TCC - Justino Chaúque PDF

INSTITUTO SUPERIOR POLITÉCNICO DE GAZA
FACULDADE DE AGRICULTURA
CURSO DE ENGENHARIA FLORESTAL
PROTOCOLO DE MONOGRAFIA
Análise da dinâmica de cobertura de floresta do mangal no Posto

Administrativo de Morrumbene entre os anos 1998-2018
Autor: Justino Natalino Chaúque
Tutor: Arão Raimundo Finiasse (MSc)
Co-tutor: Luís Comissário Júnior Mandlante (Phd)
Lionde, Abril de 2020

Protocolo de investigação sob o tema: Análise da dinâmica de cobertura de floresta do
mangal no Posto Administrativo de Morrumbene entre os anos 1998-2018, a ser apresentado
ao curso de Engenharia Florestal na Faculdade de Agricultura do Instituto Superior Politécnico
de Gaza, como requisito para o início das actividades de investigação no âmbito do trabalho de
culminação do curso em forma de monografia científica em Engenharia Florestal.
Tutor: Arão Raimundo Finiasse (MSc)
Co-tutor: Luís Comissário Junior Mandlante (Phd)

ÍNDICE
ÍNDICE DE MAPAS................................................................................................................ ii
ÍNDICE DE FIGURAS ............................................................................................................ ii
ÍNDICE DE TABELAS ........................................................................................................... ii
LISTA DE ABREVISTURAS E SIGLAS .............................................................................. iii
Declaração: .............................................................................................................................. iv
RESUMO...................................................................................................................................v
SUMMARY ............................................................................................................................. vi
1. ATENCEDENTES DA INVESTIGAÇÃO ................................................................1
2. INTRODUÇÃO ...........................................................................................................2
2.1. Contextualização ...........................................................................................................2
2.2. PROBLEMA DO ESTUDO E JUSTIFICATIVA .....................................................4
2.2.1. Problema:......................................................................................................................4
2.2.2. Justificativa: ..................................................................................................................4
2.3. OBJECTIVOS: .............................................................................................................5
2.3.1. Objectivo geral:.............................................................................................................5
2.3.2. Objectivos específicos: ..................................................................................................5
3. REVISÃO BIBLIOGRÁFICA ...................................................................................6
3.1. Mangal..........................................................................................................................6
3.2. Sensoriamento remoto ......................................................................................................8
3.3. Satélite ..........................................................................................................................8
3.3.1. Satélite Landsat 7 ETM +..............................................................................................9
3.3.2. Landsat 8 OLI ...............................................................................................................9
3.4. Sensores a bordo de satélites ........................................................................................... 10
3.5. Classificação dos sensores .............................................................................................. 10

3.6. Resposta espectral de alvos ............................................................................................. 10
3.6.1. Resposta espectral de água .......................................................................................... 11
3.6.2. Resposta espectral dos solos ........................................................................................ 12
3.6.3. Resposta espectral da vegetação .................................................................................. 12
3.7. Processamento de imagens ............................................................................................. 12
3.8. Pré-processamento de imagens ....................................................................................... 13
3.8.1. Eliminação de ruídos ................................................................................................... 13
3.8.2. Correcção atmosférica ................................................................................................. 13
3.8.3. Correcção geométrica.................................................................................................. 14
3.8.4. Classificação das imagens ........................................................................................... 14
3.8.5. Classificação não supervisionada ................................................................................ 15
3.8.5.1. Algoritmo ISODATA .............................................................................................. 15
3.8.6. Classificação supervisionada ....................................................................................... 15
3.8.6.1. Algoritmo de máxima verosimilhança ..................................................................... 16
3.8.7. Validação da classificação ........................................................................................... 16
3.8.8. Detenção de mudanças de cobertura ............................................................................ 17
3.9. Análise da composição e estrutura horizontal da floresta ............................................. 17
4. METODOLOGIA E ÁREA DE ESTUDO ...................................................................... 19
4.1. Descrição da área de estudo ............................................................................................ 19
4.1.1. Clima .......................................................................................................................... 19
4.1.2. Habitats terrestres........................................................................................................ 20
4.1.2.1. Zonas de transição litoral ......................................................................................... 21
4.1.2.1.1. Mangais ................................................................................................................... 21
4.1.2.1.2. Praias arenosas e rochosas ....................................................................................... 21
4.1.2.1.3. Estuários.................................................................................................................. 21
4.1.2.1.4. Lagos e lagoas costeiras ........................................................................................... 22
4.2. Matérias e Metodologia ............................................................................................... 22
4.2.1. Matérias ...................................................................................................................... 22
4.2.2. Metodologia ................................................................................................................ 24
4.2.2.1. Aquisição das imagens ............................................................................................ 24
4.2.2.2. Delimitação da região de interesse e combinação de bandas ........................................ 24
4.2.2.3. Pré-processamento das imagens ............................................................................... 25
4.2.2.4. Classificação das imagens ....................................................................................... 25
4.2.2.4.1.Classificação não supervisionada ................................................................................ 25
4.2.2.4.2.Validação das classes e trabalho de campo .................................................................. 25
4.2.2.5. Classificação supervisionada ....................................................................................... 26
4.2.3. Descrição das classes de uso e cobertura de terra ......................................................... 26
4.2.4. Avaliação do desempenho da classificação .................................................................. 26
4.2.5. Mudanças de cobertura do Mangal .............................................................................. 27
4.2.6. Estimativas de áreas e os fluxos de mudanças de cobertura do Mangal ........................ 27
4.2.7. Cálculo de taxa de desmatamento ................................................................................ 27
4.3. Analise da composição florística e estrutura horizontal da floresta .............................. 28
4.4. Amostragem................................................................................................................ 28
4.4.1. Análise da composição florística ................................................................................. 28
4.4.1.1. Índice de diversidade Shannon-Wiener (H’) ................................................................ 28
4.4.1.2. Índice de Dominância de SIMPSON (C) ..................................................................... 29
4.4.1.3. Equabilidade de Pielou (J') .......................................................................................... 29
4.4.2. Estrutura horizontal ..................................................................................................... 29
4.4.2.1. Densidade ou abundância ............................................................................................ 30
4.4.2.1.1.Abundância absoluta ................................................................................................... 30

4.4.2.1.2.Abundância relativa .................................................................................................... 30
4.4.2.2. Dominância ................................................................................................................. 30
4.4.2.2.1.Dominância absoluta .................................................................................................. 30
4.4.2.2.2.Dominância relativa .................................................................................................... 30
4.4.2.3. Frequência .................................................................................................................. 31
4.4.2.3.1.Frequência absoluta .................................................................................................... 31
4.4.2.3.2.Frequência Relativa .................................................................................................... 31
4.4.2.4. Índice do valor de importância .................................................................................... 31
4.4.2.5. Índice do valor de cobertura ........................................................................................ 31
5. RESULTADOS ESPERADOS ........................................................................................ 32
6. CONDIÇÕES DE IMPLEMENTAÇÃO E FACTORES DE RISCO............................ 33
7. CRONOGRAMA DE ACTIVIDADES ........................................................................... 34
8. PLANO ORÇAMENTAL ................................................................................................ 35
9. REFERÊNCIAS BIBLIGRÁFICAS ............................................................................... 36
ANEXOS ................................................................................................................................. vi
ÍNDICE DE MAPAS
MAPA 1: Distribuição espacial de vegetação do mangal em Moçambique. .................................7
MAPA 2: Mapa de localização da área de estudo ...................................................................... 19
ÍNDICE DE FIGURAS
Figura 1: Representação do espectro electromagnético. ...............................................................8
Figura 2: Refletância de objectos mais frequentes na superfície terrestre. .................................. 11
Figura 3: Distrituição temporal de precipitação e temperatura. .................................................. 20
Figura 4: Esquema metodológico .............................................................................................. 24
Figura 5: Esquema das parcelas para o levantamento dos dados dendrométricos........................ 24
ÍNDICE DE TABELAS
Tabela 1: Relação entre os valores de índice kappa e o desempenho da classificação ................. 17
Tabela 2: Cronograma de actividade.......................................................................................... 34
Tabela 3: Custo de implementação do projecto .......................................................................... 35
ii
LISTA DE ABREVISTURAS E SIGLAS
CANACARTA Centro Nacional de Cartografia e Teledetecção

