – Scanning electron micrograph showing the prismatic aragonite layer (internal layer). Bar = 20µm. b – Surface view of the sheet nacreous layer. Bar = 10µm. Figure 7: Diffraction patterns obtained from the internal regions (a), external dorsal (b), external ventral (c) and of the shell powder (d) of the golden mussel. Figure 8: Images of shell fragments of M. tuberculata showing the complex structural arrangement of this composite material. a – general view of the fragment, magnification 40x. Bar = 2mm. b-d – details of the microstructures that make up the composite material and the different ways the layers are structured. Bar = 50µm.

Figures Figure 1

Figure 2

Figure 3

Figure 4

Figure 5

Figure 6

Figure 7

Figure 9

UNIDADE III

Trabalhos de

Iniciação Científica

3.1. Modelagem De Áreas De Invasão Potencial Pelo Mexilhão Dourado Através Do Software ArcGIS André Felipe Alves de Andrade – graduando em Ciências Biológicas UFM G

3.2. Caracterização microestrutural do pé do mexilhão-dourado (Limnoperna fortunei) utilizando microscopia eletrônica João Locke Ferreira de Araújo – graduando em Ciências Biológicas UFM G

3.3 Análise do potencial invasor de Limnoperna fortunei (Dunker, 1857) para os principais rios de Minas Gerais através de Modelos de Distribuição Geográfica Potencial Graziele Nogueira de Jesus – graduanda em Geografia pela PUC M G

3.4. - Análise Comportamental do Mexilhão Dourado (Limnoperna fortunei) Renata Barbosa Figueira – graduanda em Ciências Biológicas UFM G

3.5. - Modelos Dinâmicos para predição da invasão do mexilhão dourado Vinícius Rezende Carvalho – graduando em Engenharia de Controle e Automação - UFM G

3.6. - Uso do Maxent para a modelagem da distribuição potencial da espécie Limnoperna fortunei Danielle Diniz Galvão– graduanda em Ciências Biológicas UFM G

3.7. - Modelagem da dinâmica populacional da espécie Limnoperna fortunei em função da presença de peixes predadores no reservatório de Volta Grande Newton Gontijo Sampaio – graduando em Ciências Biológicas UFMG

3.8. - Modelagem do processo de invasão da espécie Limnoperna fortunei no alto curso da bacia do paraná através da ferramenta computacional TerraME Roberto Vidal Coutinho Lopes – graduando em Engenharia de Controle e Automação - UFM G

CRÉDITOS Centro de Bioengenharia de Espécies

Endereço

Invasoras de Hidrelétricas | CBEIH.org

Av. José Cândido da Silveira, 2000 Horto - Belo Horizonte (MG) Telefone: +55 31 3489 2320 Web: www.cbeih.org / contato@cbeih.org

Equipe CBEIH

Coordenador Antônio Valadão Cardoso Pesquisadores Antônio Valadão Cardoso Arnaldo Nakamura Filho Arthur Corrêa de Almeida Fabiano Alcísio e Silva Gabriela Rabelo Andrade Hélen Regina Mota Hernan Roberto Espinoza Riera Mônica de Cássia Souza Campos Bolsistas de Iniciação Científica André Felipe Alves de Andrade Graziele Nogueira de Jesus João Locke Ferreira de Araújo Leonardo Ruas Penaforte Newton Gontijo Sampaio Renata Barbosa Figueira Roberto Vidal Coutinho Lopes Thabata Virgínia Loiola Azevedo Vinícius Rezende Carvalho Vinicius Sergio Rodrigues Diniz Técnico de Laboratório Kelly Carneiro de Souza Lima

Produção

Design Gráfico: Gabriela Rabelo Andrade Redação: Arthur Corrêa de Almeida Data: Dezembro de 2012

2012

Relatório de publicações

Microestrutura da concha do mexilh達o-dourado

Relatório de publicações 2012 +55 31 3489-2320 GT343: Controle do Mexilhão-dourado: Bioengenharia e novos materiais para aplicações em

www.cbeih.org

ecossistemas e usinas hidrelétricas.

contato@cbeih.org

2012

Relatório de publicações GT343 Controle do Mexilhão-dourado: Bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas, realizado em dezembro de 2012

Anexos

2012

Relatório de publicações

RELATÓRIO FINAL DE ATIVIDADES

RELATÓRIO FINAL André Felipe Alves de Andrade Agosto/2012 1

RELATÓRIO FINAL DE ATIVIDADES DESENVOLVIDAS

André Felipe Alves de Andrade

Belo Horizonte Agosto 2012 1

SUMÁRIO LISTA DE FIGURAS..................................................................................................................................... VI LISTA DE TABELAS ................................................................................................................................... VII RESUMO GERAL ...................................................................................................................................... VIII INTRODUÇÃO GERAL .................................................................................................................................. 8 O MEXILHÃO DOURADO(LIMNOPERNA FORTUNEI) ........................................................................................... 8 MODELAGEM DE NICHO AMBIENTAL ............................................................................................................... 9 CAPÍTULO I ................................................................................................................................................... 11 INTRODUÇÃO ............................................................................................................................................. 12 METODOLOGIA.......................................................................................................................................... 13 RESULTADOS ............................................................................................................................................. 17 DISCUSSÃO ................................................................................................................................................. 26 CONCLUSÃO ............................................................................................................................................... 30 REFERÊNCIAS ............................................................................................................................................ 31 CAPÍTULO II .................................................................................................................................................. 34 INTRODUÇÃO ............................................................................................................................................. 35 METODOLOGIA.......................................................................................................................................... 36 RESULTADOS ............................................................................................................................................. 38 DISCUSSÃO ................................................................................................................................................. 41 CONCLUSÃO ............................................................................................................................................... 43 REFERÊNCIAS ............................................................................................................................................ 44 CAPÍTULO III ................................................................................................................................................ 45 INTRODUÇÃO ............................................................................................................................................. 46 METODOLOGIA DISCUTIDA ................................................................................................................... 49 REFERÊNCIAS ............................................................................................................................................ 56

LISTA DE FIGURAS FIGURA 1:ROTA DE INVASÃO DO LIMNOPERNA FORTUNEI (2005). FONTE:IEAPM ........................................... 8 FIGURA 2: REPRESENTAÇÃO EURÍSTICA DOS FATORES QUE INFLUENCIAM A DISTRIBUIÇÃO DE UMA ESPÉCIE. G= ARE A DE ESTUDO. A= NICHO GRINELIANO. B= NICHO ELTONIANO. M= ÁREA ACESSÍVEL À ESPÉCIE. FONTE: SOBERÓN, 2007 ............................................................................................................................. 10 FIGURA 3: REDE AMOSTRAL DO PROGRAMA BRASIL DAS ÁGUAS.FONTE: BRASIL DAS ÁGUAS ..................... 14 FIGURA 4: RESULTADO PARA MINAS GERAIS LEVANDO EM CONTA AS VARIÁVEIS CÁLCIO, CLOROFILA, CONDUTIVIDADE, OD, PH, TEMPERATURA DA ÁGUA E TURBIDEZ. ......................................................... 17 FIGURA 5: RESULTADO PARA MINAS GERAIS LEVANDO EM CONTA CÁLCIO, CLOROFILA, OD, PH, TEMPERATURA DA ÁGUA E TURBIDEZ. ..................................................................................................... 18 FIGURA 6: MODELO PARA MINAS GERAIS LEVANDO EM CONTA CÁLCIO, CLOROFILA, CONDUTIVIDADE, PH, OD E TEMPERATURA DA ÁGUA ................................................................................................................. 19 FIGURA 7: MODELO PARA O BRASIL LEVANDO EM CONTA CÁLCIO, CLOROFILA, CONDUTIVIDADE, PH, OD, TEMPERATURA DA ÁGUA E TURBIDEZ ...................................................................................................... 21 FIGURA 8:MODELO PARA O BRASIL LEVANDO EM CONTA CÁLCIO, CLOROFILA, PH,OD,TEMPERATURA DA ÁGUA E TURBIDEZ ..................................................................................................................................... 22 FIGURA 9: MODELO PARA O BRASIL LEVANDO EM CONTA CÁLCIO, CLOROFILA, CONDUTIVIDADE, PH,OD E TEMPERATURA DA ÁGUA .......................................................................................................................... 23 FIGURA 10: MODELO PARA O BRASIL LEVANDO EM CONTA CÁLCIO, CONDUTIVIDADE, PH, TEMPERATURA DA ÁGUA E TURBIDEZ ..................................................................................................................................... 25 FIGURA 11: DEMONSTRAÇÃO DE EXTRACT BY MASK NAS BASES DO WORLD CLIM ....................................... 36 FIGURA 12: MODELO DE PREVISÃO DO NICHO MUNDIAL DO MEXILHÃO DOURADO, COM OCORRÊNCIAS DA ÁSIA ........................................................................................................................................................... 38 FIGURA 13: MODELO DE PREVISÃO DO NICHO MUNDIAL DO MEXILHÃO DOURADO, COM OCORRÊNCIAS DA AMÉRICA DO SUL....................................................................................................................................... 38 FIGURA 14: MODELO PONTUAL DE PREVISÃO DO NICHO DO MEXILHÃO DOURADO ........................................ 39 FIGURA 15: MODELO BIOCLIM DE PREVISÃO DO NICHO DO MEXILHÃO DOURADO LEVANDO EM CONTA APENAS OCORRÊNCIAS DA AMÉRICA DO SUL............................................................................................ 40 FIGURA 16: MODELO BIOCLIM DE PREVISÃO DO NICHO DO MEXILHÃO DOURADO LEVANDO EM CONTA TODAS AS OCORRÊNCIAS ........................................................................................................................... 40 FIGURA 17: FLUXOS LÂMINAR, TRANSITÓRIO E TURBULENTO, RESPECTIVAMENTE. FONTE: M.J. BURIN, CSU SAN MARCOS (2010). ................................................................................................................................ 46 FIGURA 18: TRANSIÇÃO EM ESCOAMENTO CISALHANTE LIVRE. DUAS CAMADAS COM VELOCIDADES DIFERENTES (A). FORMAÇÃO DE VALES E CRISTAS (B). ENROLAMENTO E ESTABELECIMENTO DA TURBULÊNCIA (C). FONTE: NETO, XXXX ................................................................................................. 47 FIGURA 19: CÁLCULO DA TENSÃO DE CISALHAMENTO. ANALOGIA LABORATÓRIO(A) E RIO(B). .................... 49 FIGURA 20: CÁLCULOS DA ÁREA E PROFUNDIDADE EM UMA SEÇÃO TRANSVERSAL DE UM PONTO DO RIO TIETÊ NO SOFTWARE MOTIC 2.0 ................................................................................................................ 50 FIGURA 21: DIAGRAMA DO FLUXO DE UM RIO. FONTE: HTTP://VCSAR1.ORG ................................................... 51 FIGURA 22: DESENHO EXPERIMENTAL DOS EXPERIMENTOS EM LABORATÓRIO ............................................... 52 FIGURA 23: MDE PARA A BACIA DO PARANÁ. FONTE: SATÉLITE SRTM ........................................................ 54 FIGURA 24: REDE HIDROGRÁFICA CRIADA A PARTIR DA FERRAMENTA ARCHIDRO ........................................ 55 FIGURA 25: DETALHE NA PRECISÃO E EFICIÊNCIA DA DEFINIÇÃO DE TRECHOS D'ÁGUA .................................. 55

LISTA DE TABELAS TABELA 1: REDE AMOSTRAL DO PROGRAMA ÁGUAS DE MINAS EM 2005. FONTE: IGAM .............................. 13 TABELA 2: VALORES DE REFERÊNCIA PARA SOBREVIVÊNCIA DO LIMNOPERNA FORTUNEI. FONTE MACKIE & CLAUDI, 2010. ........................................................................................................................................... 15 TABELA 3: ANÁLISE INDIVIDUAL DAS INFLUÊNCIAS DAS VARIÁVEIS NO MODELO DE MINAS GERAIS ........... 19 TABELA 4: ANÁLISE INDIVIDUAL DAS INFLUÊNCIAS DAS VARIÁVEIS NO MODELO PARA O BRASIL ................ 24 TABELA 5: DESENHO EXPERIMENTAL DOS EXPERIMENTOS COM FLUXO LAMINAR .......................................... 53 TABELA 6: DESENHO EXPERIMENTAL DOS EXPERIMENTOS COM FLUXO TURBULENTO .................................... 53

vii

RESUMO GERAL O mexilhão dourado Limnoperna fortunei (DUNKER, 1857), é um molusco nativo do sudeste asiático, principalmente na China. Os primeiros registros desse molusco na América do Sul ocorreram em 1991 no Rio da Prata, no balneário de Bagliardi, Argentina. E em 1998 foi relatada sua primeira aparição no Brasil. A invasão do mexilhão dourado tem provocado impactos econômicos e ambientais significativos nas áreas invadidas. Por ter grande capacidade de adaptação, não encontrar inimigos naturais em nossas águas e ter alto poder de reprodução, além de se aderir e se fixar a qualquer superfície dura, diferentemente dos bivalves nativos da América do Sul, o mexilhão dourado tem a capacidade de formar crostas que podem cobrir áreas extensas, obstruindo completamente tubulações, filtros, sistemas de drenagens e canais de irrigação. A modelagem de nicho ecológico é uma atividade que muito se desenvolveu nos últimos anos. Um dos temas mais abordados é a modelagem de áreas com probabilidade de ocupação por espécies invasoras. Vários trabalhos já foram realizados nesse âmbito, no entanto, a respeito do mexilhão dourado, esses trabalhos se encontram em um nível ainda incipiente, sendo necessário o desenvolvimento maior e mais preciso dessa área. O avanço em determinados trabalhos permitirá prever com maior eficiência a potencial distribuição do bivalve invasor, e direcionar as ações tomadas no controle do mesmo. O relatório encontra-se dividido em 3 capítulos. No primeiro capítulo é explicitado o trabalho desenvolvido no software ArcGIS. No segundo capítulo são evidenciados os trabalhos desenvolvidos no Maxent. Por fim, o terceiro e último capítulo trata de um projeto proposto para avaliar a influência da turbulência sobre o estágio larval do mexilhão dourado.

viii

INTRODUÇÃO GERAL O mexilhão dourado(Limnoperna fortunei) O Limnoperna fortunei (Dunker, 1857), conhecido popularmente como mexilhão-dourado, é o único bivalve de água doce da Família Mytilidae. Sua distribuição geográfica original restringia-se ao sudeste asiático, principalmente China. Foi encontrado como espécie invasora pela primeira vez em 1966 em Hong Kong, e em 1991 foi encontrado no Japão e na América do Sul. O primeiro registro desta espécie neste continente foi no Rio da Prata, no balneário de Bagliardi, Argentina (Pastorino et al., 1993). Segundo Darrigran & Pastorino (1995), o aparecimento da espécie coincidiu com o aumento do intercâmbio comercial entre este país com a Coréia e a China, existindo uma grande relação entre a dispersão do mexilhão e a água de lastro de navios. Atualmente é encontrado em uma grande variedade de ambientes como o Rio da Prata, Rio Paraná, Rio Uruguai, Rio Paraguai (Brugnoli et al., 2005), o Lago Guaíba e a Lagoa dos Patos (Darrigran, 2001).

Figura 1:Rota de invasão do Limnoperna fortunei (2005). Fonte:IEAPM

A invasão do mexilhão dourado tem provocado impactos econômicos e ambientais. O mexilhão interfere na reprodução de espécies nativas e causa prejuízos e desequilíbrio nos ecossistemas onde se instala. O mexilhão possui ainda grande capacidade de adaptação, não encontra inimigos naturais em nossas águas e tem alto poder de reprodução. Tais características da espécie, aliadas à capacidade de se aderir e se fixar a qualquer superfície dura e formar crostas que podem cobrir áreas extensas, resulta na obstrução de tubulações, filtros, sistemas de drenagens e canais de irrigação, o que exige interrupções mais frequentes para conservação (Collyer, 2007).

Modelagem de nicho ambiental Modelos preditivos da distribuição geográfica de espécies são ferramentas que permitem prevê a potencial distribuição de uma espécie e são utilizados em uma grande variedade de aplicações na ecologia e na conservação (Graham et al. 2004). Eles já foram aplicados no estudo da dispersão de espécies invasoras (Guisan & Thuiller, 2005; Peterson, 2003), impactos da mudança climática (Pearson et al., 2003), e padrões espaciais na diversidade de espécies (Graham & Hijmans, 2006). Até recentemente a análise de grandes conjuntos de dados, principalmente em um contexto biogeográfico, era limitada por fatores logísticos, como a capacidade de processamento dos computadores e ausência de programas destinados a esse tipo de análise (Kozak et al., 2008). Atualmente existem várias ferramentas que permitem a análise desses dados, e a capacidade de processamento dos computadores domésticos aumentou incrivelmente. Com o avanço dos Sistemas de Informação Geográfica (SIG’s) foi possível não apenas trabalhar com grandes conjuntos de dados, como já era feito com os gerenciadores de bancos de dados, mas também analisá-los espacialmente (Kozak et al., 2008). O nicho fundamental de uma espécie pode ser analisado e subdividido de duas maneiras: o nicho Grineliano e Eltoniano. O modelo Eltoniano trata das interações da espécie com outras espécies que habitam o mesmo local, e são possíveis competidoras, predadoras, presas, parasitas, dentre outros, da espécie. O modelo Grineliano leva em consideração a adequabilidade da espécie aos fatores abióticos presentes em determinado ambiente. É importante levar em consideração ainda área alcançável pela espécie, dentro de todas as áreas totais (Soberón, 2007). A junção dos três fatores é o nicho real, ou nicho de Hutchinson. (Hutchinson, 1957).

Figura 2: Representação eurística dos fatores que influenciam a distribuição de uma espécie. G= are a de estudo. A= Nicho Grineliano. B= Nicho Eltoniano. M= Área acessível à espécie. Fonte: Soberón, 2007

Os modelos desenvolvidos nesse projeto levaram em consideração apenas o Nicho Grineliano (A). Modelagens sobre esse nicho são mais utilizadas devido ao acesso aberto a diversas variáveis climáticas, além da coleta desses valores e armazenamento em bases de dados de projetos que avaliam a qualidade da água. Tais modelos também apresentam uma resposta mais generalizada, sendo melhores direcionados para modelagens em grandes escalas, como por exemplo, para estados, países ou até mesmo mundiais, que foram as desenvolvidas neste projeto.

CAPÍTULO I

MODELAGEM DE ÁREAS DE INVASÃO POTENCIAL PELO MEXILHÃO DOURADO ATRAVÉS DO SOFTWARE ARCGIS

INTRODUÇÃO A modelagem abordando parâmetros limnológicos ainda apresenta empecilhos e não é muito utilizada. A ausência de dados, aliado a coletas pontuais tornam difícil a criação de modelos amplos Por se tratar de uma espécie invasora com um alto grau de importância econômica, vários estudos laboratoriais medições em campo já foram executados a fim de se entender melhor a biologia e a ecologia da espécie. Tais estudos visaram obter mais informações sobre o molusco e os limites de tolerância de algumas variáveis, como pH (Hamilton, et. al 1997; Ricciardi, 1998; De Oliveira et al, 2004; Oliveira et al, 2006; Devercelli and Peruchet, 2008; Pareschi et al, 2008), Cálcio (Morton, 1975; Deaton et al, 1989, Ricciardi, 1998; Pareschi et al, 2008), Clorofila (Sylvester et al, 2005; Devercelli and Peruchet, 2008; Molina and de Paggi, 2008), Condutividade (Devercelli and Peruchet, 2008; Pareschi et al, 2008), Oxigênio Dissolvido (Ricciardi, 1998; De Oliveira et al, 2004; Devercelli and Peruchet, 2008), Temperatura (Morton, 1977 e 1982; Ricciardi, 1998; Cataldo and Boltovskoy, 1999; Cataldo et al., 2000; Magara et al., 2001; Darrigran et al., 2003; Devercelli and Peruchet,2008; Pareschi et al., 2008) e Turbidez (Pareschi et al., 2008). É importante ressaltar que vários desses estudos se basearam apenas em medições dos parâmetros ambientais no momento da coleta, e não exploraram a sobrevivência do mexilhão em relação à alteração da variável. Essas variáveis podem ser utilizadas para criar uma classificação quanto aos limites de tolerância do mexilhão dourado a elas, que foi o que fizeram Mackie and Claudie, 2010. Aliando tais parâmetros a uma extensa rede de monitoramento é possível criar um modelo GIS baseado nos limites de tolerância já conhecidos. Tal modelo permite uma análise mais minuciosa da área amostral e permite um maior controle, sendo possível definir a influência de cada variável no modelo. O objetivo deste projeto foi tomar como base os requerimentos ecológicos já conhecidos e avaliar como tais parâmetros se dispõem no ambiente, a fim de avaliar o risco de invasão para uma determinada área. Vários autores ressaltaram que encontraram diferenças quanto a limites de tolerância quando compararam experimentos em laboratórios com experimentos em campo (Salazar & Salazar, 1996; Bell, 1971), no entanto, um projeto como o desenvolvido é essencial para iniciar a discussão sobre os limites já conhecidos e direcionar futuros estudos.

METODOLOGIA Estabelecimento da Área Amostral Foram definidas duas áreas amostrais, uma direcionada para o estado de Minas Gerais e uma segunda para todo o Brasil. A área de Minas Gerais se baseia em coletas do projeto “Águas de Minas” do IGAM, que teve início em 1997 e atualmente conta com 335 estações que abrangem as oito maiores bacias hidrográficas do Estado de Minas Gerais cobrindo 577.015 km², o que representa 98,3% de sua área total. Tabela 1: Rede Amostral do Programa Águas de Minas em 2005. Fonte: IGAM

BACIA HIDROGRÁFICA

N° de pontos de amostragem

(Sub-bacia)

Densidade Pontos/1000km²

RIO SÃO FRANCISCO

0,42

São Francisco Sul

0,37

Rio Pará

1,06

Rio Paraopeba

1,66

Rio das Velhas

0,98

São Francisco Norte

0,17

RIO GRANDE

0,48

Rio das Mortes

1,06

Rio Verde

1,74

Restante da Bacia

0,31

RIO DOCE

0,45

Rio Piracicaba

1,49

Restante da Bacia

0,37

RIO PARANAÍBA

0,25

RIO JEQUITINHONHA

0,20

RIO PARAÍBA DO SUL

1,38

Rio Paraibuna

1,18

Restante da Bacia

1,48

RIO MUCURI

0,55

RIO PARDO

0,24

TOTAL

244

0,42

Além da Rede Amostral do Programa Águas de Minas foram utilizadas também 28 estações das coletas de campo pertencentes a uma rede de monitoramento do CBEIH, nas sub-bacias do Rio Paranaíba e do Rio Grande. Totalizando 363 estações. O programa Brasil das Águas foi uma iniciativa inovadora. Foram realizadas coletas em 1.160 estações, diretamente a partir de um avião. As coletas se deram entre os anos de 2003 e 2004. A água coletada em voo rasante passava pela sonda, que em questão de segundos analisava certos parâmetros (pH, turbidez, condutividade, oxigênio dissolvido, temperatura, clorofila e salinidade). O computador de bordo guardava esses dados, que serviriam de referência para as análises complementares realizadas mais tarde em laboratório.

Figura 3: Rede Amostral do Programa Brasil das Águas.Fonte: Brasil das Águas

Valores de Referência para Sobrevivência do Mexilhão Dourado Os valores de referência utilizados para a modelagem baseiam-se em Mackie & Claudi, 2010. (Cap 3.3.5 , p.161) Foram utilizados os valores mínimos das variáveis que permitiam a sobrevivência da espécie, visando assim a criação de um modelo alto e baixo risco de invasão pelo mexilhão dourado.

Tabela 2: Valores de referência para sobrevivência do Limnoperna fortunei. Fonte Mackie & Claudi, 2010.

Modelos de Distribuição Os modelos foram desenvolvidos no software ArcGIS 9.3 da ESRI. Para tal foram utilizadas as variáveis: pH, Oxigênio Dissolvido, Cálcio, Clorofila, Temperatura da água, Condutividade e Turbidez. Cada variável passou por uma análise separada e em seguida todas foram somadas através da ferramenta “Raster Calculator” do Spatial Analyst. Foram realizados 3 modelos: I-Modelo levando em consideração todas as variáveis, II- Modelo excluindo a Condutividade, III- Modelo excluindo a Turbidez. Tais variáveis foram escolhidas para serem excluídas devido a falta de estudos laboratoriais das mesmas, de acordo com os autores os valores inseridos no livro foram baseados em uma única medida em campo e utilizados com base nos valores de referência de outro molusco invasor, o Mexilhão Zebra, que causou um problema semelhante nos Estados Unidos. Os modelos para o Brasil foram desenvolvidos em cima de uma base mais ampla, do programa Brasil das Águas. Dessa forma a presença de “Zeros” foi uma realidade muito constante. “Zeros” foi denominado como um evento na qual uma determinada estação apresenta a grande maioria dos dados físico-químicos porém falta um ou outro, essa ausência nessa coluna foi chamada de Zeros. Para que não houvesse uma grande perda nos dados, foram incluídas nos modelos todas as

estações, mesmo que algumas apresentassem Zeros, tal fato foi levado em consideração e cada modelo, assim como cada variável, apresenta a sua porcentagem de Zeros explicitada. Foram desenvolvidos no total 6 modelos, três somente com os dados do programa Águas de Minas(363 estações) e outros três com os dados combinados dos dois programas (1334 estações).

RESULTADOS Modelos para Minas Gerais Levando em consideração todas as variáveis (Cálcio, Clorofila, Condutividade, OD, pH, Temperatura da Água e Turbidez), 186 estações indicaram baixa probabilidade e 171 indicaram alta probabilidade. (Fig.4). O percentual de potencial de invasão foi de 47% das estações.

Figura 4: Resultado para Minas Gerais levando em conta as variáveis Cálcio, Clorofila, Condutividade, OD, pH, Temperatura da Água e Turbidez.

Quando a Condutividade é excluída do modelo há um aumento nas estações com alta probabilidade de invasão (Fig.5). O número de estações com alta probabilidade de invasão passa 17

para 210, e o de baixa probabilidade é de 147. O percentual de estações com alta probabilidade passa para 57%, um aumento expressivo de 10% ao compararmos com o modelo inicial.

Figura 5: Resultado para Minas Gerais levando em conta Cálcio, Clorofila, OD, pH, Temperatura da Água e Turbidez.

Ao excluir a Turbidez o modelo sofre mais um aumento expressivo, principalmente na Bacia do Rio São Francisco (Fig.6). O número de estações com alta probabilidade de ocorrência é de 269 e 88 são as estações que apresentam baixa probabilidade. Este último modelo apresenta as estações com alta probabilidade de ocorrência ocupando 74% do total, um aumento muito expressivo quando comparados aos outros dois modelos, principalmente ao modelo com todas as variáveis.

Figura 6: Modelo para Minas Gerais levando em conta Cálcio, Clorofila, Condutividade, pH, OD e Temperatura da Água

Como é possível visualizar na tabela abaixo (Tabela 3) a variável que mais influenciou nos resultados foi a Turbidez, sendo responsável pela baixa probabilidade em 130 estações (35%). Em seguida, a condutividade foi responsável pela baixa probabilidade em 59 estações (16%), e a clorofila responsável pela baixa probabilidade em 34 estações (9%). Tanto pH quanto Temperatura da Água não se apresentaram como fator limitante em nenhuma das estações e Cálcio e Oxigênio Dissolvido foram limitantes em apenas uma das estações. Quanto ao Cálcio e OD, os valores nas estações se aproximaram muito do limite de sobrevivência estipulado por Mackie e Claudie, 2010, portanto, essas duas estações podem até ser consideradas como áreas de possível ocupação pelo mexilhão dourado, dessa forma a limitação nos modelos ficou a cargo de apenas três fatores: Clorofila, Condutividade e Turbidez, sendo que os três apresentam estudos insuficientes. Tabela 3: Análise Individual das influências das variáveis no Modelo de Minas Gerais

Variรกvel Cรกlcio Clorofila pH OD Temperatura da ร gua Condutividade Turbidez

Baixa Probabilidade 1 34 0 1 0 59 130

Alta Probabilidade 356 323 357 356 357 298 227

Modelos para o Brasil O primeiro resultado apresenta o modelo levando em consideração todas as variáveis (Cálcio, Clorofila, Condutividade, pH, OD, Temperatura da Água e Turbidez) (Fig.7). O modelo apresentou 524 estações com alta probabilidade e 810 estações com baixa probabilidade. O percentual de estações com alta probabilidade foi de 40%. Quanto aos Zeros, foram presentes em 247 estações (18%). Na mais otimista das predições, considerando que todos os Zeros se tornem zonas de alta probabilidade, tais áreas passariam a somar 771 estações, ou 58% do total.

Figura 7: Modelo para o Brasil levando em conta Cálcio, Clorofila, Condutividade, pH, OD, Temperatura da Água e Turbidez

O segundo modelo apresenta a exclusão da variável Condutividade (Fig.8). Observa-se um pequeno aumento no número de estações com alta probabilidade de invasão, sendo este número de 601 estações, ou 45%, consequentemente o número de estações com baixa probabilidade foi de 701.

Os “Zeros” não apresentaram grande variação, sendo presentes em 230 estações (17%). Novamente, transformando os “Zeros” em Alta Probabilidade temos 831 estações (62%).

Figura 8:Modelo para o Brasil levando em conta Cálcio, Clorofila, pH,OD,Temperatura da Água e Turbidez

O modelo sem Turbidez apresentou resultados muito semelhantes (Fig.9). O número de estações com alta probabilidade foi de 659 (49%) e o de baixa probabilidade de 675. O número de “Zeros” também não apresentou grande variação, com 225 pontos (17%). Somando os “Zeros” às estações de Alta Probabilidade temos 884 estações (66%).

Figura 9: Modelo para o Brasil levando em conta Cálcio, Clorofila, Condutividade, pH,OD e Temperatura da Água

A tabela abaixo (Tabela 4) mostra a análise individual de cada variável no modelo. A maior diferença dessa tabela para a Tabela 3 é a presença dos Zeros e da coluna total, onde os Zeros são excluídos da ausência. A presença dos Zeros permite avaliar a influência mais precisa de cada variável na distribuição do mexilhão dourado. As variáveis que apresentaram maior número de Zeros foram Oxigênio Dissolvido (139) e Clorofila (101), sendo esta última a que mais contribuiu para pontos com baixa probabilidade, com 383 estações. Quando os Zeros são excluídos, pH, OD e Temperatura da Água apresentam valores inexpressivos de baixa probabilidade. As outras variáveis foram responsáveis pela baixa probabilidade em 200-300 estações aproximadamente cada, número muito baixo se comparado com os números encontrados nos modelos que variaram entre 563 e 463 estações.

Tabela 4: Análise Individual das influências das variáveis no Modelo para o Brasil

Baixa Variável

Baixa

Alta

Probabilidade

Probabilidade Zeros

Real (Baixa Probabilidade – Zeros)

Cálcio

178

1156

176

Clorofila

383

951

101

272

Condutividade

220

1114

180

1306

140

1194

139

Temperatura da

1309

225

1109

173

Água Turbidez

Quatro variáveis podem ser tratadas de forma significativa no modelo: Cálcio, Clorofila, Condutividade e Turbidez. Dentre os quatro, a Clorofila foi a maior responsável pela ausência, com 272 pontos e o menor foi a Turbidez com 173 pontos. Somando todas as quatro variáveis temos 801 estações com baixa probabilidade. A ausência no modelo total foi de 810 estações, com 247 Zeros.

Levando em consideração o grande número de Zeros, foi elaborado um quarto modelo onde as variáveis Clorofila e OD foram excluídas(Fig.10). O resultado foi uma dispersão maior do mexilhão dourado com 787 estações com alta probabilidade (59%) e 547 estações com baixa probabilidade de invasão (41%). É importante considerar que apesar da retirada dessas duas variáveis o modelo ainda apresentou 144 Zeros (11%), percentual bem menor do que nos outros modelos.

Figura 10: Modelo para o Brasil levando em conta Cálcio, Condutividade, pH, Temperatura da Água e Turbidez

DISCUSSÃO

Valores de referência para as variáveis ambientais Apesar dos vários estudos desenvolvidos em relação à tolerância do mexilhão dourado, ainda há uma grande lacuna para algumas variáveis ambientais. O fato de algumas variáveis não possuírem estudos em laboratório, apenas dados de coletas, é um fator que enfraquece o resultado final do modelo. Além disso, a ausência de estudos com larvas ignora uma fase de vida extremamente importante e a principal responsável pela dispersão da espécie. Há a possibilidade de que os valores tolerados por adultos sejam diferentes daqueles tolerados por larvas. O resultado do modelo será melhor à medida que forem desenvolvidos novos testes laboratoriais para avaliar os limites de tolerância do mexilhão dourado. A falta dos valores limites suportados pelo mexilhão dourado fez com que tais valores fossem estimados a partir de um outro molusco invasor, mexilhão zebra. Tal molusco, invasor dos Estados Unidos, já possui estudos muito mais consolidados e avançados, por isso é comum o uso desses estudos com base para o mexilhão dourado, devido a semelhanças entre as espécies. No entanto, quanto a nicho ambiental, as espécies já demonstraram diferenças (Karatayev,2007), o que indica que a utilização de tais parâmetros para o mexilhão dourado provavelmente resultará em erros no modelo. Portanto, são essenciais estudos mais aprofundados em laboratório quanto aos limites de tolerância, principalmente das variáveis: Turbidez, Condutividade e Clorofila, que apresentaram respostas mais significativas no modelo.

Respostas do Modelo para Minas Gerais O modelo para Minas Gerais possuía uma base de dados mais consolidada e mais completa, com isso foi possível a criação de modelos mais corretos, já que não havia nenhum Zero. O modelo com todas as variáveis demonstrou que o mexilhão dourado possui a capacidade de invadir todas as bacias do estado de Minas Gerais, se tratando de condições ambientais. Tal análise já é de extrema importância para mostrar a gravidade do problema. A dispersão atual se encontra restrita às bacias do Paranaíba e do Grande, no Triângulo Mineiro. Como até o momento não foi encontrado um competidor ou predador eficiente para o molusco (Cataldo et al., 2002; Sylvester et al., 2007) e como a dispersão do mesmo se dá principalmente associada às atividades humanas, ou seja, não há limites físicos para a dispersão, cria-se aí um potencial de invasão muito grande, principalmente pela proximidade das bacias mineiras.

Vale ressaltar que tal modelo encontra-se, provavelmente, subestimado, devido à ausência de valores limites específicos para o mexilhão dourado. Afirmamos isso porque a Condutividade exibe-se como limitante em um ponto no Rio Paranaíba, onde já é conhecida a presença do mexilhão dourado. Isso indica que é provável que as condições toleradas pelo mexilhão sejam mais abrangentes que as descritas no livro de Mackie & Claudi, 2010, e provavelmente haverá um número maior de estações com alta probabilidade de invasão quando os limites de tolerância forem estudados mais profundamente. Quando as variáveis duvidosas são excluídas do modelo, têm-se cenários onde a dispersão é muito maior. A Condutividade mostrou-se limitada por valores abaixo do limite estabelecido, porém nenhuma estação com valores muito discrepantes. Tal fato indica que um estudo mais direcionado pode fazer grande diferença em todo o estado, e talvez transforme a Condutividade em uma variável insignificante quanto à dispersão do mexilhão. A variável ambiental que apresentou limitação mais evidente ao mexilhão foi a Turbidez, sendo responsável pela baixa probabilidade em 35% das estações. Ao analisar os valores de turbidez, encontramos um caso diferente da Condutividade. Além de valores próximos do limite estimado por Mackie e Claudi em seu livro, alguns pontos apresentaram valores muito acima do limite, principalmente na bacia do São Francisco, onde vários pontos apresentaram valores para Turbidez acima de 200 NTU. Como o valor limite conhecido para o mexilhão zebra e estipulado para o dourado é de 80 NTU, provavelmente tais estações realmente se apresentem como locais de baixa probabilidade de colonização pelo mexilhão dourado. Vários artigos recentes demonstraram o aumento da Turbidez em áreas poluídas ou com intensa agricultura (Antonio-Nkondjio et al. ,2011; Guo Kai Fu et al., 2012; Biancalana et al., 2012), tal fenômeno pode ser explicado na Bacia do São Francisco pela presença de centros urbanos, como a capital Belo Horizonte e cidades do entorno e a forte agricultura desenvolvida no seu vale.

Resultado do Modelo para o Brasil

Devido ao fato de apresentar um número maior de estações e abranger uma área maior o modelo para o Brasil apresenta Zeros. Além disso, o fato de contar com apenas uma coleta e não uma série histórica, como é o caso do Programa Águas de Minas, enfraquece o modelo, pois evidencia apenas a condição da água em um determinado momento e não a sua condição média e habitual.

Tirando algumas desvantagens, o modelo GIS para o Brasil funcionou de forma bem satisfatória, exibindo a potencial invasão do mexilhão dourado em todas as bacias do território brasileiro. À primeira visão, um fato evidente foi que modelos que levaram em conta OD e Clorofila apresentaram uma grande área de baixa probabilidade no Pantanal Mato grossense, tal fato é explicado pela grande ausência de informações da variável OD naquela região, quando desconsideramos a variável toda a região apresenta-se como área de alta probabilidade, o que já era esperado devido à já conhecida presença do molusco na região. Além do Pantanal, o modelo com todas as variáveis apresentou algumas divergências da realidade. Sem levar em consideração os Zeros espalhados pelo mapa, o modelo apresentou áreas de baixa probabilidade no Rio Tietê, região onde já foi confirmada a presença do bivalve invasor no curso médio do rio (Pareschi et al., 2008). Uma análise mais minuciosa da área revela que a variável responsável por tal fato é a Clorofila, com valores muito mais altos do que o limite previsto para a espécie. A justificativa para isso é apoiada em duas bases: a primeira vem do fato da coleta única, é possível que os valores coletados ali não representem a realidade do local; a segunda justificativa é a falta de estudos mais concretos sobre a Clorofila, sendo possível que o limite de tolerância seja alterado. Ao analisar o efeito das variáveis Condutividade e Turbidez é possível observar que a Condutividade pouco influencia no modelo e a Turbidez é responsável por mudanças locais, no Centro/Norte de Minas Gerais e em alguns afluentes do Rio Amazonas. Ao contrário do modelo para Minas Gerais, onde a Turbidez era responsável pela limitação de grande parte do estado, ao analisar todo o território nacional a mesma não apresentou o mesmo efeito. É possível que o efeito dos Zeros no modelo mascare a importância da Turbidez, no entanto, para Minas Gerais a sua exclusão resultou em um aumento de 30% nas áreas de alta probabilidade, enquanto para o Brasil inteiro esse aumento foi de 9%. Os efeitos da turbidez como limitante para a dispersão do mexilhão dourado são mais evidentes no Estado de Minas Gerais. Devido à discrepância do estado seria importante um estudo mais aprofundado quanto aos efeitos da turbidez na sobrevivência do molusco. Quanto ao modelo sem Clorofila e OD, é possível ver o máximo da dispersão do molusco. A exclusão do OD pode ser encarada como um fator insignificante para o modelo, já que de todas as suas 140 estações com baixa probabilidade, 139 eram causadas por Zeros. Já a exclusão da Clorofila é mais contraditória, pois apesar de seus 101 Zeros, foi a variável responsável pelo maior número de estações com Baixa Probabilidade, com 272 pontos. A exclusão da Clorofila também evidencia o poder da mesma no modelo, já que houve uma maior dispersão nacional após sua

exclusão, é importante aprofundar os estudos a respeito dessa variável, já que os mesmo ainda são tratados com referência ao Mexilhão Zebra. Analisando as áreas do modelo, é importante ver a ocupação do Pantanal por áreas de Alta Probabilidade, além de também toda a Bacia do Paraná, região na qual o molusco se encontra. Porém, é mais importante ainda analisar as áreas de ausência do modelo. Vários dos afluentes do Amazonas e o Norte de Minas Gerais são limitados pela Turbidez. Além dessas áreas, duas outras são muito evidentes, o Médio/Baixo São Francisco e áreas do Lago Guaíba e próximas ao litoral de Santa Catarina e norte do Rio Grande do Sul. Áreas do Lago Guaíba foram classificadas como Baixa Probabilidade devido a Zeros na Condutividade. Como a variável apresentou 180 áreas de Baixa Probabilidade (com exclusão dos 40 Zeros), seria presunçoso tomar tais estações como Zonas de Alta Probabilidade, no entanto, como toda a região do entorno é classificada como Zonas de Alta Probabilidade pela Condutividade, pode-se inferir, reforçado pela presença do Mexilhão Dourado na região do Lago Guaíba, que a região provavelmente seria uma região de Alta Probabilidade se os Zeros não fossem levados em conta. Quanto à segunda região, o Médio/Baixo do São Francisco, foi classificado como Baixa Probabilidade devido a ausência de dados da Clorofila, porém quando a Clorofila é retirada do modelo a Baixa Probabilidade permanece. Uma análise mais minuciosa revela que também a Condutividade é responsável pela situação, porém não pelos Zeros, e sim por valores muito baixos. A explicação para tais valores pode ser a composição do solo. O número de estações com Baixa Probabilidade no modelo total (810) que houve baixa sobreposição entre as variáveis: Condutividade, Clorofila, Turbidez e Cálcio, que somadas apresentaram 801 estações com Baixa Probabilidade. Tal fato indica que para cada região brasileira, determinadas variáveis podem responder de maneira mais significativa do que outras.

CONCLUSÃO Apesar de não se tratar de um método usual na modelagem, o modelo apresentou resultados satisfatórios e bem interessantes. Ao apontar como áreas de Alta Probabilidade as zonas já ocupadas pelo mexilhão dourado, o modelo condiz com a realidade e se apresenta como uma excelente alternativa de modelagem quando há grande conhecimento da espécie. Espécies aquáticas sempre se mostraram como um entrave na modelagem, devido a diferença em ambientes, modelos com variáveis climáticas terrestres como Temperatura e Pluviosidade sempre exibiram certa desconfiança. Restam então as variáveis limnológicas, coletadas de forma pontual e pouco abrangentes. Quanto a espécies invasoras, tal forma de coleta é muito prejudicial. Modelos como o Maxent criam suas próprias pseudo ausências ou utilizam ausências fornecidas. No caso do Mexilhão Dourado, que é uma espécie invasora ainda em expansão, é difícil fornecer dados de ausência e mais controverso ainda assumir pseudo ausências, pois elas podem abranger áreas que apresentam totais condições de ocupação pelo mexilhão. Além da atual distribuição do mexilhão apresentar alta correlação espacial, já que se encontra distribuído em apenas uma grande bacia brasileira. O modelo no GIS trouxe uma boa alternativa a esses problemas. Por se tratar de um modelo onde não são utilizados dados de ausência/presença, apenas o conhecimento a respeito da espécie, não há o problema da correlação espacial nos pontos de presença. Além disso, não há também a criação de ausências em áreas onde o mexilhão pode ocupar. Tais fatos garantem ao modelo uma previsão ampla e eficiente, além de um controle melhor sobre o mesmo. Além disso, é possível também realizar a interpolação dos dados e transformar o modelo pontual em um modelo espacial, porém é necessária uma grande gama de pontos. Por outro lado, a modelagem com o GIS apresenta também desvantagens. Por se apoiar muito sobre o conhecimento da espécie é essencial que o mesmo seja bem consolidado. O resultado do modelo depende fortemente do conhecimento sobre o indivíduo a ser modelado, portanto quanto mais estudos houver sobre uma determinada espécie, melhor o resultado do modelo. Outro ponto é a necessidade de uma base de dados ampla e completa. Bases nacionais ou estaduais como as utilizadas nesse projeto são difíceis de serem encontradas e para o modelo GIS é essencial que as mesmas existam. Quanto mais ampla a base, melhor o resultado do modelo. Portanto, apesar de parecer simples a base para que o modelo ocorra é complexa. O conhecimento e o esforço amostral envolvidos nesse projeto foram essenciais para a realização do mesmo. Para que sejam criados melhores modelos é necessário um melhor esforço amostral, apesar do atual já ser bem amplo e extenso, e estudos melhores sobre a espécie.

REFERÊNCIAS Pastorino, G. et al. !Limnoperna fortunei (Dunker, 1857) (Mytilidae), nuevo bivalvo invasor em águas del Rio de la Plata!. Neotrópica, v. 39, p.101-102, 1993. Brugnoli, E. et al. Golden mussel Limnoperna fortunei (Bivalvia: Mytilidae) distribution in the main hydrographical basins of Uruguay: update and predictions. Anais da Academia Brasileira de Ciências, v. 77, n. 2, p.235-244, 2005. Darrigran, G.. El mejillón dorado, un novedoso problema económico/ambiental para el Mercosur. Pesquisa Naval, 2001. Coyller, W. “Água de lastro, bioinvasão e resposta internacional”. Revista Jurídica, vol. 9, n. 84, Abr/Mai 2007 Fabry, L.T., “Mechanism of Erythrocyte Aggregation and Sedimentation”, Blood, v. 70, n.5, pp. 1572 – 1576, 1987. Graham, C., Ferrier, S., Huettman, F., Moritz, C. & Peterson, A.T. (2004). New developments in museum-based informatics and applications in biodiversity analysis. Trends Ecol. Evol., 19, 497–503. Peterson, A.T. (2003). Predicting the geography of species Q. Rev. Biol., 78, 419–433.

invasions via ecological niche modeling.

Guisan, A., & Thuiller, W. 2005. Predicting species distribution: offering more than simple habitat models. Ecology Letters 8: 993-1009. Pearson, R. G., Dawson, T. P., Berry, P. M., & Harrison, P. A. 2002. SPECIES : A Spatial Evaluation of Climate Impact on the Envelope of Species. Ecological Modelling 154: 289- 300. Graham, C. H., & Hijmans, R. J. 2006. A comparison of methods for mapping species ranges and species richness. Global Ecology and Biogeography 15: 578-587. Kozak, K. H., Graham, C. H., & Wiens, J. J. 2008. Integrating GIS-based environmental data into evolutionary biology. Trends in Ecology and Evolution 23: 141- 148. Kuussaari, Soberón, J. (2007). Grinnellian and Eltonian niches and geographic distributions of species. Ecology letters, 10(12), 1115–23. doi:10.1111/j.1461-0248.2007.01107.x Hamilton, S.K. , Sippel, S.J., Calheiros, D.F. and Melack, J.M.. An anoxic event and other biogeochemical effects of the Pantanal wetland on the Paraguai River. Limnological Oceanography 42: 257-272, 1997. Ricciardi, A.. Global range expansion of the asian mussel Limnoperna fortunei (Mytilidae): another fouling threat to freshwater systems. Biofouling, v. 13, n. 2, p.97-106, 1998.

De Oliveira, M.D., Barros, L.F. and Da Silva, L.C.R.. Density of Limnoperna fortunei in Paraguay River,Brazil. Abstract from the 13th International Conference on Aquatic Invasive Species. Ennis, Country Clare, Ireland. September 20-24, 2004 Oliveira, M. D. et al. Invasion by Limnoperna fortunei (Dunker, 1857) (Bivalvia, Mytilidae) of the Pantanal wetland, Brazil. Biological Invasions, v. 8, p.97-104, 2006. Devercelli, M. and Peruchet, E. Trends in Chlorophyll-α concentration in urban water bodies within different man-used basins. Annales de Limnologie – International Journal of Limnology 44: 75-84, 2008. Pareschi, D.C. et al. First occurrence of Limnoperna fortunei (Dunker, 1857) in the Rio Tietê watershed (São Paulo State, Brazil). Braz. J. Biol., vol.68, no.4, p.1107-1114, 2008.ISSN 1519-6984 Morton, B. The colonization of Hong Kong's raw water supply system by Limnoperna fortunei (Dunker 1857) (Bivalvia : Mytilacea) from China. Malacological Review 8:91-105, 1975. Morton, B. The population dynamics of Limnoperna fortunei (Dunker 1857) (Bivalvia: Mytilacea) in Plover Cove Reservoir, Hong Kong. Malacologia 16: 165-182 Morton, B. The reproductive cycle in Limnoperna fortunei (Dunker 1857) (Bivalvia: Mytilidae) fouling Hong Kong's raw water supply system. Ocean Limn Sinica 13: 312 – 325, 1982 Deaton, L.E., Derby, J.G.S., Subheader, N. and Greenberg, M.J. Osmorregulation and salinitu tolerance in two species of bivalve mollusk: Limnoperna fortunei and Mytilopsis leucophaeta. Journal of Experimental Marine Biology and Ecology 133: 67-79, 1989. Sylvester, F., Dorado, J., Boltovskoy, D., Juarez & Cataldo, D. Filtration rates of the invasive pest bivalve Limnoperna fortunei as a function of Size and Temperature. Hydrobiologia, 534(1-3), 71–80, 2005. doi:10.1007/s10750-004-1322-3 Molina, F.R. & de Paggi, S.J. Zooplankton in the Paraná River floodplain (South America) before and after the invasion of Limnoperna fortunei (Bivalvia). Wetlands 28: 695-702, 2008. Cataldo, D. & Boltovskoy, D. Population dynamics of Limnoperna fortunei, an invasive fouling mollusc, in the Lower Paraná river (Argentina). Biofouling, 14: 255, 1999. Cataldo, D., Boltovskoy, D., Marini, V. & Correa, N. Limitantes de Limnoperna fortunei en la cuenca del Plata: predación por peces. In TERCERA JORNADA SOBRE CONSERVACIÓN DE LA FAUNA ÍCTICA EN EL RÍO URUGUAY, Caru, Paysandú, Uruguay, p. 1-5, 2002. Magara, Y., Matsui, Y., Goto, Y., & Yuasa, A. Invasion of the non-indigenous nuisance mussel, Limnoperna fortunei , into water supply facilities in Japan Yasumoto Magara , Yoshihiko Matsui , Yoshinori Goto and Akira Yuasa, (Kimura 1994), 113–124, 2001. Darrigran, G., Damborenea, C., Penchaszadeh, P., Taraborelli, C. Reproductive stabilization of Limnoperna fortunei (Bivalvia:Mytilidae) after ten years of invasion in the Americas. J Shellfish Res 22: 141–146, 2003. Mackie, G. L. and R. Claudi. Monitoring and control of macrofouling mollusks in fresh water systems. CRC Press, Boca Raton, FL. 508 pp, 2010.

