Ferreira 2019

UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE
CENTRO DE CIÊNCIAS EXATAS E DA TERRA

PROGRAMA DE PÓS-GRADUAÇÃO EM GEODINÂMICA E
GEOFÍSICA
DISSERTAÇÃO DE MESTRADO
APLICAÇÃO DE SISTEMA DE ANÁLISE DE LINHA DE COSTA

(DIGITAL SHORELINE ANALYSIS SYSTEM) PARA AVALIAÇÃO
DE MUDANÇAS COSTEIRAS NO DELTA DO PARNAÍBA
Autor:
Thiago Augusto Bezerra Ferreira
Orientadora:
Professora Dra. Helenice Vital
Dissertação nº 228/PPGG
Natal, Agosto de 2019

GEOFÍSICA
APLICAÇÃO DE SISTEMA DE ANÁLISE DE LINHA DE COSTA

(DIGITAL SHORELINE ANALYSIS SYSTEM) PARA AVALIAÇÃO
DE MUDANÇAS COSTEIRAS NO DELTA DO PARNAÍBA
Autor:
Thiago Augusto Bezerra Ferreira
Dissertação de mestrado apresentado no dia

07 de agosto de 2019, ao Programa de Pós-
graduação em Geodinâmica e Geofísica
(PPGG) da Universidade Federal do Rio
Grande do Norte (UFRN), como requisito à
obtenção do título de Mestre em
Geodinâmica e Geofísica, área de
concentração Geodinâmica.
Comissão examinadora:
Profa Dra. Helenice Vital – Presidente/Orientadora (PPGG/UFRN)
Prof Dr. Moab Praxedes Gomes (PPGG/UFRN)
Prof Dr. José Maria Landim Dominguez (UFBA)
Natal, Agosto de 2019

GEOFÍSICA
Dissertação de Mestrado desenvolvida na Universidade Federal do Rio Grande do

Norte (UFRN) no âmbito do Programa de Pós-Graduação em Geodinâmica e Geofísica,
tendo sido subsidiada pelos seguintes agentes financiadores:
• Auxílio de pesquisa CNPq: Margem Equatorial Brasileira: Da Fonte a

Deposição (Processo nº311413/2016-1);
• Projeto Evolução Holocênica e dinâmica atual do Delta do Rio Parnaíba:

resposta de um delta natural às mudanças climáticas e à subida do nível do mar
(88881.068034/2014-01, CAPES CSF-PVE 2014 3ª chamada)
• INCT Amb Tropic – Instituto Nacional de Ciência e Tecnologia “Ambientes

Marinhos Tropicais” (Heterogeneidade Espaço-Temporal e Respostas a
Mudanças Climáticas (CNPq – FAPESB – CAPES).
I
AGRADECIMENTOS
Agradecimentos são devidos à Universidade Federal do Rio Grande do Norte

(UFRN), através do Programa de Pós-Graduação em Geodinâmica e Geofísica (PPGG),
Departamento de Geologia e laboratório de Geologia e Geofísica Marinha e
Monitoramento Ambiental (GGEMMA) pela disponibilização da infraestrutura
necessária a elaboração deste trabalho.
Aos órgãos financiadores CAPES e CNPq, através da bolsa de mestrado (CNPq,
cota PPGG), e projetos: Evolução Holocênica e dinâmica atual do Delta do Rio Parnaíba:
resposta de um delta natural às mudanças climáticas e à subida do nível do mar
(88881.068034/2014-01, CAPES CSF-PVE 2014 3ª chamada); Auxílio de pesquisa
CNPq – Margem Equatorial Brasileira: Da Fonte a Deposição (Processo nº311413/2016-
1, Chamada CNPq nº. 12/2016); INCT AmbTropic – Instituto Nacional de Ciência e
Tecnologia “Ambientes Marinhos Tropicais” (Heterogeneidade Espaço-Temporal e
Respostas a Mudanças Climáticas (CNPq – FAPESB – CAPES).
À Administração Oceânica e Atmosfera Nacional dos Estados Unidos (NOAA),
Serviço Geológico dos Estados Unidos (USGS), à Agência Nacional de Águas (ANA),
Instituto Nacional de Meteorologia (INMET) pela disponibilização dos dados gratuitos
da temperatura do oceano pacífico, imagens de satélite e dados hidro climáticos no Delta
do Rio Parnaíba.
À professora Dra. Helenice Vital, pela oportunidade de ingressar no laboratório
do GGEMA desde 2014, por sua orientação acadêmica e incentivo desde então.
Aos meu coorientador Dr. André Giskard Aquino da Silva e meu amigo Dr. Yoe
Alain Reyes Perez pelas correções, sugestões e discussões acerca do mestrado. A ajuda
dos senhores foi fundamental para o término dessa dissertação.
A todos os membros do laboratório GGEMMA pelo companheirismo e discussões
geológicas, em especial a Francisco Nicodemos, Arthur Gerrad, João Paulo, Khallil Bowl,
Carla Gabriela, Miguel Maestro e Fernando Smith.
À minha família, composta por Tânia Maria (mãe), Genibaldo Rodrigues (pai),
Thalis Igor (irmão), Kaline Lígia (namorada) e Rocky Balboa (cachorro) pelo amor,
carinho e incentivo que me proporcionaram durante toda a minha vida.
Aos meus amigos, Matheus Pessoa, Caroline Pessoa, Breno Silva, Marcela Souza
e Vinicius Gaino, pelo apoio, companheirismo e pelas noites de jogos.
II
RESUMO
As zonas costeiras são ambientes transicionais, nos quais ocorrem mudanças ininterruptas
em diferentes escalas temporais e espaciais, as quais estão relacionados os processos
oceanográficos, fluviais, climáticos e antropogênicos. O monitoramento contínuo desse
ambiente pode auxiliar na compreensão da distribuição espacial dos riscos de erosão,
predizendo sua tendência de desenvolvimento, facilitando assim, a tomada de decisões
mitigadoras e adaptadoras. O principal objetivo do trabalho foi analisar a evolução
temporal das praias situadas no delta do Parnaíba, em curtas (anos) e intermediarias
(décadas) escalas temporais, e discutir as principais mudanças, por meio da utilização de
imagens de satélites, técnicas de sensoriamento remoto, de sistema de informação
geográfica e métodos estatísticos. Os resultados revelaram que, em uma escala
intermediária de tempo (1984 a 2017), 52% do litoral do delta do Rio Parnaíba sofreu
erosão costeira, enquanto que 48% experimentaram uma progradação de sedimentos.
Majoritariamente a erosão ocorre a oeste da desembocadura do Rio Parnaíba (setores III
e IV), enquanto que a deposição e estabilidade, prevaleciam no lado leste (setores I e II).
Já em uma curta escala temporal, o delta experimentou 6 períodos de erosão e 5 de
progradação, relacionados aos efeitos do El Niño e La Niña. Devido a pequena influência
antrópica na região, ilustrado pela baixa densidade populacional na sua zona costeira,
crescimento da área de manguezais, pouca extração de areia e argila no delta e apenas a
construção de uma barragem em todo curso fluvial do seu rio, sugere-se que a condição
de desenvolvimento natural seja o fator responsável pela estabilidade a
curto/intermediário prazo da linha de costa. Ademais, altos e positivas valores de
correlações de Pearson e de determinação indicam que, possivelmente, a ação hidro
climática (pluviosidade e descarga fluvial) na bacia de drenagem controlam o
comportamento da linha de costa.
PALAVRAS CHAVE: Delta do Rio Parnaíba; Sensoriamento remoto; Digital Shoreline

Analysis; Erosão costeira; Desenvolvimento natural do delta.
III
ABSTRACT
The coastal zone are transitional environments, where continuous changes at different
temporal and spatial scales occur, which are related to several processes such as
oceanographic, fluvial, climatic and anthropogenic. Continuous monitoring of this
environment provides essential information for understand the spatial distribution of
erosive/depositional patterns, hence, its development. The main objective of this research
was to investigate the Parnaiba River Delta’s (PRD) shoreline behavior, at short and
intermediate time scale, between 1984 and 2017, through 12 Landsat satellite imagens
and statistical software (Digital Shoreline Analisys System). At intermediate scale, the
results showed that 52 % of PRD’s beaches are under shoreline retreat, while 48%
exhibited progradation. At short intervals, shoreline variations are directly related to the
climatic hydro influence in the drainage basin, specifically with the El Niño and La Niña
effects. On both time scales, major erosion trend occurred away from Parnaiba River
mouth and predominantly on the west side of the delta, while deposition, or stability,
prevailed on the east side. Due to lower anthropogenic impacts, both on coastal zone and
the drainage basin area, the natural factors, mainly river discharge and rainfall trends, are
likely to be main driving forces of shoreline changes between 1984 and 2017
KEYWORDS: Remote Sensing; Parnaíba River Delta; Digital Shoreline Analysis;

Erosion; undeveloped delta
IV
LISTA DE FIGURAS
Figura 2-1: Variações na propagação das ondas por meio dos efeitos da refração e difração. (a),
irregularidades no fundo ocasionam diferentes trends de ondas, convergindo as de maior energia
para as regiões protuberantes (promontórios e cabos), enquanto os locais com reentrâncias
(enseadas) divergem ondas de menor energia; (b) o obstáculo, representado pelo banco de areia,
induz as ondas centrais a quebrar antes dos extremos. Logo na região central haverá maior
dissipação de energia e consequentemente maior deposição de sedimento do que nas
extremidades. ................................................................................................................................ 5
Figura 2-2: Classificação das marés. (a) De acordo com sua frequência; (b) de acordo com sua
amplitude; (c) de acordo com a influência lunar. .......................................................................... 6
Figura 2-3: Obras de engenharia que afetam diretamente os processos oceanográficos na zona
costeira. De [a] até [c] têm as estruturas rígidas (“hard”) construídas paralelamente a costa,
enquanto em [d] tem-se as estruturas rígidas implementadas de forma paralela ao litoral. Por fim,
em [e] há a exemplificação da engorda de praia, uma técnica que imita a natureza (“soft”). ....... 9
Figura 2-4: Obtenção de imagens por sensoriamento remoto. Em (a) uma fonte natural ou artificial
emite energia na forma de radiação eletromagnética para a superfície terrestre. Essa energia é
refletida (b) e captada para o satélite/sensor, que transforma a energia em sinais elétricos e
transmitem as informações para as estações. Em (c) a estação transforma esse sinal elétrico em
sinal digital. ................................................................................................................................. 10
Figura 2-5: Aplicações das técnicas de sensoriamento remoto em distintas etapas ambientais
(monitoramento, prevenção, mitigação e avaliação) para diferentes problemas ambientais
(poluição e geohazards) e socioeconômicos (uso e ocupação do mar e da terra). ...................... 12
Figura 2-6: Integração entre imagem de satélite e big data para análise vulnerabilidade costeira
ao redor do mundo. Em (a) tem-se a percentagem de praias arenosas, enquanto que (b) tem relata
a taxas de erosão e progradação dessas praias entre 1984 a 2016. Os hotspots erosionais estão
indicados em vermelho. Já as taxas de progradação estão visualizadas em verde. ..................... 15
Figura 2-7: Evolução das bandas espectrais, do programa Landsat, ao longo do tempo ............ 16
Figura 3-1: Localização do Delta do Rio Parnaíba (DRP). ......................................................... 17
Figura 4-1: Fluxograma das atividades desenvolvidas na presente dissertação. ......................... 22
Figura 4-2: Escolha da resolução espacial e temporal de acordo com o estudo ambiental. O satélite
Landsat é adequado para os estudos de uso e cobertura da terra, em que se incluem a variação da
linha de costa. .............................................................................................................................. 25
Figura 4-3: Histograma do Índice MNDWI (XU et al, 2006). No MNDWI, os pixels de água,
juntamente com os de sedimento molhados irão apresentar valores de reflectância maiores do
zero, enquanto que os demais pixels exibirão valores negativos. ............................................... 28
Figura 4-4: Estatísticas dos pixels de interesse da área de estudo. Em [a] tem-se uma imagem
Landsat 5 TM, de composição RGB 432, no qual foram coletados dados estatísticos das principais
feições. Em [b] tem-se a análise desses pixels, mostrando que os sedimentos quartzosos da praia
apresentam uma reflectância máxima na banda MIR, enquanto que os pixels de água obtiveram
uma absorção máxima, como proposto por XU (2006). Já na banda verde (green), os pixels de
água apresentam uma máxima reflectância. ................................................................................ 29
Figura 4-5: Resumo do aplicativo DSAS. [a] disposição dos arquivos vetoriais (Linha de base,
transectos e Linha de costa) para utilização de forma correta do programa. O método WLR [b.1]
utiliza todas as linhas de costa, juntamente com suas possíveis incertezas, para realizar a variação
da linha de costa por meio de uma regressão linear. [b.2] o resultado é expresso por uma equação
Y= aX + b, no qual o valor de a indica se a região teve acresção ou erosão. A regressão fornece
um coeficiente de determinação (WLR²), que indica o quanto o modelo consegue explicar o
resultado. Por fim, o método EPR faz a variação temporal da LC utilizando apenas a mais recente
e a mais antiga. ............................................................................................................................ 34
V
Figura 5-1: Médias anuais e mensais, entre 1984 – 2017, acerca da pluviometria (a) e (b), número
de dias chuvosos (c) e (d) e vazão do rio (e) e (f). Os itens (i) e (h) representam os coeficientes de
pearson e de determinação. ......................................................................................................... 36
Figura 5-2: Diagrama Roseta no Delta do Parnaíba, mostrando a variação da direção e da
intensidade dos ventos ao longo dos meses................................................................................. 38
Figura 5-3: Médias mensais, em diferentes períodos de tempo no delta do Parnaíba, acerca da
pluviometria (a), vazão do rio (b) e intensidade dos ventos (c). ................................................ 40
Figura 5-4: Classificação dos transectos do setor I a partir do método WLR(a) e WLR²(b) ...... 43
Figura 5-5: Classificação dos transectos do setor I com base no método EPR durante os anos de
1995 – 1999 [a] e 2007 – 2009 [b]. ............................................................................................. 44
Figura 5-6:Classificação dos transectos do setor II a partir do método WLR(a) e WLR² (b) ..... 45
Figura 5-7: Classificação dos transectos do setor II com base nos métodos WLR, no decorrer dos
anos de 1987 -2017 [a] e EPR durante os anos de 1995 – 1999 [b] e 2007 – 2009 [c]............... 46
Figura 5-8: Classificação dos transectos do setor II a partir do método WLR(a) e WLR² (b) .... 48
Figura 5-9: Classificação dos transectos do setor III com base nos métodos WLR, no decorrer dos
anos de 1987 -2017 [a] e EPR durante os anos de 1995 – 1999 [b] e 2007 – 2009 [c]............... 49
Figura 5-10:Classificação dos transectos do setor IV a partir do método WLR ......................... 50
Figura 5-11: Classificação dos transectos do setor IV com base nos métodos WLR, no decorrer
dos anos de 1987 -2017 [a] e EPR durante os anos de 1995 – 1999 [b] e 2007 – 2009 [c]. ....... 51
Figura 5-12: Valores EPR em curtos períodos de tempo no Delta do Rio Parnaíba. .................. 54
Figura 5-13: Correlação de pearson e de determinação entre Linha de costa com a pluviometria
(a) e (c) e com a fluviometria (b) e (d). Notem que os coeficientes são maiores quando se utiliza
a mediana ao invés da média, pois o mesmo exclui valores extremos na análise estatística. ..... 55
Figura 6-1: Erros associados às variações de maré (a,b,c) e à sazonalidade da praia (d,e,f).
Desconsiderar esses fatores podem incluir ao modelo estatístico erros entre dezenas a centenas de
metros. ......................................................................................................................................... 60
Figura 6-2: Ilustração esquemáticas de interações simplificadas entre a foz do delta e as variáveis
oceanográficas (ondas e correntes longitudinais) sob alto escoamento fluvial (a) e baixo
escoamento (b) A forte influência do rio (a) é expressa por processos de refração das ondas e a
formação de uma corrente longitudinal local, resultando na formação de uma barra de
desembocadura e na migração de um spit na direção contrária a da corrente litorânea. (b) Durante
os baixos escoamento fluviais, ocasionado por atividades humanas ou climáticas (efeito ENSO),
as forçantes oceanográficas irão prevalecer, retrabalhando os sedimentos da desembocadura,
ocasionando assim, uma intensa erosão. ..................................................................................... 62
Figura 6-3: Evolução da linha de costa ao longo do tempo. (a) localização dos setores II e III. (b)
Refração do trends das ondas devido ao efeito hidráulico e um possível cordão arenoso submerso.
A influência da barreira hidráulica e de um possível cordão submerso nos trends. (c) Formação e
o preenchimento da barra de desembocadura (praia da Barra das Canárias) quanto a migração do
spit na direção contra a deriva litorânea. Em anos de intensa vazão e pluviometria, a foz do rio
Parnaíba age como uma barreira hidráulica, favorecendo a deposição de barras de desembocadura.
Observar que a desembocadura do delta do Parnaíba age de acordo com o modelo proposto por
Anthony (2015), representado na figura 6-2 ............................................................................... 63
Figura 6-4: Dados de análise multivariada do índice ENSO (a), pluviometria e descarga fluvial
(b) e variação da linha de costa em curtos intervalos de tempo no Delta do Rio Parnaíba (c).
Observar que há uma relação entre o aquecimento do oceano pacifico (efeito El Niño) com a
diminuição da pluviometria na bacia de drenagem, causando tanto uma diminuição na descarga
fluvial e consequentemente erosão na linha de costa na área de estudo. O processo inverso também
pode ser observado. ..................................................................................................................... 66
Figura 6-5: Evolução da linha de costa ao longo do tempo. (a) localização dos setores III e IV. (b)
Efeito da corrente longitudinal no setor III, em que há uma clara migração dos sedimentos da
parte oeste, região caracterizada por erosão acima de 8 m/ano, para o setor oeste, ocasionando
VI
assim, um aumento tanto na largura da praia. (c) Influência das ondas e marés no setor IV.
Entretanto, se houver a predominância das correntes longitudinais, os bancos de areia tendem a
se posicionar no interior dos canais de maré e serão transportados na direção da preferencial das
ondas e da própria deriva litorânea. ............................................................................................ 69
Figura 6-6: Processos de refração e difração das ondas nas (b) praias da pedra do Sal (Setor I) e
(c) na praia do Itaqui (Setor ). Mudanças na orientação da linha de costa ou a presença de
promontórios rochosos irão gerar mudanças na propagação das ondas, ocasionando assim,
dispersão de sedimentos (progradação) a updrift e erosão a downdrift. ..................................... 71
Figura 6-7: Movimentação dos campos de dunas. Em (b) nas proximidades da cidade de Parnaíba
(Setor II) e em (c) nas proximidades de Luís Correia. Apesar de não ter sido o foco do trabalho,
notou-se que os campos de dunas migraram, em direção ao continente, entre 300 a 700 metros
entre 1984 a 2017.Também é notado que houve um aumento dos campos de dunas nos dois setores
analisados, indicando que o vento pode ser um importante agente erosivo na área estudada. .... 73
Figura 6-8: Dados históricos mostrando que a Barragem de Boa Esperança não influencia tanto
no transporte sedimentar a zona costeira (a) e a visualização das principais empreendimentos de
extração de areia e argila no baixo curso fluvial do Rio Parnaíba (b). ........................................ 75
Figura 6-9: Taxas de crescimento populacional na zona costeira do Delta do Parnaíba............. 76
Figura 6-10: Visualização do porto de Luís Correia. Com a construção desse tipo de obra, os
sedimentos transportados pela deriva litorânea são bloqueados, causando uma progradação a
downdrift (Praia do Atalaia – Setor I). As letras (b) e (c) demonstram exatamente isso. Mesmo
com o bloqueio dos sedimentos, a os transectos iniciais da praia da Eólica ainda conseguem ter
uma progradação sedimentar, pois ela é alimentada diretamente pelo Rio Igaraçu. O item (d) é a
concentração de sedimento em suspensão (mg/l), estimada por meio de técnicas de processamento
digital. Ela indica que há uma grande quantidade de sedimento em suspensão tanto nos transectos
iniciais da praia da eólica quanto próximo da praia do Atalaia, corroborando com as ideias
propostas. Também é notado que mesmo com o aumento da urbanização próximo a orla do setor
I (ver figuras b e c), a linha de costa se manteve relativamente estável com o passar do tempo. 77
Figura 6-11: Comparação do delta do Parnaíba com diferentes deltas e praias espalhados ao redor
do globo terrestre em termos de (a) descarga fluvial, (b) carga anual de sedimentos, (c) área da
bacia de drenagem, (d) variação da linha de costa e (e) densidade populacional. ...................... 80
VII
LISTA DE TABELAS
Tabela 4-1: Aquisição das imagens de satélite com as respectivas datas, horário de aquisição e
erros. Ep: Erro de processamento; Er: Erro de retificação. Et: Erro total ................................... 24
Tabela 4-2: Comparação entre os valores dos pixels por meio do Processamento topo atmosfera
e Dark Object Substracion. Note que os pixels obtidos pelo DOS são menores, pois parte do
espalhamento atmosférico foi retirado. Os dados extraídos foram obtidos a partir da imagem
Landsat de 2007 e os pontos de coleta podem ser visto na imagem 4-3. .................................... 27
Tabela 4-3: Compilado dos principais métodos estatísticos do Digital Shoreline Analysis (DSAS)
..................................................................................................................................................... 31
Tabela 5-1: Dados estatísticos de todos os setores situadas no Delta do Parnaíba ..................... 41
Tabela 5-2: Tabela 5 1: Dados estatísticos de todas as praias situadas no Delta do Parnaíba .... 41
Tabela 5-3: Dados referentes a taxa de regressão linear pluviométrica, fluviométrica, variação da
linha de costa pelo método EPR (média e mediana) e percentagem de erosão e acresção no Delta
do Rio Parnaíba em curtos intervalos de tempo. ......................................................................... 52
Tabela 5-4: Taxas de EPR (média e mediana) nos setores do delta do Parnaíba ........................ 53
VIII
LISTA DE SIGLAS
ANA – Agência Nacional de Águas

BDMEP - Banco Histórico de Dados Meteorológicos para Ensino e Pesquisa
DN -Digital Numbers
DOS – Dark Object Substraction
DRP – Delta Rio Parnaiba
DSAS – Digital Shoreline Analisys System
ED – Erro de Digitalização
EM – Erro de Marpe
ENSO – El Niño Oscilação Sul
EP -Erro de pixel
EPR - End Point Rate
ER – Erro de retificação
ES – Erro de Sazonalidade
IBGE - Instituto Brasileiro de Geografia e Estatística
INMET - Instituto Nacional de Meteorologia
MNDWI – Modified Normalized Difrerence Water Index
NDWI – Normalized Difference Water Index
RMSE –
RP – Rio Parnaíba
WI2015 – Water Index 2015
WLR - Weighted Linear Regression
WLR² - R²squared
IX
SUMÁRIO
1 INTRODUÇÃO .................................................................................................................... 1
2 REFERENCIAL TEÓRICO ................................................................................................. 4
2.1 Processos costeiros ........................................................................................................ 4
2.2 Uso de imagens multiespectrais para monitoramento da zona costeira. ....................... 9
3 ÁREA DE ESTUDO ........................................................................................................... 17
3.1 Localização ................................................................................................................. 17
3.2 Aspectos climáticos, oceanográficos e fluviais ........................................................... 18
3.3 Geologia e Geomorfologia .......................................................................................... 19
3.4 Vulnerabilidade costeira .............................................................................................. 21
4 MATERIAIS E MÉTODOS ............................................................................................... 22
4.1 Aquisição dos dados hidro climáticos ......................................................................... 23
4.2 Aquisição das imagens de satélite ............................................................................... 23
4.3 Pré-Processamento ...................................................................................................... 25
4.3.1 Georreferenciamento das imagens ...................................................................... 25
4.3.2 Correção Atmosférica ......................................................................................... 25
4.4 Delimitação da linha de costa...................................................................................... 27
4.5 Análise de Incertezas ................................................................................................... 29
4.6 Quantificação da linha de costa a partir uso do Digital Shoreline Analisys (DSAS) .. 31
5 RESULTADOS ................................................................................................................... 35
5.1 Análise Climatológica ................................................................................................. 35
5.2 Análise das Linhas de Costa entre 1984 – 2017 e em alguns períodos individuais .... 40
5.2.1 Análise Global ..................................................................................................... 40
5.2.2 Setor I .................................................................................................................. 42
5.2.3 Setor II ................................................................................................................. 44
5.2.4 Setor III ............................................................................................................... 47
5.2.5 Setor IV ............................................................................................................... 49
5.3 Variabilidade temporal entre a Linha de costa e as variáveis hidroclimáticas ............ 51
6 DISCUSSÕES ..................................................................................................................... 57
6.1 Aplicação de Métodos estatísticos e de Sensoriamento remoto para análise da
morfodinâmica costeira ........................................................................................................... 57
6.2 Principais influências na linha de costa ....................................................................... 60
6.2.1 Fatores hidro climáticos ...................................................................................... 60
6.2.2 Influência das ondas, ventos, marés e correntes .................................................. 68
6.2.3 Fatores antrópicos ............................................................................................... 73
7 CONCLUSÕES E CONSIDERAÇÕES FINAIS ............................................................... 81
8 BIBLIOGRAFIA ................................................................................................................. 84
9 ANEXOS............................................................................................................................. 91
FERREIRA, T.A.B (2019) INTRODUÇÃO
1 INTRODUÇÃO
As zonas costeiras estão entre as áreas mais povoadas no mundo devido à sua
importância comercial, industrial, logística, agrícola, recreativa, estética, etc.(Beatley et
al. 2002; Anthony 2015; Luijendijk et al. 2018). Atualmente, mais de 2 bilhões de
habitantes (25% da população mundial) vivem a 100 km dessa região, o que representa
três vezes mais densidade populacional global (Nicholls et al. 2007).
Nos últimos anos, 70% da costa mundial está suscetível à erosão e inundação
costeira (Nicholls et al 2007), devido à diminuição do aporte sedimentar, seja pela
edificação de barragens ou mineração de areia e argila (Anthony et al. 2015; Ghoneim et
al. 2015; Kong et al. 2015; Dada et al. 2018). subsidência (Mentaschi et al, 2018),
estruturas costeiras construídas pelo homem (Luijendijk et al. 2018), desflorestamento de
manguezais (Corbau et al. 2019), conversão de áreas naturais em terrenos urbanos (Kuleli
et al. 2011) aumento do nível do mar (Nicholls e Cazenave 2010), fenômeno El Niño-
Oscilação Sul (Martínez et al. 2018), resultando em prejuízos socioeconômicos a e
ambientais. O monitoramento contínuo desse ambiente pode auxiliar na compreensão da
distribuição espacial dos riscos de erosão, predizendo sua tendência de desenvolvimento,
facilitando assim, a tomada de decisões mitigadoras e adaptadoras por parte dos gestores
costeiros (Ouellette and Getinet 2016; Luijendijk et al. 2018; Qiao et al. 2018)
Para o monitoramento da zona costeira, o estudo acerca da linha de costa é de
suma importância. A linha de costa, definida como o limite entre a interface da terra e
água (Dolan et al 1980), é considerado como um sistema geomorfológico bastante
dinâmico, no qual ocorrem mudanças ininterruptas em distintas escalas temporais (Boak
and Turner 2005; Bird 2008; Del Río et al. 2013). De acordo com os autores acima, em
curta escala de tempo (minutos a meses), tais mudanças estão diretamente relacionadas
com a ação das ondas, tempestades, marés, correntes, enquanto em largas escalas
temporais (séculos e milênios), as variações do nível relativo do mar, climáticos,
glaciações e tectonismo são os fatores predominantes. Por fim, em uma escala
intermediária (anos a décadas), os fatores são mais complexos e inter-relacionados,
incluindo tanto as causas naturais quanto as antropogênicas. Dentre estas causas,
destacam-se a capacidade e competência dos rios, as barreiras hidráulicas na
desembocadura do delta, construção de estruturas rígidas de proteção costeira (e.g.
molhes, quebra-mares, espigões), a ocupação da zona costeira, etc.
1
Técnicas de sensoriamento remoto, como fotografias aéreas, vídeo