ENVI Environment for Visualizing Images
ETM+ Enhanced Thematic Mapper Plus
FAO Food and Agriculture Organization
GPS Global Positioning System
ha Hactares
hab/km2 Habitantes por quilómetros quadrados
INPE Instituto Nacional de Pesquisas Espaciais
ISPG Instituto Superior Politécnico de Gaza
km Quilómetros
km2 Quilometro quadrado
km2/ano Quilometro quadrado por ano
LANDSAT Land Remote Sensing Satellite
m Metros
mm Milímetros
Max ver Máxima Verossimilhança
MAE Ministério da Administração Estatal
MICOA Ministério Para A Coordenação da Acção Ambiental
MITADER Ministério da Terra, Ambiente e Desenvolvimento Rural
NASA National Space and Space Administration
nm Nanómetro
OLI Operational Land Imager
TIRS Thermal Infrared Sensor
USGS United States Geological Survery
𝜇m Micrómetro
% Percentagem
𝜇m Micrómetro
iii
Declaração:
Declaro por minha honra que este Protocolo de Trabalho de Culminação do Curso é resultado da
minha investigação pessoal e das orientações dos meus supervisores, o seu conteúdo é original e
todas as fontes consultadas estão devidamente mencionadas no texto, nas notas e na bibliografia
final. Declaro ainda que este trabalho não foi apresentado em nenhuma outra instituição para
propósito semelhante ou obtenção de qualquer grau académico.
__________________________________________
(Justino Natalino Chaúque)
iv
RESUMO
O presente estudo tem como objectivo analisar a dinâmica de cobertura de floresta do mangal no
Posto Administrativo de Morrumbene, através imagens do satélite Landsat 7 ETM+ para o ano
1998 e Landsat 8 OLI para o ano 2018, que serão adquiridas partir do sítio USGS-Global
Visualization Viewer. As imagens serão classificadas pelo software Exelis Envi 5.3, onde se
usará o algoritmo Isodata na classificação não supervisionada e o algoritmo Máxima
verossimilhança na classificação supervisionada. Para cartografar as mudanças de cobertura de
floresta do mangal, serão feitos cruzamentos das imagens das duas datas através do módulo
Change Datection Difference Map da operação Change Detection do Exelis ENVI 5.3. Com
auxílio do software ArcGIS 10.7 serão produzidos mapas de cobertura de floresta do mangal
entre os anos 1998-2018 através das imagens classificadas, e o mapa de mudanças através da
imagem de mudanças que será obtida da operação Change detection. A quantificação das áreas e
fluxos de mudança será feita com ajuda do software Exelis Envi 5.3 com posterior produção de
uma matriz de mudanças, onde as mudanças serão agrupadas em mudanças positivas (ganho de
cobertura), e mudanças negativas (perca de cobertura). Por fim vai se determinar a taxa de
desmatamento pelo método de Puyravaud como base no desmatamento líquido e bruto. Espera-
se com este estudo detectar as mudanças de cobertura de floresta do mangal, bem como os
factores que influenciam na dinâmica de cobertura de floresta do mangal no Posto
Administrativo de Morrumbene. Esta pesquisa é de extrema importância porque pode ajudar a
subsidiar ações que visam ao estabelecimento de práticas de desenvolvimento sustentável e à
implementação de políticas de conservação e uso sustentável da floresta do mangal.
Palavras-chave: Imagens satélite; Mudanças de cobertura, Floresta do Mangal.
v
SUMMARY
This study aims to analyze the dynamics of mangrove forest coverage at the Morrumbene
Administrative Post, using images from the Landsat 7 ETM + satellite for the year 1998 and
Landsat 8 OLI for the year 2018, which will be acquired from the USGS-Global website
Visualization Viewer. The Exelis Envi 5.3 software will classify the images, where the Isodata
algorithm will be used in the unsupervised classification and the Maximum likelihood algorithm
in the supervised classification. To map the changes in mangrove forest cover, the images of the
two dates will be crossed using the Change Datection Difference Map module of the Change
Detection operation of Exelis ENVI 5.3. With the aid of ArcGIS 10.7 software, mangrove forest
coverage maps will be produced between the years 1998-2018 through classified images, and the
map of changes through the changes image that will be obtained from the Change detection
operation. Quantification of areas and flows of change will be done with the help of the Exelis
Envi 5.3 software with subsequent production of a change matrix, where changes will be
grouped into positive changes (coverage gain), and negative changes (loss of coverage). Finally,
the deforestation rate will be determined using the Puyravaud method as a basis for net and gross
deforestation. This study is expected to detect changes in mangrove forest coverage, as well as
factors that influence the dynamics of mangrove forest coverage at the Morrumbene
Administrative Post. This research is extremely important because it can help subsidize actions
aimed at establishing sustainable development practices and implementing policies for the
conservation and sustainable use of the mangrove forest.
Keywords: Satellite imagery; Changes of coverage, Mangrove forest.
vi
Análise da dinâmica de cobertura de floresta do mangal no Posto Administrativo de
Morrumbene entre os anos 1998-2018
1. ATENCEDENTES DA INVESTIGAÇÃO
Segundo MICOA (2010), o estado de conservação do mangal na zona sul de Moçambique é
crítico, cerca de 56,8% de mangal é degradado e apenas 43,2% de mangal é intacto. Em geral,
verificou-se que o mangal está a diminuir nas zonas perto dos centros urbanos, mas esta
aumentar nas áreas mais remotas. A diminuição verificada é devida, na sua maioria, a uma
governação ineficiente, enquanto o aumento verificado é resultado de processos naturais e à
baixa pressão humana (Macamo & Sitoe, 2017). Estudos realizados por Saket e Matusse (1994),
indicam que a província de Inhambane perdeu cerca de 246 ha de cobertura de mangal entre os
anos 1972-1990, actualmente a província de Inhambane tem cerca de 20 mil ha de cobertura de
mangal, que podem ser encontrados maioritariamente nos distritos de Govuro, Vilankulos e
Morrumbene (MICOA, 2010); e também em áreas de conservação como Parque Nacional de
Bazaruto e Reserva Nacional de Pomene. O distrito de Morrumbene é o terceiro distrito da
província de Inhambane com maior extensão de cobertura de floresta do mangal (MICOA,
2010), em termos de ocupação do solo, os mangais ocupam cerca de 0,5% equivalente a 13 km2
que restringem-se ao estuário de Morrumbene ou Baía de Linga Linga (MICOA, 2012). O
mangal em Morrumbene é considerado saudável, com cerca de 75,5% de mangal intacto
(MICOA, 2010).
Autor: Chaúque; Justino Natalino Página 1

2. INTRODUÇÃO
2.1.Contextualização
Em Moçambique, a cobertura de floresta do mangal ocupa uma área estimada de 390 000
hectares (FAO, 2007), que se estendem ao longo dos 2.770 quilómetros de costa e geralmente
ocorrem ao longo de estuários, baías e lagoas (FAO, 2005). Os mangais são componentes
importantes de ecossistemas tropicais e subtropicais com adaptações específicas para sobreviver
em condições de submersão em águas salobras, tendo como principais adaptações a viviparia e
os pneumatóforos. A área de cobertura de floresta do mangal, não é intacta em muitos países do
mundo, incluindo Moçambique. Porém, a dinâmica de cobertura de floresta do mangal ao longo
do tempo pode aumentar bem como diminuir de área.
Dentre vários factores que influenciam na perda de cobertura de floresta do mangal os que mais
se destacam são: construção de cidades e aldeias, aberturas de tanques para aquacultura,
combustível lenhoso, agricultura, madeira, material de construção e salinas. Factores naturais
como o efeito das mudanças climáticas, através do aumento do nível médio do mar, cheias e
ciclones tem contribuído também param a mudança de cobertura de floresta do mangal.
De acordo com Cavalcante, (2015) nos últimos anos tem-se verificado um crescente interesse
pela informação geográfica, sendo esta cada vez mais utilizada para diversos fins e domínios de
aplicação, em áreas tão distintas como as geociências, economia e gestão, sociologia e saúde,
engenharias, planeamento e monitoramento espacial, entre outras. O sensoriamento remoto vem
sendo largamente aplicado para o monitoramento de coberturas vegetais, volta-se,
principalmente, para seu comportamento espacial e/ou fisiológico (Abreu & Coutinho, 2014). O
sensoriamento remoto e suas ferramentas de análise de dados, como as técnicas de detecção de
mudanças, têm elevado potencial exploratório na quantificação e qualificação do uso e cobertura
da terra, assim como dos seus processos de conversão e modificação.
O principal objectivo desse trabalho é de fazer análise da dinâmica de cobertura de floresta do

mangal no Posto Administrativo de Morrumbene usando imagem satélites da série Landsat, para
caracterizar, quantificar e qualificar as interacções existentes nessa área de estudo. O estudo em
causa tem um papel importante e fundamental para as comunidades locais, pois o mesmo, vai
fornecer dados sobre o estado de conservação do mangal no Posto Administrativo de

Morrumbene e ainda trazer os possíveis factores que influencia na dinâmica de cobertura de

floresta do mangal. Os dados desse estudo podem ser usados pelo governo local para subsidiar
acções que visam ao estabelecimento de práticas de desenvolvimento sustentável e à

2.2.PROBLEMA DO ESTUDO E JUSTIFICATIVA

2.2.1. Problema:
Segundo Taylor et. al, (2013) Moçambique perde anualmente cerca de 18,2 km2 de cobertura de
floresta do mangal. As causas de perda de cobertura de floresta do mangal em Moçambique estão
em geral, associadas ao seu valor como recurso natural de extração.
A perda de cobertura de floresta do mangal contribui para a degradação do solo causando a

erosão, perda de habitats e pode colocar sob o risco de extinção a várias espécies marinhas. A
extinção dessas espécies pode causar o desequilíbrio ecológico e afectar a actividade pesqueira,
contribuindo assim, para o aumento da pobreza, baixa renda familiar e incidência da fome, visto
que muitas comunidades locais dependem da pesca para a sua sobrevivência.
A expansão urbana com o consequente aumento da demanda de produtos tais como carvão, lenha
e material de construção, pode contribuir para o agravamento da pressão sobre os mangais no
Posto Administrativo de Morrumbene, a combinação ao longo prazo desses factores com
abertura de pequenos campos agrícolas em áreas inundadas ou habitats de mangal pode
influenciar no aumento da taxa de desmatamento do mangal. Essas acções podem trazer
consequências graves ao longo tempo, como o surgimento da erosão; empobrecimento do
ecossistema do mangal e escassez de diversidade de peixes; contribuindo assim, para a
incidência da fome, visto que a actividade pesqueira é praticada pelas comunidades que vivem na
costa como meio de subsistência.
2.2.2. Justificativa:
Segundo Saket e Matusse (1994), a Província de Inhambane tinha uma taxa de desflorestamento
do mangal de 1.2% entre os anos 1972 a 1990, actualmente estima-se que a província de
Inhambane detenha um potencial de cerca de 20 mil hectares de cobertura da floresta de mangal
que se encontram nas baias e estuários, como também nas zonas de transição costeira. O distrito
de Morrumbene é o distrito com a terceira maior área de mangais em Inhambane, a seguir aos
distritos de Govuro e Vilankulo (MICOA, 2010).
Embora os mangais providenciem uma série de serviços ambientais, económicos e sociais, em

Morrumbene poucos estudos foram realizados visando à avaliação da dinâmica de cobertura de
floresta dos mangais usando a detecção remota e os sistemas de informação geográfica.
Entretanto, os mangais, pelas suas características e localização, são o único tipo de vegetação
facilmente diferenciável nas imagens satélite (Sitoe, et al., 2012).
É na base dessa tese que se defende a importância de implementação deste estudo, pois o mesmo
pode subsidiar acções que visam ao estabelecimento de práticas de desenvolvimento sustentável
e à implementação de políticas de conservação e uso sustentável do mangal no Posto
Administrativo de Morrumbene.
2.3.OBJECTIVOS:
2.3.1. Objectivo geral:
 Analisar a dinâmica de cobertura de floresta do mangal no Posto Administrativo de
Morrumbene entre os anos 1998- 2018, através de imagens satélite da serie Landsat.
2.3.2. Objectivos específicos:

 Avaliar a estrutura e composição florística de cobertura do mangal;
 Gerar mapas de cobertura de florestal do mangal entre os anos 1998-2018;
 Determinar os fluxos de mudanças de floresta do mangal entre os anos 1998-2018;
 Avaliar os factores que influenciam na dinâmica de cobertura de floresta do mangal no
Posto Administrativo de Morrumbene.