Salazar, M. H. and Salazar, S. M. Mussels as Bioindicators: Effects of TBT on Survival, Bioaccumulation and Growth under Natural Conditions. Chapman & Hall, London, 1996. ISBN 0 412 58240 6 BELL, H.L. Effect of lowpH on the survival and emergence of aquatic insects. Water Research Volume 5, Issue 6,p.313–319, 1971 KARATAYEV A Y, BOLTOVSKOY D, PADILLA D, MINCHIN D, BOLTOVSKOY D, BURLAKOVA LE.. The invasive bivalves Dreissena polymorpha and Limnoperna fortunei: parallels, contrasts,potential spread and invasion impacts. J Shellfish Res 26(1):205-213, 2007 Fu, G.K., Hu, Y.Y., Zhang, C. Study of Water Analysis in Reservoir of Small Cities and Towns. Advanced Materials Research, 433-440, 3992, 2012. Biancalana, F., Menéndez, M.C., Berasategui, A.A., Fernández-Severini, M.D. & Hoffmeyer, M.S. Sewage pollution effects on mesozooplankton structure in a shallow temperate estuary. Environmental Monitoring and Assessment Volume 184, Number 6 .p.3901-3913,2012. DOI: 10.1007/s10661-0112232-2 Antonio-Nkondjio, C., Fossog, B. T., Ndo, C., Djantio, B. M., Togouet, S. Z., Awono-Ambene, P., Costantini, C. Anopheles gambiae distribution and insecticide resistance in the cities of Douala and Yaoundé (Cameroon): influence of urban agriculture and pollution. Malaria journal, 10(1), 154, 2012. doi:10.1186/1475-2875-10-154 Pareschi, D. C., Matsumura-Tundisi, T., Medeiros, G. R., Luzia, a P., & Tundisi, J. G. First occurrence of Limnoperna fortunei (Dunker, 1857) in the Rio Tietê watershed (São Paulo State, Brazil). Brazilian journal of biology = Revista brasleira de biologia, 68(4 Suppl), 1107–14, 2008.. Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/19197480 Cataldo, D.; Boltovskoy, D.; Marini, V.; Correa, N. 2002. Limitantes de Limnoperna fortunei en la cuenca del Plata: la predación por peces. Presentado en: “Tercera jornada sobre conservación de la fauna íctica en el río Uruguay” Organizada por la Comisión Administradora de Río Uruguay. Entre el 25 y 26 de abril del 2002, Paysandu Uruguay. Sylvester, F.; Boltovskoy D.; Cataldo, D. 2007. Fast response of freshwater consumers to a new trophic resource: Predation on the recently introduced Asian bivalve Limnoperna fortunei in the lower Paraná river, South America. Austral Ecology, 32: 403-415.

CAPÍTULO II

MODELAGEM NO MAXENT: TRANSPOSIÇÃO DE NICHO E COMPARAÇÃO MODELO PONTUAL X VETORIAL

INTRODUÇÃO Espécies invasoras são a segunda maior causa de perda de biodiversidade, tendo contribuído em 40% das extinções desde o século 17. Além disso, são também responsáveis por grandes perdas econômicas, tendo causado prejuízos anuais acima de U$100 bilhões nos Estados Unidos, Reino Unido, Austrália, Índia, África do Sul e Brasil (Convention on Biological Diversity). No Brasil o Mexilhão Dourado (Limnoperna fortunei) é responsável por grandes danos ao ambiente e à economia. Além de interferir nos ecossistemas nativos atuando como predador e competidor eficiente, o molusco também responsável por grandes prejuízos econômicos. Ao se fixar em tubulações o mexilhão provoca a interrupção forçada de turbinas hidrelétricas, além de causar a interrupção também de filtros, sistemas de drenagem e canais de irrigação (Coyller,2007). Por não possuir métodos de controle efetivos é de extrema importância a atuação na área da prevenção, impedindo que o Mexilhão Dourado alcance novos habitats. Essa tarefa pode ser auxiliada por modelos de nicho ecológico. Métodos de modelagem de distribuição potencial têm se mostrado poderosas ferramentas na predição da distribuição de espécies (Pearson et al., 2007; Siqueira et al., 2009). Tais modelos se mostraram como uma forma excelente para se trabalhar com o conceito de nicho de Hutchinson (Soberon 2007) Há um grande paralelismo entre nichos, mesmo que estes sejam distantes um do outro (Elton, 2001). Essa frase de Charles Elton é a base para toda a transposição de nichos. Ao assumir que há esse paralelismo entre nichos, torna-se possível extrapolar o nicho atual para outras áreas semelhantes e prever o potencial de ocupação dessas áreas por determinada espécie. A transposição de nicho é a transformação do espaço ambiental em um espaço físico, dessa forma é possível prever a sobrevivência de uma espécie em diferentes ambientes pelo mundo (Kearney et. al, 2011). O método mais utilizado atualmente é a ligação de dados de ocorrências a amplos dados ambientais de clima,vegetação, terreno e solo a partir de um modelo estatístico como o Maxent (Elith & Leathwick 2009). Aliando a similaridade de nicho a uma extensa base de dados ambientais mundiais, foi possível propor uma transposição de nicho, analisando a ocorrência do Mexilhão Dourado em seu habitat nativo na China e predizer nichos similares em todo o mundo, principalmente na América do Sul. Com isso, é possível avaliar o modelo com base na atual distribuição do molusco e analisar uma possível futura distribuição e áreas de risco. Além disso, foram feitas também previsões em nível de Brasil, utilizando dados limnológicos e dados climáticos, a fim de avaliar a eficiência de dados climáticos em escalas menores.

METODOLOGIA Base de Dados A base de dados consta de 149 pontos de presença da espécie Limnoperna fortunei. Desses pontos, 138 se encontram na América do Sul e 11 na Ásia. Foram utilizados como fonte: a base do CBEIH (base.cbeih.org), vários dados da biografia e base do speciesLink. Pontos que apresentavam sua localização caindo fora de rios foram realocados para o rio mais próximo através do software ArcGIS 9.3. Os dados limnológicos utilizados foram obtidos em coletas do CBEIH, em programas de monitoramento das águas (Águas de Minas e Brasil das Águas) e também na literatura. Os dados ambientais utilizados são dados do BIOCLIM (http://www.worldclim.org/bioclim) resolução de 30” (aproximadamente 1km na Linha do Equador) e foram escolhidas as variáveis: Temperatura média anual, temperatura mínima do mês mais frio, temperatura média do quadrimestre mais quente, temperatura média do quadrimestre mais frio, precipitação no mês mais chuvoso, precipitação no mês mais seco, precipitação no quadrimestre mais chuvoso e precipitação no quadrimestre mais seco. Tais variáveis foram escolhidas visando a sua influência no ciclo de vida do Mexilhão Dourado. Foi utilizada a resolução de 30” a fim de obter o maior número possível de pontos de presença, devido à proximidade entre eles. A preparação dos dados para inserção no Maxent foi realizada no software ArcGIS 9.3. A fim de eliminar pseudo-ausências fora de rios foi realizado Buffer de 4 km seguido de Extract by Mask (Spatial Analyst) nos layers do BIOCLIM.

Figura 11: Demonstração de Extract by Mask nas bases do World Clim

Modelos de Distribuição Nesse trabalho foram realizados dois tipos de modelos de distribuição: I) Modelo de Transposição de Nicho Ásia-América do Sul e II) Modelo Comparativo para a América do Sul: Pontual x BIOCLIM. Todos os modelos foram executados no software Maxent 3.1 por apresentar bons resultados na predição de diversas espécies (Ortega-Huerta & Peterson, 2008). Modelos de Transposição de nicho (I) foram criados de duas maneiras: um levando em consideração apenas ocorrências da Ásia (14 ocorrências) e outro apenas com ocorrências da América do Sul (144 ocorrências). Ambos seguiram o mesmo padrão, com cinco réplicas, 100 pseudo-ausências e utilizando apenas os aspectos Linear e Quadrático. Nos modelos comparativos (II) o modelo BIOCLIM foi desenvolvido com 300 pseudoausências (aproximadamente 2x número de presenças), 25% dos pontos de presença foram utilizados para teste e foram criadas 10 réplicas, quanto ao algoritmo foram utilizados apenas os aspectos Linear e Quadrático, a fim de minimizar o efeito da autocorrelação dos pontos de presença. O modelo pontual levou em conta as variáveis Cálcio, Clorofila, Condutividade, pH, OD, Temperatura da Água e Turbidez. Foram utilizadas 100 pseudo-ausências. Para padronização foram utilizados também 25% de presença para teste e 10 réplicas. Também os aspectos utilizados foram os mesmos, Linear e Quadrático.

RESULTADOS Transposição de Nicho

Figura 12: Modelo de previsão do nicho mundial do mexilhão dourado, com ocorrências da Ásia

Figura 13: Modelo de previsão do nicho mundial do mexilhão dourado, com ocorrências da América do Sul

O modelo apenas com ocorrências da Ásia (Fig. 12) apresentou áreas de provável ocorrência no sul da Ásia, norte da África, sul da Europa e Sudeste dos Estados Unidos (Flórida). Ao tornarmos

o foco para a América do Sul, principal objetivo do trabalho, é possível ver áreas prováveis na região Sul-Sudeste e Amazônia brasileira, além do norte da América do Sul. O modelo apenas com ocorrências da América do Sul (Fig. 13) apresentou probabilidade de ocorrência em todo o território brasileiro, além de algumas regiões da América do Sul. Em outros continentes, ocorrem também áreas de provável colonização no Sudeste dos Estados Unidos (Flórida), Sudeste Asiático e Região Central da África.

Modelo pontual x Modelo BIOCLIM

Figura 14: Modelo Pontual de previsão do nicho do Mexilhão Dourado

O modelo apresentou ponto de corte de 0,2. Levando-se em consideração tal ponto, 13 estações foram classificadas como baixa probabilidade (abaixo do ponto de corte) e 1623 se apresentaram como prováveis à ocorrência do molusco (acima do ponto de corte).

Figura 15: Modelo BIOCLIM de previsão do nicho do mexilhão dourado levando em conta apenas ocorrências da América do Sul

Figura 16: Modelo BIOCLIM de previsão do nicho do mexilhão dourado levando em conta todas as ocorrências

O modelo com ocorrências apenas da América do Sul (Fig. 15) apresentou menor abrangência, estando as áreas com probabilidade de ocorrência do mexilhão dourado praticamente restritas às regiões Sul e Sudeste e também o Mato Grosso do Sul. O modelo com todas as ocorrências (Fig. 16) apresentou maior abrangência na área com probabilidade de ocorrência do mexilhão dourado, sendo que esta se espalhou por quase todo o Brasil e a grande maioria da América do Sul.

DISCUSSÃO Quando são utilizados pontos de ocorrência da Ásia, o modelo apresentou como regiões de provável ocorrência áreas onde o mexilhão dourado é encontrado atualmente. O mesmo ocorre quando são utilizadas as ocorrências da América do Sul. Tal resultado demonstra a eficiência da modelagem para prever a transposição de nicho. Portanto, o principal objetivo, que era demonstrar o poder da ferramenta em transposições de nicho de forma correta foi concluído. No entanto, mais pode ser dito do modelo. Comparando os resultados é possível observar que houve áreas em comum entre os dois modelos, como o Sudeste dos Estados Unidos e o Sudeste Asiático. Porém, também houve regiões totalmente distintas nos resultados. No modelo com dados de ocorrência da Ásia, os Estados Unidos se mostraram bem mais adequado para a invasão pelo mexilhão dourado, com grandes áreas no sudeste mostrando condições adequadas para o estabelecimento do molusco, fato que ocorreu também no sudeste europeu. Além disso, também a Europa apresentou áreas de provável ocorrência. A maior probabilidade de dispersão do mexilhão dourado em áreas em comum com o modelo apenas com dados da América do Sul (Sudeste dos Estados Unidos e da Ásia), pode estar sendo causada pela alta correlação espacial nos dados de ocorrência no modelo com dados da América do Sul. A autocorrelação espacial dos pontos de ocorrência é um problema já citado por vários autores (Veloz, 2009; Hawkings et al, 2007; Diniz-Filho, 2003) e provavelmente é a principal causa do modelo da América do Sul apresentar áreas mais restritas de distribuição em regiões comuns. Um segundo problema é o nicho ocupado na América do Sul, como a espécie está em processo de colonização o nicho ocupado pode não refletir todo o nicho da espécie, ou seja, a espécie não está em equilíbrio demográfico, então há um subprevisão no modelo da América do Sul. Uma solução para tal é incorporar variáveis espaciais em futuros modelos, pois tais tendem a demonstrar melhores resultados (De Marco et al, 2008). No entanto, apesar da influência dos pontos de ocorrência e do nicho real do mexilhão dourado, houve uma grande diferença no continente africano. O modelo com dados da Ásia aponta apenas o norte da África como região provável à ocorrência do molusco, enquanto no modelo com dados da América do Sul a região central da África é apontada como região provável. Tamanha diferença pode não ser resultado dos problemas citados anteriormente, e sim de uma diversificação e ocupação de um novo nicho pelo mexilhão dourado na região da América do Sul. Na comparação dos modelos para a América do Sul, é possível observar algumas semelhanças entre os modelos, principalmente entre o modelo pontual e o modelo apenas com

dados de ocorrência da América do Sul. Ambos sofreram com a autocorrelação espacial, e apresentaram concentração de áreas de provável colonização/ocorrência na região sudeste. O modelo pontual, no entanto, aparentou sofrer menos com este problema, pois apontou rios da Região Norte com probabilidade de colonização. O acréscimo dos dados de ocorrência da Ásia mostra o efeito da autocorrelação espacial no modelo. Com o acréscimo de 14 pontos houve um aumento expressivo da área com probabilidade de colonização, alcançando praticamente todo o território brasileiro. O modelo pontual sofreu muito com a falta de dados, já que várias das estações de coleta apresentaram ausência de alguma variável. Foi definido nas configurações que o Maxent ignoraria tais ausências e prosseguiria com o desenvolvimento do modelo, porém é provável que tenha havido uma subprevisão devido à falta de dados. Um modelo pontual similar foi desenvolvido por Oliveira et al, 2010. No entanto, o modelo apresentou resultados diferentes, apresentando baixa probabilidade (abaixo do ponto de corte) em quase todo o território brasileiro. Vários fatores podem ter causado tal diferença. Inicialmente, a base de dados utilizada por Oliveira et al, 2010 possuía pequena amostragem no Sudeste/Sul brasileiro, região com maior ocupação pelo mexilhão dourado. Além disso, foram utilizados apenas 24 pontos de ocorrência, sendo 18 deles na região do Pantanal Sul-Matogrossense, que é uma região com condições ambientais bem características, as quais o mexilhão dourado não se adaptou muito bem, como é dito por Oliveira, 2003. O uso da grande maioria dos dados de entrada nesta região pode ter ocasionado uma subprevisão pelo modelo. No nosso modelo foram utilizados 138 dados de ocorrência e grande parte da região onde o mexilhão se encontra bem adaptado e com altas densidades populacionais (Oliveira, 2003), tal fato pode ter evidenciado de forma mais abrangente o nicho ocupado pela espécie e resultado em um melhor resultado do modelo. Apesar do modelo resultado em Oliveira et al, 2010 apresentar um AUC de 0,96, a elevada taxa de sucesso pode ter sido gerada pela alta correlação espacial dos dados (Veloz, 2009) e não representar a realidade.

CONCLUSﾃグ

REFERÊNCIAS Coyller, W. “Água de lastro, bioinvasão e resposta internacional”. Revista Jurídica, vol. 9, n. 84, Abr/Mai 2007 De Marco, P., Diniz-Filho, J.A.F. & Bini, L.M. Spatial analysis improves species distribution modelling during range expansion. Biol. Lett, 4, 577-580, 2008.

Diniz-Filho,J.A.F., Bini,L.M., Hawkins, B.A. Spatial autocorrelation and red herrings in geographical ecology. Global Ecology and Biogeography, volume 12, issue 1, pages 53–64, 2003 Elith, J. & Leathwick, J. R. Species distribution models: ecological explanation and prediction across space and time. Annu. Rev. Ecol. Evol. System. 40, 677–697, 2009. doi:10.1146/annurev.ecolsys.110308.120159 Elton,C. Animal Ecology, Ch. V: ‘The Animal Community’. University Of Chicago Press, 2001 Hawkins, B.A., Diniz-Filho, J.A.F., Bini, L.M., De Marco, P. & Blackburn, T.M. Red herrings revisited: spatial autocorrelation and parameter estimation in ecology. Ecography, 30, 375–384, 2007. Kearney,M., Simpson,S.J., Raubenheimer,D. & Helmuth, B. Modelling the ecological niche from functional traits. Phil. Trans. R. Soc. B, 365, 3469-3483, 2010. OLIVEIRA, M. D. . Ocorrência e impactos do mexilhão dourado (Limmnoperna fortunei, Dunker 1857) no Pantanal Mato-Grossense. 2003. 6p. Autor(es): Márcia Divina de Oliveira.. Documentos. Embrapa Pantanal, v. 1, p. 1-6, 2003. Oliveira, M., Hamilton, S., & Jacobi, C. (2010). Forecasting the expansion of the invasive golden mussel Limnoperna fortunei in Brazilian and North American rivers based on its occurrence in the Paraguay River and Pantanal wetland of Brazil. Aquatic Invasions, 5(1), 59–73. doi:10.3391/ai.2010.5.1.8 Ortega-Huerta, M. A., & Peterson, A T. 2008. Modeling ecological niches and predicting geographic distributions : a test of six presence-only methods. Revista Mexicana De Biodiversidad 79: 205- 216. Pearson, R. G., Raxworthy, C. J., Nakamura, M., & Peterson, A Townsend. 2007. Predicting species distributions from small numbers of occurrence records : a test case using cryptic geckos in Madagascar. Journal of Biogeography 34: 102-117.62 Siqueira, M. F., Durigan, G., De Marco, P., & Peterson, A Townsend. 2009. Something from nothing: Using landscape similarity and ecological niche modeling to find rare plant species. Journal for Nature Conservation 17: 25-32. Soberón, J. (2007). Grinnellian and Eltonian niches and geographic distributions of species. Ecology letters, 10(12), 1115–23. doi:10.1111/j.1461-0248.2007.01107.x Veloz, S.D. Spatially autocorrelated sampling falsely inflates measures of accuracy for presence-only niche models. Journal of Biogeography 36, 2290–2299, 2009.

CAPÍTULO III

PROJETO DE EXPERIMENTO PARA AVALIAR OS EFEITOS DO CISALHAMENTO SOBRE LARVAS DE MEXILHÃO DOURADO (LIMNOPERNA FORTUNEI)

INTRODUÇÃO Boltovskoy sugeriu que a fase larval do Limnoperna fortunei é a sua principal forma de dispersão no meio. Através da colonização secundária, uma população estabelecida é capaz de colonizar um extenso trecho a jusante a partir da produção e dispersão de larvas (Boltovskot et al., 2006). Baseado nesse modelo de dispersão têm-se a importância do estágio larval. No entanto, pouco se sabe desse estágio, que só foi completamente elucidado em 2005 (Santos et al., 2005). Pouco é conhecido também sobre os limites de tolerância do estágio larval. Diferentemente do adulto, que já possui alguns estudos direcionados a alguns parâmetros, como mostrado no capítulo I. Portanto, é essencial descobrir mais sobre o estágio larval a fim de controlar a dispersão da espécie. Como qualquer outra espécie, as condições do mexilhão dourado são limitadas pelas condições ambientais, tanto químicas (pH,OD,Condutividade...) como físicas. Uma das propriedades físicas da água que se sobressai é a Turbulência. Fluídos podem se apresentar em três estados: Laminar, Transição e Turbulento (Fig.17). A transição de um escoamento linear para um turbulento se dá pelo surgimento de instabilidades, que se multiplicam e degeneram-se em um regime turbulento (Neto, 2002). Em geral o fluxo em um rio é do tipo Turbulento Cisalhante Livre (Porto, 2006). Tais obstáculos são caracterizados por ausência de paredes ou obstáculos em seu interior e as instabilidades que ocorrem são de natureza cisalhante. Escoamentos Cisalhantes Livres são divididos ainda em três tipos: camada de mistura, jatos e esteiras, sendo que o primeiro é o recorrente em rios (Neto,2002).

Figura 17: Fluxos Lâminar, Transitório e Turbulento, respectivamente. Fonte: M.J. Burin, CSU San Marcos (2010).

Uma camada de mistura se desenvolve devido à existência de diferenças de velocidade no interior de um escoamento. Normalmente têm-se uma camada altamente cisalhante que separa duas camadas de escoamentos uniformes com velocidades diferentes (Fig.18a). O processo de transição se inicia a partir de uma faixa cisalhante gerada por duas correntes de velocidade diferentes, porém uniformes de magnitudes U1 e U2. Devido à diferença de velocidade observa-se a geração de cristas e vales da napa cisalhante inicialmente uniforme (Fig.18b). A pressão menor no interior dos vales e a diferença de velocidades faz com que o sistema se intensifique e resulte em um processo de enrolamento (Fig.18c). (Neto,2002)

Figura 18: Transição em Escoamento Cisalhante Livre. Duas camadas com velocidades diferentes (a). Formação de vales e cristas (b). Enrolamento e estabelecimento da turbulência (c). Fonte: Neto, 2002.

A forma mais comum de mediĂ§ĂŁo da turbulĂŞncia ĂŠ atravĂŠs do nĂşmero de Reynolds (Re). (Reynolds, 1883)

đ?&#x2018;&#x2C6;đ?&#x2018;&#x2018; đ?&#x2018;&#x2026;đ?&#x2018;&#x2019; = đ?&#x2018;Ł Onde: U=escala de velocidade , d= escala de comprimento e v= viscosidade cinemĂĄtica do fluido. Portanto, levando-se em conta o modelo de dispersĂŁo secundĂĄria citado por Boltovskoy para o MexilhĂŁo Dourado e tambĂŠm por outros autores para diversas espĂŠcies (Reyns et al., 2006; Bobeldyk et al., 2005), a turbulĂŞncia possui um papel extremamente importante na limitaĂ§ĂŁo da dispersĂŁo das larvas, e consequentemente da espĂŠcie, de mexilhĂŁo dourado. Tanto ĂŠ que vĂĄrios autores citam a importĂ˘ncia da turbulĂŞncia na limitaĂ§ĂŁo da dispersĂŁo de seres/estĂĄgios componentes do ZooplĂ˘ncton, como ovos de peixe (Wang, 2009), larvas de carangueijos (Reyns et al., 2006; Welch et al., 1999) e atĂŠ mesmo larvas de bivalves, como o mexilhĂŁo zebra (Dresissena polymorpha) (Horvath & Lamberti, 1999; AMEC, 2010). HĂĄ tambĂŠm o registro de alguns experimentos em laboratĂłrio que tambĂŠm evidenciaram os efeitos da turbulĂŞncia sobre larvas de mexilhĂŁo zebra (Horvath & Crane, 2010; Rehman et al., 2003). No entanto, todos esses trabalhos nĂŁo estabelecem uma relaĂ§ĂŁo entre a turbulĂŞncia e a mortalidade das espĂŠcies. Este projeto toma como objetivo estabelecer essa relaĂ§ĂŁo a fim de desenvolver uma generalizaĂ§ĂŁo e aplicar o parĂ˘metro para qualquer situaĂ§ĂŁo e curso dâ&#x20AC;&#x2122; ĂĄgua. O objetivo principal ĂŠ no futuro envolver o parĂ˘metro TurbulĂŞncia e Mortalidade em modelos de distribuiĂ§ĂŁo de espĂŠcies, para prever com maior eficiĂŞncia o alcance das mesmas.

METODOLOGIA DISCUTIDA DefiniĂ§ĂŁo da Medida de TurbulĂŞncia A turbulĂŞncia normalmente ĂŠ medida atravĂŠs do nĂşmero de Reynolds. No entanto, devido Ă adimensionalidade do nĂşmero, tal mĂŠtodo fica inviĂĄvel quandob)o objetivo ĂŠ a comparaĂ§ĂŁo de dois a) ambientes, principalmente dois ambientes com escalas tĂŁo diferentes, quanto um experimento em laboratĂłrio e um rio. A escolha por trabalhar com o nĂşmero de Reynolds impossibilitaria a generalizaĂ§ĂŁo do modelo. Devido a isso, foi escolhido trabalhar com a TensĂŁo de Cisalhamento. O Cisalhamento ĂŠ uma medida dimensional e uma propriedade da prĂłpria ĂĄgua, devido a isso se torna possĂvel a comparaĂ§ĂŁo entre escalas discrepantes, como a prevista no projeto.

đ?&#x2018;?=đ?&#x153;&#x2021;

đ?&#x2018;&#x2030;! đ?&#x2018;&#x2026;

FĂłrmula para TensĂŁo de Cisalhamento (Z). Sendo que Âľ: Viscosidade DinĂ˘mica da Ă gua (a 20Â°C = 1,002 x 10!! N s/mÂ˛) , VR: Velocidade Linear e R: Raio (profundidade do rio). Com a TensĂŁo de Cisalhamento ĂŠ possĂvel realizar a comparaĂ§ĂŁo entre o rio e experimentos em laboratĂłrios, a representaĂ§ĂŁo de tais medidas em ambos o cenĂĄrio seria como representado abaixo (Fig.19).

Figura 19: CĂĄlculo da TensĂŁo de Cisalhamento. Analogia laboratĂłrio(a) e rio(b).

CĂĄlculo das VariĂĄveis nos Rios Para cĂĄlculo dos valores das variĂĄveis necessĂĄrias nos rios foi utilizada a base de dados de estaĂ§Ăľes hidrolĂłgicas da ANA (AgĂŞncia Nacional das Ă guas). A base de dados possui dados de vazĂŁo e perfis transversais de alguns pontos nos rios. Para os dados de vazĂŁo foram calculadas as mĂŠdias de todos os valores. Os perfis transversais foram analisados no software Motic 2.0 para cĂĄlculo de ĂĄrea da seĂ§ĂŁo transversal e tambĂŠm da profundidade do rio. Com tais valores foi possĂvel calcular a velocidade do rio a partir da fĂłrmula:

đ?&#x2018;&#x201E; = đ?&#x2018;&#x2030;Ă&#x2014;đ??´ Onde Q: VazĂŁo (mÂł/s); V: Velocidade Linear (m/s) e A: Ă rea da SeĂ§ĂŁo Transversal (mÂ˛). E tambĂŠm permitiu o cĂĄlculo do nĂşmero de Reynolds e da TensĂŁo de Cisalhamento nesses pontos dos rios. Tais valores foram utilizados como referĂŞncias para os ensaios laboratoriais.

Figura 20: CĂĄlculos da Ă rea e Profundidade em uma seĂ§ĂŁo transversal de um ponto do Rio TietĂŞ no software Motic 2.0

Experimentos em Laboratório A Turbulência já foi citada para alguns experimentos com o mexilhão zebra. Horvath & Lamberti, 1999, citaram valores de Reynolds entre 150.000 e 200.000 como possíveis responsáveis pela morte das larvas em um trecho de rio (Horvath & Lamberti, 1999). Além disso, experimentos em laboratórios já foram realizados (Rehman et al., 2003; Horvath & Crane, 2010). O experimento de Rehman et al., 2003 usou um aerador para criar a turbulência a partir de bolhas e analisou o caso descrito por Horvath & Lamberti, 1999 e calculou o valor de turbulência d* no trecho de rio em questão. Como resultado o autor reforça a ideia da turbulência como causa de morte nas larvas de mexilhão zebra. Horvath & Crane desenvolveram seus experimentos com um agitador magnético e duas velocidades (100 e 400 rpm) com diferentes durações (1h,24h e 48h). Os experimentos também apontaram mortalidade maior nas larvas submetidas à turbulência dos agitadores. O experimento proposto busca estudar os efeitos da turbulência nas larvas de mexilhão dourado e busca estabelecer um padrão que relacione a mortalidade com a turbulência. Além disso, também é do interesse que os resultados obtidos em laboratórios possuam uma transferabilidade para o rio. O projeto foi pensado e desenhado em cima desses objetivos. Para tal, o equipamento utilizado será um Reômetro, a fim de simular um Fluxo de Couette. O Cilindro de Taylor-Couette gera um fluxo laminar entre dois cilindros concêntricos e os primeiros estudos desenvolvidos no mesmo foram realizados com um reômetro no final do século XIX (Mallock, 1888, 1890; Couette, 1890). O fluxo laminar gerado pelo reômetro é diferente dos experimentos propostos por Horvath & Crane e Rehman et al, no entanto se aproxima mais da realidade, devido ao fato dos grandes rios apresentarem fluxo laminar em seu canal central e fluxo turbulento nas margens (Davis & Barmuta, 1989) (Fig.20).

Figura 21: Diagrama do fluxo de um rio. Fonte: http://vcsar1.org

Os experimentos em laboratório foram desenhados a fim de se aproximar ao máximo da realidade. Devido a isso, serão utilizados dois tipos de cilindros concêntricos. O primeiro apresenta uma pequena distância entre os cilindros, a fim de reproduzir o Fluxo de Couette, laminar. Um segundo cilindro também será preparado, este cilindro possuirá um raio maior, de forma a aumentar o espaço entre os cilindros, possibilitando simular um fluxo turbulento. A coleta das larvas será realizada na Hidrelétrica de Volta Grande. Serão utilizadas redes de 65µm, que filtrarão a água por 30 minutos. Em seguida o material filtrado será transportado à piscicultura próxima da hidrelétrica. Ao chegar à piscicultura o material será misturado gentilmente a fim de homogeneizar a amostra. Em seguida o material será dividido em dois grandes grupos: controle, que sofrerá as mesmas condições ambientais, porém não passará por turbulência e experimental, que será utilizado nos experimentos no reômetro. Tais métodos seguem os utilizados por Horvath & Crane, 2010. Os experimentos foram ainda divididos em duas formas principais: tempo e intensidade. Diferentemente dos experimentos realizados por Horvath & Crane foi incorporado no projeto a ideia de experimentos de curta duração, a fim de simular pontos específicos com maior turbulência nos rios. Os experimentos de longa duração foram mantidos pois em casos de transporte a jusante em fluxo laminar tais experimentos reproduziriam de forma mais fiel o ambiente no rio. Também serão realizadas mais variações na velocidade (RPM) do equipamento, a fim de cobrir várias velocidades e tentar estabelecer uma curva relacionando turbulência e mortalidade. O desenho experimental ficou da seguinte maneira:

Experimentos em Laboratório

Fluxo Laminar

Fluxo Turbulento

Longa Duração

Curta Duração

Variações na Intensidade

Figura 22: Desenho experimental dos experimentos em laboratório

Os experimentos com fluxo laminar ocorreriam da seguinte maneira: Tabela 5: Desenho experimental dos experimentos com fluxo laminar

FLUXO LAMINAR Duração / Velocidade(RPM)

12h

24h

48h

168h

50 rpm* 100 rpm* 200 rpm* 300 rpm* 400 rpm* 500 rpm*

O desenho experimental foi proposto baseado nas taxas de mortalidade e velocidade dos experimentos de Horvath & Crane. Os experimentos de Fluxo Laminar exploraram períodos de longa duração devido ao caso de transporte a jusante e ao tempo de sobrevivência da larva no plâncton que pode chegar a um mês (Choi & Shin, 1985; Darrigran, 2002). *Os valores foram propostos com base em experimentos prévios realizados por outros autores, porém, tal estudo explora a situação de maneira diferente. Portanto é provável que as velocidades utilizadas sejam diferentes das propostas após um estudo mais minucioso das Tensões de Cisalhamento em rios. Já os experimentos com fluxo turbulento ocorreriam da seguinte maneira: Tabela 6: Desenho experimental dos experimentos com fluxo turbulento

FLUXO TURBULENTO Duração/

5min

10min

30min

45min

Velocidade(RPM) 50 rpm* 100 rpm* 200 rpm* 300 rpm* 400 rpm* 500 rpm*

Os experimentos de Fluxo Turbulento buscam simular o momento em que a larva se fixa no substrato e entra em contato com o fluxo turbulento das margens, fundo de rios e ao redor de objetos (boias, embarcações). A larva só se encontra adepta para fixar quando nos estágios pedivéliger e plantígrada (Santos et al., 2005; AMEC, 2009; Horvath & Crane, 2010), nesses estágios a larva é transportada próxima à margem e por isso se encontra em contato com o fluxo turbulento. Pedivéligers de Dreissena polymorpha vivem entre 13-28 dias (AMEC, 2009), um tempo maior do que o proposto no experimento, como são larvas muito semelhantes tal valor será extrapolado para o mexilhão dourado. Será necessário realizar experimentos iniciais e analisar a mortalidade de larvas, caso a este número seja baixo, o aumento da duração do experimento é possível e perfeitamente dentro das condições ambientais encontradas pela larva. Utilização como base para modelos O objetivo final do projeto é utilizar a turbulência como uma base para modelagem de nicho, tanto em modelos dinâmicos quanto em modelos estáticos. Para a transformação da curva em base para modelos serão utilizadas imagens de satélite e a ferramenta ArcHidro para ArcGIS (Fig. 23). Através da ferramenta serão calculadas a velocidade e a largura dos rios. A profundidade será calculada a partir da largura, assumindo-se uma forma geométrica comum para todos os rios. Dessa forma é possível realizar o cálculo da Tensão de Cisalhamento para todo o Brasil.

Figura 23: MDE para a Bacia do Paraná. Fonte: Satélite SRTM

A partir da imagem de satélite é possível definir toda a malha hidrográfica e criar modelos extremamente detalhados e completos (Figs. 24 e 25).

Figura 24: Rede Hidrográfica criada a partir da ferramenta ArcHidro

Figura 25: Detalhe na precisão e eficiência da definição de trechos d'água

REFERÊNCIAS AMC EARTH & ENVIRONMENTAL. Zebra / Quagga Mussel Veliger Transport Model. October 2009 . BOBELDYK, A. M., BOSSENBROEK, J. M., & EVANS-WHITE, M. A. Secondary spread of zebra mussels ( Dreissena polymorpha ) in coupled lake-stream systems 1. Methods, 12(3), 339–346, 2005. BOLTOVSKOY, D., N. CORREA, D. CATALDO & F. SYLVESTER. Dispersion and impact of invasive freshwater bivalves: Limnoperna fortunei in the Río de la Plata watershed and beyond. Biological Invasions 8: 947–963, 2006. CHOI, S.S. & J.S. KIM. Studies on the metamorphosis and the growth of larva in Limnoperna fortunei. Korean Journal of Limnology, Seoul, 1: 13-18, 1985. CHOI, S.S. & C.N. SHIN. Study on the early development and larvae of Limnoperna fortunei. Korean Journal of Limnology, Seoul, 1: 5 -12, 1985. COUETTE, M. Études sur le Frottement des Liquides. Annales de Chimie et de Physique, 21, 433510, 1890 DARRIGRAN, G. Potential impact of filter-feeding invaders on temperate inland fresh water environments. Biological Invasions, Knoxville, 4: 145-156, 2002.

DAVIS,J.A., BARMUTA, L. A. An ecologically useful classification of mean and near-bed flows in streams and rivers. Freshwater Biology Volume 21, Issue 2, pages 271–282, 1989. HORVATH, T. G., & LAMBERTI, G. A. Mortality of zebra mussel, Dreissena polymorpha, veligers during downstream transport. Freshwater Biology, 69–77, 1999. HORVATH, T., & CRANE, L. Hydrodynamic forces affect larval zebra mussel (Dreissena polymorpha) mortality in a laboratory setting. Aquatic Invasions, 5(4), 379–385, 2010. doi:10.3391/ai.2010.5.4.07 MALLOCK, A. Determination of the Viscosity of Water. Proceedings of the Royal Society of London (1854-1905). 1888-01-01. 45:126–132 MALLOCK, A. Experiments on Fluid Viscosity. Proceedings of the Royal Society of London (18541905). 1895-01-01. 59:38–39 NETO, A.S. Fundamentos da Turbulência nos Fluidos. In: UFSC. (Org.). III Escola de Primavera Transição e Turbulência. III Escola de Primavera Transição e Turbulência. 1ed.Florianópolis: UFSC, 2002, v. 1, p. 1-52. PORTO, R. M. . HIDRÁULICA BÁSICA 4a edição. 4. ed. SÃO PAULO: RETTEC GRÁFICA E EDITORA, 2006. v. 2500. 529p . REHMANN, C. R., STOECKEL, J. A., & SCHNEIDER, D. W. Effect of turbulence on the mortality of zebra mussel veligers. Small, 1069, 1063–1069, 2003. doi:10.1139/Z03-090

REYNOLDS, O. An experimental investigation of the circunstances which determine whether the motion of wather shall be direct of sinous, and of the law of resistence in parallel channels. Philos. Trans. R. Soc., London 174, pp. 935-982, 1883. REYNS, N. B., CAROLINA, N., EGGLESTON, D. B., & JR, R. A. L. Secondary dispersal of early juvenile blue crabs within a wind-driven estuary. differences, 51(5), 1982–1995, 2006. SANTOS, C. P., WÜRDIG, N. L., & MANSUR, M. C. D. (2005). Fases larvais do mexilhão dourado Limnoperna fortunei (Dunker, 1857) (Mollusca, Bivalvia, Mytilidae) na bacia do Guaíba, Rio Grande do Sul, Brasil. Revista Brasileira de Zoologia 22 (3): 702–708, 2005. WANG, Y. "A multidimensional Eulerian-Lagrangian model to predict organism distribution." thesis, University of Iowa, 2009. Http://ir.uiowa.edu/etd/447. WELCH, J. M., R. B. FORWARD, Jr., AND P. A. HOWD. Behavioral responses of blue crab Callinectes sapidus post- larvae to turbulence: Implication for selective tidal stream transport. Mar. Ecol. Prog. Ser. 179: 135–143, 1999.

PROGRAMA INSTITUCIONAL DE BOLSAS PARA GRADUANDOS - CETEC PROGRAMA INSTITUCIONAL DE INICIAÇÃO TECNOLÓGICA E INOVAÇÃO – PIBITI / CNPQ

Ministério da Ciência e Tecnologia / CNPq – 2011/2012 Programa Institucional de Iniciação Científica – Fundação CETEC

Projeto: 343, controle do mexilhão dourado: bioengenharia e novos matérias para a aplicação em ecossistemas e usinas hidrelétricas.

Caracterização microestrutural do pé do mexilhão-dourado (Limnoperna fortunei) utilizando microscopia eletrônica.

CNPq/ agosto / 2012

______________________________________________________________________ Universidade federal de Minas Gerais

Fundação Centro Tecnológico de Minas Gerais - CETEC Diretoria de Desenvolvimento e Serviços Tecnológicos Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas-CBEIH PRESIDENTE Marcílio César de Andrade VICE PRESIDENTE Eduardo Prates Octaviani Bernis DIRETOR DE DESENVOLVIMENTO E SERVIÇOS TECNOLÓGICOS DIRETOR DE PLANEJAMENTO GESTÃO E FINANÇAS Ivan Amorim Barbosa

Av. José Cândido da Silveira, 2000 - Horto - Belo Horizonte - MG – 31170-000 Telefone: (31) 3489-2000 / Fax: (31) 3489-2200 – Site: www.cetec.br - E-mail: faleconosco@cetec.br

Ministério da Ciência e Tecnologia / CNPq - 2012 Programa Institucional de Iniciação Científica – Fundação CETEC Projeto: 343 controles do mexilhão dourado: bioengenharia e novos materiais para a aplicação em ecossistemas e usinas hidrelétricas.

Caracterização microestrutural do pé do mexilhão-dourado (Limnoperna fortunei) utilizando microscopia eletrônica CNPq/ agosto / 2012

Nome do Orientador: Mestre Arnaldo Nakamura Filho Pesquisador Pleno, Orientador: Doutor Antônio Valadão Cardoso

Belo Horizonte Agosto/2012

Fundação Centro Tecnológico de Minas Gerais / CETEC Diretoria de Desenvolvimento e Serviços Tecnológicos Centro de Bioengenharia de Espécies Invasoras de Hidreletricas-CBEIH Caracterização microestrutural do pé do mexilhão-dourado (Limnoperna fortunei) utilizando microscopia eletrônica.

Orientador: Arnaldo Nakamura Filho, Mestre em engenharia de materiais-UFOP.

Autores: João Locke Ferreira de Araújo, Minas Gerais, Ciências biológicas, Universidade Federal de Minas Gerais- UFMG. Arnaldo Nakamura Filho, mestrado em engenharia de materiais-Universidade Federal de Ouro Preto- UFOP. Antônio Valadão Cardoso, Doutorado em Materials Engineering pela University of Sheffield, Inglaterra (1992)

Caracterização microestrutural do pé do mexilhão-dourado (Limnoperna fortunei) utilizando microscopia eletrônica. ¹CARDOSO, A.V; ¹NAKAMURA, A.F; ²LOCKE, J.F.A 1 - Pesquisador Pleno do CETEC-MG. 2 – Bolsista de Iniciação Científica - CNPq e-mail: joaolocke.bio@gmail.com

CETEC – Centro Tecnológico de Minas Gerais Palavras chave: Limnoperna

fortunei, microestrutura, Microscopia eletrônica de varredura.

INTRODUÇÃO O Limnoperna fortunei é um molusco bivalve conhecido como mexilhão dourado que representa um exemplo típico de espécie invasora capaz de produzir alterações relevantes nos sistemas hídricos e naturais ou artificiais que invade. É um molusco de água doce, nativo dos rios do sudeste da Ásia. A introdução do Limnoperna fortunei em águas doces brasileiras é hoje um fato que, também pode ser associado à falta de controle e fiscalização sobre as mais variadas atividades econômicas, de lazer ou turismo, associadas aos diferentes usos da água. (BRUGNOLI, E. et al.2005). A idéia principal do projeto se baseia na produção de imagens de microscopia eletrônica de varredura do pé do molusco bivalve Limnoperna Fortunei, com o objetivo de compreender sua estrutura microscópica, com ênfase em sua superficie, esperando que esse entendimento auxilie na obtenção de medidas de combate ao bivalve (objetivo técnico), tendo em vista o apoio da CEMIG ao projeto, e também ajude a entender tanto a ecologia quanto a evolução e adptação da espécie. Pôde-se perceber a existência de microestruturas na forma de cílios em toda a extensão do pé do mexilhão e não somente no dorso, como descrito na literatura.

OBJETIVOS Caracterização morfológica do mexilhão dourado, por meio de microscopia eletrônica.

MÉTODOS E PROCEDIMENTOS Os exemplares de Limnoperna fortunei foram coletados no Rio Parnaíba, próximo ao município de Parnaíba, MS. Os animais foram retirados com auxílio de uma espátula nos tambores da base de um cais. Depois de coletados, os animais foram dessecados manualmente, utilizando os procedimentos normais de biossegurança, incluído a capela de exaustão recomentada para trabalhar com materiais voláteis. O tipo de mesmo equipamento foi usado no preparo das soluções usadas na produção da solução final do Karnovisk. A dessecação foi realizada no centro de microscopia da UFMG, também em uma capela de exaustão. As amostras foram montadas em porta-amostras denominadas stubs e metalizadas. Amostras com ouro e outras com carbono durante 1 a 2 min na espessura aproximada de 10nm. Sessões de microscopia de varredura foram realizadas no período entre setembro/2011 e julho/2012 no centro de microscopia da UFMG.

RESULTADOS E DISCUSSÃO As amostras foram montadas em porta amostras denominados stubs e metalizados com ouro e outras com carbono durante 1 a 2 min na espessura aproximada de 10nm. As imagens produzidas,das amostras preparadas pelo método tradicional de preparo, evidenciaram a existência de cílios em toda a superfície do pé do mexilhão, e não somente no dorso(figura 1).

Figura 1 Imagem demostrando o aumento gradativo da superfície do pé do Limnoperna fortunei. As imagens produzidas utilizando a técnica de preparo pela criofratura, que se resume ao seu congelamento à temperatura do nitrogênio líquido (-196°C) e depois fraturado com uma lâmina de bisturi, possibilitaram a analise da estrutura interna do pé do mexilhão, mostrando uma estrutura fibrosa(figura 2)

Figura 2 Imagem demostrando o aumento gradativo do interior do pé do mexilhão dourado, de 350x até 6000x. Essa mesma técnica permitiu a visualização da superfície do pé, com imagens mais nítidas do que as primeiras feitas na varredura quanta. A existência dos cílios em toda sua superfície tornou-se uma certeza, e sua aplicação no mecanismo de adesão ainda mais plausível.

CONCLUSÃO Com as imagens de MEV produzidas de toda a superfície do pé do animal, foi possível observar que não somente o dorso, mas todo o pé do animal é recoberto por cílios, os quais estão intimamente envolvidos com o processo de fixação do mexilhão. Como o método de preparo para o MEV por meio da criofratura produzimos imagens nas quais foi possível observar a conectividade entre o externo (ciliar) e a parte interna do pé mostrando a extensão dos cílios de fora para dentro. A parte interna do pé parece ser mais maciça, mas morfologicamente parecida com a parte externa, com um aspecto fibroso, estruturas semelhantes aos cílios porêm menos organizadas. REFERÊNCIAS -BIVALVE MOLLUSCS, Biology, Ecology and Culture. - Elizabeth Goslinge editor Fishing News Books, an imprint of Blackwell Science. BRUGNOLI, E. et al. Golden mussel Limnoperna fortunei (Bivalvia: Mytilidae) distribution in the main hydrographical basins of Uruguay: update and predictions. Anais da Academia Brasileira de Ciências, v. 77, n. 2, p.235-244, 2005. -FERREIRA, C. E. L., GONÇALVES, J. E. A. & COUTINHO, R. “Cascos de navios e plataformas como vetores na introdução de espécies exóticas”. In: Silva, J.S.V. & Souza, R. C. C. L. (Org.). Água de lastro e bioinvasão, Rio de Janeiro: Ed. Interciência, p. 143–155. 2004. -AUTUMN K., M. SITTI, A. PEATTIE, W. HANSEN, S. SPONBERG, Y. A. LIANGT, T. KENNY, R. FEARING, J. ISRAELACHVILLI AND R. J. FULL. 2002. Evidence for van der waals adhesion in Gecko setae. Proceedings of the National Academy of Sciences of the U.S.A. -HADDAD et al (1998) técnicas básicas de microscopia eletrônica aplicadas as ciências biológicas. Sociedade brasileira de microscopia,UENF, 1ª ed.

Sumário 1. OBJETIVO CIENTÍFICO e TÉCNICO do PROJETO ........................................................... 6 1.2- OBJETIVO do PROJETO ao qual a BOLSA se VINCULA ................................................ 6 2-REVISÃO BIBLIOGRÁFICA .................................................................................................... 7 2.2 – INTRODUÇÃO................................................................................................................................7

3-MATERIAIS e MÉTODOS ....................................................................................................... 10 3.1- OBTENÇÃO e COLETA de AMOSTRAS de PÉ ..........................................................................10 3.2-MÉTODOS de COLETA ..................................................................................................................10 3.3- PREPARO das AMOSTRAS para a SESSÃO de MEV .................................................................11 3.4 PREPARO das AMOSTRAS do PÉ –MÉTODO TRADICIONAL ................................................14 3.5- PREPARO de AMOSTRAS do PÉ – CRIOFRATURA ................................................................15 3.5-PRODUÇÃO de IMAGENS no MEV. ...........................................................................................17 3.6-PREPARO das AMOSTRAS para a SESSÃO de MET ..................................................................19 4- DESENVOLVIMENTO e ANÁLISE de RESULTADOS .................................................................21

5-CONCLUSÕES: ........................................................................................................................ 32 6-RECOMENDAÇÕES: ............................................................................................................... 33 7-REFERÊNCIAS ......................................................................................................................... 34 8 – ANEXOS ................................................................................................................................. 35

LISTA DE FIGURAS: FIGURA 1:ÁREA DE OCORRÊNCIA DO LIMNOPERNA FORTUNEI. .................................................................. 8 FIGURA 2: FOTOGRAFIA DA CAPELA DE EXAUSTÃO UTILIZADA PARA O PREPARO DAS SOLUÇÕES DE FIXAÇÃO DE ............................................................................................................................................. 13 FIGURA 3 ................................................................................................................................................................... 16 FIGURA 4:IMAGEM DE UM MICROSCÓPIO ELETRÔNICO DE VARREDURA FEG- QUANTA 200 FEI, COM EBSD. ...................................................................................................................................................... 17 FIGURA 5: IMAGEM DE UMA AMOSTRA DO PÉ PRONTA PARA A MICROSCOPIA ELETRÔNICA DE VARREDURA. ................................................................................................................................................. 18 FIGURA 6: IMAGEM DEMOSTRANDO O AUMENTO GRADATIVO DA SUPERFÍCIE DO PÉ DO LIMNOPERNA FORTUNEI. ........................................................................................................................... 21 FIGURA 7: IMAGEM DO DORSO DO PÉ IMAGEM PRODUZIDA NO CENTRO DE MICROSCOPIA DA UFMG. .............................................................................................................................................................. 22 FIGURA 8: SUPERFÍCIE DA ''PONTA DO PÉ''. IMAGEM PRODUZIDA NO CENTRO DE MICROSCOPIA DA UFMG. .............................................................................................................................................................. 23 FIGURA 9: SUPERFÍCIE DA PARTE VENTRAL DO PÉ. IMAGEM PRODUZIDA NO CENTRO DE MICROSCOPIA DA UFMG. ............................................................................................................................ 24 FIGURA 10 REGIÃO VENTRAL DO PÉ EM AUMENTOS MICROSCÓPICOS DIFERENTES, MOSTRANDO A PRESENÇA DE CILIOS TAMBEM NA REGIÃO.IMAGENS PRODUZIDAS NO CENTRO DE MICROSCOPIA DA UFMG. ............................................................................................................................ 25 FIGURA 11: IMAGEM DA “CANALETA’’ E EM MAIOR AUMENTO A DIREITA. IMAGENS PRODUZIDAS NO CENTRO DE MICROSCOPIA DA UFMG. .............................................................................................. 25 FIGURA 12 IMAGEM DO MICROSCÓPIO DE VARREDURA JEOL, MOSTRANDO A ESTRUTURA INTERNA FIBROSA DO PÉ DO MEXILHÃO. ............................................................................................. 26 FIGURA 13: IMAGEM DEMOSTRANDO O AUMENTO GRADATIVO DO INTERIOR DO PÉ DO MEXILHÃO DOURADO,DE 350X ATÉ 6000X. ........................................................................................... 26 FIGURA 14: IMAGEM MOSTRANDO O AUMENTO GRADATIVO DE UMA SURPERFICIE DO PÉ DO MEXILHÃO DOURADO, EVIDENCIANDO A EXISTÊNCIA DE CILIOS,DE UMA AMOSTRA PREPARADA PELO MÉTODO DA CRIOFRATURA. .................................................................................. 27 FIGURA 15: MOSTRA O AUMENTO GRADATIVO, DE 150X ATÉ 2000X, DE UM PEDAÇO DO PÉ EVIDENCIANDO UM CORTE TRANSVERSAL, COM UMA PERSPECTIVA DO INTERIOR PARA O EXTERIOR. ...................................................................................................................................................... 27 FIGURA 16: IMAGEM DO JEOL MOSTRANDO A CONECTIVIDADE ENTRE A PARTE EXTERNA E INTERNA DO PÉ DO MEXILHÃO. ............................................................................................................... 28 FIGURA 17: IMAGEM DA REGIÃO INTERNA(A) COM UM ASPECTO MAIS “EMARANHADO” E DESORGANIZADO. EM (B) SUPERFÍCIE DO PÉ COM A DISPOSIÇÃO DESSAS ESTRUTURAS SEMELHANTES ÀS INTERNAS, PORÊM PROVAVELMENTE MAIS FORTES E ORGANIZADAS. ... 29 FIGURA 18 CORTE HISTOLÓGICO CORADO COM AZUL DE TOLUIDINA ,LONGITUDINAL (A) , E TRANSVERSAL (B). ....................................................................................................................................... 30 FIGURA 19:IMAGEM DO CORTE HISTOLÓGICO, CORADO EM AZUL DE TOILUDINA,DE UMA SESSÃO LONGITUDINAL DO PÉ DO MEXILHÃO.NO CASO O PÉ ESTARIA RETRAÍDO.ESSE CORTE DEMOSTRA A CAPACIDADE DE AUMENTO DO ÓRGÃO EM QUESTÃO,APRESENTANDO ESTRUTURAS QUE SE ESTICARIAM,TORNANDO O PÉ MAIOR E RÍGIDO. ....................................... 30 FIGURA 20 : IMAGEM DO CORTE HISTOLÓGICO, CORADO EM AZUL DE TOILUDINA,DE UMA SESSÃO TRANSVERSAL DO PÉ DO MEXILHÃO.O RETÂNGULO DE COR PRETA MARCA A REGIÃO QUE CORTAMOS PARA O PREPARO PARA O MET,EXPLORANDO A AMOSTRA DA BORDA AO CENTRO. .................................................................................................................................... 31

Caracterização microestrutural do pé do mexilhão-dourado (Limnoperna fortunei) utilizando microscopia eletrônica.