monitoramento, satélites ópticos, LIDAR e drones são úteis para monitorar as áreas
costeiras em escalas espaciais e temporais adequadas (Gens 2010). Dentre todas essas
técnicas, os satélites ópticos de média resolução, tais como o Landsat e Sentinel, têm sido
amplamente utilizados para monitorar mudanças na linha costeira, em escala
intermediária de tempo, devido à sua moderada resolução espacial e espectral, baixo custo
financeiro e capacidade de aquisição de dados em grandes áreas e de difíceis acessos, a
cada 18 a 5 dias (Ouellette e Getinet 2016; Hagenaars et al. 2018). Estudos prévios
(Hagenaars et al. 2018; Pardo-Pascual et al. 2018) comprovaram a eficiências dos satélites
Landsat e Sentinel para determinar a posição da linha costeira através da comparação de
observações in situ, obtidos por dados de GPS-RTK. De acordo com os autores acima, a
precisão da linha costeira depende da inclinação da praia, resolução dos pixels, presença
de nuvens, pixels das ondas e erros de georreferenciamento.
Nesta última década, vários estudos foram feitos para quantificar a mudança da
linha de costa em ambientes deltaicos e/ou estuarinos ao longo do planeta, como no delta
do Niger (Dada et al. 2018), Nilo (Ghoneim et al. 2015), Po (CORBAU et al. 2019)
Manahadi (Mukhopadhyay et al. 2018), Mekong (Anthony et al. 2015) e Amarelo (Kong
et al. 2015). Todos estes estudos demonstraram que está ocorrendo a retração da linha de
costa, no qual o fator antropogênico está envolvido de forma direta e decisiva.
Diferentemente destas regiões, o Delta do Rio Parnaíba, localizado na região nordeste do
Brasil, não apresenta graves intervenções humanas, tendo apenas uma pequena barragem
ao longo do seu curso fluvial (Bento Gonçalves) que não afeta tanto a distribuição de
sedimentos para a zona costeira (AQUINO DA SILVA et al. 2015a). Ademais, a zona
costeira apresenta um baixo adensamento populacional, menor do que 70 habitantes/km²
(IBGE, 2016), grandes áreas florestais não cultivadas (DE PAULA FILHO et al. 2015)
Desta forma, quaisquer variações da linha de costa possivelmente estão diretamente
relacionadas aos processos naturais (e.g. oceanográficos, fluviais, climáticos).
Neste contexto, os principais objetivos desta dissertação são examinar a evolução
temporal das zonas situadas próximas ao Delta do Rio Parnaíba, entre 1984 a 2017, por
meio das utilizações de imagens de satélite e técnicas de Sistema de Informações
Geográficas (SIG), bem como analisar e discutir as principais causas das mudanças
ocorridas neste intervalo de tempo. Como objetivos específicos, tem-se: (a) realizar
processos digitais de imagens para corrigir erros induzidos nas imagens de satélite, (b)
escolher um método automático de extração da linha costa, a partir de estudos
2
bibliográficos, que mais se identifique com a área de estudo, (c) determinar as regiões de
erosão, progradação e estabilidade no delta do Parnaíba, (d) comparar sua situação com
alguns deltas ao redor do mundo e (e) relacionar suas mudanças da linha costa a partir da
compilação dos resultados e de outros trabalhos científicos publicados.
Para alcançar estes objetivos foram adquiridas doze (12) imagens de satélite
Landsat, correspondendo ao período entre 1984 a 2017, com intuito de extrair a linha de
costa de forma automática e, a partir do software Digital Shoreline Analisys (DSAS),
delimitar os locais que apresentam hotspots de erosão e acresção sedimentar.
A presente dissertação de mestrado está estruturada em oito capítulos, sendo o
primeiro a introdução. O capítulo dois, denominado de referencial teórico, debate os
processos costeiros e a utilização de imagens de satélite multiespectrais para o monitorar
a evolução espaço-temporal da linha de costa. No capítulo três é descrita a área de estudo,
informando os domínios geológicos, geomorfológicos, climáticos, hidrodinâmicos e
oceanográficos.
O quarto capítulo, por sua vez, aborda a metodologia utilizada nessa dissertação,
relatando os critérios utilizados para a aquisição dos dados hidro climáticos e das imagens
de satélites, as etapas de pré-processamento das imagens, métodos automáticos para
extração da linha de costa, análise de incertezas e quantificação da linha de costa por meio
do uso do DSAS
No capítulo cinco, é exposto à evolução da linha de costa da área de estudo durante
os diferentes intervalos de tempo propostos na metodologia, identificando os principais
locais de erosão e acresção. O sexto capítulo corresponde as discussões, no qual é
debatido a variação da linha costa do Delta do Rio Parnaíba com os processos
oceanográficos, hidro climáticos e antrópicos. Ademais, é feito uma comparação da
estabilidade do Delta do Rio Parnaíba com diversas regiões espalhadas pelo globo
terrestre. No sétimo, é retratado as conclusões da dissertação, no qual é feito um resumo
dos resultados obtidos, sua validade e possíveis direcionamentos metodológicos para
investigações futura.
Por fim, em anexo, está a submissão do artigo cientifico, intitulado de The use of
Digital Shoreline Analysis System (DSAS) to assess Parnaíba Delta (NE,Brazil) short-
term morphodynamics conditions, para revista Geo-Marine Letters, seção: From the
Coastal Zone to the Deep Sea, . A submissão do artigo é um dos pré-requisitos necessários
para obtenção do grau de mestre pela PPGG/UFRN
3
FERREIRA, T.A.B (2019) REFERENCIAL TEÓRICO
2 REFERENCIAL TEÓRICO
2.1 Processos costeiros
A zona costeira compreende ambientes dinâmicos e transitórios, no qual ocorrem
modificações em diversas séries temporais, de segundos a milênios, relacionados aos
processos oceanográficos (ondas, correntes, maré), eólicos, fluviais, climáticos (eventos
extratropicais, ENSO, variação do nível do mar), geotectônicos e antrópicos (Boak e
Turner 2005; Bird 2008; Del Río et al. 2013). De acordo com esses autores, quando há
uma maior quantidade de materiais retirados do que ganhos na zona costeira, durante
essas séries temporais, diz-se que o ambiente sofreu um processo de erosão costeira.
As ondas têm papel fundamental na morfologia costeira devido sua capacidade de
transportar e remobilizar grandes quantidades de energia e massa ao litoral (Beatley et al.
2002) A intensidade com que as ondas afetam o transporte sedimentar depende de vários
fatores, tais como o seu comprimento de onda (λ) e o perfil da praia. No momento em que
as ondas ultrapassam profundidades inferiores a metade de λ, elas começam a interagir
com o fundo, remobilizando e transportando os sedimentos. Já do ponto de vista do perfil
da praia, quanto maior o seu declive, as ondas irão quebrar diretamente na fácies de praia,
fomentando maior energia e maior retirada de sedimentos (Silva et al, 2004). Variações
na propagação da onda, quanto a sua frequência, altura e ângulo de incidência, são
originadas por irregularidades na topografia e/ou presença de obstáculos, ocasionando
modificações no transporte de sedimento ao longo da costa, por meio dos efeitos de
refração, difração e reflexão da onda (Fig.2-1) (Bird 2008)
A depender do seu ângulo de incidência sobre a linha de costa, diferentes
categorias de correntes são geradas. As correntes longitudinais (longshore currents),
ocorrem quando a onda quebra obliquamente a linha de costa, sendo a responsável por
movimentar, retrabalhar e distribuir os sedimentos paralelamente a linha costeira (Bird
2008). A interrupção da corrente longitudinal, através da construção de espigões e/ou
outras obras costeiras, têm gerado desequilíbrio sedimentar em várias praias e deltas do
mundo, fazendo que grande parte dos sedimentos se acumule no obstáculo, ocasionando
intensa erosão em outros setores (Komar 2012). As correntes de retorno (rip currents),
desenvolvem-se quando as ondas se aproximam paralelamente a linha costeira, no qual
será criado células de circulação costeira, transportando os sedimentos para antepraia
(nearshore zone) e costa afora (offshore zone) (Silva et al, 2004).
4
Figura 2-1: Variações na propagação das ondas por meio dos efeitos da refração e difração. (a),
irregularidades no fundo ocasionam diferentes trends de ondas, convergindo as de maior energia para as
regiões protuberantes (promontórios e cabos), enquanto os locais com reentrâncias (enseadas) divergem
ondas de menor energia; (b) o obstáculo, representado pelo banco de areia, induz as ondas centrais a quebrar
antes dos extremos. Logo na região central haverá maior dissipação de energia e consequentemente maior
deposição de sedimento do que nas extremidades.
Fonte: Adaptado de Bird (2008)
As marés são originadas pela combinação da atração gravitacional entre a terra,

lua e sol e pelas forças tangenciais não compensadas, relacionadas movimentos de rotação
em torno do centro de massa do sistema sol-terra-lua (Silva et al, 2004).
Durante um ciclo lunar podem ser registrados diferentes ciclos de maré (Fig.2-
2a). Conforme relatado por Davidson-Arnott (2010), as marés diurnas ocorrem
principalmente ao longo da costa da antártica e do oceano índico, sendo caracterizadas
por apresentar uma preamar e uma baixa mar. Já as marés semi-diurnas, localizadas
preferencialmente ao longo da costa do Atlântico e do Ártico, apresentam duas baixa-
mares e duas preamares. Por fim, também existem as marés mistas, comuns no Norte do
Pacifico, que envolvem variações desses dois extremos.
O efeito conjugado da atração gravitacional do sol também exerce modificações
significativas nas amplitudes de maré (Fig.2-2c), sendo responsáveis pelas variações
observadas entre as marés de sizígia (spring tides) e as marés de quadratura (neap tides)
(Silva et al, 2004). As primeiras ocorrem em períodos de lua nova ou cheia, quando o
sistema terra-lua-sol está em conjunção, acarretando na maior energia das marés,
5
enquanto que as marés de quadratura transcorrem na fase minguante e crescente da lua.

Além das classificações com base na sua frequência e influência do sol e da lua, as marés
podem ser classificadas de acordo com a amplitude da maré de sizígia (Fig.2-2b).
Figura 2-2: Classificação das marés. (a) De acordo com sua frequência; (b) de acordo com sua amplitude;
(c) de acordo com a influência lunar.
Fonte: Adaptado de Davidson Arnott, 2010.
O vento desempenha um papel de grande importância na modelagem costeira por

ser um dos componentes responsáveis pela geração e sustentação das ondas. Variações
na sua intensidade, distribuição e/ou na sua direção afetem diretamente a circulação
hidrodinâmica costeira (Woodroffe, 2002). Como um mecanismo de transporte, o vento,
a depender da sua direção, tem velocidade suficiente para transportar areia e argila da
praia até a pós-praia, formando os campos de dunas.
Os rios, em ambientes deltaicos, são considerados como as principais fontes de
sedimentos para a zona costeira, no qual o sedimento é transportado do montante até a
foz pelo curso fluvial e canais tributários, sendo retrabalhados na linha de costa pela ação
das ondas e correntes (Bird 2008). De acordo com este autor, a natureza, granulometria e
volume dos sedimentos fornecidos a zona costeira pelos rios dependem dos tipos de rocha
6
que afloram ao longo da bacia de drenagem. Ademais, outros fatores, tais como o declive
do terreno, o vigor do escoamento da água pluvial e/ou derretimento de neve, a cobertura
vegetal e o uso e ocupação do solo, também influenciam diretamente o volume de
sedimentos que chegam a zona costeira (Syvitski e Milliman 2006; Milliman e
Farnsworth 2011)
Mais do que apenas fornecer sedimentos a linha de costa, altos fluxos contínuos
dos rios, em ambientes deltaicos, podem ocasionar o efeito de molhe (hydraulic groyne
effect), cuja consequência será a refração das ondas e o bloqueio da corrente de deriva
litorâneas nas proximidades da desembocadura deltaica, favorecendo a formação e
acumulação de barras de desembocadura e migração de pontais arenosos (“spits”) em
contra deriva. (Bhattacharya e Giosan 2003; Anthony 2015)
O evento El Niño Oscilação Sul (ENSO) é um fenômeno associado ao
aquecimento anormal da Temperatura da Superfície do Mar (TSM) concomitantemente
com a diminuição dos ventos alísios na região do Pacífico Equatorial, entre a costa
peruana e a costa oeste australiana. Este fenômeno afeta diretamente o nível médio do
mar, o clima de ventos e ondas, a frequência e intensidade nos eventos de tempestades,
na pluviosidade, na descarga fluvial e na distribuição de sedimentos (Woodroffe, 2002).
No Brasil, durante esse evento, é perceptível o incremento da pluviosidade nas regiões
sul e sudeste, enquanto que há uma diminuição drástica nas regiões do Norte e do
Nordeste. O La Niña, no que lhe concerne, é o evento oposto ao ENSO.
As tempestades extratropicais também são consideradas como agentes
modificadores da geomorfologia e dos ecossistemas costeiros, uma vez que são
responsáveis por provocar chuvas torrenciais, inundações, ventanias e aumento da
frequência e da altura das ondas (Beatley et al, 2002).
A ação antrópica está relacionada com a influência humana diretamente e/ou
indiretamente na zona costeira, sendo capaz de alterar cada um dos processos acima
(Beatley et al, 2002). Segundo Souza et al (2005) a conversão de terrenos naturais da
planície costeira em áreas urbanas (praias, dunas, manguezais, planícies fluviais e/ou
lagunares) eliminam os estoques sedimentares da zona costeira, enquanto que a
implantação de estruturas rígidas na praia (Fig.2-3), dispostas de formas paralelas
(seawall, quebra-mares e enrocamentos) e/ou transversais (espigões, molhes, píer, portos)
à linha de costa, modificam tanto o ângulo de incidência das ondas, quanto seu padrão de
refração, alterando assim, o perfil praial de toda região litorânea. Conforme Komar (2012)
7
em muitas áreas de erosão intensa, a engorda de praia é um dos métodos mais eficazes
para recuperação das praias.
A redução da oferta de sedimentos fluviais, devido a construção de barragens para
edificação das hidrelétricas e melhor navegação fluvial, são uma das principais causas da
erosão costeira nas regiões deltaicas. Obras de transposição, canalização dos cursos
fluviais e mineração de sedimentos, afetam diretamente a distribuição de sedimentos na
zona costeira. (Komar 2012; Best 2015)
Conforme Nicholls e Cazenave (2010), um aumento da elevação do nível do mar
em torno de 0.30 a 1.8 metros, estipulado pelo IPCC, intensificará erosão e inundações
nas cidades relativamente baixas, principalmente nos países do sul da Ásia e na África.
Ademais, outras consequências foram relatadas pelos autores, como a destruição dos
manguezais e intrusão de água salgada nos aquíferos.
Por sua vez, Emanuel (2005) apud Komar (2012) relata que a maior ocorrência
dos eventos extratropicais, registrados no hemisfério norte nos últimos cinquenta anos,
está relacionado diretamente com o aquecimento global. Segundo o autor, o aquecimento
anormal da temperatura das águas oceânicas é o principal mecanismo para formação dos
eventos extratropicais, que têm efeitos drásticos na zona costeira, podendo levar até a
destruição de pântanos, praias e dunas, ocasionando intrusão salina em águas superficiais,
etc.
8
Figura 2-3: Obras de engenharia que afetam diretamente os processos oceanográficos na zona costeira. De
[a] até [c] têm as estruturas rígidas (“hard”) construídas paralelamente a costa, enquanto em [d] tem-se as
estruturas rígidas implementadas de forma paralela ao litoral. Por fim, em [e] há a exemplificação da
engorda de praia, uma técnica que imita a natureza (“soft”).
Fonte: Adaptado de Prata (2017)
2.2 Uso de imagens multiespectrais para monitoramento da zona costeira.

Os cientistas têm desenvolvido procedimentos para coletar e analisar dados de
sensoriamento remoto desde 1858, quando o francês Gaspard Feliz conseguiu realizar a
primeira fotografia a partir de plataforma área (Jensen, 2011). Avanços significativos na
9
coleta de dados de sensoriamento remoto ocorreram durante as guerras mundiais, na

corrida espacial e nas 3ª e 4ª revoluções industriais (Jensen, 2011). Uma das primeiras
definições afirma que o sensoriamento remoto é: “A aquisição de dados sobre um objeto
sem tocá-lo”. (Colwell, 1984 apud Jensen, 2011)
Com o tempo, modificações na definição do termo foram realizadas. Meneses e
Almeida (2012), por exemplo, afirmam para definição de sensoriamento remoto:
A obtenção de imagens da superfície terrestre por meio
da detecção e medição quantitativa das respostas das
interações da radiação eletromagnética com os materiais
terrestres sem que haja qualquer contato físico entre o
sensor e o objeto. (MENESES e ALMEIDA, 2012, p.4)
A obtenção das imagens de sensoriamento remoto é realizada a partir de sensores

e satélites que detectam alvos na superfície terrestre através da radiação eletromagnética,
no qual cada objeto reflete, absorve e transmite a radiação a partir de uma fonte, podendo
ser natural ou artificial (Florenzano, 2011). A energia captada pelos sensores é
transformada em sinais elétricos, que são registradas e transmitidas para estações que, por
sua vez, transformam esses sinais em gráficos, tabela ou imagens (Figura 2-4).
Figura 2-4: Obtenção de imagens por sensoriamento remoto. Em (a) uma fonte natural ou artificial emite
energia na forma de radiação eletromagnética para a superfície terrestre. Essa energia é refletida (b) e
captada para o satélite/sensor, que transforma a energia em sinais elétricos e transmitem as informações
para as estações. Em (c) a estação transforma esse sinal elétrico em sinal digital.
Fonte: Florenzano (2011)
A energia eletromagnética se dá em função de seu comprimento de onda ou de

sua frequência, sendo esta denominada de espectro eletromagnético (Jensen, 2011).
10
Conforme o autor acima, o espectro eletromagnético se estende desde comprimentos de

onda muito curtos associados aos raios cósmicos, até as ondas de rádio de baixa
frequência e grandes comprimentos de onda. Florenzano (2011), escreve por sua vez que
todos os tipos de cobertura de solo, juntamente como os afloramentos rochosos e corpos
d'água, absorvem uma porção do espectro eletromagnético. O fato de cada corpo absorver
porções distintas do espectro eletromagnético, fazem com que os usuários de
sensoriamento remoto utilizem essa informação para distingui-los uns dos outros nas
imagens de satélite.
Como já explicado nos parágrafos acima, a energia captada pelo sensor pode ser
fruto de uma fonte natural ou artificial. Caso a fonte captada seja natural, como o próprio
sol ou a energia emitida pela superfície terrestre, o sensor é classificado como passivo.
De acordo com Figueiredo (2005), esse tipo de sensor capta as faixas eletromagnéticas
do visível (0,4 – 0,7 µm), infravermelho (1 µm – 2,5 um) e o termal (2,5 µm – 13 µm).
Ainda segundo o autor, os sensores ativos captam uma energia eletromagnética artificial,
produzida por radares instalados nos próprios satélites. Esse sensor opera na faixa de
micro-ondas (0,8 cm – 30 cm), e sua grande vantagem é a penetração da energia sobre as
nuvens.
Jensen (2011) relata que, no sistema de sensoriamento remoto, a escolha do
método é determinada a partir da resolução espacial, temporal, espectral e radiométrica.
A resolução espacial é explicada como o menor elemento ou superfície que pode ser
detectada pelo sensor, enquanto a resolução temporal é definida como a frequência em
que o sensor obtém informações de uma mesma área. Já a resolução espectral pode ser
entendida como o número e o tamanho de intervalos de comprimentos de onda (chamados
bandas espectrais) no espectro eletromagnético no qual o sensor remoto é sensível. Por
fim, a resolução radiométrica é quantidade máxima de níveis de cinza (bits) que é
discriminado pelo sensor.
Na resolução de problemas ambientais e socioeconômicos (Fig.2-4) da zona
costeira, o uso dos sensores remotos tem um papel fundamental nas principais etapas do
estudo ambiental (monitoramento, prevenção e mitigação e avaliação) (Ouellette e
Getinet 2016). Dentre os diversos métodos de sensoriamento remoto utilizados para
monitoramento ambiental serão aqui descritos os principais, com suas respectivas
vantagens e desvantagens.
As fotografias aéreas são as fontes de dados de sensoriamento remoto mais
antigas, sendo utilizadas para estudos costeiros desde a década de 1930. Esse instrumento
11
fornece uma boa resolução espacial da linha de costa, porém sua resolução temporal,
juntamente como a cobertura geográfica, é bem restrita. Além disso, esse método
apresenta várias distorções na imagem, como a distorção radial, de relevo, inclinação e
de escala, que pode induzir o interprete ao erro (Boak e Turner 2005; Gens 2010)
Figura 2-5: Aplicações das técnicas de sensoriamento remoto em distintas etapas ambientais
(monitoramento, prevenção, mitigação e avaliação) para diferentes problemas ambientais (poluição e
geohazards) e socioeconômicos (uso e ocupação do mar e da terra).
Fonte: Adapatado de Ouellette e Getinet (2016)
12
O sistema SAR (Synthetic Aperture Radar) registra imagens da linha de costa a

partir das propriedades dielétricas e geométricas da superfície terrestre em quaisquer
condições atmosféricas, de dia e/ou noite (Gens 2010). De acordo com este autor, a
vantagem desse método é a sua grande cobertura temporal, permitindo o gestor adquirir
dados desde 1978. Já a falta de precisão da posição da linha costeira faz com que poucos
cientistas utilizem este método para estudos costeiros.
O LiDAR (Light Detection And Ranging) é considerado o método mais preciso
para monitoramento costeiro, pois fornece dados de alta resolução espacial, espectral e
radiométricos da zona costeira, possibilitando até a visualização tridimensional da pós
praia até a antepraia (e.g. Boak e Turner 2005; Gens 2010; Ouellette e Getinet 2016).
Entretanto, segundo estes autores, o elevado custo para aquisição e manutenção do
equipamento, torna-o inviável para monitoramento costeiro na maioria das universidades
ou órgãos gestores.
O uso de técnicas de vídeo monitoramento fornece uma alternativa de baixo custo
aos métodos de fotografias aéreas, SAR e LiDAR. Apesar desse sistema fornecer uma
boa resolução temporal, com imageamento em tempo real, este método tem uma baixa
resolução espectral, fornecendo imagens apenas no visível e não cobre grandes áreas,
visto as câmeras serem posicionadas em locais fixos, como casas e/ou prédios (Boak e
Turner 2005)
Diversos autores (e.g. Boak e Turner, 2005; Gens, 2010; Ouellette e Getinet, 2015;
Luijendijk et al, 2018), afirmam que em estudos de monitoramento ambiental no qual a
resolução temporal tem um papel fundamental, como no caso de geohazards (e.g. erosão
costeira, inundações, subida do nível do mar), o uso dos satélites multiespectrais (Landsat,
Sentinel, CBERS, Ikonos, SPOT) é mais indicado do que as outras técnicas de
sensoriamento remoto, tais como Radar, SAR, LiDAR. Além da sua alta resolução
temporal e grande acervo histórico, os satélites multiespectrais conseguem adquirir dados
em extensas áreas geográficas (muitas vezes de difícil acesso), com uma boa resolução
espacial e espectral a um custo financeiro bem menor do que as demais técnicas citadas
acima.
Nesta década foram realizados diversos estudos ao longo do planeta, por meio da
utilização de imagens multiespectrais, para o monitoramento de ambientes deltaicos.
Ghoneim et al. (2015) e Valderrama-Landeros e Flores-de-Santiago (2019)
correlacionaram a erosão costeira, respectivamente, nos deltas Nilo (Egito) e San Pedro
(México), com a diminuição do aporte sedimentar, sendo uma consequência direta da
13
construção de hidrelétricas nas últimas décadas ao longo dos principais cursos fluviais.
De acordo com os autores acima, em determinados períodos, a erosão costeira atingiu um
estado tão crítico que houve a necessidade da criação de planos emergenciais e
mitigadores, por meio dos governos locais e/ou federais. Dada et al. 2016 estudaram a
variação sazonal da linha de costa nigeriana, nos anos de 2011 a 2013, com dados de onda
e de correntes litorâneas. Já Dada et al. 2018 relacionaram as mudanças da linha de costa
no delta do Níger (Nigéria), nos últimos cem anos, com as variações hidro climáticas e
atividades antrópicas no rio Niger.
Kuleli et al (2011), Petropoulos et al (2015) e Anthony et al (2015) concluem que
além da construção de barragens, o processo de erosão, ocorrida nos deltas do Kizilirmak
& Gediz (Turquia), Axios & Aliakmonas (Grécia) e Mekong estão relacionadas com a
ocupação indevida na zona costeira, extração de areia e cascalho nos principais cursos
fluviais e subsidência da terra devido a extração de água subterrânea. Já Qiao et al (2018)
relataram que apesar da redução da carga de sedimentos dos rios Yangtze e Qiantang e
do aumento relativo do nível do mar, a região de Shanghai registrou um crescimento da
linha de costa em torno de 50 m/ano. De acordo com os autores, os processos de
aterramento nas regiões de manguezais, recuperação de praias e de canalização de alguns
canais fluviais foram as principais causas da acresção sedimentar.
No nordeste do Brasil, (Aquino da Silva et al. 2015b) determinaram a
concentração de sedimentos em suspensão transportado em 2008 pelo rio Parnaíba até a
plataforma interna. De acordo com estes autores a extensão da pluma de sedimentos
depende das condições hidrodinâmicas específicas, tais como a intensidade de
escoamento do rio, das correntes e amplitudes das marés e pelo clima das ondas e ventos.
Já Aquino da Silva et al. (2015a) tentou relacionar a conexão da ocorrência e intensidade
da Oscilação El Niño-Sul com a vazão fluvial, concentração de sedimentos em suspensão,
pluviosidade, correntes de maré e variações na linha de costa no Delta do Rio Parnaíba –
PI.
Luijendijk et al. 2018, por sua vez empreenderam uma pesquisa inédita, na qual,
a partir da utilização de imagens Landsat e Sentinel juntamente com métodos machine
learning e big data, conseguiram determinar a percentagens de praias arenosas no mundo,
e realizam o monitoramento costeiro destas, entre 1984 a 2016, identificando os principais
hotspots erosionais ou pontos críticos de erosão costeira. De acordo com referidos autores
(Fig.2-5), 24% das praias arenosas encontram-se sob erosão a taxas superiores a 0.5
m/ano, 48 % encontram-se relativamente estáveis e 28% apresentam acresção sedimentar.
14
Figura 2-6: Integração entre imagem de satélite e big data para análise vulnerabilidade costeira ao redor do
mundo. Em (a) tem-se a percentagem de praias arenosas, enquanto que (b) tem relata a taxas de erosão e
progradação dessas praias entre 1984 a 2016. Os hotspots erosionais estão indicados em vermelho. Já as
taxas de progradação estão visualizadas em verde.
Fonte: Adaptado de Luijendijk et al (2018)
Dentre os diversos satélites multiespectrais, o programa Landsat é o mais utilizado

pelos cientistas para estudar a mudanças ambientais a curtos e longo prazo, com mais de
254 artigos publicados, desde de 2004, nas 15 principais revistas cientificas do mundo
(Zhu 2017). Isso ocorre pois, de acordo com o autor acima, desde do lançamento do
primeiro satélite do programa, em 1972, é possível conseguir imagear a mesma área de
estudo a cada 18 dias (resultando entre 20 a 21 imagens por ano) e operando em quatro
comprimentos de onda, do visível (verde e vermelho) ao infravermelho (proximal e
médio) de forma gratuita. Com o surgimento do sensor Thematic Mapper (TM), em 1982,
15
houve a melhora significativa da resolução espacial, saindo de 80 metros para 30 metros,

da resolução temporal (16 dias de revisita) e a possibilidade de se trabalhar com mais
bandas do visível (azul), infravermelho (médio) e até no termal.
No ano de 1999, com o lançamento Landsat Enhanced Thematic Mapper Plus
(ETM+), foi criada a banda pancromática, possuindo uma resolução espacial de 15 metros.
Já em 2013, com o lançamento do Landsat 8 Operational Land Imager (OLI), houve a
geração das bandas Cirrus e Coastal, utilizadas respectivamente para análises de nuvens
e estudos em mapeamentos geomorfológicos onshore. Em meados de 2016, a partir do
projeto “Landsat Level Data 1T”, todas as imagens de satélite, do Landsat 4 Thematic
Mapper (TM) ao Landsat 8 Operational Land Imager (OLI), obtiveram reajuste de
ortorretificação por meio de dados de modelo de elevação digital (DEM) e pontos de
controle, garantindo um erro de posicionamento médio quadrático (RMSE) de no máximo
12 metros. Atualmente, o programa deu início ao o projeto “Landsat Level Data 2”, cujo
objetivo é fazer a correção atmosférica de todos os sensores citados acima, diminuindo
ainda mais o tempo de processamento de dados por meio do interprete.
Figura 2-7: Evolução das bandas espectrais, do programa Landsat, ao longo do tempo
Fonte: Adaptado de https://www.usgs.gov/land-resources/nli/landsat
16
FERREIRA, T.A.B (2019) ÁREA DE ESTUDO
3 ÁREA DE ESTUDO
3.1 Localização
O Delta do Rio Parnaíba (DRP) está localizado no nordeste do Brasil, entre os
estados do Maranhão e Piauí (Fig.3-1), cobrindo aproximadamente 3138 km² (MMA,
2006), onde vivem mais de 280.000 habitantes (IBGE, 2016). Conforme de Paula Filho
et al. (2015), 48% da região deltaica é classificada como áreas florestais não cultivadas,
16% em áreas de conservação, 17% em dunas e manguezais, 10% em pastagens, 8% em
áreas agrícolas e apenas 1% em áreas urbanas.
O Delta do Rio Parnaíba é um delta assimétrico, dominado tanto por ondas quanto
por marés, com uma plataforma continental estreita (aproximadamente 50 km de largura),
relativamente rasa (profundidade média de 25 metros) e suave (0.04º), típico da costa do
nordeste brasileiro. (Szczygielski et al. 2014; Vital 2014; Aquino da Silva et al. 2016)
Figura 3-1: Localização do Delta do Rio Parnaíba (DRP).
Fonte: Próprio autor (2019)
17
3.2 Aspectos climáticos, oceanográficos e fluviais