3. REVISÃO BIBLIOGRÁFICA
3.1.Mangal
Os mangais são plantas com características únicas, que evoluíram para sobreviver na interface
entre a terra e o oceano no clima húmido dos trópicos e subtrópicos (UNEP, 2007). Os mangais
são compostos por árvores tolerantes à salinidade (holófitas), e que crescem em solos pouco
arejados (anaeróbios), ricos em nutrientes, usando deste modo raízes aéreas (pneumatóforos)
para respirar e podem chegar até aos 20 m de altura (MICOA, 2012).
Os mangais desempenham importantes funções socioeconómicas e ambientais. Isso inclui o

fornecimento de uma grande variedade de produtos florestais madeireiros e não madeireira;
protecção costeira contra efeitos do vento, ondas e correntes de água; conservação da diversidade
biológica, incluindo vários mamíferos, répteis, anfíbios e aves ameaçados de extinção; protecção
de recifes de coral, rotas de navegação contra assoreamento; e provisão de habitat, áreas de
desova e nutrientes para uma variedade de peixes e moluscos, incluindo muitas espécies
comerciais (FAO, 2007).
3.1.1. Diversidade de espécies de Mangal em Moçambique

Segundo MICOA (2012), em Moçambique ocorrem oito espécies de mangal, nomeadamente:
Avicennia marina, Bruguiera gymnorrhiza, Ceriops tagal, Heritiera littoralis, Lumntzera
racemosa, Rhizophora mucronata, Sonneratia alba, e Xylocarpus granatum (na zona sul é o
limite austral para espécie). As espécies Bruguiera gymnorhiza, Rhizophora mucronata e
Ceriops tagal pertencem à família Rhizophoraceae; Avicennia marina pertence à família
Avicenniaceae; Heritiera litoralis pertence à família Sterculiaceae; Lumnitzera racemosa
pertence à família Combretaceae; Sonneratia alba pertence à família Sonneratiacea e a espécie
Xylocarpus granatum pertence à família Meliaceae.
3.1.2. Distribuição espacial da vegetação do mangal em Moçambique

O mangal em Moçambique ocupa uma área estimada de 390 000 hectares (FAO, 2007), que se
estendem ao longo dos 2.770 quilómetros de costa (MAPA 1) e geralmente ocorrem ao longo de
estuários, baías e lagoas (FAO, 2005). Ao nível do país, o mangal está maioritariamente
concentrado nas regiões Norte e Centro, onde grandes volumes de água doce são descarregados
para o Oceano Índico, principalmente os rios Zambeze, Pungué, Save e Búzi no Centro do país

(MITADER, 2015). No Sul do país, os mangais ocorrem com notável desenvolvimento em

Morrumbene, baia de Inhambane, baía de Maputo, e na Ilha de Inhaca (MITADER, 2015).
MAPA 1: Distribuição espacial de vegetação do mangal em Moçambique.
3.1.3. Dinâmica temporal da vegetação do mangal em Moçambique

Segundo Saket e Matusse (1994), Moçambique tinha uma taxa de desflorestamento do mangal de
3.9% entre os anos 1972 a 1990, actualmente estima-se que Moçambique detenha um potencial
de cerca de 305,400 ha de cobertura da floresta de mangal (Fataynbo & Simard, 2013). No
entanto estudos realizados pela FAO (citado por MITADER 2015) estimaram que em
Moçambique perdeu-se cerca 60,451 ha de cobertura de floresta do mangal entre os anos 1997 a
2005. Fatoyinbo et. al, (citado por MITADER 2015) estimaram a cobertura total de mangal em
Moçambique, onde concluíram 27% amenos do que estimado anteriormente por Saket e Matusse
(1994), que rondava nos 396,080 ha em 1990.

3.2.Sensoriamento remoto
Sensoriamento remoto pode ser definido como sendo o processo de capturar informação sobre
algum objecto, sem que haja contacto com esse objecto, usando sensores que podem ser
transportados a bordo de satélites (sensores orbitais) ou a bordo de aviões com cameras
fotográficas (Pina & Santos., 2000).
Uma das primeiras aplicações dos dados obtidos remotamente tem sido a detecção de diferenças
na refletância, relacionadas à densidade da cobertura vegetal (Shiratsuchi, et al., 2014).
O objectivo do sensoriamento remoto é estudar o ambiente terrestre, pelo registo e pela análise
das interacções entre a radiação electromagnética e as substâncias presentes na superfície
terrestre. Sabe-se que todo material (natural ou artificial) sobre a superfície terrestre está
constantemente reflectindo e emitindo radiação electromagnética (Pina & Santos., 2000). O
espectro electromagnético é uma divisão didáctica da distribuição da radiação electromagnética
pelas distintas regiões, organizado de acordo com o comprimento de onda e frequência de onda
(figura 1) (Abreu & Coutinho, 2012).
Figura 1: Representação do espectro electromagnético.
Fonte: (Florenzano, 2002).
3.3.Satélite
Satélite é todo objecto que gira em torno de outro objecto, ele pode ser classificado em: satélite
natural e satélite artifial. Em astronomia, um exemplo de satélite natural é a Lua, pois ela gira em
torno da Terra (Florenzano, 2008). Já satélite artificial é um equipamento produzido pelo
homem, o qual segue a órbita de um planeta ou corpo celeste. Esse satélite é posicionado no
espaço, com auxílio de um foguete. Existem diversos tipos de satélites artificiais em órbitas do
planeta Terra e equipados com diferentes tipos de sensores e câmeras que registram informações

da superfície terrestre, tais como os satélies da série LANDSAT, IKONOS, SPOT, MODIS e
CBERS.
3.3.1. Satélite Landsat 7 ETM +

O satélite Landsat 7 foi lançado em 15 de abril de 1999, com um novo sensor a bordo
denominado ETM+ (Enhanced Thematic Mapper Plus). A operação do satélite em órbita é
administrada pela NASA (National Space and Space Administration) e sua produção e
comercialização de imagens ficam sob os cuidados da USGS (United States Geological Survey).
Uma órbita do Landsat 7 é realizada em aproximadamente 99 minutos, permitindo ao satélite dar
14 voltas na Terra por dia, e a cobertura total do nosso planeta sendo completada em 16 dias. A
sua vida útil está prevista para ser superior a seis anos em órbita. Uma imagem Landsat 7 ETM+
é composta por oito bandas espectrais que podem ser combinadas em várias composições
coloridas (Boggione, 2003).
Entre as principais melhorias técnicas em relação ao Landsat 5, plataforma antecessora ao

Landsat 7, destaca-se a adição de uma banda espectral (banda pancromática) com resolução
nominal de 15 metros, perfeitamente registrada com as demais bandas, melhorias nas
características geométricas e radiométricas, o aumento da resolução espacial da banda termal
para 60 metros e a adição de dois calibradores solares como ilustra o quadro 1 (Boggione, 2003).
3.3.2. Landsat 8 OLI

O satélite Landsat 8 foi lançado em 11 de Fevereiro de 2013 referente a Missão de Continuidade
dos Dados Landsat (LDCM), este satélite possui dois novos sensores: o sensor espectral OLI
(Operacional Land Imager) e o Sensor infravermelho Termal - TIRS (Thermal Infrared Sensor),
as melhoras na resolução espectral e radiométrica são de grande importância, visto que
possibilitam a melhora na definição e qualidade dos dados obtidos por esses sensores. Os
sensores OLI e TIRS coletam dados em conjunto para fornecer imagens correspondentes da
superfície da Terra, incluindo regiões costeiras, gelo polar, ilhas e zonas continentais (Zanetti, et
al., 2015).
A resolução espectral do sensor OLI, embora apresente semelhanças com os canais do sensor
ETM+ fornece alguns canais a mais, como o novo canal azul do visível (banda 1) projectado

especificamente para os recursos hídricos e análise de áreas costeiras, e um novo canal

infravermelho (banda 9) para a detecção de nuvens do tipo cirros (Zanetti, et al., 2015).
3.4.Sensores a bordo de satélites

As imagens de sensores a bordo de satélites são obtidas por rastreamento da superfície terrestre
(scanning), enquanto para as fotografias aéreas e a obtenção da imagem da superfície é feita
instantaneamente (Pina & Santos., 2000). A qualidade de um sensor geralmente é especificada
pela sua capacidade de obter medidas detalhadas da energia electromagnética, e as suas
características dos sensores estão relacionadas com a resolução: espacial, espectral e
radiométrica (Maio, et al., 2008). É necessário conhecimento da posição orbital do satélite e da
direcção de visualização de um sensor para construir uma imagem bidimensional
geograficamente referenciada a partir de observações individuais adquiridas pelo sensor (Brown,
et al., 2017).
3.5.Classificação dos sensores

Os sensores quanto à fonte de radiação podem ser classificados em: activos e passivos. Os
sensores que medem a radiação reflectida ou emitida pelos alvos, que provém de uma fonte
externa (e.x. do sol), são denominados sensores passivos, porque eles não possuem radiação
própria, isto é, dependem de uma fonte de iluminação externa (Moreira, 2001). Por outro lado se
o sistema sensor possui uma fonte de radiação, isto é, não depende de uma fonte externa para
irradiar o alvo, ele é denominado activo (Moreira, 2001). Neste caso os sensores emitem energia
electromagnética para os objectos terrestres a serem imageados e detectam parte da energia que
estes reflectem na direcção do sensor (Maio, et al., 2008).
3.6.Resposta espectral de alvos

O comportamento espectral de um objecto pode ser definido como sendo o conjunto dos valores
sucessivos da reflectancia do objecto ao longo do espectro electromagnético, também conhecido
como assinatura espectral do objecto (Maio, et al., 2008).
O termo comportamento espectral de alvos tem sido atribuído pelos profissionais que actuam na
aplicação do sensoriamento remoto no estudo de recursos naturais, como ao estudo da
reflectancia espectral destes recursos, quer que sejam: vegetação, solos, minerais e rochas, água,
etc (figura 2). Assim, o comportamento espectral de um alvo só é plenamente compreendido
quando são estudadas as suas propriedades de refletir, transmitir e absorver a radiação

electromagnética (Novo & Ponzoni, 2001).
Figura 2: Refletância de objectos mais frequentes na superfície terrestre.

Fonte: (Maio, et al., 2008).
3.6.1. Resposta espectral de água

A energia que é absorvida pela massa de água é, em parte, devido às moléculas e os electrões da
própria massa de água e, em parte, devido às partículas nelas dispersas (Moreira, 2001).
O comportamento espectral de corpos de água é modulado principalmente pelos processos de

absorção e espalhamento produzidos por materiais dissolvidos e em suspensão neles, pois é
verificado que a presença de matéria orgânica dissolvida em corpos de água desloca o máximo
de refletância espectral para o verde-amarelo, enquanto que a presença de matéria inorgânica em
suspensão resulta num deslocamento em direcção ao vermelho (Maio, et al., 2008).
A absorção de luz no meio aquático é decorrente das presenças de quatro componentes básicos: a
própria água, substâncias dissolvidas na água (substância amarela ou matéria orgânica
dissolvida), biota fotossintetizadora (fitoplâncton e macrófitas quando presentes) e partículas não
vivas como partículas orgânicas mortas e partículas inorgânicas (Novo & Ponzoni, 2001).
3.6.2. Resposta espectral dos solos

O comportamento espectral dos solos é também dominado pelas bandas de absorção de seus
constituintes (Maio, et al., 2008). As combinações e arranjos dos materiais constituintes dos
solos é que define o seu comportamento espectral, sendo que os principais factores são a
constituição mineral, a matéria orgânica, a humidade e a granulometria (textura e estrutura)
desde (Maio, et al., 2008).
Segundo Novo & Ponzoni (2001) o tamanho das partículas no solo afectam a sua reflectancia, ou
seja, para solos com a mesma composição mineralógica, a tendência é a redução da reflectância
com o aumento do tamanho das partículas. O teor de humidade também afecta sua reflectância em
todos os comprimentos de onda, ou seja, quanto maior o teor de humidade, menor é a reflectância do
solo em todos os comprimentos de onda.
3.6.3. Resposta espectral da vegetação