1. OBJETIVO CIENTÍFICO e TÉCNICO do PROJETO O projeto visa desenvolver metodologias para implementação de políticas mitigadoras da CEMIG GT descrevendo em escala micro e manométrica os processos físicos e químicos envolvidos na adesão do Mexilhão-dourado em praticamente todos os substratos, propondo a implementação de novas técnicas não poluentes de controle e prevenção da ação invasora, realizando estudos detalhados do processo de invasão do mexilhão tendo como estudo e caso a UHE de São Simão.

1.2- OBJETIVOS do PROJETO ao qual a BOLSA se VINCULA - Realizar levantamento bibliográfico sobre preparo de amostras e microscopia eletrônica; -Preparação das amostras do pé do mexilhão para produção de imagens em microscópios eletrônicos de varredura; -Caracterização morfológica do pé do animal, por meio de microscopia eletrônica; -Caracterizar microestruturalmente o molusco propriamente dito.

2-REVISÃO BIBLIOGRÁFICA Foi realizada Uma revisão da literatura para embasamento técnico-científico do estudo do pé do mexilhão dourado.

2.1-PROBLEMA O mexilhão-dourado é hoje um problema real, tanto nas comunidades ribeirinhas afetadas quanto nas grandes usinas hidrelétricas. A eficiência reprodutiva somada à extraordinária capacidade de fixação permite que essa espécie forme grandes aglomerados incrustados, afundando redes de pesca, obstruindo canais de irrigação, sistemas de resfriamento de motores industriais e navais, turbinas de hidrelétricas e qualquer outro sistema que necessite da circulação de água retirada dos rios, lagos e represas habitadas por esse organismo. Suas larvas microscópicas e os indivíduos adultos podem chegar a 3,5cm.

2.2 – INTRODUÇÃO O Limnoperna fortunei é um molusco bivalve conhecido como mexilhão dourado que representa um exemplo típico de espécie invasora capaz de produzir alterações relevantes nos sistemas hídricos e naturais ou artificiais que invade. É um molusco de água doce, nativo dos rios do sudeste da Ásia. Com grande força reprodutiva e sem inimigos naturais no Brasil, ele foi trazido na década de 90 para a América do Sul na água de lastro de navios cargueiros, e já está provocando graves danos ambientais e impactos econômicos. (BRUGNOLI, E. et al.2005). Geralmente, as espécies invasoras são muito pouco exigentes, adaptando-se facilmente a diferentes locais. Pelo fato de não possuírem inimigos naturais – predadores, competidores e parasitas, elas se reproduzem rapidamente e em grandes quantidades, assim, expandem-se e ocupam de modo efetivo o novo território e alteram o ecossistema. Consequentemente, há destruição dos habitats existentes, provocando a eliminação ou declínio de várias espécies nativas e alterações na qualidade da água. ( COLLYER, W. vol. 9, n. 84, Abr/Mai 2007). Sua distribuição geográfica original restringia-se ao sudeste asiático, principalmente China. Foi encontrado como espécie invasora pela primeira vez em 1966 em Hong Kong, e em 1991 foi encontrado no Japão e na América do Sul. O primeiro registro desta espécie neste continente foi no Rio da Prata, no balneário de Bagliardi, Argentina. Segundo Darrigran & Pastorino (1995), o aparecimento da espécie coincidiu com o aumento do intercâmbio comercial entre este país com a Coréia e a China, existindo uma grande relação entre a dispersão do mexilhão

e a água de lastro de navios. Atualmente é encontrado em vários sistemas lóticos como o Rio da Prata, Rio Paraná, Rio Uruguai e Rio Paraguai e em vários ambientes lacustres como o Lago Guaíba e a Lagoa dos Patos (Figura 1).

Figura 3:área de ocorrência do Limnoperna fortunei.

A introdução do Limnoperna fortunei em águas doces brasileiras é hoje um fato que, também pode ser associado à falta de controle e fiscalização sobre as mais variadas atividades econômicas, de lazer ou turismo, associadas aos diferentes usos da água. A expansão de forma rápida e sem controle, impõe a necessidade de pesquisas voltadas para o aprofundamento do conhecimento do processo de adesão do mexilhão, que viabilize o desenvolvimento de técnicas eficientes e ambientalmente sustentadas para o controle, manejo da espécie invasora e redução e impedimento da adesão. Durante

evolução

dos

bivalves

corpo

tornou-se

lateralmente

comprimido.

Consequentemente, o pé perdeu o seu único plano rasteiro e tornou-se semelhante a uma lâmina e dirigido em direção anterior como adaptação para cavar. Inicialmente neste processo evolucionário grupos de vários bivalves voltaram ao estilo de vida de seus ancestrais. O molusco primitivo tinha um pé ciliado largo e chato, bem fornecido com células das glândulas mucosas, e que o animal se acredita ter movido sobre o substrato lubrificado com um movimento de deslizamento, utilizando um combinação de ação ciliar e contrações musculares. Esse tornou-se possível, entre outros fatores, pela retenção do aparelho bissal do pé na vida adulta para facilitar a fixação do animal a um substrato rígido. Em alguns bivalves, tais como os

mexilhões, o pé manteve alguma capacidade locomotora, especialmente na fase juvenil. (BIVALVE MOLLUSCS, 2003.) Alguns estudos sobre o processo de fixação de lagartixas questionando a questão de como elas conseguiriam caminhar nas paredes, e até mesmo no teto, sugeriram que as patas possuíam microventosas. Entretanto, todas as tentativas de se provar a existência de tais ventosas falharam: as lagartixas possuem tal comportamento mesmo sob vácuo ou sobre uma superfície muito lisa e molhada ( Autumn, K. et al., 2000). O mesmo se pode observar com o mexilhão dourado. Em 1960, o alemão Uwe Hiller sugeriu que um tipo de força atrativa, entre as moléculas da parede e as moléculas da pata da lagartixa, fosse a responsável por tal fato. Hiller sugeriu que estas forças fossem as forças intermoleculares de Van Der Waals. Poucos deram crédito à sugestão de Hiller. Até que, em um exemplar recente da revista Nature, Autumn escreveu o artigo "Full, Adhesive force of a single gecko foot-hair" (Autumn, K. et al., 2000), trazendo evidências de que, de fato, são forças intermoleculares (interações eletromagnéticas fracas) as responsáveis pela adesão da pata da lagartixa à parede. Mais precisamente: os dedos das lagartixas terminam em milhões de pequenos filamentos, cada um com comprimento de cerca de 100 milionésimos de metro. Esses pequenos filamentos são semelhantes aos cílios encontrados recobrindo os pés dos bivalves, em particular o Limnoperna fortunei. O que pode indicar um efeito semelhante e uma explicação para a forte aderência do mexilhão em praticamente qualquer substrato. A descoberta pode ajudar os engenheiros a desenvolverem novos tipos de adesivos. Tendo como base essas informações sobre os mecanismos de adesão em répteis, em especial as lagartixas, direcionamos os estudos do pé do mexilhão dourado para a tentativa de verificar se seria por meio também de forças intermoleculares de Van Der Waals que esses animais conseguem sua adesão.

3-MATERIAIS e MÉTODOS Toda a metodologia foi retirada da literatura e adaptada para o uso no trabalho em questão e novos métodos foram protocolados.

3.1- OBTENÇÃO e COLETA de AMOSTRAS de PÉ Os exemplares de Limnoperna fortunei foram coletados no Rio Parnaíba, próximo ao município de Parnaíba, MS. Os animais foram retirados de boias de navegação com o auxilio de espátulas.Posteriormente foram transportados para o CETEC, dissecados e os pés foram acondicionados sob temperatura de 10ºC até o experimento. As coletas foram realizadas nas proximidades da usina de São Simão, cujo objetivo foi realizar um diagnóstico atual sobre a ocorrência da espécie invasora na região de interesse em termos de suas densidades populacionais e sua distribuição espacial. Acompanhar o processo de invasão e sua proximidade em relação à usina de São Simão.

Os dados do ponto de coleta dos animais são: - Jusante da confluência com rio barreiro - bóia de navegação 30 – bacia do rio Paranaíba; Latitude: 19,655833 Longitude: 51,083889

3.2-MÉTODOS de COLETA As coletas levaram em consideração os procedimentos de desinfecção dos equipamentos de campo de modo a evitar a disseminação da espécie invasora para sítios ainda não infestados. O roteiro de amostragem iniciou-se partindo dos ambientes com menor risco de invasão para os de maior grau de suceptibilidade, ou já colonizado. Nas situações de coleta de água bruta e de amostras a fresco os técnicos dos laboratórios responsáveis pela execução das amostras foram orientados a tomarem as devidas medidas de desinfecção das águas antes do descarte, segundo normas de biossegurança propostas na literatura (Campos et al. 2003). O cultivo da espécie em laboratório é fundamental para a realização de experimentos controlados,

que

contribuem

para

entendimento

ecologia

organismo.

Consequentemente, estes conhecimentos são utilizados como ferramenta para modelagem de distribuição da espécie, bem como no desenvolvimento de medidas de combate e controle da

mesma. Devido ao fato da espécie Limnoperna fortunei não ocorrer na cidade de Belo Horizonte, medidas de biossegurança laboratoriais são necessárias, a fim de evitar a contaminação das bacias naturais, pelos organismos mantidos em cultivo. O laboratório de cultivo do mexilhão, passou por uma inspeção minuciosa a fim de garantir que suas estruturas atendiam as condições de biossegurança necessárias. Todos os ralos foram devidamente vedados, para evitar contato da água do laboratório com a rede pluvial do CETEC. As caixas d’água, utilizadas para armazenar as águas durante o processo de desinfecção, foram substituídas por caixas novas, devido a rachaduras presentes nas caixas antigas. Os aquários de cultivo foram revitalizados, novas bancadas foram instaladas, e todo o laboratório foi pintado. Essas medidas devem garantir ambiente de qualidade para sobrevivência e desenvolvimento dos organismos em cultivo, e ao mesmo tempo garantir que não haja riscos de contaminação fora do laboratório. Alguns animas foram coletados dos tanques, e armazenados em um tubo falcon de 40ml,com solução fixadora de karnovisk.

3.3- PREPARO das AMOSTRAS para a SESSÃO de MEV A solução de karnovisk foi preparada no laboratório de reologia, no CETEC, seguindo o seguinte protocolo:

-FIXADOR KARNOVSKY Solução Final: Paraformaldeído 2% Glutaraldeído 2,5% Tampão Cacodilato 0,2M pH 7,2

PREPARO do PARAFORMALDEÍDO 4%: -1g de paraformaldeído -25 mL de água destilada - Agitar sob aquecimento, Quando atingir 60ºC adicionar NaOH 0,2M até a solução clarear (3 a 4 gotas). - Pode ser deixado em estoque na geladeira.

PREPARO do GLUTARALDEÍDO 10%: -2,5 mL de glutaraldeído -10 mL de água destilada - Esta solução pode ser mantida em estoque na geladeira

PREPARO do TAMPÃO CACODILATO 0,8M: -1,6 g de cacodilato -12,85 mL água destilada - Para o preparo adicionar o cacodilato a 10 mL de água destilada e acertar o pH 7,2 (NaOH 0,1N ou HCl 0,1N). Completar o volume para 12,85 mL. - Acertar o pH 7,2 do Tampão cacodilato antes de adicionar o glutaraldeído e o paraformaldeído. - Esta solução pode ser mantida na geladeira (antes da mistura).

PREPARO do KARNOVSKY 1. Em um Becker adicionar glutaraldeído 10% e cacodilato 0,8M (1:1) (solução final: glutaraldeído 5% em tampão cacodilato 0,4M)

2. Em um Becker adicionar paraformaldeído e glutaraldeído (Solução Final: glutaraldeído 2,5%, Paraformaldeído 2% em tampão cacodilato 0,2M)

Para 50 mL de Karnovsky: 25 mL de paraformaldeído 2% 12,5 mL de glutaraldeído 10% 12,5 mL de tampão Cacodilato 0,8M pH 7,2

É importante salientar que depois de misturadas essas soluções, não é recomendado o estoque do fixador karnovisk, devido a alta toxidade. Deve-se preparar somente a quantidade necessária para o uso. As amostras não podem ficar muito tempo em karnovisk (máximo de 1 semana).

Depois de coletados, os animais foram dessecados manualmente, utilizando os procedimentos normais de biossegurança, incluído a capela de exaustão (Figura 2) recomentada para trabalhar com materias voláteis. O tipo de mesmo equipamento foi usado no preparo das soluções usadas na produção da solução final do Karnovisk. No preparo das soluções foi usada a capela de exaustão (Figura 2) do laboratório de reologia, no CETEC. A dessecação foi realizada no centro de microscopia da UFMG, também em uma capela de exaustão.

Figura 4: Fotografia da capela de exaustão utilizada para o preparo das soluções de fixação de amostras biológicas.

3.4 PREPARO das AMOSTRAS do PÉ-MÉTODO TRADICIONAL O preparo de amostras do pé foi realizado no laboratório de preparo de amostras biológicas do centro de microscopia da UFMG. Os protocolos utilizados no preparo foram extraídos no livro de protocolos para o preparo de amostras biológicas do centro de microscopia. Durante o período de uma semana foi utilizado esse procedimento:

A. Fixação em Karnovsky modificado (glutaraldeído 2,5% e paraformaldeido 2%) em tampão fosfato 0,1M, pH 7,3 por 48 h a 4ºC.

B. lavagem em tampão de 30 min cada.

C. Impregnação com tetróxido de ósmio (protocolo de preparo em anexo)1% por 2h à temperatura ambiente e sem luz.

D 3 lavagens em tampão( protocolo de preparo em anexo) por 10 minutos cada.

E. Solução de ácido tânico a 1% ( protocolo de preparo em anexo), durante 20 min.

F 3 lavagens em tampão por 10 minutos cada. G Tetróxido de ósmio 1%em água durante 2h à temperatura ambiente e sem luz.

H 3 lavagens em tampão por 10 minutos cada.

I.Desidratação em álcool de diferentes concentrações:

35%.....................................15 minutos

50%......................................15minutos

70%......................................20minutos

80%.......................................20minutos

95% (2X)..............................25 minutos (cada)

Álcool absoluto I, II e III.......... 30 minutos (cada) dentro das cestinhas para ponto crítico .

j. 10. Em seguida, os espécimes foram submetidos à secagem em ponto crítico com CO2, Utilizando o equipamento de CPD (CPD - critical point drying).

As amostras foram montadas em porta-amostras denominados stubs (Figura 3) e metalizados. Uma amostra com ouro e outro com carbono durante 1 a 2 min na espessura aproximada de 10nm.

3.5- PREPARO de AMOSTRAS do PÉ – CRIOFRATURA A Criofratura é um método de preparo de amostras para a microscopia eletrônica no qual elas são congeladas em nitrogênio líquido e então fraturadas para separar a camada bilateral de lipídios, expondo o interior das membranas celulares.

O método segue o protocolo tradicional do preparo de amostras para o MEV, mas antes de submeter os espécimes á secagem em ponto critico com CO2, as células são congeladas à temperatura do nitrogênio líquido (-196°C) e depois fraturado com uma lâmina de bisturi.

Foram montadas duas amostras, condicionadas em um pequeno saco de parafilm, contendo álcool 100%:

-Uma tampa de isopor foi forrada com uma placa de ferro/aço.

-O nitrogênio liquido foi depositado por cima, e após o congelamento a amostra foi quebrada.

-Os fragmentos forma colocados em um micro tubo (eppendorf) com álcool.

-CPD

Figura 5

3.5-PRODUÇÃO de IMAGENS no MEV. As primeiras imagens foram produzidas no centro de microscopia da UFMG no Microscópio Eletrônico de Varredura FEG - Quanta 200 FEI (Figura 4).

Figura 6:Imagem de um microscópio eletrônico de varredura FEG- quanta 200 FEI, com EBSD.

Foram marcadas duas sessões de MEV, de duração de 4 horas, no intervalo de três mesesEssas sessões foram realizados entre os meses de outubro e dezembro. O processo de produção de imagens fica sobre a responsabilidade dos técnicos do centro de microscopia da UFMG, as sessões devem ser marcadas com antecedência, e os horários encaixados dentro dos horários de prestação de serviço do centro. Houve dois preparos de amostras em tempos diferentes, onde as primeiras foram metalizadas somente com carbono e as imagens produzidas no mês de outubro. O segundo preparo foi realizado com a metalização em ouro e carbono (amostras somente com ouro ou somente com carbono). Amostras montadas em Stubs (Figura 3). A Figura 5 representa uma imagem produzida em microscópio eletrônico de varredura mostrando a estrutura macroscópica do pé do mexilhão dourado, além de outras estruturas, e o porta amostra, demostrando a forma como a mesma é introduzida ao microscópio, para que as imagens sejam produzidas.

Figura 7: Imagem de uma amostra do pé pronta para a microscopia eletrônica de varredura.

As imagens seguintes foram produzidas no Microscópio eletrônico de varredura JEOL JSM 6360LV com detector de elétrons secundários, detector de elétrons retroespalhados para alto e baixo vácuo, detector de EDS (espectrômetro de raios-X de energia dispersiva) e detector de EBSD (difração de elétrons retroespalhados).

No período entre março e julho de 2012 foram realizadas imagens, em uma sessão de 3 horas, utilizando as amostras preparadas com a criofratura, como objetivo uma analise mais detalhada da superfície e interior do pé do mexilhão dourado.

3.6-PREPARO das AMOSTRAS para a SESSÃO de MET As amostras utilizadas em MET devem ter as seguintes características:

Espessura de 500 a 5000Å (dependendo do material e da tensão de aceleração utilizada) e superfície polida e limpa dos dois lados.

Durante a preparação, a amostra não deve ser alterada, como por exemplo, através de deformação plástica, difusão de hidrogênio durante o polimento eletrolítico ou transformações martensíticas (PADILHA, E. et al.1999)

Foram preparadas amostras para a microscopia de transmissão (MET),onde o material para ser observado deve ser cortado em fatias muito finas.

Seguindo o protocolo de preparo de amostras biológicas do centro de microscopia da UFMG, seguimos os seguintes passos:

1-Foi realizada a fixação por Glutaraldeido 5% em tampão fosfato 0,1 M PH 7.3 durante......a 4ºC(perfusão e imersão).

2-lavagem em tampão fosfato (3x,10 mim cada)

3-Pós-fixação-tetróxico de ósmio 1% durante 1h a temperatura ambiente, em capela e no escuro. 4-lavagem em tampão fosfato (3x ou mais) 5-desidratação-Alcool 50% por 10 mim ;70% por 10 mim; 80% por 15 mim, 90% por 15mim,2x. 6- ABS I,II ,III ( 15 mim cada) ; Acetona I e II (15 mim cada). 7-realizamos a infiltração pela resina Epon/Acetona (1:2) - 1-2h em frasco fechado. Epon/Acetona (1:1) – overnight em frasco fechado. Epon/Acetona (2:1)- 6h em frasco aberto (Resina plena)- 2h a 6h em frasco aberto. 7- Inclusão- Estufa a 40º C – 1h Estufa a 60º C – 48 h ou mais. Cortamos 4 amostras, onde foram feitos dois cortes transversais e dois cortes longitudinais.

Esses cortes foram realizados para a analise da regiĂŁo que darĂamos preferencia na microscopia de transmissĂŁo, pois o material deve ser cortado finamente e o tamanho da amostra deve ser reduzido.

Os cortes semifinos foram feitos no ultramicrĂłtomo

4- DESENVOLVIMENTO e ANÁLISE de RESULTADOS

Com base nas imagens produzidas no centro de microscopia da UFMG, no segundo semestre de 2011, pôde ser tirada algumas conclusões a respeito da estrutura superficial do pé do molusco bivalve Limnoperna fortunei. Tendo como base trabalhos iniciais a respeito do pé de outras espécies de mexilhões, em especial o mexilhão Mytilus edulis, que apresenta, de acordo com o estudo, um pé ciliado (dorsalmente), largo e chato.

Figura 8: Imagem demostrando o aumento gradativo da superfície do pé do Limnoperna fortunei. Diferente do que consta atualmente na literatura, em trabalhos já realizados com o mexilhão Mytilus edulis, em que é afirmada a presença de cílios no dorso do pé, pôde–se observar que o pé seria coberto em toda a sua superfície por esses cílios, e não somente no dorso.

Figura 9: Imagem do dorso do pĂŠ Imagem produzida no Centro de Microscopia da UFMG.

Figura 10: superfĂcie da ''ponta do pĂŠ''. Imagem produzida no Centro de Microscopia da UFMG.

Figura 11: superfĂcie da parte ventral do pĂŠ. Imagem produzida no Centro de Microscopia da UFMG.

Figura 12 Região ventral do pé em aumentos microscópicos diferentes, mostrando a presença de cílios tambem na região. Imagens produzidas no Centro de Microscopia da UFMG.

Algumas imagens produzidas da região ventral do pé, que denominamos de “canaleta”(figura 11), mostraram a existência de cílios em seu interior.

Figura 13: Imagem da “canaleta’’ e em maior aumento a direita”. Imagens produzidas no Centro de microscopia da UFMG.

Essa estrutura também esta relacionada ao processo de fixação do mexilhão ao substrato.

Com base nas imagens produzidas no centro de microscopia da UFMG, no primeiro semestre de 2012,no microscópio de varredura JEOL,foi verificado estruturas fibrosas (figura 13) em seu interior, graças ao preparo com a técnica de criofratura.

Figura 14 Imagem do microscópio de varredura JEOL, mostrando a estrutura interna fibrosa do pé do mexilhão.

Figura 15: Imagem demostrando o aumento gradativo do interior do pé do mexilhão dourado,de 350x até 6000x.

Essa mesma técnica permitiu a visualização da superfície do pé, com imagens mais nítidas do que as primeiras feitas na varredura quanta. A existência dos cílios em toda sua superfície (figura 14) tornou-se uma certeza, e sua aplicação no mecanismo de adesão ainda mais plausível.

Figura 16: imagem mostrando o aumento gradativo de uma superfície do pé do mexilhão dourado, evidenciando a existência de cílios, de uma amostra preparada pelo método da criofratura. Com a criofratura foi possível obter imagens de “cortes” transversais e, com nosso conhecimento prévio obtido pelas primeiras imagens de varredura, que nos deu conhecimento a respeito da superfície ciliar, podemos nos localizar nas imagens e analisar as estruturas do interior, juntamente com o externo. (figura 15).

Figura 17: Mostra o aumento gradativo, de 150x até 2000x, de um pedaço do pé evidenciando um corte transversal, com uma perspectiva do interior para o exterior.

Produzimos imagens nas quais foi possível observar a conectividade entre o externo (ciliar) e a parte interna do pé (figura 16) mostrando a extensão dos “pelos” de fora para dentro.

Figura 18: Imagem do JEOL mostrando a conectividade entre a parte externa e interna do pĂŠ do mexilhĂŁo.

A superfície externa do pé apresenta estes filamentos mais organizados e direcionados (figura 17A; 17B)

Figura 19: Imagem da região interna(A) com um aspecto mais “emaranhado” e desorganizado. Em (B) superfície do pé com a disposição dessas estruturas semelhantes às internas, porêm provavelmente mais fortes e organizadas. Iniciamos o preparo das amostras do pé para a microscopia eletrônica de transmissão, onde o material será observado e cortado em fatias muito finas ou visto grosseiramente pôr uma contratação negativa.No MEV o material pode ser observado diretamente,e sua superfície revelada (HADDAD et al 1998).

A vantagem das imagens da microscopia de transmissão se deve ao fato dele ser capaz de exibir imagens a uma resolução significativamente maior em comparação com os microscópios óticos devido ao pequeno comprimento de onda dos elétrons. Tal característica permite ao usuário examinar detalhes ínfimos, até mesmo uma simples coluna de átomos, a qual é dezenas de milhares vezes menor do que o menor objeto reconhecível em um microscópio ótico. Lâminas histológicas (figura 18) foram realizados para a analise da região que daríamos preferencia na microscopia de transmissão, pois o material deve ser cortado finamente e o tamanho da amostra deve ser reduzido.

Figura 20 Corte histológico corado com azul de Toluidina, longitudinal (a), e transversal (b). No corte histológico,podemos observar estruturas que se esticariam,possibilitando o aumento do pé (figura 19).

Figura 21:Imagem do corte histológico, corado em azul de toiludina,de uma sessão longitudinal do pé do mexilhão.No caso o pé estaria retraído.Esse corte demostra a capacidade de

aumento do órgão em questão,apresentando estruturas que se esticariam,tornando o pé maior e rígido.

Nesse corte, demos preferencia a região mais interna,longe da borda.Utilizamos o corte transversal para fazer essa análise,onde foi cortado um pequeno pedaço da borda em direção ao centro (figura 20).

Figura 22: Imagem do corte histológico, corado em azul de toluidina, de uma sessão transversal do pé do mexilhão. O retângulo de cor preta marca a região que cortamos para o preparo para o MET,explorando a amostra da borda ao centro. Não houve tempo de realizarmos as imagens da transmissão, mas essas imagens contribuirão para o projeto com informações a nível celular do pé do limnoperna Fortunei.

5-CONCLUSÕES: Com as imagens de MEV produzidas de toda a superfície do pé do animal, foi possível observar que não somente o dorso, mas todo o pé do animal é recoberto por cílios, os quais estão intimamente envolvidos com o processo de fixação do mexilhão. Como o método de preparo para o MEV por meio da criofratura produzimos imagens nas quais foi possível observar a conectividade entre o externo (ciliar) e a parte interna do pé mostrando a extensão dos cílios de fora para dentro. A parte interna do pé parece ser mais maciça, mas morfologicamente parecida com a parte externa, com um aspecto fibroso, estruturas semelhantes aos cílios porêm menos organizadas.

Provavelmente através de forças intermoleculares de Van Der Waals funciona o mecanismo de fixação do Limnoperna fortunei. Por meio de testes mecânicos e pela contribuição das informações que a microscopia eletrônica de transmissão trará, será possível comprovar a fonte da aderência.

6-RECOMENDAÇÕES: O Microscópio Eletrônico representou um grande avanço na ciência nos mostrando um mundo até então pouco detalhado, praticamente desconhecido, o qual somente se chegava perto se utilizando o Microscópio Óptico. A produção das imagens do pé do Limnoperma fortunei de microscopia eletrônica de transmissão será de extrema importância para o andamento do projeto junto à CEMIG, pois as informações que o MET produzirá sobre o pé será fundamental para a compreensão da aderência do mexilhão e produção do bisso. As amostras para a primeira sessão de microscopia eletrônica de transmissão já estão devidamente preparadas. Quanto à análise histológica, um estudo mais aprofundado poderá informar sobre a constituição do tecido glandular presente no pé e, conforme for o tipo de secreção, talvez aumentar o que esperamos saber sobre a aderência, e se há produção de secreções pegajosas que auxiliam as interações de van der walls.

7-REFERÊNCIAS AUTUMN K., M. SITTI, A. PEATTIE, W. HANSEN, S. SPONBERG, Y. A. LIANGT, T. KENNY, R. FEARING, J. ISRAELACHVILLI AND R. J. FULL. 2002. Evidence for van der waals adhesion in Gecko setae. Proceedings of the National Academy of Sciences of the U.S.A. BIVALVE MOLLUSCS, Biology, Ecology and Culture. - Elizabeth Goslingeditor Fishing News Books, an imprint of Blackwell Science. BRUGNOLI, E. et al. Golden mussel Limnoperna fortunei (Bivalvia: Mytilidae) distribution in the main hydrographical basins of Uruguay: update and predictions. Anais da Academia Brasileira de Ciências, v. 77, n. 2, p.235-244, 2005. COLLYER, W. “Água de lastro, bioinvasão e resposta internacional”. Revista Jurídica, vol. 9, n. 84, Abr/Mai 2007. DARRIGRAN, G.. El mejillón dorado, un novedoso problema económico/ambiental para El Mercosur. Pesquisa Naval, 2001. FERREIRA, C. E. L., GONÇALVES, J. E. A. & COUTINHO, R. “Cascos de navios e plataformas como vetores na introdução de espécies exóticas”. In: Silva, J.S.V. & Souza, R. C. C. L. (Org.). Água de lastro e bioinvasão, Rio de Janeiro: Ed. Interciência, p. 143–155. 2004. GAO, H. J., X. WANG, H. M. YAO, SGORB and E. ARZT. 2005. Mechanics of hierarchical adhesion structures of Geckos. Mechanics of materials. LANE, D. J. W. NOTT, J. A (1975) A study of the morphology, fine structure and histochemistry of the foot of the pediveliger of Mytilus edulis. J.mar.biol.Ass. U.K., 55, 477-95. PASTORINO, G. et al. !Limnoperna fortunei (Dunker, 1857) (Mytilidae), nuevo bivalvo invasor em águas Del Rio de la Plata!. Neotrópica, v. 39, P.101-102, 1993. HADDAD et al (1998) técnicas básicas de microscopia eletrônica aplicadas as ciências biológicas. Sociedade brasileira de microscopia,UENF, 1ª ed. GLAUERT, A.M. 1984.Practical methods in eléctron microscopy:Fixation,dehydration and embedding of biological specimens.North-holland Publishing Co.: Amsterdam, 5º ed. Hayat, M.A. 1970. Principles and techniques of electron microscopy; biological applications.Van Nostrand reinhold Co., New York, v.1.

8 – ANEXOS Anexo A – PROTOCOLO de PREPARAÇÃO. -TAMPÃO CACODILATO - 0,2 M Baseado no peso molecular de produto Sigma (160,0) sem moléculas de H2O Solução A: (0,2 M) Cacodilato de sódio 3,2 g água destilada 100 ml Solução B: (1,0 M) HCl concentrado (36-38%) 8,3 ml água destilada 100 ml Baseado no peso molecular de produto Serva ou Polysciences ou EMS (214,0) com 3 moléculas de H2O Solução A: (0,2 M) Cacodilato de sódio 4,28 g de água destilada 100 ml Solução B: (1,0 M) HCl concentrado (36-38%) 8,3 ml de água destilada 100 ml SOLUÇÃO FINAL (é a mesma para 2a e 2b): Solução A 100 ml Solução B até atingir PH 7,2 a 7,4 · Para melhor preservação de membranas biológicas, pode-se adicionar CaCl2 na proporção de 10mM para solução de tampão cacodilato a 0,2M. Adiciona-se 0,147 g de CaCl2 (Sigma, PM 147,02 g) para cada 100 ml de tampão 0,2M. · ATENÇÃO: Cuidado ao manuseio do cacodilato. O mesmo contém aproximadamente 30% de arsênico por peso (0=AsCH3-O-Na), de modo que seu manuseio deve ser feito com precaução, evitando-se a inalação do produto ou seu contato com pele e mucosas. Evitar descarte na pia. Além disso, a reação de cacodilato com ácidos produz gás arsênico. A exposição crônica ao arsênico pode causar dermatite, inflamação de mucosas, paralisia e câncer de pele, fígado e pulmão.

Anexo B - PROTOCOLO de PREPARAÇÃO. -GLUTARALDEIDO EM TAMPÃO FOSFATO OU CACODILATO -0,1M Glutaraldeído em tampão fosfato ou cacodilato 0,1M a) Prepare a solução tampão 0,2 M no PH desejado. b) Prepare o fixador com: Tampão 0,2 M (ml) 50 50 50 50 50 Aldeído glutárico 25% em solução aquosa (ml) 4 6 8 10 12 Água destilada (ml) até 100 100 100 100 100 Concentração final de aldeído glutárico 1,0% 1,5% 2,0% 2,5% 3,0% · Se necessário, ajuste a osmolaridade com sacarose, glicose ou cloreto de sódio. · Quando utiliza-se glutaraldeído a 50%, o volume a ser adicionado à solução deve ser reduzido à metade. · Para maior contrastação de membranas celulares e de fibras colágenas e elásticas, pode-se acrescentar à solução fixadora de glutaraldeído, no momento do uso, 1 a 2% de ácido tânico.

Anexo C- PROTOCOLO de PREPARAÇÃO. - PARAFORMALDEIDO

10% para ESTOQUE:

1. Adicionar 10,0 g de paraformaldeído em um Béquer e completar para 100 ml de água destilada. 2. Aquecer solução em chapa quente sob agitação, até a temperatura de 60-65°C. 3. Quando a solução atingir a temperatura adequada, adicionar algumas gotas de solução NaOH 1,0M. Adicionar gota a gota até que o paraformaldeído dissolva totalmente e a solução fique transparente. 4. Deixar a solução esfriar. Se necessário completar o volume final para 100 mL com água destilada. 5. Filtrar solução. 6. Após resfriamento, congelar solução em tubos/garrafas sem ar à temperaturas menores que -15ºC. ATENÇÃO: trabalhar em capela de exaustão durante toda preparação. O paraformaldeído é cancerígeno. Observação: A solução estoque pode ser feita em outras concentrações

Anexo D- PROTOCOLO de PREPARAÇÃO. -TETRÓXIDO de OSMIO (OsO4) Atenção: o tetróxido de ósmio volatiliza rapidamente à temperatura ambiente. Os vapores são extremamente nocivos para os olhos, nariz e garganta devendo, por isso, deve ser manipulado sob capela com boa ventilação e utilizar luvas. 1. Remover o rótulo da cápsula de OsO4. Se necessário, deixar de molho em água com detergente. Lavar bem; passar no álcool, para remover gorduras e em água destilada. 2. Lavar a vidraria que será utilizada com cuidado extremo, inclusive as tampas. Usar vidros escuros para evitar contato do ósmio com a luz. Separar um vidro com gargalo grande para quebrar o ósmio e outros menores para armazenamento.

3. Colocar a cápsula de ósmio em vidro de gargalo grande juntamente com o tampão desejado ou água destilada, de modo a obter margem de segurança entre o gargalo e o líquido. 4. Quebrar a cápsula com pilão de vidro (lavado como o resto da vidraria) em um golpe para partir e outro para fragmentar mais. Evitar que o líquido entre em contato com o gargalo, pois pode desencadear oxidação do mesmo modo que a sujeira. Caso o gargalo fique molhado, enxugar com lenço de papel.

5. Vedar bem o vidro com tampa e parafilm, colocá-lo em saco plástico preto ou envolver com papel carbono. Deixar à temperatura ambiente por uma hora e, em seguida, levar a geladeira por 24 horas. 6. Distribuir o ósmio para recipientes escuros menores e armazená-lo no congelador ou freezer. ATENÇÃO: O descarte da solução com OsO4 e do material que teve contato com essa substância deverá ser realizado em recipiente exclusivo para este fim, na proporção de 2 partes de óleo de milho para 1 parte da solução contendo o ósmio. Manter este recipiente fechado e tratar como resíduo que não pode ser descartado na natureza. Observações: * No momento de usar, descongelar naturalmente. * Não se deve utilizar solução de OsO4 quando adquire tonalidade lilás ou rósea (sinal de oxidação) * O tampão a ser utilizado para dissolver o OsO4 deve ser o mesmo usado na primeira fixação do material.

* Pode-se preparar solução concentrada de OsO4 em água destilada, diluindo essa solução no momento do uso na solução tampão de escolha. - Como o OsO4 requer tempo para se dissolver, o fixador deve ser preparado, no mínimo, 1 dia antes do uso.

FUNDAÇÃO CENTRO TECNOLÓGICO DE MINAS GERAIS

Programa Institucional de Bolsas para Graduandos (PIBG) – CETEC FAPEMIG NOME DO PROJETO Análise do potencial invasor de Limnoperna fortunei (Dunker, 1857) para os principais rios de Minas Gerais através de Modelos de Distribuição Geográfica Potencial.

RELATÓRIO FINAL

Belo Horizonte FEVEREIRO DE 2012

Fundação Centro Tecnológico de Minas Gerais (CETEC) Diretoria de Desenvolvimento e Serviços Tecnológicos - STQ

PRESIDENTE Marcílio Cezar de Andrade

VICE-PRESIDENTE Professor Antônio Dianese DIRETORIA DE DESENVOLVIMENTO E SERVIÇOS TECNOLÓGICOS DIRETORIA DE PLANEJAMENTO GESTÃO E FINANÇAS Ronara Dias Adorno Av. José Cândido da Silveira, 2000 - Cidade Nova - CEP 31170-000 - Belo Horizonte – MG Telefone: (31) 3489-2000 - fax: (31) 3489-2200 home page: http://www.cetec.br - correio-e: cetec@cetec.br

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE MINAS GERAIS – PUC MG

FUNDAÇÃO CENTRO TECNOLÓGICO DE MINAS GERAIS

RELATÓRIO FINAL

Fabiano Alcísio e Silva Pesquisador em C & T Orientador

Belo Horizonte FEVEREIRO DE 2012

Fundação Centro Tecnológico de Minas Gerais

FFU UN ND DA AÇ ÇÃ ÃO OC CE EN NTTR RO O TTE EC CN NO OLLÓ ÓG GIIC CO OD DE EM MIIN NA AS SG GE ER RA AIIS S –– C CE ETTE EC C

DIRETORIA DE DESENVOLVIMENTO E SERVIÇOS TECNOLÓGICOS

Projeto concernido: Análise do potencial invasor de Limnoperna fortunei (Dunker, 1857) para os principais rios de Minas Gerais através de Modelos de Distribuição Geográfica Potencial. Bolsista: Graziele Nogueira de Jesus Estudante do Curso de Bacharel e Licenciatura em Geografia pela PUC-MG Orientador: Fabiano Alcísio e Silva Bacharel e Licenciado em Ciências Biológicas pela PUC-MG Agentes Financiadores: Fundação de Amparo à Pesquisado Estado de Minas Gerais – FAPEMIG

viii

SUMÁRIO ANÁLISE DO POTENCIAL INVASOR DE LIMNOPERNA FORTUNEI (DUNKER, 1857) PARA OS PRINCIPAIS RIOS DE MINAS GERAIS ATRAVÉS DE MODELOS DE DISTRIBUIÇÃO GEOGRÁFICA POTENCIAL. ........................................... 1 RESUMO .................................................................................................................................................................... 1 INTRODUÇÃO ............................................................................................................................................................ 3 1.1 Objetivo geral ............................................................................................................................................ 6 1.2 Objetivos específicos ................................................................................................................................. 6 2 REFERENCIAL TEÓRICO ...................................................................................................................................... 7 2.1 Modelagem ambiental .............................................................................................................................. 7 2.1.1

Entropia Máxima - MaxEnt .............................................................................................................................7

2.2 Variáveis Limnológicas e o Limnoperma fortunei ........................................................................................... 8 2.1.2 2.1.3 2.1.4 2.1.5

Temperatura .....................................................................................................................................................8 Oxigênio Dissolvido .........................................................................................................................................8 pH .......................................................................................................................................................................9 Condutividade ..................................................................................................................................................9

ÁREA DE ESTUDO ............................................................................................................................................. 10 3.1 Características Hídricas do Brasil e Minas Gerais ................................................................................... 10 3.2 Hidrelétricas ............................................................................................................................................ 12 3.3 Monitoramento da Qualidade da Água .................................................................................................. 12 4 PROCEDIMENTOS METODOLÓGICOS .............................................................................................................. 14 4.1 Levantamento de dados .......................................................................................................................... 14 4.2 Coleta e tabulação de dados.................................................................................................................... 16 4.3 Construção de camadas ambientais e geração de mapas ....................................................................... 16 5 RESULTADO E DISCUSSÃO .................................................................................................................................... 18 5.1 Variáveis físico-químicas das estações de ocorrência da espécie ............................................................ 18 5.2 Modelos A, B e C. ..................................................................................................................................... 19 5.3 Percentual de contribuição das variáveis ................................................................................................ 23 CONSIDERAÇÕES FINAIS .......................................................................................................................................... 25 REFERÊNCIAS ........................................................................................................................................................... 26 ANEXO A - TABELA DE CRITÉRIOS UTILIZADA POR MACKIE E MACKIE (2010) ......................................................................... 30 ANEXO B - RELATÓRIO DO MAXENT PARA MODELO A ............................................................................................ 31 ANEXO C - RELATÓRIO DO MAXENT PARA MODELO B............................................................................................. 38 ANEXO D - RELATÓRIO DO MAXENT PARA MODELO C ............................................................................................ 45

LISTA DE MAPAS, TABELAS E GRÁFICOS

FIGURA 1 - POPULAÇÃO DE MEXILHÕES DOURADOS FIGURA 2 - IMAGEM MICROSCÓPICA DO MEXILHÃO DOURADO FIGURA 3 - DETALHE DO PSEUDO PÉ DO MEXILHÃO DOURADO

FIGURA 4 - BACIAS E REGIÕES HIDROGRÁFICAS DO ESTADO DE MINAS GERAIS FIGURA 5 - ESTAÇÕES DE MONITORAMENTO DO PROJETO ÁGUAS DE MINAS E PONTOS DE PRESENÇA CONFIRMADA DO MEXILHÃO DOURADO EM MINAS GERAIS

FIGURA 6 - ADAPTAÇÃO DO MODELO B GERADO PELO MAXENT COM GRADUAÇÃO DE CORES INDICANDO O GRAU DE ADEQUABILIDADE DA ESPÉCIE POR ESTAÇÃO

FIGURA 7 - ÍNDICE DE ADEQUABILIDADE FAVORÁVEL AO MEXILHÃO DOURADO EM MINAS GERAIS PARA O MODELO B TABELA 1 - VALORES MÁXIMOS E MÍNIMOS DE VARIÁVEIS NAS ESTAÇÕES COM PRESENÇA DO MEXILHÃO DOURADO TABELA 2 - DISTRIBUIÇÃO DE ESTAÇÕES UTILIZADOS PARA TESTE E TREINO NO MAXENT, POR MODELO TABELA 3 - PERCENTUAL DE CONTRIBUIÇÃO DAS VARIÁVEIS UTILIZADAS PELO MAXENT, POR MODELO FIGURA 8 - TRIÂNGULO MINEIRO: PONTOS DE OCORRÊNCIA DO MEXILHÃO DOURADO E GRADUAÇÃO DE CORES PARA ESTES PONTOS DEFINIDAS PELO MAXENT NO MODELO B

FIGURA 9 - JACKKNIFE DE REGULARIZAÇÃO DO GANHO DE TREINAMENTO PARA MEXILHÃO DOURADO (MODELO B).

LISTA DE SIGLAS ANA - AGÊNCIA NACIONAL DAS ÁGUAS ANEEL - AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA CBEIH - CENTRO DE BIOENGENHARIA DE ESPÉCIES INVASORAS DE HIDRELÉTRICAS CESP - COMPANHIA ENERGÉTICA DE SÃO PAULO CETESB/SP - COMPANHIA DE TECNOLOGIA DE SANEAMENTO AMBIENTAL DE SÃO PAULO FEAM/MG - FUNDAÇÃO ESTADUAL DO MEIO AMBIENTE DE MINAS GERAIS MMA - MINISTÉRIO DO MEIO AMBIENTE IGAM - INSTITUTO MINEIRO DE GESTÃO DAS ÁGUAS OD - OXIGÊNIO DISSOLVIDO

Análise do potencial invasor de Limnoperna fortunei (Dunker, 1857) para os principais rios de Minas Gerais através de Modelos de Distribuição Geográfica Potencial. Graziele Nogueira de Jesus1; Fabiano Alcisio2 1. Pontifícia Universidade Católica de Minas Gerais – PUC-MG, Instituto de Ciências Humanas, Departamento de Geografia, Avenida Dom José Gaspar, nº 500, Coração Eucarístico, Belo Horizonte, Minas Gerais, Brasil. graziele.zahara@gmail.com 2. Setor de Análises Químicas, Laboratório de Modelagem, Fundação Centro Tecnológico de Minas Gerais, CETEC. Av. José Cândido da Silveira, 2000 - Cidade Nova - CEP 31170-000 – Belo Horizonte, Minas Gerais, Brasil.

RESUMO O Limnoperna fortunei (DUNKER, 1857), popularmente conhecido como mexilhão dourado, é um molusco originário da China e foi registrado pela primeira vez na América do Sul em 1991, na Argentina. Além de exótica na América do Sul, esta espécie caracteriza-se por uma rápida maturação sexual, grande capacidade reprodutora e considerável poder adaptativo nos ambientes que coloniza, sejam eles naturais, artificiais, dulceaquícolas ou salobros. Esta espécie representa um exemplo típico de espécie invasora, capaz de produzir alterações relevantes nos sistemas hídricos naturais ou artificiais que invade. A construção de modelos de distribuição geográfica é uma ferramenta para estimar a distribuição potencial de espécies, e atualmente é utilizada para uma diversidade de objetivos. Tais modelos fornecem uma base preditiva quanto condições favoráveis para adaptação das espécies, o que nos permite avaliar o potencial dispersor de organismos invasores e antever a invasão do organismo. O presente trabalho visou a construção de modelos de distribuição geográfica potencial para o mexilhão dourado no Estado de Minas Gerais, baseando na teoria do nicho ecológico e utilizando-se o software Maxent. Os resultados indicaram que as variáveis condutividade, OD e clorofila a não foram conclusivos para apontar uma classificação hierárquica de relevância, entretanto, dentre as 5 variáveis utilizadas pode-se o cálcio, sobretudo o pH, foram fundamentais para geração dos modelos. Além disso, a maioria das estações amostrais não apresentaram condições ideais para colonização da espécie, uma previsão menor do que a possível área de tolerância de L. fortunei, o que requer precaução em se tratando de espécie exótica invasora.

PALAVRAS CHAVE

Limnoperna fortunei, mexilhão-dourado, espécie invasora, modelagem ambiental, distribuição potencial, entropia máxima, Maxent.

KEYWORDS

Limnoperna fortunei, golden mussel, invasive species, environmental modeling, potential distribution.

INTRODUÇÃO

As espécies exóticas invasoras são definidas como aquelas que se encontram fora de seu ambiente de distribuição natural e ameaçam ecossistemas, habitats e/ou espécies nativas (MMA – Espécies Exóticas Invasoras). Espécies introduzidas podem alterar a estrutura das populações e comunidades já existentes, promovendo, na maioria dos casos, perda da biodiversidade, que pode ser ainda mais acentuada quando espécies endêmicas são atingidas (Stachowicz et al., 1999; Kado, 2003). Além disso, os prejuízos causados por espécies exóticas para diversas atividades comerciais podem exigir medidas mitigadoras de alto custo (Neves e Rocha, 2001). O Limnoperna fortunei (DUNKER, 1857), popularmente conhecido como mexilhão dourado, é um molusco originário da China e foi registrado pela primeira vez na América do Sul em 1991, na Argentina (Oliveira e Pereira, 2004). Além de exótica na América do Sul, esta espécie caracteriza-se por uma rápida maturação sexual, grande capacidade reprodutora e considerável poder adaptativo nos ambientes que coloniza (Figura 1), sejam eles naturais, artificiais, dulceaquícolas ou salobros (Darrigran, 1995). Esta espécie representa um exemplo típico de espécie invasora, capaz de produzir alterações relevantes nos sistemas hídricos naturais ou artificiais que invade (Darrigran, 1995).

Figura 1 – População de Mexilhões Dourados Autora: Mônica Campos

Atividades de navegação constituem um dos principais meios de transporte e posterior introdução de espécies em novas áreas (Lewis et al., 2003). A água de lastro de navios, necessária à segurança da navegação marítima, é um dos principais vetores de invasão de espécies exóticas em ecossistemas aquáticos. Provavelmente a introdução de L. fortunei no continente americano ocorreu através de água de lastro de navios oriundos da Coréia e de Hong Kong (Darrigran e Pastorino, 1995). O ingresso desta espécie em instalações industriais ocorre durante os primeiros estágios de desenvolvimento. O mexilhão dourado produz larvas natantes de vida livre (menores que 260 micra) que se encontram suspensas na coluna d’água. Alcançando o sistema industrial, a larva se fixa a todo tipo de substrato duro (metal, plástico, cimento, madeira) e cresce descontroladamente em tubulações e demais instalações interferindo no fluxo de água, provocando obstrução de encanamentos, redução do fluxo de água, infestação de grades e comportas, acúmulo de valvas vazias, contaminação da água, oclusão de filtros e aumento da corrosão por facilitar a ação de fungos e bactérias, além de danos em motores de embarcações e obstrução de tanques-redes (Darrigran e Pastorino, 1995). Nas Figuras 2 e 3 o Mexilhão dourado é observado por imagem microscópica, em detalhe na Figura 3 o pseudo pé da espécie, importante membro para locomoção e captação de alimentos.

Figura 2 – Imagem microscópica do Mexilhão dourado Autoras: Renata Figueira e Thabata Azevedo

Figura 3 – Detalhe do pseudo pé do Mexilhão dourado Autoras: Renata Figueira e Thabata Azevedo

A proliferação do mexilhão dourado ocasiona ainda impactos ambientais como alterações na comunidade bentônica, nas cadeias alimentares e competição com moluscos nativos. Segundo Darrigran e Drago (2000), a colonização do ambiente por L. fortunei pode uniformizar a fauna bentônica e consequentemente levar à redução da biodiversidade destes ambientes.