Os estados do Piauí e Maranhão estão situados entre a Pré-Amazônia Úmida e o
Nordeste Semiárido (Belda et al. 2014). De acordo com esse autor, a área de estudo
apresenta um clima tropical com estação seca de inverno (Aw), caracterizado por ter uma
estação chuvosa no verão (janeiro a julho) e uma nítida estação de seca no inverno (agosto
a dezembro). A duração de cada período depende da posição da Zona de Convergência
Intertropical – ZCIT (El-Robrini et al 2018). Entre 1965 a 2009, a precipitação acumulada
média foi de 1210 mm/ano (Aquino da Silva et al. 2015a)
Os ventos alísios, na costa nordestina, exibem uma direção preferencial para E-
NE com uma velocidade média de 2.1 a 5.9 m/s (Paula et al 2016). Os ventos alísios
atuantes próximos a linha de costa do Delta do rio Parnaíba (DRP) são influenciados pela
locomobilidade da Zona de Convergência Intertropical (ZCIT) (Paula et al 2016). Os
autores acima argumentam que quando a ZCIT se locomove ao sul do equador, nos meses
de abril a maio, os ventos alísios são mais fracos. Por sua vez, no momento em que a
ZCIT se locomove ao norte do equador, entre agosto a dezembro, os ventos alísios são
mais fortes, atingindo velocidades de até 10.7 m/s.
No período correspondente entre 2010 a 2012, as ondas situadas próximas ao
DRP, apresentaram uma direção N, N-NE e/ou E-NE, com altura variando entre 0.6 a
1.1m e com período de 5 a 9 segundos (El-Robrini et al, 2018; Paula et al, 2016). No
período chuvoso, entre janeiro a junho, a altura das ondas variou entre 0.53 a 0.71m,
ostentando uma média de 0.64m (Paula et al 2013). Já no período seco, de julho a
dezembro, os autores acima relatam que as ondas têm uma altura média de 0.83 metros,
com valores mínimos de 0.58m e máximo de 1.25m. Ainda segundo os autores, há a
incidência de ondas N-NW e N-NE, influenciadas diretamente pela presença de
promontórios e recifes de arenito e ao efeito da barreira hidráulica. Por fim, as correntes
longitudinais exibem uma velocidade máxima de 1 m/s, com uma direção predominante
de E-W.
No Delta do Rio Parnaíba, a maré é classificada como semi-diurna e de transição
entre meso a macromaré, com uma amplitude de maré de sizígia de 1.70 metros na maré
de quadratura e 3.06 a 6.1 na maré sizígia (Aquino da Silva et al. 2015a). Levantamentos
realizados por Aquino da Silva et al. (2015b) demonstram que a velocidade média das
correntes de maré é de 0.19 m/s (atingindo valores máximos de 0.52 m/s) com direção
preferencial para NNE.
18
A bacia hidrográfica do Parnaíba apresenta aproximadamente 1.400 Km de

extensão e 331.441 km² de área de captação (MMA, 2006). De acordo com esse órgão
ambiental, esta bacia de drenagem pode ser dividida em três regiões: o alto Parnaíba
(151.630 km²), médio Parnaíba (137.000 km²) e baixo Parnaíba (42.810 km²). A vazão
média anual do Baixo Parnaíba, região hidrográfica mais próxima da área de estudo, é de
841 m³/s, com concentração de sedimentos em suspensão em torno 50 mg/l. estima-se um
transporte de sedimentos para o litoral na ordem de 115ton/ano/km2 (MMA, 2006).
3.3 Geologia e Geomorfologia

A 700 km da foz, há uma represa no rio Parnaíba (RP), onde opera a usina
hidrelétrica de Boa Esperança. O Rio flui principalmente sobre rochas sedimentares da
Bacia do Parnaíba e sobre a Bacia de Barreirinhas em seu curso mais baixo.
A bacia do Parnaíba é composta principalmente de rochas sedimentares
depositadas em cinco Supersequência do Siluriano até o Cretáceo (Feijó 1994; Góes e
Feijó 1994). A bacia de Barreirinhas possui composição sedimentar semelhante, e sua
formação está relacionada à fragmentação do supercontinente Gondwana, durante o
Mesozóico (Feijó 1994). Os tipos de rocha de ambas as bacias variam de conglomerados
e arenitos de granulação grossa a folhelhos e siltitos. Ambas as bacias possuem forte
componente estrutural com ocorrência de falhas listrica normais (Feijó, 1994; GóeS e
Feijó, 1994). Dados de turbidez coletados antes e depois da represa do rio demonstram
que a maior parte do sedimento é gerado a jusante da barragem(Aquino da silva et al.
2019)
O Delta do Rio Parnaíba apresenta feições geomorfológicas distintas ao longo da
sua zona costeira (Cavalcanti 2004; Szczygielski et al. 2014). Conforme esses autores, a
parte oriental do delta (setores I, II), localizada no Estado Piaui, consiste em um campo
de dunas costeiras ativa, que se sobrepõe sobre os manguezais e paleodunas parcialmente
vegetadas. Praias de até 200 metros de largura caracterizam a geomorfologia dessa região.
Já a oeste da desembocadura (setores III e IV), no Estado do Maranhão, a costa é
dominada por canais de maré associados às condições estuarino-lagunares. Além dos
campos de dunas e praias relativamente estreitas (larguras menores do que 50 metros), a
ocorrência de pontais arenosos (“spits”) são comuns.
As praias se estendem em toda costa até a base das dunas móveis (Cavalcanti,
2004; Lima e Brandão et al 2010). Os autores acima asseguram que esses depósitos são
compostos por areias quartzosas medias a grossa, bem selecionadas e com grande
19
presença de matéria orgânicas, sedimentos biogênicos e minerais pesados. Nas praias

ainda são encontrados “beach rocks” (arenitos de praia), que estão distribuídos
paralelamente a linha de costa, comumente aflorando na zona de estirâncio (Paula et al
2013).
Os campos de dunas têm significativa expressão territorial no Delta do Parnaíba,
dispostas de forma continua, dispostas paralelamente a linha de costa, sendo as vezes
interrompidas pelas planícies fluvio-marinhas e fluvio-lacustre (Cavalcanti, 2004; Lima
e Brandão, 2010). De acordo com esses autores, essa feição geomorfológica pode ser
dividida em dunas recentes (depósitos eólicos costeiros holocênicos) e em paleodunas
(depósitos eólicos costeiros pleistocênicos).
As dunas recentes apresentam pouca ou nenhuma cobertura vegetal, causando
uma instabilidade e uma grande mobilidade (Calvancanti 2004). Gonçalves et al (2003)
classifica as diversas formas de depósitos eólicos costeiros holocênicos na região
associado à presença da vegetação. Dunas barcanas, transversais de crista reta (2D), crista
sinuosa (3D), dunas obliquas e cordões longitudinais estão associadas às dunas sem
vegetação. As dunas relativamente vegetadas ocorrem próximos a desembocadura do rio
Parnaíba e podem ser do tipo nebkha e sombra (shadow dunes). Por fim, as dunas fixas,
que representam mais de 70% dos depósitos eólicos recentes, são do tipo parabólica e
lençóis de areia.
As paleodunas estão localizadas afastadas em relação a linha de costa e
depositadas de forma discordante sobre os tabuleiros costeiros (Cavalcanti, 2004; El-
Robrini et al, 2018). Essa feição geomorfológica é composta por sedimentos quartzosos
e feldspáticos, de cores acastanhada a acinzentada, tendo sua formação relacionada a um
período de nível relativo do mar (NRM) mais elevado que o atual, ocorrido durante o
pleistoceno.
As Planícies Fluviais ou fluvio-lacustres ocorrem ao longo das margens do rio
Parnaíba, caracterizado por áreas de baixo gradiente topográfico, resultante da
combinação de processos fluviais e lacustres, podendo comportar canais anastomosados,
paleomeandros, etc (Ferreira e Dantas, 2010). Essa unidade é formada por sedimentos
quaternários, englobando depósitos aluvionais e colúvio-aluvionais, sendo compostos
essencialmente por silte, argila, areia, cascalho e matéria orgânica (Cavalcanti, 2004).
20
3.4 Vulnerabilidade costeira

Análise multicritério feita por Nicolodi e Petermann (2010), envolvendo dados
populacionais, climáticos e altimétricos, demonstraram que apesar da escassa densidade
populacional (menor do que 12 habitantes/km²), as regiões próximas ao DRP apresentam
média a alta vulnerabilidade. Conforme os autores, o risco se dá pela presença de
pronunciados eventos de erosão associados ao regime de inundações periódicas no baixo
curso do rio em períodos de cheia. Também por análise multicritério (geologia,
geomorfologia, altimetria, declividade e uso e ocupação do solo), Frota et al (2017),
comprovaram as informações dos autores acima, ao relatar que as cidades de Luís Correia
(setor I), Parnaíba e Ilha Grande (setor II) são altamente susceptíveis a inundação e
erosão. Os autores alegam que esse problema se dá pelo fato das cidades estarem situadas
em planícies de inundação (fluvio-marinha e fluvio-lacustre) e com a expansão urbana
próxima a linha de costa.
Dados de imagem de satélite demonstram que as ilhas do Caju (setor IV) e do
Poldro (setor III) obtiveram, respectivas perdas de 600 e 180 metros de largura, entre os
anos de 1981 a 2009 (Aquino da Silva et al. 2015b). Nos setores I e II, perfis de praias
demonstram que 45% da linha de costa apresentam tendências erosivas, enquanto que 6%
das praias estão progradando e 50% estão estáveis (Paula et al, 2013). Conforme estes
autores, além das causas naturais, a ocupação da pós-praia e da própria praia por
intermédio da construção de casas de veraneio, hotéis, bares, parques eólicos e a atividade
portuária em Luís Correia têm acelerado os processos erosivos. A situação só não é mais
grave devido a influência do Delta do Parnaíba, que de acordo com os pesquisadores
acima e Aquino da Silva et al. (2015a), provoca uma pluma de sedimentos até 10 km
costa-afora, que é redistribuída para estes setores.
21
FERREIRA, T.A.B (2019) METODOLOGIA
4 MATERIAIS E MÉTODOS
Neste estudo, o fluxo (Fig.4-1) utilizado para a análise quantitativa da evolução
temporal da linha de costa situadas próximas ao Delta do Rio Parnaíba compreendeu: (a)
Aquisição dos dados hidro climáticos ; (b) Aquisição das imagens de satélite; (c) Pré-
processamento das imagens de satélite; (d) Delimitação da linha de costa; (e) Análise das
incertezas; (f) Quantificação da linha de costa a partir uso do Digital Shoreline Analisys
(DSAS).
Figura 4-1: Fluxograma das atividades desenvolvidas na presente dissertação.
22
4.1 Aquisição dos dados hidro climáticos

Para a caracterização climatológica foram coletados dados de pluviometria,
intensidade e direção dos ventos a partir da estação Parnaíba (ID: 82287), entre o período
de 1984 a 2017, adquiridos a partir do Banco Histórico de Dados Meteorológicos para
Ensino e Pesquisa (BDMEP), disponibilizados pelo sitio
<http://www.inmet.gov.br/portal/index.php?r=bdmep/bdmep>.
Os dados hidrográficos do Rio Parnaíba foram coletados a partir das estações
convencionais e telemétricos do Sistema Nacional de Informações sobre Recursos
Hídricos (SNIRH), disponibilizado no sítio da Agência Nacional de Águas (ANA), <
http://www.snirh.gov.br/hidroweb/>. A estação na qual foi adquirido o dado, Luzilândia,
representa o baixo curso do Rio Parnaíba (MMA, 2006) e foi escolhida por estar mais
próxima da área de estudo (cerca de 70 km da linha de costa), como visualizado na figura
3-1).
Por fim, foi utilizado o coeficiente de correlação produto momento (correlação de
Pearson) e o coeficiente de determinação com o intuito de verificar a dependência entre
dados pluviométricos e hidrográficos com a variação da linha de costa em pequenos
intervalos de tempo. O primeiro mede a direção o e grau da correlação entre duas
variáveis de escala métrica (intervalar ou de razão). Valores próximos a +- 1 indicam uma
alta correlação (positiva ou negativa), enquanto que resultados próximos a zero relatam
que não há dependência entre as duas variáveis. Já o coeficiente de determinação é o valor
quadrado do coeficiente de determinação, que indica em percentagem, o quanto o modelo
consegue explicar os valores observados.
4.2 Aquisição das imagens de satélite

Existem considerações acerca da resolução espacial e temporal que devem ser
realizadas para certas aplicações (Jensen, 2009). De acordo com o autor acima, em
estudos que envolvam mudanças na cobertura terrestre, é necessário utilizar sensores cuja
resolução espacial varie entre 0.5 até 50 metros e uma série temporal de anos até décadas
(Fig.4-2). Além disso, diversos estudos envolvendo a variação da linha de costa (e.g.
Besset et al, 2017; Dada et al, 2018; Luijendijk et al, 2018; Mentaschi et al, 2018;
Mukhopadhyay et al, 2018; Qiao et al, 2018; Aquino da Silva et al, 2019) empregaram o
uso de imagens Landsat com diferenças temporais entre décadas. Sendo assim, a cenas
da zona costeira no Delta do Rio Parnaíba Parnaíba (Path: 219; Row: 62) foram extraídas
23
a partir de imagens de satélite do programa Landsat (Sensores TM, ETM+, OLI/TIRS),

entre os períodos de 1984 a 2017 (Tabela 4-1), por intermédio dos sítios
<https://earthexplorer.usgs.gov/> e <https://glovis.usgs.gov/>.
Tabela 4-1: Aquisição das imagens de satélite com as respectivas datas, horário de aquisição e erros. Ep:
Erro de processamento; Er: Erro de retificação. Et: Erro total
Data da Tipo do sensor Hora da Altura da Hora da Altura da EP ER ET

imagem aquisição mare no maior mare maior (m) (m) (m)
(ano/mes/dia) da momento registrada no mare
imagem da dia da registrada
(GMT) aquisição aquisição da no dia (m)
da imagem imagem
(m) (GMT)
2017-09-28 Landsat 8 OLI 12:58 2.37 13:17 2.37 30 ---- 30
2014-08-03 Landsat 8 OLI/ 12:58 2.64 12:48 2.65 30 4.2 30.29

2012-10-08 Landsat 7 12:54 2.35 13:12 2.25 30 7.1 30.83
ETM+
2009-10-24 Landsat 7 12:48 2.50 13:02 2.55 30 6.21 30.63
ETM+
2007-08-03 Landsat 5 TM 12:51 2.38 13:15 2.38 30 5.10 30.43
2004-08-07 Landsat 5 TM 12:41 2.61 12:35 2.61 30 5.89 30.57
2001-12-21 Landsat 5 TM 12:38 2.46 13:08 2.49 30 6.30 30.65
1999-11-14 Landsat 5 TM 12:51 2.54 13:19 2.56 30 4.70 30.37
1995-11-03 Landsat 5 TM 11:58 2.62 12:45 2.72 30 7.20 30.85
1989-12-04 Landsat 5 TM 12:22 2.54 12:50 2.56 30 4.26 30.30
1987-11-13 Landsat 5 TM 12:26 2.35 13:00 2.37 30 7.8 31
1984-09-01 Landsat 5 TM 12:28 2.73 12:15 2.73 30 5.6 30.52
24
Figura 4-2: Escolha da resolução espacial e temporal de acordo com o estudo ambiental. O satélite Landsat
é adequado para os estudos de uso e cobertura da terra, em que se incluem a variação da linha de costa.
Fonte: Adaptado de Jensen (2009)
4.3 Pré-Processamento
4.3.1 Georreferenciamento das imagens
Com o intuito de melhorar o posicionamento das imagens de satélite, foi utilizada
a imagem Landsat OLI de 2017 para realizar o georreferenciamento nas demais cenas,
através do registro imagem-imagem. As cenas do Landsat foram georreferenciadas a
partir de pontos fixos ao longo do tempo, como interseção de rodovias, avenidas, fábricas
e espigões, sendo reamostradas a partir da transformação do polinômio de primeira
ordem. Após este procedimento, o erro quadrático médio da raiz posicional (RMSE) foi
menor do que 8 metros (Tabela 4-1).
4.3.2 Correção Atmosférica
A atmosfera afeta o brilho recebido pelo satélite, espalhando, absorvendo e
refratando a luz, ocasionando assim, uma diminuição do contraste entre os alvos (Chávez,
1996). De acordo com Song et al. (2001), só é possível comparar dados espectrais
25
(reflectância) de imagens adquiridas em datas e em condições meteorológicas diferentes

após a atenção dos efeitos atmosféricos.
Neste trabalho, foi aplicado o método de subtração de objetos escuros (DOS),
proposto por Chávez (1996). Este procedimento baseia-se no fato de que alguns objetos
na imagem, tais como os pixels de sombras (ocasionadas pela topografia ou pelas nuvens)
e/ou pixels de água na quebra da plataforma, apresentam valores de reflectância superior
ao esperado, em torno de 1%, devido ao espalhamento atmosférico. Sendo assim, esses
pixels escuros servem como referência para a correção do espalhamento atmosférico de
toda a cena (Chávez 1996; Song et al. 2001)
Para aplicação do DOS, inicialmente os números digitais (DN’s) são
transformados em radiância (Eq. 1), sendo posteriormente convertidos em reflectância,
retirando o valor da energia espalhada pela interferência atmosférica, como mostrado nas
equações 2 e 3. Dados estatísticos foram coletados (Fig-4.3) para mostrar a diferença
entre os valores obtidos pelo método DOS (tabela 4-2) e a correção topo atmosfera, a
mais simples e utilizada pelos usuários Landsat. Uma das grandes vantagens do DOS
comparado com outros, tais como o método 6S ATM é sua simplicidade de aplicação e
excelente precisão (Aquino da Silva et al. 2015a)
Lsat = (DN ∗ Gain) + Bias (Eq. 1)

Lsat: Radiância na abertura do sensor (brilho TOA) para banda selecionada (W/m2.sr-1.um-1)
DN: Número Digitais
Gain: Fator multiplicativo para a banda selecionada (W/m2.sr-1.um-1)
Bias: Fator aditivo para a banda selecionada (W/m2.sr-1.um-1)
π ∗ (Lsat − Lhaze)
P= (Eq. 2)
Tv ∗ (Esun ∗ Cos (θz) ∗ Tz) + Edown
0.01Esunℷ ∗ Cos (θz)

Lhaze% = (Eq. 3)
π ∗ d²
P: Reflectância na abertura do sensor para a banda selecionada

𝐿haze: Energia espalhada pela interferência atmosférica para banda selecionada (W/m2.sr-1.um-1)
𝐸𝑠𝑢𝑛: Irradiância solar exoatmosférica média no topo da atmosfera para a banda selecionada (W/m 2.sr-
1
.um-1)
Cos (𝜃𝑧): Cosseno do ângulo zenital solar (em graus)
Tν: Transmitância atmosférica ao longo do caminho da superfície do solo até o sensor.
Tz: Transmitância atmosférica ao longo do caminho do sol até a superfície do solo
Edown: é a irradiância difusa na direção de iluminação
26
Tabela 4-2: Comparação entre os valores dos pixels por meio do Processamento topo atmosfera e Dark
Object Substracion. Note que os pixels obtidos pelo DOS são menores, pois parte do espalhamento
atmosférico foi retirado. Os dados extraídos foram obtidos a partir da imagem Landsat de 2007 e os pontos
de coleta podem ser visto na imagem 4-3.
Reflectância topo atmosfera (Valores médios de DN)

Classes Bandas Espectrais
Azul Verde Vermelha NIR MIR BIR
Sedimento 0.2572 0.3122 0.3440 0.3848 0.4796 0.4524
Seco
Quebra das 0.1203 0.1128 0.1079 0.2836 0.1913 0.1307
Ondas
Água 0.1853 0.1880 0.1743 0.1139 0.0664 0.0551
Mangues 0.1203 0.1128 0.1079 0.2836 0.1913 0.1307
Dunas 0.2738 0.3642 0.4498 0.5069 0.5058 0.5392
Reflectância de Superfície Aparente - DOS (Valores Médios de DN)
Classes Bandas Espectrais
Azul Verde Vermelha NIR MIR BIR
Sedimento 0.2558 0.3094 0.3416 0.3819 0.4776 0.4497
Seco
Quebra das 0.1106 0.1045 0.0799 0.2746 0.1863 0.1211
Ondas
Água 0.1839 0.1851 0.1719 0.1110 0.0644 0.0524
Mangues 0.1190 0.1100 0.1055 0.2807 0.1893 0.1279
Dunas 0.2724 0.3614 0.4473 0.5039 0.5038 0.5364
4.4 Delimitação da linha de costa

Com a melhoria da resolução espectral ao longo de décadas, especialmente em
comprimentos de onda visível e infravermelho, vários métodos de extração automática
de linha costeira foram criados, como NDWI (McFeeters, 1996), MNDWI (Xu, 2006),
AWEI (Feyisa et al, 2014) e WI2015 (Fisher et al, 2016), aumentando a a velocidade do
processo e diminuindo a margem por erro em relação à extração manual.
O “Modified Normalized Difference Water Index” - MNDWI, proposto por Xu
(2006) foi empregado neste presente trabalho. Este método consiste em separar a linha
costeira da água por meio da razão entre as diferenças das bandas verde (green) e
infravermelha média (MIR) pela soma das mesmas bandas (Eq. 4), sendo considerado
como uma das melhores formas de extração automática da linha de costa (Chu et al. 2006;
Zhai et al. 2015; Fisher et al. 2016; Sunder et al. 2017; Kelly e Gontz 2018)
𝐺𝑟𝑒𝑒𝑛 − 𝑀𝐼𝑅
𝑀𝑁𝐷𝑊𝐼 = (𝐸𝑞. 4)
𝐺𝑟𝑒𝑒𝑛 + 𝑀𝐼𝑅
Green: Comprimento de onda verde (0,52 - 0,60 µm)

MIR: Comprimento de onda do infravermelho médio (1,55 - 1,75 µm)]
27
De acordo com Xu (2006), o índice MNDWI tem uma grande acurácia pois a água
apresenta uma reflectância máxima no comprimento de onda da banda verde (Green) e
uma absorção máxima (reflectância mínima) na banda infravermelha média (MIR).
Ademais, os sedimentos quartzosos, vegetação e solo apresentam uma grande reflectância
na banda MIR (Fig.4-4). Pardo-Pascual et al. 2018 afirma que a banda MIR, das imagens
Landsat e Sentinel, são menos afetadas pelas ondas de quebra pixels do que as bandas
NIR, enquanto Sunder et al (2017); Kelly e Gontz (2018) provam que o índice MNDWI
têm uma grande acurácia mesmo em ambientes com águas turvas e construções próximas
a linha de costa. Como resultado do índice MNDWI, uma nova imagem raster com
valores variando entre +1 a -1 será gerada (Fig.4-3). Os pixels de água serão realçados,
apresentando valores positivos (igual e/ou maior do que zero), enquanto que os pixels de
vegetação, sedimentos secos e solo serão suprimidos, exibindo valores negativos.
Após o cálculo, empregou-se o uso de técnicas de segmentação na imagem, cujo
objetivo principal é a geração de uma imagem binária, segregando assim, os pixels de
sedimentos dos de água de forma homogênea e concisa. O valor do limiar de separação
(Optimal Threshold) foi zero (0), como determinado por Fisher et al. (2016); Kelly e
Gontz (2018) e Xu (2006). Por fim, cada imagem binária foi convertida em polígonos e
posteriormente foram convertidas em linhas (Fig. 4-1c).
Figura 4-3: Histograma do Índice MNDWI (XU et al, 2006). No MNDWI, os pixels de água, juntamente
com os de sedimento molhados irão apresentar valores de reflectância maiores do zero, enquanto que os
demais pixels exibirão valores negativos.
Fonte: Próprio autor
28
Figura 4-4: Estatísticas dos pixels de interesse da área de estudo. Em [a] tem-se uma imagem Landsat 5
TM, de composição RGB 432, no qual foram coletados dados estatísticos das principais feições. Em [b]
tem-se a análise desses pixels, mostrando que os sedimentos quartzosos da praia apresentam uma
reflectância máxima na banda MIR, enquanto que os pixels de água obtiveram uma absorção máxima, como
proposto por XU (2006). Já na banda verde (green), os pixels de água apresentam uma máxima reflectância.
4.5 Análise de Incertezas

Como retratado na introdução, a posição da linha de costa varia bastante em
escalas curtas de tempo devido aos efeitos da maré, onda, eventos de tempestade, perfil
de equilíbrio da praia, etc. Logo, é necessário que o intérprete identifique e quantifique
29
as incertezas relacionadas à posição da linha de costa e inclua-as ao modelo, garantindo

assim, uma maior confiabilidade no resultado (Romine et al. 2009; Hapke et al. 2010; Del
Río and Gracia 2013). Neste trabalho, a análise de incertezas foi baseada nos estudos
acima mencionados. Dentre os possíveis erros apontados pelos referidos autores foi
possível identificar cinco desses: erro de pixel (EP), de retificação (ER), de digitalização
(ED), sazonalide (ES) e maré (EM).
O erro de retificação (Er) é calculado a partir do processo de ortorretificação, ou
seja, a partir do processo de georreferenciamento das imagens de satélite (Romine et al.
2009) assunto debatido no tópico 3.2. O erro de pixel (EP) é igual ao valor da resolução
espacial do satélite e/ou fotografia aérea utilizada para análise (tabela 3.1). Por fim, o erro
de digitalização (ED), é relacionado à incerteza do intérprete em delimitar a linha de costa.
Pelo fato deste trabalho ter utilizado um método automático e com um limiar (optimal
threshold) constante, esse erro foi eliminado.
O erro de sazonalide (ES) é associado aos ciclos deposicionais e erosionais que
ocorrem no perfil praial durante os respectivos períodos de verão e inverno. Com o intuito
de minimizar esse erro, empregou-se o uso de dados climatológicos para selecionar e
obter-se as imagens de satélite apenas no período de inverno (agosto a novembro), que
correspondem ao período seco.
O erro de sazonalide (ES) é associado aos ciclos deposicionais e erosionais que
ocorrem no perfil praial durante os respectivos períodos de inverno e verão. Com o intuito
de minimizar esse erro, empregou-se o uso de dados climatológicos para selecionar e
obter-se as imagens de satélite apenas no período de inverno (setembro a dezembro), que
correspondem a época de menor pluviosidade e altura das ondas.
O erro da maré (ET) está associado à variação horizontal da linha de costa devido
à influência da amplitude de maré (Del Río e Gracia 2013). Em locais de meso a
macromaré e com praias suaves, como na região de estudo, a delimitação da linha de costa
desconsiderando a posição da maré (alta, baixa e/ou intermediária) no momento da
aquisição da imagem pode resultar em erros de dezenas a centenas de metros (Del Río e
Gracia 2013; Rubio et al. 2014). Isso ocorre, pois de acordo com os autores acima, a
variação da linha de costa é proporcional à amplitude de maré na região no momento da
aquisição da imagem e inversamente ao perfil de equilíbrio da praia (declive), como
mostrado na eq. 4.
𝑀
𝐷𝐻𝑊𝐿 = (𝐸𝑞. 4)
𝑇𝑎𝑛𝛽
30
DHWL: Variação horizontal da posição da linha de costa

M: Amplitude da maré
Β: Declive ou perfil de equilíbrio da praia
Devido ao fato do estudo não ter realizado uma comparação entre o MNDWI e a
posição da linha de costa in situ, por meio do GPS-RTK, não foi possível contabilizar o
erro associado ao método automático de extração da linha de costa. Em algumas cenas,
os pixels de quebra da onda e mistura podem adicionar alguns metros de incerteza ao
método estatístico. Feita a análise de incerteza, o erro de cada imagem selecionada (E I)
será dada pela Eq.5 e está mostrada na tabela 1:
2
𝐸𝑡𝑖 = √𝐸𝑟 2 + 𝐸𝑝² (𝐸𝑞. 5)
Eti: Erro total de cada imagem (metros);

Er: Erro de retificação (metros)
Ep: Erro de pixel (metros)
4.6 Quantificação da linha de costa a partir uso do Digital Shoreline Analisys

(DSAS)
O Digital Shoreline Analysis System (DSAS) é uma aplicação gratuita do
software Arcgis, desenvolvida desde 1990, no qual a partir da vetorização da linha de
costa, de diferentes datas, é possível realizar cálculos estatísticos da sua variação temporal
(Thieler et al 2017). A tabela 4.3 descreve sucintamente principais métodos inclusos no
aplicativo, demonstrando suas respectivas vantagens e desvantagens.
Tabela 4-3: Compilado dos principais métodos estatísticos do Digital Shoreline Analysis (DSAS)
Método Descrição sucinta Vantagens Desvantagens