De todos os elementos constituintes da vegetação, a folha constitui o principal deles quando se
considera o processo de interacção descrito (Novo & Ponzoni, 2001). A vegetação sadia apresenta
alta absorção de energia electromagnética na região do espectro visível, que é capturada pela
clorofila para a realização da fotossíntese (Maio, et al., 2008).
A alta reflect ância no infravermelho próximo (até 1,3 𝜇m) é devido a estrutura celular, sendo que
a partir desde comprimento de onda é o conteúdo de água na vegetação quem modula as bandas
de absorção presentes no comportamento espectral desta (Maio, et al., 2008).
A distribuição espacial dos elementos da vegetação, bem como a suas densidades e orientações,
definem a arquitectura da vegetação. Cada dossel, em particular, possui suas características
próprias e desenvolve-se em diferentes tipos de solos e sobre diferentes condições ambientais
(Novo & Ponzoni, 2001).
3.7.Processamento de imagens
O processamento de imagens é configurado por algoritmos especializados, que disponibiliza para
o usuário a aplicação de uma grande variedade de técnicas de processamento (Meneses &
Almeida, 2012). Com avanço das técnicas da computação e surgimento de computadores digitais
capazes de armazenar e processar grande volume de informações, de forma extremamente

rápida, passou-se a usar técnicas de processamento digital de imagens especialmente concebida

para o processamento e análise de imagens digitais (Pina & Santos., 2000).
3.8.Pré-processamento de imagens
A fase de pré-processamento consiste na preparação de dados satélites, para realizar a
classificação (Moreira, 2001). As técnicas de pré-processamento são, essencialmente, funções
operacionais para remover ou corrigir os erros e as distorções introduzidos nas imagens pelos
sistemas sensores devidos a erros instrumentais (ruídos espúrios), às interferências da atmosfera
(erros radiométricos) e à geometria de imageamento (distorções geométricas) (Meneses &
Almeida, 2012).
3.8.1. Eliminação de ruídos

As imagens podem conter erros aleatórios de pixels ou erros coerentes de linhas de pixels que,
normalmente, se mostram como pixels ou linhas com valores saturados (claros), ou sem sinal
(escuros), esse tipo de erro é denominado de ruídos e, são decorrentes de erros instrumentais
(Meneses & Almeida, 2012). Uma das técnicas de remoção de ruído que é comummente
empregada consiste em substituir o valor zero da radiância do pixel no local do ruído, pela média
da radiância dos pixels da linha superior e inferior (Moreira, 2001).
3.8.2. Correcção atmosférica

Segundo Martins et. al, (2017) a atmosfera pode afectar a natureza das imagens de
sensoriamento remoto de várias maneiras, de um modo geral, a atmosfera é um dos principais
causadores de degradações nas imagens originais, muitas vezes comprometendo a análise e a
interpretação destas (Santos, et al., 2017). Os principais efeitos da atmosfera sobre as imagens de
sensoriamento remoto são a redução do contraste entre os alvos, a reduzida possibilidade de
detecção de alvos muito pequenos, e a não separação de alvos que apresentem reflectâncias
muito próximas (Rosa, 2009).
Segundo Martin (1999) as correcções atmosféricas podem ser feitas através de modelos de
transferência radiativa ou através de métodos empíricos, o método empírico mais utilizado é o da
subtracção do valor do pixel mais escuro. No entanto, neste método a correcção atmosférica é
realizada sem um embasamento físico que permita a aplicação em condições variadas tanto de

superfície como de atmosfera (Antunes, et al., 2003). Os modelos de transferência radiativa para
a atmosfera permitem a realização de correcções com a utilização de parâmetros da atmosfera
local e por consequência permitem um melhor embasamento físico nas correcções (Antunes, et
al., 2003).
3.8.3. Correcção geométrica

Para a utilização das imagens devem-se realizar uma série de pré-processamentos que incluem a
correcção geométrica para remoção das distorções sistemáticas introduzidas durante a aquisição
das imagens (Durán, 2014), esses distorções ocorrem através de erros, causados devido ao
movimento do satélite e erros devido à curvatura da Terra (Moreira, 2001). A correcção
geométrica envolve a modelagem da relação entre a imagem e o sistema de coordenadas da
superfície da terra. Os modelos de correcção geométrica podem ser divididos em modelos
polinomiais, ou registos, e modelos fotográficos (Silva, et al., 2012).
 Os modelos polinomiais usam funções polinomiais determinadas usando pontos de

controlo, de correcção independente, em que as fontes de distorção são analisadas e
modeladas de forma independente (Silva, et al., 2012);
 Os modelos fotogramétricos usam informações orbitais do satélite e parâmetros do sensor
para relacionar um ponto da imagem ao seu correspondente no terreno (d’Alge, 2007).
A correcção geométrica usando modelos polinomiais tem a vantagem de ser simples de execução
e não requer conhecimento de parâmetros orbitais e do sistema sensor (Silva, et al., 2012).
3.8.4. Classificação das imagens

Entendemos por classificação digital ou classificação de imagens satélites o processo de
extracção de informação em imagens com o objectivo de reconhecer padrões e objectos
homogéneos (INPE, 2006). A classificação digital é uma das funções prioritárias do
processamento digital de imagens de sensoriamento remoto. Os métodos de classificação de
imagens são aplicados com o objectivo de criar representações temáticas de fenómenos, feições e
objectos dispostos sobre a superfície terrestre. Estes métodos delimitam porções em que a
resposta espectral dos alvos apresenta as mesmas características ou significados (Seabra & Cruz,
2013). Para classificar uma imagem usam-se programas apropriado, também denominados

algoritmos de classificação ou simplesmente classificadores. Dependendo do algoritmo utilizado,

neste procedimento, a classificação é dita supervisionada ou não supervisionada (Moreira, 2001).
3.8.5. Classificação não supervisionada

Classificadores não supervisionados são classificadores que requerem pouca ou nenhuma
participação do analista no processo de classificação da imagem. O uso de classificadores não
supervisionados é indicado quando o analista não possui conhecimento, a priori, da área de
estudo (Moreira, 2001). A outra é quando desejamos fazer uma classificação exploratória da
imagem, para rapidamente e sem grande esforço, saber as possíveis classes de alvos que podem
ter na imagem (Meneses & Almeida, 2012). Há dois principais algoritmos de classificação não
supervisionada de amplo uso em sensoriamento remoto: ISODATA e K-médias. Ambos se
baseiam no agrupamento de pixels por suas similaridades, usando técnicas de distância mínima
(Meneses & Almeida, 2012).
3.8.5.1.Algoritmo ISODATA
O classificador ISODATA fundamenta-se no princípio de que todos os agrupamentos
encontrados na imagem devem ser compactos, com todos os pixels agrupados em volta da média,
ocupando uma região esférica no espaço (Meneses & Almeida, 2012). Um valor de desvio-
padrão deve ser tomado como a medida desta compacidade (Mather, 1987). Caso o desvio-
padrão do agrupamento seja maior do que o valor estabelecido, o agrupamento que representa
aquela classe de alvo é dividido (Meneses & Almeida, 2012). A outra condição é que os
agrupamentos serão bem separados se seus centros são separados por uma distância mínima
maior do que o valor de entrada. Se essa distância entre os centros de agrupamento for menor do
que o valor de entrada, então os agrupamentos são fundidos. Divisão e fusão de agrupamento é
um processo típico do ISODATA e, portanto, não mantém fixo um número de agrupamento
(Meneses & Almeida, 2012).
3.8.6. Classificação supervisionada

Ao contrário da classificação não supervisionada, a classificação supervisionada requer
conhecimentos prévios das classes de alvos, a fim de classificar a imagem nas classes de
interesse pré-fixadas pelo analista (Meneses & Almeida, 2012). Dentre os algoritmos

supervisionados os mais empregados podem ser: máxima verosimilhança (MAXVER), o método

do paralelepípedo e a distância euclidiana (Moreira, 2001).
3.8.6.1.Algoritmo de máxima verosimilhança

A diferença existente entre o algoritmo de máxima verosimilhança e o paralelepípedo reside no
simples facto de que o algoritmo de máxima verosimilhança utiliza uma abordagem
probabilística, para categorizar (classificar) um determinado "pixel" da imagem como
pertencente a uma determinada classe, enquanto o paralelepípedo a abordagem de classificação é
determinística (Moreira, 2001). O classificador por máxima verosimilhança considera a
ponderação das distâncias entre as médias dos valores dos pixels das classes, utilizando
parâmetros estatísticos (Meneses e Almeida). Esta classificação assume que todas as bandas têm
distribuição normal e calcula a probabilidade de um dado pixel pertencer a uma classe específica
(INPE, 2008). Esse classificador é eficiente porque as classes de treinamento são utilizadas para
estimar a forma da distribuição dos pixels contidos em cada classe no espaço de n bandas, como
também a localização do centro de cada classe (Meneses & Almeida, 2012).
3.8.7. Validação da classificação

Uma das últimas etapas da classificação digital de imagens é a da validação dos resultados da
classificação (Meneses & Almeida, 2012).O que se busca nessa etapa é avaliar a acurácia da
classificação. Segundo Durán (2014), para conferir que os dados colectados e classificados sejam
confiáveis e tenham a qualidade desejada, é preciso fazer uma avaliação da precisão dos métodos
utilizados. Entre as formas mais frequentes de testar a precisão dos métodos de classificação
encontram-se a matriz de confusão e o cálculo do índice Kappa (Durán, 2014).
O teste de concordância Kappa (K), também conhecido por coeficiente de Kappa, foi proposto
por Jacob Cohen em 1960, com a finalidade de medir o grau de concordância entre proporções
derivadas de amostras dependentes (Silva & Paes, 2012). O coeficiente Kappa pode ser
calculado através da seguinte equação:
𝑁∗∑𝑀 𝑀
𝑖=1 𝑑𝑖−∑𝑖=1 −(∑ 𝑙(𝑖)∗∑ 𝑐(𝑖) )
𝑘= Formula (1)
𝑁2 −∑(∑ 𝑙(𝑖)∗∑ 𝑐(𝑖))
Onde: N é número de pixels de verificação; M é número de classes.