Segundo Cataldo e Boltovskoy (2000), na Argentina, o mexilhão dourado tornouse rapidamente um sério problema para as plantas de abastecimento de água, para as estações geradoras de energia elétrica (térmica e nuclear) e demais indústrias que utilizam a água de rios para seus processos. Na Bacia do Rio da Prata, Argentina, ingressou por volta de 1991, e em apenas 10 anos alcançou uma ampla distribuição e densidades que superam os 120.000 indivíduos por metro quadrado, convertendo-se em uma importante oferta alimentar para muitos outros organismos (Cataldo e Boltovskoy, 1999). De acordo com Oliveira e Pereira (2004), entre os anos de 2003 e 2004 alcançou o rio Paraná, até na foz com o rio Paranaíba, incluindo as usinas de Porto Primavera, Jupiá e Ilha Solteira no rio Paraná, e Barra Bonita no rio Tietê. Registros recentes realizados pelo CETEC indicam presença da espécie em trechos do rio Grande, próximos a sua foz com o rio Paranaíba. A construção de modelos de distribuição geográfica possibilita estimar a distribuição potencial de espécies, e atualmente é utilizada para diversos objetos de estudo (Guisan e Thuiller, 2005). É crescente a demanda por modelos dinâmicos que permitam a avaliação e o prognóstico dos impactos causados por mudanças ambientais e que considerem de forma integrada fatores sociais, econômicos, hidrológicos, climáticos e ecológicos (Carneiro, 2006). Tais modelos fornecem uma base preditiva quanto condições favoráveis para adaptação das espécies das espécies (Peterson, 2003), o que permite avaliar o potencial dispersor de organismos invasores e antever a invasão do mesmo. A construção de modelos de distribuição geográfica potencial tem sido utilizada para avaliar o impacto de diversas espécies invasoras: plantas (Dullinger et al., 2009); anfíbios (Giovanelli et al., 2008), (Rodeder e Lotters, 2010); mamíferos (López-Darias et al., 2008); formigas (Roura-Pascual et al., 2009); aves (Strubbe e Matthysen, 2009); e moluscos (Drake e Brossenbroek, 2004, Hallstan et al., 2010, Oliveira et al., 2010). Desde 1980 os Estados Unidos lida com problemas provenientes da invasão do Dreissena polymorpha, também conhecido como mexilhão zebra. Como suporte para prevenir a disseminação da espécie, o governo financiou o desenvolvimento de modelos de predição que contribuíssem para a eficácia das ações de combate a expansão do mexilhão zebra (Bossenbroek, et al., 2007). O presente trabalho visou a construção de modelos de distribuição geográfica potencial para o mexilhão dourado (Limnoperma fortunei) no Estado de Minas Gerais, baseando-se na teoria do nicho ecológico. 5

1.1 Objetivo geral Identificar locais com condições favoráveis para a invasão do mexilhão dourado nas bacias hidrográficas do estado de Minas Gerais.

1.2 Objetivos específicos - Construção de banco de dados com registros de ocorrência da espécie Limnoperna fortunei, e variáveis limnológicas das estações amostrais; - Construção de modelos de distribuição geográfica potencial da espécie em função dos parâmetros de qualidade da água quanto a seus aspectos físico (condutividade elétrica) e químicos (pH, oxigênio dissolvido, cálcio e clorofila); - Desenvolver mapas com áreas de maior e menor potencial de invasão da espécie, com base nos resultados apontados pelos modelos de distribuição geográfica.

REFERENCIAL TEÓRICO

2.1 Modelagem ambiental O conceito de modelagem pode ser definido como uma representação da realidade que possibilite uma previsão da evolução de um determinado sistema ambiental, como definido por Haggett e Chorley, (1967; 1975) citados por Christofoletti, (2000): “Modelo é uma estruturação simplificada da realidade que supostamente apresenta, de forma generalizada, características ou relações importantes. Os modelos são aproximações altamente subjetivas, por não incluírem todas as observações ou medidas associadas, mas são valiosos por obscurecerem detalhes acidentais e por permitirem o aparecimento dos aspectos fundamentais da realidade.” (Christofoletti, 2000, p.8).

A modelagem de distribuição geográfica de espécies têm se tornado um método importante para aplicações em ecologia e conservação. Com o surgimento de softwares específicos para modelagem ambiental modelos de espécies podem ser desenvolvidos por usuários que, apesar de dominarem os conhecimentos sobre a ecologia do objeto de estudo não necessariamente precisam ter conhecimentos aprofundados em estatística, pois alguns softwares possuem uma opção de confecção de modelos utilizando “configuração padrão” previamente estabelecida por seus desenvolvedores (Phillips and Dudík, 2008), como é o caso do Maxent que utiliza de aprendizagem de máquina juntamente com parâmetros estatísticos.

2.1.1 Entropia Máxima - MaxEnt O MaxEnt foi desenvolvido por Steven Phillips, Rob Schapire e Miroslav Dudik que se basearam no conceito de entropia máxima para modelagem de habitat de espécies. Para utilização de algoritmos de modelagem é necessário a inserção de dados de entrada com informações georreferenciadas de ocorrência do objeto de estudo. O próprio software ajusta empiricamente os dados dos parâmetros ambientais, baseando-se nas informações dos dados de presença da espécie para predizer condições ambientais favoráveis para o estabelecimento do indivíduo (Berger, 1996).

2.2 Variáveis Limnológicas e o Limnoperma fortunei

A propagação do L. fortunei atingiu proporções abrangentes devido aos altos níveis de tolerância da espécie. Morton (1977) afirma que a espécie se mostra altamente tolerante em contato com agentes químicos e nos diferentes níveis de variáveis físicas de águas doces. Para Oliveira (2009), o L. fortunei também apresenta diferentes níveis de tolerância em locais de ocorrência distintos, o que sugere também níveis de adaptação diferenciados, ocasionando na impossibilidade de se determinar valores absolutos de tolerância da espécie. A partir destas afirmações Oliveira (2009) desenvolveu no Pantanal estudo sobre as condições extremas de tolerância do L. fortunei para esta região.

2.1.2

Temperatura

Morton (1982) relacionou a reprodução do L. fortunei com as mudanças de temperatura da água, porém, em seus estudos realizados no Pantanal Oliveira (2009) relatou que a espécie não apresentou um padrão claro com picos de reprodução associados às variações de temperatura. Ocorre, porém, uma diminuição dessa reprodução nos meses com temperaturas mais baixas, mas não foram estabelecidos limites de temperatura mínima suportável por L. fortunei. Oliveira (2009) concluiu que L. fortunei pode tolerar extremos de 34,0°C em períodos curtos de tempo, sendo que com 32,0°C a espécie é capaz de manter suas populações por períodos longos.

2.1.3

Oxigênio Dissolvido

O oxigênio dissolvido (OD) é uma variável com alto nível de oscilação, apresentando valores extremos não apenas nas diferentes estações do ano, mas também nas variações do dia e noite, sendo assim, também está associado à temperatura da água e à pressão atmosférica ou de profundidade da água, (Parey, 1999). Os cursos d’água no Pantanal possuem alterações nos níveis de oxigênio que são característicos daquela região ocasionando, inclusive, em mortalidade de peixes devido aos estresses respiratórios, como relata Oliveira (2009). Para o L. fortunei a autora aponta que, no Pantanal, as alterações de OD controlam a densidade do L. fortunei retardando sua dispersão, podendo inclusive eliminar populações inteiras, e 8

complementa que eventos de depleção de oxigênio podem explicar as baixas densidades reprodutivas no Rio Miranda.

2.1.4

O pH é uma medida do potencial hidrogeniônico de uma solução, em água pura o valor de pH varia entre 6,5 e 8,5, sendo considerado entre 6 e 9 valores compatíveis para a sobrevivência da maioria dos organismos (Parey, 1999). O autor relata que valores letais para algumas espécies nativas da Alemanha são menores que 4 e maiores que 10,8. No entanto, há espécies capazes de se adaptarem ao pH fora dos padrões normais, como é o caso do L. fortunei, para o qual vários autores citados por Oliveira (2009), tais como Ricciardi (1998), Xie et al. (1999); Zhang et al. (2007); Wang et al. (2007) e Montalto e Marchese (2003), indicam tolerância de L. fortunei em valores de pH que vão desde 5,0 a valores superiores a 7,0. Entretanto, Oliveira (2009) aponta que no rio Paraguai altas taxas de mortalidade são verificadas em condições de depleção de oxigênio no qual o pH pode estar em torno de 5,5.

2.1.5

Condutividade

O conhecimento dos valores de condutividade possibilita reconhecer o teor total de sais dissolvidos, apesar de os animais serem mais resistentes que as plantas quanto ao teor de sais da água a sua ausência ou altas doses podem ser nocivas aos organismos (Parey, 1999). Oliveria (2009) relata que em Corumbá, no rio Paraguai, o L. fortunei se estabelece nas mais baixas concentrações de cálcio conhecidas na literatura para sua permanência, entre 1,0 a 6,0 mg L-1 e que o excesso de cálcio geralmente se associa a diminuição de alimentos e menor taxa de sobrevivência de larvas. Apesar dos níveis de clorofila serem baixos em alguns rios com ocorrência de L. fortunei, como no Lago do Guaíba, para o Cálcio e Clorofila não se estabeleceu limites de tolerância para a espécie.

3 ÁREA DE ESTUDO 3.1 Características Hídricas do Brasil e Minas Gerais O Brasil possui uma extensão territorial de 8.547.403,5 km² e uma diversidade climática que varia entre equatorial úmido, tropical, subtropical úmido e semi-árido, este último, em menos de 10% do território. Os índices pluviométricos podem chegar a 3.000 mm/ano, alimentando uma das maiores redes de rios perenes do mundo (Rebouças, 2006). O Brasil está subdividido em 12 regiões hidrográficas, sendo 3 destas (Amazonas, São Francisco e Paraná) responsáveis por 80% da produção hídrica no país (Rebouças, 2006). Como pode ser visto na Figura 4, o Estado de Minas Gerais está localizado na porção Sudeste do Brasil e dentre as 12 regiões hidrográficas, Minas Gerais ocupa 4 destas, são elas: do Atlântico Leste; do Paraná; do São Francisco e do Atlântico Sudeste (ANA, 2005). Nestas regiões hidrográficas estão contidas 15 bacias hidrográficas federais que juntas contribuem significativamente para o abastecimento hídrico de Minas Gerais para com o Brasil. Destas 15 bacias, as 7 mais significativas quanto a área de extensão que abrangem são, respectivamente da maior para a menor: Bacia do Rio São Francisco; Bacia do Rio Grande; Bacia do Rio Doce; Bacia do Rio Paranaíba; Bacia do Rio Jequitinhonha; Bacia do Rio Paraíba do Sul; e Bacia do Rio Mucuri. (IGAM, 2002).

Figura 4 - Bacias e RegiĂľes HidrogrĂĄficas do estado de Minas Gerais. 11

3.2 Hidrelétricas No início do século XX a transmissão de energia elétrica por fios condutores foi responsável pela causa de grande desenvolvimento de usinas hidrelétricas em todo o mundo. Países como o Brasil, Canadá, Suécia e Noruega possuem numerosos rios com potencial para este aproveitamento de energia, prova disto é que o Brasil possui um

dos

maiores

parques

hidrelétricos

mundo

(Kelman

al.,

2006).

Apesar da implantação de novas usinas hidrelétricas estar despertando ações políticas em diferentes setores da sociedade, devido às grandes proporções dos prejuízos sociais e ambientais causados com a implementação das usinas, no Brasil a energia elétrica atende cerca de 92% dos domicílios. A maior parte das usinas hidrelétricas está localizada nas regiões sul e sudeste do Brasil. A invasão do mexilhão dourado, segundo o IBGE (2004), além do comprometimento da biodiversidade local, também provoca perda do potencial econômico, pois prejudica o funcionamento das passagens de água pluvial, de águas de esgoto e das usinas hidrelétricas, devido ao entupimento causado nas tubulações. Segundo Agudo-Padrón (2008), os gastos com manutenção das passagens de água e dos equipamentos essenciais para o funcionamento das usinas hidrelétricas incluem os serviços de manutenção periódica e a pausa no funcionamento destes equipamentos devido a diminuição da eficácia das bombas e a corrosão de tubulações, que impossibilitam as usinas de dispor de suas potências máximas de operação.

3.3 Monitoramento da Qualidade da Água De acordo com Braga et al. (2006), o monitoramento da qualidade da água no Brasil não apresenta uma dimensão compatível com a extensão de seus cursos hídricos, tornando-a incipiente na maior parte das unidades federativas. Segundo o autor, o Ministério do Meio Ambiente - MMA classificou as estações de monitoramento quanto a amostragem, parâmetros analisados, frequência de coletas e disponibilidade de informações. O resultado atestou que apenas São Paulo, Minas Gerais e Mato Grosso do Sul foram considerados em situação ótima. Uma das contribuições para este resultado do MMA, é que Minas Gerais conta atualmente com 256 estações do “Projeto Águas de Minas”, fundado em 1997 com a finalidade de realizar o monitoramento da qualidade das águas superficiais e subterrâneas no estado, sendo o 12

Instituto Mineiro de Gestão das Águas - IGAM responsável pela coordenação, operação e divulgação do Projeto. Como citado por IGAM (2005): “O Projeto "Águas de Minas" vem atender a uma das ações previstas na Lei 12.584, de criação do IGAM, em seu Art. 5º inciso X – proceder à avaliação da rede de monitoramento da qualidade das águas no Estado - e também contribui para a implementação da Política Estadual de Recursos Hídricos, que foi instituída pela Lei Nº 13.199/99 fundamentada na Lei Federal Nº 9.433/97.”

Braga et al. (2006) compilou informações de 1998 da Agência Nacional de Energia Elétrica (ANEEL) e apontou as 10 principais entidades responsáveis pelas maiores redes de monitoramente de qualidade da água no Brasil. As 3 mais significativas foram: a ANA, com 443 estações; a Fundação Estadual do Meio Ambiente de Minas Gerais (FEAM/MG) com 242 estações; e a Companhia de Tecnologia de Saneamento Ambiental do Estado de São Paulo (CETESB/SP), com 149 estações. Os monitoramentos realizados por estas estações envolvem uma logística complexa e anos de coletas de dados. A disponibilização destas informações por parte das entidades possuem importância relevante no sucesso de estudos relacionados aos ecossistemas ambientais, sejam eles sobre espécies ameaçadas ou em extinção ou como ocorre no presente trabalho, espécies invasoras. Em muitos casos, a disponibilização destes dados é o que viabiliza o desenvolvimento de atividades de pesquisas como esta.

4 PROCEDIMENTOS METODOLÓGICOS 4.1 Levantamento de dados Foi realizada revisão bibliográfica em revistas e artigos científicos com publicações da biologia e ecologia do mexilhão dourado no intuito de estabelecer as variáveis

limnológicas

que

mais

influenciam

atividade

deste

organismo.

Posteriormente, realizou-se uma busca nos bancos de dados limnológicos disponíveis para consulta, no intuito de verificar quais destas variáveis limnológicas eram avaliadas nestes programas de monitoramentos de qualidade da água. Foram selecionadas as variáveis pH, cálcio dissolvido, condutividade elétrica, oxigênio dissolvido e clorofila a, amostradas em 357 estações presentes nas 15 Bacias Federais do Estado.

Figura 5 - Estações de monitoramento do Projeto Águas de Minas e pontos de presença confirmada do mexilhão dourado em Minas Gerais. 15

4.2 Coleta e tabulação de dados Os dados foram coletados dos programas de monitoramento de qualidade da água desenvolvidos pelo Instituto Mineiro de Gestão das Águas – IGAM (programa “Águas de Minas”) e pela Companhia Energética de São Paulo - CESP/SP. Também foram adicionados os dados coletados pelo programa de monitoramento do mexilhão dourado realizado pelo Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas - CBEIH. Inicialmente os dados dos anos de 2006 a 2010, contabilizando cerca de 17.200 amostras para 357 estações, foram compilados em tabelas Excel, contido no pacote Microsoft Office 2007 e tratados no software Statistic versão 5.0, verificando valores médios de cada uma das variáveis limnológicas estudadas. A segunda fase da pesquisa constituiu-se na preparação dos dados de entrada para serem utilizados no software de modelagem. Os dados de 27 estações de presença confirmada da espécie (Figura 5) foram tabulados utilizando o Microsoft Bloco de Notas versão 5.1.

4.3 Construção de camadas ambientais e geração de mapas As camadas ambientais foram elaboradas no software ESRI ArcMap 10.0 à partir dos dados das 357 estações de monitoramento do Projeto Águas de Minas e do CBEIH. Foram criados arquivos SHAPE que posteriormente foram convertidos em arquivos RASTER e finalmente para a extensão ASCII, utilizada para dado de entrada de camadas ambientais no Maxent. As variáveis utilizadas foram: cálcio, clorofila, condutividade, oxigênio dissolvido e pH, sendo assim, 5 camadas ambientais foram elaboradas para o experimento. A versão do Maxent utilizada para realização dos modelos preditivos foi a 3.3.3k e está disponível para download gratuito. As representações cartográficas foram elaboradas a partir das seguintes bases digitais: - “Bacias Hidrográficas Federais do Estado de Minas Gerais”, projeção: Lat/Lon, escala original: 1:100.000 e 1:50.000, disponibilizada por “Geoprocessamento - IGAM / 2002”;

- “Hidrografia do Estado de Minas Gerais”, projeção: Lat/Long, escala original: 1:50.000, disponibilizada pelo IGAM / 2002; - “Divisão Política do Brasil”, projeção: Lat/Long, disponibilizada pelo IBGE / 2005. Para elaboração de um mapa representativo contendo o resultado do Maxent gerado para o Modelo B as 357 estações apontadas pelo software através de pontos com graduações de cores foram sobrepostas em SHAPES de hidrografia e limites de regiões hidrográficas com o objetivo de espacializar as informações e simplificar a visualização e interpretação do modelo.

4.4 Gerando os modelos Vários modelos foram gerados utilizando o Maxent, porém, apenas três deles foram utilizados para a discussão neste trabalho, visto que, novas ocorrências da espécie foram confirmadas ao longo da pesquisa possibilitando que maior número de estações com presença do L. fortunei fossem agregados aos dados de entrada de ocorrência no software. Os modelos aqui discutidos foram denominados A, B e C. Os modelos A e C foram gerados a partir da inserção das 27 estações de ocorrência confirmada da espécie. Para gerar o modelo B foram selecionadas aleatoriamente apenas 17 estações dentre as 27 utilizadas nos modelos A e C com o objetivo de testar e comparar os resultados dos três modelos. Destas estações o Maxent utiliza parte delas para verificação do modelo, chamado “teste do modelo”, e a outra parte para o treinamento que resulta no modelo final. O percentual de estações que foram usados para o teste foi pré determinado antes de executar o programa, entretanto, as estações escolhidas para o ensaio e para o treino foram definidas aleatoriamente pelo próprio Maxent e cada vez que os mesmo dados são gerados o programa gera o resultado com uma nova aleatoriedade.

5 RESULTADO E DISCUSSÃO

5.1 Variáveis físico-químicas das estações de ocorrência da espécie Em Minas Gerais foram encontradas 27 estações identificadas com presença de L. fortunei (Figura 5) que foram utilizadas como dados de entrada no software. Os valores de variáveis físico-químicas contidos nestas estações amostrais são utilizados como referência para o programa de modelagem gerar um índice de condições favoráveis para a adaptação da espécie. Na Tabela 1, constam os valores extremos (mínimos e máximos) dos resultados das análises destas variáveis. Tabela 1 - Valores máximos e mínimos de variáveis nas estações com presença do Mexilhão Dourado.

Variável

Calcio

Temperatura H2O (ºC )

OD (mg/l)

Condutividad e (µS/cm-1)

Clorofila a (µg/l)

Valor Mínimo

2,14

22,2

5,96

5,43

17,9

1,42

Valor Máximo

14,23

25,7

8,32

8,1

127,7

7,74

Seguindo como referência a tabela de limites de tolerância para Limnoperna fortunei, desenvolvida por Mackie e Mackie (2010), apresentada no Anexo A, observase que apenas a condutividade elétrica atingiu valores letais à sobrevivência da espécie, neste caso, não suportando valor inferior a 30 µS/cm. Os valores de Clorofila a e Cálcio, ainda de acordo com a tabela de Mackie e Mackie (2010), apresentaram índices de baixo, moderado e alto potencial de ocorrência da espécie. Enquanto os demais parâmetros, pH, temperatura da água e oxigênio dissolvido apresentaram valores de potencial moderado e alto para ocorrência. No entanto, no presente trabalho, nas estações utilizadas para gerar os modelos encontra-se populações de Limnoperna fortunei em condições de condutividade elétrica consideradas por Mackie e Mackie (2010) como potencial nulo à sobrevivência da espécie. Esse é um importante dado do ponto de vista evolutivo, pois pode caracterizar populações mais resistentes, ou ainda níveis de exposição reduzidos, indicando que, a condutividade elétrica destas estações se altera rapidamente.

5.2 Modelos A, B e C. Nos modelos A, B e C não foram observadas alterações relevantes na imagem de saída que indica condições favoráveis para L. fortunei. Na Figura 6 observa-se uma adaptação do modelo gerado pelo Maxent com 357 estações com graduação de cores. De acordo com Phillips em A Brief Tutorial on Maxent o software utiliza as tonalidades avermelhadas para indicar maiores condições de adequabilidade para ocorrência da espécie, os tons de verde representam o que o software considera como condições típicas as de onde a espécie pode ser encontrada, e os tons mais claros de azul indicam que o modelo previu baixa condição favorável para adequabilidade da espécie.

Figura 6 – Adaptação do Modelo B gerado pelo Maxent com graduação de cores indicando o grau de adequabilidade da espécie por estação. 20

Como representado na Figura 8, das 357 estações amostrais: •

119 (34%) foram consideradas com adequabilidade para ocorrência da espécie próxima de zero, representadas em azul escuro;

•

101 estações, 28%, foram indicadas com baixa condição favorável para ocorrência, representadas em azul claro;

•

118 estações, 33%, foram identificadas como tendo condições típicas (de acordo com o software) as de onde a espécie pode ser encontrada;

•

19 estações, 11%, representaram alta chances de adequabilidade da espécie.

Observa-se, portanto, que há uma predominância de estações nas cores azul claro e azul escuro, ou seja, indicando condições menos favoráveis para ocorrência de L. fortunei. No entanto, as estações com ocorrência da espécie utilizadas para o modelo estão localizadas apenas na região do Triângulo Mineiro, o que indica que o modelo provavelmente conseguiu predizer apenas para esta região.

Figura 7 – Índice de adequabilidade favorável ao Mexilhão Dourado em Minas Gerais para o modelo B.

Conforme a Tabela 2, no Modelo A foram utilizadas as 27 estações de presença da espécie, sendo 6 destas para o teste interno do software e 21 utilizadas para o treinamento. As mesmo estações de presença foram utilizadas para gerar o Modelo C, mas neste caso 13 foram usadas para teste e 14 foram usados para o treino. No modelo B, no intuito de comparar os resultados gerados pelo software, foram inseridos como dados de presença apenas 17 estações. O objetivo foi possibilitar a observação de qual índice de adequabilidade à ocorrência da espécie o software indicaria em seu resultado final para as 10 estações omitidas nos dados de entrada.

Tabela 2 - Distribuição de estações utilizadas para teste e treino no Maxent, por modelo.

Modelo

Estações de presença utilizadas

Estações utilizadas para teste

Estações utilizadas para treinamento

A B C

27 17 27

6 4 13

21 13 14

Na Figura 7 está representada a região do Triângulo Mineiro com o resultado do Modelo B. As 17 estações sinalizadas com círculos indicam quais foram selecionadas, aleatoriamente, como dado de entrada para o Maxent gerar o Modelo B. Estas estações foram representadas pelo software com as cores vermelha, laranja, amarela, verde e azul claro. As estações marcadas com x sinalizam locais de presença confirmada em loco, mas que foram omitidos ao Maxent durante a execução do modelo em questão. Para estas foram atribuídas a mesma gama de cores das anteriores tornando a comparação entre os modelos pouco conclusiva.

Condições mais favoráveis

Condições menos favoráveis

Figura 8 – Triângulo Mineiro: pontos de ocorrência do Mexilhão dourado e graduação de cores para estes pontos definidas pelo Maxent no Modelo B.

5.3 Percentual de contribuição das variáveis

O Maxent apresenta uma relação de quais camadas ambientais o software considerou mais importante na confecção daquele modelo, essas informações são apresentadas por meio de tabela, contidas nos Relatórios em anexo, contendo valores em percentual além de gráficos elaborados a partir do método Jackknife, como a Figura 9, que indica qual é a contribuição de cada camada ambiental para o Modelo B.

Figura 9 - Jackknife de regularização do ganho de treinamento para Mexilhão Dourado (Modelo B).

Tendo cada modelo uma contribuição de variável diferente, a partir da interpretação das tabelas de percentual de contribuição das variáveis e dos gráficos, 23

pode-se sugerir que em todos os modelos a variável pH tem o maior índice de contribuição no resultado dos três modelos, como exposto na Tabela 3.

Tabela 3 – Percentual de contribuição das variáveis utilizadas pelo Maxent, por modelo.

Percentual de contribuição das variáveis por modelo Modelo

Variável

% de contribuição

75.8

50.7

Cálcio

18.4

35.5

17.8

condutividade

1.4

12.4

7.1

oxigênio dissolvido

3.3

1.3

clorofila a

1.1

O cálcio foi a segunda camada ambiental mais significativa, enquanto o OD e a Clorofila a foram as variáveis que menos contribuíram para a geração do modelo ou que não alterariam o resultado caso não fossem utilizadas. Nota-se que em todos os modelos o OD e a clorofila a tiveram contribuições inferiores a 3.3%, chegando até mesmo a 0% de contribuição. A variável condutividade ficou em um nível intermediário, teve a terceira maior contribuição nos modelos B e C, mas com percentuais relativamente baixos em comparação com as variáveis pH e cálcio. Dentre as 5 variáveis o cálcio, sobretudo o pH, foram indicados pelo Maxent como variáveis ambientais mais significativas para a geração dos modelos, porém, não se pode afirmar que sejam elas as mais importantes para identificar condições favoráveis para a ocorrência de L. fortunei, visto que o Maxent não se baseia na biologia da espécie para geração de seus modelos. Com base na análise dos modelos, sugere-se que, os resultados apresentados para as variáveis condutividade, OD e clorofila a não foram conclusivos para apontar uma classificação hierárquica de relevância.

CONSIDERAÇÕES FINAIS Atualmente, no estado de Minas Gerais, L. fortunei teve sua presença confirmada

Mesorregião

Triângulo

Mineiro

Alto

Paranaíba,

mais

especificamente nas Bacias Hidrográficas Federais do Rio Paranaíba e do Rio Grande, ambas contidas na Região Hidrográfica do Paraná. O Maxent considerou algumas estações com a presença confirmada do L. fortunei como “baixa condição favorável a espécie”, a mesma taxa de uma significativa parcela de 28% das estações amostrais. Os modelos discutidos neste trabalho não foram conclusivos para determinar quais bacias e/ou regiões hidrográficas possuem melhores condições de adequabilidade para o Mexilhão dourado. As estações não preditas como adequadas à ocorrência da espécie, indicada pelos pontos azuis nas regiões hidrográficas de Minas Gerais, podem representar apenas um viés da amostragem dos pontos de ocorrência utilizados nos dados de entrada. A limitação de informações de outros pontos de ocorrência do Mexilhão dourado, contendo a mesma série histórica de dados de variáveis limnológicas, tanto no Brasil quanto nos demais países onde o Mexilhão está presente, influenciou diretamente no resultado. As condições específicas da rede hidrográfica localizada na região do Triângulo Mineiro limitaram a predição do modelo, gerando uma previsão subestimada da espécie, ou seja, menor do que a possível área de tolerância de L. fortunei, o que requer precaução em se tratando de espécie exótica invasora. Dados de ocorrência do Mexilhão dourado em sua localidade nativa serão de fundamental importância para o desenvolvimento de trabalhos futuros ligados a modelagem preditiva, visto que a espécie pode ocupar locais com condições ambientais não amostradas no Brasil ou em grande parte do país. As variáveis consideradas mais significativas para a geração dos modelos podem ser priorizadas em programas de monitoramento e em pesquisas laboratoriais, sobretudo aqueles que envolvam a criação e/ou reprodução do mexilhão dourado, possibilitando assim, testar e validar os resultados oferecidos pelo Maxent. Atividades humanas com potencial para dispersão do mexilhão ou barreiras geográficas e seu potencial limitante também representam uma importante camada ambiental para geração de modelos preditivos quando as informações sobre as variáveis ambientais dos locais nativos, ou não, da espécie são fatores limitantes.

REFERÊNCIAS AGUDO-PADRÓN, Aisur Ignacio. Vunerabilidade da rede hidrográfica do estado de Santa Catarina, SC, ante o avanço invasor do mexilhão-dourado, Limnoperma fortunei (DUNKER, 1857). Revista Discente Expressões Geográficas. Florianópolis – SC, Nº04, p. 75 103 maio/2008. Disponível em: <http://www.geograficas.cfh.ufsc.br/arquivo/ed04/artigo04.pdf>. Acesso em: janeiro/2012. ANA – Agência Nacional de Águas. SGI – Superintendência de Gestão da Informação. Mapa de divisão hidrográfica nacional: resolução n. 32 do Conselho Nacional de Recursos Hídricos (CNRH) de 15 de outubro de 2003. 2005. Disponível em: <http://www.ana.gov.br/bibliotecavirtual/arquivos/20061107162314_Brasil_RegioesHidr ograficas_nivel01_imagem.pdf> Acesso em: janeiro de 2012. BERGER, Adam. A Brief Maxent Tutorial. 1996. Disponível em: <http://www.cs.cmu.edu/afs/cs/user/aberger/www/html/tutorial/tutorial.html> Acesso em: janeiro de 2012. BOSSENBROEK, Jonathan M.; JOHNSON, Ladd E.; PETERS, Brett; LODGE, David M. Forecasting the Expansion of Zebra Mussels in the United States. Conservation Biology Volume 21, No. 3, June 2007. BRAGA, Benedito; PORTO, Monica; TUCCI, Carlos E. M. Monitoramento de quantidade e qualidade das águas. Águas doces do Brasil: capital ecológico, uso e conservação. Cap. 5. 2006. Pag. 145 – 160. CARNEIRO T.; CÂMARA G.; ANDRADE, P. R. de. An Introduction to TerraME. INPE and UFOP Report, Version 1.5, Feb 2011. CATALDO, D.; BOLTOVSKOY, D. Ecologia, impacto y control de Limnoperna fortunei. [S.l.] [s.n.] CATALDO, D.H.; BOLTOVSKOY, D. Yearly Reproductive Activity Of Mexilhão Dourado (Bivalvia) As Inferred From The Occorrence Of Its Larvae In The Plankton Of The Lower Parana River And The Rio De La Plata Estuary (Argentina). Aquatic Ecology, 34, P.307:317. 2000. CHRISTOFOLETTI, Antônio. Modelagem de sistemas ambientais. Sistemas e Modelos. Cap. 1. São Paulo: Edgard Blücher, 2000. Pag. 1 a 18. DARRIGRAN, G. & Pastorino, G. 1995. The recent introduction of a freshwater Asiatic bivalve, Limnoperna fortunei (Mytilidae) into South America. Veliger 38(2) 171-175. DARRIGRAN, G. & de Drago, I. E. 2000. Invasion of the exotic freshwater mussel Limnoperna fortunei (Dunker, 1857) (Bivalvia : Mytilidae) in South America. Nautilus 114 (2): 69-73.

DRAKE, J. M.; BOSSENBROEK, J. M. The potential distribution of the zebra mussels in the United States. BioScience, v. 54, n. 10, p. 931-941, 2004. DULLINGER, S.; KLEINBAUER, I., PETERSEIL, J.; SMOLIK, M.; ESSL, F.. Niche based distribution modeling of an invasive alien plant: effects of population status, propagule pressure and invasion history. Biological Invasions, v.11, p. 2401-2414, 2009. GIOVANELLI, J. G. R.; HADDAD, C. F. B.; ALEXANDRINO, S.. Predicting the potential distribution of the alien invasive American bullfrog (Lithobates catesbeianus) in Brazil. Biological Invasions, v. 10, p. 585-590, 2008. GUISAN, A.; THUILLER, W. Predicting species distribution: offering more than simple habitat models. Ecology Letters, v. 8, p. 993-1009, 2005. HALLSTAN, S.; GRANDIN, U.; GOEDKOOP, W. Current and modeled potential distribution of the zebra mussel (Dreissena polymorpha) in Sweden. IBGE – Instituto Brasileiro de Geografia e Estatística. Dimensão ambiental: Biodiversidade. Indicadores de desenvolvimento sustentável: Brasil 2004. Espécies invasoras. Cap. 17. 2004. Pag. 124 – 134. Disponível em: <http://www.institutohorus.org.br/download/artigos/ibge_biodiversidade.pdf>. Acesso em: janeiro/2012. IGAM – Instituto Mineiro de Gestão das Águas. Setor de Geoprocessamento. Bacias hidrográficas federais do estado de Minas Gerais. Dados técnicos de bases digitais. 2002. Escala Original: 1:100.000 e 1:50.000. Disponível em: < http://www.igam.mg.gov.br/component/content/103?task=view> Acesso em: janeiro de 2012. IGAM – Instituto Mineiro de Gestão das Águas. Projeto Águas de Minas. Estudos das metas de qualidade Bacia Hidrográfica do Rio Paraopeba 2005: diagnóstico estratégico da bacia hidrográfica e cenários de desenvolvimento. Estudo técnico. Belo Horizonte, 2005. Disponível em: <http://aguas.igam.mg.gov.br/aguas/downloads/acordo_resultados/Estudo_Metas_Para opeba.pdf> Acesso em: novembro/2011. KADO, R. 2003. Invasion of japanese shores by the NE Pacific barnacle Balanus glandula and its ecological and biogeographical impact. Marine Ecology Progress Series, 249: 199-206. KELMAN, J.; PEREIRA, Mario V.F.; ARARIPE NETO, Tristão A.; SALES, Paulo R. de H.; VIEIRA, Ailton de M. Águas doces no Brasil: capital ecológico, uso e conservação. Hidreletricidade. Cap. 16. 3ª. ed. São Paulo: Editora Escrituras. 2006. Pag. 507 – 543. LÓPEZ-DARIAS, M.; LOBO, J. M.; GOUAT, P.. Predicting potential distributions of invasive species: the exotic Barbary ground squirrel in the Canarian archipelago and the west Mediterranean region. Biological invasions, v. 10, p. 1027-1040, 2008. MMA - MINISTÉRIO DO MEIO AMBIENTE. Secretaria de Biodiversidades e Florestas. Espécies Exóticas Invasoras. Disponível em: 27

<http://www.mma.gov.br/sitio/index.php?ido=conteudo.monta&idEstrutura=174/> Acesso em: 17 de janeiro de 2012. MORTON, B. The population dynamics of Limnoperna fortunei (Dunker 1857) (Bivalvia: Mytilacea) in Plover Cove reservoir, Hong Kong. Malacol 16, 1977. P. 165-182. MORTON B. The reproductive cycle in Limnoperna fortunei (Dunker 1857) (Bivalvia: Mytilidae) fouling Hong Kong's raw water supply system. Ocean Limn Sinica 13, 1982. P. 312 - 325. NEVES, C., ROCHA, R. Bioinvasão mediada por embarcações de recreio na baía de Paranaguá, PR, e suas implicações para conservação. UFPR, 2005. OLIVEIRA, Márcia D. Factors controlling the density and distribution of the invasive golden mussel Limnoperna fortunei in the Pantanal wetland, a tropical floodplain. Cap. 1. 2009 Pag. 9 - 26. OLIVEIRA, M. D.; HAMILTON, S. K.; CAVALHEIROS, D. F.; JACOBI, C. M.; LATINI, R. O. Modeling the potential distribution of the invasive golden mussel Limnoperna fortunei in the Upper Paraguay River system using limnological variables. Braz. J. Biol., 2010, vol. 70, no. 3 (suppl.), p. 831-840. OLIVEIRA, Márcia D.; PEREIRA, Rosana A. C. Medidas de Controle da Dispersão da Espécie Exótica “Mexilhão Dourado” (Limnoperma fortunei) no Pantanal Sul. Circular Técnica, 51. Embrapa Pantanal. Ministério da Agricultura, Pecuária e Abastecimento. Corumbá, MS. Dezembro de 2004. Disponível em: <http://www.cpap.embrapa.br/publicacoes/online/CT51.pdf>. Acesso em: 14/09/2011. OLIVEIRA, M. D.; TAKEDA, A. M.; BARROS, L. F.; BARBOSA, D. S.; RESENDE, E. K.. Invasion by Limnoperna fortunei (Dunker, 1857) (Bivalvia, Mytilidade) of the Pantanal wetland, Brazil. Biological Invasions, n. 8, p. 97-104, 2006. PAREY, Verlag Paul. Fundação do Meio Ambiente de Santa Catarina. Relevância de parâmetros de qualidade das águas aplicados à águas correntes. Parte I: Características gerais, nutrientes, elementos-traços e substâncias nocivas inorgânicas, características biológicas. Tradução de Jorg Henri Saar. Florianópolis, FATMA/GTZ, 1999. PETERSON, A. T. Predicting the geography of species’ invasions via ecological niche modeling. Quarterly Review of Biology, vol. 78, no. 4, 2003. p. 419-433. PHILLIPS, Steven J. A Brief Tutorial on Maxent. Sem data. Disponível em: < http://www.cs.princeton.edu/~schapire/maxent/tutorial/tutorial.doc>. Acesso em: agosto de 2011. PHILLIPS, Steven J.; DUDÍK, Miroslav. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography, vol. 31, No. 2, April de 2008. P. 161 – 288. Disponível em: <http://onlinelibrary.wiley.com/doi/10.1111/j.0906-7590.2008.5203.x/full> Acesso em: janeiro de 2012.

REBOUÇAS, Aldo da C. Águas doces no Brasil: capital ecológico, uso e conservação. Água doce no mundo e no Brasil. CAP. 1 – 3ª. ed. São Paulo: Editora Escrituras. 2006. Pag. 1 – 35. ROURA-PASCUAL, N.; BROTONS, L.; PETERSON, A. T.; THUILLER, W. Consensual predictions of potential distribution areas for invasive species: a case study of Argentine ants in the Iberian Peninsula. Biological Invasions, v. 11, p. 1017-1031, 2009. STACHOWICZ, J. J.; Whitlatch, R. B.; Osman, R. W. 1999. Species diversity and invasionresistance in a marine ecosystem. Science, 286: 1577-1579. STRUBBE, D.; MATTHYSEN, E.. Predicting the potential distribution of invasive ringnecked parakeets Psittacula krameri in northen Belgium using an ecological niche modeling approach. Biological Invasions, v. 11, p. 497-513, 2009.

ANEXO A – Tabela de critérios utilizada por Mackie e Mackie (2010)

Critério Usado na Determinação dos Níveis de Infestação para o Mexilhão Dourado na América do Norte (Mackie e Mackie, 2010)

Parâmetros

Potencial Nulo de Sobrevivência Adulta

Potencial Baixo para Larva D

Potencial Moderado

Potencial Alto

Cálcio (mg Ca/L)

<1, >100

1a5

5 a 10, 80 a 100

10 a 80

<3.0, >10

3.0 a 5.0

5.0 a 7.0

7.0 a 9.0

Temperatura da Água (°C)

<5, >40

5 a 15 ou 32 a 40

16 a 26

26 a 32

Oxigênio Dissolvido (mg/L) (% Saturação)

<1 (<10%)

1 a 3 (10 a 20%)

3 a 6 (20 a 50%)

≥7 (>50%)

Condutividade (µS/cm)

<30, >25.000

9000 a 25.000

3800 a 9000

30 a 3800

Clorofila α (µg/L)

0 a 1, >25

1 a 2 ou 20 a 25

8 a 20

2a8

ANEXO B - RELATĂ&#x201C;RIO DO MAXENT PARA MODELO A Maxent model for L.fortunei This page contains some analysis of the Maxent model for L.fortunei, created Mon Jan 23 11:09:10 BRST 2012 using Maxent version 3.3.3k. If you would like to do further analyses, the raw data used here is linked to at the end of this page.

Analysis of omission/commission The following picture shows the omission rate and predicted area as a function of the cumulative threshold. The omission rate is is calculated both on the training presence records, and (if test data are used) on the test records. The omission rate should be close to the predicted omission, because of the definition of the cumulative threshold.

The next picture is the receiver operating characteristic (ROC) curve for the same data. Note that the specificity is defined using predicted area, rather than true commission (see the paper by Phillips, Anderson and Schapire cited on the help page for discussion of what this means). This implies that the maximum achievable AUC is less than 1. If test data is drawn from the Maxent distribution itself, then the maximum possible test AUC would be 0.871 rather than 1; in practice the test AUC may exceed this bound.

Some common thresholds and corresponding omission rates are as follows. If test data are available, binomial probabilities are calculated exactly if the number of test samples is at most 25, otherwise using a normal approximation to the binomial. These are 1-sided p-values for the null hypothesis that test points are predicted no better than by a random prediction with the same fractional predicted area. The "Balance" threshold minimizes 6 * training omission rate + .04 * cumulative threshold + 1.6 * fractional predicted area.

Cumulative threshold

Logistic threshold

Description

Fractional predicted area

Training omission rate

Test omission rate

P-value

1.000

0.023

Fixed cumulative value 1

0.801

0.000

2.644E-

1 5.000

0.043

Fixed cumulative value 5

0.574

0.000

3.585E2

10.000

0.061

Fixed cumulative value 10

0.384

0.000

3.194E3

19.836

0.113

Minimum training presence

0.165

0.000

2.038E5

26.735

0.209

10 percentile training presence

0.078

0.095

0.333

4.987E4

26.041

0.179

Equal training sensitivity and specificity

0.087

0.095

0.333

7.386E4

26.041

0.179

Maximum training sensitivity plus specificity

0.087

0.048

0.333

7.386E4

22.677

0.128

Equal test sensitivity and specificity

0.126

0.048

0.167

1.709E4

22.677

0.128

Maximum test sensitivity plus specificity

0.126

0.048

0.000

4.011E6

12.854

0.075

Balance training omission, predicted area and threshold value

0.305

0.000

8.101E4

17.845

0.102

Equate entropy of thresholded and original distributions

0.202

0.000

6.73E-5

Pictures of the model This is a representation of the Maxent model for L.fortunei. Warmer colors show areas with better predicted conditions. White dots show the presence locations used for training, while violet dots show test locations. Click on the image for a full-size version.

Click here to interactively explore this prediction using the Explain tool. If clicking from your browser does not succeed in starting the tool, try running the script in H:\GRAZIELE ARQUIVOSS\Ă&#x161;LTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\MODELO_GERADO_23.01.12\MODELO_TODAS_OCORRENCIAS\L.fortunei_explain.bat directly. This tool requires the environmental grids to be small enough that they all fit in memory.

Analysis of variable contributions The following table gives estimates of relative contributions of the environmental variables to the Maxent model. To determine the first estimate, in each iteration of the training algorithm, the increase in regularized gain is added to the contribution of the corresponding variable, or subtracted from it if the change to the absolute value of lambda is negative. For 34

the second estimate, for each environmental variable in turn, the values of that variable on training presence and background data are randomly permuted. The model is reevaluated on the permuted data, and the resulting drop in training AUC is shown in the table, normalized to percentages. As with the variable jackknife, variable contributions should be interpreted with caution when the predictor variables are correlated. Variable Percent contribution Permutation importance rastert_ph_19_p1 75.8 53.1 rastert_calcio_2 18.4 5.6 rastert_od_19_p1 3.3 7.5 rastert_conduti2 1.4 25.2 rastert_clorofi3 1.1 8.5

The following picture shows the results of the jackknife test of variable importance. The environmental variable with highest gain when used in isolation is rastert_ph_19_p1, which therefore appears to have the most useful information by itself. The environmental variable that decreases the gain the most when it is omitted is rastert_ph_19_p1, which therefore appears to have the most information that isn't present in the other variables.

The next picture shows the same jackknife test, using test gain instead of training gain. Note that conclusions about which variables are most important can change, now that we're looking at test data.

Lastly, we have the same jackknife test, using AUC on test data.

Raw data outputs and control parameters The data used in the above analysis is contained in the next links. Please see the Help button for more information on these. The model applied to the training environmental layers The coefficients of the model The omission and predicted area for varying cumulative and raw thresholds 36

The prediction strength at the training and (optionally) test presence sites Results for all species modeled in the same Maxent run, with summary statistics and (optionally) jackknife results Regularized training gain is 1.594, training AUC is 0.958, unregularized training gain is 1.947. Unregularized test gain is 1.345. Test AUC is 0.941, standard deviation is 0.018 (calculated as in DeLong, DeLong & Clarke-Pearson 1988, equation 2). Algorithm converged after 480 iterations (0 seconds). The follow settings were used during the run: 21 presence records used for training, 6 for testing. 357 points used to determine the Maxent distribution (background points and presence points). Environmental layers used (all continuous): rastert_calcio_2 rastert_clorofi3 rastert_conduti2 rastert_od_19_p1 rastert_ph_19_p1 Regularization values: linear/quadratic/product: 0.423, categorical: 0.250, threshold: 1.790, hinge: 0.500 Feature types used: linear quadratic hinge jackknife: true outputdirectory: H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\MODELO_GERADO_23.01.12\MODELO_TODAS_OCORRENCIAS samplesfile: H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ocorrencia-23.01.12.csv environmentallayers: H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ASC PARA RODAR randomtestpoints: 25 maximumiterations: 30000 Command line used: Command line to repeat this species model: java density.MaxEnt nowarnings noprefixes -E "" -E L.fortunei jackknife "outputdirectory=H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\MODELO_GERADO_23.01.12\MODELO_TODAS_OCORRENCIAS" "samplesfile=H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ocorrencia-23.01.12.csv" "environmentallayers=H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ASC PARA RODAR" randomtestpoints=25 maximumiterations=30000

ANEXO C - RELATĂ&#x201C;RIO DO MAXENT PARA MODELO B Maxent model for L.fortunei This page contains some analysis of the Maxent model for L.fortunei, created Mon Jan 23 11:04:13 BRST 2012 using Maxent version 3.3.3k. If you would like to do further analyses, the raw data used here is linked to at the end of this page. Analysis of omission/commission The following picture shows the omission rate and predicted area as a function of the cumulative threshold. The omission rate is is calculated both on the training presence records, and (if test data are used) on the test records. The omission rate should be close to the predicted omission, because of the definition of the cumulative threshold.

The next picture is the receiver operating characteristic (ROC) curve for the same data. Note that the specificity is defined using predicted area, rather than true commission (see the paper by Phillips, Anderson and Schapire cited on the help page for discussion of what this means). This implies that the maximum achievable AUC is less than 1. If test data is drawn from the Maxent distribution itself, then the maximum possible test AUC would be 0.818 rather than 1; in practice the test AUC may exceed this bound. 38

Logistic threshold

Description

Fractional predicted area

Training omission rate

Test omission rate

P-value

1.000

0.054

Fixed cumulative value 1

0.779

0.000

3.677E1

5.000

0.114

Fixed cumulative value 5

0.633

0.000

1.606E1

10.000

0.150

Fixed cumulative value 10

0.524

0.000

7.528E-

2 29.038

0.225

Minimum training presence

0.238

0.000

3.214E3

39.030

0.253

10 percentile training presence

0.129

0.077

0.000

2.757E4

39.306

0.253

Equal training sensitivity and specificity

0.129

0.154

0.000

2.757E4

39.030

0.253

Maximum training sensitivity plus specificity

0.129

0.077

0.000

2.757E4

58.786

0.626

Equal test sensitivity and specificity

0.034

0.538

0.000

1.277E6

58.786

0.626

Maximum test sensitivity plus specificity

0.034

0.538

0.000

1.277E6

5.595

0.117

Balance training omission, predicted area and threshold value

0.619

0.000

1.469E1

21.216

0.198

Equate entropy of thresholded and original distributions

0.342

0.000

1.364E2

Click here to interactively explore this prediction using the Explain tool. If clicking from your browser does not succeed in starting the tool, try running the script in H:\GRAZIELE ARQUIVOSS\Ă&#x161;LTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\MODELO_GERADO_23.01.12\MODELO 1\L.fortunei_explain.bat directly. This tool requires the environmental grids to be small enough that they all fit in memory.

the second estimate, for each environmental variable in turn, the values of that variable on training presence and background data are randomly permuted. The model is reevaluated on the permuted data, and the resulting drop in training AUC is shown in the table, normalized to percentages. As with the variable jackknife, variable contributions should be interpreted with caution when the predictor variables are correlated. Variable Percent contribution Permutation importance rastert_ph_19_p1 50.7 46.5 rastert_calcio_2 35.5 15.8 rastert_conduti2 12.4 21.6 rastert_od_19_p1 1.3 16.1 rastert_clorofi3 0 0

Lastly, we have the same jackknife test, using AUC on test data.

The prediction strength at the training and (optionally) test presence sites Results for all species modeled in the same Maxent run, with summary statistics and (optionally) jackknife results Regularized training gain is 1.066, training AUC is 0.938, unregularized training gain is 1.475. Unregularized test gain is 2.449. Test AUC is 0.985, standard deviation is 0.007 (calculated as in DeLong, DeLong & Clarke-Pearson 1988, equation 2). Algorithm converged after 140 iterations (0 seconds). The follow settings were used during the run: 13 presence records used for training, 4 for testing. 357 points used to determine the Maxent distribution (background points and presence points). Environmental layers used (all continuous): rastert_calcio_2 rastert_clorofi3 rastert_conduti2 rastert_od_19_p1 rastert_ph_19_p1 Regularization values: linear/quadratic/product: 0.671, categorical: 0.393, threshold: 1.870, hinge: 0.500 Feature types used: linear quadratic jackknife: true outputdirectory: H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\MODELO_GERADO_23.01.12\MODELO 1 samplesfile: H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ocorrencia_19.01.12.txt environmentallayers: H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ASC PARA RODAR randomtestpoints: 25 maximumiterations: 30000 Command line used: Command line to repeat this species model: java density.MaxEnt nowarnings noprefixes -E "" -E L.fortunei jackknife "outputdirectory=H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\MODELO_GERADO_23.01.12\MODELO 1" "samplesfile=H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ocorrencia_19.01.12.txt" "environmentallayers=H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ASC PARA RODAR" randomtestpoints=25 maximumiterations=30000

ANEXO D - RELATĂ&#x201C;RIO DO MAXENT PARA MODELO C Maxent model for L.fortunei This page contains some analysis of the Maxent model for L.fortunei, created Mon Jan 23 11:11:54 BRST 2012 using Maxent version 3.3.3k. If you would like to do further analyses, the raw data used here is linked to at the end of this page. Analysis of omission/commission The following picture shows the omission rate and predicted area as a function of the cumulative threshold. The omission rate is is calculated both on the training presence records, and (if test data are used) on the test records. The omission rate should be close to the predicted omission, because of the definition of the cumulative threshold.