Shoreline Change Calcula a distância entre a Determina a variação máxima da O cálculo é feito utilizando apenas
Envelope (SCE) linha mais distante e a mais linha de costa; duas linhas, mascarando possíveis
próxima da baseline; Método de fácil aplicação; eventos ocorridos na área de estudo;
Net Shoreline Calcula a distância entre a Determina a instabilidade máxima O cálculo é feito utilizando apenas
Moviment (NSM) linha mais antiga e a mais durante o período analisado; duas linhas, mascarando possíveis
recente; Método de fácil aplicação; eventos ocorridos na área de estudo.
End Point Rate Calcula a média anual, Determina a variação anual da linha O cálculo é feito utilizando apenas
(EPR) durante o período analisado, a de costa durante o período analisado; duas linhas, mascarando possíveis
partir da distância entre a Método de fácil aplicação; eventos ocorridos na área de estudo.
linha mais antiga e a recente
Linear Regression Calcula a variação da linha de O cálculo é feito utilizando todas as O cálculo não considera a incerteza
Rate (LRR) costa através da regressão linhas de costa, melhorando a acerca da posição da linha de costa
linear, em função do espaço confiança do resultado. (não quantifica os possíveis erros);
sobre o tempo; Permite visualizar regiões com
tendências erosivas ou de acresção
sedimentar;
Método de fácil aplicação;
Weighted Linear Calcula a variação da linha de O cálculo é feito utilizando todas as O cálculo é feito a partir de um
Regression costa através da regressão linhas de costa e contabiliza os número de variáveis;
(WLR) possíveis erros;
31
linear ponderada, em função Dentre todos os métodos, é que Maior tempo no processamento dos
do espaço sobre o tempo; apresenta maior confiabilidade nos dados;
resultados;
R-Squared (R² e Calcula a porcentagem de O cálculo é feito utilizando todas as O cálculo é feito a partir de um
WR²) variância nos dados; linhas de costa; número de variáveis;
Permite identificar a oscilação dos
Utilizada geralmente para resultados. Valores próximos a 0 Maior tempo no processamento dos
verificar a confiabilidade dos mostra uma intensa oscilação da linha dados;
métodos LRR e WLR de costa, enquanto valores próximos a
1 mostram resultados concisos e sem
variação.
Para que DSAS efetue os cálculos de forma adequada, é necessário que o

intérprete crie três arquivos vetoriais: a linha de costa (shoreline), linha de base (baseline)
e os transectos (transects) (Thieler et al 2017). A linha de costa (shorelines) são as feições
que indicam a linha de costa a partir das imagens de satélite, como debatido no tópico 4.4
De acordo com os autores acima, é necessário que o intérprete adicione, na tabela
de atributo das linhas de costa, informações como as datas em formato americano
(mm/dd/aaaa) e as incertezas de cada shorelines, como relatado no tópico 4.5. A linha de
base ou baseline é uma linha paralela a uma certa distância da linha de costa (shorelines),
podendo ser tanto onshore quanto offshore, cuja função é servir como uma referência
espacial no instante em que o software esteja processando os dados (Thieler et al 2017).
Os transectos, por sua vez, são linhas ortogonais e/ou transversais geradas
automaticamente pelo software a partir do espaçamento determinado pelo intérprete. O
cálculo será efetuado a partir da posição das shorelines em cada transecto.
Dentre todos os métodos do DSAS, como mostrado na tabela 4-3, neste trabalho
foram utilizados o Weighted Linear Regression (WLR), WLR-squared (WLR²) e o End
Point Rate (EPR). O primeiro calcula as taxas de recuo e avanço da linha de costa através
da regressão linear ponderada entre as variáveis espaço e tempo. Uma das grandes
vantagens do WLR, em relação aos demais, é o fato desse levar em conta os erros da
posição da linha de costa no momento de fazer a regressão e dar uma maior ênfase aos
dados que apresentam menores incertezas. O WLR², por sua vez, nada mais é do que um
coeficiente de determinação, mostrando numericamente (0 a 1) o quanto a regressão linear
WLR consegue explicar os valores adquiridos. Por fim, o EPR calcula a variação da linha
de costa (m/ano), a partir da distância entre as linhas mais antiga e mais recente.
Neste trabalho, utilizou-se os métodos WLR e WLR² para fazer uma análise
espaço-tempo da zona costeira nos anos de 1984 a 2017. No processamento dos dados
32
WLR inseriu-se um índice de confiança de 95% para ter uma análise mais confiável dos
resultados, observando o quanto os dados de média e/ou mediana podem variar para cada
transecto. e verificar o quanto a média/mediana varia. Já o método EPR foi empregado
para análise de todos os períodos individualizados, com o intuito de determinar a
correlação entre as variáveis hidro climáticas com a linha de costa.
Valores negativos de WLR e EPR indicam que houve erosão costeira ao longo do
tempo, enquanto resultados positivos apontam acresção. Valores de R² acima de 0.7
mostram que o resultado é consistente ao longo do tempo.
Em relação aos transectos, foram realizados cento e oitenta e nove (189) para o
setor I, duzentos e cinco (205) no setor II, noventa e seis (96) para o setor III e cento e
sessenta e dois (162) no setor IV, com o espaçamento médio de cem (100) metros entre
eles. Por fim, a baseline, por sua vez, constituiu-se de forma paralela a linha de costa na
direção onshore, posicionada à quinhentos (600) metros da linha de costa mais antiga
33
Figura 4-5: Resumo do aplicativo DSAS. [a] disposição dos arquivos vetoriais (Linha de base, transectos e
Linha de costa) para utilização de forma correta do programa. O método WLR [b.1] utiliza todas as linhas
de costa, juntamente com suas possíveis incertezas, para realizar a variação da linha de costa por meio de
uma regressão linear. [b.2] o resultado é expresso por uma equação Y= aX + b, no qual o valor de a indica
se a região teve acresção ou erosão. A regressão fornece um coeficiente de determinação (WLR²), que
indica o quanto o modelo consegue explicar o resultado. Por fim, o método EPR faz a variação temporal da
LC utilizando apenas a mais recente e a mais antiga.
Fonte: Adaptado de THIELER et al, 2017
34
FERREIRA, T.A.B (2019) RESULTADOS
5 RESULTADOS
5.1 Análise Climatológica

Durante o período de1984 a 2017, a área de estudo apresentou precipitação média
acumulada de 1052 mm/ano, a uma taxa de regressão linear de -13,38 m / ano. Valores
extremos positivos foram reconhecidos em 1985 (1768 mm / ano), 1996 (1500 mm / ano)
e 2009 (1640 mm / ano), enquanto os anos de 1997 (612 mm / ano), 1998 (587 mm / ano)
e 2012 (625 mm / ano) registraram os menores valores(Fig. 5-1a).. Regularmente, houve
104 dias chuvosos por ano, sendo a maioria reunida entre fevereiro e maio (representando
quase 70% desse valor) (Fig. 5-1c/d). Como consequência, estes foram os únicos meses
que ultrapassaram a marca de 160 mm, atingindo o ápice em abril (241,9 mm). Por sua
vez, de junho a dezembro, houve uma queda extrema das chuvas, com valores abaixo de
45 mm e chegando a 1,1 mm em setembro. Já entre junho a novembro há uma diminuição
drástica da pluviometria, com valores mínimos situados entre agosto (4.08 mm) e
setembro (1.1mm) (Fig. 5-1b).
Dados da estação Luzilândia, mostram que o rio apresentou uma vazão média
anual de 664.19 m³/s, com valores mínimos em 2012 (300 m³/s) e 2015 (373 m³/s),
enquanto nos anos de 1985 (1587.27 m³/s), 1986(1062 m³/s) e 2009 (955 m³/s houve os
maiores resultados (Fig.5-1e). Assim como sucede com a pluviometria, entre dezembro
(522 m³/s) a maio (958m³/s) registrou-se um aumento médio da descarga fluvial,
atingindo seu ápice em abril (1480m³/s). Entre junho a novembro, por sua vez, houve uma
diminuição média da vazão (Fig.5-1f).
Os coeficientes de produto momento de Pearson e de determinação comprovaram
que, durante os anos de 1984 a 2017, os valores médios anuais pluviométricos e da
descarga fluvial do rio Parnaíba, obtiveram correlações, respectivamente de, 0.88 e 0.78
(Fig.5-1g), indicando assim, uma forte dependência entre as variáveis. Já as correlações
entre suas respectivas médias mensais foram ainda superiores, com ambos valores
superiores a 0.92 (Fig. 5-1h).
35
Figura 5-1: Médias anuais e mensais, entre 1984 – 2017, acerca da pluviometria (a) e (b), número de dias
chuvosos (c) e (d) e vazão do rio (e) e (f). Os itens (i) e (h) representam os coeficientes de pearson e de
determinação.
36
Diferentemente das outras duas variáveis acima, só foi possível obter dados da
velocidade e direção dos ventos entre 1994 a 2017 (fig.5.1e). Sendo assim, neste período
de tempo, a velocidade média anual dos ventos foi aproximadamente de 3.71 m/s e com
uma direção principal para NE e uma subordinada para ENE. Examinando a média
mensal (Fig.5-1i), foi possível observar que os ventos apresentaram um comportamento
inverso ao da pluviometria, com um decréscimo acentuado da sua velocidade entre janeiro
(4.12 m/s) a junho (2.64 m/s), considerados períodos chuvosos. Já entre junho a
novembro, época de baixos índices pluviométricos, houve um acréscimo gradativo da
intensidade dos ventos, atingindo o ápice em outubro (5.48 m/s).
Fazendo uma análise dessas direções dos ventos, nota-se que em janeiro a direção
do vento foi predominantemente nordeste (NE), porém, com o passar dos meses, a direção
do vento foi alterada para leste (E). Entre os meses de setembro a dezembro ocorreu o
fenômeno contrário, ou seja, a direção do vento alterou de leste (E) para nordeste (NE).
Ademais, observa-se que os ventos oriundos do Nordeste foram mais intensos do que os
ventos do Leste (Fig.5-2)
37
Figura 5-2: Diagrama Roseta no Delta do Parnaíba, mostrando a variação da direção e da intensidade dos
ventos ao longo dos meses.
38
Durante o período de El Niño estudado (1997-1999), constatou-se que houve uma

redução pluviométrica anual de 44% (1998) a 25% (1999) se comparado com sua média
global (1984 – 2017), como visualizado na Fig.5-1a. Ademais, dados denotaram que
também transcorreu um decréscimo pluviométrico médio em todos os meses, tendo um
maior impacto entre de abril a agosto (Fig.5-3a), que registraram uma redução média de
25% (maio) a 75% (agosto).
Assim como ocorreu com a pluviosidade, neste intervalo de tempo também houve
uma redução da vazão média anual do baixo curso do rio Parnaíba, com valores oscilando
entre 55% (1998) a 84% (1997) em relação a sua média global (Fig. 5-1e). Com a exceção
de dezembro, todos os demais meses tiveram redução na sua vazão média, acentuando-se
entre janeiro a maio, considerados como períodos chuvosos e de maior descarga fluvial
(Fig.5-3b).
A análise dos ventos demonstrou que, durante o período analisado (Fig.5-3c), esse
agente influenciador da linha de costa obteve um aumento da sua intensidade em todos
os meses, principalmente entre junho a outubro, que registraram um acréscimo de 11%
(setembro) a 20% (junho). Por fim, a intensidade média anual neste intervalo de tempo
foi superior à média global (Fig.5-1i)., com um aumento de 5% (1999) a 18% (1997).
Entre os anos de 2007 a 2009, considerado pelo Instituto de Pesquisas Espaciais
(INPE) como um ciclo de La Niña, foi constatado que houve um acréscimo do total
pluviométrico anual de 4% (2007) a 55% (2009) ao ser comparado com o intervalo global
(Fig.5-1a). Ademais, neste intervalo, os seis meses iniciais do ano registraram aumentos
pluviométricos acima de 20%, com o ápice entre maio e junho (Fig.5-3a).
Em relação ao rio Parnaíba, foi observado que o ano de 2007 registrou uma
diminuição da vazão média do rio em torno de 6%, enquanto que os anos de 2008 a 2009
registraram um acréscimo, respectivamente, de 27% e 51% (Fig.5-1e). Ademais, análise
mensal (Fig.5-2b) evidenciou, que entre março a novembro, houve um aumento médio da
vazão do rio entre 5% (novembro) a 81% (maio). Os demais meses, por sua vez,
assinalaram valores abaixo da média mensal global (1984 – 2017), com uma diminuição
de 13% (fevereiro) a 44% (janeiro).
Durante o período de La Niña, o ano de 2007 registrou um acréscimo da
intensidade dos ventos em cerca de 1%, enquanto que os demais anos tiveram diminuição
respectiva de 10% a 7% (Fig.5-1g). Por fim, estudos mensais evidenciaram que com a
39
exceção de janeiro, todos os demais meses assinalaram uma diminuição na sua

intensidade, afetando principalmente os meses de março a setembro (Fig.5-3c).
Figura 5-3: Médias mensais, em diferentes períodos de tempo no delta do Parnaíba, acerca da pluviometria
(a), vazão do rio (b) e intensidade dos ventos (c).
5.2 Análise das Linhas de Costa entre 1984 – 2017 e em alguns períodos
individuais
5.2.1 Análise Global
A área de estudo têm aproximadamente 100 km de extensão, sendo dividida em
quatro (4) setores, com base em células litorâneas, denominados de Este para Oeste de I
a IV, correspondentes às praias de Luís Correa: Arrombado, Itaqui, Coqueiro e Atalaia
(Setor I), praias da Ilha Grande: Eólica, Pedra do Sal, Cotia e Barra das Canarias (Setor
II) situadas no estado do Piauí; e as praias da ilha do Poldro (Setor III) e da Ilha do Caju
(Setor IV) situadas no estado do Maranhão.
Resultados obtidos pelo método WLR demonstraram que, entre 1984 a 2017, 52%
das praias do Delta do Rio Parnaíba exibiram erosão costeira enquanto que 48%
registraram progradação sedimentar, indicando assim, que o delta está relativo equilíbrio.
40
Levando-se em conta os valores de média (-0.5 m/ano) e mediana (-1 m/ano), a região
deltaica sofreu uma leve erosão, porém, não alarmante. (Tabela 5-1). Individualmente, o
setor IV foi o que apresentou erosão costeira enquanto o setor II teve uma maior acresção
de sedimentos ao longo do período abrangido pelo estudo (Tabela 5-2). A seguir
apresentamos uma descrição mais detalhada em cada um dos setores estudados.
Tabela 5-1: Dados estatísticos de todos os setores situadas no Delta do Parnaíba. O setor I inclui as praias
do Arrombado, Itaqui, Coqueiros e Atalaia, enquanto que o setor II engloba as Eólica, praia da Pedra do
Sal, praia da Cotia e praia da Barra das Canárias. O setor III engloba a praia da Ilha dos Poldros. Por fim,
a ilha do Caju está inserida no setor IV.
Delta do
Setor I Setor II Setor III Setor IV
Parnaíba
Média WLR
-0.5 1.34 4.63 -40.6 -5.38
(m/ano)
Mediana WLR
-1.0 2.23 3.15 -2.12 -5.18
(m/ano)
Valor máximo de WLR
31.06 4.78 31.06 3.48 12.64
(m/ano)
Valor mínimo de WLR
-39.79 -3.4 -4.93 -25.11 -39.79
(m/ano)
Média WLR²
0.77 0.7 0,79 0.82 0.83
(adimensional)
% Erosão 52% 35% 40% 62% 86%
% Progradação 48% 65% 60% 38% 14%
Tabela 5-2: Dados estatísticos de todas as praias situadas no Delta do Parnaíba. O setor I inclui as praias
do Arrombado, Itaqui, Coqueiros e Atalaia, enquanto que o setor II engloba as Eólica, praia da Pedra do
Sal, praia da Cotia e praia da Barra das Canárias. O setor III engloba a praia da Ilha dos Poldros. Por fim,
a ilha do Caju está inserida no setor IV.
Intervalo Valor Valor

Média Mediana Média
Setores Praias Transectos Confiança Máximo Mínimo
WLR WLR WLR²
de 95% de WLR de WLR
Arrombado 1 - 54 -2.1 -2.4 ±1.1 2.1 -3.4 0.70
Itaqui 55 - 80 2.4 2.4 ±1.6 3.4 0.2 0.70
Setor I
Coqueiros 81 - 113 2.1 2.2 ±1.2 2.7 1.2 0.37
Atalaia 114 - 189 3.1 3 ±1.7 4.4 1.9 0.74
Eólica 1 - 97 -1.1 -3.0 ±2.8 6.9 -4.9 0.75
Pedra do Sal 99 - 129 -2.2 -3.6 ±2.8 3.2 -4.9 0.74
Setor II Cotia 130 - 146 1.8 2.5 ±3.0 5.6 -3.1 0.75
Barra das
147 - 215 18.6 19.1 ±10.7 31.1 4.4 0.86
Canárias
Setor III (Ilha Subsetor Leste 1 - 52 -9 -4.8 ±3.2 -2.0 -25.1 0.86
dos Poldros) Subsetor Oeste 53 - 97 1.8 2.3 ±2.3 3.5 -2.5 0.78
Subsetor Leste 1 - 31 5 8.0 ±14.9 12.4 -9.2 0.67
Setor IV
Subsetor Central 32 - 102 -9.1 -10.0 ±3 -2.4 -13 0.91
(Ilha do Caju)
Subsetor Oeste 103 - 162 -6.3 -2 ±2 -0.4 -39.8 0.85
41
5.2.2 Setor I
O setor I está localizado na cidade Luís Correia – PI, abrangendo as praias do
Arrombado, Itaqui, Coqueiros e Atalaia, sendo a região mais urbanizada da área de
estudo, com aproximadamente 210 mil habitantes. Pelos valores médios e medianos de
WLR, a praia do Arrombado pode ser classificada como um local que sofreu erosão
costeira com valores inferiores a - 2 m/ano (Fig.5-4a), representando uma perda de faixa
de praia, de aproximadamente 68 metros ao longo dos últimos 35 anos. Por sua vez, as
demais praias do setor registraram um ganho de sedimentos superior a 2 metros por ano
(Fig.5-4a). Com a exceção da praia dos coqueiros (Fig.5-4b), todas as demais
apresentaram um valor de coeficiente de determinação (WLR²) acima do aceitável (0.70),
demonstrando assim uma confiabilidade no resultado.
Durante os anos de 1995 a 1999, que foram de um período pré e pós o El Niño,
93% da dos transectos desse setor registraram uma intensa erosão costeira, com perdas
sedimentares superiores a 5 metros/ano (Fig.5-5c), o que totaliza uma remobilização de
mais de 20 metros de largura de praia. Individualmente, nenhuma praia apresentou
acresção sedimentar em mais de 20% do seu território. Por fim, foi possível observar que
a praia do Atalaia foi o local que teve a maior erosão costeira neste período, com perdas
anuais médias de 15 metros de faixa de praia durante os 4 anos de analises
(aproximadamente 60 metros de faixa de areia).
Entre 2007 a 2009, que corresponderam a um período durante e pós La Ninã
(Fig.5-3b), 88% do território obteve um ganho sedimentar superior, no mínimo a 5
metros. Mais uma vez, os menores valores de acresção foram observados na praia do
Arrombado, enquanto que a praia da Atalaia teve o maior ganho sedimentar, com um
valor médio e mediano acima de 13 m/ano, o que representa aproximadamente 26 metros
de faixa de praia.
42
Figura 5-4: Classificação dos transectos do setor I a partir do método WLR(a) e WLR²(b)
43
Figura 5-5: Classificação dos transectos do setor I com base no método EPR durante os anos de 1995 –
1999 [a] e 2007 – 2009 [b].
5.2.3 Setor II
O setor II compreende a área entre o limite do porto de Luís Correia – PI até a

desembocadura do Delta do Rio Parnaíba, que perfaz o limite entre a divisa do estado do
Piauí e Maranhão, podendo ser subdivida em quatro subsetores: praia da Eólica, praia da
Pedra do Sal, praia da Cotia e praia da Barra das Canárias. A análise WLR indica, que
entre 1984 a 2017, 56% dos transectos registraram acresção, enquanto que 44% tiveram
erosão.
De forma geral, as praias da Eólica e Pedra do Sal foram definidas como regiões
sob erosão, seja por meio dos valores médios quanto medianos de WLR (Fig. 5-6). Já a
praia da Cotia, compreendida entre os transectos de nº 130 ao 146, foi categorizada como
uma região de acresção moderada, com um ganho sedimentar aproximadamente de 2
44
metros por ano, seja utilizando a média aritmética quanto a mediana. A praia da Barra das
Canárias, por sua vez, registrou uma intensa acresção sedimentar, com um ganho anual
médio e mediano, respectivamente, em torno de 18 e 19 m/ano (Fig-5.6a), o que
representa um aumento superior a 600 metros de faixa de praia durante a análise de tempo
estudado. Em relação aos valores de WLR², todas as quatro praias registraram valores
acima do aceitável, sendo a Barra das Canárias a que obteve melhores resultados (0.85),
indicando assim, uma boa confiabilidade do modelo.
Figura 5-6:Classificação dos transectos do setor II a partir do método WLR(a) e WLR² (b)

No período de El Niño estudado, a praia da Eólica teve uma erosão moderada e
intensa em quase toda a sua totalidade, com uma média e uma mediana EPR, próximos a
45
– 6 m/ano (Fig-5.7c). Durante esse período, a praia do Sal apresentou uma erosão costeira
duas vezes superior a registrada entre 1984 a 2017. Já a praia do Delta do Rio Parnaíba,
que durante o período compreendido entre 1984 a 2016, era local de uma intensa acresção
em toda sua totalidade, apresentou perdas de sedimento em quase todos os seus transectos
ao longo do período pré e pós El Niño. Entretanto, há uma divergência entre os valores
de média e mediana, visto que o primeiro indica que a erosão foi superior a 20 metros/ano,
enquanto que os valores medianos foi de – 10 m/ano.
Ao analisar as linhas de costa entre os anos de 2007 e 2009, foi observado que a
Praia Eólica obteve um ganho sedimentar anual médio e mediano superior 4 metros,
valores próximos bem próximos a Praia da Pedra do Sal. Já as praias da Cotia e Barra das
Canarias registraram um ganho ainda superior a essas duas praias, com respectivas médias
de 9 e 23 metros/ano (Fig-5.7b)
Figura 5-7: Classificação dos transectos do setor II com base nos métodos WLR, no decorrer dos anos de
1987 -2017 [a] e EPR durante os anos de 1995 – 1999 [b] e 2007 – 2009 [c].
46
5.2.4 Setor III
O setor III corresponde à praia da Ilha do Poldro, localizada a oeste da

desembocadura do Delta do Rio Parnaíba. Devido aos padrões destes transectos, como
mostrado na figura 5-6, este território foi dividido nos subsetores leste e oeste.
O subsetor leste apresentou erosão em todos os seus 52 transectos, com uma perda
sedimentar anual média de 9 metros e mediana de 5 metros, o que representa mais de 150
metros de faixa de praia entre 1984 a 201. A análise da figura 5-8, indicou que a erosão
foi elevada nos transectos iniciais, diminuindo gradativamente a medida em que se
aproxima do subsetor oeste. O subsetor oeste, compreendido entre os transectos de nº 53
ao 97, registrou uma acresção média e mediana bem próximas, com valores superiores a
2 metros/ano, indicando um ganho de aproximadamente 60 metros de faixa de praia. Os
altos valores de WLR² de ambas as praias comprovam que o padrão dos seus transectos
foram relativamente constantes ao longo do período analisado (Fig.5-8b).
Durante o período de El Niño, o subsetor leste continuou agrupado como uma área
de intensa erosão costeira, com uma média e mediana EPR superior a – 15 metros/ano.
Entretanto, foi observado em alguns locais, do transecto nº 29 ao 36, que houve uma
acresção intensa na faixa de praia. Já o subsetor oeste, que ao longo do período
compreendido entre 1982 a 2016, era considerada uma região acresciva, apresentou
grandes perdas de sedimento em quase todos os seus transectos, sendo reclassificada
como uma praia de intensa erosão costeira (Fig. 5-9c).
Dos 52 transectos criados no subsetor oeste, 33 desses tiveram acresção
sedimentar moderada ou intensa de 2007 a 2009. Valores de média e mediana apontaram
que a praia ganhou, mais de 7 m/ano de faixa de praia ao longo do tempo estudado (Fig.
5-9b). No subsetor oeste, tanto valores de média quanto de mediana indicaram que a
praia voltou a ter uma acresção sedimentar.
47
Figura 5-8: Classificação dos transectos do setor II a partir do método WLR(a) e WLR² (b)
48
Figura 5-9: Classificação dos transectos do setor III com base nos métodos WLR, no decorrer dos anos de
5.2.5 Setor IV
O setor IV corresponde à praia da Ilha do Caju, localizada no estado do Maranhão.

Assim como ocorreu na zona III, a praia da Ilha do Caju foi dividida em subsetores devido
aos padrões de seus respectivos transectos. O subsetor leste corresponde aos transectos
de nº 1 ao 31, com um padrão predominantemente de acresção intensa, tendo um ganho
sedimentar anual médio superior a 5 metros (Fig-5.10). Entretanto, o baixo valor de WLR²
(0.66) demostrou que essa acresção não é constante ao longo do tempo (Fig.5-10).
O subsetor central teve todos seus 71 transectos (de 32 a 102) classificados como
erosão, expondo uma média de – 9m/ano. O subsetor oeste, que abrange os transectos 103
ao 162, também foi catalogado como local sob erosão intensa, perdendo anualmente em
média 6 metros de faixa de praia por ano. O valor da mediana, para esse setor, foi de -
49
2.10 m/ano. Nessas duas regiões, altos valores do coeficiente de determinação validam a
confiabilidade do resultado.
Figura 5-10:Classificação dos transectos do setor IV a partir do método WLR
A análise da linha de costa entre 1995 a 1999 revelou que o subsetor leste
apresentou erosão intensa em todos seus 31 transectos, com perdas médias de sedimento
superiores a 25 metros por ano (Fig.5-11c). Assim como ocorreu na parte leste, os
subsetores centrais e oestes também foram hierarquizados como regiões de intensa erosão
costeira, com respectivas médias EPR de -12 e -20 m/ano. Apesar disto, nestes subsetores
houve alguns trechos com acresção de sedimentos (Fig.5-11c).
50
A análise da linha de costa entre 2007 e 2009 indicou que o subsetor leste teve
acresção intensa de sedimentos em 20 dos 31 transectos, obtendo um ganho anual de
sedimentos em torno de 20 metros/ano (Fig.5-11b). O subsetor central continuou sob
erosão costeira, com uma média EPR de -2.23 m/ano. Entretanto, ao comparar esse
resultado com os outros dois períodos de tempo estudados, foi observada uma redução
drástica da erosão costeira. Por fim, o subsetor oeste registrou um pequeno ganho
sedimentar, inferior a 2 metros/ano.
Figura 5-11: Classificação dos transectos do setor IV com base nos métodos WLR, no decorrer dos anos de
5.3 Variabilidade temporal entre a Linha de costa e as variáveis hidroclimáticas

Um dos principais objetivos dessa dissertação foi tentar analisar a influência das
variáveis hidro climáticas (pluviometria e descarga fluvial) com a posição da linha de
costa. Neste sentido, inicialmente foi aplicado o método End Point Rate (EPR) para
mensurar a variação da linha de costa em curtos períodos de tempo. Posteriormente, foi
51
determinada a taxa de variação dessas variáveis hidro climáticas por meio de regressão
linear e em seguida foram computados os coeficientes de Pearson e de determinação.
Ao observar as figuras. 5-12, 5-13 e as tabela 5-3 e 5-4, nota-se distintos
comportamentos da linha de costa ao longo do tempo e que a mesma está conexa com a
ação hidro climática na bacia de drenagem. No decorrer dos anos de 1984 a 1987,
reduções fluviométricas fizeram com que 55% do delta experimentasse processos
erosivos, cujos valores médios e medianos foram, respectivamente, -1 m/ano e -2m/ano
(tabela 5-1). De forma geral, os setores III e IV registraram maiores valores de erosão,
enquanto que o setor II foi o único que teve progradação (Fig.5-12). Foi observado ainda
que apesar da diminuição da descarga fluvial e do processo erosivo, neste período, houve
um aumento médio de 66.72 mm/ano de chuva no baixo curso do Parnaíba.
Tabela 5-3: Dados referentes a taxa de regressão linear pluviométrica, fluviométrica, variação da linha de
costa pelo método EPR (média e mediana) e percentagem de erosão e acresção no Delta do Rio Parnaíba
em curtos intervalos de tempo.
Anos Taxa de Taxa de Variação da Variação da % Erosão %

Regressão Regressão Linha de Linha de ao longo Acresção
linear linear Costa ao longo Costa ao longo do delta ao longo
pluviométrica fluviométrica delta delta (Média) do delta
(Mediana)
1984 - 1987 66.72 -92.34 -1 -2.1 55 45
1987 - 1989 66.17 1.7 2.4 45 55
1989 - 1995 -3.52 -3.3 2 60 40
1995 - 1999 -126.37 -85.32 -8.6 -12.4 95 5
1999 - 2001 61.40 -7.15 -3 -2.5 52 48
2001 - 2004 -11.20 5.57 -3 -3 60 40
2004 - 2007 77.00 17.05 1 -1 45 55
2007 - 2009 264.30 156.57 4.7 6.7 22 78
2009 - 2012 -266.22 -179.21 -6. -8.7 95 5
2012 - 2014 177.00 112.44 3.6 2 34 66
2014 - 2017 -8.79 -14.63 2.6 10 38 62
1984 - 2017 -13.39 -12.24
No período de 1987 a 1989, o aumento médio da descarga fluvial ocasionou a
progradação em 55% da linha de costa. Apesar da relativa estabilidade da vazão do rio
Parnaíba, entre o intervalo de tempo de 1989 a 1995, 60% da linha de costa assinalou
erosão. Porém, os altos valores EPR dos transectos no setor II tiveram grande influência
na média global dos transectos, indicando uma possível acresção (2 m/ano). Em ambos
hiatos temporais, não foi possível determinar a taxa de variação pluviométrica devido à
falta de dados.
52
Tabela 5-4: Taxas de EPR (média e mediana) nos setores do delta do Parnaíba
Períodos Taxas de EPR (Mediana) Taxas de EPR (Média)