Segundo Meneses & Almeida (2012), o Índice de Kappa pode variar de 0 (concordância nula ou
péssima) a 1 (concordância perfeita). Landis e Koch (1977) propuseram a escala de avaliação na
qual os intervalos de valores são atribuídos à qualidade da classificação:
Tabela 1: Relação entre os valores de índice kappa e o desempenho da classificação

Índice Kappa Desempenho da classificação
0.00 Sem concordância
0.00 a 0.20 Pobre

0.21 a 0.40 Fraca
0.41 a 0.60 Moderada
0.61 a 0.80 Forte
0.81 a 1.00 Excelente
3.8.8. Detenção de mudanças de cobertura

O monitoramento do uso da terra recebe importância redobrada, pois além de permitir avaliar as
alterações provocadas pela acção humana, fornece informações essenciais para o manejo
eficiente dos recursos naturais (Giotto, 1981). As técnicas de detecção de mudanças são
metodologias de monitoramento do conjunto de mudanças ambientais e socioeconómicas
ocorridas ao longo do tempo em uma determinada região do globo terrestre (Kiel, 2008), a partir
de imagens ou dados multitemporais. Uma gama de estudos tem demonstrado que a utilização
integrada das ferramentas de sensoriamento remoto e geoprocessamento estão consagradas como
o principal meio de se executar levantamento das mudanças na cobertura e uso da terra
(Pimentel, et al., 2011). As imagens de satélite são capazes de oferecer uma variedade muito
grande de informações da superfície da terra de forma rápida e actualizada (Pimentel, et al.,
2011).
3.9.Análise da composição e estrutura horizontal da floresta

As comunidades florestais apresentam constantes mudanças em sua estrutura, fisionomia e
composição florística, facto este que perdura até que a floresta atinja o estado clímax (Gardin,
2011). Portanto para que haja um aproveitamento racional, aliado à sobrevivência das florestas
naturais, torna-se necessário o desenvolvimento de técnicas silviculturais adequadas, baseadas na

ecologia de cada tipo de formação vegetal. Conhecimentos básicos sobre a dinâmica de

crescimento, recomposição florestal natural e a estrutura da floresta, propriamente dita,
constituem aspectos de extrema importância para qualquer intervenção, que venha nela ser feita,
sob o risco de exaurirem-to total de seus recursos madeireiros e dos outros que deles dependem
para sobreviver (Coraiola & Netto, 2003).
Os métodos mais usados para a análise estrutural da floresta são composição florística, estrutura
horizontal e vertical da floresta. A composição florística é avaliada através da riqueza e
diversidade (índices de diversidades de espécies) e, para efeitos de comparação da semelhança
entre as comunidades, usa-se a similaridade (índice de similaridade de espécies) (João, 2016).
A estrutura horizontal pode fornecer informações sobre o ciclo evolutivo da floresta,

apresentando fortes correlações com riqueza florística e a distribuição do número de indivíduos
das diferentes espécies.

4. METODOLOGIA E ÁREA DE ESTUDO

4.1.Descrição da área de estudo
O presente trabalho será realizado no Posto Administrativo de Morrumbene, que fica localizado
no distrito de Morrumbene, província de Inhambane. O distrito de Morrrumbene situa-se no
centro da Província de Inhambane (MAPA 2) entre as coordenadas 23º39'22.90''S e
25º20'10.67''E; faz fronteira a Norte com o distrito de Massinga, a Sul com a Cidade da Maxixe e
distrito de Homoíne, a Oeste com os distritos de Homoíne e Funhalouro e a Este com o Oceano
Índico (MAE, 2014). A superfície do distrito1 é de 2.585 km2 e a sua população está estimada
em 163 mil habitantes à data de 1/7/2012. Com uma densidade populacional aproximada de 54,3
hab/km2, prevê-se que o distrito em 2020 venha a atingir os 160 mil habitantes (MAE, 2014).
MAPA 2: Mapa de localização da área de estudo
4.1.1. Clima
O distrito de Morrumbene tem um clima tropical. Chove muito mais no verão que no inverno.
Segundo a Köppen e Geiger a classificação do clima é Aw, Morrumbene tem uma temperatura

média de 23.3 °C, 925 mm é o valor da pluviosidade média anual. O mês mais seco é Setembro
com 25 mm (Figura 3).
Com uma média de 151 mm o mês de Janeiro é o mês de maior precipitação. A temperatura
média do mês de Janeiro, o mês mais quente do ano, é de 26.4 °C e com uma temperatura média
de 19.4 °C, Julho é o mês com a mais baixa temperatura ao longo do ano. O mês mais seco tem
uma diferença de precipitação 126 mm em relação ao mês mais chuvoso. As temperaturas
médias variam 7.0 °C durante o ano.
160 30
140
25
120
20
100
80 15
60
10
40
5
20
0 0
Precipitação (mm) Temperatura média (°C)
Figura 3: Distrituição temporal de precipitação e temperatura.

Fonte: Global Climate Monitor. Disponivel em: <http://www.globalclimatemonitor.org/>.
[Acesso em: 25 de Agosto de 2019].
4.1.2. Habitats terrestres

No Distrito de Morrumbene distinguem-se, da costa em direcção ao interior, três principais
regiões, consoante o tipo predominante de vegetação: a região costeira dunar com vegetação
dunar, os matagais ou matas de miombo e o mosaico de matas de miombo decíduo – florestas
decíduas (MICOA, 2012). No geral, em termos de ocupação do solo, as matas ocupam mais de
metade da área do distrito (54,1% equivalente a 1.394 km2), seguindo-se as florestas (13,5%
equivalente a 347 km2), as pradarias (11,8% equivalente a 303 km2), terras húmidas (5,5%

equivalente a 142 km2) e os mangais (0,5% equivalente a 13 km2). Outras áreas pequenas são
ocupadas pelos assentamentos humanos e por terras de cultivo ou ainda constituem áreas sem
vegetação ou degradadas (MICOA, 2012).
4.1.2.1.Zonas de transição litoral

4.1.2.1.1. Mangais
No Distrito de Morrumbene, as formações de mangais restringem-se ao estuário de Morrumbene
ou Baía de Linga Linga (a qual constitui uma enseada, a Norte na Baía de Inhambane, delimitada
pelas Pontas Linga Linga e Chicuque). Aqui, canais com até 2,5 km de largura encontram-se
completamente revestidos de vegetação arborescente, com pântanos de caniço atrás dos mangais
e leitos de ervas marinhas em frente destes. O Distrito de Morrumbene é o distrito com a terceira
maior área de mangais em Inhambane, a seguir aos Distritos de Govuro e Vilankulo (MICOA,
2012).
4.1.2.1.2. Praias arenosas e rochosas

Na costa de Inhambane as praias ocorrem, por longas extensões, entre as baías existentes. As
praias arenosas desta região são baixas e estreitas, com areia geralmente branca (MICOA, 2012).
No Distrito de Morrumbene, com excepção da Baía de Linga Linga onde encontra-se um
ambiente estuarino com mangais, praias arenosas estendem-se por toda a costa para Norte até ao
limite com o Distrito de Massinga. As praias da região constituem uma atracção turística
importante e constituem importantes locais de nidificação de tartarugas marinhas (MICOA,
2012).
4.1.2.1.3. Estuários
No Distrito de Morrumbene encontra-se presente um único estuário, o Estuário de Morrumbene
na Baía de Linga Linga. Este resulta da drenagem de dois principais rios, o Rio Mucambe e o
Rio Panga, e é um estuário construído por barra, resultante da sedimentação das areias gerada
pela dinâmica costeira local (MICOA, 2012). Os estuários são importantes pela sua alta
produtividade, jogando um papel ecológico importante na exportação de nutrientes e matéria
orgânica para outros ecossistemas. Além disso, fornecem abrigo para muitas espécies e
constituem viveiros para espécies migratórias (MICOA, 2012).

4.1.2.1.4. Lagos e lagoas costeiras

No Distrito de Morrumbene encontram-se alguns pequenos lagos na Ponta Linga Linga,
nomeadamente os lagos Nhacivi, Nhafocuane e Nhandoi. Outros lagos presentes são os lagos
Chicungussa, Rale, Nhambororo e Bonzane (a Oeste), Chitemue (a Sul, no limite com o Distrito
de Homoíne), Nhacuene e Nhalimbute (a Norte da Baía de Morrumbene) (MICOA, 2012).
Lagos e lagoas costeiras constituem a interface entre o ambiente terrestre e o marítimo sendo
importantes em vários processos como, por exemplo, o de controlo da erosão; constituem habitat
para diversas espécies de aves aquáticas e comportam espécies típicas de peixes e invertebrados.
Para o Homem, estes sistemas são importantes como fonte de água para as populações, gado e
agricultura, e importantes para a pesca, para além do seu valor cénico e turístico (MICOA,
2012).
4.2.Matérias e Metodologia
4.2.1. Matérias
Para a realização deste trabalho serão usados os seguintes matérias:
Quantum GIS 3.12.0
 Corte de imagem satélite;
 Delimitação da região de interesse e combinação de bandas.
Exelis Envi 5.3

 Pré-processamento de imagens satélite;
 Classificação e validação.
ArcGis 10.7
 Selecção de dados de treinamento e validação;
 Produção de mapas temáticos.
GPS Map 64s

 Registo das coordenadas para a validação no campo;
 Localização dos pontos de classes no treino.
Máquina fotográfica com resolução do sensor de 24 Megapixel

 Captação de fotografias das diferentes formas de uso de terra.
Google Earth Pro

 Auxilio na validação dos dados no campo.
Suta
 Para a medição do diâmetro a altura do peito das árvores (DAP);
Fita métrica
 Para a medição das parcelas
Corda
 Para auxilio na demarcação das parcelas;
Hipsómetro
 Para medição de altura;
Prensa
 Para recolha de amostras de espécies não identificadas no campo;

4.2.2. Metodologia
O fluxograma abaixo (figura 4) expressa o esquema metodológico que será usado neste trabalho:
Classificação
Aquisição das
Pré-Processamento
imagens Não Supervisionada
Validação Classificação
Trabalho de campo
Supervisionada
Da Classificação
Mapa de cobertura Análise da

Mapa de mudança de
do mangal dos anos composição
cobertura do mangal
1998-2018 florística e estrutura
horizontal
Avaliação da Determinação de
Medidas de precisão
Classificação taxa de
desmatamento do inventário
Figura 4: Esquema metodológico
4.2.2.1.Aquisição das imagens
As imagens do satélite da série Landsat 7 ETM+ e Landsat 8 OLI para os anos 1998-2018, serão
seleccionadas no catálogo de imagens da USGS - Global Visualization Viewer do disponíveis
gratuitamente em https://earthexplorer.usgs.gov.
4.2.2.2.Delimitação da região de interesse e combinação de bandas

Após a aquisição das imagens satélites segue a etapa de selecção de bandas para a classifição das
imagens, nesta etapa escolhesse as melhores combinações de banda para descriminar os objectos
alvos (combinação 432 para Landsat 8 e 543 para Landsat 7), após essa etapa devesse usar a
técnica de Layer Stacking do Software Exelis ENVI 5.3 para fazer o empilhamento das bandas

seleccionadas e por fim com ajuda do Software Quantum GIS 3.49 faz-se o corte vectorial da
área do estudo com o shapfile do Posto Administrativo de Morrumbene através da técnica Clip
Raster by Mask Layer.
4.2.2.3.Pré-processamento das imagens