The next picture is the receiver operating characteristic (ROC) curve for the same data. Note that the specificity is defined using predicted area, rather than true commission (see the paper by Phillips, Anderson and Schapire cited on the help page for discussion of what this means). This implies that the maximum achievable AUC is less than 1. If test data is drawn from the Maxent distribution itself, then the maximum possible test AUC would be 0.885 rather than 1; in practice the test AUC may exceed this bound. 45

Logistic threshold

Description

Fractional predicted area

Training omission rate

Test omission rate

P-value

1.000

0.019

Fixed cumulative value 1

0.692

0.000

0.077

5.652E-2

5.000

0.040

Fixed cumulative value 5

0.490

0.000

0.077

1.37E-3

10.000

0.054

Fixed cumulative value 10

0.331

0.000

0.077

1.536E-5

15.623

0.075

Minimum training presence

0.199

0.000

0.077

4.064E-8

22.605

0.135

10 percentile training presence

0.092

0.071

0.154

2.751E10

22.605

0.135

Equal training sensitivity and specificity

0.092

0.071

0.154

2.751E10

22.605

0.135

Maximum training sensitivity plus specificity

0.092

0.071

0.154

2.751E10

19.904

0.100

Equal test sensitivity and specificity

0.126

0.071

0.154

7.789E-9

19.904

0.100

Maximum test sensitivity plus specificity

0.126

0.071

0.077

1.848E10

11.579

0.060

Balance training omission, predicted area and threshold value

0.289

0.000

0.077

3.173E-6

17.746

0.085

Equate entropy of thresholded and original distributions

0.160

0.071

0.077

3.042E-9

Click here to interactively explore this prediction using the Explain tool. If clicking from your browser does not succeed in starting the tool, try running the script in H:\GRAZIELE ARQUIVOSS\Ă&#x161;LTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\MODELO_GERADO_23.01.12\MODELO_TODAS_OCORRENCIAS - 3\L.fortunei_explain.bat directly. This tool requires the environmental grids to be small enough that they all fit in memory.

the second estimate, for each environmental variable in turn, the values of that variable on training presence and background data are randomly permuted. The model is reevaluated on the permuted data, and the resulting drop in training AUC is shown in the table, normalized to percentages. As with the variable jackknife, variable contributions should be interpreted with caution when the predictor variables are correlated. Variable Percent contribution Permutation importance rastert_ph_19_p1 74 58.9 rastert_calcio_2 17.8 0 rastert_conduti2 7.1 41.1 rastert_clorofi3 1.1 0 rastert_od_19_p1 0 0

Lastly, we have the same jackknife test, using AUC on test data.

The prediction strength at the training and (optionally) test presence sites Results for all species modeled in the same Maxent run, with summary statistics and (optionally) jackknife results Regularized training gain is 1.833, training AUC is 0.958, unregularized training gain is 2.074. Unregularized test gain is 1.069. Test AUC is 0.893, standard deviation is 0.055 (calculated as in DeLong, DeLong & Clarke-Pearson 1988, equation 2). Algorithm converged after 160 iterations (0 seconds). The follow settings were used during the run: 14 presence records used for training, 13 for testing. 357 points used to determine the Maxent distribution (background points and presence points). Environmental layers used (all continuous): rastert_calcio_2 rastert_clorofi3 rastert_conduti2 rastert_od_19_p1 rastert_ph_19_p1 Regularization values: linear/quadratic/product: 0.629, categorical: 0.357, threshold: 1.860, hinge: 0.500 Feature types used: linear quadratic jackknife: true outputdirectory: H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\MODELO_GERADO_23.01.12\MODELO_TODAS_OCORRENCIAS - 3 samplesfile: H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ocorrencia-23.01.12.csv environmentallayers: H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ASC PARA RODAR askoverwrite: false randomtestpoints: 50 maximumiterations: 300 Command line used: Command line to repeat this species model: java density.MaxEnt nowarnings noprefixes -E "" -E L.fortunei jackknife "outputdirectory=H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\MODELO_GERADO_23.01.12\MODELO_TODAS_OCORRENCIAS - 3" "samplesfile=H:\GRAZIELE ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ocorrencia-23.01.12.csv" "environmentallayers=H:\GRAZIELE - ARQUIVOSS\ÚLTIMA MODELAGEM\ULTIMA MODELAGEM JAN_2012\ASC PARA RODAR" noaskoverwrite randomtestpoints=50 maximumiterations=300

PROGRAMA INSTITUCIONAL DE BOLSAS PARA GRADUANDOS CETEC

PROGRAMA INSTITUCIONAL DE INICIAÇÃO TECNOLÓGICA E INOVAÇÃO – PIBITI / CNPq

Ministério da Ciência e Tecnologia / CNPq - Edital no / 2011 / Programa Institucional de Iniciação Científica – Fundação CETEC

Projeto 343: controle do mexilhão dourado: bioengenharia e novos materiais para a aplicação em ecossistemas e usinas hidrelétricas.

Análise Comportamental do Mexilhão Dourado (Limnoperna fortunei). CNPq/ agosto /2012

______________________________________________________________________ Universidade Federal de Minas Gerais

Fundação Centro Tecnológico de Minas Gerais - CETEC Diretoria de Desenvolvimento e Serviços Tecnológicos Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas - CBEIH PRESIDENTE Marcílio César de Andrade VICE PRESIDENTE Eduardo Prates Octaviani Bernis DIRETOR DE DESENVOLVIMENTO E SERVIÇOS TECNOLÓGICOS DIRETOR DE PLANEJAMENTO GESTÃO E FINANÇAS Ivan Amorim Barbosa

Av. José Cândido da Silveira, 2000 - Horto - Belo Horizonte - MG – 31170-000 Telefone: (31) 3489-2000 / Fax: (31) 3489-2200 – Site: www.cetec.br - E-mail: faleconosco@cetec.br

Ministério da Ciência e Tecnologia / CNPq - Edital no / 2011 / Programa Institucional de Iniciação Científica – Fundação CETEC Projeto 343: controle do mexilhão dourado: bioengenharia e novos materiais para a aplicação em ecossistemas e usinas hidrelétricas.

Análise Comportamental do Mexilhão Dourado (Limnoperna fortunei). CNPq/ agosto / 2012

Nome do Orientador: Mestre Arnaldo Nakamura Filho Pesquisador Pleno, Orientador: Doutor Antônio Valadão Cardoso

Belo Horizonte agosto/2012

Fundação Centro Tecnológico de Minas Gerais / CETEC Diretoria de Desenvolvimento e Serviços Tecnológicos Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas Análise Comportamental do Mexilhão Dourado (Limnoperna fortunei).

Orientador: Arnaldo Nakamura Filho, Mestrado em Engenharia de Materiais UFOP.

Autores: Renata Barbosa Figueira, Minas Gerais, Ciências biológicas, Universidade Federal de Minas Gerais – UFMG. Arnaldo Nakamura Filho, Mestrado em Engenharia de Materiais - Universidade Federal de Ouro Preto – UFOP. Antônio Valadão Cardoso, Doutorado em Materials Engineering pela University of Sheffield, Inglaterra (1992).

RESUMO O Limnoperna fortunei (Dunker, 1857), conhecido popularmente como mexilhão dourado, é o um bivalve de água doce da família Mytilidae. Sua distribuição geográfica original restringia-se ao sudeste asiático, principalmente China. Em 1991, foi registrado pela primeira vez na América do Sul no rio da Prata (Argentina), provavelmente introduzido via água de lastro de navios. Em 1998, foi descoberto nas proximidades de Porto Alegre, lago Guaíba, sul do Brasil e atualmente já se encontra na bacia do Rio Grande, Minas Gerais. O pé do L. Fortunei é proporcionalmente longo, feita de camadas de músculos circulares e longitudinais que circulam o vasto espaço da hemolinfa. A superfície ventral ou “sola” é recoberta por cílios. O canal do bisso se abre no pé e o bisso pode se estender por essa ranhura. O objetivo do projeto foi realizar uma análise comportamental do Limnoperna fortunei, a fim de reconhecer padrões de comportamento do mesmo sob a influencia de soluções que poderiam inibir e\ou ativar a movimentação do pé do mexilhão.

SUMÁRIO 1. 2. 2.1. 3. 4. 4.1. 4.2. 4.4. 4.5. 4.6. 4.7. 4.8. 5. 6. 7. 8. 9.

INTRODUÇÃO .................................................................................................... 6 OBJETIVOS ...................................................................................................... 10 OBJETIVOS ESPECÍFICOS ....................................................................... 10 PROBLEMA ....................................................................................................... 10 MATERIAS e MÉTODOS .................................................................................. 11 COLETA dos MEXILHÕES ......................................................................... 11 ENSAIO com a SOLUÇÃO INIBIDORA MgCl2 0,7% ..................................... 11 ENSAIO com SOLUÇÃO INIBIDORA de MgCl2 1% ....................................... 13 ENSAIO de CORTE de PÉ .......................................................................... 14 ENSAIO de CORTE de PÉ + SOLUÇÃO INIBIDORA de MgCl2 0,7% .............. 14 ENSAIO de CORTE de PÉ + SOLUÇÃO de ALGA ........................................ 15 ENSAIO de CORTE de PÉ para OBSERVAÇÃO de REGENERAÇÃO ........... 15 RESULTADOS e DISCUSSÃO.......................................................................... 16 CONCLUSÕES ................................................................................................. 22 RECOMENDAÇÕES ......................................................................................... 22 REFERÊNCIAS BIBLIOGRÁFICAS ................................................................... 23 APÊNDICES ...................................................................................................... 25

LISTA de FIGURAS Figura 2: Imagem de um exemplar jovem de Mexilhão dourado encontrado no laboratório de cultivo de mexilhões do CETEC. ................................................. 7 Figura 3: A imagem destaca macroscopicamente o pé do mexilhão dourado, na foto observamos a exposição do pé do mexilhão, mostrando sua grande extensibilidade. Escala: 1mm ............................................................................. 7 Figura 4: Imagem destacando o sifão inalante de um mexilhão dourado. O sifão pode ser observado quando o mexilhão abre a concha para iniciar o processo de filtração. ......................................................................................................... 8 Figura 5: Mexilhões sendo retirado da boia de navegação 30 com o auxílio de uma espátula .................................................................................................... 11 Figura 6: Ilustração do funcionamento do software Motic Image Plus 2.0, mostrando como são realizadas as medições dos indivíduos analisados........ 12 Figura 7: Mexilhão na placa de petri com água para aclimatação antes dos experimentos. ................................................................................................... 13 Figura 8: Gráfico ilustrando o comportamento dos mexilhões sob a influência da solução de MgCl2 0.7%. Através deste gráfico verificamos que a maioria dos mexilhões permanece filtrando durante todo o ensaio, mas não há grande movimentação do pé dos mesmos. .................................................................. 16 Figura 9: Gráfico ilustrando o comportamento dos mexilhões sob a influência da solução de alga. Através desse podemos verificar que a solução não altera o processo de filtração, como também não determina um determina padrão de comportamento do pé. ..................................................................................... 17 Figura 10: Imagem de mexilhões com a concha aberta. O mexilhão 1 indica uma concha aberta de tamanho normal. O mexilhão 2 indica uma concha aberta com ângulo maior que o normal. ........................................................... 17 Figura 11: Gráfico ilustrando o comportamento dos mexilhões sob a influência da solução MgCl2 1%. Através deste verificamos que não é possível estabelecer um padrão de comportamento dos mexilhões quando os mesmos são expostos a essa solução. .......................................................................... 18 Figura 12: Mexilhão após várias tentativas de corte fracassadas. O pé do mexilhão apresenta calosidades. ..................................................................... 18 Figura 13: A imagem 1 corresponde a um indivíduo inteiro antes de ter o pé parcialmente amputado. A imagem 2 representa a parcela de pé amputada. . 20

1. INTRODUÇÃO O Limnoperna fortunei (Dunker, 1857), conhecido popularmente como mexilhão dourado, é um bivalve de água doce da família Mytilidae. Sua distribuição geográfica original restringia-se ao sudeste asiático, principalmente China. Foi encontrado como espécie invasora pela primeira vez em 1966 em Hong Kong, e em 1991 foi encontrado no Japão e na América do Sul (Pastorino et al.,1993). Em 1991, foi registrado pela primeira vez na América do Sul no rio da Prata (Argentina), provavelmente introduzido via água de lastro de navios (Pastorino et al.,1993). Em 1998, foi descoberto nas proximidades de Porto Alegre, Lago Guaíba, sul do Brasil (Mansur et al., 2003). Atualmente é encontrado em vários sistemas lóticos como o Rio da Prata, Rio Paraná, Rio Uruguai e Rio Paraguai (Brugnoli et AL., 2005) e em vários ambientes lacustres como o Lago Guaíba e a Lagoa dos Patos (Darrigran, 2001). Como pode ser observado na figura 1.

Figura 1: Mapa da área de ocorrência do L. fortunei na América do Sul.

L. fortunei é um bivalve filtrador (FIG. 2) que possui uma estrutura protéica, o bisso, que permite a sua fixação no substrato, apresenta comportamento gregário, rápido desenvolvimento e possui fase larval planctônica (Ricciardi, 1998).

Figura 2: Imagem de um exemplar jovem de Mexilhão dourado encontrado no laboratório de cultivo de mexilhões do CETEC.

O pé dos bivalves somente aparece nas larvas pediveligers que é o estágio que precede a metamorfose. O pé é proporcionalmente longo, feita de camadas de músculos circulares e longitudinais que circulam o vasto espaço da hemolinfa (FIG. 3). A superfície ventral ou “sola” é recoberta por cílios. O canal do bisso se abre no pé e o bisso pode se estender por essa ranhura (Gosling, 2003).

Figura 3: A imagem destaca macroscopicamente o pé do mexilhão dourado, na foto observamos a exposição do pé do mexilhão, mostrando sua grande extensibilidade. Escala: 1mm

As marginais do manto se abrem formando dois sifões, o inalante e o exalante. O sifão exalante é menor e cônico, já o inalante é mais amplo (FIG. 4). Eles se estendem para o substrato no momento da alimentação, mas podem se retrair para dentro da concha (Gosling, 2003).

Figura 4: Imagem destacando o sifão inalante de um mexilhão dourado. O sifão pode ser observado quando o mexilhão abre a concha para iniciar o processo de filtração.

Os impactos provocados por espécies invasoras são temas de preocupação no mundo inteiro, por trazerem sérias consequências ambientais e econômicas. Estes impactos estão associados principalmente ao crescimento descontrolado de suas populações (Gazulha, 2010). Como exemplo de impactos ecológicos causado por espécies exóticas, podemos citar a competição com as espécies nativas por espaço e alimento (Avelar, 2004). Já de prejuízos econômicos, como esta espécie tem capacidade de se incrustar em várias superfícies submersas, como madeira, rocha, plástico e até vidro (Faria et al., 2006), podemos citar: 

a fixação dos indivíduos nas paredes das tubulações;



a formação de um tapete rugoso, aumentando a perda de carga e promovendo uma diminuição do espaço antes disponível para a água;



infestação

grades

componentes

das

usinas

obrigando

concessionárias a promoverem uma constante operação de limpeza que interfere na geração de energia (Simeão, 2011) e 

danos no deslocamento de embarcações fluviais (Faria et al., 2006). Uma das formas de inibição da incrustação do mexilhão dourado é o

revestimento de superfícies com tintas anti-incrustantes (Faria et al., 2006). Porém deve-se considerar, ainda, que grande parte das tintas anti-incrustantes são à base de

TBT (tributil-estanho) e estão em processo de banimento mundial. Atualmente não há nenhuma alternativa eficaz e economicamente viável para a substituição deste produto (Gollasch, 2002). Para o controle da população e prevenção de expansão do mexilhão é importante saber o quão longe esses organismos jovens e adultos podem se mover quando desalojados e quais fatores afetam sua reinstalação em novos locais (YUMIKO, 1996). De acordo com Yumiko (1996) os pequenos mexilhões podem se mover entre 100 e 300 cm em 23 horas, essa distância decresce exponencialmente com o aumento da concha. Os pequenos mexilhões preferem ambientes mais escuros quando vão se reinstalar. E possuem maior capacidade de adaptação a buscar locais mais adequados, reestabelecer e aderir ao substrato depois de serem submetidos a distúrbios. Algumas substâncias podem ser utilizadas para alterar o comportamento de algumas estruturas, pois essas agem inibindo ou ativando o funcionamento do órgão. O EDTA, por exemplo, pode ser utilizado como sequestrador de cálcio, sendo assim, quando usado em células musculares o mesmo pode servir de relaxante muscular. Já soluções de cloreto de magnésio podem ser usadas com anestésicos como indica Estudos

indicam

que

determinados

bivalves

como

Macoma

balthica

(Pekkarinen,1984), Scrobicularia plana (Hodgson, 1982), Mesodesma mactroides (Nuñez, 2010), e a Donax denticulatus (Prosch, 1984) apresentam processos de regeneração dos seus sifões após amputação dos mesmos. Ainda não foram descritos nenhum resultado a respeito do processo de regeneração de tecidos do L. fortunei. A melhor compreensão do comportamento do L. fortunei pode ser uma saída alternativa para a criação de metodologias de controle e inibição desse organismo.

2. OBJETIVOS Análise comportamental do Limnoperna fortunei, com ênfase na movimentação do pé.

2.1. OBJETIVOS ESPECÍFICOS a. Produção de vídeos para análise do comportamento do pé do mexilhão dourado. b. Reconhecer macroscopicamente a anatomia do pé. c. Comparar a movimentação do pé com a dos sifões ao longo do tempo. d. Identificar padrões e relações de comportamentos quando os indivíduos são expostos a situações de estresse. e. Observar quais soluções inibem o movimento do pé. f. Padronizar as concentrações necessárias para somente inibir a movimentação e para matar o mexilhão.

3. PROBLEMA A imediata necessidade de encontrar alternativas de controle e combate ao mexilhão dourado, Limnoperna fortunei, devido aos impactos, econômicos e ambientais, causados pela sua introdução.

4. MATERIAS e MÉTODOS Para a realização dos testes foi necessária uma coleta preliminar dos organismos e a manutenção dos mesmos em um laboratório de cultivo.

4.1. COLETA dos MEXILHÕES Os mexilhões do Laboratório de cultivo de Mexilhões-dourados do CETEC foram coletados nas proximidades da Usina Hidrelétrica de São Simão, à juzante da confluência do rio Barreiro, boia de navegação 30 (Latitude 19,655833; Longitude 51,083889). Os indivíduos foram coletados manualmente, retirando o bisso sem comprometer as estruturas vitais e garantindo o máximo da integridade do animal. Os organismos foram transportados em sacos plásticos e em transportadores de isca viva aerados diretamente para o laboratório de cultivo conforme mostra a figura 5.

Figura 5: Mexilhões sendo retirado da boia de navegação 30 com o auxílio de uma espátula

4.2. ENSAIO com a SOLUÇÃO INIBIDORA MgCl2 0,7% Foram escolhidos 12 mexilhões, com aproximadamente o mesmo tamanho. Cada mexilhão foi colocado sobre uma placa de Petri com 10 ml de água do próprio aquário. Os mexilhões foram medidos com o auxílio do software Motic Image Plus 2.0 e foi realizado o registro fotográfico dos mesmos, conforme indica a figura 6. Cada mexilhão foi deixado durante 10 minutos na placa de Petri para aclimatação e exposição do pé. Depois de transcorrido o tempo de aclimatação eles foram transferidos para uma placa com 10 ml de solução de cloreto de magnésio

0,7%, permanecendo nesta durante 10 minutos. Durante esse período, foi realizado o registro em vídeo do comportamento. Os vídeos foram realizados com o auxílio de um esteroscópio (Motic) acoplado com câmera digital (Motic M2000), computador e foi utilizado o software Motic Image Plus 2.0 para processamento e análise dos vídeos.

Figura 6: Ilustração do funcionamento do software Motic Image Plus 2.0, mostrando como são realizadas as medições dos indivíduos analisados.

Ao final os mexilhões foram transferidos para uma placa de Petri contendo água do aquário, foi observado durante 10 a 15 minutos o comportamento do pé do mexilhão. Para analisar os vídeos foram construídos gráficos que avaliam o comportamento do mexilhão a cada 30 segundos. Foram considerados como critérios de avaliação a exposição ou retração do pé, abertura da concha, exposição dos sifões.

4.3. ENSAIO com a SOLUÇÃO DE ALGA Foram escolhidos 5 mexilhões com aproximadamente o mesmo tamanho. Cada mexilhão foi colocado sobre uma placa de Petri com 10 ml de água do próprio

aquário. Os mexilhões foram medidos e foi realizado o registro fotográfico dos mesmos. Cada mexilhão foi deixado durante 10 minutos na placa de Petri para aclimatação e exposição do pé. Depois de transcorrido o tempo de aclimatação eles foram transferidos para uma placa com 10 ml de solução de alga (alimento). Durante esse período, foi realizado o registro em vídeo do comportamento. Os vídeos foram realizados com o auxílio do software Motic Image Plus 2.0.

Figura 7: Mexilhão na placa de petri com água para aclimatação antes dos experimentos.

Ao final foram transferidos para uma placa de Petri contendo água do aquário, foi observado durante 10 a 15 minutos o comportamento do pé do mexilhão. Para analisar os vídeos foram construídos gráficos que avaliam o comportamento do mexilhão a cada 30 segundos. Foram considerados como critérios de avaliação a exposição ou retração do pé, abertura da concha, exposição dos sifões.

4.4. ENSAIO com SOLUÇÃO INIBIDORA de MgCl2 1% Como ensaio preliminar para padronizar a concentração da solução de MgCl2 , foram feitos testes utilizando a mesma em diversas concentrações. Desde 7,5%, concentração encontrada na literatura como sendo letal; 4,5% também com resultado letal para os mexilhões testados; 1%, 0,7% e 0,5% cujos os resultados são descritos a seguir. Foram escolhidos 12 mexilhões com aproximadamente o mesmo tamanho. Cada mexilhão foi colocado sobre uma placa de Petri com 10 ml de água do próprio aquário. Os mexilhões foram medidos e foi realizado o registro fotográfico dos mesmos.

Cada mexilhão foi deixado durante 10 minutos na placa de Petri para aclimatação e exposição do pé. Depois de transcorrido o tempo de aclimatação eles foram transferidos para uma placa com 10 ml de solução de MgCl2 1% . Durante esse período, foi realizado o registro em vídeo do comportamento. Os vídeos foram realizados com o auxílio do software Motic Image Plus 2.0. Ao final foram transferidos para uma placa de Petri contendo água do aquário, foi observado durante 10 a 15 minutos o comportamento do pé do mexilhão. Para analisar os vídeos foram construídos gráficos que avaliam o comportamento do mexilhão a cada 30 segundos. Foram considerados como critérios de avaliação a exposição ou retração do pé, abertura da concha, exposição dos sifões.

4.5. ENSAIO de CORTE de PÉ Foram escolhidos 12 mexilhões com aproximadamente o mesmo tamanho. Cada mexilhão foi colocado sobre uma placa de Petri com 10 ml de água do próprio aquário. Os mexilhões foram medidos e foi realizado o registro fotográfico dos mesmos. Foram realizadas 3 tentativas de corte de pé utilizando metodologias diferentes. Na primeira após a aclimatação os mexilhões foram deixados durante 10 minutos em 10 ml de solução de MgCl2 0,5%. Depois foram transferidos para a placa com água do aquário e o pé foi cortado com auxílio de pinça e bisturi. Na segunda tentativa, após a aclimatação os mexilhões foram deixados durante 10 minutos em 10 ml de solução de MgCl2 0,5% + 10 µl de EDTA, o corte foi realizado com o auxílio de pinça e bisturi. Na terceira tentativa os mexilhões não foram anestesiados, e pé foi cortado com o auxílio de uma tesoura. Após o corte os mexilhões foram colocados em um bécker de 500 ml com água do aquário. A água foi trocada todos os dias, e os cortes dos pés foram conservados em álcool 70%.

4.6. ENSAIO de CORTE de PÉ + SOLUÇÃO INIBIDORA de MgCl2 0,7% Foram utilizados 4 mexilhões com a ponta do pé previamente cortada 48 horas antes do experimento. O teste transcorreu conforme metodologia já descrita para solução inibidora com os mexilhões inteiros.

4.7. ENSAIO de CORTE de PÉ + SOLUÇÃO de ALGA Foram utilizados 4 mexilhões com a ponta do pé previamente cortada 48 horas antes do experimento. Cada mexilhão foi colocado sobre uma placa de Petri com 10 ml de água do próprio aquário. Posteriormente foram transferidos para uma placa contendo 10 ml de alga por 10 minutos. Após retornaram para a placa com água do aquário por mais 10 minutos. A essa água foi acrescentado 1 ml de alga, e novamente o comportamento foi observado por mais 10 minutos.

4.8. ENSAIO de CORTE de PÉ para OBSERVAÇÃO de REGENERAÇÃO Para a obtenção do peso seco inicial do pé do mexilhão dourado, foram utilizados 5 indivíduos com aproximadamente o mesmo tamanho. Os mexilhões foram sacrificados e o pé de cada um deles foi retirado. Para não desidratarem, os pés foram colocados em um microtubo contendo água, permaneceram armazenados dessa forma até o momento de serem colocados na estufa. O pé foi deixado na estufa por 24 horas à 60ºC. Após esse tempo ele foi pesado. Para

teste

regeneração,

foram

utilizados

indivíduos

com

aproximadamente o mesmo tamanho. A ponta do pé de cada um deles foi cortada com o auxílio de uma tesoura. As pontas foram levadas para a estufa durante 24 horas à 60ºC. A cada 24 horas um indivíduo foi sacrificado, seu pé foi colocado na estufa por 24 horas à 60ºC, e em seguida pesado. Os mexilhões com a ponta do pé amputada foram conservados em beckers individuais de 150 ml aerados, eles foram alimentados diariamente, com solução de alga.

5. RESULTADOS e DISCUSSÃO

O ensaio com a solução de MgCl2 à 0,7% foi realizado com o 12 os mexilhões que tinham aproximadamente 0,54 cm. A partir da análise dos vídeos produzidos (FIG. 8) concluímos que o MgCl2 0,7% pode ser utilizado como substância inibidora do pé, uma vez que o comportamento dos indivíduos testados foi de manter a filtração normal, mas não permitir a movimentação do pé. O mexilhão que não conseguiu filtrar faleceu. Após o retorno dos mexilhões para a água do aquário, esses voltaram a se movimentar normalmente.

Filtração + movimento interno Fechado Filtração + pé

Filtração

Figura 8: Gráfico ilustrando o comportamento dos mexilhões sob a influência da solução de MgCl2 0.7%. Através deste gráfico verificamos que a maioria dos mexilhões permanece filtrando durante todo o ensaio, mas não há grande movimentação do pé dos mesmos.

O ensaio de com solução de alga foi realizado com 5 indivíduos, esses tinham aproximadamente 0,53 cm. Todos os mexilhões sobreviveram ao teste. Em nenhum deles houve movimentação do pé. Em determinados momentos alguns mexilhões tentavam colocar o pé para fora, mas não conseguiam. Ao retornar para a água do aquário o comportamento dos mexilhões permaneceu normal. Com esse ensaio não foi possível verificar uma relação entre a exposição do pé e a presença de alimento.

Filtração + pé interno

Fechado Filtração + pé interno Filtração

Figura 9: Gráfico ilustrando o comportamento dos mexilhões sob a influência da solução de alga. Através desse podemos verificar que a solução não altera o processo de filtração, como também não determina um determina padrão de comportamento do pé.

O ensaio com a solução de MgCl2 a 1% foi realizado com 12 indivíduos, que tinham aproximadamente 0,6 cm. A partir desse teste não foi possível estabelecer um padrão de comportamento. Independente do efeito do MgCl2 à 1% sobre o mexilhão, esse sempre se comportava de maneira diferente após ser recolocado na água do aquário. O MgCl2 é capaz de alterar o comportamento do mexilhão das seguintes formas: 

Pode deixar a concha fechada.



Pode fazer o mexilhão abrir a concha com um ângulo maior que o normal.

Figura 10: Imagem de mexilhões com a concha aberta. O mexilhão 1 indica uma concha aberta de tamanho normal. O mexilhão 2 indica uma concha aberta com ângulo maior que o normal.



Pode inibir o mexilhão de colocar o pé para fora, porém o pé pode se movimentar internamente.



Pode induzir movimentação anormal do pé e da concha (movimento de vai e volta do pé; abertura e fechamento da concha).



Pode manter o comportamento normal do mexilhão.

O comportamento após ser recolocado na água do aquário não apresenta relação com o observado previamente na solução. Metade dos mexilhões faleceram com a troca, enquanto a outra metade apresentou comportamento normal.

Fechado Comportamento anormal Comportamento normal

Figura 11: Gráfico ilustrando o comportamento dos mexilhões sob a influência da solução MgCl2 1%. Através deste verificamos que não é possível estabelecer um padrão de comportamento dos mexilhões quando os mesmos são expostos a essa solução.

A primeira tentativa de corte de pé, realizada com o mexilhão anestesiado e com auxílio de pinça e bisturi não teve um resultado conclusivo, pois o pedaço de pé cortado foi muito pequeno e não conseguimos realizar sua pesagem. Cada tentativa fracassada gerava deformação nos pés como mostra a figura 12.

Figura 12: Mexilhão após várias tentativas de corte fracassadas. O pé do mexilhão apresenta calosidades.

Depois do corte, a concha permaneceu com abertura maior que a normal por aproximadamente uns 5 minutos, depois a abertura normalizou. O funcionamento dos

sifões permaneceu inalterado. Ao bater com a pinça na placa o mexilhão fechou a concha e recolheu o sifão, mostrando que os reflexos do mesmo também não foram prejudicados, segundos depois de parar de bater ele voltou a filtrar normalmente. A segunda tentativa, realizada com o auxílio de anestésico e relaxante muscular, também não teve resultado satisfatório devido a pequena porção de pé adquirida após o corte. Depois do corte a concha permaneceu bem aberta por aproximadamente 5 minutos, após esse tempo o mexilhão normalizou a abertura. O funcionamento dos sifões permaneceu inalterado. Após 24 horas o mexilhão foi novamente observado, os vídeos realizados confirmaram o corte da ponta do pé de um dos indivíduos. Sem a ponta esse mexilhão tateava a concha e não o ambiente, mostrando uma possível perda de referência. O outro individuo não teve o pé cortado. Com esse mexilhão fez-se uma nova tentativa de corte, mas o mexilhão faleceu com o estresse. Após 48 horas os mexilhões faleceram. A terceira tentativa realizada com o auxílio de uma tesoura teve o melhor resultado. O corte ficou mais preciso e a parcela amputada foi consideravelmente maior. Depois do corte a concha permaneceu bem aberta se normalizando após 5 minutos. Os sifões permaneceram com funcionamento inalterado. Os mexilhões foram novamente analisados após 3, 5 e 7 dias. Após 3 dias os mexilhões continuavam vivos, filtrando normalmente e estavam bissados no béquer. Após 5 dias, a filtração continuava normal, mas o pé estava mais arisco. O pé parecia apresentar tamanho semelhante do pé antes do corte. Após 7 dias eles não bissaram mais no béquer e sim na concha um do outro. Os mexilhões foram mantidos em béquer por mais um mês, não foi verificado nenhuma alteração na expectativa de vida desses mexilhões. Com o intuito de verificar a alteração do comportamento do pé com a ponta amputada, foram repetidos os ensaios realizados anteriormente com os mexilhões com os pés inteiros. Durante o ensaio utilizando a solução de MgCl2 0,7%, não houve nenhuma movimentação do pé de nenhum mexilhão. Porém todos os indivíduos filtraram normalmente durante e após o ensaio. A morte de todos os indivíduos foi confirmada 24 horas após o teste. Os mexilhões utilizados no teste com a solução de alga estavam extremamente bissados, tinha bisso envolvendo toda a concha, e esta estava mais aberta que o normal. A filtração permaneceu inalterada durante todo o ensaio. O pé mexia bastante, mas somente internamente. Os mexilhões mexeram com 2 minutos após voltarem para a água do aquário.

O ensaio de regeneração do pé não mostrou resultado conclusivo. Durante os vídeos o pé do mexilhão, mesmo após cortado, se movia da mesma forma que o pé inteiro, levantando a suspeita sob a possível regeneração do mesmo. Porém não foi possível observar relação entre as massas dos pés dos mexilhões. Isso porque, mesmo em mexilhões de mesmo tamanho, as massas secas dos pés são muito variáveis, não estabelecendo valores seguros para testes estatísticos.

Figura 13: A imagem 1 corresponde a um indivíduo inteiro antes de ter o pé parcialmente amputado. A imagem 2 representa a parcela de pé amputada.

A tabela I apresenta os valores encontrados para as massas dos pés dos mexilhões inteiros. Nela observamos que apesar de terem o mesmo tamanho, os indivíduos possuem pés de tamanhos variados, ou seja, a massa do pé não pode ser totalmente relacionada com o comprimento dos mexilhões. Tabela I: massas dos pés inteiros de mexilhões de 0,9 cm de comprimento (grupo controle).

Mexilhão Massa do Pé 1 0,32 2 0,40 3 0,20 4 0,34 5 0,13 A tabela II ilustra os valores de massa dos pés parcialmente amputados. Antes de serem pesadas, as pontas dos pés tiveram seus comprimentos aferidos. Apesar de possuírem o mesmo tamanho, elas também apresentam valores variados de massa, mostrando que o tecido apresenta grande extensibilidade. Novamente observamos que não existe relação entre os massas dos pés inteiros, nesse caso o valor somado da parcela amputada com a parte da estrutura que ficou no mexilhão até o mesmo ser sacrificado.

Tabela II: valores de massas dos mexilhões testados Mexilhão

Massa da ponta do pé

1 2 3 4 5 6

Tempo de vida após amputação

0.19 1 0.05 faleceu antes de ser sacrificado 0.16 2 0.06 5 0.20 6 0.03 7

Massa do pé + ponta amputada

0.49 * 0.36 0.34 0.25 0.47

6. CONCLUSÕES A partir desse trabalho podemos concluir que a solução de MgCl2 à 0,7% pode ser utilizada como solução inibidora de movimentação do mexilhão-dourado. Sob o efeito dessa substância o indivíduo permanece estático. A presença de alimento não favorece a movimentação, ele continua se comportando com se estivesse em água pura. Não foi observado nenhum tipo de prejuízo na movimentação dos mexilhões que tiveram seus pés parcialmente amputados.

7. RECOMENDAÇÕES Para trabalhos futuros sugere que sejam realizadas análise com estudos de histologia do pé do mexilhão dourado. Com o intuito de melhor compreensão do funcionamento do pé através do detalhamento de sua estrutura interna.

8. REFERÊNCIAS BIBLIOGRÁFICAS AVELAR, W. E. P., MARTIM, S. L. and VIANNA, M. P., A new occurrence of Limnoperna fortunei ( Dunker 1856) (Bivalvia, Mytilidae) in the state of São Paulo, Brazil. Braz. J. Biol., 64(4): 739-742, 2004. BRUGNOLI, E. et al. Golden mussel Limnoperna fortunei (Bivalvia: Mytilidae) distribution in the main hydrographical basins of Uruguay: update and predictions. Anais da Academia Brasileira de Ciências, v. 77, n. 2, p.235-244, 2005. DARRIGRAN, G.. El mejillón dorado, un novedoso problema económico/ambiental para el Mercosur. Pesquisa Naval, 2001. FARIA, E. A., BRANCO, J. R. T., CAMPOS, M. C. S., OLIVEIRA, M. D., ROLLA, M. E., Estudo das características antiincrustantes de materiais. REM: R. Esc. Minas, Ouro Preto, 59(2): 233-238, abr. jun. 2006. GAZULHA,Vanessa. O mexilhão dourado Limnoperna fortunei (Dunker, 1857) na presença de cianobactérias: taxa de filtração, comportamento alimentar e sobrevivência. Porto Alegre, 2010. GOLLASCH, S. “The importance of ship hull fouling as a vector of species introductions into the North Sea”. Biofouling18(2):105–121. 2002. GOSLING. Elizabeth. Bivalve Molluscs Biology, Ecology and Culture.Oxford, Blackwell Publishing, 2003,443p. HODGSON, Studies on wound healing, and an estimation of the rate of regeneration, of the siphon of Scrobicularia plana (da Costa), J. Exp. Mar. Biol. Ecol., 1982, Vol. 62, pp. 117-128 Elsevier Biomedical Press. MANSUR, M. C. D., C. P. SANTOS, G. DARRIGRAN, I. HEYDRICH, C. T. CALLIL& F. R. CARDOSO, 2003. Primeiros dados quail-quantitativos do mexilhão dourado, Limnoperna fortunei (Dunker, 1857), no lago Guaíba, Bacia da Laguna dos Patos, Rio Grande do Sul, Brasil e alguns aspectos de sua invasão no novo ambiente. Revista Brasileira de Zoologia 20: 75-84. NUÑEZ, J.; SCELZO, M. A.; CLEDÓN, M.; Regeneration of the inhalant siphon of Mesodesma mactroides (DESHAYES, 1854) (MOLLUSCA: BIVALVIA) Malacologia, 2010, 52(1): 175�179. PASTORINO, G. et al.Limnoperna fortunei (Dunker, 1857) (Mytilidae), nuevo bivalvo invasor em águas del Rio de la Plata. Neotrópica, v. 39, p.101-102, 1993. PROSCH, R. M. & MCLACHLGN, A.; The regeneration of surf zone nutrients by the sand mussel, Donax serra (Roding) I. Exp. Mar. Biol. Ecol., 1984, Vol. 80, pp. 221-233 PEKKARINEN, M.; Regeneration of the inhalant siphon and siphonal sense organs of brackish-water (Baltic Sea) Macoma balthica (Lamellibranchiata, Tellinacea). Ann. Zool. Fennici 21: 29-40. 1984. RICCIARDI, A., 1998, Global range expansion of the asian mussel Limnoperna fortunei (Mytilidae): another fouling threat to freshwater systems. Biofouling,13(2): 97-106.

SIMEÃO, C. M. G., Influência da variação de velocidade e pressão sobre Limnoperna fortunei Dunker 1857 (bivalvia, mytilidae) e verificação dos efeitos da toxicidade do látex de Euphorbia splendens var hislopii N.E.B (Euphobiaceae) para esta espécie. Belo Horizonte 2011. YUMIKO U.,KEIJI I.,andMASAMI H.Laboratory experiments on behavior and movement of a freshwater mussel, Limnoperna fortunei (Dunker) J. Mollus. Stud.(1996)62(3).

9. APÊNDICES Tabela I: medidas dos mexilhões do ensaio com MgCl2 0,7% Indivíduo Aquário 1 13-02 Aquário 4 13-02 Aquário 14 13-02 Aquário 1 15-02 Aquário 14 15-02 Aquário 9 15-02 Aquário 1 17-02 Aquário 10 17-02 Aquário 12 17-02

Largura (cm) 0,59 0,53 0,49 0,49 * 0,64 0,51 0,51 0,47

Altura (cm) 0,28 0,26 0,25 0,24 * 0,31 0,25 0,27 0,24

Área (cm2) 0,13 0,11 0,09 0,09 * 0,16 0,1 0,11 0,09

Perímetro (cm) 1,5 1,4 1,28 1,2 * 1,7 1,35 1,3 1,28

Tabela II: medidas dos mexilhões do ensaio com solução de alga Indivíduos

Largura (cm) Altura (cm)

Área (cm2)

Perímetro(cm)

Aquário 1 Aquário 10 Aquário 13 Aquário 15 Aquário 5

0,52 0,64 0,67 0,44 0,38

0,28 0,31 0,36 0,22 0,19

0,11 0,15 0,18 0,08 0,05

1,4 1,6 1,79 1,22 1,02

10 µl de alga + ração Aquário 14 Aquário 14-2

0,49 0,41

0,24 0,2

1,27 0,06

0,09 1,07

Tabela III: medidas dos mexilhões do ensaio com MgCl2 1%: Largura (cm)

Altura (cm)

Área (cm2))

0,9

0,4

0,32

1 0,75 0,8

0,5 0,3 0,39

0,36 0,9 0,25

2,4 1,9 2,14

0,73 0,45 0,6

0,36 0,21 0,3

0,2 0,07 0,14

1,94 1,2 1,5

Aquário 12 08-02 Aquário 8 08-02 Aquário 1 08-02 Aquário 7 08-02 Aquário 4 13-02 Aquário 4 2 1302 Aquário 15 13-02

0,63 0,5 0,42 0,6 0,33

0,3 0,3 0,21 0,3 0,18

0,17 0,11 0,07 0,15 0,04

1,7 1,4 1,1 1,6 0,8

0,64 0,48

0,29 0,23

0,14 0,09

1,6 1,29

média

0,63

0,3

0,21

1,58

Indivíduos

Perímetro (cm)

Solução 25-01 Aquário 4 25-01 Aquário 2 02-02 Aquário 1 03-02 Aquário 8 03-02 Aquário 3 03-02 Solução 03-02 Aquário 4 03-02 Aquário 2 06-02 Aquário 11 06-02 Solução 08-02

PROGRAMA INSTITUCIONAL DE BOLSAS PARA GRADUANDOS CETEC

PROGRAMA INSTITUCIONAL DE INICIAÇÃO TECNOLÓGICA E INOVAÇÃO – PIBITI / CNPq

Ministério da Ciência e Tecnologia / CNPq Programa Institucional de Iniciação Científica – Fundação CETEC GT 343 – Controle do Mexilhão Dourado: Bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas

Modelos Dinâmicos para predição da Invasão do mexilhão dourado CNPq/ Agosto / 2012

______________________________________________________________________ Universidade Federal de Minas Gerais - UFMG

Fundação Centro Tecnológico de Minas Gerais - CETEC Diretoria de Desenvolvimento e Serviços Tecnológicos Setor de Medições Ambientais - SAM PRESIDENTE Marcílio César de Andrade VICE PRESIDENTE Eduardo Prates Octaviani Bernis DIRETOR DE DESENVOLVIMENTO E SERVIÇOS TECNOLÓGICOS DIRETOR DE PLANEJAMENTO GESTÃO E FINANÇAS Ivan Amorim Barbosa

Av. José Cândido da Silveira, 2000 - Horto - Belo Horizonte - MG – 31170-000 Telefone: (31) 3489-2000 / Fax: (31) 3489-2200 – Site: www.cetec.br - E-mail: faleconosco@cetec.br

Modelos Dinâmicos para predição da Invasão do mexilhão dourado CNPq/ Agosto / 2012

Mônica de Cássia Souza Campos Pesquisador Pleno, Orientador

Belo Horizonte Agosto / 2012

Fundação Centro Tecnológico de Minas Gerais / CETEC Diretoria de Desenvolvimento e Serviços Tecnológicos Setor de Medições Ambientais - SAM

GT 343 – Controle do Mexilhão Dourado: Bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas

Orientador: Mônica Campos, Mestrado em Saneamento, Meio Ambiente e Recursos Hídricos.

Autores: Aluno: Vinícius Rezende Carvalho, Engenharia de Controle e Automação, Universidade Federal de Minas Gerais - UFMG. Orientadora: Mônica de Cássia Souza Campos, Mestre

Modelos Dinâmicos para predição da invasão do mexilhão dourado

RESUMO EXPANDIDO (fonte 14) 2 páginas no máximo com a mesma forma geral de apresentação do relatório; este é o resumo que deverá ir para o Relatório Final ao Agente de Fomento.

OBJETIVOS O projeto visa o desenvolvimento de um modelo capaz de prever a dinâmica de avanço do mexilhão dourado em rios e reservatórios. Ele deve permitir a simulação em diferentes cenários e diferentes parâmetros. Suas simulações devem propor estimativas confiáveis, de modo que ações de controle e contenção possam ser tomadas.

PROBLEMAS (fonte 12)

Palavras-chave: mexilhão dourado, modelos dinâmicos, Lymnoperna fortunei, Autômatos Celulares.

RESULTADOS (fonte 14) CONCLUSÕES (fonte 14)

___________________________________________________ Relatório Final

Modelos Dinâmicos Para Predição da Invasão do Mexilhão Dourado SUMÁRIO 1. INTRODUÇÃO ................................................................................................................... 8 2. OBJETIVOS ..................................................................................................................... 10 3. PROBLEMA(S) ................................................................................................................. 11 4. MÉTODO e METODOLOGIA ........................................................................................... 11 4.1.

COMPONENTES do MODELO .................................................................................... 11

4.2.

TRATAMENTO dos DADOS de ENTRADA ................................................................. 12

4.3.

FUNÇÕES de TRANSIÇÃO ......................................................................................... 15

4.4.

SIMULAÇÃO ................................................................................................................. 18

4.5.

CALIBRAÇÃO e VALIDAÇÃO ...................................................................................... 19

5. DESENVOLVIMENTO E ANÁLISE DE RESULTADOS .................................................. 21 6. CONCLUSÕES ................................................................................................................ 23 7. RECOMENDAÇÕES ........................................................................................................ 24 8. REFERÊNCIAS ................................................................................................................ 24 9. ANEXOS .......................................................................................................................... 27 9.1.

TRATAMENTO de DADOS – “trataDados.m”. ............................................................. 27

9.2.

AJUSTE de PARÂMETROS ......................................................................................... 27

9.3.

SIMULAÇÃO ................................................................................................................. 27

Índice de Figuras Figura 1: Representações do Reservatório de Ilha Solteira; (a) Imagem de satélite (b) Shapefile importado (c) Matriz utilizada na simulação. ............................................................................... 13 Figura 2: Progressão de avanço da espécie, usada nas etapas de calibração e validação. ...... 15 Figura 3: Função de pertinência para níveis de Clorofila ............................................................ 16 Figura 4: Função de Pertinência para Velocidade ...................................................................... 17 Figura 5: Função de Pertinência para os Coeficientes de Fixação ............................................. 17 Figura 6: Vizinhança de uma célula, considerando fluxo na direção NORTE. ........................... 19

1. INTRODUÇÃO

O mexilhão dourado (Limnoperna fortunei) é um bivalve originário do Sudeste Asiático, que invadiu o sul da América do Sul por volta de 1991, provavelmente devido ao transporte de larvas em navios vindos da Ásia (BARBOSA e MELO, 2009). Em 2004, registrou-se sua presença no Alto Rio Paraná (CAMPOS et al., 2005). Esta espécie é conhecida por seus graves impactos econômicos e ambientais. Sua presença é especialmente alarmante em hidrelétricas, onde seu acúmulo pode causar o entupimento de canos, filtros e grades. Em casos mais graves, é necessária a parada das máquinas para a limpeza (Martins, 2008). O problema é agravado pela grande adaptabilidade da espécie, além de sua capacidade de invadir novas regiões rapidamente. Esse problema é combatido por diversos meios. O controle de avanço da espécie é feito por iniciativas de educação ambiental. Em usinas sua eliminação pode ser feita por métodos químicos e mecânicos, por exemplo. Estudos sobre o próprio mexilhão dourado, como a composição de sua concha e do pé, ou de seu comportamento, auxiliam no desenvolvimento de modelos e de novos métodos de controle. Por fim, a modelagem faz uma análise do espalhamento da espécie, de modo a orientar medidas de prevenção e controle. Previsões sobre a dispersão do mexilhão dourado podem ser feitas com a construção de modelos, que podem ser focados na distribuição potencial da espécie, ou na sua dinâmica espacial e temporal. Modelos de nicho para avaliação da distribuição potencial da espécie relacionam registros de ocorrência com um conjunto de variáveis ambientais relevantes, de modo a encontrar regiões suscetíveis à invasão. Dos trabalhos que tratam dessa abordagem para o mexilhão dourado, destacam-se (OLIVEIRA, 2009 E OLIVEIRA, et al. 2010 ). Modelos dinâmicos espacialmente explícitos, por sua vez, levam em conta a escala temporal e espacial para a análise do espalhamento. Neles, é previsto onde e quando uma espécie irá invadir determinado local. Modelos deste tipo para o Limnoperna fortunei não foram encontrados na literatura. Uma etapa fundamental para a aplicação de um modelo é a calibração. Nela, dados “reais” são comparados com dados de saída do modelo, ajustando suas regras ou parâmetros, até uma aproximação satisfatória de ambos. Modelos dinâmicos espacialmente explícitos, em geral, necessitam de uma maior quantidade de dados que modelos de distribuição potencial, pois exigem uma alta frequência temporal e espacial de dados. E como qualquer modelo, o resultado final depende da qualidade e quantidade dos dados disponíveis. 8

Após a calibração, segue a etapa de validação. Nela, o modelo é simulado com os parâmetros ajustados anteriormente, e seu resultado é comparado com uma massa de dados diferentes daquela utilizada na calibração. Caso seu desempenho não seja satistfatório, volta-se à etapa de calibração. Se a diferença entre a simulação e os dados reais estiver dentro de um limite estipulado, o modelo está pronto para ser utilizado para previsões do comportamento de um sistema. A abordagem para o estudo de modelos dinâmicos deste estudo é baseada em Autômatos Celulares (ACs), que são simples idealizações matemáticas de sistemas naturais (Wolfram, 1983). Tais modelos são discretos e dinâmicos, no qual o espaço é representado por células, cada uma caracterizada por um estado finito. A cada iteração, o estado das células é atualizado de acordo com regras de transição, que dependem do estado atual da célula e de seus vizinhos. Esta vizinhança pode ser definida de diversas maneiras, sendo que a “Vizinhança de Moore”, contendo os oito vizinhos adjacentes da célula, é a mais utilizada. De modo geral, Autômatos Celulares podem ser representados por U = (L, Q, R, f), onde L é a estrutura em grade do sistema, conhecida como lattice. Q representa os estados finitos possíveis do sistema. R é a vizinhança de determinada célula, e f é a função de transição local, que rege a mudança de estados de cada célula. Cada célula é definida com um estado inicial, e a cada iteração, as regras de transição determinam se determinada célula irá ou não mudar de estado. Modelos baseados em ACs são uma alternativa à sistemas descritos por equações diferenciais, pois em geral não necessitam de um conhecimento aprofundado do sistema. Com seu uso, comportamentos complexos podem emergir a partir de regras simples, o que torna seu uso interessante no estudo se sistemas complexos de diversos tipos (MELOTTI, 2009).

2. OBJETIVOS Este projeto visa o desenvolvimento de um modelo capaz de prever a dinâmica de avanço do mexilhão dourado em rios e reservatórios. Ele deve permitir a simulação em diferentes cenários e diferentes parâmetros. Suas simulações devem propor estimativas confiáveis, de modo que ações preventivas e de controle possam ser tomadas.

3. PROBLEMA(S)

Invasões biológicas demandam uma série de ações de controle e contenção, que buscam mitigar os prejuízos econômicos e ambientais causados por tal. A construção de modelos dinâmicos espacialmente explícitos resulta em previsões para o espalhamento de uma espécie, que irão servir para um direcionamento mais efetivo de tais ações. No caso do mexilhão dourado(Limnoperna fortunei) isto é ainda mais crucial, devido ao alto potencial de invasão e capacidade de adaptação desta espécie.