Setor I Setor II Setor III Setor IV Setor I Setor II Setor III Setor IV
1984 - 1987 -1.7 2.5 -2.0 -7.7 1.5 6.2 -5.0 -4.7
1987 - 1989 2.5 2.2 4.3 1.7 2.3 4.4 5.5 2.6
1989 - 1995 1.5 -4.8 -2.6 -3.0 1.8 5.7 -5.3 -2.5
1995 - 1999 -8.4 -6.8 -11.2 -16.6 -9.5 -11.0 -13.8 -18.2
1999 - 2001 -3.0 3.4 -4.0 -5.0 -3.1 1.9 -7.4 -4.3
2001 - 2004 -0.5 3.1 -6.0 -8.0 -1.0 3.5 -6.7 -6.1
2004 - 2007 3.6 4.6 -9.2 -6.7 3.3 5.9 -7.7 -11.2
2007 - 2009 9.0 10.5 4.8 0.9 10.1 15.5 5.8 3.2
2009 - 2012 -5.9 -6.4 -9.8 -13.3 -9.7 -5.6 -10.2 -23.4
2012 - 2014 2.1 4.3 3.8 -3.4 1.9 5.7 7.7 -6.5
2014 - 2017 4.6 5.2 -7.0 -4.7 4.6 15.2 -6.5 20.0
Nos anos de 1995 a 1999, considerados como um período El Niño e já retratado

nos subtópicos acima, diminuições drásticas tanto na pluviometria (126 mm/ano) quanto
na fluviometria (85m³/s), tiveram uma grande consequência ao longo da zona costeira,
que registrou perdas médias e medianas, respectivamente, de 12 m/ano e 8.6 m/ano de
sedimentos ao longo de 95% da linha de costa.
Entre os períodos de 1999-2001, 2001-2004 e 2004-2007, a região de estudo não
apresentou grandes variações na descarga fluvial, sendo as mudanças pluviométricas mais
destacadas. Entretanto, nesses três intervalos de tempo, houve duas tendências erosivas
(1999 – 2001 e 2004 – 2007) e uma de progradação (2001 – 2004) ao longo do delta. Em
ambos os períodos, o setor IV foi o que apresentou maior erosão, enquanto que o setor II
registrou os maiores picos de acresção (Fig.5-10).
Por sua vez, no decorrer de 2007 a 2009, considerados como épocas de La Niña e
já estudados previamente nos subtópicos acima, 78% da linha de costa apresentou
acresção de sedimentos, com uma média e mediana, respectivamente, de 6.7 m/ano e 4.7
m/ano. Os setores I e II registraram as maiores progradações, enquanto que o setor IV
teve erosão na metade do seu território (Fig.5-10). Vale a pena salientar que esse ganho
de sedimento ao longo da área de estudo encontra-se de acordo com o grande acréscimo
das chuvas e da descarga fluvial na bacia de drenagem, cujos aumentos foram de,
respectivamente, 264 mm/ano e 156 m³/s. Logo após o período de La Niña, os anos de
2009 a 2012 foram caracterizados por registrarem as maiores diminuições pluviométricas
e fluviométricas na área de estudo, com respectivas quedas de 266 mm/ano e 179 m³/s.
Como consequência, neste curto intervalo de tempo, 78% do delta registrou erosão
53
costeira, com valor médio de -9 m/ano e mediano de -6 m/ano. Assim como transcorreu
nos anos de 1995 a 1999, os setores III e IV foram os que mais registraram perda de
sedimentos.
Figura 5-12: Valores EPR em curtos períodos de tempo no Delta do Rio Parnaíba.
54
No período entre 2012 a 2014 foi registrado um novo período chuvoso, com
respectivos aumentos pluviométricos e fluviométricos na ordem de 177 mm/ano e 112
m²/s. Como resultado, 66% do delta esteve sob progradação de sedimentos, cujos valores
médios e medianos atingiram respectivamente 2 m/ano e 3.6 m/ano. Os setores II e III,
mais próximos a desembocadura, registraram maiores valores de acresção, enquanto que
o setor IV foi o que apresentou menores valores.
No decorrer dos anos de 2014 a 2017, não houve grandes variações nas condições
hidro climáticas no baixo curso do Parnaíba. Entretanto, valores EPR indicaram que,
durante esse período, 62% das praias tiveram ganho sedimentar, com valor médio de 10
m/ano. Esse valor extremamente alto e errôneo se deu pela formação de duas barras
arenosas, localizadas na praia das Barra das Canárias (setor II) e na Ilha do Caju (setor
IV). Atentando ao estudo a longo prazo, foi observado que entre 1984 a 2017, tanto a
pluviometria quanto a descarga fluvial se mantiveram basicamente estáveis, com
respectivas diminuições de 13.39 mm/anuais e de 12 m³/s. Essas pequenas variações são
condizentes com a estabilidade em que o delta se encontra, como mostrado no tópico
5.2.1
Figura 5-13: Correlação de pearson e de determinação entre Linha de costa com a pluviometria (a) e (c) e
com a fluviometria (b) e (d). Notem que os coeficientes são maiores quando se utiliza a mediana ao invés
da média, pois o mesmo exclui valores extremos na análise estatística.
55
O coeficiente de determinação entre a pluviometria e fluviometria com a variação

da linha de costa, usando a mediana, foram respectivamente de 0.70 e 0.65, valores
relativamente elevados (Fig.5-11). A média apresentou uma menor correlação com as
variáveis hidro climáticas em comparação com a mediana, pois em alguns períodos, tais
como 2004-2007 e 2014- 2017, valores discrepantes dos transectos, sejam positivos ou
negativos, influenciaram significativamente na média global.
56
FERREIRA, T.A.B (2019) DISCUSSÕES
6 DISCUSSÕES
6.1 Aplicação de Métodos estatísticos e de Sensoriamento remoto para análise da
morfodinâmica costeira
Os altos valores do coeficiente de determinação (WLR²) nos quatros setores
estudados demonstraram que a integração entre modelos estatísticos, como o DSAS, e
dados obtidos a partir de imagens de satélite são técnicas eficazes para detecção e
quantificação da variação espaço temporal da linha de costa. A simplicidade do método,
a acessibilidade dos dados e o baixo custo, seja financeiro ou computacional (tanto as
imagens Landsat quanto o DSAS são adquiridos gratuitamente), permitem que essas
técnicas sejam replicadas mundialmente em diversos estudos (e.g Ghoneim et al. 2015;
Dada et al. 2018; Luijendijk et al. 2018; Mukhopadhyay et al. 2018; Qiao et al. 2018). No
entanto, várias incertezas devem ser consideradas e incluídas no modelo, garantindo
assim, uma melhor precisão e veracidade ao resultado (e.g. Romine et al. 2009; Hapke et
al. 2010; Del Río e Gracia 2013).
A escolha do sensor remoto a ser utilizado, no que diz respeito à sua resolução
espacial e espectral, dependerá da magnitude das mudanças a serem medidas. Neste caso,
o programa Landsat foi escolhido porque forneceu um grande volume de dados históricos,
apesar de sua resolução espacial moderada (variando de 30 a 15 metros), e as taxas de
mudanças mapeadas, em sua maioria ficaram acima de sua resolução espacial (dezenas a
centenas de metros). Ademais, a resolução espectral do Landsat ajudou na definição entre
o limite terra/água, permitindo o uso de métodos de extração automática da linha de costa,
como o AWEI (Fisher et al. 2016) e MNDWI (Xu 2006), reduzindo assim, a incerteza
relacionada à subjetividade do intérprete na definição da posição da linha de costa (e.g.
Zhai et al. 2015; Fisher et al. 2016; Kelly e Gontz 2018). Em áreas onde a magnitude das
mudanças é da ordem de metros, sensores com alta resolução espacial (IKONOS,
Quickbird e WorldView), apesar de mais caros e da limitação temporal, devem ser
utilizados (Fig-4.2).
Neste estudo o índice MNDWI foi selecionado para delimitar a linha de costa pois,
dentre as bandas do infravermelho, a SWIR-1 é a menos afetada pelos pixels da zona de
espalhamento das ondas (“swash zone”), turbidez da água e pelas infraestruturas
artificiais (“built-up noise”) (e.g. Sunder et al. 2017; Kelly e Gontz, 2018; Pardo-Pascual
et al, 2018).
57
Pardo-Pascual et al (2018) demonstraram que a banda MIR dos satélites Landsat

7ETM+ e 8 OLI obtiveram erros, respectivamente de 4.2 (±6.3 m) e 3.06 (±5.79 m), em
relação a posição da linha de costa, obtida no local (“in situ”) por meio de GPS geodésico,
na praia de El Saier (Valência- Espanha). Conforme o autor, essa banda é menos afetada
pelos pixels de onda do que a banda do infravermelho próximo (NIR), cujos valores são
superiores a 8.7 ± 7.5 metros. Os autores também concluem que o satélite Landsat, apesar
de ter uma resolução especial menor do que o Sentinel (aproximadamente 5 metros),
possuem um erro de acurácia próximo a esse último, dando a entender que a resolução
espectral de fato é um fator determinante para delimitação da linha de costa em ambientes
de micromaré.
De acordo Kelly e Gontz (2018), o MNDWI, em imagens do Landsat 8 OLI,
apresentou uma acurácia de aproximadamente 93% na praia de Atalaia (Sergipe - NE-
Brasil), cujas características geológicas (areia fina, arredondada e bem selecionada) e
oceanográficas (mesomaré e dominado majoritariamente por ondas) são relativamente
similares a área de estudo. Conforme os autores, o erro horizontal do índice MNDWI se
comparado com resultados obtidos pelo GPS de mão, são menores do que 11 metros.
Sunder et al. (2017) relataram que, o índice MNDWI, realizado em imagens
Landsat 8 OLI não registrou uma acurácia abaixo de 85% se comparado a resultados
obtidos por imagens de alta resolução espacial, e em diferentes ambientes estuarinos
(dominados por onda e maré), oceanógrafos (micro a mesomaré) e litológicos (praias
arenosas e lamosas). Na região de Pondicherry (Leste da India), local que mais se
assemelha ao delta do Parnaíba por apresentar praias arenosas de baixo declive e um
ambiente de mesomaré, o índice MNDWI teve uma acurácia de 87% e um erro horizontal
máximo de 20 metros, resultado superior aos demais índices espectrais, tais como o
AWEI, NDWI e IBR. Porém é necessário ressaltar que neste especifico trabalho, as
imagens de alta resolução não foram adquiridas no mesmo dia que as imagens Landsat.
Logo, erros referentes a variação de maré podem ter ocasionado um aumento do erro
posicional dos índices espectrais.
As incertezas relacionadas às estações do ano e às variações diárias da altura das
marés influenciam a escolha do sensor em termos de seu período de revisitação (Fig.6-1).
A depender do tipo de regime de marés (micro a macromarés) e inclinação da praia,
variações sazonais e de marés podem introduzir erros de dezenas a centenas de metros no
modelo estatístico (a.g. Gens 2010; Del Río and Gracia 2013; Hagenaars et al. 2018b;
Aquino da Silva et al. 2019). Conforme Hagenaars et al (2018), a presença de nuvens na
58
zona costeira, que comumente ocorrem nos períodos chuvosos, podem levar a erros de
até 200 metros, enquanto que os pixels de quebra de ondas podem ser confundidos com
pixels de terra, tanto em métodos automáticos quanto pela interpretação manual, levando
a erros próximos a 1 pixel (aproximadamente 30 metros). Segundo estes autores, em
condições ideais (livre de nuvens e com baixa influência das ondas), a precisão da linha
de costa obtida por imagens Landsat e Sentinel, sem a necessidade de ter processamento
refinados, é inferior a 10 metros.
Por fim, vale a pena mencionar a importância da escolha do método estatístico a ser
utilizado pelo DSAS. Para estudos de médio a longo prazo, os métodos Linear Regression
Rate (LRR) e Weighted Linear Regression (WLR) são mais indicados, pois ambos
utilizam uma grande quantidade de dados (linhas de costa) para realizar o cálculo.
Ademais, esses métodos ainda disponibilizam os valores de coeficiente de determinação
e os intervalos de confiança, possibilitando ao intérprete uma melhor análise estatística.
Já os métodos Net Shoreline Movement (NSM) e End Point Rate (EPR), por
utilizarem apenas duas linhas de costa para computar os dados, não devem ser aplicados
para estudos de longo prazo, visto que possivelmente alguns eventos (erosionais ou
deposicionais) serão mascarados devido ao grande intervalo de tempo (Fig.4-4). Esses
dois últimos são utilizados preferencialmente para estudos de curta escala de tempo.
(Thieler et al, 2017; Hapke et al., 2011).
59
Figura 6-1: Erros associados às variações de maré (a,b,c) e à sazonalidade da praia (d,e,f). Desconsiderar
esses fatores podem incluir ao modelo estatístico erros entre dezenas a centenas de metros.
6.2 Principais influências na linha de costa
6.2.1 Fatores hidro climáticos
Em distintas escalas temporais, a linha de costa é influenciada por vários fatores

inter-relacionados, tais como a ação climática (precipitação e ventos), fluvial, processos
oceanográficos (ondas, correntes e marés), geológicos/geomorfológicos (litologia, altura
e declividade da bacia de drenagem) e antrópicos (Beatley et al., 2002). Conforme
Dominguez et al (2018) em ambientes deltaicos, seja dominado por ondas e/ou por marés,
a descarga fluvial é a principal forçante controladora da linha de costa, por ser a principal
fonte de sedimentos para região.
No Delta do Rio Parnaíba, os maiores valores de acresção sedimentar, em um
período de tempo intermediário (1984 – 2017), foram observados próximo aos rios
Igaraçu e Parnaíba. Isso porque, embora o rio Parnaíba apresente uma baixa concentração
de sedimentos em suspensão, em torno de 91.4 mgl/l, o rio gera aproximadamente
2,54x106 t/ano de sedimentos em suspensão e 115ton/ano/km² de carga sólida para a
60
plataforma continental interna (10 km da linha de costa). (Aquino da silva et al. 2015a,
2019; MMA, 2005). Provavelmente a maior parte dos sedimentos produzidos deve-se à
alta (média de 664.19 m³/s) e contínua descarga fluvial (a regressão linear indica que não
houve um redução brusca na descarga fluvial no baixo curso do Rio Parnaíba) e à geologia
da bacia de drenagem, composta majoritariamente de rochas sedimentares deformadas
(diversas falhas listrica normais são observadas nos arenitos), e sedimentos quaternários
das bacias do Parnaíba e Barreirinhas (Feijó 1994; Góes e Feijó 1994; Aquino da Silva et
al. 2015a, 2019). Essa hipótese é embasada pelo modelo de Syvitski e Milliman (2006),
que demonstraram, a partir de um banco de dados envolvendo 488 rios, que 63% da carga
sedimentar que chega à zona costeira deve-se ao tipo de litologia, ao relevo e à área da
bacia de drenagem. Conforme Syvitski e Milliman (2006) e Milliman e Farnsworth
(2011), a erodibilidade de uma rocha ou sedimento, depende, respectivamente da
litologia, granulometria e estado de deformação, que por sua vez, refletem na evolução
geológica do ambiente. Logo, as rochas sedimentares, submetidas a diferentes eventos
deformacionais, como as do Parnaíba e Barreirinhas, têm uma grande facilidade a ser
erodida, mecanicamente, pelo impacto do rio e das chuvas.
O impacto das intensas chuvas concentradas em um curto período de tempo,
processo conhecido como o potencial erosivo das chuvas, pode ultrapassar a resistência
natural do solo a ser erodido (fator de erodibilidade dos solos), levando à sua saturação e
subsequente transporte do mesmo. Modelos propostos por Oliveira et al. (2013)
comprovam que o delta do Parnaíba tem um dos mais elevados fatores de erosividade das
chuvas do Brasil (entre 8.000 a 10.000 MJ mm ha-1 h-1 yr-1), abaixo apenas da região norte
e de uma parte da região centro-oeste. Aquino et al. (2006) por sua vez, relata que, no
estado do Piauí, o fator erosivo das chuvas tende a aumentar significativamente na direção
do litoral, no qual a área de estudo está inserida. O clima tropical com estação seca no
inverno, responsável por concentrar 80% das chuvas em apenas 5 meses (janeiro a junho),
pode ser um dos fatores que levam ao delta do Parnaíba apresentar esses resultados.
Ademais, dados de coeficiente de determinação de Pearson indicam uma alta e positiva
correlação mensal (superior a 0.9) entre a descarga fluvial e pluviometria, indicando que,
além de desagregar mecanicamente os sedimentos e solos, a pluviometria ainda aumenta
a descarga fluvial nos períodos chuvosos. Essa informação é comprovada no trabalho de
Aquino da Silva et al. (2015a), que demonstrou no ano de 2008, que 90% da carga
sedimentar que chega a plataforma continental interna no delta do Parnaíba ocorre durante
os períodos chuvosos (janeiro para julho). Entretanto, é necessário ressaltar que não
61
existem trabalhos, na área de estudo, acerca da quantidade de solo e/ou sedimentos

erodidos ao longo do tempo a partir da equação universal de perda de solo. Por fim,
Syvitski e Milliman (2006) preveem que as variáveis climáticas, como precipitação e
temperatura, são responsáveis por mais 14% do sedimento gerado nas bacias de
drenagem.
As mudanças ocorridas na desembocadura do delta, ao longo dos trinta e três anos
de análise, podem ter uma relação direta com o efeito de barreira hidráulica, causada
principalmente pela interação entre a descarga fluvial, ondas e correntes longitudinais.
(Suguio et al. 1985; Dominguez 1990)(Bhattacharya e Giosan 2003; Anthony 2015).
Conforme esses autores, em regiões de correntes unidirecionais, como no delta do
Parnaíba, cujas correntes de deriva tem direção E-W (atingindo uma velocidade máxima
de 1 m/s) e ondas N, N-NE (alturas entre 0.6 a 1.1m) (Paula et al 2013), altos escoamentos
fluviais podem impedir o transporte das correntes longitudinais assim como causar
refrações de ondas (Fig-6.2). Como consequência desse efeito, somado a possíveis barras
submersas nas proximidades da foz, uma contra deriva pode ser formada localmente,
ocasionado a migração dos pontais arenosos em direção a foz, e dissipação das ondas
favorecerão as formações de barras de desembocadura, resultando em grande acresção
sedimentar.
Figura 6-2: Ilustração esquemáticas de interações simplificadas entre a foz do delta e as variáveis
oceanográficas (ondas e correntes longitudinais) sob alto escoamento fluvial (a) e baixo escoamento (b) A
forte influência do rio (a) é expressa por processos de refração das ondas e a formação de uma corrente
longitudinal local, resultando na formação de uma barra de desembocadura e na migração de um spit na
direção contrária a da corrente litorânea. (b) Durante os baixos escoamento fluviais, ocasionado por
atividades humanas ou climáticas (efeito ENSO), as forçantes oceanográficas irão prevalecer, retrabalhando
os sedimentos da desembocadura, ocasionando assim, uma intensa erosão.
Fonte: Adaptado de Anthony (2015)
62
Observa-se na figura 6-3, que de forma geral, esse efeito, em um período de tempo
intermediário (1984 – 2017) contribuiu para a alta taxa de progradação da linha de costa
no lado leste da desembocadura do Rio Parnaíba (praia da Barra das Canárias – Setor II),
com valores superiores a 16m/ano (o que representa um aumento de 500 metros de
largura), e a migração dos pontais arenosos na direção oposta à deriva litorânea (Subsetor
oeste da Praia dos Poldros – Setor III), cujas taxas ultrapassam uma taxa de 100 m/ano.
No litoral brasileiro, esse efeito já foi debatido no próprio delta do Parnaíba (Aquino da
Silva et al. 2015b) e em demais deltas dominados por onda, cuja vazão é próxima a da
área estudada, tais como o delta do São Francisco(Bittencourt et al. 2007) e Paraíba do
Sul (Dominguez et al 1983)
Figura 6-3: Evolução da linha de costa ao longo do tempo. (a) localização dos setores II e III. (b) Refração
do trends das ondas devido ao efeito hidráulico e um possível cordão arenoso submerso. A influência da
barreira hidráulica e de um possível cordão submerso nos trends. (c) Formação e o preenchimento da barra
de desembocadura (praia da Barra das Canárias) quanto a migração do spit na direção contra a deriva
litorânea. Em anos de intensa vazão e pluviometria, a foz do rio Parnaíba age como uma barreira hidráulica,
favorecendo a deposição de barras de desembocadura. Observar que a desembocadura do delta do Parnaíba
age de acordo com o modelo proposto por Anthony (2015), representado na figura 6-2
63
Fonte: Próprio autor (2019).
Dados de correlação de Pearson (p) e coeficiente de determinação (R²) foram

usados para analisar a relação entre as variações da linha de costa em curto período de
tempo, determinados pelos resultados EPR, e as variáveis hidroclimáticas. Os resultados
mostraram uma tendência linear positiva entre a linha de costa e a precipitação (p = 0.83
e R² = 0.70). Resultados semelhantes ocorrem entre os valores de EPR e a vazão do rio
(p = 0.80e R² = 0.65), reforçando que ambas as variáveis podem ser fatores primordiais
para explicar as mudanças ocorridas ao longo do delta do Rio Parnaíba. Ademais, dados
64
de Índice Multivariado de ENSO V. 2 (MEI.v2), fornecido pela NOAA

(https://www.esrl.noaa.gov/psd/enso/mei/) e que consistem em medições de 5 variáveis
no oceano pacifico (pressão e temperatura na superfície do mar pacifico, ventos zonais e
meridionais e de energia radiante pelo oceano), indicam que durante os períodos de
ocorrência de El Niño (aquecimento anormal das Águas do Pacífico), datados de 1995 a
1999 e 2009-2012, coincidem com as principais taxas de diminuição pluviométrica e
hidrográfica (Fig.6-4). Com baixa precipitação, menor vazão fluvial e aporte sedimentar
somados aos contínuos processo de redistribuição dos sedimentos ocasionados pela ação
dos ventos, correntes (litorâneas e de maré) e das ondas, tem-se uma explicação plausível
para a intensa erosão costeira no Delta do Parnaíba, acima de 6 metros/ano, em mais de
90% das praias durante esses dois períodos. Por sua vez, no decorrer de 2007-2009 e
2012-2014, quando foi registrado reduções do índice ENSO, houve um incremento
significativo em termos da pluviometria e fluviometria no baixo curso fluvial do rio
Parnaíba. Muito provavelmente, o aumento dessas variáveis acarretou em uma maior
oferta de sedimentos à zona costeira, fazendo com que houvesse um ganho sedimentar
em quase todos os setores. Como relatado por Dominguez et al (1983), Dominguez
(1996), Bhattacharya e Giosan (2003) e Anthony (2015) o escoamento fluvial é
proporcional ao efeito da barreira hidráulica, que como comentado nos parágrafos
anteriores, age contra o transporte de sedimentos das correntes e ondas, ocasionando uma
maior progradação sedimentar nas áreas próxima da foz. Essa teoria é comprovada neste
estudo ao observar que, neste intervalo de tempo, houve os maiores valores de
progradação (dados EPR) nas regiões da desembocadura (setores II e III). Nos demais
períodos de tempo (1984-1987, 1987-1989, 1989-1995, 2001-2004, 2004-2007),
pequenas mudanças nas variáveis hidroclimáticas resultaram em equilíbrio relativo entre
os percentuais de erosão e progradação.
65
Figura 6-4: Dados de análise multivariada do índice ENSO (a), pluviometria e descarga fluvial (b) e
variação da linha de costa em curtos intervalos de tempo no Delta do Rio Parnaíba (c). Observar que há
uma relação entre o aquecimento do oceano pacifico (efeito El Niño) com a diminuição da pluviometria na
bacia de drenagem, causando tanto uma diminuição na descarga fluvial e consequentemente erosão na linha
de costa na área de estudo. O processo inverso também pode ser observado.
Fonte: Próprio autor (2019).

Deve-se ressaltar que a relação entre a linha de costa e variações nas descargas
fluviais são bem documentadas na literatura. Dada et al (2015, 2018) por exemplo,
afirmam que existe uma forte correlação entre as tendências da linha de costa com a
descarga do rio (R² = 0,95) e a variabilidade da precipitação (R² = 0,8) no Delta do Níger
nos últimos cem anos. Segundo estes autores, uma tendência de queda tanto na descarga
do rio quanto na precipitação, entre 1950 e 1987, foi responsável por uma intensa erosão
(taxas acima de 28 metros/ano) em 82% do Delta do Níger, enquanto uma inundação,
66
ocasionada por aumento anormal da quantidade das chuvas, causou progradação de

sedimentos, excedendo 50 m/ano, entre 2012 e 2013. Kong et al. (2015) também
concluíram que, as variações de escoamento e carga sedimentar do rio Amarelo (China)
entre 1983 a 2011, sejam elas ocasionados por processos hidroclimáticos e/ou ações
humanas, foram responsáveis por três grandes mudanças na linha de costa ao longo do
Delta do Amarelo. Ranieri e El-Robrini (2015) afirmam que a intensa progradação
ocorrida na costa de Salinópolis (Norte do Brasil), entre 1988 a 2001, se deu devido ao
grande aumento pluviométrico na região, ocorrido entre 1986 a 1989, cujas taxas
superaram o valor anual de 4000 mm. Segundo esses autores, neste período ocorreu o
fenômeno de La Nina de intensidade média a forte, acarretando efeitos expressivos tanto
na precipitação quanto na intensidade da vazão dos rios.
O efeito ENSO, que além de ser responsável por mudanças pluviométricas e
consequentemente fluviométricas, como retratado nos parágrafos acima, também
ocasiona mudanças nas alturas das ondas e na frequência de tempestades. Entretanto é
necessário ressaltar que a região nordeste do Brasil (aonde está inserida a área de estudo),
não há relatos de eventos extratropicais na sua zona costeira. Ademais, devido a falta de
dados históricos, não foi possível verificar a influência desses efeitos nas forçantes
oceanográficas (ondas e correntes), porém alguns trabalhos enumeram as consequências
desse efeito. Na costa central do Chile, Martínez et al (2018), relataram que as taxas de
erosão nas praias estudadas (Los Marineros, Las Saline e Caleta Portales) aumentaram
entre 1964 a 2016 devido à elevação do nível do mar em torno de 30 cm e o aumento da
à frequência de tempestades , que passaram de quase 5 eventos por ano na década de 1960
para mais de 20 nos última década. Conforme os autores, o Efeito ENSO, principalmente
durante suas fases quentes (El Niño), tem grande influência no aumento desses fatores
acima e que a linha de costa tenderá a se deteriorar se tais fatores forem mantidos ou
intensificados nos próximos anos. Finalmente, é necessário ressaltar que o fenômeno de
aquecimento global pode influenciar a duração, a intensidade e a distribuição de eventos
climáticos de curto prazo, como o ENSO (Best 2015) . De acordo com este autor, a
intensificação do ENSO poderia causar uma queda drástica na bacia em algumas regiões
próximas ao equador como Amazonas, Orinoco, Nilo e Níger, gerando déficit sedimentar,
problemas agrícolas, energéticos e falta de água para abastecimento da população.
67
6.2.2 Influência das ondas, ventos, marés e correntes
As ondas têm papel fundamental na morfologia costeira devido sua capacidade de

transportar e remobilizar grandes quantidades de energia e massa ao litoral (e.g. Beatley
et al. 2002). A depender do seu ângulo de incidência sobre a linha de costa, diferentes
categorias de correntes são geradas. As correntes longitudinais (longshore currents),
ocorrem quando a onda quebra obliquamente a linha de costa, sendo a responsável por
movimentar, retrabalhar e distribuir os sedimentos paralelamente a linha costeira (e.g.
Bird 1996, 2006).
Embora o presente trabalho não tenha obtido dados de ondas na área de estudo, é
perceptível observar, por meio de imagens de satélite (principalmente nos setores I, II e
III), características típicas de um delta dominado por ondas, tais como linhas de costas
suavizadas, pontais arenosos, campos de dunas. Ademais, dados da literatura, como El
Robbrini et al (2005; 2018) e Paula et al (2013; 2016) indicam que no Delta do Parnaíba,
as ondas têm uma altura variando entre 0.6 m a 1.1m, com direções predominantes para
NE, E-NE e E, gerando assim, uma corrente longitudinal, de velocidade máxima de 1
m/s, com direção preferencial para E-W.
Pela integração dos dados WLR, dados de ondas citados acima e análise das
imagens de satélite, verifica-se que essas duas variáveis tem uma grande importância na
dinâmica sedimentar do delta, visto que os setores que não estão na influência do efeito
hidráulico, sofrem transportes de sedimento na direção preferencial da corrente
longitudinal. Um exemplo disso é o setor III, em que há uma clara migração dos
sedimentos da parte oeste, região caracterizada por erosão acima de 8 m/ano, para o setor
oeste, ocasionando assim, uma aumento tanto na largura da praia (cerca de 3 metros por
ano) quanto no comprimento do pontal arenoso, que cresceu mais de 10 km ao longo da
costa durante os 34 anos de análise (Fig. 6-5). Um outro exemplo da influência da
corrente longitudinal ocorre no subsetor oeste da praia do Caju (setor IV), no qual parte
dos sedimentos erodidos são transportados pela ação das correntes longitudinais para a
Ilha da Melancieira, que apesar de não ter sido quantificada quanto as taxas de variação
da linha de costa, observa-se pela interpretação das imagens de satélite, que seus pontais
arenosos aumentaram tanto em largura quanto em comprimento. (Fig. 6-5)
68
Figura 6-5: Evolução da linha de costa ao longo do tempo. (a) localização dos setores III e IV. (b) Efeito
da corrente longitudinal no setor III, em que há uma clara migração dos sedimentos da parte oeste, região
caracterizada por erosão acima de 8 m/ano, para o setor oeste, ocasionando assim, um aumento tanto na
largura da praia. (c) Influência das ondas e marés no setor IV. Entretanto, se houver a predominância das
correntes longitudinais, os bancos de areia tendem a se posicionar no interior dos canais de maré e serão
transportados na direção da preferencial das ondas e da própria deriva litorânea.
A presença de promontórios rochosos, arenitos costeiros (beach rocks), obras