Após a aquisição das imagens, com ajuda do software Exelis Envi 5.3, podem ser feitas as
correcções de ruídos, correcções geométricas e atmosféricas. Para a realização de correcção de
ruídos será empregada à técnica que consiste em substituir o valor zero da radiância do pixel no
local do ruído, pela média da radiância dos pixels da linha superior e inferior; e para correcção
geométrica será empregue a técnica de reamostragem por interpolação. A correcção atmosférica
será realizada através da técnica do uso do limite inferior dos valores digitais do histograma de
cada banda.
4.2.2.4.Classificação das imagens

Para a classificação não supervisionada das imagens satélite será usado o algoritmo de
classificação ISODATA e para a classificação supervisionada será usado o algoritmo de máxima
verosimilhança (Max ver) do Software Exelis ENVI 5.3 que vai permitir identificar a cobertura
de floresta do mangal no Posto Administrativo de Morrumbene.
4.2.2.4.1. Classificação não supervisionada

Nesta etapa vai se usar o algoritmo ISODATA do Software Exelis ENVI 5.3 que vai permitir
agrupar os pixéis em classes espectrais, e posteriormente, será feita uma reclassificação com base
em dados obtidos através de trabalho de campo. O principal objectivo deste tipo de classifição é
de nos dar as possíveis classes que poderão ser encontradas na área de estudo, para
posteriormente serem feitas as validações das classes através de trabalho de campo.
4.2.2.4.2. Validação das classes e trabalho de campo

Nesta etapa pretendesse fazer a confirmação das classes de uso de cobertura de terra que foram
geradas através do processo de classificação não supervisionada do algoritmo ISODATA, para
tal serão alocados de forma aleatórios pontos amostrais nos mapas através de coordenadas
geográficas. Essas coordenadas serão inseridas em um GPS (Global Positioning System) para
ajudarem no processo de localização dos pontos amostrais e para posteriormente serem feitas a
confirmação ou rejeição de classes. A partir dos mapas classificados serão geradas coordenadas

de todas as classes a serem mapeadas que serão introduzidas no GPS para a sua confirmação. O
trabalho de campo vai consistir na confirmação das classes de cobertura de terra, bem como
identificar/ou caracterizar as práticas costumeiras da região.
4.2.2.5.Classificação supervisionada
Após a validação das classes de uso de cobertura de terra será feita a classificação
supervisionada, nesta etapa os pixéis das classes pré-determinadas serão localizados nas imagens
satélites e submetidos ao algoritmo de classificação máxima verosimilhança (Max ver) do
Software Exelis ENVI 5.3 para posteriormente criar mapas de cobertura de terra com as classes
validadas.
4.2.3. Descrição das classes de uso e cobertura de terra

Esta etapa tem como principal objectivo de definir as classes de interesses a partir das amostras
representativas. Neste estudo serão descritas as seguintes classes:
 Mangal: Toda área coberta com vegetação de mangal;
 Corpos de água: Rios e pequenas lagoas artificiais;
 Ocupação urbana: Inclui qualquer área de solo exposto e todo tipo de infra-estruturas
em zonas urbanas, como estradas alcatroadas e casas;
 Matagal ou pradaria: Toda área coberta por matagal, floresta e padraria;
 Áreas de cultivo ou terras húmidas: Zonas inundadas; campos agrícolas em uso, com
plantas já germinadas, quer sejam exploração de pequena ou grande escala;
 Áreas naturais sem vegetação ou praias: Bancos de área e praias.
4.2.4. Avaliação do desempenho da classificação

Para conferir que os dados colectados e classificados sejam confiáveis e tenham a qualidade
desejada vai se avaliar a acurácia da classificação através da matriz de confusão e do cálculo de
índice Kappa. Para tal vai se medir o grau de concordância entre proporções de amostra
dependentes, neste caso concreto os mapas classificados e a verificação de informações do
campo. Para atribuição de intervalos de valores da qualidade da classificação vai se usar valores
propostos por Landis e Kock (1977).

4.2.5. Mudanças de cobertura do Mangal

A identificação das áreas de mudança de cobertura florestal será feita com base na intercessão
das imagens das duas datas, que vai resultar num único mapa (mapa de mudanças de cobertura
florestal) indicando as áreas de mudanças de uma determinada classe de cobertura para outra e,
incluindo aquelas áreas que se manterão durante o período a ser analisado. As áreas de mudanças
de cobertura florestal serão identificadas através do método Change Datection Difference Map a
partir da operação Change detection do Software Exelis ENVI 5.3.
4.2.6. Estimativas de áreas e os fluxos de mudanças de cobertura do Mangal

As áreas das classes serão obtidas para cada um dos mapas (1998-2018) através do módulo Class
statistics do Software Exelis ENVI 5.3, multiplicando o número de pixéis que cobre cada classe
de cobertura por 0,09 hectares que corresponde à resolução espacial do sensor do Landsat 7
ETM+ e 8 OLI (30x30 m), de acordo com a fórmula (2) que se segue:
𝐴𝐶 = 𝑁𝑃 × 𝑅𝐸 Formula (2)
Onde: AC: área de classe; NP: número de pixéis de cada classe; RE: resolução espacial do
sensor.
A partir do módulo Change Datection statistics da operação change detection vai se produzir
uma matriz das mudanças e a partir desta, determinar o fluxo das mudanças da cobertura. Para a
estimativa do fluxo de mudanças vai se agrupar as mudanças em dois grupos; mudanças
positivas (ganho de cobertura) e mudanças negativas (perda de cobertura).
4.2.7. Cálculo de taxa de desmatamento

Para o cálculo de taxa de desmatamento vai se adoptar o método proposto pela Food
Administration Organization (FAO), que é sustentada pela equação proposto por Puyravaund
(2003) para calcular a taxa percentual de cobertura florestal perdida. A fórmula assume que a
área de floresta perdida pelo desmatamento decresce ao longo do tempo de acordo com uma taxa
exponencial, dada por:
1 𝐴2
𝑅= × ln Formula (3)
𝑡2−𝑡1 𝐴1
Onde: R: taxa de desmatamento; ln: logaritmo natural; A2: área do Mangal no final do período
em análise (t2); A1: extensão do Mangal no início do período de referência (t1).

4.3.Analise da composição florística e estrutura horizontal da floresta

4.4.Amostragem
Para colecta de dados, serão seleccionados pontos de amostragem aleatória no mapa da área de
estudo. Os pontos de amostragem serão alocados na área de estudo com auxílio do Software
QGIS. Cada ponto amostral, correspondera a um cluster. Na área de estudo, serão alocadas 13
clusters que correspondem 52 parcelas de forma rectangular de 0,06 ha cada (30 x 20 m) (figura
5), obedecendo uma distribuição aleatória.
Dentro de cada parcela vai-se estabelecer sub-parcela de 10x15 m para regeneração estabelecida
(com DAP 5 - 10 cm), e outra sub-parcela de 5x5m para contagem de todos os indivíduos em
regeneração não estabelecida (estes com DAP< 5 cm).
Figura 5: Esquema das parcelas para o levantamento dos dados dendrométricos, onde: (1)
parcela de 30x20 m (árvores adultas, DAP ≥ 10 cm); (2) parcela de 10x15 m (regeneração
estabelecida).
4.4.1. Análise da composição florística

As análises da florística podem incluir estimativas de índices de similaridade de espécies, índices
de diversidade de espécies, índices de agregação de espécies e índices de associação de espécies.
4.4.1.1.Índice de diversidade Shannon-Wiener (H’)

O índice de diversidade de Shannon-Wiener (H’) é obtido a partir da seguinte formula:

𝐻’ = − ∑𝑛𝑖=1 𝑝𝑖 ln(𝑝𝑖) Formula (4)
Onde: H’: diversidade de Shannon-Wiener; pi: proporção do número total de indivíduos a que
pertencem a espécie i(𝑝𝑖 = 𝑛𝑖⁄𝑁); n: número de indivíduos da espécie i; N: número total de
indivíduos de todas espécies.
4.4.1.2.Índice de Dominância de SIMPSON (C)

O índice de dominância de SIMPSON (C) é obtido a partir da seguinte formula:
∑𝑠𝑖=1 𝑛𝑖(𝑛𝑖−1)
𝐶= Formula (5)
𝑁(𝑁−1)
Onde: C: dominância de SIMPSON; pi: proporção do número total de indivíduos a que

pertencem a espécie i(𝑝𝑖 = 𝑛𝑖⁄𝑁); n: número de indivíduos da espécie i; N: número total de
indivíduos de todas espécies.
4.4.1.3.Equabilidade de Pielou (J')

A equabilidade de Pielou (J') é obtido a partir da seguinte formula:
H’
𝐽’ = Formula (6)
Hmax
Onde: J’: Equabilidade de Pielou; Hmax= 𝐥𝐧(𝒔); S: número total de espécies amostradas.
4.4.1.4.Coeficiente de Mistura de Jentsch (QM)

O coeficiente de mistura de Jentsch (QM) é obtido a partir da seguinte formula:
S
𝑄𝑀 = Formula (7)
N
Onde: QM: coeficiente de mistura de Jentsch; S: número total de espécies amostradas; N:

número total de indivíduos amostrados.
4.4.2. Estrutura horizontal

As análises da estrutura horizontal podem incluir a frequência absoluta (Fa) e relativa (Fr),
densidade absoluta e (Da) e relativa (Dr), dominância absoluta (DoA) e relativa (DoR), Índice de
valor de cobertura (IVC), índice de valor de importância (IVI).

4.4.2.1.Densidade ou abundância
A densidade, também chamada abundância, é o número de indivíduos de cada espécie na
composição do povoamento. Este parâmetro é estimado em termos de densidade absoluto (DA) e
densidade relativa (DR).
4.4.2.1.1. Abundância absoluta

Densidade absoluta (DA) indica o número de indivíduos de uma espécie por unidade de área
[hectare (ha)] e é estimado a partir da expressão apresentada abaixo:
𝑛𝑖
𝐷𝐴𝑖 = Formula (8)
𝐴
4.4.2.1.2. Abundância relativa

Densidade relativa (DR) indica a participação de cada espécie em relação ao número total de
árvores/indivíduos e é estimado a partir da expressão apresentada abaixo:
𝑛𝑖
𝐷𝑅𝑖 = × 100 Formula (9)
𝑁
Onde: A: área total das amostras; ni: número de indivíduos de uma determinada espécie; N:
número total de indivíduos.
4.4.2.2.Dominância
A dominância é expressa em termos de área basal, devido à alta correlação entre o diâmetro do
tronco, tomado a 1,3 m do solo (DAP), e o diâmetro da copa (DC).
4.4.2.2.1. Dominância absoluta

Dominância Absoluta (DoA) é definida como a área basal total de uma determinada espécie (gi)
por unidade de área, geralmente o hectare.
𝑔𝑖
𝐷𝑂 A = Formula (10)
Á𝑟𝑒𝑎(ℎ𝑎)
𝜋×𝐷𝐴𝑃2
𝑔𝑖 = Formula (11)
4
4.4.2.2.2. Dominância relativa
Dominância Relativa (DoR) representa a percentagem da área basal de uma determinada espécie
(gi) em relação a área basal de todas as espécies amostradas (G), o somatório das áreas basais
individuais, ambas calculadas por unidade de área.