4. MÉTODO e METODOLOGIA

O software Matlab(R2011.a), da Mathworks,

foi escolhido para as simulações e

desenvolvimento do algoritmo. Ele se destaca por já ser um software consolidado, sendo utilizado extensivamente como ferramenta de simulação computacional, além de contar com uma linguagem de alto nível e relativamente simples de utilizar. Além disso, a abordagem por autômatos celulares demanda uma representação do espaço por matrizes, o que é a especialidade do software (Matlab = MATrix LABoratory). Inicialmente, o modelo seria aplicado exclusivamente para reservatórios. Porém, dados de avanço do mexilhão dourado em tais ambientes são ainda escassos, pois a taxa amostral necessária é maior. Por exemplo, no reservatório de Ilha Solteira, onde seriam feitas as simulações iniciais, os dados provenientes das primeiras campanhas de campo já indicavam uma presença maciça do mexilhão dourado. Assim, não foi possível ter um mapa do avanço da espécie em relação ao tempo. O mesmo ocorre nos outros reservatórios analisados. Assim, na segunda parte do projeto, o modelo foi alterado para funcionar tanto em rios quanto reservatórios. As mudanças feitas serão discutidas a seguir.

4.1. COMPONENTES do MODELO O modelo foi dividido em 3 partes: Simulação, Ajuste de Parâmetros, e Tratamento de Dados. Todos estão no formato .m, necessitando do software Matlab para sua execução. 11

O código em “trataDados.m”(Anexo 9.1) faz a importação dos shapes(contendo o perfil dos rios/reservatórios e pontos de coleta), e faz a conversão dos dados de entrada, de modo que possam ser utilizados na simulação. O ajuste de parâmetros é feito com o script “calibracao.m”(Anexo 9.2). Ele executa repetidamente a função “FuncaoSimulacao.m“, que é o “simulacao.m” parametrizado e com pequenas alterações(sem interface, pontos iniciais fixos). Todos os códigos estão em anexo ao final do relatório. A simulação é então feita com o script “simulacao.m”. Ele importa as variáveis de saída de “trataDados.m“, e realiza a simulação com os parâmetros de entrada definidos. Seu princípio de funcionamento é semelhante ao usado em (MELOTTI, 2009).

4.2. TRATAMENTO dos DADOS de ENTRADA O espaço é representado por uma matriz n X m, com cada elemento (ou célula) assumindo um valor, que determina seu estado. Para as regras de transição, são considerados os oito vizinhos adjacentes (Vizinhança de Moore). Como é uma representação 2D, altitude e profundidade não são consideradas. Cada célula possui um de 3 estados possíveis, dados abaixo: •

0 : Ausência do mexilhão

•

1: Presença do mexilhão.

•

2: Terra, obstáculos ou barreiras. Não possui regras de transição(discutidas na seção 4.3), sendo utilizado como delimitador.

Para definir quais células do lattice permanecem no estado 2, é preciso fazer a importação e conversão de dados que contenham a delimitação de margens de rios e reservatórios. Além disso, são necessários os parâmetros limnológicos provenientes dos pontos de coleta, da área a ser estudada. Estes dados estão em Shapefiles (arquivos .shp), em formatos de linhas(para rios), polígonos (reservatórios) e pontos(pontos de coleta). Os dados de contorno são lidos do arquivo “Rios_polyline.shp”(caso o modelo seja aplicado em rios) ou “Represas_region.shp”(caso o modelo seja aplicado em reservatórios). Os dados dos pontos de coleta são lidos do arquivo “DADOS.shp”. O sistema de coordenadas de ambos Shapefiles deve coincidir. 12

Como estão em formato vetorial (polígonos no caso de reservatórios, e linhas no caso de rios), é preciso uma conversão dos dados para o formato de matricial, com a resolução desejada. Isso é feito pela função “vec2mtx“, que retorna uma matriz, e seu respectivo vetor de referências, que relaciona a matriz com o sistema de coordenadas geográficas. A Figura 1 mostra as diferentes representações para o reservatório de Ilha Solteira.

Figura 1: Representações do Reservatório de Ilha Solteira; (a) Imagem de satélite (b) Shapefile importado (c) Matriz utilizada na simulação. No programa, a matriz m X n contendo o estado de cada célula é representada pela variável “A“, mostrada na Figura 1c. Além dela, existem outras matrizes com o mesmo tamanho, cada uma contendo um parâmetro relevante (direção do fluxo, nível de clorofila, velocidade, por exemplo). Assim, a área a ser simulada é representada por várias matrizes sobrepostas do mesmo tamanho (n X m), cada uma contendo uma informação. Estas matrizes compartilham o mesmo sistema de coordenadas, com cada célula de uma dada matriz sendo identificada por sua respectiva linha e coluna (ou por um índice linear). Além do shape contendo a delimitação do reservatório, são lidos shapes contendo informações de pontos de coleta. Estes pontos devem conter: níveis de clorofila (µg/L), velocidade (m/s), tempo de fixação, ou quaisquer outros parâmetros relevantes que sejam posteriormente adicionados ao modelo. Porém, como é preciso que todos os elementos da matriz (e não apenas o ponto de coleta) contenham um dado parâmetro, é preciso realizar a interpolação (ou Krigagem) desses dados. 13

Isto ainda não está implementado no modelo, de modo que os parâmetros são dados pelo usuário, delimitando áreas com a função roipoly, do Matlab. A seguir, são detalhados dois tipos de dados inseridos pelo usuário: Direção do Fluxo e Área de Invasão. Direção do fluxo: Como as regras de dispersão do modelo diferem de montante para jusante, é preciso ter, para cada célula, um índice que indique qual a direção do fluxo. Porém, tal atributo não existe nos shapefiles e bancos de dados estudados, e seu cálculo com a ferramenta “FlowDirection”do ArcGIS 10(que leva em conta a declividade para o cálculo da direção) não obteve resultados satisfatórios. Assim, de acordo com o Quadro 1, que relaciona um número com a direção do fluxo, o usuário delimita no próprio mapa uma área, e seus respectivos número e direção.

8=NW

1=N

2=NE

7=W

3=E

6=SW

5=S

4=SE

Quadro 1:Codificação para a direção do fluxo no modelo Área de invasão: Para as etapas de calibração e validação, é preciso comparar o modelo com dados reais, que devem estar dispostos na mesma forma do modelo. Ou seja, matrizes nXm, cada célula com um valor representando um estado. E como é um modelo dinâmico, é preciso ter a representação em vários instantes de tempo, mostrando a progressão de avanço do mexilhão. Assim, a partir das informações fornecidas pelos pontos de coleta, o usuário delimita a área de invasão do mexilhão, em determinados intervalos de tempo. A Figura 2 mostra um exemplo da progressão (hipotética) em quatro intervalos de tempo (10, 40, 80 e 90 meses), a partir da invasão inicial, armazenados na variável “coleta.map”. Na calibração ou validação do modelo, estes quatro cenários serão comparados com o resultado da simulação, indicando o quão válido é o modelo.

Figura 2: Progressão de avanço da espécie, usada nas etapas de calibração e validação.

4.3. FUNÇÕES de TRANSIÇÃO As funções de transição regem a mudança de estados das células. A única mudança possível é de uma dada célula com estado 0(ausência do mexilhão) mudar para o estado 1(presença do mexilhão). O modelo pode ser alterado para incluir fatores como predação ou controle, que eliminariam a presença do mexilhão de uma célula, mudando seu estado de 1 para 0. Porém, de acordo com [FONTE], isso não ocorre; uma vez estabelecido, não há pressão predatória que elimine o mexilhão do local. A probabilidade de uma célula ser invadida é estimada de acordo com os valores de seus coeficientes de fixação(β). Esta variável avalia quão propícia a célula é para o estabelecimento do mexilhão, e tem relação com a velocidade de avanço da espécie. A escolha dos parâmetros que a influenciam é fundamental para o desempenho do modelo, e deve considerar as particularidades da região a ser estudada, pois diferentes regiões podem possuir diferentes fatores limitantes ao avanço do mexilhão. No modelo, o “coeficiente de fixação” depende de dois fatores considerados relevantes para o avanço do mexilhão: Velocidade da água e níveis de Clorofila. Outros fatores podem ser adicionados, caso haja indícios de sua relevância na região a ser estudada. Estudos como FONTES indicam a relevância da Clorofila como fator limitante para o avanço do mexilhão. Os intervalos de tolerância do mexilhão para este parâmetro (CLAUDI e MACKIE, 2010) são dados na Tabela 1:

Tabela 1: Clorofila como fator limitante ao assentamento do mexilhão Nível de Clorofila (µg/L)

Potencial Para Assentamento da Espécie

0-1

Mínimo

2–8

Alto

8 - 20

Moderado

25 - ∞

Mínimo

A velocidade age como agente de dispersão ou como fator limitante, dependendo de seu valor e da direção. Ou seja, em trechos com regime lótico, a correnteza age como agente de dispersão à jusante, mas dificulta o contato à montante. Porém, se for muito alta, a dispersão é prejudicada em todas as direções, pois as larvas são impossibilitadas de se fixar no substrato (MORTON,1973). Assim, são definidos 2 coeficientes de fixação; Um para dispersão à Jusante(βJus), outro para dispersão a Montante(βMon). DEFINIR DE ACORDO COM AS FONTES OS LIMITES DE TOLERANCIA para velocidade A relação do coeficiente de fixação com a clorofila e velocidade é conhecida apenas de forma qualitativa. Como não há uma expressão matemática relacionando estas variáveis, estas são consideradas como parâmetros fuzzy. A teoria fuzzy é útil para tratar matematicamente certos conhecimentos qualitativos. As variáveis de entrada(clorofila e velocidade) passam pelo processo de fuzzificação, sendo traduzidas

mapeadas

respectivo

domínio

fuzzy,

por

meio

funções

pertinência(MELOTTI, 2009), representadas a seguir. Para a clorofila, foram definidos 4 níveis: Baixo, Ótimo, Moderado e Alto. Sua função de pertinência é representada na Figura 3.

Figura 3: Função de pertinência para níveis de Clorofila 16

A velocidade é dividida em três níveis: Baixo, Alto e Muito Alto. A função de pertinência definida, com base nos limites de tolerância definidos por (RESENDE e MARTINEZ,2008) , é representada na Figura 4 .

Figura 4: Função de Pertinência para Velocidade

Os coeficientes de Fixação são divididos em três níveis: Baixo, Moderado e Alto. Ambos possuem a mesma função de pertinência, mostrada na Figura 5:

Figura 5: Função de Pertinência para os Coeficientes de Fixação As regras condicionais do tipo “If – Then” (Se – Então) estabelecem a relação entre entradas e saídas(βMon e βJus). As seguintes regras são definidas, com base nos limites de tolerância dados anteriormente: βMon : Para difusão a Montante(avanço do mexilhão contra a correnteza). •

HI, se

Clorofila = Ótimo E Velocidade = Baixa

• •

MED, se LOW, se

Clorofila = Moderada E Velocidade = Baixa Clorofila = MuitoBaixa OU Clorofila = MuitoAlta OU Velocidade ≠ Baixa

βJus: Para a difusão a jusante (avanço do mexilhão na direção da correnteza). •

HI, se

Clorofila = Otimo E Velocidade ≠ MuitoAlta 17

• •

MED, se LOW, se MuitoAlta

Clorofila = Mod E Velocidade ≠ MuitoAlta Clorofila = MuitoBaixa OU Clorofila = MuitoAlta OU Velocidade =

O método de Inferência de Mamdani(MAMDANI,1977) agrega as regras de diferentes entradas, por meio dos operadores OR (OU) e AND (E).

4.4. SIMULAÇÃO O primeiro passo do algoritmo é importar as variáveis geradas por “TrataDados.m”, do arquivo “mapas.mat”. Em seguida, o usuário define onde serão os pontos de invasão inicial. A interface contém 3 botões: Um para iniciar ou resumir a simulação, um para encerrá-la e outro para pausar a simulação. Eventos podem ser ativados após n iterações, como o surgimento de um novo foco ou mudanças de parâmetros, inserindo poucas linhas de código. A estrutura principal do algoritmo é composta de três loops. Uma iteração do loop mais externo atualiza a matriz ”A“ e sua respectiva representação ao usuário, de modo que o intervalo entre duas iterações corresponde a um intervalo de tempo pré-determinado (dias, semanas ou meses, por exemplo). A cada iteração, cada elemento da matriz é analisado. Se o valor da célula for igual a um (água, com presença do mexilhão), as regras de transição determinam se os mexilhões irão invadir as células vizinhas. Os algoritmos iniciais analisavam as células com estado 0, que podiam mudar de estado com base nos número de vizinhos com presença da espécie. Deste modo, é possível ponderar a probabilidade de invasão de uma célula 0 de acordo com o número de vizinhos invadidos, o que não seria possível com uma abordagem focada na probabilidade de uma célula com mexilhões invadir seus vizinhos. Porém, dificilmente isso é relevante para o desempenho do modelo, além dessa abordagem exigir um esforço computacional maior. De qualquer jeito, foram feitos algoritmos para ambas implementações, de modo a comparar o desempenho de cada um. A vizinhança da célula é dividida em 2 partes: Vizinhos à jusante(5) e à montante(3), de acordo com a direção do fluxo na respectiva célula. A Figura 6 ilustra esta divisão, considerando o fluxo na direção 1(Norte).

Figura 6: Vizinhança de uma célula, considerando fluxo na direção NORTE. A cada iteração, são analisadas as células com estado 1(presença de mexilhões). E para cada um de seus vizinhos com estado 0, a função “difusão.m” é executada. Esta função verifica a orientação do vizinho, e calcula a probabilidade Pi da célula ser invadida por mexilhões. Pi é o produto do coeficiente de fixação(β) da célula com uma constante(Pi = βJus/Mon x KJus/Mon). A princípio, estas duas constantes, KMon e KJus, são os parâmetros ajustados durante a calibração. Um gerador de números pseudoaleatórios de 0 até 1 com distribuição uniforme é utilizado para a comparação com cada Pi. Caso o número gerado seja menor que Pi, a célula passa do estado 0(suscetível) para 1(presença de mexilhões). Quando todas as células são analisadas, a matriz é atualizada e o contador de iterações é atualizado. A simulação se encerra quando o botão “quit“ é pressionado, ou quando um número determinado de iterações é atingido. Ao fim, é mostrado um gráfico com o número de células com presença de mexilhões, em função do número de iterações (dias, semanas ou meses, de acordo com a escala escolhida). Esta saída pode ser utilizada nas etapas de calibração e validação do modelo.

4.5. CALIBRAÇÃO e VALIDAÇÃO Nas etapas de calibração e validação, o mapa de progressão real do mexilhão (coleta(i).map) é comparado com o mapa da simulação(matriz “A“) em determinadas iterações, segundo os dados dos pontos de coleta. Cada célula da matriz(“A“) é comparada com sua correspondente

outra

matriz(“coleta.map”),

caso

seus

valores

sejam

divergentes(significando estados diferentes), o índice de erro, dado pela variável IAE, é incrementado.

Outro índice usado para a avaliação do modelo leva em conta a diferença entre o número total de células “invadidas“, na simulação e nos dados dos pontos de coleta ao final da simulação. Como os parâmetros do modelo não podem ser obtidos teoricamente, o modelo é simulado inicialmente com estimativas grosseiras. A simulação é avaliada segundo os índices de erro, e em seguida as variáveis KJus e KMon são alteradas, com os resultados desta nova simulação sendo avaliados novamente. Isto ocorre por N iterações. Por fim, os melhores valores de KJus e KMon

são

retornados.

5. DESENVOLVIMENTO E ANÁLISE DE RESULTADOS Alguns fatores que tornam o mexilhão dourado uma grave ameaça também dificultam a elaboração de um modelo para seu espalhamento. Sua grande capacidade de adaptação torna difícil a escolha de fatores limnológicos relevantes para o avanço da espécie. Alguns de seus limites de tolerância para determinados parâmetros são conhecidos (pH, temperatura, Cálcio e Clorofila, por exemplo), mas são tão amplos(Claudie & Mackie, 2010), que a grande maioria se torna irrelevante na elaboração do modelo, pois os rios e reservatórios de interesse são propícios para o rápido estabelecimento da espécie. Um outro aspecto é que os limites de tolerância para os diferentes estágios de desenvolvimento do bivalve não são conhecidos o que poderia aumentar o refinamento da calibração e a sensibilidade das respostas do modelo. Além disso, a rapidez de invasões demanda uma frequência de amostragem de dados elevada para uma boa calibração do modelo. Por ser um sistema complexo, a dinâmica de espalhamento do mexilhão depende de vários fatores, que dificilmente podem ser tratados da mesma maneira. Por exemplo, o uso de embarcações como “vetores de transmissão” da espécie é normalmente tratado por modelos de transporte, mas não é facilmente implementado por autômatos celulares. Modelos de transporte, por sua vez, são ineficazes para análise da dinâmica de espalhamento do mexilhão em reservatórios. Isso mostra a impossibilidade de um “modelo universal”, que preveja invasões do mexilhão em todas situações(em rios e reservatórios, em diferentes regiões e regimes do rio, por exemplo). O uso de autômatos celulares confere simplicidade ao modelo, dispensando um conhecimento aprofundado sobre o funcionamento do sistema. Porém, a estimativa dos parâmetros é altamente dependente da quantidade e qualidade de dados de avanço do mexilhão dourado em rios e reservatórios. Isso é um problema quando nos confrontamos com a escassez de dados disponíveis. A grande maioria dos dados é proveniente de campanhas de campo. Este método possui uma baixa frequência de amostragem, tanto temporal quanto espacial. Um aumento no número de campanhas demandaria um custo (econômico e de pessoal) ainda maior. Métodos de monitoramento automatizados, como redes de sensores instaladas em reservatórios para a detecção da espécie, poderiam prover o modelo com os dados necessários. Porém, tais sensores ainda estão em fase de testes. 21

Devido a esta dificuldade na obtenção de dados, seria interessante a realização de testes em escala, em ambientes controlados. Porém, a reprodução da espécie não ocorre em laboratórios, embora possua uma alta taxa de fecundidade em ambientes naturais. Apesar de várias tentativas, não existem métodos eficientes na literatura que estimulem a reprodução da espécie fora de ambientes naturais[FONTE]. Sendo assim, o modelo foi simulado somente com dados de teste, para verificação de consistência do algoritmo, formato de inserção de dados e análise de suas funcionalidades.

6. CONCLUSÕES

A princípio, a ausência de testes com dados reais de espalhamento do mexilhão impossibilita uma avaliação da validade do modelo. Tanto experimentos futuros no reservatório de Volta Grande como o crescimento da nova base colaborativa de dados do Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas (CBEIH) podem prover o modelo com dados iniciais para calibração e validação. Tais resultados serão importantes para a incorporação de novas funcionalidades ao algoritmo, assim como a interação com outros modelos. A dinâmica de invasão do mexilhão dourado é influenciada por diversos fatores diferentes, onde a interação entre suas diversas partes resulta em uma dinâmica não-linear, caracterizando um sistema complexo. Considerando a particularidade desses elementos, é improvável que um único modelo possa levar em conta todas estas variáveis, tratando e ponderando-as de modo ideal. Assim, para se fazer previsões confiáveis de invasões do mexilhão, é importante a análise da região de interesse, que leve em conta a escala, quais os fatores mais relevantes e o período de tempo desejado. Em regiões com alto tráfego de embarcações, um modelo de transporte seria indicado, por exemplo. Como é improvavel a viabilidade de um modelo “universal”, é importante ressaltar a importância da integração entre diferentes tipos de modelos(baseados em transporte, dinâmicos e potenciais, por exemplo) para previsões confiáveis do espalhamento do mexilhão. Além de seu uso integrado fornecer um panorama mais amplo do problema, a análise conjunta de

seus

resultados

pode

fornecer

indicativos

confiabilidade

das

simulações.

7. RECOMENDAÇÕES

O modelo foi elaborado com o princípio da simplicidade, conferido pelo uso dos Autômatos Celulares. À medida que ele for simulado e confrontado com dados reais, novas funcionalidades serão implementadas, de acordo com seu desempenho. Possíveis mudanças incluem a adição de novos estados, como presença de larvas ou a diferenciação de níveis de infestação na célula. Os parâmetros que influenciam o coeficiente de fixação também podem ser alterados, de acordo com a área estudada. Em particular, seria interessante utilizar a turbulência, ao invés da velocidade, como parâmetro de entrada. Outra adição importante seria a interpolação dos dados dos pontos de coleta (krigagem), o que eliminaria a necessidade do usuário inserir dados manualmente. À medida que mais dados de avanço do mexilhão são agregados pela base colaborativa do CBEIH e testes em escala piloto são feitos em ambientes de piscicultura controlados no reservatório de Volta Grande, o modelo poderá ser simulado e aperfeiçoado.

8. REFERÊNCIAS

•

BARBOSA, F. G.; MELO, A. S. Modelo preditivo de sobrevivência do Mexilhão Dourado (Limnoperna fortunei) em relação a variações de salinidade na Laguna dos Patos, RS, Brasil. Biota Neotropica, v. 9, n. 3, 2009.

•

CAMPOS M.C.S., ROLLA ME &, FELIPE GA Ocorrência de Limnoperna fortunei (Dunker,1857) em Minas Gerais In: Proceedings X Congresso Brasileiro de Limnologia, Ilhéus, BA, julho, 24 -29, 2005, Sociedade Brasileira de Limnologia, number 998 794, 2005.

•

CLAUDI, R.; MACKIE, G. Monitoring and Controlof Macrofouling Mollusks in Fresh Water Systems. 2nd Edition. ed. [S.l.]: CRC Press, 2010.

•

COLE, V.; ALBRECHT, J. MODELLING THE SPREAD OF INVASIVE SPECIES PARAMETER ESTIMATION USING CELLULAR AUTOMATA IN GIS.

•

DARRIGAN, G. DISTRIBUIÇÃO ESPACIAL E TEMPORAL DO "MEXILHÃO DOURADO" (Limnoperna fortunei) NA BACIA DE LA PLATA. http: //www.malacologia.com.ar. Disponivel em: <http://www.malacologia.com.ar/MALACOLOGIA/Portugues/HIsti.htm>.

•

EMMENDORFER, L. F.; RODRIGUES, L. A. D. Um Modelo de Autômatos Celulares para o Espalhamento de Epidemias. Tendências em Matemática Aplicada e Computacional, p. 73-80, 2001.

•

GREMONINI, L.; VICENTINI, E. Autômatos Celulares: Revisão Bibliográfica e Exemplos de Implementações. Revista Eletrônica Lato Sensu – UNICENTRO, 2008.

•

JOHNSON, L. E.; PADILLA, D. K. GEOGRAPHIC SPREAD OF EXOTIC SPECIES: ECOLOGICAL LESSONS AND OPPORTUNITIES FROM THE INVASION OF THE ZEBRA MUSSEL Dreissena polymorpha. Biological Conservation, p. 23-33, 1996.

•

JORDE, K. et al. Fuzzy Based Models for the Evaluation of Fish Habitat Quality and Instream Flow Measurement, 2001.

•

MAMDANI, E.H., "Applications of fuzzy logic to approximate reasoning using linguistic synthesis," IEEE Transactions on Computers, Vol. 26, No. 12, pp. 1182-1191, 1977.

•

Martins, M. L. (2008). Limnoperna fortunei – Mexilhao dourado, atualidade e perspectivas futuras.

•

MELOTTI, G. Aplicação de Autômatos Celulares em Sistemas Complexos: Um estudo de Caso em Espalhamento de Epidemias, 2009.

•

MORTON B. Some aspects of the biology and functional morphology of the organs of feeding and digestion of Limnoperna fortunei (Dunker) (Bivalvia: Mytilacea). Malacologia 12: 265-28, 1973.

•

OLIVEIRA M.D Fatores reguladores e distribuição potencial do mexilhão dourado (Limnoperna fortunei Dunker 1857) na bacia do alto rio Paraguai e outros rios brasileiros. Tese de Doutorado. Universidade Federal de Minas Gerais. 93 pp, 2009

•

OLIVEIRA M.D., HAMILTON, S.K., CALHEIROS, D.F., JACOBI, C.M. AND LATINI, RO Modeling the potential distribution of the invasive golden mussel Limnoperna fortunei in the 25

Upper Paraguay River system using limnological variables Braz. J. Biol., vol. 70, no. 3 (suppl.), p. 831-840, 2010.

•

PEIXOTO, M. S.; BARROS, L. C. Um Estudo de Autômatos Celulares para o Espalhamento Geográfico de Epidemias com Parâmetro Fuzzy, 2004.

•

RESENDE,M.F; MARTINEZ, C.B. Impacto Da Infestação De Condutos Forçados De Pch’s Pelo Limnoperna fortunei Comitê Brasileiro De Barragens VI Simpósio Brasileiro Sobre Pequenas e Médias Centrais Hidrelétricas Belo Horizonte - MG, 21 a 25 de abril, 2008.

•

WOLFRAM, S. (1983). Cellular Automata. Los Alamos Science.

•

ZEBRA Mussel and Quagga Mussel Distributions in North America. USGS. Disponivel em: <http://fl.biology.usgs.gov/Nonindigenous_Species/ZM_Progression/zm_progression.html>. Acesso em: 07 mar. 2011.

9. ANEXOS 9.1. TRATAMENTO de DADOS – “trataDados.m”.

9.2. AJUSTE de PARÂMETROS

9.3. SIMULAÇÃO

Fundação de Amparo à Pesquisa do Fundação Centro Tecnológico de Minas

Estado de Minas Gerais

Gerais

Programa Institucional de Bolsas para Graduandos (PIBG) – CETEC FAPEMIG NOME DO PROJETO:

Uso do Maxent para a modelagem da distribuição potencial da espécie Limnoperna fortunei.

RELATÓRIO FINAL

Belo Horizonte FEVEREIRO DE 2012

Fundação Centro Tecnológico de Minas Gerais (CETEC) – Diretoria de Desenvolvimento e Serviços Tecnológicos - STQ 1

PRESIDENTE Marcílio Cezar de Andrade VICE-PRESIDENTE Professor Antônio Dianese DIRETORIA DE DESENVOLVIMENTO E SERVIÇOS TECNOLÓGICOS DIRETORIA DE PLANEJAMENTO GESTÃO E FINANÇAS Ronara Dias Adorno Av. José Cândido da Silveira, 2000 - Cidade Nova - CEP 31170-000 - Belo Horizonte – MG Telefone: (31) 3489-2000 - fax: (31) 3489-2200 home page: http://www.cetec.br - correio-e: cetec@cetec.br

UNIVERSIDADE FEDERAL DE MINAS GERAIS - UFMG

Fundação de Amparo à Pesquisa do Fundação Centro Tecnológico de Minas

Estado de Minas Gerais

Gerais

Programa Institucional de Bolsas para Graduandos (PIBG) – CETEC FAPEMIG NOME DO PROJETO:

Uso do Maxent para a modelagem da distribuição potencial da espécie Limnoperna fortunei (Dunker 1857).

RELATÓRIO FINAL

Orientadora: Mônica de Cássia Souza Campos

Belo Horizonte FEVEREIRO DE 2012 3

Fundação Centro Tecnológico de Minas Gerais

FUNDAÇÃO CENTRO TECNOLÓGICO DE MINAS GERAIS - CETEC

DIRETORIA DE DESENVOLVIMENTO E SERVIÇOS TECNOLÓGICOS

Projeto concernido:

Uso do Maxent para a modelagem da distribuição potencial da espécie Limnoperna fortunei (Dunker 1857).

Bolsista: Danielle Diniz Galvão Estudante do Curso de Licenciatura em Ciências Biológicas pela UFMG Orientador: Mônica de Cássia Souza Campos, Doutora em Geologia Crustal e Recursos Naturais pela UFOPMG

Agentes Financiadores: Fundação de Amparo à Pesquisado Estado de Minas Gerais – FAPEMIG

SUMÁRIO

USO DO MAXENT PARA A MODELAGEM DA DISTRIBUIÇÃO POTENCIAL DA ESPÉCIE Limnoperna fortunei.

Resumo………….................................................................................................................07 1. Introdução e Revisão Bibliográfica ................................. Erro! Indicador não definido.9 2.1 Objetivo geral .................................................................. Erro! Indicador não definido. 2.2 Objetivos específicos ....................................................... Erro! Indicador não definido. 3. Procedimentos metodológicos.. ........................................................................................Erro! Indicador não definido. 3.1 Dados de Ocorrência……………...................................................................................13 3.2 Variáveis Ambientais......................................................................................................14 3.3 Construção do modelo....................................................................................................14 4. Resultados e Discussão ..................................................................................................... 17 4.1 Avaliação Estatística do Desempenho dos Modelos Gerados pelo Maxent...................17 4.2 Modelos de Distribuição Potencial Global de L. fortunei..............................................18 5. Conclusão..........................................................................................................................21 6. Referências........................................................................................................................22

LISTA DE FIGURAS E TABELAS

Figura 0 1: Dispersão de Limnoperna fortunei na América do Sul...................................10 Figura 02: Pontos de ocorrência de Limnoperna fortunei preparados no ArcGIS. A) América do Sul. B) Sudoeste Asiático. ................................. Erro! Indicador não definido. Figura 03: Interface do usuário para aplicação do Maxent (versão 3.3.3k) para MDS utilizando registros de ocorrência georreferenciados e variáveis ambientais. ................ Erro! Indicador não definido. Tabela 01: Resultados da AUC (Area under the Curve ou Área Sob a Curva) para os modelos gerados pelo Maxent……......................................................................................17 Figura 04: Modelo 01 - Todas as ocorrências (AMS+Ásia) de entrada (75% treino/ 25%

teste). Melhor modelo avaliado............................................................................................18 Figura 05: Modelo 02 - Pontos AMS de entrada (75% treino/25% teste)............................18 Figura 06: Modelo 03 - Pontos Ásia de entrada (75% treino/25% teste).............................19 Figura 07: Modelo 04 - Pontos AMS de entrada e treino/Pontos Ásia como teste...............19 Figura 08: Modelo 05 - Pontos Ásia de entrada e treino / Pontos AMS como teste. Pior

modelo avaliado....................................................................................................................20

USO DO MAXENT PARA A MODELAGEM DA DISTRIBUIÇÃO POTENCIAL DA ESPÉCIE Limnoperna fortunei. Danielle Diniz Galvão1; Mônica de Cássia Souza Campos2 1.

Universidade Federal de Minas Gerais – UFMG, Instituto de Ciências Biológicas. Av. Antônio Carlos, 6627, Pampulha Belo Horizonte - MG, Brasil.

daniellebioufmg@gmail.com 2.

Setor de Análises Químicas, Laboratório de Modelagem, Fundação Centro Tecnológico de Minas Gerais, CETEC. Av. José Cândido da Silveira, 2000 - Cidade Nova - CEP 31170-000 – Belo Horizonte, Minas Gerais, Brasil.

RESUMO

Os Modelos de Distribuição de Espécie (SDMs) têm como objetivo a caracterização do nicho ecológico de uma espécie e de sua projeção para o espaço geográfico. Para o desenvolvimento desses modelos estatísticos é fundamental a compreensão da história natural do indivíduo em estudo. Para tanto, esse trabalho tem como objeto o molusco bivalve e invasor de água doce, Limnoperna fortunei (Dunker, 1857), popularmente conhecido como mexilhão-dourado. Nos últimos anos, como consequência do aumento do comércio internacional e do grande fluxo de embarcações, vem expandindo sua distribuição para diversas partes do mundo, inclusive rios brasileiros. Utilizando o algoritmo Maxent, foram produzidos diferentes modelos SMDs em escala global a partir de informações de variedades climáticas e disponibilidade de dados de ocorrência da espécie, tanto da região nativa como das invasoras. O resultado são mapas de distribuição potencial. 7

Neste estudo, o melhor modelo produzido foi aquele que abrangeu todos os dados de ocorrência coletados (319 pontos totais) e o pior modelo foi o que utilizou-se apenas os poucos dados da Ásia (71 pontos), habitat natural do L. fortunei. Acredita-se que um aumento no número de registro oriundos do habitat natural do mexilhão-dourado, tenderá a melhorar os modelos produzidos.

PALAVRAS-CHAVE Espécies invasoras - Limnoperna fortunei - mexilhão dourado–Maxent, modelo de distribuição potencial.

KEYWORDS Invasive species - Limnoperna fortunei – golden mussel – Maxent, distribution potential models.

1. INTRODUÇÃO E REVISÃO BIBLIOGRÁFICA

Os Modelos de Distribuição de Espécie (SDMs) têm como objetivo a caracterização do nicho ecológico de uma espécie e de sua projeção para o espaço geográfico. O resultado são mapas de distribuição potencial, úteis por exemplo, para prever a capacidade de invasão de espécies exóticas. (Rodder, 2009) Segundo Elith & Leathwick (2009), as principais etapas da boa prática de modelagem incluem: o recolhimento de dados relevantes; a avaliação da sua adequação (precisão e abrangência dos dados da espécies, a relevância e a abrangência dos preditores);

decidisão de como lidar com variáveis preditoras correlatas; a seleção de um algoritmo de modelagem apropriada , o ajuste do modelo aos dados de treinamento, a avaliação do modelo, incluindo o realismo de funções de resposta embutidos, o ajuste do modelo aos dados e desempenho preditivo em dados de testes; o mapeamento das previsões para o espaço geográfico; e, enfim, a repetição dos procedimentos para melhorar o modelo à luz dos conhecimentos adquiridos ao longo do processo. Para o desenvolvimento de modelos estatísticos de nichos ecológicos (como SDMs) é fundamental a compreensão da história natural do indivíduo em estudo. Para tanto, o objeto desse trabalho é o molusco bivalve e invasor de água doce, Limnoperna fortunei (Dunker, 1857), popularmente conhecido como mexilhão-dourado. Seu habitat natural são rios e córregos chineses do sudeste asiático. Nos últimos anos, como consequência do aumento do comércio internacional e do grande fluxo de embarcações, este bivalve vem expandindo sua distribuição para diversas partes do mundo (apud Mäder Netto, 2011). No continente asiático, em 1965, invadiu as águas de Hong Kong (apud Barbosa F., 2008), alcançando o Japão, Taiwan, Camboja, Indonésia, Coréia, Laos, Tailândia e Vietnã (Barbosa, 2009), e, em 1991, alcançou também as águas da América do Sul no estuário do Rio da Prata, na Argentina. A partir daí, avançou rapidamente a sua distribuição pelo continente sul americano, conforme detalhamento na figura 01, extraída de Mader Netto, et al.

Figura. 01 – Dispersão de Limnoperna fortunei na América do Sul. (Mader Netto, et al. 2011)

Morton (1987) definiu L. fortunei como uma espécie adaptada para a colonização invasiva em uma gama de ambientes aquáticos, com características importantes de um invasor bem sucedido, tais como ciclo de curta duração, capacidade de crescimento rápido e fecundidade alta, além de tolerância fisiológica ampla a vários fatores abióticos que muitas vezes limitam invertebrados aquáticos (Oliveira et al, 2011). Já Darrigran & Damborenea (2006), em seu livro sobre a bioinvasão do mexilhão-dourado, relatam que a espécie usa mecanismos naturais e artificiais (aqueles associados com a atividade humana) para a dispersão. Na fase larval planctônica ocorre a dispersão natural por águas correntes, mas também pode ocorrer por fixação em substratos quando nas formas adultas e juvenis. L. fortunei vive em média três anos e atinge entre 3 e 4 cm quando adulto. Geralmente encontrado em locais de águas oxigenadas, capaz de sobreviver com sucesso 10

em águas salinas em até 3 psu (Pratical Salinity Units ou Unidades Práticas de Salinidade unidade adimensional determinada com base na relação direta entre a condutividade eléctrica da água e a sua salinidade. Günter Dietrich, et al, 1975.), lagos, áreas úmidas e outros cursos d’água (apud Barbosa F., et al. 2009). Entretanto, esta espécie é capaz de tolerar concentrações desde água destilada até soluções contendo 20% de água do mar. Colonizam as margens e o fundo dos ambientes em densidades que variam de 1 a 150.000 ind/m2. A invasão do mexilhão-dourado pode causar grandes impactos negativos tanto para o meio ambiente, quanto prejuízos econômicos, ambos relacionados, principalmente, com o crescimento desordenado das populações. No espaço ecológico pode haver alteração na dieta de espécies nativas, estabelecimento de competição por espaço e alimento, mudança na transparência dos corpos d’ água onde suas populações são mais densas, criando um microambiente novo e provocando o deslocamento de espécies nativas (Darrigran & Damborenea, et al. 2006). Economicamente, em especial no setor de energia, como o mexilhão-dourado tem a capacidade de se incrustar firmemente em várias superfícies submersas, como madeira, rocha, plástico e até vidro (Faria et al., 2006), ele provoca grandes prejuízos, pois tende a ocupar as paredes das tubulações e formar um tapete rugoso, aumentando a perda de carga e promovendo uma diminuição do espaço antes disponível para a água, bem como a sua infestação em grades e componentes de usinas hidroelétricas obrigando as concessionárias a promoverem uma constante operação de limpeza que interfere na geração de energia (Simeão, 2011). Ainda, pode causar danos no deslocamento de embarcações fluviais (Faria et al., 2006). O desenvolvimento de pesquisas que envolvem o monitoramento e controle da dispesão do L. fortunei nos ambientes auxilia no direcionamento dos possíveis esforços para a redução dos impactos e prejuízos causados pela sua invasão. A disponibilidade de dados de ocorrência da espécie, permite o uso de uma variedade de técnicas estatísticas disponíveis. Para tanto, nesse estudo, foram produzidos e testados diferentes SDMs, com uso do algoritmo Maxent 3.3.3K (http://www.cs.princeton.edu/~schapire/maxent/) que, segundo Philips (2006), é um método de propósito geral para fazer previsões ou inferências a partir de informações incompletas. [...] A ideia do Maxent é estimar a probabilidade de 11

distribuição por máximo de entropia (isto é, pelo que é mais distribuído ou mais próximo de uniforme), sujeita a um conjunto de restrições que representam a informação incompleta sobre a distribuição da espécie.

2.1 Objetivo geral Identificar locais com condições favoráveis para a invasão do mexilhão dourado nas bacias hidrográficas do estado de Minas Gerais a partir do uso do modelo de distribuição potencial MAXENT.

2.2 Objetivos específicos

Construção de banco de dados com informações de registro da espécie invasora Limnoperna fortunei e com variáveis limnológicas;

Adequação da ferramenta computacional para modelagem ecológica de espécies aquáticas invasoras;

Avaliar o desempenho dos algoritmos oferecidos pela ferramenta computacional Maxent;

Desenvolvimento de mapas de potencial de invasão pela espécie L. fortunei no estado de Minas Gerais e globalmente;

Identificação de áreas prioritárias para combate e prevenção à invasão da espécie L. fortunei.

3. PROCEDIMENTOS METODOLÓGICOS

3.1 Dados de ocorrência

Para construção dos modelos, foi obtido um conjunto com 319 registros de ocorrência de locais georreferenciados da espécie L. fortunei, dentre áreas nativas e de invasão. Desse total, 248 pontos são oriundos da América do Sul (AMS) e 71 pontos da Ásia. Todos foram extraídos de informações da literatura e da Base Colaborativa de Dados do Centro de Bioengenharia

Espécies

Invasoras

Hidroelétricas-CBEIH

(http://base.cbeih.org/view/Limnoperna+fortunei). As coordenadas foram previamente trabalhadas no software ArcGIS 9.3 da ESRI (figura 02). Com a finalidade de eliminar as pseudo-ausências geradas fora de rios foi realizado um Buffer de 4 km seguido de Extract by Mask (Spatial Analyst) nos layers do BIOCLIM. Os pontos que, ainda assim, não apresentavam sua localização dentro dos rios foram manualmente realocados para o rio mais próximo.

Figura 02. Pontos de ocorrência de Limnoperna fortunei preparados no ArcGIS. A) América do Sul ( à esquerda na figura). B) Sudoeste Asiático ( à direita na figura).

3.2 Variáveis ambientais

As variáveis ambientais foram obtidas do Banco de Dados Climáticos Globais, o Woldclim, uma plataforma de livre acesso desenvolvida por pesquisadores da Universidade da Califórnia, voltada para pesquisas em modelagem ecológica. O Worldclim se baseia em um conjunto dessas camadas climáticas, com uma resolução espacial de cerca de 01 quilômetro quadrado (http://www.worldclim.org/. Acessado em 18/02/2013). Foram utilizados as variáveis climáticas do BIOCLIM, extraídas do Wolrdclim, que são derivadas da temperatura mensal e valores de precipitação, a fim de gerar as variáveis mais biologicamente significativas. Especificamente, esse estudo foi baseado nas seguintes variáveis: Temperatura Média Anual Temperatura Minima do Mês mais frio Temperatura Média do Trimestre mais frio Temperatura Média do Trimestre mais quente Precipitação do Mês mais chuvoso Preciptação do Mês mais seco Precipitação do Trimestre mais chuvoso Precipitação do Trimestre mais seco

3.3 Construção do modelo

Para modelagem da distribuição do L. fortunei, foi utilizado o software Maxent versão 3.3.3k (figura 03). Nesse programa, as informações disponíveis sobre a distribuição da espécie muitas vezes apresentam-se como um conjunto de variáveis de valor real, denominada "feature" e as restrições são o valor esperado de cada “feature” que deve coincidir com sua média empírica, valor médio de um conjunto de pontos da amostra 14

colhida a partir da distribuição da espécie (Phillips et al, 2006). As camadas ambientais estimadas são derivadas de “features” do tipo contínuas que tomam valores reais arbitrários e que correspondem a quantidades medidas, como a altitude, a precipitação anual e a temperatura máxima (Phillips & Dudík, 2008). Dentre as classes presentes no Maxent, utilizamos apenas as ‘linear features’, que trabalha com a média dos locais de amostragem, e ‘quadractic features’, que modela a tolerância da espécie para a variação de suas condições ideais. Segundo Phillips et al (2006), o uso conjunto das duas classes faz com que a variância da variável ambiental se aproxime do valor observado. Ainda, quando o Maxent é aplicado a SDMs apenas pela presença do organismo, os pixels da área de estudo compõem o espaço em que a probabilidade de distribuição pelo Maxent é definido, sendo que os pixels com os registros de ocorrência conhecidos, constituem os pontos de amostragem e as “features” são as variáveis climáticas diversas e as funções das mesmas (Phillips et al, 2006).

Figura 03. Interface do usuário para aplicação do Maxent (versão 3.3.3k) para SDMs utilizando registros de ocorrência georreferenciados e variáveis ambientais. 15

A fim de avaliar o comportamento médio do algoritmo Maxent e permitir o teste estatístico das diferenças observadas nos desempenhos (Phillips et al, 2006), foram feitas 10 replicações para cada modelo. Em cada replicação, foram particionados os dados de ocorrência (por seleção aleatória) criando variações em “treino” e “teste”, conforme explicitado:

Modelo 01. Todas as ocorrências (AMS*+Ásia) de entrada (75% treino/ 25% teste); Modelo 02. Pontos AMS de entrada (75% treino/25% teste); Modelo 03. Pontos Ásia de entrada (75% treino/25% teste); Modelo 04. Pontos AMS de entrada e treino / Pontos Ásia como teste; Modelo 05. Pontos Ásia de entrada e treino / Pontos AMS como teste; * Obs: AMS = América do Sul

Para a medida do desempenho dos modelos foi utilizado limiares independentes (threshold-independent) com a análise de ROC (receiver operating characteristic), que segundo Phillips et al (2006), caracteriza o desempenho de um modelo em todos os limiares possíveis através de um número único, a área sob a curva (AUC). Com isso, pode-se compará-la entre algoritmos. A AUC é a probabilidade de um sítio de presença escolhido aleatoriamente ser classificado acima de um local de ausência escolhido também eventualmente. Uma classificação aleatória tem, em média, uma AUC de 0,5 e uma classificação perfeita atinge uma AUC de 1,0 (Phillips et al, 2006). Os modelos com os valores acima de 0,75 são considerados potencialmente úteis (Elith 2002). Como, neste estudo, não há quaisquer dados de ausência com que medir a AUC, o ajuste foi realizado apenas com os dados de presença. Neste caso, uma AUC podem ser calculada usando os dados de fundo (também chamados de pseudo-ausências) escolhidos uniformemente e aleatoriamente a partir da área de estudo, em lugar de ausências verdadeiras. (Phillips et al 2006).

4 RESULTADOS E DISCUSSÃO

4.1 Avaliação Estatística do desempenho dos modelos gerados pelo Maxent

Na Tabela 01 estão apresentados os cinco modelos gerados no Maxent com as respectivas AUC’s. Todos eles mostraram valores AUC acima de 0.8 indicando uma boa precisão na avaliação do desempenho. Modelo 01. Todas as ocorrências (AMS+Ásia) de entrada (75% treino/ 25% teste) 02. Pontos AMS de entrada (75% treino/25% teste) 03. Pontos Ásia de entrada (75% treino/25% teste) 04. Pontos AMS de entrada e treino / Pontos Ásia como teste 05. Pontos Ásia de entrada e treino / Pontos AMS como teste

AUC 0.95 0.97 0.83 0.97 0.83

Tabela1. Resultados da AUC (Area under the Curve ou Área Sob a Curva) para os modelos gerados pelo Maxent.

Dos 319 pontos de ocorrência total, 78% são oriundos da América do Sul (AMS) e apenas os 22% restantes são da Ásia e, conforme relatado por Fielding & Bell (1997), modelos que utilizam todos os dados disponíveis serão, em média, melhores do que os modelos baseados em subconjuntos de dados. Consequentemente, se os dados são poucos ou particionados de modo que o tamanho do conjunto de treinamento fique menor, há uma tendência de reduzir a precisão do modelo. Por isso, era esperado que os modelos que utilizaram todos os dados de ocorrência disponíveis (modelo 01) e dados da AMS como entrada (modelos 02 e 04) apresentassem melhores desempenhos quando comparado com os dados da Ásia somente como entrada (modelos 03 e 05). Isso pôde ser confirmado a partir da análise dos valores da AUC na Tabela 01 que apresentaram padrões semelhantes.

4.2 Modelos de Distribuição Potencial Global de L. fortunei

Nas figuras de 04 a 08 encontram-se as distribuições potenciais da espécie geradas pelos diferentes modelos. As previsões tenderam a se restringir em locais próximos aos registros de presença confirmada nos modelos 02 e 03.

Figura 04. Modelo 01 - Todas as ocorrências (AMS+Ásia) de entrada (75% treino/ 25% teste). Melhor modelo avaliado.

Figura 05. Modelo 02 - Pontos AMS de entrada (75% treino/25% teste).

Figura 06. Modelo 03 - Pontos ﾃ《ia de entrada (75% treino/25% teste).

Figura 07. Modelo 04 - Pontos AMS de entrada e treino/Pontos ﾃ《ia como teste.

Figura 08. Modelo 05 - Pontos Ásia de entrada e treino / Pontos AMS como teste. Pior modelo avaliado.

1) Os modelos 1, 2 e 4 (com AUC entre

0.95 e 0.97) apresentaram melhor

desempenho do que os modelos 3 e 5 (AUC 0.83), pois o número de registros de ocorrências aumentou a eficácia dos primeiros modelos. 2) Modelos com dados de entrada da AMS previram melhor para o Hemisfério Sul e modelos gerados com os dados da Ásia previram melhor para o Hemisfério Norte, pois a natureza dos dados de entrada, juntamente com as variáveis temperatura e precipitação, influenciaram nesse resultado. 3) Entre os modelos de melhor desempenho, ou seja 01, 02 e 04, o melhor resultado considerado correspondeu ao modelo 01 com todas as ocorrências (AMS+Ásia) de entrada (Figura 04), pois além de prever corretamente a ocorrência em regiões já conhecidas para a espécie, ele foi o que mais expandiu a possibilidade de distribuição do L. fortunei, alcançando bem áreas como o sudeste asiático, parte considerável da América do Sul e Central, além da região dos Grande Lagos nos Estados Unidos. O modelo 02 foi considerado pior do que o 01, pois não prevê a invasão no Japão que é já conhecida na literatura. Ainda, prevê um baixo risco de invasão na região do deserto de Saara, situação bastante extrema para sobrevivência do animal, além de restringir a invasão no sudeste asiático e região dos Grandes Lagos no Estados Unidos (área nativa) 20

em relação ao modelo 01. Já o modelo 04 foi pior do que o 01, pois também restringiu a invasão na região dos Grandes Lagos nos Estados Unidos.

4) O pior modelo considerado foi o que utilizou apenas os dados da Ásia como treino/dados da América do Sul como teste – Modelo 05 (Figura 08), em que os poucos dados de treino da Ásia causaram um alto grau de autocorrelação espacial resultando em subestimação do potencial de distribuição do invasor. 5) Por outro lado, o melhor considerado foi o modelo 01 que previu corretamente a ocorrência em áreas de invasão já conhecida.

5. CONCLUSÃO

O L. fortunei, devido seu alto potencial invasor e pelos grandes problemas causados nos meios não naturais onde se encontra, é uma espécie que requer constante monitoramento da sua dispersão e estudos para o seu controle, em áreas afins que não só a modelagem. Sua grande capacidade como invasor foi atestada pelo modelo matemático utilizado. O Maxent se mostrou, portanto, uma ferramenta útil para geração de Modelos de Distribição de Espécies, apesar de apontar algumas limitações para espécie invasora. Seria interessante o estudo e análise de outras ferramentas para comparação dos modelos gerados, para uma avaliação relativa e para confirmação da qualidade dos modelos do Maxent. Um outro aspecto que poderá melhorar e validar o desempenho dos modelos gerados é o aumento dos registros de ocorrência alimentando a base de dados acerca desta espécie. Outras informações tais como os requerimentos ecológicos do mexilhão, o conhecimento dos

limites de tolerância para os estágios larvais e adultos serão

fundamentais para nortear a escolha de outras variáveis que compõem o nicho ecológico desta espécie.

6. REFERÊNCIAS

BARBOSA F. G. Invasões Biológicas e Limnoperna fortunei. REB Volume 1 (4): 31-45, 2008. ISSN 1983-7682. BARBOSA, F.G. & MELO, A.S. 2009. Modelo preditivo de sobrevivência do Mexilhão Dourado (Limnoperna fortunei) em relação a variações de salinidade na Laguna dos Patos, RS, Brasil. Biota Neotrop. 2009, 9(3): 000-000. DARRIGRAN & DAMBORENEA (Eds.) Bio-invasion del mejillón dorado en el continente americano. Edulp, La Plata, 2006. 220 pág. ELITH J., LEATHWICK J. R. Species Distribution Models: Ecological Explanation and rediction Across Space and Time. Annual Review of Ecology, Evolution and Systematics. 2009. 40:677–97. FARIA, E. A., BRANCO, J. R. T., CAMPOS, M. C. S., OLIVEIRA, M. D., ROLLA, M. E., Estudo das características antiincrustantes de materiais. REM: R. Esc. Minas, Ouro Preto, 59(2): 233-238, abr. jun. 2006. FIELDING, A. H. & BELL, J. F. A review of methods for the assessment of prediction errors in conservation presence/absence models. Environmental Conservation 24 (1): 38– 49 1997 Foundation for Environmental Conservation. GÜNTER DIETRICH, KURT KALLE, KRAUS, SIEDER: Allgemeine Meereskunde. 3. Auflage. Borntraeger, Berlin 1975. ISBN 3-443-01016-4 MÄDER NETTO, O. S. Controle da incrustação de organismos invasores em materiais de sistemas de resfriamento de usinas hidrelétricas. Dissertação (Mestrado) – Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia PIPE. 2011. 112 f. : il., grafs., tabs. OLIVEIRA M. D., CALHEIROS D. F., JACOBI C. M., HAMILTOM S. K. Abiotic factors controlling the establishment and abundance of the invasive golden mussel Limnoperna fortunei. Biol Invasions (2011) 13:717–729. PHILLIPS S. J., ANDERSON R. P., SCHAPIRE R. E., Maximum entropy modeling of species geographic distributions. Ecological Modelling 190 (2006) 231–259. PHILLIPS S. J. & DUDÍK M., Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography 31: 161_175, 2008.