costeiras (longitudinais e transversais) e/ou mudanças na orientação da linha de costa,
irão gerar mudanças na propagação das ondas (frequência, altura e ângulo de incidência)
por meio dos fenômenos de refração e difração (Fig. 2-1), ocasionando assim, dispersão
de sedimentos e erosão em certos trechos (e.g. Souza et al 2005; Bird 2008). Como
consequência, haverá a interrupção local da corrente longitudinal predominante,
provocando assim, acumulação de sedimentos à montante e erosão à jusante destas
irregularidades. Um exemplo disso seria a influência do promontório para a erosão na
praia da Pedra do Sal (Setor III), cuja taxa é superior a 2 m/ano. A partir das imagens de
satélite de alta resolução, disponibilizadas pelo Google Earth Pro (Fig.6-6), foi possível
69
observar que as ondas mudam sua direção preferencial (NE, E-NE), e convergem para SE
ao se aproximarem do promontório. Conforme modelos propostos por Bird (2008), essa
convergência irá ocasionar ondas de maior energia, aumentando assim seu potencial
erosivo. Estudos referentes a erosão nesse ponto já foram descritos na literatura (e.g.
Paula et al. 2013). Conforme suas observações de frequência e altura de ondas, perfis de
praia entre 2010 a 2012, os autores afirmam que as ondas na praia da eólica tem uma
direção de 54º e uma altura máxima de 0.9 metros e passam a ter direção e altura máximas,
respectivas de 114º e 1.1 m ao se aproximarem da promontório rochoso, localizado na
praia da Pedra do Sal. Ainda segundo estes autores, em outras praias do litoral piauiense,
como a praia dos Coqueiros (setor I), Itaqui (setor I) e Cotia (setor II) a presença de
possíveis arenitos praiais (beach rocks) e/ou a mudança da direção da linha de costa
também foram responsáveis pelo efeito de refração das ondas e consequente erosão das
praias durante a o monitoramento dos perfis de praias entre 2010 a 2012. A comparação
entre os resultados de Paula et al (2013) e os dados de WLR mostra que apenas um
determinado trecho da praia do Itaqui (setor I) e Coqueiros (Setor I), que apresenta uma
leve mudança na orientação da sua linha de costa, encontra-se sob erosão (Fig.5-1),
enquanto a praia da Cotia registrou progradação de sedimentos ao longo dos trinta e
quatro anos de análise.
A praia da Ilha do Caju (Setor IV) é a região mais afastada dos principais Rios da
região (Igaraçu e Parnaíba), sendo caracterizada como uma costa dominada por canais de
maré. Nesse tipo de ambiente, autores como FitzGerald et al. (2000) afirmam que o
mecanismo de transporte sedimentar será consequência da interação entres as correntes
litorâneas, ondas e correntes de maré. Segundo esse autor, quando há o predomínio das
correntes de maré sobre a corrente longitudinal, o transporte sedimentar se dará pela
migração de sedimentos no canal principal, fazendo com que esses bancos de areia se
estendam a offshore e depois sejam reincorporados a linha de costa. Entretanto, se houver
a predominância das correntes longitudinais, os bancos de areia tendem a se posicionar
no interior dos canais de maré e serão transportados na direção da preferencial das ondas
e da própria deriva litorânea.
Dentre os seis modelos de transporte sedimentar em deltas de maré vazante,
propostos por FitzGerald et al. (2000) o que melhor se encaixa com o subsetor oeste da
Praia do Caju (Setor IV) é Rompimento do Delta de Maré Vazante (Ebb-Tidal delta
breaching). Nesse modelo (Fig. 6-5), os bancos de areia, localizados nos canais de maré,
são transportados preferencialmente a updrift do delta de maré vazante devido a forte
70
influência das ondas e/ou corrente longitudinal ou a processos de construção e/ou

abandono de sub-deltas de maré vazante, resultando assim, na formação de barras de
desembocadura, que por sua vez, serão preenchidas por sedimentos finos ao longo do
tempo. Como consequência da formação dessa barra, haverá uma erosão a downdrift as
praias adjacentes, como nos subsetores centrais e leste (Fig. 5-10).
Figura 6-6: Processos de refração e difração das ondas nas (b) praias da pedra do Sal (Setor I) e (c) na praia
do Itaqui (Setor ). Mudanças na orientação da linha de costa ou a presença de promontórios rochosos irão
gerar mudanças na propagação das ondas, ocasionando assim, dispersão de sedimentos (progradação) a
updrift e erosão a downdrift.
71
O vento também desempenha um papel de grande importância na modelagem

costeira por ser um dos componentes responsáveis pela geração e sustentação das ondas.
Como um mecanismo de transporte, o vento, a depender da sua direção, tem velocidade
suficiente para transportar areia e argila da praia até a pós-praia, formando os campos de
dunas, podendo assim, ser um dos responsáveis pela erosão costeira. Conforme
demonstrado nas análises climatológicas (Figuras 5-1 e 5-2), os ventos alísios de direção
NE, predominantes na região, têm uma certa influência na estabilidade da linha de costa,
pois a velocidade média dos ventos na costa do Piauí (3.71 m/s), principalmente no
período seco (agosto a dezembro), cujos valores superam 5 m/s. Apesar desse estudo não
ter de realizado variação temporal do campo de dunas e/ou variação textural de
sedimentos praiais, diversos estudos na literatura estão disponíveis. Os trabalhos
sedimentológicos propostos por Bittencourt et al. (1990) na praia de Atalaia afirmam que
durante a estação seca, os ventos tem energia suficiente para remover da face de praia
porções significativas de areia fina e muito fina, depositando-as nos campos de dunas.
Como consequência, nesses meses a praia do Atalaia é composto basicamente por areias
médias e grossas. Já na estação chuvosa, os autores afirmam que chuvas ininterruptas
umedecem o sedimento praial, impedindo o transporte eólico (que é menor do que na
estação seca). Desta forma, o sedimento praial fica composto essencialmente por areias
finas e muito finas.
Análises multitemporais dos campos de dunas no litoral Piauiense (1994 – 20015),
proposta por Frota et al (2017), indicam que nas praias do setor I e setor II, houve um
aumento do campo de dunas e que as mesmas estão avançando em direção ao continente,
em torno de 18 metros/ano, nos intervalos observados (1994-2015). Já em analises
individualizadas, como nos anos de 1994 a 1998 (que correspondem a um período de El
Niño), houve um aumento em área do campo de dunas nas praias da Eólica (Setor II) e
dos Coqueiros (Setor I), respectivamente em 0.1km² e 0.8km². Já entre 2006 a 2010,
período em que houve um evento de La Nina (aumento abrupto de chuvas), houve uma
diminuição da área dos campos dunares nessas mesmas praias em torno de 0.17km² e
0.7km², indicando assim, que esses períodos climáticos tem capacidade de influenciar
tanto na formação quanto na estabilização dos campos dunares.
72
Figura 6-7: Movimentação dos campos de dunas. Em (b) nas proximidades da cidade de Parnaíba (Setor
II) e em (c) nas proximidades de Luís Correia. Apesar de não ter sido o foco do trabalho, notou-se que os
campos de dunas migraram, em direção ao continente, entre 300 a 700 metros entre 1984 a 2017.Também
é notado que houve um aumento dos campos de dunas nos dois setores analisados, indicando que o vento
pode ser um importante agente erosivo na área estudada.
6.2.3 Fatores antrópicos
O baixo impacto antropogênico, tanto na zona costeira quanto na bacia de

drenagem, pode ter contribuído para relativa estabilidade da linha de costa no Delta do
Parnaíba em diferentes escalas temporais, apesar das crescentes taxas de elevação relativa
do nível do mar observadas nas últimas décadas. Dados fluviométricos demonstraram que
a barragem de Boa Esperança, localizada a 600 km a montante da área de estudo, é
73
alimentada apenas por uma pequena parte da bacia de drenagem a montante do

reservatório, compreendendo apenas 25% da vazão total (Aquino da Silva et al. 2015a).
Alguns estudos (CODEVASF 2006 e Aquino da Silva et al. 2019), que abrangem séries
temporais distintas, comprovam a informação acima, ao demonstrarem que grande
maioria dos sedimentos transportados até a zona costeira da área de estudo, seja ela em
carga sólida e/ou suspensa, é gerada a jusante da barragem, pela confluência dos rios Poti,
Longá e Igaraçu. Conforme a CODEVASF (2006), a carga de sólidos na barragem de
Ribeiro Gonçalves, em todo o ano de 2006, foi de 3.77x10³ toneladas, enquanto que na
estação Luzilândia (estação mais próxima da área de estudo), foi de 7.42x10³
toneladas/ano. Já Aquino da Silva et al (2019), relata que historicamente, a concentração
de sedimentos em suspensão no alto curso fluvial é de 50 mg/l e nas regiões próximas a
zona costeira é de 71 mg/l.
Extração de areias fluviais e/ou dragagens em canais de maré alteram o balanço
sedimentar regional e desencadeiam processos erosivos nos sistemas fluvial, estuarino,
lagunar e nas praias. Apesar da falta de atualizações de informações, por meio dos
governos estaduais e/ou federais, o Sistema de Informações Geográficas da Mineração
(SIGMINE) brasileiro informa que atualmente há menos de 15 empreendimentos locais,
de extração de minerais industriais no baixo curso do rio Parnaíba
(http://sigmine.dnpm.gov.br/webmap/). Ademais, a extração anual de areia e argila ao
longo de toda extensão do Rio Parnaíba e Poti é de aproximadamente 1x106m³/ano
(aproximadamente 1.8*10³ ton/ano), enquanto que a extração de argila foi de 0.4
Mm³/ano (aproximadamente 0.64*10³ ton/ano) (CEPRO, 2008). Interpreta-se que esses
valores são baixos ao considerar que são referentes a toda extensão desses rios e que a de
carga sedimentar que chega a zona costeira é de 2.54x106 ton/ano (Aquino da Silva et al
2015a).
74
Figura 6-8: Dados históricos mostrando que a Barragem de Boa Esperança não influencia tanto no
transporte sedimentar a zona costeira (a) e a visualização das principais empreendimentos de extração de
areia e argila no baixo curso fluvial do Rio Parnaíba (b).
A intensa ocupação humana no litoral pode levar a processos erosivos devido a

eliminação de estoque sedimentar praial, conversão das dunas e manguezais em terrenos
urbanos (Souza 2009; Komar 2012). Ademais, a construção de estruturas rígidas e/ou
flexíveis interferem na circulação de correntes costeiras, modificando o ângulo de
incidência das ondas, causando assim, modificações nas células de deriva e alterações no
perfil praial. (Souza, 2009).
Dados do Censo, disponíveis no Instituto Brasileiro de Geografia e Estatística
(IBGE), mostraram que nos últimos 50 anos a área de estudo sempre apresentou baixa
ocupação populacional, com uma taxa de crescimento de 17.000 habitantes a cada dez
anos (Fig. 6-6). Conforme Paula et al (2016) e Frota et al (2017), as praias da costa do
Piauí são ocupadas entre os meses de janeiro a março, período conhecido como férias de
75
verão. Desta forma, pode-se concluir que a baixa capacidade industrial da região, e a falta
de políticas de desenvolvimento, tanto do âmbito local quanto federal, provavelmente são
as razões para a baixa influência antropogênica na zona costeira. Como consequência,
quase 90% do delta do Parnaíba correspondem a florestas não cultivadas, dunas e
manguezais, enquanto as áreas agrícolas representam 8 e as áreas urbanas, 1% (de Paula
Filho et al. 2015).
Figura 6-9: Taxas de crescimento populacional na zona costeira do Delta do Parnaíba
A única grande intervenção humana observada em toda área de estudo é o porto

de Luís Correia, construído em 1979. Esse tipo de construção, perpendicular à linha de
costa, interrompe o transporte na direção da deriva litorânea (Este – Oeste), fazendo com
que os sedimentos fiquem retidos de encontro ao molhe, ocasionando assim uma
progradação da linha a “downdrift”, e consequentemente, uma erosão a “updrift”. A
primeira consequência desse tipo de obra é observada na área de estudo, visto que a praia
do Atalaia, mais próxima do porto, registra acresção costeira com uma taxa superior a 2
m/ano entre 1984 a 2017. Entretanto, os trechos iniciais da praia da Eólica, localizada a
“updrift” da obra, não registra erosão e, sim, progradação ao longo do período estudado.
Isso ocorre devido a praia da Eólica ser abastecida diretamente pelos sedimentos
carreados do rio Igaraçu (Fig. 6-10).
76
Figura 6-10: Visualização do porto de Luís Correia. Com a construção desse tipo de obra, os sedimentos
transportados pela deriva litorânea são bloqueados, causando uma progradação a downdrift (Praia do
Atalaia – Setor I). As letras (b) e (c) demonstram exatamente isso. Mesmo com o bloqueio dos sedimentos,
a os transectos iniciais da praia da Eólica ainda conseguem ter uma progradação sedimentar, pois ela é
alimentada diretamente pelo Rio Igaraçu. O item (d) é a concentração de sedimento em suspensão (mg/l),
estimada por meio de técnicas de processamento digital. Ela indica que há uma grande quantidade de
sedimento em suspensão tanto nos transectos iniciais da praia da eólica quanto próximo da praia do Atalaia,
corroborando com as ideias propostas. Também é notado que mesmo com o aumento da urbanização
próximo a orla do setor I (ver figuras b e c), a linha de costa se manteve relativamente estável com o passar
do tempo.
Os manguezais têm uma grande importância para estabilidade costeira, por

desempenhar a função de uma barreira a ação das ondas e marés, que promove um
ambiente favorável para a deposição de sedimentos finos, e ocasiona a progradação da
linha de costa. Conforme o estudo de Lacerda et al. (2006), que envolve o uso de satélites
77
espectrais para monitoramento dos manguezais, no estado do Piauí houve um aumento de

aproximadamente 10 km² de manguezais entre 1978 (29. 94km²) e 2004 (40.04 km²) se
comparado com o ano de 1978. Segundo estes autores, o maior aumento de manguezais
ocorreu nas regiões próximas ao Rio Parnaíba (Setor II), enquanto na região de Luís
Correia (Setor I) ocorreu um pequeno decréscimo, possivelmente relacionado ao
crescimento urbano da região e a construção da atividade portuária próximo ao rio
Igaraçu.
As barragens de rios, para a construção de usinas hidrelétricas, são os fatores de
erosão mais proeminentes nas áreas costeiras, já que eles retêm sedimentos, impedindo-
os de chegar a zona costeira e serem retrabalhados pelos fatores oceanográficos. (e.g.
Luijendijk et al 2018; Mentaschi et al 2018). Desvios e canalizações de cursos fluviais,
mineração de areia, construção de estruturas costeiras, subsidência e desmatamento de
manguezais também são destacados fatores responsáveis da erosão costeira. Diversos
exemplos podem ser encontrados na literatura, como no Delta do Nilo (Egito), onde a
costa de Roseta foi submetida a uma intensa erosão (superior a 30,75 m / ano), entre 1972
e 1991, após a construção da represa de Aswan (Ghoneim et al. 2015), resultando numa
perda de 10.8 km² de zona costeira e 10% da produção agrícola na região. Conforme
Inman e Jenkins (1984) apud Ghoneim et al. (2015), a construção desta barragem,
juntamente com outros programas de controle de irrigação no médio curso do rio Nilo,
causaram uma redução no aporte de sedimentos de 120 milhões/ton/ano para valores
insignificantes. Diversos estudos estimam que mais de 98% dos sedimentos trazidos
montante do rio são aprisionados nas barragens, fazendo com que apenas os sedimentos
finos, como silte e argila sejam transportados a jusante. Mesmo com a construção de
diversos sea walls e espigões (ver figura 2-3), a dinâmica costeira não se estabilizou.
Segundo esses autores, a erosão deverá aumentar após a conclusão da Represa
Renascentista Etíope (Grand Ethiopian Renaissance) no alto curso do Rio Nilo.
No México, Valderrama-Landeros e Flores-de-Santiago (2019) afirmam que
apesar dos deltas de San Pedro e de Santiago, separados há menos de 20 km um do outro,
exibirem as mesmas características geomorfológicas (sistema lagunar e manguezal),
hidroclimáticas (precipitação entre 1200 a 1500 mm/ano e uma temperatura de 23ºC) e
oceanográficas (micromaré semi-diurna e com ondas cuja direção preferencial é NE),
ambos exibiram distintos tendências na linha de costa entre 1970 a 2015. O delta de
Santiago, que tem 6 barragens ao longo de seu curso fluvial, registrou taxas erosivas
(acima de 10 m/ano) em seis dos oitos períodos estudos. Já o delta do San Pedro, que não
78
tem nenhuma grave intervenção humana, assim como o Delta do Parnaíba, registrou uma
relativa estabilidade da sua linha de costa ao longo do tempo, com tendências
progradacionais próximos a desembocadura e erosão nas regiões mais afastadas da foz.
No delta do Mekong, a perda de aproximadamente 5km² de área costeira entre
2003 e 2012, está diretamente relacionada à uma diminuição significativa do aporte
sedimentar do rio Mekong e seus afluentes devido a construção de mais de 33 barragens
instaladas e 14 a serem construídas em todo curso fluvial, a mineração de areia comercial
em larga escala na região deltaica, de aproximadamente 27 Mm³/ano e a subsidência do
terreno, com uma taxa média de 2 cm/ano, devido a extração de água subterrânea
(Anthony et al, 2015). Para este autor, a erosão já é responsável pelo deslocamento de
populações costeiras, e é um risco para a integridade do delta, se considerarmos as taxas
de subida do nível do mar e a construção de futuras barragens.
Luijendijk et al. (2018) afirmaram, que em Nouakchott (Mauritânia), a estrutura
portuária, construída em 1986, bloqueou o transporte unidirecional de sedimentos,
causando uma erosão costeira acima de 21 metros/ano, 10 vezes maior do que os valores
anteriores à construção do porto. Além disso, a zona de influência do porto atingiu uma
distância de mais de 10 km. Autores como (Kuleli et al. 2011) relatam que a intensa
urbanização na zona costeira juntamente com o desmatamento da vegetação nativa, em
torno de 35.57km² (um pouco menor do que a totalidade de manguezais na zona costeira
da área de estudo), para fins agrícolas contribuíram significativamente para a erosão no
deltas do Kizilimark.e Gediz (Turquia) entre os anos de 1989 a 2009. Modelos preditivos,
como proposto por Mukhopadhyay et al. (2018), demonstraram que as praias populosas
no delta do Mahanadi estarão propensas a maiores taxas de erosão no ano de 2050.
O delta do rio Yangtze (China) é um dos raros exemplos de regiões costeiras
antropogênicas que registraram progradação ao longo do tempo. Mesmo com reduções
de carga sedimentar, como consequência das represas dos rios Yangtzé e Qiantang, e um
leve aumento no nível do mar, a zona costeira de Xangai mostrou um crescimento de 50
m / ano na costa entre 1960 e 2015(QIAO et al. 2018). Para os autores, a progradação está
diretamente relacionada aos processos antropogênicos, como recuperação de terras e
obras de canalização dos rios, e baseado nas suas conclusões, essa região continuará a
acumular sedimentos nas décadas seguintes.
79
Figura 6-11: Comparação do delta do Parnaíba com diferentes deltas e praias espalhados ao redor do globo
terrestre em termos de (a) descarga fluvial, (b) carga anual de sedimentos, (c) área da bacia de drenagem,
(d) variação da linha de costa e (e) densidade populacional.
Fonte: Próprio autor (2019). Todos os dados dessa imagem foram extraídos dos trabalhos Ghoneim et al.
(2015), Dada et al. (2018), Kuleli et al. (2011), Mukhopadhyay et al. (2018), Qiao et al. (2018), Luijendijk
et al. (2018), Corbau et al (2019), Mentaschi et al (2018) e Best (2015).
80
FERREIRA, T.A.B (2019) CONCLUSÕES E CONSIDERAÇÕES FINAIS
7 CONCLUSÕES E CONSIDERAÇÕES FINAIS

A erosão costeira é um geohazard que afeta diversos deltas ao longo do planeta,
acarretando prejuízos no âmbito econômico, social e ecológico. Suas causas naturais
estão relacionadas aos processos oceanográficos (ondas, maré, correntes longitudinais),
hidro climáticas (precipitação, descarga fluvial, fenômeno ENSO), elevação do nível do
mar e os eventos extratropicais, enquanto que as causas antrópicas são associadas às obras
que alteram a vazão do rio (barragens, transposição, canalização), implementação de
estruturas rígidas ou flexíveis na zona costeira, extração de areias em áreas estuarinas
e/ou deltaicas, conversão de terrenos naturais (praias, dunas e manguezais) em áreas
urbanas, etc. Neste sentido, o principal objetivo deste estudo foi analisar a evolução
temporal (1984 – 2017) das praias situadas no delta do Parnaíba, e discutir as principais
mudanças, por meio da utilização de imagens de satélites, técnicas de sensoriamento
remoto, de sistema de informação geográfica e métodos estatísticos.
A integração de técnicas de sensoriamento remoto com modelos estatísticos
permitiu, de forma satisfatória, quantificar a variação temporal da linha de costa do Delta
do Rio Parnaíba (Nordeste do Brasil) em escalas temporais de curta e média duração.
Uma das grandes vantagens do uso de imagens de satélite foi a possibilidade da extração
automática da linha de costa, que permitiu um ganho no tempo de processamento e
diminuiu a margem de erro em relação aos métodos manuais. Entretanto, várias incertezas
relacionadas a aquisição de imagens de satélite (sazonalidade, maré), às características do
sensor (resolução especial, temporal e acervo histórico) e aos métodos de processamento
devem ser analisadas afim de assegurar uma melhor precisão ao modelo.
Em uma escala intermediário de tempo (1984 a 2017), 52% do litoral do delta do
Rio Parnaíba foi submetido a erosão costeira, enquanto 48% experimentaram uma
progradação de sedimentos. Majoritariamente a erosão ocorre a oeste da desembocadura
do Rio Parnaíba (setores III e IV), enquanto que a deposição e estabilidade, prevaleciam
no lado leste (setores I e II). Levando-se em conta os valores de média (-0.5 m/ano) e
mediana (-1 m/ano), a região deltaica sofreu uma leve erosão, porém, nada alarmante.
Com a exceção da Praia dos Coqueiros (setor I) e do subsetor leste da Ilha do Caju (setor
IV), todas as demais apresentaram um valor de coeficiente de determinação (WLR²)
acima do aceitável (0.70), validando o resultado da regressão linear ponderada (WLR).
A grande quantidade de sedimentos em suspensão (2.54*106) e em carga sólida
(115ton/ano/km²) que chega à zona costeira é favorecida pela continua e alta descarga
81
fluvial do rio Parnaíba, o alto fator de erosão das chuvas, que esta relacionado com o
clima da região, e a geologia na bacia de drenagem, composta principalmente por rochas
sedimentares deformadas e sedimentos quaternários, fáceis de serem erodidos e
transportados para a zona costeira. Ademais, o Delta do Rio Parnaíba não é severamente
impactado pela ação antropogênica (como comumente ocorre nas regiões deltaicas do
planeta), tendo uma baixa densidade populacional na sua zona costeira, apenas uma
barragem em todo o curso fluvial do rio Parnaíba, baixa taxa de extração de areia e argila
no baixo curso fluvial e a preservação dos manguezais ao longo do tempo, sugerindo
assim, que a condição de desenvolvimento natural seja o fator responsável pela sua
relativa estabilidade.
As barreiras hidráulicas ocorrem em áreas próximas a desembocadura do delta,
sendo formadas quando o rio apresenta uma alta vazão. Estas barreiras modificam
localmente a direção e intensidade das correntes litorâneas e das ondas,
consequentemente, alterando o transporte sedimentar local. Esse efeito pode ter sido o
responsável tanto pela acresção da barra desembocadura na Praia das Canárias (Setor II)
quanto a migração de pontais arenosos na direção oposta à deriva litorânea (subsetor oeste
da ilha dos poldros – Setor II).
Já nas regiões mais afastadas dos deltas, a ação das ondas é responsável pelo
transporte sedimentar na direção da corrente longitudinal (E-W), como ocorre no subsetor
leste da praia dos poldros (Setor III), que registrou tanto um aumento na largura (cerca de
3 m/ano) quanto no comprimento do seu pontal arenoso (spit). Mudanças na direção e na
intensidade das ondas, ocasionada pela presença de promontórios rochosos, arenitos
costeiros, obras transversais e/ou a mudança da orientação da linha de costa, foram
responsáveis pela erosão em algumas praias, tais como a Pedra do Sal (Setor II), e alguns
trechos da praia Itaqui (Setor I) e Coqueiros (Setor I).
Os ventos são preferencialmente provenientes de NE e E, com uma velocidade
média de 4.12 m/s, atingindo suas maiores velocidades nos meses de outubro a dezembro.
Nos setores I e II da área de estudo, esse componente é responsável por transportar os
sedimentos da praia rumo aos campos dunares, enquanto que nos setores III e IV, o
mesmo transporta os sedimentos das praias aos canais de maré, que por sua vez, conduz
os sedimentos até outros setores, onde são depositados.
Em curtos intervalos de tempo, o comportamento da linha de costa pode estar
diretamente relacionado com a ação hidro climática na bacia de drenagem, devido as altas
e positivas correlações entre essas três variáveis, e que as maiores taxas de erosão e
82
progradação ocorreram, respectivamente, durante os ciclos de El Niño (1995 – 1999) e

La Niña (2007 – 2009). No primeiro caso, a diminuição da quantidade de chuvas e
descarga fluvial irá ocasionar uma pouca oferta de sedimentos a zona costeira. Somado
isso ao intenso processo de redistribuição de sedimentos, ocasionado pela ação dos
ventos, ondas, correntes e maré, grande parte do delta será erodido. No segundo caso (La
Niña), o aumento dessas variáveis acarretou em uma maior oferta de sedimentos à zona
costeira, fazendo com que houvesse um ganho sedimentar em quase todos os setores.
Ademais, o escoamento fluvial é proporcional ao efeito da barreira hidráulica,
favorecendo uma maior progradação sedimentar em áreas próximas a desembocadura do
delta.
Para uma melhor compreensão dos fatores oceanográficos na área de estudo,
sugere-se num futuro próximo, levantamentos batimétricos e sonar na foz do rio Parnaíba,
com o intuito verificar a existência de possíveis barras submersas e paleocondições
deposicionais. A determinação das direções e velocidades de ondas e correntes, por
intermédio de técnicas de sensoriamento remoto, seria de grande valia para estudar o
comportamento morfodinâmico do delta ao longo do tempo. Já análises temporais dos
campos de dunas não vegetadas ajudariam a estabelecer a influência eólica no DRP.
Por fim, é aconselhável determinar quais são as melhores técnicas automáticas de
extração da linha de costa de acordo com litologia e morfologia da praia e elaborar um
modelo de erosão para todo litoral brasileiro, indicando quais áreas necessitam de um
maior direcionamento técnico.
83
FERREIRA, T.A.B (2019) BIBLIOGRAFIA
8 BIBLIOGRAFIA
ANA (2015) Conjuntura dos recursos hídricos no Brasil: regiões hidrográficas brasileiras
Anthony EJ (2015) Wave influence in the construction, shaping and destruction of river
deltas: A review. Mar Geol 361:53–78. doi: 10.1016/j.margeo.2014.12.004
Anthony EJ, Brunier G, Besset M, et al (2015a) Linking rapid erosion of the Mekong
River delta to human activities. Sci Rep 5:1–12. doi: 10.1038/srep14745
Anthony EJ, Brunier G, Besset M, et al (2015b) Linking rapid erosion of the Mekong
River delta to human activities. Sci Rep 5:1–12. doi: 10.1038/srep14745
Aquino da Silva AG, Amaro VE, Stattegger K, et al (2015a) Spectral calibration of
CBERS 2B multispectral satellite images to assess suspended sediment
concentration. ISPRS J Photogramm Remote Sens 104:53–62. doi:
10.1016/j.isprsjprs.2015.02.011
Aquino da Silva AG, Stattegger K, Schwarzer K, et al (2015b) The Influence of Climatic
Variations on River Delta Hydrodynamics and Morphodynamics in the Parnaíba
Delta, Brazil. J Coast Res 314:930–940. doi: 10.2112/JCOASTRES-D-14-00078.1
Aquino da Silva AG, Stattegger K, Schwarzer K, Vital H (2016) Seismic stratigraphy as
indicator of late Pleistocene and Holocene sea level changes on the NE Brazilian
continental shelf. J South Am Earth Sci 70:188–197. doi:
10.1016/j.jsames.2016.05.001
Aquino da Silva AG, Stattegger K, Vital H, Schwarzer K (2019) Coastline change and
offshore suspended sediment dynamics in a naturally developing delta (Parnaíba
Delta, NE Brazil). Mar Geol 410:1–15. doi: 10.1016/j.margeo.2018.12.013
Aquino MCS De, Oliveira JGB De, Sales MCL (2006) Estimativa da erosividade das
chuvas (R) nas terras secas do Estado do Pauí. Rev Ciência Agronômica 37:287–
291
Beatley T, Brower DJ, Schwab A (2002) An introduction to coastal zone management.
Isl Press 353:67–68. doi: 10.1016/S0964-5691(96)00034-8
Belda M, Holtanová E, Halenka T, Kalvová J (2014) Climate classification revisited :
from Köppen to Trewartha. 59:1–13. doi: 10.3354/cr01204
Besset M, Anthony EJ, Sabatier F (2017) River delta shoreline reworking and erosion in
the Mediterranean and Black Seas: the potential roles of fluvial sediment starvation
and other factors. Elem Sci Anth 5:54. doi: 10.1525/elementa.139
Best J (2015) Anthropogenic Stresses on the World ’s Big Rivers. Nat Geosci 2015:1–
59. doi: 10.1038/s41561-018-0262-x
Bhattacharya JP, Giosan L (2003) Wave-influenced deltas: Geomorphological
implications for facies reconstruction. Sedimentology 50:187–210. doi:
10.1046/j.1365-3091.2003.00545.x
Bird, E.C.F. (1996a) Beach Management. Wiley, Chichster
84
Bird E (2008) Coastal Geomorphology: An Introduction, Second edition