𝑛𝑖
𝐷𝑂 R = × 100 Formula (12)
𝐺
4.4.2.3.Frequência
Exprime a distribuição espacial de cada espécie na área. Indica o número de unidades amostrais
que uma espécie ocorre e relação ao número total de unidades amostrais.
4.4.2.3.1. Frequência absoluta

Frequência absoluta (FA) indica a porcentagem (ou proporção) de ocorrência de uma espécie em
uma determinada área.
𝑝𝑖
FA = × 100 Formula (13)
𝑃
Onde: pi: número de parcelas (unidades amostrais) com ocorrência da espécie i.; P: número total
de parcelas (unidades amostrais) na amostra.
4.4.2.3.2. Frequência Relativa

Frequência Relativa (FR) é a relação entre a frequência absoluta de determinada espécie com a
soma das frequências absolutas de todas as espécies.
𝐹𝐴𝑖
FR = ∑ × 100 Formula (14)
𝐹𝐴
Onde: FAi: Frequência absoluta de uma determinada espécie; ∑ 𝑭𝑨: somatório das frequências
absolutas de todas as espécies amostradas.
4.4.2.4.Índice do valor de importância

É o índice que caracteriza a importância de cada espécie na comunidade (sob a perspectiva
horizontal), reunindo os critérios de análise dos três parâmetros (DR, FR, DoR).
𝐼𝑉𝐼 = 𝐷𝑅 + 𝐹𝑅 + 𝐷𝑂 𝑅 Formula (15)
4.4.2.5.Índice do valor de cobertura

A importância de uma espécie dentro do povoamento também pode ser estimada pelo número de
árvores (densidade) e suas dimensões (dominância). Com isto, o valor de cobertura é calculado
da seguinte forma:
𝑉𝐶𝑖 = 𝐷𝑅 + 𝐷𝑂 𝑅 Formula (16)

5. RESULTADOS ESPERADOS
Com realização desse estudo espera-se conhecer a composição florística do ecossistema do
mangal no Posto administrativo de Morrumbene; produzir mapa temático que demostram a
cobertura de floresta do mangal no Posto Administrativo de Morrumbene; conhecer a dinâmica
de cobertura de floresta do mangal no Posto Administrativo de Morrumbene entre os anos 1998-
2018 e ainda demostrar os possíveis factores que influenciam na dinâmica de cobertura de
floresta do mangal.
Espera-se também que os resultados desse estudo ajudem o governo local a sensibilizar as
comunidades locais no estabelecimento de práticas de desenvolvimento sustentável e à

6. CONDIÇÕES DE IMPLEMENTAÇÃO E FACTORES DE RISCO

Para implementação desse estudo são necessárias as seguintes condições:
 Aquisição de computador que suporte Softwares de processamento de imagens satélites
de alta resolução;
 Aquisição de Softwares genuínos de processamento de imagens satélites;
 Aquisição de GPS para auxiliar no processo de validação de dados;
Os factores que podem criar limitações nesse estudo são:

 Falta de meios financeiros para aquisição de matérias como computador e GPS; e
Software de processamento como por exemplo Exelis ENVI 5.3 e ArcGis 10.7 podem
contribuir para a limitação desse estudo;
 As condições climáticas podem criar constrangimentos e ainda influenciar na colheita de
dados, há exemplo disso nos dias chuvosos serão quase impossível fazer trabalho de
campo devido as condições da área de estudo que estará escorregadio;
 A falta de transporte para locomoção no campo pode contribuir para a lentidão no
processo de colheita de dados;

7. CRONOGRAMA DE ACTIVIDADES
Tabela 2: Cronograma de actividade
2020
Janeiro Fevereiro Março Abril Maio
Actividades Semana Semana Semana Semana Semana
1 2 3 4 1 2 3 4 1 2 3 3 1 2 3 4 1 2 3 4
Aquisição das imagens
Processamento das imagens
Trabalho de campo
Elaboração do relatório
Entrega do relatório

8. PLANO ORÇAMENTAL
Tabela 3: Custo de implementação do projecto
Item Quantidade C. Unitário (Mt's) C. Total (Mt's)
ArcGis 10.7 1 6,641.50 6,641.50
Dell Inspiron 17.3 (10th Gen Intel
Quad-Core i7 up to 3.9 GHz) 1 94,907.04 94,907.04
Portátil Garmin GPSMAP 64sx 1 24,056.49 24,056.49
Máquina fotográfica Nikon D5600 1 39,325.20 39,325.20
Fita métrica 5 Metros 350.00 350.00
Corda 500 Metros 500.00 500.00
Prensa - 500.00 500.00
Internet (Pacote mensal Movitel) 38 GB 3,000.00 3,000.00
Impressão do documento 2 3,000.00 6,000.00
Outros (Imprevistos) - 10,000.00 10,000.00
Total 185,180.23 214,280.23

9. REFERÊNCIAS BIBLIGRÁFICAS
 Abreu, K. M. P. d. & Coutinho, L. M., 2012. Sensoriamento remoto aplicado ao estudo
da vegetação com ênfase em índice de vegetação e métricas da paisagem. VÉRTICES,
Volume 16, pp. 173-198.
 Antunes, M. A. H., Freire, R. M. B., Botelho, A. d. S. & Toniolli, L. H., 2003. Correções
atmosféricas de imagens de satélites utilizando o modelo 6s.
 Boggione, G. d. A., 2003. Restauração de imagens do satélite landsat-7. São José dos
Campos: INPE.
 Bosquilia, R., s.d. Comportamento espectral de alvos vegetação. s.l.:s.n.
 Brown, C. W., Lillibridge, J. & .Nalli, N. R., 2017. An introduction to satellite sensors,
observations and techniques. Research Gate., pp. 1-32.
 Câmara, G. et al., 1996. Anatomia de Sistemas de Informação Geográfica. Rio de

Janeiro: s.n.
 Coraiola, M. & Netto, S. P., 2003. Análise da estrutura horizontal de uma floresta
estacional semidecidual localizada no município de Cássia-Mg. Ciências agrárias e
ambientais, Volume 1, pp. 11-19.
 Costa, L. C. O., 2018. Trajetória das mudanças de uso e cobertura da terra em

estimativas de perda de solo em uma região de expansão agrícola na amazônia: a bacia
do rio curuá-una, PA. São José dos Campos: Dissertação de Mestrado do Curso de Pós-
Graduação em Sensoriamento Remoto - INPE.
 d’Alge, J. C., 2007. Correção Geométrica de Imagens de Sensoriamento Remoto. s.l.:s.n.
 Durán, G. B., 2014. Correção geométrica automática de imagens de satélite: uma

contribuição nos estudos urbanos. s.l., VII Congresso brasileiro de geográfos.
 Durán, G. Y. B., 2014. Estudo da resposta espectral de alvos urbanos com

espectroscopia de reflectância e imagens de alta resolução espacial. Santa Maria, RS,

Brasil : Universidade Federal de Santa Maria. Centro de ciências naturais e exatas.

Programa de pós-graduação em geografia e geociências.
 FAO, F. a. A. O. o. t. U. N. -., 2007. The world's mangroves 1980-2005. 153 ed. Rome:
FAO Forestry Paper.
 Florenzano, T., 2002. Imagens de satélite para estudos ambientais.. São Paulo: Oficina.
 Florenzano, T. G., 2008. Os Satélites e Suas Aplicações. São José dos Campos - SP:
SindCT.
 Furtado, A. L. d. S., Rodrigues, C. A. G. & Tôsto, S. G., s.d. Satélites e Produtos. s.l.:s.n.
 Gardin, E., 2011. Desenvolvimento e aplicação de software para análise da estrutura e

dinâmica em florestas naturais. GUARAPUAVA: Dissertação (mestrado) - Universidade
Estadual do Centro-Oeste, Programa de Pós-Graduação em Agronomia, área de
concentração em Produção Vegetal.
 Giotto, E., 1981. Aplicabilidade de imagens RBV do LANDSAT 3 em uso de

levantamento da terra no município de Tapera - RS. Santa Maria: Dissertação (Mestrado
em Engenharia Agrícola), Universidade Federal de Santa Maria..
 GlobalClimateMonitor, 2019. Global Climate Monitor. [Online] Available at:

www.globalclimatemonitor.org.[Acedido em Agosto 2019].
 Guerreiro, J. et al., 1997. Sediment macrobenthos of mangrove flats at Inhaca Island. 37:
309-327 ed. Maputo: Cahiers de Biologie Maritime.
 INPE, I. N. d. P. E. -B., 2006. Tutorial do SPRING. São José dos Campos: s.n.
 INPE, I. N. D. P. E. -., 2008. Manuais: tutorial de geoprocessamento SPRING. s.l.:s.n.
 João, S. S., 2016. Avaliação da composição florística, estrutura horizontal e estoques de

carbono em duas formações florestais na província de Sofala. Maputo: s.n.
 Kiel, R., 2008. Detecção de mudanças no uso e na cobertura do solo em uma série
temporal de imagens da região da campanha do rio grande do sul. Rio Grande do Sul:

Dissertação (Mestrado em Sensoriamento Remoto) – Universidade Federal do Grande do

Sul - Porto Alegre.
 LANDIS, J. R. & KOCH, G. G., 1977. The measurement of observer agreement for
categorical data.. s.l.:Biometrics.
 Macamo, C. & Sitoe, A., 2017. Relatório de Governação Ambiental 2016 - Governação e
gestão de mangais em Moçambique. Maputo: Centro Terra Viva.
 MAE, 2014. Perfil do Distrito de Morrumbene - Província de Inhambane. 2014 ed.

Maputo – Moçambique: Copyright © 2012 Ministério da Administração Estatal.
Direcção Nacional de Administração Local.
 Maio, A. D. et al., 2008. Sensoriamentro Remoto. s.l.:s.n.
 Marzoli, A., 2007. Inventário Florestal Nacional. Maputo: s.n.
 Mather, P., 1987. Computer Processing of Remotely Sensed Images: an Introduction.

s.l.:St Edmundsburi Press Ltd.
 Meneses, P. R. & Almeida, T. d., 2012. Introdução ao processamento de imagens de

sensoriamento remoto. BRASÍLIA: s.n.
 MICOA, M. P. A. C. D. A. A. -., 2010. Avaliação dos níveis de corte, composição

específica e regeneração natural de mangal no Sul de Moçambique. Xai-Xai: s.n.
 MICOA, M. p. a. C. d. A. A. –., 2012. Panfleto de Mangal. s.l., s.n., p. 2.
 MICOA, M. p. a. C. d. A. A. –., 2012. Perfil ambiental e mapeamento do uso actual da

terra nos distritos da zona costeira de Moçambique. Distrito de Morrumbene: Impacto.
 MICOA, M. p. a. C. d. A. A. –., 2013. Projecto de Avaliação Ambiental Estratégica da

Zona Costeira – Moçambique. s.l.:s.n.
 MITADER, M. D. T. A. E. D. R. -., 2015. Estratégia e plano de acção nacional para

restauração de mangal (2015 - 2020). s.l.:s.n.