RODDER D., SCHMIDTLEIN S., VEITH M., LOTTERS S. 2009. Alien Invasive Slider Turtle in Unpredicted Habitat: A Matter of Niche Shift or of Predictors Studied? PLoS ONE 4(11): e7843. 2009. SIMEÃO, C. M. G., Influência da variação de velocidade e pressão sobre Limnoperna fortunei Dunker 1857 (bivalvia, mytilidae) e verificação dos efeitos da toxicidade do látex de Euphorbia splendens var hislopii N.E.B (Euphobiaceae) para esta espécie. Belo Horizonte 2011.

PROGRAMA INSTITUCIONAL DE BOLSAS PARA GRADUANDOS CETEC

PROGRAMA INSTITUCIONAL DE INICIAÇÃO TECNOLÓGICA E INOVAÇÃO – PIBIC / CNPq

Ministério da Ciência e Tecnologia / CNPq Programa Institucional de Iniciação Científica – Fundação CETEC

Projeto GT 343 – Controle do mexilhão dourado: bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas

MODELAGEM DA DINÂMICA POPULACIONAL DA ESPÉCIE Limnoperna fortunei EM FUNÇÃO DA PRESENÇA DE PEIXES PREDADORES NO RESERVATÓRIO DE VOLTA GRANDE - MG GT 343 / CNPq

Agosto / 2012

______________________________________________________________________ Universidade Federal de Minas Gerais

Fundação Centro Tecnológico de Minas Gerais - CETEC Diretoria de Desenvolvimento e Serviços Tecnológicos Setor de Análises Químicas - STQ PRESIDENTE Marcílio César de Andrade VICE PRESIDENTE Eduardo Prates Octaviani Bernis DIRETOR DE DESENVOLVIMENTO E SERVIÇOS TECNOLÓGICOS DIRETOR DE PLANEJAMENTO GESTÃO E FINANÇAS Ivan Amorim Barbosa

Av. José Cândido da Silveira, 2000 - Horto - Belo Horizonte - MG – 31170-000 Telefone: (31) 3489-2000 / Fa x: (31) 3489-2200 – Site: www.cetec.br - E-mail: faleconosco@cetec.br

Ministério da Ciência e Tecnologia / CNPq Programa Institucional de Iniciação Científica – Fundação CETEC Projeto GT 343 – Controle do mexilhão dourado: bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas

MODELAGEM DA DINÂMICA POPULACIONAL DA ESPÉCIE Limnoperna fortunei EM FUNÇÃO DA PRESENÇA DE PEIXES PREDADORES NO RESERVATÓRIO DE VOLTA GRANDE - MG GT 343 / CNPq

Nome do Orientador Pesquisador Pleno, Antônio Valadão Cardoso

Belo Horizonte Agosto/2012

Fundação Centro Tecnológico de Minas Gerais / CETEC Diretoria de Desenvolvimento e Serviços Tecnológicos Setor de Análises Químicas - STQ Projeto GT 343 – Controle do mexilhão dourado: bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas

Orientador: Antônio Valadão Cardoso, Doutor Co-orientador: Fabiano Alcísio e Silva

Autores: Newton Gontijo Sampaio, Ciências Biológicas, Universidade Federal de Minas Gerais UFMG. Antônio Valadão Cardoso, Doutor. Fabiano Alcísio e Silva

RESUMO EXPANDIDO MODELAGEM DA DINÂMICA POPULACIONAL DA ESPÉCIE Limnoperna fortunei EM FUNÇÃO DA PRESENÇA DE PEIXES PREDADORES NO RESERVATÓRIO DE VOLTA GRANDE - MG. 1

CARDOSO, A. V.; 2 GONTIJO, N. S. 3SILVA, F. A.;

1 – Pesquisador Pleno do CETEC-MG. 2 – Bolsista de Iniciação Científica – CNPq. 3 – Pesquisador Visitante do CETEC-MG. e-mail: ngontijo@gmail.com

CETEC – Centro Tecnológico de Minas Gerais Palavras chave: Mexilhão dourado, Espécie invasora, Modelagem, Predação, Peixes.

INTRODUÇÃO O mexilhão dourado, Limnoperna fortunei (Dunker, 1857), é um molusco bivalve de água doce pertencente à família Mytilidae. É originário da China e sudeste asiático e, devido ao seu alto pot encial adaptativo, invadiu e se estabeleceu na América do S ul, ocupando divers os países deste continente, inclusive o Brasil (DARRIGRAN & PASTORINO, 2004). De acordo com Darrigran (2002) L. fortunei é responsável por prejuízos ecológicos, ambient ais e econômicos, como em empresas de tratamento de água e do setor hidrelétrico. Registros recent es do mexilhão dourado indicam sua presença em Volta Grande – MG, localizado na bacia do rio Grande, um res ervatório import ante no processo de geração de energia elétrica pela Cemig (Companhia Energética de Minas Gerais S.A.). O sucesso do estabelecimento de espécies invas oras em um determinado ambiente depende, dentre outros fatores, da baixa eficiência ou ausência de predadores na área invadida (WILLIAMSON & FITTE R, 1996). Diversas espécies de peixes têm sido descritas na Améric a do Sul como predadoras do mexilhão dourado (MONTALDO et al. 1999), entretanto pouco ainda se sabe acerca dos reais impactos destas ações nas comunidades de L. fortunei. O desenvolvimento de modelos que predigam a relação entre o mexilhão dourado e a pres ença de predadores em um determinado local pode servir de ferramenta para o monitorament o e controle do processo invasivo desta espécie.

OBJETIVOS Desenvolver estrutura de um modelo dinâmico capaz de modelar a estrutura populacional de Limnoperna fortunei em função da presença de populaç ões de peixes predadores no reservatório de Volta Grande – MG. Através das regras criadas para este modelo, disponibilizar ferramenta capaz de predizer a dinâmica da densidade da população do mexilhão dourado e como ela po de ser influenciada pela predação por peixes.

MÉTODOS E PROCEDIMENTOS Foi feita uma revis ão das téc nicas usadas na modelagem ecológica e escolhida a linguagem de programação gráfica S TELLA (Structured Think ing E xperimental Learning Laborat ory with Animat ion), considerada adequada para se desenvolver modelos ecológicos dinâmicos como o proposto neste projeto. Foi des envolvido um modelo matemático que se baseia em equações diferenciais para representar a dinâmica populacional de L. fortunei levando-se em conta a sua predação por peixes. Foi buscada da literatura uma caracterização completa de L. fortunei, quais são seus peixes predadores na Améric a do Sul já registrados em estudos e quais habitam o reservat ório de Volta Grande, além de informações acerca do próprio reservatório. Por ser um invasor relativamente recente, há ainda uma carência de maior quantidade de estudos relativos ao mexilhão dourado e também de suas relações com outros organismos. Devido a isso foram estabelecidos dados hipotéticos da estru tura da população deste organismo e seus predadores em Volta Grande. O estabelecimento destes dados foi estruturado a partir de registros desta espécie descritos para outras localidades e disponíveis na literatura.

RESULTADOS O modelo desenvolvido neste projet o foi baseado e adaptado de outro de Hannon & Huth (2009), que visa prever a dinâmica populacional do mexilhão zebra, Dreissena polymorpha (P allas, 1769). D. polymorpha e L. fortunei, ambas espécies invasoras, possuem diversas semelhanças nos âmbitos biológico e ecológico (CA TALDO & BOLTOVSKOY, 2000), tornando-se plausível a utilização de um modelo focado em um destes animais como base para a modelagem de outro. Além do desenvolvimento do modelo, foi feita uma simulação de cenário para Volta Grande.

Figura 1 - Representação gráfica do modelo desenvolvido no software STELLA

CONCLUSÃO As técnicas e produtos da modelagem ambiental são importantes ferramentas na busca para se entender os mais diversos fenômenos da natureza. Uma melhor compreensão e previsão da dinâmica do mexilhão dourado relacionada à sua predação por peixes, como foi buscada no modelo desenvolvido, pode contribuir para avanços no monitoramento e controle da invasão de L. fort unei. Devido à falta de dados acerca do estabeleciment o do mexilhão dourado no reservat ório de Volta Grande, vários parâmetros do modelo precisaram ser estimados sem c omprovação de s ua precisão em campo. Dessa forma, o modelo desenvolvido neste t rabalho ainda precisa de monitoramento em campo para calibração e validação dos cenários preditos , sendo necessárias novas pesquisas para possibilitar sua maior eficiência.

REFERÊNCIAS      

CA TALDO, D. & BOLTOVSKOY, D. 2000. Yearly reproductive activity of Limnoperna fort unei (Bivalvia) as inferred from the occurrence of its larvae in the plankton of the lower Paraná river and the Río de la Plata estuary (A rgentina). Aquatic Ecol 34:307–317. DARRIGRAN, G. & PASTORINO, G. 2004. Distribution of the golden mussel Limnoperna fortunei (Dunker, 1857), (Family Mytilidae) after 10 years invading America. J Conc hol Special Publication 3: 95–102. DARRIGRAN, G. 2002. Potential impact of filt er-feeding invaders on temperate inland freshwater environments. Biol. Invasions 4: 145 -156. HANNON, B. & RUTH, M. Dynamic mo deling of diseases and pests. Springer. 298p. 2009. MONTA LDO, L.; OLIVEROS, O. B.; EZCURRA DE DRAGO, I. & DEMONTE, L. D. 1999. Peces del Rio Paraná médio predadores de una especie invasora: Limnoperna fortunei (Bivalvia, Mytilidae). Revista Fabicib 3: 85-101. WILLIAMSON, M. H. & FITTE R, A. 1996. The characters of successful invaders. Biol Cons 78:163-170.

SUMÁRIO 1. 2. 3. 4.

INTRODUÇÃO....................................................................................................................... 1 OBJETIVOS ........................................................................................................................... 3 PROBLEMAS......................................................................................................................... 4 MÉTODO e METODOLOGIA .............................................................................................. 5 4.1 ÁREA de ESTUDO ........................................................................................................ 5 4.2 PEIXES PREDADORES do MEXILHÃO DOURADO.............................................. 6 4.3 COMUNIDADE de PEIXES PREDADORES de L. fortunei PRESENTES no RESERVATÓRIO de VOLTA GRANDE ............................................................................... 7 5. DESENVOLVIMENTO e ANÁLISE de RESULTADOS .................................................. 9 5.1 DESENVOLVIMENTO do MODELO .......................................................................... 9 5.1.1 MÓDULO 1 – CRESCIMENTO do MEXILHÃO DOURADO .............................11 5.1.2 MÓDULO 1 – PARÂMETROS das VARIÁVEIS .................................................12 5.1.3 MÓDULO 2 – POPULAÇÃO SUSTENTÁVEL ....................................................13 5.1.4 MÓDULO 2 – PARÂMETROS das VARIÁVEIS .................................................13 5.1.5 MÓDULO 3 – TAXA de PREDAÇÃO....................................................................14 5.1.6 MÓDULO 3 – PARÂMETROS das VARIÁVEIS .................................................15 5.2 SIMULAÇÕES do MODELO ......................................................................................16 6. CONCLUSÕES....................................................................................................................18 7. RECOMENDAÇÕES ..........................................................................................................19 8. REFERÊNCIAS ...................................................................................................................20 9. ANEXOS ...............................................................................................................................23 9.1 CÓDIGO do MODELO DESENVOLVIDO em SOFTWARE STELLA.................23

LISTA de ILUSTRAÇÕES TABELA 1 - Espécies de peixes predadores de L. fortunei registradas na América do Sul. .................................................................................................................................................. 6 TABELA 2 - Espécies de peixes coletadas em pescas experimentais em Volta Grande – MG no período de fevereiro a dezembro de 1995 por Braga e Gomiero (1997)............ 7 TABELA 3 - spécies de peixes coletadas por Rosa (2009) no reservatório de Ilha Solteira – SP entre março e dezembro de 2008 que apresentaram o mexilhão dourado como item alimentar. São indicados o número de espécimes coletados (n), a freqüência de ocorrência de cada espécie (F), seu volume em mL (V) e índice de importância alimentar (IAi) de L. fortunei. ...................................................................................................... 8 FIGURA 1 - Representação gráfica do modelo desenvolvido no software STELLA. ....... 9 FIGURA 2 – Representação gráfica do módulo 1 – crescimento do mexilhão dourado. Parte do modelo desenvolvido no software STELLA. ..........................................................11 FIGURA 3 - Representação gráfica do módulo 2 – população sustentável. Parte do modelo desenvolvido no software STELLA. ..........................................................................13 FIGURA 4 - Representação gráfica do módulo 3 – taxa de predação. Parte do modelo desenvolvido no software STELLA..........................................................................................14 FIGURA 5 - Gráfico com dados de saída do modelo: variação da densidade populacional do mexilhão dourado (representado por linha de número 1) em ind./m2 e da sua taxa de predação (linha número 2) em % por um período de 50 anos. As escalas são diferentes, sendo que a densidade populacional varia de 0 a 20000 e a taxa de predação de 0 a 1. .......................................................................................................16 FIGURA 6 - Saída gráfica do modelo em forma de tabela: variação da densidade populacional do mexilhão dourado em ind./m2 e da sua taxa de predação em % durante um período de 20 anos. ..............................................................................................17

____________________________________________________ Relatório Final

MODELAGEM DA DINÂMICA POPULACIONAL DA ESPÉCIE Limnoperna fortunei EM FUNÇÃO DA PRESENÇA DE PEIXES PREDADORES NO RESERVATÓRIO DE VOLTA GRANDE – MG 1. INTRODUÇÃO O mexilhão dourado, Limnoperna fortunei (Dunker, 1857), é um molusco bivalve de água doce pertencente à família Mytilidae. É originário da China e sudeste asiático, possui concha com coloração variando do amarelado ao negro, com duas valvas, unidas por ligamento na região dorsal, que envolvem e protegem seu corpo (MORTON, 1977). L. fortunei pode apresentar comprimento valvar de até 40 a 45 mm (DARRIGRAN, 2002). Boltovskoy & Cataldo (1999) estimaram a sobrevivência deste organismo em até aproximadamente 3 anos de idade para localidades da América do Sul. Na sua fase adulta, o animal é encontrado fixado a substratos rígidos através do bisso, que é um filamento protéico secretado por glândula próxima ao pé muscular (MORTON et al., 1998). Populações de mexilhão dourado são formadas em geral por aproximadamente 2/3 de indivíduos fêmeas e são dióicos, com reprodução externa (MORTON, 1982). Na América do Sul, estima-se que a reprodução ocorra ao longo de pelo menos 9 meses por ano, sendo mais intensa proporcionalmente nos períodos de temperatura mais altas da água (BOLTOVSKOY & CATALDO, 1999). Possui estágios larvais planctônicos que fixamse ao substrato após cerca de 15 dias de vida (KIMURA & SEKIGUCHI, 1996). Acredita-se que haja uma fixação inicial em substrato filamentoso (MANSUR et al., 2003) e apenas após um dado período ocorra a mudança do animal para um substrato duro definitivo. O indivíduo se torna adulto após um período de aproximadamente 1 ano, atingindo, assim, a maturação sexual (MORTON, 1982). Devido ao seu alto potencial adaptativo, o mexilhão dourado invadiu e se estabeleceu na América do Sul, introduzido possivelmente através de água de lastro de navios oriundos da Ásia (DARRIGRAN & PASTORINO, 1995). Os relatos da presença desta espécie no continente sul-americano são datados do ano de 1991, na Argentina, no estuário do Rio da Prata (PASTORINO et al., 1993). Com o passar do tempo se espalhou por diversos países deste continente, inclusive Brasil (DARRIGRAN & PASTORINO, 2004 e MANSUR et al., 2003). De acordo com Darrigran (2002) L. fortunei é responsável por prejuízos ecológicos, ambientais e econômicos, como em empresas dos setores hidrelétricos e de tratamento de água. Registros recentes do mexilhão dourado indicam sua presença em Volta Grande – MG, localizado na bacia do rio Grande, um reservatório importante no processo de geração de energia elétrica pela Cemig (Companhia Energética de Minas Gerais S.A.).

O sucesso do estabelecimento de espécies invasoras em um determinado ambiente depende, dentre outros fatores, da baixa eficiência ou ausência de predadores na área invadida (WILLIAMSON & FITTER, 1996). Diversas espécies de peixes têm sido descritas na América do Sul como predadores do mexilhão dourado (MONTALDO et al. 1999), entretanto pouco ainda se sabe acerca dos reais impactos destas ações nas comunidades de L. fortunei. O desenvolvimento de modelos que predigam a relação entre o mexilhão dourado e a presença de predadores em um determinado local pode servir de ferramenta para o monitoramento e controle do processo invasivo desta espécie.

2. OBJETIVOS Desenvolver estrutura de um modelo dinâmico capaz de modelar a estrutura populacional de Limnoperna fortunei em função da presença de populações de peixes predadores no reservatório de Volta Grande – MG. Através das regras criadas para este modelo, disponibilizar ferramenta capaz de predizer a dinâmica da densidade da população do mexilhão dourado e como ela pode ser influenciada pela predação por peixes. O presente trabalho faz parte do Programa de Pesquisa e Desenvolvimento (P&D) GT343 – Controle do mexilhão dourado: bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas – em uma parceria do Cetec (Fundação Centro Tecnológico de Minas Gerais) com a Cemig (Companhia Energética de Minas Gerais S.A.).

3. PROBLEMAS O mexilhão dourado é uma espécie invasora na América do Sul responsável por impactos tanto em ambientes naturais como naqueles modificados pelo ser humano. Seu crescimento aderido a estruturas submersas que compõem usinas hidrelétricas e estações de tratamento de água podem causar diversos problemas, como obstrução de tubulações e aumento da corrosão de superfícies nas quais mexilhões se fixaram. O entupimento de tubulações de equipamentos responsáveis pelo resfriamento de turbinas numa usina hidrelétrica, por exemplo, implica até mesmo num desligamento temporário do sistema para que sejam removidas as obstruções, provocando prejuízos econômicos pelo tempo em que a usina permaneceu sem gerar energia (DARRIGRAN, 2002). Além disso, L. fortunei é responsável por alterações nas comunidades nativas de macroinvertebrados bentônicos dos ambientes invadidos por ele, modificando rapidamente a presença e abundância de diversas espécies (DARRIGRAN et al., 1998). Portanto, devido aos diversos impactos pelos quais o mexilhão dourado é responsável, se fazem necessárias pesquisas que visem compreender melhor suas relações com o ecossistema invadido a fim de minimizar os prejuízos causados.

4. MÉTODO e METODOLOGIA Foi feita uma revisão das técnicas e procedimentos usados comumente na modelagem ecológica e escolhido o método mais adequado à abrangência e limitações deste estudo. Após serem testadas diversas ferramentas, foi escolhida a linguagem de programação gráfica STELLA

(Structured

Thinking

Experimental

Learning

Laboratory

with

Animation),

disponibilizada através de software homônimo, considerada adequada para se desenvolver modelos ecológicos dinâmicos como o proposto neste projeto. Esta ferramenta é consolidada e eficiente para simular modelos ecológicos, sendo um programa ao mesmo tempo poderoso e simples de se usar (HANNON & RUTH, 2009). Através do STELLA o pesquisador pode representar graficamente equações diferenciais que busquem reproduzir o fenômeno estudado, observando através de simulações como suas variáveis de interesse são influenciadas pelas outras do seu sistema de equações. No caso do presente estudo, por exemplo, as variáveis de interesse representam populações do mexilhão dourado, que são afetadas por diversas outras, como suas taxas de reprodução, de predação e de ocupação do ambiente. Ao fim da simulação podem ser obtidos gráficos e tabelas que indiquem como cada variável se alterou com o passar do tempo. Para se fazer uma modelagem da dinâmica populacional do mexilhão dourado considerandose a sua predação por peixes foi necessário buscar através da literatura uma caracterização completa de L. fortunei, quais são seus peixes predadores na América do Sul já registrados em estudos e quais habitam o reservatório de Volta Grande, além de informações acerca do próprio reservatório. Parte destes dados obtidos estão descritos na própria Introdução do projeto e detalhes adicionais são relatados no Desenvolvimento e Análise de Resultados. Entretanto, por ser um invasor relativamente recente, há ainda uma carência de maior quantidade de estudos relativos ao mexilhão dourado e também de suas relações com outros organismos. Devido a isso foram estabelecidos dados hipotéticos da estrutura da população destes organismos e seus predadores no reservatório de Volta Grande. O estabelecimento destes dados foi estruturado a partir de registros desta espécie descritos para outras localidades e disponíveis na literatura.

4.1 ÁREA de ESTUDO O reservatório de Volta Grande localiza-se na bacia do rio Grande, abrange os municípios mineiros de Conceição das Alagoas, Água Comprida e Uberaba e os paulistas de Miguelópolis, Aramina e Igarapava e é compreendido pelas seguintes coordenadas: 19º 57', 20º 10' S e 48º 25', 47º 35' W. Possui cerca de 221,7 km 2 de área inundada e 2268 km 3 de volume de águas para produção de energia (BRAGA & GOMIERO, 1997). Este reservatório ocupa papel

importante no processo de geração de energia elétrica pela Cemig, além de sua relevância para as comunidades adjacentes e do ponto de vista ambiental. O reservatório de Volta Grande foi selecionado em função do recente registro do mexilhão dourado nesta hidrelétrica. Desta forma, o processo de invasão poderá ser acompanhado ao longo do projeto P&D GT343, no qual este trabalho está inserido, onde poderá ser calibrado e testado o modelo construído neste trabalho.

4.2 PEIXES PREDADORES do MEXILHÃO DOURADO A partir da revisão bibliográfica de artigos de revistas especializadas, foram selecionados os peixes que são descritos pela literatura como predadores do mexilhão dourado. A lista destas espécies é apresentada na TABELA 1: TABELA 1 Espécie s de peixes predadores de L. fortunei registrada s na América do Sul. Espécie de peixe Referência Brochiloricaria chauliodon Garcia & Protogino (2005); Geophagus proximus Rosa (2009) Hypostomus cf. laplatae Montalto et al. (1999) Hypostomus uruguayensis Boltovskoy & Cataldo (1999) Iheringichthys labrosus Belz (2006) Leporinus friderici Rosa (2009) Leporinus obtusidens Boltovskoy & Cataldo (1999); Montalto et al. (1999); Penchaszadeh et al. (2000); Garcia & P rotogino (2005); Rosa (2009) Megalancistrus aculeatus Belz (2006) Metynnis maculates Rosa (2009) Micropogonias furnieri López Armengol & Casciotta (1998) Oreochromis niloticus Rosa (2009) Paraloricaria cf. vetula Boltovskoy & Cataldo (1999); Garcia & Protogino (2005) Piaractus mesopotamicus Rosa (2009) Pimelodus albicans Boltovskoy & Cataldo (1999); Mont alto et al. (1999) Pimelodus maculatus Montalto et al. (1999); Rosa (2009) Potamotrygon cf. brachyurus Montalto et al. (1999) Pterodoras granulos us Boltovskoy & Cataldo (1999); Montalt o et al. (1999); Ferriz et al. (2000); Garcia & Protogino (2005); Cantanhêde et al. (2008) Rhinodoras dorbignyi Montalto et al. (1999); Garcia & Protogino (2005) Satanoperca pappat erra Rosa (2009) Serrasalmus maculatus Rosa (2009) Schizodon borellii Montalto et al. (1999) Schizodon nasutus Rosa (2009)

As espécies citadas na TABELA 1 correspondem a peixes que predam mexilhões em fase adulta. Além disso, há registro dos seguintes peixes, em sua fase larval, que se alimentam de larvas de L. fortunei: Prochilodus lineatus (PAOLUCCI et al., 2007 e PAOLUCCI et al., 2010), Pimelodus spp., Iheringichthys labrosus, Parapimelodus valenciennis, Pseudoplatystoma spp., Luciopimelodus pati, Sorubim lima e também espécies não identificadas das famílias Pimelodidae, Anostomidae, Characidae e Doradidae (PAOLUCCI et al., 2007).

4.3 COMUNIDADE de PEIXES PREDADORES de L. fortunei PRESENTES no RESERVATÓRIO de VOLTA GRANDE Através do trabalho de Braga e Gomiero (1997) pôde-se ter uma estimativa dos peixes presentes em Volta Grande. A TABELA 2, com dados extraídos do estudo citado, lista as espécies de peixes coletadas em pescas experimentais no reservatório em questão. TABELA 2 Espécie s de peixes coletadas em pescas experimentais em Volta Grande – MG no período de fevereiro a dezembro de 1995 por Braga e Gomiero (1997). Espécie de peixe Nome comum Número de exemplares capturados Aparviodon piracicabae Canivet e 5 Astyanax himac ulatus Lambari 393 Astyanax fasciatus Lambari 25 Brycon orbignyanus Piracanjuba 02 Cichla ocellaris Tucunaré 31 Colossoma macropomum Tambaqui 1 Crenicichla hritsk ii Joaninha 17 Cyphocharax nagelli Saguiru 17 Galeocharax k nerii Peixe-cachorro 25 Geophagus brasiliensis Cará 1 Gymnotus carapo Tuvira 2 Hoplias lacerdae Trairão 7 Hoplias malabaricus Traíra 5 Hypostomus sp.1 Cascudo 1 Hypostomus sp.2 Cascudo 3 Hypostomus myersi Cascudo 1 Iheringichthys labrosus Mandi-beiçudo 9 Leporinus amblyrhinchus Piau 2 Leporinus friderici Piau 38 Leporinus elongatus Piapara 6 Leporinus lacustris Piau da lagoa 1 Leporinus octofasciatus Ferreirinha 30 Leporinus striatus Canivet e 1 Myleus tiete Pacu-manteiga 12 Pimelodus fur Mandi-prateado 10 Pimelodus maculatus Mandi-amarelo 614 Plagioscion squamosissimus Corvina 2693 Prochilodus lineatus Corimba 31 Pterygoplicht hys aculeatus Abacaxi 2 Rhinodoras dorbignyi Armal 2 Schizodon nasutus Taguara 22 Steindachneridion scripta Bagre 1 Sternopygus macrurus Tuvira 2

Dentre as espécies encontradas em Volta Grande são registradas na literatura como predadoras do mexilhão dourado as seguintes: Iheringichthys labrosus, Leporinus friderici, Pimelodus maculatus, Rhinodoras dorbignyi e Schizodon nasutus. Foram escolhidos para ser usados no modelo os peixes Leporinus friderici e Pimelodus maculatus por possuírem um índice de importância alimentar (IAi) relevante em relação a L. fortunei, de acordo com a TABELA 3, que apresenta dados retirados do trabalho de Rosa (2009).

TABELA 3 Espécie s de peixes coletadas por Rosa (2009) no re servatório de Ilha Solteira – SP entre março e dezembro de 2008 que apresentaram o mexilhão dourado como item alimentar. São indicados o número de espécimes coletados (n), a freqüência de ocorrência de cada espécie (F), seu volume em mL (V) e índice de importância alimentar (IAi) de L. fortunei. Nome da espécie n F V IAi Geophagus proximus

167

3,15

0,09

Leporinus friderici

6,35

0,34

Leporinus obtusidens

2,2

1,00

Metynnis maculatus

125

0,01

<0,01

Oreochromis niloticus

0,02

<0,01

Piaractus mesopotamicus

13,03

0,61

Pimelodus maculatus

3,82

0,25

Satanoperca pappat erra

0,53

0,04

Schizodon borellii

10,4

0,20

Schizodon nasutus

0,1

<0,01

Serrasalmus maculatus

0,1

<0,01

O IAi consiste na multiplicação da freqüência de ocorrência de um dado item alimentar pelo seu volume relativo dividido pelo somatório da multiplicação de cada um dos itens pelo seu volume relativo, como proposto por Kawakami & Vazzoler (1980).

5. DESENVOLVIMENTO e ANÁLISE de RESULTADOS 5.1 DESENVOLVIMENTO DO MODELO O modelo desenvolvido neste projeto foi baseado e adaptado daquele encontrado no capítulo 10 da publicação de Hannon & Huth (2009), que visa prever a dinâmica populacional do mexilhão zebra, Dreissena polymorpha (Pallas, 1769), sendo feitas algumas adaptações. D. polymorpha é uma espécie invasora na América do Norte responsável por diversos prejuízos ecológicos e econômicos na região (NALEPA & SCHLOESSER, 1993), assim como L. fortunei na América do Sul. Apesar de o mexilhão dourado e o zebra serem taxonomicamente separados no nível de subclasse, eles possuem diversas semelhanças nos âmbitos biológico e ecológico, tornando-se plausível a utilização de um modelo focado em um destes animais como base para a modelagem de outro. Ambas as espécies são moluscos de água doce, dióicos, possuindo tamanhos semelhantes, crescem rapidamente, se aderem a substrato duro através de bisso, são eficientemente dispersas através de seu estágio de vida inicial planctônico e possuem ciclo de vida curto (CATALDO & BOLTOVSKOY, 2000). Uma representação gráfica do modelo desenvolvido pode ser vista na FIGURA 1 e seu código está disponível no fim deste relatório, em Anexos.

Figura 2 - Representação gráfica do modelo desenvolvido no software STELLA.

As variáveis de estado, que são as variáveis de interesse de um modelo, estão indicadas por quadrados, como JUVENIL, ADULTO 1 e ADULTO 2, que representam populações do mexilhão dourado em seus diversos estágios de vida. Antes de se começar a simulação é necessário colocar valores iniciais para cada uma delas. Apontando para dentro ou para fora

de cada um dos quadrados há os fluxos, representados por setas com um símbolo de “registro de torneira” no meio de sua extensão (ex: MORTE_J, CRESCIMENTO_1). Eles indicam que algum valor será acrescido ou subtraído continuamente das variáveis de estado ao longo da simulação. Alguns destes fluxos apontam para uma “nuvem”, indicando que os valores que chegam até eles são retirados do sistema. Já quando o fluxo se inicia em uma delas, algum valor que não fazia parte do sistema é acrescido a ele. Os círculos representam variáveis forçantes (como FECUNDIDADE_1, POPULAÇAO_TOTAL), responsáveis por influenciar aquelas de estado. As setas comuns, sem “registro de torneira”, indicam com qual variável se relaciona a outra diretamente. Estas relações podem variar desde uma adição simples até outras mais complexas, inclusive utilizando-se de funções como as condicionais, estatísticas ou trigonométricas oferecidas pelo software. Os quadrados e círculos desenhados com linha pontilhada representam apenas uma cópia da variável original, que se encontra modelada explicitamente em outra parte do modelo. Estas figuras pontilhadas servem como réplicas das originais, tendo como propósito somente facilitar a representação e visualização do modelo. Em resumo, quando se executa a simulação, os valores iniciais inseridos pelo usuário nas variáveis de estado vão sendo aumentados ou diminuídos de acordo com os fluxos e com as variáveis forçantes, tudo sendo interligado através de relações pré-determinadas. O modelo foi dividido em 3 módulos para simplificar a sua descrição, sendo que cada um deles é explicado em mais detalhes a seguir. No fim da explanação de cada módulo foi explicada a forma de escolha dos valores de cada parâmetro do modelo.

5.1.1 MÓDULO 1 – CRESCIMENTO do MEXILHÃO DOURADO

Figura 3 – Representação gráfica do módulo 1 – crescimento do mexilhão dourado. Parte do modelo desenvolvido no software STELLA.

O módulo representado na FIGURA 2 é o principal do modelo. Nele estão localizadas as três variáveis de estado chamadas de JUVENIL, ADULTO_1 e ADULTO_2, cada uma correspondendo a uma classe de idade do mexilhão dourado. JUVENIL representa os mexilhões jovens que conseguiram se fixar em algum substrato duro e ainda não atingiram a maturidade sexual. São mexilhões que estão no seu primeiro ano de vida. ADULTO_1 e ADULTO_2 representam os indivíduos que já atingiram a maturidade sexual e estão no segundo e terceiro ano de vida, respectivamente. Foram escolhidas 3 classes de idade devido ao fato de L. fortunei poder chegar a até 3 anos de idade na América do Sul (BOLTOVSKOY & CATALDO, 1999). Apesar de se reproduzir por diversos meses no ano (BOLTOVSKOY & CATALDO, 1999), para efeito de simplificação foi considerado que a cada ano seria formada uma nova geração de mexilhões independente, com todos os indivíduos nascidos naquele ano fazendo parte de uma mesma classe de idade. Ao fim de cada ano os indivíduos do grupo JUVENIL crescem, passando a fazer parte de ADULTO_1 através do fluxo CRESCIMENTO_1, ou morrem, saindo do sistema pela MORTE_J. Situação semelhante acontece com os indivíduos ADULTO_1, na qual ao fim de um ano alguns deles se tornam ADULTO_2 e outros morrem. Já em ADULTO_2 todos os

indivíduos morrem após um ano neste estágio. As MORTES J e A1 são afetadas por duas taxas percentuais, uma de morte natural (TAXA_MORTE J e A1) e outra de mortalidade devido a predação (TAXA_PREDAÇAO). NOVOS_IND_POTENCIAL representa o potencial de novos indivíduos que podem surgir, sem se levar em conta ainda as limitações no espaço, por exemplo. Esta variável é representada pela multiplicação dos valores de todas as outras que apontam para ela. As FECUNDIDADES 1 e 2 correspondem a quantidade de ovos que são liberados

anualmente por

fêmeas

das

classes

ADULTO

1 e 2 respectivamente.

TAXA_FIXAÇAO envolve a multiplicação da mortalidade de larvas no estágio de véliger pela mortalidade daquelas em pós-véliger, resultando no número de mexilhões que conseguiram sobreviver a estes estágios e se fixar a algum substrato duro. E o fluxo inicial do modelo, NOVOS_IND, responsável por inserir novos mexilhões nele, leva em conta se a população total está acima ou abaixo da sustentável para o ambiente. Se estiver abaixo, ela aumenta livremente de acordo com NOVOS_IND_POTENCIAL. Entretanto, se a população atual estiver em nível acima do sustentável, há ainda possibilidade de crescimento, mas regulado por uma função que tenderá a aproximar este valor ao sustentável com o passar do tempo.

5.1.2 MÓDULO 1 – PARÂMETROS DAS VARIÁVEIS JUVENIL, ADULTO_1 e ADULTO_2 (valores iniciais): 5.000.000.000 para cada {quantidade de indivíduos inicial} Como a invasão é um tanto recente em Volta Grande, foi considerado arbitrariamente que o mexilhão ainda ocupa apenas 10% do substrato duro disponível, que corresponderia a aproximadamente 15 km 2. Assumindo-se uma densidade de mil ind./m 2, temos um total de 15.000.000.000 L. fortunei. Considerando uma distribuição uniforme por classe de idade, restam 5.000.000.000 indivíduos em cada. Obs: os dados de substrato duro total e disponível são detalhados na explicação do módulo 2 do modelo. TAXA_MORTE_J e TAXA_MORTE_A1: 0.9 e 0.12 FECUNDIDADE_1 e FECUNDIDADE_2: 30000 e 35000 {ovos liberados por fêmea por ano} TAXA_FIXAÇAO: 0.8*0.01 Pela falta de estimativas precisas acerca dos parâmetros acima foram usados os valores relacionados ao mexilhão zebra, que são citados na publicação de Hannon & Huth (2009). PROPORCAO_FEMEAS: 0.66 Valor de acordo com Morton (1982).

5.1.3 MÓDULO 2 – POPULAÇÃO SUSTENTÁVEL

Figura 4 - Representação gráfica do módulo 2 – população sustentável. Parte do modelo desenvolvido no software STELLA.

O módulo ilustrado na FIGURA 3 determina qual a população sustentável do lago, nível este que seria esperado de ser atingido no longo prazo. Este valor é afetado pela PORCENTAGEM_EXPANSAO, que representa a porcentagem do reservatório que vai sendo colonizada com o passar do tempo. Tem como objetivo simular o fato de a invasão do mexilhão ocorrer geralmente em um dado local do reservatório e se espalhar ao longo dos anos por todo o ambiente. A população sustentável também é influenciada pela densidade que se espera haver no longo prazo no local e, além disso, sofre influência da quantidade de SUBSTRATO_DURO disponível no reservatório, obtida por sua vez através da multiplicação de PORCENT_SUBSTRATO_DURO pela área de fundo do local (FUNDO_RESERVATORIO). A DENSIDADE_POPULACIONAL é obtida através da simples divisão de POPULAÇÃO_TOTAL por SUBSTRATO_DURO.

5.1.4 MÓDULO 2 – PARÂMETROS DAS VARIÁVEIS DENSIDADE_ESPERADA: 15000 {indivíduos por metro quadrado} São encontrados valores muito variados na literatura para este parâmetro. Em locais mais ao sul na América do Sul, onde a invasão do mexilhão se iniciou no continente foram encontradas densidades máximas de 122 e 150 mil ind./m2 (BOLTOVSKOY & CATALDO, 1999; DARRIGRAN et al., 2003). Já em Foz do Iguaçu, no reservatório Bela Vista foram encontrados valores máximos de 20,4 mil (BELZ et al. 2010), semelhante a encontrado por Mansur et al. (2003) em Guaíba – RS: aproximadamente 27 mil. Por ser um local mais próximo daquele estudado neste projeto e, sendo assim, com condições provavelmente mais similares, foi usado como base para se obter este parâmetro o trabalho de Belz et al. (2010). Foi escolhido o valor de 15 mil, um número próximo da densidade média encontrada no trabalho citado no período de 12/2004 a 12/2005.

PORCENTAGEM_EXPANSAO: GRAPH(TIME) (1.00, 0.2), (1.82, 0.215), (2.64, 0.24), (3.45, 0.28), (4.27, 0.33), (5.09, 0.435), (5.91, 0.64), (6.73, 0.78), (7.55, 0.89), (8.36, 0.945), (9.18, 0.98), (10.0, 1.00) Foi usada uma função gráfica com formato semelhante aquela do modelo de Hannon & Huth (2009). Neste caso foi considerado que no primeiro ano a invasão ocupou 20% do ambiente, aumentando de forma não-linear até atingir 100% em 10 anos. FUNDO_RESERVATORIO: 221.7*1E+6 {metros quadrados} De acordo com Braga & Gomiero (1997), o reservatório de Volta Grande possui área inundada de 221,7 km 2. Considerou-se esse valor como a área aproximada do fundo do reservatório. O número está escrito em notação cientifica, utilizando-se da notação E. PORCENT_SUBSTRATO_DURO: 0.7 Não se sabe o valor de qual porcentagem do fundo do reservatório é composta de substrato duro. Foi feita uma estimativa semelhante aquela do modelo de Hannon & Huth (2009).

5.1.5 MÓDULO 3 – TAXA de PREDAÇÃO

Figura 5 - Representação gráfica do módulo 3 – taxa de predação. Parte do modelo desenvolvido no software STELLA.

O módulo acima determina a taxa de predação por peixes que afeta anualmente o mexilhão dourado. PREDADOR_ESPECIE 1 e 2 indicam a quantidade estimada de peixes predadores do mexilhão que habitam o ambiente. Considerou-se a espécie 1 como Leporinus friderici e a 2 como Pimelodus maculatus. O índice de predação indica aproximadamente a quantidade de mexilhões que são predados por um peixe ao longo de um ano. PREDAÇAO 1 e 2 corresponde ao total de mexilhões ingeridos por ano pelo total de peixes daquela espécie. PREDAÇAO indica apenas a soma de PREDAÇAO 1 e 2. TAXA PREDAÇAO é a porcentagem da

população de L. fortunei predada anualmente. Esta taxa leva em conta a POPULAÇAO TOTAL de mexilhões, sendo que caso PREDAÇAO seja um valor maior que 80% da população de L. fortunei, a predação será limitada a 80% dos mexilhões. Caso contrário, a taxa de predação será a proporção de indivíduos predados em relação ao total da população. A idéia por trás desta limitação de predação a uma porcentagem máxima da população de mexilhões se deve ao fato de que uma certa quantidade de locais onde L. fortunei se fixa são provavelmente inacessíveis a peixes, como frestas e outras estruturas protegidas. O número de peixes predadores foi mantido constante no modelo, ao contrário de L. fortunei, que é modelado explicitamente, devido a dificuldade encontrada em se criar um modelo complexo que levasse em conta com precisão o fato destes animais terem uma alimentação generalista, em maior ou menor grau, além de outras particularidades inerentes às espécies. Por isso, seria necessário modelar explicitamente também os outros seres vivos envolvidos na cadeia alimentar, gerando uma complexidade maior ao modelo e impossibilitando que isto fosse feito no período do projeto.

5.1.6 MÓDULO 3 – PARÂMETROS DAS VARIÁVEIS PREDADOR_ESPECIE 1 e 2: 213.192.000 e 3.470.040.000 {quantidade de predadores} Assumiu-se um valor teórico de densidade total de peixes de 10 ind./dam 3, próximo ao encontrado por Fabian et al. (2002) em diversos reservatórios na Europa. No estudo de Braga & Gomiero (1997) a proporção de Leporinus friderici em relação ao total de peixes capturados foi de 0,94% e Pimelodus maculatus de 15,30%. Considerando o volume total de Volta Grande de 2268 km3, ou 2.268.000.000 dam3, temos uma quantidade total estimada de 213.192.000 L. friderici e de 3.470.040.000 P. maculatus neste ambiente. INDICE_PREDAÇAO 1 e 2: 435 e 150 {mexilhões consumidos em média por indivíduo de dada espécie de predador por ano} Utilizando-se dos dados da TABELA 3, estimou-se que cada indivíduo das espécies Leporinus friderici e Pimelodus maculatus consomem em média um volume de 0,119 e 0,041 mL de L. fortunei, respectivamente. Assumiu-se que esta quantidade seria, também em média, consumida diariamente. Considerando-se um volume médio aproximado do mexilhão dourado de 0,1 mL, foi estimado um valor teórico de cerca de 435 mexilhões ingeridos por ano para cada L. friderici presente no reservatório e 150 mexilhões para cada P. maculatus. Para efeito de simplificação do modelo foi assumido que haveria consumo de uma mesma porcentagem do total de indivíduos de L. fortunei para cada classe de idade.

5.2 SIMULAÇÕES DO MODELO Executando uma simulação do modelo com uma projeção de 50 anos obtém -se o gráfico da FIGURA 5, indicando o comportamento das variáveis Densidade populacional (do mexilhão dourado) e Taxa de predação.

Figura 6 - Gráfico com dados de saída do modelo: variação da densidade populacional do mexilhão dourado (representado por linha de número 1) em ind./m2 e da sua taxa de predação (linha número 2) em % por um período de 50 anos. As e scalas são diferentes, sendo que a densidade populacional varia de 0 a 20000 e a taxa de predação de 0 a 1.

Observa-se que o modelo prevê um aumento grande da densidade da população de L. fortunei nos primeiros 10 anos até atingir valores um pouco acima de 10 mil ind./m 2. A partir daí há oscilações neste valor tendendo a um estágio de equilíbrio com o passar do tempo. Já a taxa de predação se inicia limitada a um nível alto de 80% do total de mexilhões no começo, devido a pequena quantidade de L. fortunei no reservatório. Esta limitação foi inserida, como explicado anteriormente, para simular a existência de uma quantidade de substrato inacessível aos peixes predadores. Com o passar do tempo há uma queda na taxa de predação, pois a quantidade de peixes no ambiente é considerada constante com o tempo e houve um aumento na densidade de mexilhões. Por fim, a taxa de predação se mantém constante a medida que a quantidade de L. fortunei se estabiliza, com valores próximos de 35%. Estes valores podem ser observados com mais precisão em tabela obtida através de simulação do modelo e mostrada na FIGURA 6. Ela contém os mesmos dados do gráfico, agora em formato de tabela e considerando um período de 20 anos de simulação, exemplificando mais um recurso de obtenção de dados através do modelo.

Figura 7 - Saída gráfica do modelo em forma de tabela: variação da densidade populacional do mexilhão dourado em ind./m2 e da sua taxa de predação em % durante um período de 20 anos.

As simulações indicam um estabelecimento eficiente do mexilhão dourado no reservatório em altas densidades populacionais, apesar de uma quantidade considerável de predação ocorrer, mostrando a necessidade, por exemplo, de medidas que busquem minimizar seus diversos impactos econômicos e ambientais descritos no capítulo 3 deste trabalho. Entretanto, devido à escassez de dados na literatura pela invasão recente de L. fortunei na América do Sul, não se tem ainda subsídios para corroborar com o que foi previsto pelo modelo, servindo apenas como um indicativo de possíveis desdobramentos de sua invasão no reservatório.

6. CONCLUSÕES As técnicas de modelagem ambiental através de softwares adequados são importantes ferramentas na busca para se entender os mais diversos fenômenos da natureza. O desenvolvimento de modelos que possibilitem prever acontecimentos ou, pelo menos, de alguma forma indicar tendências de possíveis desdobramentos entre as mais diversas relações ecológicas podem servir como alternativa para minimizar prejuízos diversos, tanto diretamente ao ser humano como ao meio ambiente, seja buscando alternativas para evitá-los ou se preparando melhor para as conseqüências futuras. O modelo deste projeto aborda alguns dos diversos aspectos relevantes que podem afetar a expansão e desenvolvimento do mexilhão dourado no reservatório de Volta Grande, sobretudo nas suas relações ainda não tanto estudadas de predação por peixes. Entretanto, apesar de voltado para uma área específica, através da alteração dos valores dos mais diversos parâmetros do modelo pode-se adaptá-lo facilmente a outros reservatórios ou ambientes aquáticos lênticos. Devido à falta de dados acerca do estabelecimento de L. fortunei no reservatório de Volta Grande, vários parâmetros do modelo precisaram ser estimados sem comprovação de sua precisão em campo. Dessa forma, o modelo desenvolvido neste trabalho ainda precisa de monitoramento em campo para calibração e validação dos cenários preditos. O estudo de Nakano et al. (2010), que avaliou efeitos da predação do mexilhão dourado em reservatório no Japão através da inserção e monitoramento de substrato artificial para assentamento de L. fortunei, sendo uma parte dele protegido da ação de predadores, pode servir de exemplo de experimento a ser feito em Volta Grande para o refinamento de diversos parâmetros do modelo. Novas pesquisas são, portanto, necessárias para prevenção de cenários de invasão no reservatório de Volta Grande a partir da ferramenta com putacional desenvolvida neste trabalho.

7. RECOMENDAÇÕES Como citado diversas vezes anteriormente, as pesquisas relacionadas ao mexilhão dourado ainda são incipientes, o que impossibilitou a utilização de dados mais precisos no modelo. Sendo assim, uma importante medida para o futuro é a continuidade e expansão de pesquisas relacionadas a esta espécie invasora, proporcionando não só um refinamento maior ao modelo deste projeto como também beneficiando todos aqueles que desenvolvem projetos que visam minimizar os prejuízos gerados por L. fortunei nos novos ambientes invadidos e quem sabe até mesmo produzindo-se alguma tecnologia capaz de impedir ou retardar sua expansão geográfica. Em relação ao modelo em si, recomenda-se que futuras pesquisas que se baseiem nele seja buscada uma modelagem explícita da comunidade de peixes do local estudado e levados em conta parâmetros ambientais que possam afetar o mexilhão dourado e também a ictiofauna não considerados neste projeto, como temperatura e concentração de íons na água. Deve-se ter precaução para não tornar o modelo em algo excessivamente complexo, mas que abranja todos aspectos relevantes ao caso de estudo.

8. REFERÊNCIAS BELZ, C. E.; DARRIGRAN, G.; BONEL, N.; MÄDER NETTO, O. S. 2010. Density, recruitment and shell growth of the Limnoperna fortunei (Mytilidae) an invasive mussel in tropical South America. Journal of Freshwater Ecology. 25(2):227-233. BELZ, C. E. 2006. Análise de risco de bioinvasão por Limnoperna fortunei (Dunker, 1857): Um modelo para a bacia do Rio Iguaçu, Paraná. Tese de Doutorado. Universidade Federal do Paraná. 102p. BOLTOVSKOY, D. & CATALDO, D. H. 1999. Population dynamics of Limnoperna fortunei, an invasive fouling mollusc, in the lower Parana river (Argentina). Biofouling 14 (3): 255-263. BRAGA, F. M. S. & GOMIERO, L. M. 1997. Análise da pesca experimental realizada no reservatório de Volta Grande, rio Grande (MG/SP). Bol. Inst. Pesca., 24: 131-138. CATALDO, D. & BOLTOVSKOY, D. 2000. Yearly reproductive activity of Limnoperna fortunei (Bivalvia) as inferred from the occurrence of its larvae in the plankton of the lower Paraná river and the Río de la Plata estuary (Argentina). Aquatic Ecol 34:307–317. DARRIGRAN G, MARTIN SM, GULLO, B. & ARMENDARIZ, L. 1998. Macroinvertebrate associated to Limnoperna fortunei (Dunker, 1857) (Bivalvia, Mytilidae). Río de La Plata, Argentina. Hydrobiologia 367: 223–230. DARRIGRAN, G. & PASTORINO, G. 1995. The recent introduction of asiatic bivalve, Limnoperna fortunei (Mytilidae) into South America. The Veliger 38: 183-187. DARRIGRAN, G. & PASTORINO, G. 2004. Distribution of the golden mussel Limnoperna fortunei (Dunker, 1857), (Family Mytilidae) after 10 years invading America. J Conchol Special Publication 3: 95–102. DARRIGRAN, G. 2002. Potencial impact of filter-feeding invaders on temperate inland freshwater environments. Biol. Invasions 4: 145-156. DARRIGRAN, G.; DAMBORENEA, M. C.; PENCHASZADEH, P.; TARABORELLI, C. 2003. Adjustments of Limnoperna fortunei (Bivalvia: Mytilidae) after ten years of invasion in the Americas. Journal of Shellfish Research 22:141-146. FABIAN, C.; SORIA, J. M.; VICENTE, E. 2002. Evaluation of fish density in some Spanish reservoirs. Verh. Internat. Verein. Limnol. 28: 560-563. FERRIZ, R. A.; VILLAR, C. A.; COLAUTTI, D. & BONETTO, C. 2000. Feeding habits of Pterodoras granulosus (Valenciennes) (Pisces, Doradidae) in the lower Plata Basin. Rev. Mus. Argent Cienc. Nat. Nueva. Ser. 2 (2): 151-156. GARCÍA, M. L. & PROTOGINO, L. C. 2005. Invasive freshwater molluscs are consumed by native fishes in South America. J. Appl. Ichthyol. 21 (34-38). HANNON, B., & RUTH, M. 2009. Dynamic modeling of diseases and pests. Springer. 298p.