Bittencourt ACDSP, Dominguez JML, Fontes LCS, et al (2007) Wave Refraction, River
Damming, and Episodes of Severe Shoreline Erosion: The São Francisco River
Mouth, Northeastern Brazil. J Coast Res 234:930–938. doi: 10.2112/05-0600.1
Bittencourt ACDSP, Dominguez JML, Moita Filho O (1990) Variações Texturais
Induzidas Pelo Vento Nos Sedimentos Da Face Da Praia (Praia De Atalaia, Piauí).
Rev Bras Geociências 20:201–207. doi: 10.25249/0375-7536.1990201207
Boak EH, Turner IL (2005) Shoreline Definition and Detection: A Review. J Coast Res
214:688–703. doi: 10.2112/03-0071.1
Cavalcanti APB (2004) Análise Integrada Das Unidades Paisagísticas Na Planície
Deltaica Do Rio Parnaíba – Piauí / Maranhão. Rev Mercat 105–118
CEPRO (2008) Diagnóstico e Diretrizes para o Setor Mineral do Estado do Piauí
Chander G, Markham BL, Helder DL (2009) Summary of current radiometric calibration
coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sens
Environ 113:893–903. doi: 10.1016/j.rse.2009.01.007
Chávez PSJ (1996) Image-based atmospheric corrections - revisited and improved.
Photogramm Eng Remote Sensing 62:1025–1036. doi: 0099-1112/96/6209-1025
Chu ZX, Sun XG, Zhai SK, Xu KH (2006) Changing pattern of accretion/erosion of the
modern Yellow River (Huanghe) subaerial delta, China: Based on remote sensing
images. Mar Geol 227:13–30. doi: 10.1016/j.margeo.2005.11.013
Corbau C, Zambello E, Rodella I, et al (2019) Quantifying the impacts of the human
activities on the evolution of Po delta territory during the last 120 years. J Environ
Manage 232:702–712. doi: 10.1016/j.jenvman.2018.11.096
Dada OA, Li G, Qiao L, et al (2018) Recent Niger Delta shoreline response to Niger River
hydrology: Conflict between forces of Nature and Humans. J African Earth Sci
139:222–231. doi: 10.1016/j.jafrearsci.2017.12.023
Dada OA, Li G, Qiao L, et al (2016) Seasonal shoreline behaviours along the arcuate
Niger Delta coast: Complex interaction between fluvial and marine processes. Cont
Shelf Res 122:51–67. doi: 10.1016/j.csr.2016.03.002
Dada OA, Qiao L, Ding D, et al (2015) Evolutionary trends of the Niger Delta shoreline
during the last 100years: Responses to rainfall and river discharge. Mar Geol
367:202–211. doi: 10.1016/j.margeo.2015.06.007
Davidson-Arnott R (2010) Introduction to Coastal Processes and Geomorphology,
Cambridge
de Paula Filho FJ, Marins RV, de Lacerda LD (2015) Natural and anthropogenic
emissions of N and P to the Parnaíba River Delta in NE Brazil. Estuar Coast Shelf
Sci 166:34–44. doi: 10.1016/j.ecss.2015.03.020
Del Río L, Gracia FJ (2013) Error determination in the photogrammetric assessment of
shoreline changes. Nat Hazards 65:2385–2397. doi: 10.1007/s11069-012-0407-y
85
Del Río L, Gracia FJ, Benavente J (2013) Shoreline change patterns in sandy coasts. A
case study in SW Spain. Geomorphology 196:252–266. doi:
10.1016/j.geomorph.2012.07.027
Dominguez, J. M. L.; Bittencourt, A.C.S.P; Martin, L. O papel da deriva litorânea de
sedimentos arenosos na construção das planícies costeiras associadas às
desembocaduras dos rios São Francisco (SE/AL), Jequitinhonha (BA), Doce (ES) e
Paraíba do Sul (RJ). Revista Brasileira de Geociências, São Paulo, v. 13, n.4, p. 98-
105, 1983.
Dominguez, J.M.L. (1996) The São Francisco strandplain: a paradigm for wave-
dominated deltas?. In: Geology of Siliciclastic ShelfSeas (Eds M. De Baptist and P.
Jacobs), Geol. Soc. London Spec. Publ., 117, 217–231
Dominguez JML (2006) The Coastal Zone of Brazil : an Overview. I:16–20
Dominguez, J. M. L. ; Neves, S. M. ; Bittencourt, A.C.S.P ; Guimarães,. Paraíba. In:
Dieter Muehe. (Org.). Panorama da Erosão Costeira no Brasil. 1ed.Brasília:
Ministério do Meio Ambiente, 2018, v. 1, p. 327-343.
El-Robrini, M.S; Dos santos, J. H.S; De Lima, L.G; Dos Santos, A.L.S; Souza, U.D.V.
Maranhão p. 167 239. In: Muehe, D (org). Erosão e Progradação no Litoral
Brasileiro. Brasília: Ministério do Meio Ambiente, 2018, 755p.
Feijó FJ (1994) A Bacia de Barreirinhas. Bol Geociências PETROBRAS 8:103–109
Feyisa GL, Meilby H, Fensholt R, Proud SR (2014) Automated Water Extraction Index:
A new technique for surface water mapping using Landsat imagery. Remote Sens
Environ 140:23–35. doi: 10.1016/j.rse.2013.08.029
Figueiredo, Divino. Conceitos Básicos de Sensoriamento Remoto. Companhia Nacional
de Abastecimento - CONAB. Brasília - DF, 2005.
Fisher A, Flood N, Danaher T (2016) Comparing Landsat water index methods for
automated water classification in eastern Australia. Remote Sens Environ 175:167–
182. doi: 10.1016/j.rse.2015.12.055
FitzGerald DM, Kraus NC, Hands EB (2000) Natural Mechanisms of Sediment
Bypassing at Tidal Inlets. Erdc/Chl Chetn 4:1–10. doi: ERDC/CHL CHETN-IV-30
Florenzano, T.G. Iniciação em Sensoriamento Remoto. 3ª. ed. São Paulo: Oficina de
Textos, 2011. 128 p.
Gens R (2010) Remote sensing of coastlines: Detection, extraction and monitoring. Int J
Remote Sens 31:1819–1836. doi: 10.1080/01431160902926673
Ghoneim E, Mashaly J, Gamble D, et al (2015) Nile Delta exhibited a spatial reversal in
the rates of shoreline retreat on the Rosetta promontory comparing pre- and post-
beach protection. Geomorphology 228:1–14. doi: 10.1016/j.geomorph.2014.08.021
Góes AMO, Feijó FJ (1994) Bacia do Paranaiba. Bol Geociencias da Petrobras 8:57–67
86
Gonzalez RA, Andreoli RV, Candido LA, et al (2007) A influência do evento El Niño
– Oscilação Sul e Atlântico Equatorial na precipitação sobre as regiões norte e
nordeste da América do Sul. ACTA Amaz 43:469–480
Hagenaars G, de Vries S, Luijendijk AP, et al (2018a) On the accuracy of automated
shoreline detection derived from satellite imagery: A case study of the sand motor
mega-scale nourishment. Coast Eng 133:113–125. doi:
10.1016/j.coastaleng.2017.12.011
Hapke CJ, Himmelstoss EA, Kratzmann, M., List JH, Thieler ER (2010) National
assessment of shoreline change; historical shoreline change along the New England
and Mid-Atlantic coasts: U.S. Geological Survey Open-File Report 2010-1118. US
Geol Surv Open-File:57 p
Lima, E.A.M; Brandão, R.L. Geologia do Estado do Piaui. P17-24. In: PFALTZGRAFT,
P. A. S. (Org.); TORRES, F. S. M. (Org.) ; BRANDÃO, Ricardo de Lima (Org.) .
Geodiversidade do Estado do Piauí. 01. ed. Recife: CPRM, 2010. v. 01. 260p
Ibáñez C, Benito X, Reyes E, et al (2018) Basin-scale land use impacts on world deltas:
Human vs natural forcings. Glob Planet Change 173:24–32. doi:
10.1016/j.gloplacha.2018.12.003
Jensen, J. R. Remote Sensing of the Environment: An Earth Resource Perspective 2nd
Edition. London: Pearson, 2009.608p;
Kelly JT, Gontz AM (2018) Using GPS-surveyed intertidal zones to determine the
validity of shorelines automatically mapped by Landsat water indices. Int J Appl
Earth Obs Geoinf 65:92–104. doi: 10.1016/j.jag.2017.10.007
Kermani S, Boutiba M, Guendouz M, et al (2016) Detection and analysis of shoreline
changes using geospatial tools and automatic computation: Case of jijelian sandy
coast (East Algeria). Ocean Coast Manag 132:46–58. doi:
10.1016/j.ocecoaman.2016.08.010
Komar PD (2012) Coastal Erosion Processes and Impacts: The Consequences of Earth’s
Changing Climate and Human Modifications of the Environment. Elsevier Inc.
Kong D, Miao C, Borthwick AGL, et al (2015) Evolution of the Yellow River Delta and
its relationship with runoff and sediment load from 1983 to 2011. J Hydrol 520:157–
167. doi: 10.1016/j.jhydrol.2014.09.038
Kuleli T, Guneroglu A, Karsli F, Dihkan M (2011) Automatic detection of shoreline
change on coastal Ramsar wetlands of Turkey. Ocean Eng 38:1141–1149. doi:
10.1016/j.oceaneng.2011.05.006
Lacerda LD De, Maia LP, Monteiro LHU, et al (2006) Manguezais do Nordeste. Ciência
Hoje
Luijendijk A, Hagenaars G, Ranasinghe R, et al (2018) The State of the World’s Beaches.
Sci Rep 8:1–11. doi: 10.1038/s41598-018-24630-6
87
Martínez C, Contreras-López M, Winckler P, et al (2018) Coastal erosion in central Chile:

A new hazard? Ocean Coast Manag 156:141–155. doi:
10.1016/j.ocecoaman.2017.07.011
McFeeters SK (1996) The use of the Normalized Difference Water Index (NDWI) in the
delineation of open water features. Int J Remote Sens 17:1425–1432. doi:
10.1080/01431169608948714
Mentaschi L, Vousdoukas MI, Pekel J, et al (2018) Global long-term observations of
coastal erosion and accretion. 1–11. doi: 10.1038/s41598-018-30904-w
Milliman JD, Farnsworth KL (2011) River discharge to the coastal ocean: A global
synthesis
MMA (2006) Caderno da Região Hidrográfica do Parnaíba. Ministério do Meio Ambient
Brasília: 184 p.
Mukhopadhyay A, Ghosh P, Chanda A, et al (2018) Threats to coastal communities of
Mahanadi delta due to imminent consequences of erosion – Present and near future.
Sci Total Environ 637–638:717–729. doi: 10.1016/j.scitotenv.2018.05.076
Nicholls RJ, Cazenave A (2010) Sea-level rise and its impact on coastal zones. Science
(80- ) 328:1517–1520. doi: 10.1126/science.1185782
Nicholls RJ, Wong PP, Burkett VR, et al (2007) Coastal systems and low-lying areas.
Clim Chang 2007 Impacts, Adapt Vulnerability 315–356
Nicolodi JL, Petermann RM (2010) Potential vulnerability of the Brazilian coastal zone
in its environmental, social, and technological aspects. Panam J Aquat Sci 5:184–
204. doi: 10.1017/CBO9781107415324.004
Oliveira PTS, Wendland E, Nearing MA (2013) Rainfall erosivity in Brazil: A review.
Catena 100:139–147. doi: 10.1016/j.catena.2012.08.006
Ouellette W, Getinet W (2016) Remote sensing for Marine Spatial Planning and
Integrated Coastal Areas Management: Achievements, challenges, opportunities
and future prospects. Remote Sens Appl Soc Environ 4:138–157. doi:
10.1016/j.rsase.2016.07.003
Paula, J.E.A. Dinâmica Morfológica da planície costeira do estado do Piauí: Evolução,
comportamento dos processos costeiros e a variação da linha de Costa. Tese de
doutorado em Ciências Marinhas Tropicais pela Universidade Federal do Ceará,
Ceará, Brasil. 2013. 242p.
Paua, J.E.A; De Morais, J.O; Pinheiro, L.S; Gomes, M.L. Piaui. p 241-259. In: Muehe, D
(org). Erosão e Progradação no Litoral Brasileiro. Brasília: Ministério do Meio
Ambiente, 2018, 755p.
Paula, J.E.A; De Morais, J.O; Pinheiro, L.S; GomeS, M.L Piauí Beach Systems. In: Short,
A.D (Org); Klein, A.H.F (Org.). Brazilian Beach Systems. 1ed.Flórida, USA:
SPRINGER, 2016, v. 17, p. 0-611.
Pardo-Pascual JE, Sánchez-García E, Almonacid-Caballer J, et al (2018) Assessing the
accuracy of automatically extracted shorelines on microtidal beaches from landsat
88
7, landsat 8 and sentinel-2 imagery. Remote Sens 10:1–20. doi:

10.3390/rs10020326
PintoBittencourt ACDS, Dominguez JML, Martin L, Silva IR (2005) Longshore transport
on the northeastern Brazilian coast and implications to the location of large scale
accumulative and erosive zones: An overview. Mar Geol 219:219–234. doi:
10.1016/j.margeo.2005.06.006
Qiao G, Mi H, Wang W, et al (2018) 55-year (1960–2015) spatiotemporal shoreline
change analysis using historical DISP and Landsat time series data in Shanghai. Int
J Appl Earth Obs Geoinf 68:238–251. doi: 10.1016/j.jag.2018.02.009
Ranieri LA, El-Robrini M (2015) Evolution of the salinópolis shoreline, Northeastern of
Pará, Brazil. Pesqui em Geociencias 42:207–226. doi: 10.22456/1807-9806.78121
Romine BM, Fletcher CH, Frazer LN, et al (2009) Historical Shoreline Change, Southeast
Oahu, Hawaii; Applying Polynomial Models to Calculate Shoreline Change Rates.
J Coast Res 256:1236–1253. doi: 10.2112/08-1070.1
Rubio GG, Huntley DA, García-rubio G, et al (2014) Evaluating shoreline identification
using optical satellite images Evaluating shoreline identi fi cation using optical
satellite images. Mar Geol 359:96–105. doi: 10.1016/j.margeo.2014.11.002
Sila, C. G.; Patchineelam, S.M ; Baptista Neto, J.A; Ponzi, V.R.A. Ambientes de
Sedimentação Costeira e Processos Morfodinâmicos Atuantes na Linha de Costa.
In: Baptista Neto, J.A; Ponzi, V.R.A; Sischel, S.E. (Org.). Introdução à Geologia
Marinha. 1ed.Rio de Janeiro: Interciência, 2004, v. 1, p. 175-218.
Song C, Woodcock C, Seto K (2001) Classification and change detection using Landsat
TM data: when and how to correct atmospheric effects? Remote Sens Environ
75:230–244
Souza, G. R.de G. et al. Praias Arenosas e Erosão costeira. In: SOUZA, G (Org).
Quaternário do Brasil. Riberão Preto (SP). Holos Editora, 2005. 378p.
Souza, C.R. de G. 2009. A Erosão nas Praias do Estado São Paulo: Causas,
Conseqüências, Indicadores de Monitoramento e Risco. In: Bononi, V.L.R., Santos
Junior, N.A. (Org.), Memórias do Conselho Cientifico da Secretaria do Meio
Ambiente: A Síntese de Um Ano de Conhecimento Acumulado, pp.48-69, Instituto
de Botânica – Secretaria do Meio Ambiente do Estado de São Paulo, São Paulo, SP,
Brasil. (ISBN 978-85- 7523-025-1).
Souza CR de G (2009) A Erosão Costeira e os Desafios da Gestão Coastal Erosion and
the Coastal Zone Management Challenges in Brazil. Rev da Gestão Costeira Integr
9:17–37. doi: 10.5894/rgci147
Sunder S, Ramsankaran R, Ramakrishnan B (2017) Inter-comparison of remote sensing
sensing-based shoreline mapping techniques at different coastal stretches of India
(Environmental Monitoring and Assessment, (2017), 189, 6, (290),
10.1007/s10661-017-5996-1). Environ Monit Assess 189:. doi: 10.1007/s10661-
017-6046-8
89
Syvitski JPM, Milliman JD (2006) Geology, Geography, and Humans Battle for
Dominance over the Delivery of Fluvial Sediment to the Coastal Ocean. J Geol
115:1–19. doi: 10.1086/509246
Szczygielski A, Stattegger K, Schwarzer K, Koenig J (2014) Evolution of the Parnaíba
Delta ( NE Brazil ) during the late Holocene Evolution of the Parnaíba Delta ( NE
Brazil ) during the late Holocene. doi: 10.1007/s00367-014-0395-x
Thieler ER, Himmelstoss EA, Zichichi J., Ergul A (2017) Digital Shoreline Analysis
System (DSAS) version 4.0 — An ArcGIS extension for calculating shoreline
change (ver.4.4, July 2017
Valderrama-Landeros L, Flores-de-Santiago F (2019) Assessing coastal erosion and
accretion trends along two contrasting subtropical rivers based on remote sensing
data. Ocean Coast Manag 169:58–67. doi: 10.1016/j.ocecoaman.2018.12.006
Vital H (2014) Chapter 4 The north and northeast Brazilian tropical shelves. Geol Soc
London, Mem 41:35–46. doi: 10.1144/m41.4
Xu H (2006) Modification of normalised difference water index (NDWI) to enhance open
water features in remotely sensed imagery. Int J Remote Sens 27:3025–3033. doi:
10.1080/01431160600589179
Zhai K, Wu X, Qin Y, Du P (2015) Comparison of surface water extraction performances
of different classic water indices using OLI and TM imageries in different
situations. Geo-Spatial Inf Sci 18:32–42. doi: 10.1080/10095020.2015.1017911
Zhu Z (2017) Change detection using landsat time series: A review of frequencies,
preprocessing, algorithms, and applications. ISPRS J Photogramm Remote Sens
130:370–384. doi: 10.1016/j.isprsjprs.2017.06.013
90
FERREIRA, T.A.B (2019) ANEXOS
9 ANEXOS
The use of Digita Shoreline Analysis System (DSAS) to assess Parnaíba
Delta (NE, Brazil) short-term morphodynamics conditions.
Thiago Augusto Bezerra Ferreira¹. André Giskard Aquino da Silva¹. Yoe Alain Reyes Perez¹.
Helenice Vital¹, Karl Stattegger2,3
1Programa de Pós-Graduação em Geodinâmica e Geofísica. Universidade Federal do Rio Grande do Norte, Brazil
2
Adam Mickiewicz University, Poznań, Poland
3
Kiel University – Germany
E-mail addresses: ferreira.augustus@gmail.com (T.A.B. Ferreira); andregiskard@hotmail.com (A.G. Aquino da Silva);

yoealain@yahoo.com (Y.A.R. Perez); helenice@geologia.ufnr.br (H. Vital),
Abstract
Deltaic regions are transitional environments, where continuous changes at different temporal and
spatial scales occur, which are related to several processes such as oceanographic, fluvial, climatic and
anthropogenic. Continuous monitoring of this environment provide information for understand the spatial
distribution of erosive/depositional scenarios, hence, its development. The main objective of this research
was to investigated the coastline behavior of the Parnaiba River Delta (PRD) between 1984 and 2017,
determining the rates of retreat and progradation of shorelines using the satellite images and statistical
methods. The PRD coastline is approximately 100 km long, therefore it was divided into four sectors (I –
IV). From the Weighted Linear Regression (WRL) values, which is a statistical method used by the Digital
Shoreline Analysis System (DSAS), it was possible to classify the delta coastline into five classes, regarding
shoreline changes: intense retreat, moderate retreat, stable area, moderate progradation and intense
progradation. The results revealed that 21% of the beaches on the delta are under intense shoreline retreat,
30% under moderate shoreline retreat, 4% are stable, 29% under moderate shoreline progradation and 15%
under intense shoreline progradation. Considering the mean (-0.44 m / year) and median values (-0.49
m/year), the entire delta can be classified as a relatively stable region. Differently from most deltaic
coastlines worldwide, the PRD is not severely impacted by anthropogenic action, suggesting it snaturally
developing condition to be the factor responsible for the short-term stability of the PRD shoreline.
Introduction
River deltas worldwide are densely populated areas where large cities have been developed (Beatley
et al. 2002; Anthony 2015). Increasing urbanization in the last decades lead to several changes on the delta
area (constructions of coastal infrastructure, land reclamation, river dams, sand mining, deviation of river
course, ground water extraction) causing acceleration of erosive processes on the coastal zone, resulting in
socioeconomics and environmental damages (Bird 2008; Anthony et al. 2015; Ghoneim et al. 2015; Corbau
et al. 2019). Therefore, understanding the spatial distribution of erosion risks on the deltaic coastal zone is
of extreme importance to the development of mitigation plans (Beatley et al., 2002; Quiao et al., 2018). In
this frame, continuous monitoring of coastal environment provide data to understand its morphodynamics,
helping predicting the development of erosional/depositional trends (Luijendijk et al. 2018; Qiao et al.
2018; Vousdoukas et al. 2018).
In order of monitoring coastal environments, the understanding of the changes in shoreline position
is fundamental. The shoreline, is defined as the interface between land and water, and it is considered a
geomorphic system undergoing continuous changes, which occur in several spatial and temporal scales
(Beatley et al. 2002). The use of orbital remote sensing (Landsat, Sentinel, Spot, Ikonos) is considered one
of the best methods for monitoring shorelines changes. This technique allows acquiring consistent data
from large geographic areas at regular time intervals, hence, it is more efficient than conventional
techniques (Gens 2010; Ghoneim et al. 2015; Zhai et al. 2015; Luijendijk et al. 2018; Qiao et al. 2018).
Recently, several studies using orbital remote sensing have been done to quantify shoreline
changes in deltaic environments such as the Nile delta (Ghoneim et al. 2015), Ebro and Rhone (Besset et
al. 2017), Niger (Dada et al. 2018), Po (Bittencourt et al. 2007) and Mekong (Anthony et al. 2015). These
studies have demonstrated deltaic coastal erosion as direct consequence of anthropogenic impacts on the
natural system. On the other hand, the Parnaiba’s River Delta (PRD), located in northeast Brazil, has only
little human interventions on the delta area, as well as the catchment area of the river. In this context, the
91
short-term (decadal) evolution of this delta coastline increases the understanding on the behavior of a
naturally developing system under the pressure of sea-level rise. Therefore, the main objective of this work
is to use satellite imagens for mapping the temporal evolution of the PRD coastline, from 1984 to 2017,
and discuss the main causes of its variation.
Study Area
The PRD is located on northeast Brazil, between the states of Maranhão and Piauí (Fig.1), covering
approximately 3138 km2 (MMA,2006) where more than 280,000 inhabitants living on (IBGE, 2016).
These states are located between pre-Amazon wet and NE semi-arid climatic zones (Köppen
1936). This transition region exhibits a rainy season from January to May, with a monthly rainfall average
over 150 mm, followed by a dry season from June to December (Paula et al, 2016; 2018), and the coast is
subject to Equatorial Atlantic Air Mass with strong northeast trade winds blowing most of the year with an
average of 4.4 m/s (Paula et al, 2016; 2018).
Figure 1: Location of study area in relation to South America (a), Brazil (b) and northeast brazil (c).
Description of the major features on the delta and the sectors I to IV, in which the delta coastline was
divided (c) .
The PRD is an asymmetric delta, dominated by both waves and tides, with a shallow and narrow
continental shelf offshore (Szczygielski et al. 2014; Aquino da Silva et al. 2015b). Tidal amplitudes of the
meso-tidal regime vary between 1.70 and 3.06m for neap and spring tide conditions respectively (Aquino
da Silva et al. 2015b). The wave climate is dominantly N-NE and E-NE-directed with a significant wave
height between 0.60 to 1.1 meters, and an average period of 6 to 9 s (Paula et al, 2016). Winds and wave
climate generate a longshore current with predominant east-west direction.
The Parnaiba’s River (PR) is the second largest river of NE Brazil, in terms of length (1400 km
long) and drainage basin size (344.122 km²) (MMA, 2006). The mean annual water discharge is 841 m³/s,
measured at Luzilândia station (approximately 120 km from its mouth, which is closest to the study area),
with suspend sediment concentration (SSC) over 50 mg/l and an annual suspended sediment load (SSL)
around 2.54x106 ton (MMA, 2006). In its midstream (approximately 700 km from its mouth), there is a
river dam at Parnaíba River (PR) midstream, where operates Boa Esperança hydroelectrical power station.
PR flows mostly over sedimentary rocks from Parnaiba Basin and over Barreirinhas Basin in its lowermost
course. The Parnaiba basin is mainly composed of sedimentary rocks deposited in five Super sequences
92
from the Silurian until the Cretaceous (Góes and Feijó 1994). The Barreirinhas basin has similar
sedimentary composition, and its formation is related to the fragmentation of the supercontinent Gondwana,
during the Mesozoic (Feijó 1994). Rock types of both basins range from conglomerates and coarse-grained
sandstones to shales and siltstone. Both basins have strong structural component with occurrence of listric
normal faults and strike-slip faults (Feijó 1994; Góes and Feijó 1994). Turbidity data collected before and
after the river dam demonstrates that most of the sediment is generated downstream from the dam (Aquino
da Silva et al., 2019).
PRD can be divided in two parts, eastern and western, where two types of coasts dominate
(Szczygielski et al. 2014). The eastern part (sectors I e II, Fig. 1) consists of an actively migrating coastal
dune field, beaches (up to 200 m wide) and prograding barriers islands. In the western part, tidal channels
associated with estuarine-lagoonal conditions, narrow beaches, several sand spits dominate the coast. In
1996 the PRD, as well as its adjacencies, became an Environmentally Protected Area in order to preserve
its biodiversity and landscape.
Materials and methods

Images from LANDSAT series satellites were used to map the changes on PRD coastline between
1984 and 2017. The proposed methodology (Fig. 2) consist of three main steps: (a) digital image processing
to highlight the land/water boundary, (b) automatic shoreline extraction and bias analysis and (c) historical
analysis of the shoreline through Digital Shoreline Analysis System (DSAS).
Figure 2: Conceptual flow chart in this study: (a) Acquisition and digital image processing, (b) automatic shoreline’s
extraction and (c) historical analysis of the shoreline through DSAS.
Digital Image Processing of Landsat Satellite images

The shoreline positions of the PRD (table 1) were extracted from Landsat satellite images (sensors
TM, ETM+ and OLI/TIRS) at an unequal interval between 1984 to 2017. The images ware a Level 1 Terrain
corrected (L1T) product, which are radiometrically and geometrically terrain corrected.
Table 1: Information about Landsat images and uncertainty analyzes. Notes: PE – Pixel error, RE – Rectification error
and TE – Total Error.
Image Data Sensor Type Image Tidal Time of Highest PE RE TE

(yyyy/mm/dd) time height at highest tide tide (m) (m) (m)
acquisition imagery recorded on recorded
(GMT) time day of image on day of
93
(m) acquisition image

