Maria João Feio

Retrato de Maria João Feio
Email: 
mjf@ci.uc.pt
URI: 
MARE - UCoimbra
Função: 
Investigador
Habilitações: 
Doutoramento
Dominio de investigação: 
Bacias Hidrográficas
Linhas de investigação: 
Biodiversidade e Funcionamento dos Ecossistemas
Risco Ambiental
Tecnologias para Exploração e Monitorização
ORCID ID: 
http://orcid.org/0000-0003-0362-6802
ResearchGate: 
https://www.researchgate.net/profile/Maria_Feio2

Resumo da atividade

Estuda os ecossistemas de água doce, comunidades e funcionamento e o efeito das alterações globais nos rios à escala local e global. Tem desenvolvido métodos para a avaliação ecológica dos rios. Tem estado envolvida nas várias fases de implementação da Directiva Quadro da Água em Portugal e países Mediterrânicos. Investiga os ecossistemas aquáticos urbanos e a sua biodiversidade, a sua reabilitação, e a sua importância para a sustentabilidade das cidades e saúde humana.

Destaques

Feio MJ, Hughes RM, Serra SRQ, Nichols SJ, Kefford BJ et al. 2023. Fish and macroinvertebrate assemblages reveal extensive degradation of the world's rivers. Global Change Biology, 29: 355-374 Rivaes RP, Feio MJ, Almeida SFP, Calapez AR, Mortágua A, Gebler D, Lozanovska I, FC (2022) River ecosystem endangerment from climate change-driven regulated flow regimes. Science of the Total Environment 818; 151857 Rios de Portugal. Comunidades, processos e alterações. Urban stream Assessment system (UsAs): an integrative tool to assess biodiversity, ecosystem functions and services. Feio MJ, Mantas AI, Serra SRQ, Calapez AR, Almeida SFP, Sales MC, Montenegro M, Moreira F (2022) Effect of environmental education on the knowledge of aquatic ecosystems and reconnection with nature in early childhood. PLoS ONE 17: e0266776 Ranta E, Vidal-Abarca MR, Calapez AR, Feio MJ (2021) Urban stream Assessment system (UsAs): an integrative tool to assess biodiversity, ecosystem functions and services. Ecological Indicators 121: 106980 Jovem-Azevêdo D, Bezerra-Neto JF, Molozzi J, Feio MJ (2020) Rehabilitation scenarios for reservoirs: predicting their effect on invertebrate communities through machine learning. River Research and Applications 36:1109–112 Feio MJ, Serra SQR, Mortágua A, Bouchez A, Rimet F, Vasselon V, Almeida SFP (2020) A taxonomy-free approach based on machine learning to assess the quality of rivers with diatoms. Science of the Total Environment 722: 137900.