KAWAKAMI, E.; VAZZOLER, G. Método gráfico e estimativa de índice alimentar aplicado no estudo de alimentação de peixes. Bolm Inst. Oceanogr., S. Paulo, v.29, n.2. p.205-207. 1980. KIMURA, T. & SEKIGUCHI, H. 1996. Effects of temperature on larval development of two mytilid species and their implication. Venus. Jap. J. Malacol. 55 (3): 215-222. LÓPEZ ARMENGOL, M. F. & CASCIOTTA, J. R. 1998. First record of the predation of the introduced

freshwater

bivalve

Limnoperna

fortunei

(Mytilidae) by

the native fish

Micropogonias furnieri (Scienidae) in the Rio de la Plata estuary, South America. Iberus 16 (105-108). MANSUR, M. C. D.; SANTOS, C. P. DOS; DARRIDRAN, G.; HEYDRICH, I.; CALLIL, C. T. & CARDOSO, F. R. 2003. Primeiros dados quali-quantitativos do mexilhão-dourado, Limnoperna fortunei (Dunker), no delta do Jacuí, no lago Guaíba e na Laguna dos Patos, Rio Grande do Sul, Brasil e alguns aspectos de sua invasão no novo ambiente. Revista Brasileira de Zoologia 20 (1): 75-84. MONTALDO, L.; OLIVEROS, O. B.; EZCURRA DE DRAGO, I. & DEMONTE, L. D. 1999. Peces del Rio Paraná médio predadores de una especie invasora: Limnoperna fortunei (Bivalvia, Mytilidae). Revista Fabicib 3: 85-101. MORTON, B. 1977. Freshwater fouling bivalves. Proceedings of the First International Corbicula Symposium. Texas Christian University: 1-14. MORTON, B. 1982. The reproductive cycle in Limnoperna fortunei (Dunker, 1857) (Bivalvia: Mytilidae) fouling Hong Kong’s raw water supply system. Oceanologia et Limnologia Sinica, 13 (14): 312-324. MORTON, B.; PREZANT, R. S. & WILSON, B. 1998. Class Bivalvia. pp. 195-234. In: BEELEY, P. L.; ROSS, G .J. B. & WELLS, A. (eds) Mollusca: The Souther Synthesis. Fauna of Australia. Vol. 5 CSIRO Publishing: Melbourne, Part. A xvi 563 pp. NAKANO, D; KOBAYASHI, T & SAKAGUCHI, I. 2010. Predation and depth effects on abundance and size distribution of an invasive bivalve, the golden mussel Limnoperna fortunei, in a dam reservoir. Limnology, 11 (3): 259–266. NALEPA, T. F. & SCHLOESSER, D. W. (eds.). 1993. Zebra Mussels: Biology, Impacts, and Control. Lewis Pub1 Inc, Boca Raton. PAOLUCCI, E.; CATALDO, D.; FUENTES, C. & BOLTOVSKOY, D. 2007. Larvae of the invasive species Limnoperna fortunei (Bivalvia) in the diet of fish larvae in the Paraná River, Argentina. Hydrobiologia, 589: 219-233. PAOLUCCI, E.; THUESEN, E.; CATALDO, D. & BOLTOVSKOY, D. 2010. Veligers of an introduced bivalve (Limnoperna fortunei) are a new food resource that enhances growth of larval fish in the Paraná River (South America). Freshwater Biology 55: 1831–1844.

PASTORINO, G.; DARRIGRAN, G.; MARTIN, S. & LUNASCHI, L. 1993. Limnoperna fortunei (Dunker, 1857) (Mytilidae), nuevo bivalvo invasor em águas Del Rio de la Plata. Neotropica, 39 (101-102): 34. PENCHASZADEH, P.; DARRIGRAN, G.; ANGULO, C.; AVERBUJ, A.; BRÖGGER, M.; DOGLIOTTI, A. & PÍREZ, N. 2000. Predation on the invasive freshwater mussel Limnoperna fortunei (Dunker, 1857) (Mytilidae) by the fish Leporinus obtusidens Valenciennes, 1846 (Anostomidae) in the Rio de la Plata, Argentina. J. Shellfish Res. 19: 229-231. ROSA, D. M. 2009. Hábitos alimentares da ictiofauna do reservatório de Ilha Solteira (alto rio Paraná): uma ênfase na participação do mexilhão dourado Limnoperna fortunei (Dunker,1857). Dissertação de Mestrado. Pontifícia Universidade Católica de Minas Gerais. 78p. WILLIAMSON, M. H. & FITTER, A. The characters of successful invaders. Biol Cons 78:163170. 1996.

9. ANEXOS 9.1 CÓDIGO DO MODELO DESENVOLVIDO EM SOFTWARE STELLA ADULTO_1(t) = ADULTO_1(t - dt) + (CRESCIMENTO_1 - CRESCIMENTO_2 - MORTE_A1) * dtINIT ADULTO_1 = 5000000000 {quantidade de indivíduos inicial} INFLOWS: CRESCIMENTO_1 = (1-TAXA_MORTE_J)*JUVENIL {indivíduos por ano} OUTFLOWS: CRESCIMENTO_2 = (1-TAXA_MORTE_A1)*ADULTO_1 {indivíduos por ano} MORTE_A1 = TAXA_MORTE_A1*TAXA_PREDAÇAO*ADULTO_1 {indivíduos por ano} ADULTO_2(t) = ADULTO_2(t - dt) + (CRESCIMENTO_2 - MORTE_A2) * dtINIT ADULTO_2 = 5000000000 {quantidade de indivíduos inicial} INFLOWS: CRESCIMENTO_2 = (1-TAXA_MORTE_A1)*ADULTO_1 {indivíduos por ano} OUTFLOWS: MORTE_A2 = 1.0*ADULTO_2 {indivíduos por ano} JUVENIL(t) = JUVENIL(t - dt) + (NOVOS_IND - CRESCIMENTO_1 - MORTE_J) * dtINIT JUVENIL = 5000000000 {quantidade de indivíduos inicial} INFLOWS: NOVOS_IND = IF (POPULAÇAO_TOTAL<POPULAÇAO_SUSTENTAVEL) THEN MIN(NOVOS_IND_POTENCIAL,POPULAÇAO_SUSTENTAVEL-POPULAÇAO_TOTAL) ELSE

((1-(POPULAÇAO_TOTAL-

POPULAÇAO_SUSTENTAVEL)/POPULAÇAO_TOTAL)^2)*NOVOS_IND_POTENCIAL {indivíduos por ano} OUTFLOWS: CRESCIMENTO_1 = (1-TAXA_MORTE_J)*JUVENIL {indivíduos por ano} MORTE_J = TAXA_MORTE_J*TAXA_PREDAÇAO*JUVENIL {indivíduos por ano} DENSIDADE_ESPERADA = 15000 {indivíduos por metro quadrado} DENSIDADE_POPULACIONAL = POPULAÇAO_TOTAL/SUBSTRATO_DURO FECUNDIDADE_1 = 30000 {ovos liberados por fêmea por ano} FECUNDIDADE_2 = 35000 {ovos liberados por fêmea por ano} FUNDO_RESERVATORIO = 221.7*1E+6 {metros quadrados} INDICE_PREDAÇAO_1 = 435 INDICE_PREDAÇAO_2 = 150 NOVOS_IND_POTENCIAL

TAXA_FIXAÇAO*(PROPORÇAO_FEMEAS*(FECUNDIDADE_1*ADULTO_1+FECUNDIDADE_ 2*ADULTO_2)) {quantidade de indivíduos}

POPULAÇAO_SUSTENTAVEL

PORCENTAGEM_EXPANSAO*SUBSTRATO_DURO*DENSIDADE_ESPERADA {quantidade de indivíduos} POPULAÇAO_TOTAL = JUVENIL+ADULTO_1+ADULTO_2 {quantidade de indivíduos} PORCENT_SUBSTRATO_DURO = .70 {BLA} PREDAÇAO = PREDAÇAO_1+PREDAÇAO_2 PREDAÇAO_1 = PREDADOR_ESPECIE_1*INDICE_PREDAÇAO_1 PREDAÇAO_2 = PREDADOR_ESPECIE_2*INDICE_PREDAÇAO_2 PREDADOR_ESPECIE_1 = 213192000 PREDADOR_ESPECIE_2 = 3470040000 PROPORÇAO_FEMEAS = .66 SUBSTRATO_DURO = FUNDO_RESERVATORIO*PORCENT_SUBSTRATO_DURO {metros quadrados} TAXA_FIXAÇAO = .8*.01 TAXA_MORTE_A1 = .12 TAXA_MORTE_J = .09 TAXA_PREDAÇAO = IF(PREDAÇAO>0.8*POPULAÇAO_TOTAL) THEN(0.8) ELSE(PREDAÇAO/POPULAÇAO_TOTAL) PORCENTAGEM_EXPANSAO = GRAPH(TIME) (1.00, 0.2), (1.82, 0.215), (2.64, 0.24), (3.45, 0.28), (4.27, 0.33), (5.09, 0.435), (5.91, 0.64), (6.73, 0.78), (7.55, 0.89), (8.36, 0.945), (9.18, 0.98), (10.0, 1.00)

PROGRAMA INSTITUCIONAL DE BOLSAS PARA GRADUANDOS – CETEC

PROGRAMA INSTITUCIONAL DE INICIAÇÃO TECNOLÓGICA E INOVAÇÃO – PIBITI / CNPq

Ministério da Ciência e Tecnologia / CNPq Programa Institucional de Iniciação Científica – Fundação CETEC

Projeto: GT 343 – Controle do Mexilhão Dourado: Bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas

MODELAGEM DO PROCESSO DE INVASÃO DA ESPÉCIE Limnoperna fortunei NO ALTO CURSO DA BACIA DO PARANÁ ATRAVÉS DA FERRAMENTA COMPUTACIONAL TerraME

GT 343 / CNPq

Belo Horizonte, Agosto, 2012.

Universidade Federal de Minas Gerais Fundação Centro Tecnológico de Minas Gerais - CETEC Diretoria de Desenvolvimento e Serviços Tecnológicos Setor de Análises Químicas - STQ PRESIDENTE Marcílio César de Andrade VICE PRESIDENTE Eduardo Prates Octaviani Bernis DIRETOR DE DESENVOLVIMENTO E SERVIÇOS TECNOLÓGICOS DIRETOR DE PLANEJAMENTO GESTÃO E FINANÇAS Ivan Amorim Barbosa Av. José Cândido da Silveira, 2000 - Horto - Belo Horizonte - MG – 31170-000 Telefone: (31) 3489-2000 / Fax: (31) 3489-2200 – Site: www.cetec.br - E-mail: faleconosco@cetec.br

Ministério da Ciência e Tecnologia / CNPq Programa Institucional de Iniciação Científica – Fundação CETEC

Projeto: GT 343 – Controle do Mexilhão Dourado: Bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas

MODELAGEM DO PROCESSO DE INVASÃO DA ESPÉCIE Limnoperna fortunei NO ALTO CURSO DA BACIA DO PARANÁ ATRAVÉS DA FERRAMENTA COMPUTACIONAL TerraME GT 343 / CNPq

Nome do Orientador Pesquisador Pleno, Antônio Valadão Cardoso

Belo Horizonte, Agosto, 2012.

Fundação Centro Tecnológico de Minas Gerais / CETEC Diretoria de Desenvolvimento e Serviços Tecnológicos Setor de Análises Químicas Projeto: GT 343 – Controle do Mexilhão Dourado: Bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas

Orientador: Antônio Valadão Cardoso, Doutor Co-orientador: Fabiano Alcísio e Silva

Autores: Roberto Vidal Coutinho Lopes, Engenharia de Controle e Automação, Universidade Federal de Minas Gerais - UFMG. Antônio Valadão Cardoso, Doutor Fabiano Alcísio e Silva

RESUMO EXPANDIDO

MODELAGEM DO PROCESSO DE INVASÃO DA ESPÉCIE Limnoperna fortunei NO ALTO CURSO DA BACIA DO PARANÁ ATRAVÉS DA FERRAMENTA COMPUTACIONAL TerraME Cardoso, A. V.;2Lopes, R. V. C.;3Silva, F. A.

1 - Pesquisador Pleno do CETEC-MG. 2 - Bolsista de Iniciação Científica – CNPq. 3 Pesquisador Visitante do CETEC-MG. e-mail: roblopesbh@hotmail.com CETEC – Centro Tecnológico de Minas Gerais Palavras chave: Mexilhão-dourado, Modelagem, TerraME, Autômatos Celulares, Vizinhança de Moore.

INTRODUÇÃO O Limnoperna fortunei (Dunker, 1857), conhecido popularmente como mexilhão dourado, é um bivalve de água doce da Família Mytilidae. Originalmente, sua distribuição geográfica limitava-se ao Sudeste Asiático, com destaque para a China (Pastorino et al., 1993). A espécie também se encontra em vários sistemas lóticos como o Rio Paraguai, Rio Uruguai, Rio Paraná, Rio da Prata (Brugnoli et al., 2005) e, mais recentemente, foi também identificada pela equipe do CBEIH (Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas) no rio Grande, nas proximidades da Hidrelétrica de Volta Grande. A construção de modelos de distribuição geográfica é uma ferramenta para estimar a distribuição potencial de espécies, e, atualmente, é utilizada para uma grande diversidade de objetivos (Guisan & Thiller, 2005). De acordo com Carneiro (2011), o TerraME define um ambiente para o desenvolvimento de modelos espaciais dinâmicos. Dessa forma, atualmente, a construção de modelos de distribuição geográfica potencial tem sido utilizada para avaliar o impacto de diversas espécies invasoras e podem servir como ferramenta em monitoramento e controle do processo invasivo destas espécies.

OBJETIVOS Desenvolvimento de um modelo computacional de simulação de invasão e espalhamento da espécie Limnoperna fortunei no alto curso da bacia do rio Paraná através do programa TerraME, desenvolvendo uma ferramenta que servirá para a criação de cenários de invasão pela espécie que poderão contribuir em programas de manejo e controle da espécie.

MÉTODOS E PROCEDIMENTOS De acordo com as características do problema em estudo, o procedimento de modelagem a partir de Autômatos Celulares foi selecionado para utilização. Então, com base nesta primeira escolha, tornou-se também necessário optar por um determinado tipo de vizinhança celular para tratar do problema. A opção escolhida foi a Vizinhança de Moore. Somando-se o fato de que o software TerraME define um ambiente para o desenvolvimento de modelos espaciais dinâmicos e fornece suporte para a implementação dos conceitos de Autômatos Celulares e Vizinhança de Moore, a adoção do TerraME como plataforma para a construção do modelo se fez indicativa.

RESULTADOS E DISCUSSÃO Os cenários gerados a partir da interação do programa com as regras estabelecidas para contaminação das células vizinhas mostram que o espalhamento da espécie ocorre mais rapidamente de montante pra jusante no rio. Isso ocorre em função do carreamento de larvas pelas águas de montante.

A contaminação pela espécie de jusante pra montante depende de um lento avanço ativo pela espécie ou pelo transporte de águas contaminadas por embarcações. Desta forma, o modelo é capaz de prever um espraiamento mais eficiente pela espécie a partir de pontos de contaminação em trechos de montante da bacia. Este tipo de contaminação ocorre quando o organismo é introduzido por terra, através de embarcações, peixes ou águas contaminadas, transportadas por terra. A partir do modelo criado, uma simulação foi realizada e suas saídas visuais em dois instantes distintos foram capturadas e são apresentadas nas Figuras 1 e 2. Na Figura 1, é possível perceber a localização dos 4 (quatro) pontos iniciais de infestação arbitrariamente colocados nos rios Paranaíba e Grande. Na Figura 2, após algumas iterações do programa, pode ser visto o espraiamento mais significativo da espécie invasora no sentido de montante para jusante.

Figura 1: Neste instante, é possível perceber a localização dos 4 (quatro) pontos iniciais de infestação arbitrariamente colocados nos rios Paranaíba e Grande.

Figura 2: Após algumas iterações do programa, pode ser visto o espraiamento mais significativo da espécie invasora no sentido de montante para jusante.

CONCLUSÃO O ambiente de programação para modelagem dinâmica espacial TerraME foi desenvolvido, relativamente, há pouco tempo. Esse fato, em termos de utilização, pode ser analisado de duas maneiras distintas. Pelo lado negativo, uma ferramenta computacional nova, naturalmente, pode apresentar limitações, bugs e um material de informações escasso. Pelo lado positivo, uma ferramenta computacional nova e open source pode ser incrementada, atualizada e evoluída de acordo com as necessidades e observações de usuários. Além disso, o fato do software ser nacional é um aspecto digno de consideração para a escolha de sua utilização.

REFERÊNCIAS •

• •

BRUGNOLI, E. et al. Golden mussel Limnoperna fortunei (Bivalvia: Mytilidae) distribution in the main hydrographical basins of Uruguay: update and predictions. Anais da Academia Brasileira de Ciências, v. 77, n. 2, p.235-244, 2005. CARNEIRO T., CÂMARA G. & ANDRADE, P. R. de.. An Introduction to TerraME. INPE and UFOP Report, Version 1.5, Feb 2011. GUISAN, A.; THUILLER, W.. Predicting species distribution: offering more than simple habitat models. Ecology Letters, v. 8, p. 993-1009, 2005. PASTORINO, G. et al. Limnoperna fortunei (Dunker, 1857) (Mytilidae), nuevo bivalvo invasor em águas del Rio de la Plata. Neotrópica, v. 39, p.101-102, 1993.

_____________________________________________________ Relatório Final

MODELAGEM DO PROCESSO DE INVASÃO DA ESPÉCIE Limnoperna fortunei NO ALTO CURSO DA BACIA DO PARANÁ ATRAVÉS DA FERRAMENTA COMPUTACIONAL TerraME 1. INTRODUÇÃO O Limnoperna fortunei (Dunker, 1857), conhecido popularmente como mexilhão dourado, é um bivalve de água doce da Família Mytilidae. Originalmente, sua distribuição geográfica limitavase ao Sudeste Asiático, com destaque para a China. Em 1966, foi encontrado pela primeira vez como espécie invasora em Hong Kong e em 1991, foi encontrado na América do Sul e no Japão (Pastorino et al., 1993). Na América do Sul, o mexilhão dourado foi registrado pela primeira vez no rio da Prata, na Argentina. Possivelmente, esta introdução se deveu a água presente nos lastros de navios (Pastorino et al., 1993). Alguns anos mais tarde, mais precisamente em 1998, foi encontrado nas redondezas de Porto Alegre, no Lago Guaíba, no sul do Brasil (Mansur et al., 2003) e também em um outro ambiente lacrustre, na Lagoa dos Patos, no Rio Grande do Sul (Darrigran, 2001). Nos dias de hoje, além das localizações mencionadas acima, a espécie já foi detectada em vários sistemas lóticos como o Rio Paraguai, Rio Uruguai, Rio Paraná, Rio da Prata (Brugnoli et al., 2005) e, mais recentemente, foi também identificada pela equipe do CBEIH (Centro de Bioengenharia de Espécies Invasoras de Hidrelétricas) no rio Grande, nas proximidades da Hidrelétrica de Volta Grande. A construção de modelos de distribuição geográfica é uma ferramenta para estimar a distribuição potencial de espécies, e, atualmente, é utilizada para uma grande diversidade de objetivos (Guisa & Thiller, 2005). É crescente a demanda por modelos dinâmicos que permitam a avaliação e o prognóstico dos impactos causados por mudanças ambientais e que considerem de forma integrada fatores sociais, econômicos, hidrológicos, climáticos e ecológicos (Carneiro, 2006). Em um modelo espacial dinâmico, as variáveis tempo e localização são independentes. Além disso, as saídas do mesmo são mapas que descrevem uma determinada distribuição espacial condizentes com as entradas e as equações fornecidas. De acordo com Carneiro (2011), o TerraME define um ambiente para o desenvolvimento de modelos espaciais dinâmicos.

Tais modelos fornecem uma base preditiva adequada sobre o nicho ecológico das espécies (Peterson, 2003), o que nos permite avaliar o potencial dispersor de organismos invasores e antever a invasão do organismo. Dessa forma, atualmente, a construção de modelos de distribuição geográfica potencial tem sido utilizada para avaliar o impacto de diversas espécies invasoras e podem servir como ferramenta em monitoramento e controle do processo invasivo destas espécies.

2. OBJETIVOS Desenvolvimento de um modelo computacional de simulação de invasão e espalhamento da espécie Limnoperna fortunei no alto curso da bacia do rio Paraná através do programa TerraME, desenvolvendo uma ferramenta que servirá para a criação de cenários de invasão pela espécie que poderão contribuir em programas de manejo e controle da espécie.

3. PROBLEMA(S) Segundo Cataldo e Boltovskoy (2000), na Argentina, o mexilhão dourado tornou-se rapidamente um sério problema para as plantas de abastecimento de água, as estações geradoras de energia elétrica (térmica e nuclear) e demais indústrias que utilizam a água de rios para seus processos. Desde a sua chegada ao sul do Brasil, a espécie Limnoperna fortunei vem apresentando um rápido espraiamento pelo interior do país. Essa alta capacidade de estabelecimento e colonização tem causado impactos ambientais e econômicos nos locais que invade. Além das interferências ecológicas que a espécie pode provocar nos ambientes que ocupa, todas as indústrias que utilizam água bruta dos rios, em especial as hidrelétricas, têm sofrido prejuízos devido ao entupimento de tubulações a partir da fixação do mexilhão dourado. Deste modo, o desenvolvimento de modelos computacionais que auxiliem na prevenção da invasão de novos ambientes por Limnoperna fortunei se apresenta como uma ferramenta importante na tomadas de decisões de monitoramento, controle, e prevenção da invasão pela espécie.

4. MÉTODO E METODOLOGIA Inicialmente, foi realizada uma revisão bibliográfica em artigos de revistas especializadas a fim de adotar conceitos e auxiliar na tomada de decisões para implementação de regras para a criação de um método de modelagem adequado às características ecológicas e biológicas da espécie, bem como das características ambientais do local de estudo.

Em função das características do problema em estudo, o procedimento de modelagem a partir de Autômatos Celulares foi selecionado para desenvolvimento do programa. A partir disso, também foi necessário optar por um determinado tipo de vizinhança celular para tratar do problema. A opção escolhida foi a Vizinhança de Moore. Somando-se o fato de que o software TerraME define um ambiente para o desenvolvimento de modelos espaciais dinâmicos e fornece suporte para a implementação dos conceitos de Autômatos Celulares e Vizinhança de Moore, a adoção do TerraME como plataforma para a construção do modelo se fez indicativa. A

seguir

são

apresentadas

três

ferramentas

computacionais

escolhidas

para

desenvolvimento do modelo.

4.1 AUTÔMATOS CELULARES Em consideração às sugestões de Stanislaw Ulam, John von Neumann introduziu os Autômatos Celulares (AC) na década de 50 com o intuito inicial de modelar processos naturais de auto-reprodução. Os Autômatos Celulares caracterizam-se por simulações discretas no tempo, espaço e no estado do sistema. Um modelo baseado nos AC apresenta todo o seu domínio espacial subdividio em células de posições bem definidas. É atribuído à cada célula um estado, que é alterado conforme sua própria condição e de suas células vizinhas em um tempo anterior. As regras que são responsáveis por essas alterações nos estados são, de certa forma, simples e objetivam mimetizar leis da natureza (biológicas, físicas etc) que regem o processo real (Ermentrout et al., 1993). A facilidade com que os AC podem ser implementados e o seu sugestivo retorno visual são as principais qualidades desse conceito. Vale salientar que modelos embasados nesse conceito visam fazer uma descrição macroscópica do processo e não uma descrição exata e fiel em níveis microscópicos (Peixoto et al., 2004).

4.2 VIZINHANÇA DE MOORE A malha de células que compõe um Autômato Celular pode apresentar diferentes tipos de vizinhança de acordo com a sua dimensão. No caso de um tratamento em duas dimensões, 2D, é possível definir uma tipo de vizinhança conhecido como Vizinhança de Moore. Nessa vizinhança, há células na vertical, na horizontal e até mesmo nas diagonais de célula em evidência (Gremonini et al., 2008), como pode ser visto na Figura 1.

Figura 1: Ilustração da Vizinhança de Moore.

4.3 TERRAME Simulações em ambientes celulares bidimensionais são possíveis com o TerraME, que faz uso de um banco de dados espacial para armazenamento e recuperação de dados. Entre as aplicações típicas deste software estão modelos de variações no relevo e modelos hidrológicos. O ambiente TerraME é constituído por 4 (quatro) partes.

4.3.1 INTERPRETADOR TERRAME Essa é uma parte-chave para todo o ambiente, pois é responsável pela execução do códigofonte, escrito na linguagem de modelamento do TerraME (uma extensão da linguagem Lua), e também é reponsável por invocar funcões do framework.

4.3.2 FRAMEWORK TERRAME São módulos escritos em C++ que disponibilizam funções e classes para o modelamento espacial dinâmico. Além disso, também faz a conexão com os bancos de dados espaciais do TerraLib.

4.3.3 TERRAVIEW Corresponde à uma aplicação GIS (Sistema de Informação Geográfica) desenvolvida sobre a biblioteca TerraLib C++ para o gerenciamento de bancos de dados espaciais (Câmara, Souza et al., 2000). É usado para a aquisição de dados espaço-temporais em formato vetorial ou raster.

4.3.4 EDITOR de TEXTOS Pode ser o Crimson, Notepad++, ou algum Ambiente de Desenvolvimento Integrado (IDE) como o Eclipse, que provê destaque para a sintaxe da linguagem Lua de programação (Ierusalimschy, Figueiredo et al., 1996) e para o código fonte do modelo TerraME.

4.4 DADOS A importância desta etapa na Metodologia provém da necessidade de se criar um shape hidrográfico da região de interesse com informações de altitude precisas e detalhadas. Primeiramente, através do sítio do Consortium for Spatial Information (CSI) criado pela Consultative Group on International Agricultural Reserach (CGIAR), foi possível acessar o mirror da interface para o Google Earth para as informações digitais de elevação geradas pelo consórcio. No Google Earth, foi possível fazer o download das informações digitais de elevação presentes no Shuttle Radar Topography Mission (SRTM) 90m Digital Elevation Data para a região geográfica de interesse, que abrange parte dos rios: Paranaíba, Grande e Paraná. A Figura 2 apresenta a região com os rios de interesse sobrepostos às informações digitais de elevação rasterizadas.

Figura 2: Região com os rios de interesse sobrepostos às informações digitais de elevação rasterizadas com as regiões de maior altitude correspondendo às regiões mais escuras.

5. DESENVOLVIMENTO E ANÁLISE DE RESULTADOS Os resultados apresentados descrevem o processo de desenvolvimento do método computacional para modelar a invasão pela espécie L. fortunei em rios. As regras de modelagem sugeridas são basedas na ecologia da espécie e dinâmica dos rios. Ao final dos resultados, são apresentados cenários hipotéticos da invasão pela espécie em rios da bacia do rio Paraná, apenas a fim de apresentar a funcionalidade do programa.

5.1 CRIAÇÃO do SHAPE As informações digitais de elevação presentes no SRTM 90m Digital Elevation Data para a região geográfica de interesse foram abertas no software ArcGIS 10 para serem manipuladas. Inicialmente, em vista à uma necessidade posterior, foi feita a conversão das informações digitais de elevação do formato raster para o formato polygon. Na sequência, uma função de geoprocessamento chamada Intersect do software foi utilizada. Essa função foi capaz de fazer a interseção das informações digitais de elevação em formato polygon com um shape em linhas da hidrografia brasileira. Por último, ainda dentro do programa, a partir do resultado da função Intersect, o shape criado foi recortado para conter apenas os rios de interesse para o trabalho. Neste ponto, o produto do trabalho era um shape contendo alguns rios brasileiros de interesse com informações precisas e detalhadas de elevação a partir das informações do CGIAR-CIS. Este resultado se encontra presente na Figura 3.

Figura 3: Shape (polyline) criado com dados precisos de elevação.

5.2 CRIAÇÃO do ESPAÇO CELULAR No ambiente TerraView 4.1.0, inicialmente, foi construído um banco de dados. Apesar das várias opções possíveis de formatos de construção, aquele foi criado para os dados ficarem no formato access.

Posteriormente, o banco de dados foi carregado com o shape produzido. Assim, um plano de células pôde ser desenvolvido após as definições do nome e das resoluções de suas duas dimensões. Vale salientar que essa última escolha acarretou na determinação da quantidade de células em que o plano foi subdividido. Com o objetivo de visualizar o espaço celular, uma vista para o plano precisou ser construída. Além das colunas de atributos já existentes no espaço celular, seis (6) novas foram acrescentadas. Uma delas (“rios”) foi criada com o objetivo de detectar a presença de rios nas células. Em outras palavras, através de um plugin existente no TerraView, uma nova coluna foi criada e preenchida automaticamente de acordo com a presença ou não de rios em uma célula. A segunda (“state”) foi criada para ser a saída do programa e para a colocação de pontos iniciais de infestação. Essa possuirá os estados das células após a execução do modelo. A terceira (“altitude”) foi feita para conter os dados de elevação provenientes do shape criado no ArcGIS e já carregado no TerraView. A quarta coluna de atributos (“direcao”) foi implementada para possuir a direção de fluxo mais provável de uma célula. Finalmente, as duas outras criadas servirão para conter os valores aproximados de latitude e longitude de cada uma das células do espaço celular. A Figura 4 mostra o Espaço Celular criado no TerraView a partir da sequência de ações descritas anteriormente.

Figura 4: Espaço Celular resultante criado no TerraView.

O QUADRO 1 resume as ações descritas nesse item e detalha as instruções que foram necessárias no TerraView. QUADRO 1 Roteiro de ações e instruções executados no ambiente TerraView Ações

Instruções

Criar um novo banco de dados (access). Arquivo -> Banco de Dados -> Criar

Carregar o shape.

Arquivo -> Importar Dados

Criar um plano.

Plano -> Criar células…

Criar um tema para a vista.

Tema -> Adicionar

Adicionar a coluna “rios”.

Plugins -> Preenchimento de células

Adicionar a coluna de saída “state”.

Adicionar coluna…

Adicionar a coluna de saída “altitude”.

Adicionar coluna…

Adicionar a coluna de saída “direcao”.

Adicionar coluna…

Adicionar a coluna de saída “Latitude”.

Adicionar coluna...

10 Adicionar a coluna de saída “Longitude”.

Adicionar coluna...

A partir deste ponto, as ações tomadas são representadas por linhas de comando no próprio código (escrito no Editor de Textos e tratado pelo Interpretador TerraME). Para melhor identificação dessas ações, segue em anexo o código ao final deste Relatório Parcial de Projeto.

5.3 CÓDIGO do MODELO No código, nas primeiras instruções, foi carregado o banco de dados criado anteriormente. Seguidamente, os três possíveis estados dos autômatos foram definidos: “INACTIVE” (células que, à princípio, representam a presença de rios ainda não infestadas), “INFESTED” (células que já sofreram a infestação) e “BARRIER” (células que representam barreiras, ou melhor, ambientes terrestres de infestação não considerada). Após a definição dos possíveis estados, alguns parâmetros do modelo foram especificados. Entre eles estão o número de iterações, a probabilidade de infestação a ser considerada e até mesmo o diretório de saída do modelo. Uma legenda para os estados das células no mapa de saída é criada. Essa tarefa foi executada neste momento do código.

Depois, o espaço celular do programa em execução foi criado com base no tema de células já realizado no TerraView com seus respectivos atributos (“Col”, “Lin”, “rios”, “state”, “altitude”, “direcao”, “Latitude”, “Longitude”) devidamente selecionados para possível utilização. Neste ponto, tal espaço celular foi carregado e um mapa de saída para o observador preenchido com cores de acordo com o atributo de saída (“state”) foi criado. Em seguida, foi feita a associação entre a presença de rios nas células (no atributo “rios”) com a coluna que representa a saída do código (no atributo “state”). Na continuação, as coordenadas geográficas (latitude e longitude) máximas e mínimas (em graus decimais) foram definidas de acordo com os valores lidos no TerraView. Com esses valores, a diferença de latitude e de longitude do espaço geográfico considerado foi calculada, assim como as latitudes e longitudes de cada uma das células de acordo com as dimensões do espaço celular criado e carregado. A seguir, a Vizinhança de Moore foi criada sobre o espaço celular. Como uma penúltima ação antes do cerne do modelo, o espaço celular foi percorrido para que a diferença máxima de elevação entre duas células vizinhas fosse encontrada. E, por último, uma função foi criada para fornecer os “pesos” às células em função da direção fornecida para que a ideia de fluxo fosse inserida no modelo e uma outra função foi criada para normalizar a diferença de elevação entre duas células de acordo com a diferença máxima encontrada anteriormente. O núcleo do modelo é, basicamente, um “loop” de comandos que foi executado algumas vezes durante a simulação de acordo com o número de iterações previamente estabelecido. Em cada uma dessas iterações, o espaço celular foi percorrido em uma busca por células que já estavam infectadas, ou seja, que possuíam um potencial crítico para causar futuras infestações. Para cada uma delas, foi feita uma análise comparativa com cada um de seus respectivos vizinhos da Vizinhança de Moore. A comparação foi realizada em termos das diferenças de elevação entre a célula em destaque e seus vizinhos de forma que a sua direção do fluxo pudesse ser determinada ao se encontrar sua diferença máxima de elevação. A Figura 5, além de apresentar as possíveis direções, também exemplifica a determinação para um caso específico.

Figura 5: Apresentação das possíveis direções e exemplificação de como o modelo determina a direção para um caso específico.

Finalmente, para cada um desses vizinhos, procurou-se saber se se tratava de uma célula ainda inativa, ou seja, que representava um espaço do rio ainda não infestado nesta localização. Para o caso positivo, foi feita uma comparação entre a probabilidade mínima para infestação definida anteriormente e uma probabilidade gerada aleatoriamente neste instante da execução. Para os casos em que essa última probabilidade superou a probabilidade mínima para infestação de uma célula, a infestação da célula vizinha ocorreu.

5.4 RESULTADO das SIMULAÇÕES O programa, já descrito anteriormente, foi simulado para diferentes cenários iniciais de contaminação e parâmetros de entrada previamente definidos. A saída da tela de console foi capturada durante a execução do programa e se encontra presente na Figura 6.

Figura 6: Imagem capturada da tela de console do programa durante a simulação.

As Figura 7, 8, 9, 10, 11 e 12 apresentam as saídas visuais de uma simulação realizada com 4 (quatro) pontos iniciais de infestação em diferentes intervalos de tempo, definidos de acordo com o número de iterações.

Figura 7: Instante inicial de infestação.

Figura 8: Num segundo momento, já é possível notar a presença de novos pontos de contaminação.

Figura 9: Após algumas iterações, a maior facilidade de

Figura 10: Neste instante, os pontos iniciais de

contaminação para jusante se mostra presente.

infestação no Rio Paranaíba se encontram.

Figura 11: As diferentes velocidades de avanço das

Figura 12: Último instante da simulação

frentes de contaminação podem ser notadas.

capturado.

Os cenários gerados a partir da interação do programa com as regras estabelecidas para contaminação das células vizinhas mostram que o espalhamento da espécie ocorre mais rapidamente de montante pra jusante no rio. Isso ocorre em função do carreamento de larvas pelas águas de montante. A contaminação pela espécie de jusante pra montante depende de um lento avanço ativo pela espécie ou pelo transporte de águas contaminadas por embarcações. Desta forma, o modelo é capaz de prever um espraiamento mais eficiente pela espécie a partir de pontos de contaminação em trechos de montante da bacia. Este tipo de contaminação ocorre quando o organismo é introduzido por terra, através de embarcações, peixes ou águas contaminadas, transportadas por terra.

6. CONCLUSÕES O modelo desenvolvido por autômatos celulares permitiram o desenvolvimento de regras que considerassem a dinâmica do rio e também os critérios biológicos da espécie. Dessa forma, os modelos podem ser reproduzidos em áreas diferentes com poucas adequações específicas dos locais a serem modelados. Essa é uma característica importante de um modelo, já que permite a reprodutibilidade dos modelos gerados. O ambiente de programação para modelagem dinâmica espacial TerraME foi desenvolvido, relativamente, há pouco tempo. Por um lado, uma ferramenta computacional nova, naturalmente, pode apresentar limitações, bugs e um material de informações escasso. No entanto, por outro lado, uma ferramenta computacional nova e open source pode ser incrementada, atualizada e evoluída de acordo com as necessidades e observações de usuários. Além disso, o fato do software ser nacional é um aspecto digno de consideração para a escolha de sua utilização. Apesar dos resultados gerados apontarem para uma ferramenta bastante funcional, a validação do modelo depende do acompanhamento da invasão pela espécie em um determinado local. Novos trabalhos que monitorem esse processo invasivo da espécie devem servir para calibrar o modelo desenvolvido e a partir disso validar os cenários gerados. Somente a partir disso poderemos inferir sobre a eficiência das regras propostas para o modelo.

7. RECOMENDAÇÕES Além da criação de um própio modelo, as etapas de calibração e validação são fundamentais para a modelagem. Deste modo, buscar calibrar o modelo desenvolvido através do ajuste dos parâmetros e, posteriormente, validá-lo são tarefas necessárias para efetivar a utilidade do mesmo. Vale ressaltar que a calibração e a validação devem ser realizadas com diferentes massas de dados. A ideia de representar a intensidade do fluxo de acordo com as diferenças de altitude normalizadas com relação à maior diferença de elevação encontrada no espaço celular é questionável, principalmente, por considerar o espaço geográfico real representado pelo shape como o universo de análise. Portanto, trata-se de uma abordagem frágil que merece revisões. O presente trabalho está inserido no projeto de pesquisa “GT 343 – Controle do Mexilhão Dourado: Bioengenharia e novos materiais para aplicações em ecossistemas e usinas hidrelétricas”. Este projeto tem como um de seus pilares o desenvolvimento de ferramentas computacionais de modelagem que previnam a invasão do mexilhão dourado. Além disso, o monitoramento em campo da espécie é realizado pela equipe de pesquisa periodicamente. Assim, novas pesquisas serão desenvolvidas a fim de calibrar e validar o modelo desenvolvido neste trabalho.

8. REFERÊNCIAS BRUGNOLI, E. et al. Golden mussel Limnoperna fortunei (Bivalvia: Mytilidae) distribution in the main hydrographical basins of Uruguay: update and predictions. Anais da Academia Brasileira de Ciências, v. 77, n. 2, p.235-244, 2005. CÂMARA, G. R. SOUZA, et al. (2000). TerraLib: Tecgnology in Support of GIS Innovation. II Brazilian Symposium of Geoinformatics, GeoInfo2000, São Paulo. CARNEIRO T., CÂMARA G. & ANDRADE, P. R. de.. An Introduction to TerraME. INPE and UFOP Report, Version 1.5, Feb 2011. DARRIGRAN, G.. El mejillón dorado, un novedoso problema económico/ambiental para el Mercosur. Pesquisa Naval, 2001. ERMENTROUT G.B. & EDELSTEIN-KESHET L., Cellular Automata Approaches to Biological Modeling, Theor. Biol., 160 (1993), 73-80. GREMONINI, L. & VICENTINI, E. Autômatos Celulares: Revisão Bibliográfica e Exemplos de Implementações. Revista Eletrônica Lato Sensu - UNICENTRO, Ed. 6, 2008.

GUISAN, A.; THUILLER, W.. Predicting species distribution: offering more than simple habitat models. Ecology Letters, v. 8, p. 993-1009, 2005. IERUSALIMSCHY, R., L. H. Figueired, et al. (1996). "Lua-an extensible extension language." Software: Practice & Experience 26(6): 635-652. MANSUR, M. C. D., C. P. Santos, G. Darrigran, I. Heydrich, C. T. Callil & F. R. Cardoso, 2003. Primeiros dados quail-quantitativos do mexilhão dourado, Limnoperna fortunei (Dunker, 1857), no lago Guaíba, Bacia da Laguna dos Patos, Rio Grande do Sul, Brasil e alguns aspectos de sua invasão no novo ambiente. Revista Brasileira de Zoologia 20: 75-84. PASTORINO, G. et al. Limnoperna fortunei (Dunker, 1857) (Mytilidae), nuevo bivalvo invasor em águas del Rio de la Plata. Neotrópica, v. 39, p.101-102, 1993. PEIXOTO M.S. & BARROS L.C. Um Estudo de Autômatos Celulares para o Espalhamento Geográfico de Epidemias com Parâmetros Fuzzy (Edelstein-Keshet, 1987), TEMa, 5, No. 1, 2004. PETERSON, A. T. Predicting the geography of species’ invasions via ecological niche modeling. Quarterly Review of Biology, vol. 78, no. 4, 2003. p. 419-433.

9. APÊNDICE -- Modelo de dispersão dinâmica do Mexilhão-dourado -- Roberto Vidal Coutinho Lopes ----------------------------------------------------------------------print("MODELO DE DISPERSAO DINAMICA") print("") TME_PATH = os.getenv("TME_PATH"); -- Definição do tipo do banco de dados a ser usado -- 0 : mysql -- 1 : msaccess dbms = 1 pwd = "terralab0705" -- Propriedades do banco de dados em access DB_VERSION = "4_0_0" DB_HOME = TME_PATH .. "\\database" DB_ACCESS = DB_HOME .."\\BD_".. DB_VERSION .. ".mdb" -- Estados possíveis dos autômatos

INACTIVE INFESTED BARRIER

=0 =1 =2

-- Parâmetros do modelo (Número de passos da simulação etc) STEPS I

= 1000000 = 0.45

infested_total = 0 -- Caminho necessário de saída para os resultados OUTPUT_PATH = TME_PATH.."\\results\\teste2\\" -- Criação de uma legenda para o Observer Map stateLeg = Legend( { type = TYPES.NUMBER, groupingMode = GROUPING.UNIQUEVALUE, slices = 3, precision = 5, stdDeviation = STDDEVIATION.NONE, maximum = BARRIER, minimum = INACTIVE, colorBar1 = { {{000,000,139}, 0}, {{255,069,000}, 1}, {{069,139,000}, 2} }, colorBar2 = {} } ); -- Definição e carregamento um banco de dados geográfico TerraLib cs = nil if(dbms == 0) then cs = CellularSpace { dbType = "mysql", host = "127.0.0.1", database = "db_teoria", user = "root", password = pwd, theme = "cells", select = { "Col", "lin", "state" } } else

cs = CellularSpace { dbType = "ADO", database = DB_ACCESS, theme = "cells", -- Teste com maior precisão select = { "Col", "Lin", "rios", "state", "altitude", "direcao", "Latitude", "Longitude"} } end cs:load() -- Criação do Observer Map cs:createObserver(OBSERVERS.MAP, {"state"}, {stateLeg}) cs:createObserver(OBSERVERS.IMAGE, {"state"}, {OUTPUT_PATH .. "result",stateLeg}) cs:notifyObservers()

-- n = 0 it = Trajectory{cs, function(cell) return (cell.state ~= 1 and ((cell.rios == 0) or (cell.rios == 1))) end} forEachCell(it, function(cell) if cell.rios == 0 then cell.state = 2 end if cell.rios == 1 then cell.state = 0 end end) itCG = Trajectory{cs, function(cell) return cell.rios == 1 end} -- Declaração das latitudes/longitudes máximas/mínimas do shape em questão de acordo com o TerraView latMin = -22.204881 print("Latitude minima do shape (em graus decimais):", latMin) print("") latMax = -18.295803 print("Latitude maxima do shape (em graus decimais):", latMax) print("") longMin = -52.490711 print("Longitude minima do shape (em graus decimais):", longMin) print("")

longMax = -47.508761 print("Longitude maxima do shape (em graus decimais):", longMax) print("") deltaLat = latMax - latMin print("Variacao latitudinal do shape (em graus decimais):", deltaLat) print("") deltaLong = longMax - longMin print("Variacao longitudinal do shape (em graus decimais):", deltaLong) print("") latMin = -22,204881 latMax = -18,295803 longMin = -52,490711 longMax = -47,508761 deltaLat = latMax - latMin deltaLong = longMax - longMin -- Criação da vizinhança de Moore createMooreNeighborhood(cs) -- Inicialização da variável que armazenará a diferença máxima de elevação entre as células do Espaco Celular DELTA_HEIGHT_MAX = 0 forEachCell(itCG, function(cell) cell.Latitude = latMin + ((249 - (cell.Lin)) * deltaLat / 250) cell.Longitude = longMin + ((cell.Col) * deltaLong / 250)

forEachNeighbor(cell, function(cell,neigh) if(neigh ~= cell) then if(( (cell.altitude) - (neigh.altitude) ) > DELTA_HEIGHT_MAX ) then DELTA_HEIGHT_MAX = (cell.altitude) - (neigh.altitude) end end end) end)

-- Declaração da função responsável por criar o fluxo a partir de dada direção function FLOW_DIR(direction)

if(direction == "NO" ) then

b = {3.0, 0.2, 0.003, 0.003, 0.003, 0.003, 0.003, 0.2} end

if(direction == "N" )

then

b = {0.2, 3.0, 0.2, 0.003, 0.003, 0.003, 0.003, 0.003} end

if(direction == "NE" )

then

b = {0.003, 0.2, 3.0, 0.2, 0.003, 0.003, 0.003, 0.003} end

if(direction == "L" )

then

b = {0.003, 0.003, 0.2, 3.0, 0.2, 0.003, 0.003, 0.003} end

if(direction == "SE")

then

b = {0.003, 0.003, 0.003, 0.2, 3.0, 0.2, 0.003, 0.003} end

if(direction == "S")

then

b = {0.003, 0.003, 0.003, 0.003, 0.2, 3.0, 0.2, 0.003} end

if(direction == "SO")

then

b = {0.003, 0.003, 0.003, 0.003, 0.003, 0.2, 3.0, 0.2} end

if(direction == "O")

then

b = {0.2, 0.003, 0.003, 0.003, 0.003, 0.003, 0.2, 3.0} end

if(direction == "NON")

then

b = {0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6} end

return b end -- Declaração da função responsável por intensificar o fluxo a partir da diferença de elevação entre células (normalizada) function FLOW_INT(DELTA_HEIGHT,DELTA_HEIGHT_MAX) a = DELTA_HEIGHT/DELTA_HEIGHT_MAX return a end for t = 1, STEPS do itK = Trajectory{cs, function(cell) return (cell.state == INFESTED) end} forEachCell(itK, function(cell) if(cell.direcao ~= "NO" and cell.direcao ~= "N" and cell.direcao ~= "NE" and cell.direcao ~= "L" and cell.direcao ~= "SE" and cell.direcao ~= "S" and cell.direcao ~= "SO" and cell.direcao ~= "O" and cell.direcao ~= "NON") then DELTA_HEIGHT = -1000 forEachNeighbor(cell, function(cell,neigh) if(neigh ~= cell) then

if(

neigh.Col == cell.Col-1 and neigh.Lin == cell.Lin-1

) then if(( (cell.altitude) - (neigh.altitude) ) > DELTA_HEIGHT ) then

DELTA_HEIGHT = (cell.altitude) (neigh.altitude) direction = "NO" end end if(

neigh.Col == cell.Col and

neigh.Lin ==

cell.Lin-1 ) then if(( (cell.altitude) - (neigh.altitude) ) > DELTA_HEIGHT ) then DELTA_HEIGHT = (cell.altitude) (neigh.altitude) direction = "N" end end if(

neigh.Col == cell.Col+1 and neigh.Lin ==

cell.Lin-1 ) then if(( (cell.altitude) - (neigh.altitude) ) > DELTA_HEIGHT ) then DELTA_HEIGHT = (cell.altitude) (neigh.altitude) direction = "NE" end end if( cell.Lin

neigh.Col == cell.Col+1 and neigh.Lin ==

) then if(( (cell.altitude) - (neigh.altitude) ) >

DELTA_HEIGHT ) then DELTA_HEIGHT = (cell.altitude) (neigh.altitude) direction = "L" end end if(

neigh.Col == cell.Col+1 and neigh.Lin ==

cell.Lin+1 ) then if(( (cell.altitude) - (neigh.altitude) ) > DELTA_HEIGHT ) then DELTA_HEIGHT = (cell.altitude) (neigh.altitude) direction = "SE"

end end if(

neigh.Col == cell.Col and neigh.Lin ==

cell.Lin+1 ) then if(( (cell.altitude) - (neigh.altitude) ) > DELTA_HEIGHT ) then DELTA_HEIGHT = (cell.altitude) (neigh.altitude) direction = "S" end end if(

neigh.Col == cell.Col-1 and neigh.Lin ==

cell.Lin+1 )then if(( (cell.altitude) - (neigh.altitude) ) > DELTA_HEIGHT ) then DELTA_HEIGHT = (cell.altitude) (neigh.altitude) direction = "SO" end end if( cell.Lin

neigh.Col == cell.Col-1 and neigh.Lin ==

)then if(( (cell.altitude) - (neigh.altitude) ) >

DELTA_HEIGHT ) then DELTA_HEIGHT = (cell.altitude) (neigh.altitude) direction = "O" end end if( DELTA_HEIGHT == 0 ) then direction = "NON" end end end) cell.direcao = direction a = FLOW_INT(DELTA_HEIGHT,DELTA_HEIGHT_MAX)

a_PERCENTUAL = math.floor(a*100) if(direction ~= "NON") then print(direction,a_PERCENTUAL,"%") end end probability = math.random() b = FLOW_DIR(cell.direcao)

forEachNeighbor(cell, function(cell,neigh) if (neigh ~= cell and neigh.state == INACTIVE) then

)

then bias = b[1] end

)

then bias = b[2] end

if (

neigh.Col == cell.Col-1 and neigh.Lin == cell.Lin-1

if (

neigh.Col == cell.Col and

if (

neigh.Col == cell.Col+1 and neigh.Lin == cell.Lin-1 )

if (

neigh.Col == cell.Col+1 and neigh.Lin == cell.Lin

if (

neigh.Col == cell.Col+1 and neigh.Lin == cell.Lin+1

if (

neigh.Col == cell.Col and neigh.Lin == cell.Lin+1 )

if (

neigh.Col == cell.Col-1 and neigh.Lin == cell.Lin+1 )

if (

neigh.Col == cell.Col-1 and neigh.Lin == cell.Lin

neigh.Lin == cell.Lin-1

then bias = b[3] end )

then bias = b[4] end

)

then bias = b[5] end

then bias = b[6] end

then bias = b[7] end

then bias = b[8] end prob = bias/3.0 if (probability < (prob/1.1)*(0.75+(a*0.25))) then neigh.state = INFESTED infested_total = infested_total + 1 end end

)

end) end) cs:notifyObservers() end itJ = Trajectory{cs, function(cell) return (cell.rios == 1) end} forEachCell(itJ, function(cell) cell:createObserver(OBSERVERS.LOGFILE,{"Col","Lin","rios","state","altitude","direcao","La titude","Longitude"},{"dados.csv",";","w+"}) cell:notifyObservers() end) cs:save(STEPS,"themeName",{"state"}) print("<> The end - burned cells:",burned_total," <>") print("Please, press <ENTER> to quit.") io.flush() io.read()