 Moreira, M. A., 2001. Fundamentos do sensoriamento remoto e metodologias de

aplicação. 1 ed. São José dos Compos-SP: s.n.
 Novo, E. M. L. d. M. & Ponzoni, F. J., 2001. Introdução ao sensoriamento remoto. São

José dos Campos: s.n.
 Oliveira, B. S., 2016. Satélites e sensores. São José dos Campo - SP: s.n.
 PEDD, G. d. D. d. M. -., 2011. Plano Estratégico de Desenvolvimento do Distrito -

PEDD (2011-2015). Morrumbene: Governo do Distrito de Morrumbene.
 Pimentel, M. T., Dias, R. R. & Pereira, E. Q., 2011. Mapeamento das mudanças da
cobertura e uso da terra entre os anos de 1984 e 2009 utilizando técnicas de
sensoriamente remoto e geoprocessamento: estudo de caso do Município de Fátima –
Estado do Tocantins. Curitiba: Anais XV Simpósio Brasileiro de Sensoriamento Remoto
- SBSR.
 Pina, M. d. F. d. & Santos., S. M., 2000. Conceitos básicos de Sistemas de Informação

Geográfica e Cartografia aplicados à saúde. 20 ed. Brasília: s.n.
 PUYRAVAUD, J. P., 2003. Standardizing the calculation of the annual rate of

deforestation. s.l.:Forest Ecology Management.
 Quartaroli, C. F. & Batistella, M., 2005. Processamento de Imagens de Sensoriamento

Remoto: Tutorial Básico. Campinas, SP: Embrapa.
 Ribeiro, N., Sitoe, A. A., Guedes, B. S. & Staiss, C., 2002. Manual de silvicultura
tropical. Maputo: s.n.
 Rosa, R., 2009. Introdução ao Sensoriamento Remoto. In: Uberlândia: EDUFU: s.n., p.
264.
 Santos, A. R. d., 2013. Apostila de sensoriamento remoto. Espírito Santo-Brasil : s.n.

 Santos, T. C. C. d., Antunes, M. A. H., Seoan, J. C. S. & Sousa, G. M. d., 2017.

Comparação de modelos de correção atmosférica para imagem worldview-2. Revista
Brasileira de Cartografica, pp. 229-240.
 Seabra, V. d. S. & Cruz, C. M., 2013. Mapeamento da dinâmica da cobertura e uso da

terra na bacia hidrográfica do Rio São João, RJ. pp. 412-426.
 Shiratsuchi, S. L. et al., 2014. Sensoriamento Remoto: conceitos básicos e aplicações na

Agricultura de Precisão. In: p. 58-73 ed. Brasília: Agricultura de precisão: resultados de
um novo olhar, pp. 58-73.
 Silva, G. B. S. d. et al., 2012. Procedimentos para correção geométrica de imagens de

satélite. Circular Técnica, pp. 3-18.
 Silva, R. d. S. e. & Paes, Â. T., 2012. Teste de concordância Kappa. Educ Contin Saúde
einstein.
 Sitoe, A., Salomão, A. & Wertz-Kanounnikoff, S., 2012. O contexto de REDD+ em

Moçambique : causas, actores e instituições.. Publicação Ocasional 76 ed. Bogor,
Indonesia.: CIFOR.
 UNEP, 2007. Mangroves of Western and Central Africa. 26 ed. United Kingdom: UNEP-
WCMC Biodiversity.
 USGS, 2018. Imagery for Everyone: Timeline set to release entire USGS Landsat archive
at no charge. Disponivel em disponível em <http://www.glovis.usgs.gov/, acesso em
Agosto de 2019.. s.l.:s.n.
 USGS, L. M. -., 2019. Frequently Asked Questions about the Landsat Missions.
Disponível em: <http://landsat.usgs.gov/L8_band_combos.php>. s.l.:s.n.
 Zanetti, J., Gripp, J. S., Ferreira, I. O. & Medeiros, N. d. G., 2015. Análise crítica da
evolução do satélite landsat. s.l.:I Seminário Científico da FACIG.

ANEXOS
Anexo 1:
A. Identificação
1. Código do inquérito _____________________ , Local ________________________
2. Data: _________/_________/_________
3. Nome:___________________________________________, Sexo: ______________
4. Posição na família:
( ) Chefe ( ) Esposa ( ) Filho/a ( ) Outros
A. Avaliação do estado de conservação da floresta do mangal
5. Quais são as causas que contribuem para mudança de cobertura do mangal?
( ) Conversão de áreas do mangal em salinas
( ) Produção de lenha e carvão
( ) Material de construção (estacas)
( ) Cheias e ciclones
( ) Outros
Quais? _________________________________________________________________
_______________________________________________________________________
6. Quais são os motivos que levam a exploração do mangal?
( ) Desemprego
( ) Aumento de renda familiar
( ) Outros
Quais? _________________________________________________________________
_______________________________________________________________________
7. Quais são os problemas que resultam da mudança de cobertura do mangal?
( ) Erosão
( ) Degradação do solo
( ) Redução de níveis de pesca
( ) Outros
Quais? _________________________________________________________________
_______________________________________________________________________
Autor: Chaúque; Justino Natalino Página vi

8. Quais são as medidas que estão sendo tomadas para resolver esse(s) problema(s)?
( ) Replantio
( ) Respeitar o período defeso
( ) Envolvimento da comunidade local na gestão do mangal
( ) Outros
Quais? _________________________________________________________________
_______________________________________________________________________
9. Existe uma fiscalização do mangal?
( ) Sim! ( ) Não! Caso sim, quem é que fiscaliza? ____________________________
________________________________________________________________________
10. Qual é a frequência de fiscalização do mangal?
( ) Permanente ( ) Mensal ( ) Anual ( ) Ocasionalmente
11. É possível suprir necessidades familiares com que se ganha na exploração do mangal?
( ) Sim! ( ) Não!
12. Qual é a importância da conservação de floresta do mangal?
( ) Prevenção da erosão da costa e margens dos rios
( ) Atenuam as cheias
( ) Ajudam na reprodução de espécies marinhas
( ) Outros
Quais? _________________________________________________________________
_______________________________________________________________________
13. Observações: ____________________________________________________________
__________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
Autor: Chaúque; Justino Natalino Página vii

Anexo 2:
Ficha técnica de colecta de dados
Província:_________________; Distrito:______________; Posto Administrativo:____________
Coordenas:________________________; Data:_____/_____/______; Nº da ficha:___________
Nº Nome da espécie DAP 1 (cm) DAP 2 (cm) HC (m) HT (m) Observação

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
Autor: Chaúque; Justino Natalino Página viii

TCC - Justino Chaúque PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

TCC - Justino Chaúque PDF

Enviado por

Direitos autorais:

Formatos disponíveis

INSTITUTO SUPERIOR POLITÉCNICO DE GAZA

CURSO DE ENGENHARIA FLORESTAL

Análise da dinâmica de cobertura de floresta do mangal no Posto

Autor: Justino Natalino Chaúque

Tutor: Arão Raimundo Finiasse (MSc)

Co-tutor: Luís Comissário Júnior Mandlante (Phd)

Lionde, Abril de 2020

Tutor: Arão Raimundo Finiasse (MSc)

Co-tutor: Luís Comissário Junior Mandlante (Phd)

Lionde, Abril de 2020

ÍNDICE DE FIGURAS ............................................................................................................ ii

ÍNDICE DE TABELAS ........................................................................................................... ii

LISTA DE ABREVISTURAS E SIGLAS .............................................................................. iii

1. ATENCEDENTES DA INVESTIGAÇÃO ................................................................1

2.1. Contextualização ...........................................................................................................2

2.2. PROBLEMA DO ESTUDO E JUSTIFICATIVA .....................................................4

2.2.2. Justificativa: ..................................................................................................................4

2.3. OBJECTIVOS: .............................................................................................................5

2.3.1. Objectivo geral:.............................................................................................................5

2.3.2. Objectivos específicos: ..................................................................................................5

3. REVISÃO BIBLIOGRÁFICA ...................................................................................6

3.2. Sensoriamento remoto ......................................................................................................8

3.3. Satélite ..........................................................................................................................8

3.3.1. Satélite Landsat 7 ETM +..............................................................................................9

3.3.2. Landsat 8 OLI ...............................................................................................................9

3.4. Sensores a bordo de satélites ........................................................................................... 10

3.5. Classificação dos sensores .............................................................................................. 10

3.6.1. Resposta espectral de água .......................................................................................... 11

3.6.2. Resposta espectral dos solos ........................................................................................ 12

3.6.3. Resposta espectral da vegetação .................................................................................. 12

3.7. Processamento de imagens ............................................................................................. 12

3.8. Pré-processamento de imagens ....................................................................................... 13

3.8.1. Eliminação de ruídos ................................................................................................... 13

3.8.2. Correcção atmosférica ................................................................................................. 13

3.8.3. Correcção geométrica.................................................................................................. 14

3.8.4. Classificação das imagens ........................................................................................... 14

3.8.5. Classificação não supervisionada ................................................................................ 15

3.8.5.1. Algoritmo ISODATA .............................................................................................. 15

3.8.6. Classificação supervisionada ....................................................................................... 15

3.8.6.1. Algoritmo de máxima verosimilhança ..................................................................... 16

3.8.7. Validação da classificação ........................................................................................... 16

3.8.8. Detenção de mudanças de cobertura ............................................................................ 17

3.9. Análise da composição e estrutura horizontal da floresta ............................................. 17

4. METODOLOGIA E ÁREA DE ESTUDO ...................................................................... 19

4.1. Descrição da área de estudo ............................................................................................ 19

4.1.1. Clima .......................................................................................................................... 19

4.1.2. Habitats terrestres........................................................................................................ 20

4.1.2.1. Zonas de transição litoral ......................................................................................... 21

4.1.2.1.1. Mangais ................................................................................................................... 21

4.1.2.1.2. Praias arenosas e rochosas ....................................................................................... 21

4.2. Matérias e Metodologia ............................................................................................... 22

4.2.1. Matérias ...................................................................................................................... 22

4.2.2. Metodologia ................................................................................................................ 24

4.2.2.1. Aquisição das imagens ............................................................................................ 24

4.2.2.2. Delimitação da região de interesse e combinação de bandas ........................................ 24

4.2.2.3. Pré-processamento das imagens ............................................................................... 25

4.2.2.4. Classificação das imagens ....................................................................................... 25

4.2.2.4.1.Classificação não supervisionada ................................................................................ 25

4.2.2.4.2.Validação das classes e trabalho de campo .................................................................. 25

4.2.2.5. Classificação supervisionada ....................................................................................... 26

4.2.3. Descrição das classes de uso e cobertura de terra ......................................................... 26

4.2.4. Avaliação do desempenho da classificação .................................................................. 26

4.2.5. Mudanças de cobertura do Mangal .............................................................................. 27