(GMT) acquisition
2017-09-28 Landsat 8 OLI 12:58 2.37 13:17 2.37 30 ---- 30
2014-08-03 Landsat 8 OLI/ 12:58 2.64 12:48 2.65 30 4.2 30.29

2012-10-08 Landsat 7 12:54 2.35 13:12 2.25 30 7.1 30.83
ETM+
2009-10-24 Landsat 7 12:48 2.50 13:02 2.55 30 6.21 30.63
ETM+
2007-10-03 Landsat 5 TM 12:51 2.38 13:15 2.38 30 5.10 30.43
2004-08-07 Landsat 5 TM 12:41 2.61 12:35 2.61 30 5.89 30.57
2001-12-21 Landsat 5 TM 12:38 2.46 13:08 2.49 30 6.30 30.65
1999-11-14 Landsat 5 TM 12:51 2.54 13:19 2.56 30 4.70 30.37
1995-11-03 Landsat 5 TM 11:58 2.62 12:45 2.72 30 7.20 30.85
1989-12-04 Landsat 5 TM 12:22 2.54 12:50 2.56 30 4.26 30.30
1987-11-13 Landsat 5 TM 12:26 2.35 13:00 2.37 30 7.8 31
1984-09-01 Landsat 5 TM 12:28 2.73 12:15 2.73 30 5.6 30.52
The geometric registration process was applied to improve the position of the satellite images,
using the Landsat-8 OLI image from 2017 as baseline to perform image-to-image registration. More than
20 commonly ground control points (GCP) were identified, such as intersections of highways/avenues,
being used to resample from the first order polynomial transformation. After this procedure the Root Mean
Square Error (RMSE) was less than 8.0 m (Table 1).
The atmosphere affects the radiance and reflectance received at the satellite by scattering,
absorbing, and refracting the electromagnetic wave (Chávez 1996). Therefore, in order compare data
obtained under different atmospheric conditions such interference must be corrected. A widely accepted
method to compensate the atmospheric these effects caused by haze, dust or smoke, is the dark object
subtraction method (DOS) (Chavez, 1996). This method is simple, robust and accurate for atmospheric
correction, especially when dealing with low reflectance as it is common in aquatic environments (Aquino
da Silva et al., 2015)
Automatic shoreline extraction

The "Modified Normalized Difference Water Index" - MNDWI (Eq.1). This index was created
because the water pixels have a maximum reflectance in the green band and a higher absorption (minimum
reflectance) in the MIR band. In turn, soil, vegetation and dry sand have higher reflectances in the MIR
band. As result of MNDWI, a new raster image with values ranging from +1 to -1 is generated. The water
pixels are enhanced, presenting positive values, while vegetation pixels, dry sediments and soil are
suppressed, exhibiting negative values (Xu 2006). Some authors defined the optimal threshold to segregate
water and land as zero (Xu, 2006; Fisher et al., 2016; Kelly and Gontz, 2018). Finally, each binary image
was converted into polygons and later into polylines.
𝐺𝑟𝑒𝑒𝑛 − 𝑀𝐼𝑅
𝑀𝑁𝐷𝑊𝐼 𝐼𝑛𝑑𝑒𝑥 = (𝐸𝑞. 1)
𝐺𝑟𝑒𝑒𝑛 + 𝑀𝐼𝑅
Bias analysis
The variations of shoreline position occur at different spatial and time scales. On short time scales
(hours to years) such variations are directly related to wave action, storms surges, tides, currents, among
others (Beatley et al. 2002). Therefore, it is necessary for the interpreter to identify and quantify the
uncertainties related to the variation of shoreline’s position, including them in the model to assure its
reliability (Romine et al. 2009; Del Río and Gracia 2013). Uncertainty analysis pointed out four possible
sources of error, which were: rectification error (RE), Pixel error (PE), seasonal error (SE) and tidal error
(TDE).
The rectification error (RE) is expressed by the georeferencing RMSE of the satellite images (or
aerial photographs). The pixel error (PE) is equal to the satellite spatial resolution, as demonstrated in table
1, decreasing with the increase of sensors spatial resolution. The seasonal error (SE) is associated with the
interannual depositional and erosional cycles occurring on the beach profile, which naturally changes its
inclination. Tidal error (TDE) is related to the daily displacement of the shoreline position due to the tidal
amplitude. The magnitude of TDE depends of the inclination of the beach profile in combination with the
vertical variation of the water level height (Del Río and Gracia 2013). Thus, to eliminate these errors, the
94
images used were taken on the same season (dry season to minimize cloud cover) and during high tide
(Table 1), hence, eliminating the TDE. The parameters for the selection criteria (climatological and tidal
data) were obtained from the Hydrography Department of the Brazilian Navy (DHN–Diretoria de
Hidrografia e Navegação) and from Xtides software (https://flaterco.com/xtide/). The uncertainties were
computed (Eq.2) based on the parameters of Eq. 2 (Romine et al., 2009), whose results are described in
table 1.
𝐸𝑡 = √𝐸𝑟 2 + 𝐸𝑝2 ´ (𝐸𝑞. 2)
TE: The total shoreline positional error for each year
RE: Rectification error
PE: Pixel error
Historical analysis of the shoreline - DSAS.
The DSAS is a freely available application software that works within ArcMap and are used to
compute the rate-of-change for a time series of a given vector data (Thieler et al, 2017), which in this case
is the shoreline. DSAS calculates the displacement over time base on three vector files: a baseline, the
shoreline and transects perpendicular to both baseline and shoreline. The baseline is the starting point for
all transects cast, while the transects intersect each shoreline vectors at the measurement points from which
shoreline-change rates were calculated. The baseline was created onshore, positioned at 600 meters from
the oldest shoreline (1984). Several transects with 100 meters spacing distance were generated on each of
the defined sectors (Fig. 1), being 189 in sector I, 205 in sector II, 96 in sector III and 162 in sector IV.
Among all the DSAS methods, this study used Weghted Linear Regression (WLR) and WLR-
squared (WLR²) to quantify changes along shoreline from 1984 to 2017. This method provide more reliable
data since greater emphasis, or weight, is given towards determining a best-fit line, and the weight (Eq.3)
is defined as a function of the variance in the uncertainty of the measurement (Thieler et al., 2017),
according to the bias analysis. The WRL² statistics is a dimensionless index that ranges from 1.0 to 0.0 and
measures how successfully the best-fit line accounts for variation in the data.
1
𝑊= (𝐸𝑞. 3)
𝑒²
W: Regression’s weight
e: Shoreline uncertainty value
Negative values of WLR indicates erosion of the shoreline, while positive denotes accretion.
WRL² values above the threshold of 0.7 show that the regression analysis is consistent. Rates of accretion
and erosion were divided into five categories, adapted from Luijendijk et al. (2018)
Table 2: Shoreline classification based on WLR’s values

Rates of shoreline change (m/yr) Shoreline classification
>+3 Intense progradation
+ 0.5 to + 3 Moderate progradation
- 0.5 to + 0.5 Stable
- 3 to -1 Moderate retreat
<-3 Intense retreat
Results
Table 3 and Figure 3 show the results obtained from the WRL method. During the 34 years
observed, 21% of the PRD coastline exhibited intense erosion, 30% moderate erosion, 4% stable, 30%
moderate accretion and 15% intense accretion. Major erosion trended to have occurred away from PR
mouth and predominantly on the west side of the delta, while deposition, or stability, prevailed on the east
side. Considering the mean (-0.44 m/year) and median values (-0.49 m/year), the entire delta coastline can
be classified as in stable conditions.
Table 3: Values observed from WLR and WRL² methods in the all the sectors of the study area.
Sectors Beaches Transects Mean Median Std. Mean
WRL WRL WRL WLR²
Sector I Arrombado 1 - 54 -2.1 -2.4 0.6 0.75
Itaqui 55 - 80 2.4 2.4 0.6 0.71
Coqueiros 81 - 113 2.1 2.2 0.3 0.37
Atalaia 114 - 189 3.1 3 0.7 0.78
95
Sector Eólica 1 - 97 -1.1 -3.0 1.2 0.75

II Pedra do Sal 99 - 129 -2.2 -3.6 0.9 0.74
Cotia 130 - 146 1.8 2.5 1.8 0.75
Barra das Canárias 147 - 215 18.6 19.1 5.0 0.86
Sector Poldro's (Eastern Subsector) 1 - 52 -9 -4.8 5.2 0.86
III
Poldro's (Western Subsector) 53 - 97 1.8 2.3 1.0 0.78
Sector Caju's (Eastern Subsector) 1 - 31 5 8.0 6.7 0.69
IV Caju's (Central subsector) 32 - 102 3.3 0.91
-9.1 -10.0
Caju's (Western Subsector) 103 - 162 -6.3 -2 7.4 0.85
Sector I cover the coastline where are the beaches of Arrombado, Itaqui, Coqueiros and Atalaia,
being located near the largest urban centers of the study area (Luís Correia and Parnaíba), with combined
average population of 140,000 inhabitants. All the other sectors do not have major cities and / or villages
near the coastline. In general, Arrombado was the only one in this sector to be classified as a moderate
erosional beach (mean of -2.1 m/year), while all others registered moderate accretion. The highest rates of
shoreline progradation occurred on Atalaia, the most urban beach, whose average values were +3.1 m /
year. WRL² values have shown that the weighted regression provided reliable results for this sector, With
the exception of Coqueiro’s beach (0.37).
According to the mean and median values, in sector II, the Eólica and Pedra do Sal beaches were
classified as regions that were under moderate erosion. However, it was noticed that near the Igaraçu River
(IR) mouth, occurred shoreline progradation, reaching values over 4 m/year. In turn, the beaches of Cotia
and Barra das Canarias, near the PRD, showed moderate and intense accretion respectively. Regarding the
coefficient of determination or WRL², all the beaches in this sector presented values above the threshold of
acceptance, especially the Barra das Canárias (0.89), indicating that the changes of shoreline position were
relatively constant.
Sector III corresponds to the Poldro’s beach, located in the west part of PRD. Due to the patterns
of these transects, this region was divided into east and west subsectors. The east subsector showed that
erosion was occurring in all its 52 transects, with a mean annual shoreline retreat of 9 m. In turn, the
subsector west was classified as under moderate shoreline progradation, reaching a WRL an average of 1.8
m/year. In general, the mean WRL² on Sector III were above the threshold, with higher values occurring in
the east subsector.
In Sector IV, as occurred in sector III, the Caju’s beach was divided into subsectors (east, central
and west) due to the patterns of its transects. The subsector east showed intense accretion with mean
shoreline progradation of 5 m/year. However, the low value of the WRL2 (0.69), which is slightly below
the threshold, indicates that this result may not be reliable. The transects from the central subsector (71)
were classified as occurring intense shoreline retreat, with a WRL average of -9.1m/year. The same
occurring in subsector west, in which was observed an average retreat of 6.3m/year. The high values of
WRL² (0.9) show that erosion in subsectors central and west were constant between 1984 and 2017.
96
Figure 3: Shorelines classification based on WRL values between 1984 – 2017 on all PRD (a), at sector I (b), sector II
(c), sector III (d) and sector IV (e). The coefficients of determination (WRL²) values of these same sector are represented
by (f), (g), (h) and (i)
97
Discussions
Use of satellite images and statistical methods for analysis of coastal morphodynamics
The WRL² values in the four Sectors showed that the integration between statistical models, such
as those used by DSAS software, and data obtained from satellite images are effective techniques for
detection and quantification of variations on shoreline position with time. The simplicity of the method, its
low costs for application and the accessibility of the input data (obtained from freely available satellite
images), allow this methodology to be used on other areas worldwide (Ghoneim et al. 2015; Dada et al.
2018; Luijendijk et al. 2018; Mukhopadhyay et al. 2018; Qiao et al. 2018).
However, a number of uncertainties must to be considered in order to have accurate results from
this method (Romine et al. 2009; Del Río and Gracia 2013). The choice of the remote sensor to be used, in
regard of its special and spectral resolution, will depend on the magnitude of the changes intended to be
measured. In this case, the Landsat program was chosen because it provided a large historical data, despit
its moderate spatial resolution (range from 90 to 15 meters), and the changes to be mapped were well above
its spatial resolution (hundreds to thousands of meters). Moreover, the spectral resolution of the Landsat
helped on the clear definition of the land/water boundary (shoreline), allowing the use of automatic
shoreline extraction methods such as AWEI (Fisher et al. 2016) and MNDWI (Xu 2006). This reduces the
uncertainty related to the subjectivity of the interpreter in defining the shoreline position (Zhai et al. 2015;
Fisher et al. 2016; Kelly and Gontz 2018). On areas where the magnitude of the changes are on the order
of meters to few tenths of meters, sensors with high spatial resolution must be used (IKONOS, Quickbird,
WorldView, aerial photographs), which are generally expensive and have a temporal limitation. The
uncertainties related to the seasons and daily variatios of the tidal height influence the choice of the sensor
in terms of its revisit period. Depending on the type of tidal regime (meso- and macro-tidal range) and
beach slope, seasonal and tidal variations can introduce errors from tens to hundreds of meters in the
statistical model (Gens 2010; Del Río and Gracia 2013; Aquino da Silva et al. 2019). It is worth to mention
the importance on the choice of the statistical method to be used by DSAS. The Net Shoreline Movement
(NSM) and EPR methods are recommended for scales of year-to-decade, while both regressions LRR and
WRL are indicated for interannual to decadal time scales because the use a large number of shorelines data.
(Thieler et al, 2017; Hapke et al., 2011).
Driving forces of shoreline change

On decadal time scales, the coastline is influenced by several interrelated factors, such as climatic
(rainfall), hydrologic (river discharges), oceanographic (waves, currents and tides), geological and
anthropogenic processes (Beatley et al., 2002). In the PRD, the highest values of accretion were observed
near the IR and PR. This because although the PR presents a low suspended sediment concentration (SCC),
around 91.4 mgl/l, the river yields approximately 2.54x10 6 t/year of sediments to inner continental shelf
(Aquino da Silva et al., 2015b). The majority of the sediment yielded is due to the high fluvial discharge of
the river and the geology of the drainage basin, which is mainly composed of sandstones and Quaternary
sediments from the Parnaiba and Barreirinhas basins (Feijó, 1994; Góes and Feijó, 1994; Aquino da Silva
et al., 2015a, 2019).
The changes that occurred at the delta’s mouth (Barra das Canárias and Poldro's east subsector)
may be due to the groin effect caused by the river runoff (Anthony et al., 2015a). Strong jetty rivers
combined with shoals off the river mouth, can prevent the sediment bypass from longshore currents as well
as to cause refraction of waves. This effect contributed to the high rate of shoreline progradation on the east
side of PR mouth, with means rates over 15 m/yr, and the updrift migration of a spit at the west margin
(Fig.4). Outside the groin effect influence, waves and longshore currents play a fundamental role in the
remobilization and transport of sediments on the E-W direction. From Fig. 3 suggests that sediments eroded
in the Poldro’s eastern subsector are deposited in the subsector west, causing an increase in both the width
(about 1m / year) and length of a spit wets from PR mouth (spit grow over 10 km along 30 years). In some
beaches, such as the Arrombado (Sector I) and Pedra do Sal (sector II), erosion is occurring mainly by the
waves refraction due the presence of rock outcrops and/or headlands (Paula et al., 2016, 2018).
In sector IV, part of the sediments is transported into the tidal channels during flood phase (Aquino
da Silva et al, 2019), while other part is eroded and transported by the waves and longshore current, to
Melancieira’s island (Fig 3.c), during ebb phase and slack water. A sand bar was formed, over the last ten
years, which is possibly disturbing the propagation of the wave trend at this location, modifying the local
hydrodynamics, as noticed in the Barra das Canárias’s beach (east margin of PR mouth).
98
Figure 4: Shoreline’s evolution over time. (a) shows the sectors I, II and III. (b) shows the formation and fill of the
mouths bar (Barra das Canárias beach) and the updrift migration of a spit at the west margin (Poldro’s
easternmsubsector). (c) indicates a length increase of a spit from west PR (Poldro’s western subsector). (d) denotes the
sand bar formations (Caju's Eastern Subsector) and the sediments transport to the Melanceira’s island.
Differently from most deltas around the world, the Parnaíba is not severely anthropogenically
impacted, and this may contribute for the prevalence of stabile conditions of the PRD shoreline over time
(despite the increasing rates of relative sea-level rise observed on the past decades). Fluviometric data
demonstrated that Boa Esperança river dam, located ~600 km upstream from the study area, is fed only by
minor part of the drainage basin upstream the reservoir, comprising only 25% of the total discharge (Aquino
da Silva et al., 2015a). Therefore, the major part of the river course is not affected by the sediment storage
in the reservoir, and delivers sufficient sediment downstream to the coast (Aquino da Silva et al., 2019,
2015b). An opposite situation is found in Nile Delta, the Rosseta coast suffered an average erosion of 30.75
m/year after the construction of the Aswan dam, in 1964 (Ghoneim et al., 2015). Besset et al. (2017) The
rivers Ebro and Rhone lost more than 80% of their fluvial loads after the construction of dams along their
course, being a fundamental factor for severe erosional scenarios observed along the Mediterranean coast.
Moreover, sand mining on the lower river course of Mekong (~57 Mt of gravel) and Nile Rivers has
contributed to increase the erosive scenarios observed on the their deltaic coasts (Anthony et a., 2015; Dada
et al., 2018). The Brazilian Mining Geographic System Information (SIGMINE) reports that there are less
than 5 mining enterprises in the lower Parnaíba river (http://sigmine.dnpm.gov.br/webmap/) and the annual
extraction of sand, clay or gravel along the whole river does not exceed 1 Mt / year (CEPRO, 2008).
Deforestation of mangroves for agricultural is another factor triggering coastal erosion as observed
on Po, Brahmaputra and Sittaung (Myammar) deltas (Corbau et al., 2019; Mentaschi et al., 2018).
Predictive models also show that the increase in occupation of deltaic areas is a strong factor contributing
to coastal erosion, such as the models set for Manhanadi delta, which predict higher rates of erosion in the
year 2050 (Mukhopadhyay et al., 2018). At the Nouakchott coast, Mauritania, the harbor structures are
responsible for increasing coastal erosion by 10 times over the last three decades (Luijendijk et al. 2018).
The PRD is in an opposite situation, its area has been considered an environmental protection region since
1996, in which almost 90% of its area corresponds to uncultivated forest, dunes and mangrove, while
99
agricultural areas represent less than 10% (de Paula Filho et al. 2015). In addition, the coastal zone is
characterized by the low industrial development and population density (IBGE, 2016, MMA, 2006, De
Paula filho et al, 2015). Finally, the WRL analysis showed that sectors I and II, the only considered urban
sectors, showed shoreline progradation in most of their transects, indicating that anthropogenic factors did
not have influence on the shoreline’s stability.
Conclusions
Using satellite images integrated with the DSAS software composes an accurate and detailed
method for monitoring changes on large sections of coastline. These tools allowed a better understanding
of the short-term shoreline evolution of the PRD. However, it is necessary to assess the limitations inherent
of this method, such as spatial resolution, tidal and seasonal variation, which may significantly affect the
interpretation of the model results. On PRD, major erosional trends have occurred, predominantly, away
from PR mouth and on the west side (Sectors III and IV), while depositional scenarios prevailed on the east
side of the delta (Sectors I and II). Due to the low anthropogenic impact on both the coastal zone and the
drainage basin, natural factors (waves, tides, currents, river discharge) are likely to be the main driving
forces of the delta coastline changes between 1984 and 2017. Since stable, or prograding, shoreline
conditions prevailed in relation to shoreline retreat it is reasonable to assume that the current rate of relative
sea-level rise does not affect deltaic coasts under naturally developing conditions.
Acknowledgements
This paper was financed by the “Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – Brasil”
(CAPES), through the project “Evolução Holocênica e dinâmica atual do delta do Parnaíba: resposta de um
delta natural às mudanças climáticas e à subida do nível do mar” (grant number 88881.068034/2014-01),
and by the Brazilian National Council for Scientific and Technological Development – CNPq, through the
project “Margem Equatorial Brasileira: Da Fonte a Deposição” (grant PQ nº311413/2016-1). The authors
thank the USGS for the landsat image data, UFRN’s Post-Graduation Program (PPGG) and GGEMMA’s
laboratory for offering the necessary support to do this research.
References
Anthony EJ (2015) Wave influence in the construction, shaping and destruction of river deltas: A review. Mar Geol
361:53–78. doi: 10.1016/j.margeo.2014.12.004
Anthony EJ, Brunier G, Besset M, et al (2015) Linking rapid erosion of the Mekong River delta to human activities.
Sci Rep 5:1–12. doi: 10.1038/srep14745
Aquino da Silva AG, Amaro VE, Stattegger K, et al (2015a) Spectral calibration of CBERS 2B multispectral satellite
images to assess suspended sediment concentration. ISPRS J Photogramm Remote Sens 104:53–62. doi:
10.1016/j.isprsjprs.2015.02.011
Aquino da Silva AG, Stattegger K, Schwarzer K, et al (2015b) The Influence of Climatic Variations on River Delta
Hydrodynamics and Morphodynamics in the Parnaíba Delta, Brazil. J Coast Res 314:930–940. doi:
10.2112/JCOASTRES-D-14-00078.1
Aquino da Silva AG, Stattegger K, Schwarzer K, Vital H (2016) Seismic stratigraphy as indicator of late Pleistocene
and Holocene sea level changes on the NE Brazilian continental shelf. J South Am Earth Sci 70:188–197. doi:
10.1016/j.jsames.2016.05.001
Aquino da Silva AG, Stattegger K, Vital H, Schwarzer K (2019) Coastline change and offshore suspended sediment
dynamics in a naturally developing delta (Parnaíba Delta, NE Brazil). Mar Geol 410:1–15. doi:
10.1016/j.margeo.2018.12.013
Aquino MCS De, Oliveira JGB De, Sales MCL (2006) Estimativa da erosividade das chuvas (R) nas terras secas do
Estado do Pauí. Rev Ciência Agronômica 37:287–291
Beatley T, Brower DJ, Schwab A (2002) An introduction to coastal zone management. Isl Press 353:67–68. doi:
10.1016/S0964-5691(96)00034-8
Belda M, Holtanová E, Halenka T, Kalvová J (2014) Climate classification revisited : from Köppen to Trewartha.
59:1–13. doi: 10.3354/cr01204
Besset M, Anthony EJ, Sabatier F (2017) River delta shoreline reworking and erosion in the Mediterranean and Black
Seas: the potential roles of fluvial sediment starvation and other factors. Elem Sci Anth 5:54. doi:
10.1525/elementa.139
Best J (2015) Anthropogenic Stresses on the World ’s Big Rivers. Nat Geosci 2015:1–59. doi: 10.1038/s41561-018-
0262-x
Bhattacharya JP, Giosan L (2003) Wave-influenced deltas: Geomorphological implications for facies reconstruction.
Sedimentology 50:187–210. doi: 10.1046/j.1365-3091.2003.00545.x
Bird E (2008) Coastal Geomorphology: An Introduction, Second edi
Bittencourt ACDSP, Dominguez JML, Fontes LCS, et al (2007) Wave Refraction, River Damming, and Episodes of
Severe Shoreline Erosion: The São Francisco River Mouth, Northeastern Brazil. J Coast Res 234:930–938.
100
doi: 10.2112/05-0600.1
BITTENCOURT ACDSP, DOMINGUEZ JML, MOITA FILHO O (1990) Variações Texturais Induzidas Pelo Vento
Nos Sedimentos Da Face Da Praia (Praia De Atalaia, Piauí). Rev Bras Geociências 20:201–207. doi:
10.25249/0375-7536.1990201207
Boak EH, Turner IL (2005) Shoreline Definition and Detection: A Review. J Coast Res 214:688–703. doi:
10.2112/03-0071.1
Cavalcanti APB (2004) Análise Integrada Das Unidades Paisagísticas Na Planície Deltaica Do Rio Parnaíba – Piauí /
Maranhão. Rev Mercat 105–118
Chávez PSJ (1996) Image-based atmospheric corrections - revisited and improved. Photogramm Eng Remote Sensing
62:1025–1036. doi: 0099-1112/96/6209-1025
Chu ZX, Sun XG, Zhai SK, Xu KH (2006) Changing pattern of accretion/erosion of the modern Yellow River
(Huanghe) subaerial delta, China: Based on remote sensing images. Mar Geol 227:13–30. doi:
10.1016/j.margeo.2005.11.013
Corbau C, Zambello E, Rodella I, et al (2019) Quantifying the impacts of the human activities on the evolution of Po
delta territory during the last 120 years. J Environ Manage 232:702–712. doi: 10.1016/j.jenvman.2018.11.096
Dada OA, Li G, Qiao L, et al (2018) Recent Niger Delta shoreline response to Niger River hydrology: Conflict
between forces of Nature and Humans. J African Earth Sci 139:222–231. doi: 10.1016/j.jafrearsci.2017.12.023
Dada OA, Li G, Qiao L, et al (2016) Seasonal shoreline behaviours along the arcuate Niger Delta coast: Complex
interaction between fluvial and marine processes. Cont Shelf Res 122:51–67. doi: 10.1016/j.csr.2016.03.002
Dada OA, Qiao L, Ding D, et al (2015) Evolutionary trends of the Niger Delta shoreline during the last 100years:
Responses to rainfall and river discharge. Mar Geol 367:202–211. doi: 10.1016/j.margeo.2015.06.007
Davidson-Arnott R (2010) Introduction to Coastal Processes and Geomorphology, Cambridge
de Paula Filho FJ, Marins RV, de Lacerda LD (2015) Natural and anthropogenic emissions of N and P to the
Parnaíba River Delta in NE Brazil. Estuar Coast Shelf Sci 166:34–44. doi: 10.1016/j.ecss.2015.03.020
Del Río L, Gracia FJ (2013) Error determination in the photogrammetric assessment of shoreline changes. Nat
Hazards 65:2385–2397. doi: 10.1007/s11069-012-0407-y
Del Río L, Gracia FJ, Benavente J (2013) Shoreline change patterns in sandy coasts. A case study in SW Spain.
Geomorphology 196:252–266. doi: 10.1016/j.geomorph.2012.07.027
DOMINGUEZ JML (1990) Deltas Dominados Por Ondas: Críticas Às Idéias Atuais Com Referencia Particular Ao
Modelo De Coleman & Wright. Rev Bras Geociências 20:352–361. doi: 10.25249/0375-7536.1990352361
Feijó FJ (1994) A Bacia de Barreirinhas. Bol Geociências PETROBRAS 8:103–109
Feyisa GL, Meilby H, Fensholt R, Proud SR (2014) Automated Water Extraction Index: A new technique for surface
water mapping using Landsat imagery. Remote Sens Environ 140:23–35. doi: 10.1016/j.rse.2013.08.029
Fisher A, Flood N, Danaher T (2016) Comparing Landsat water index methods for automated water classification in
eastern Australia. Remote Sens Environ 175:167–182. doi: 10.1016/j.rse.2015.12.055
FitzGerald DM, Kraus NC, Hands EB (2000) Natural Mechanisms of Sediment Bypassing at Tidal Inlets. Erdc/Chl
Chetn 4:1–10. doi: ERDC/CHL CHETN-IV-30
Gens R (2010) Remote sensing of coastlines: Detection, extraction and monitoring. Int J Remote Sens 31:1819–1836.
doi: 10.1080/01431160902926673
Ghoneim E, Mashaly J, Gamble D, et al (2015) Nile Delta exhibited a spatial reversal in the rates of shoreline retreat
on the Rosetta promontory comparing pre- and post-beach protection. Geomorphology 228:1–14. doi:
10.1016/j.geomorph.2014.08.021
Góes AMO, Feijó FJ (1994) Bacia do Paranaiba. Bol Geociencias da Petrobras 8:57–67
Hagenaars G, de Vries S, Luijendijk AP, et al (2018) On the accuracy of automated shoreline detection derived from
satellite imagery: A case study of the sand motor mega-scale nourishment. Coast Eng 133:113–125. doi:
10.1016/j.coastaleng.2017.12.011
Hapke CJ, Himmelstoss EA, Kratzmann, M., List JH, Thieler ER (2010) National assessment of shoreline change;
historical shoreline change along the New England and Mid-Atlantic coasts: U.S. Geological Survey Open-File
Report 2010-1118. US Geol Surv Open-File:57 p
Kelly JT, Gontz AM (2018) Using GPS-surveyed intertidal zones to determine the validity of shorelines
automatically mapped by Landsat water indices. Int J Appl Earth Obs Geoinf 65:92–104. doi:
10.1016/j.jag.2017.10.007
Komar PD (2012) Coastal Erosion Processes and Impacts: The Consequences of Earth’s Changing Climate and
Human Modifications of the Environment. Elsevier Inc.
Kong D, Miao C, Borthwick AGL, et al (2015) Evolution of the Yellow River Delta and its relationship with runoff
and sediment load from 1983 to 2011. J Hydrol 520:157–167. doi: 10.1016/j.jhydrol.2014.09.038
Köppen W (1936) Das geographische System der Klimate. Handb der Klimatologie 7–30. doi: 10.3354/cr01204
Kuleli T, Guneroglu A, Karsli F, Dihkan M (2011) Automatic detection of shoreline change on coastal Ramsar
wetlands of Turkey. Ocean Eng 38:1141–1149. doi: 10.1016/j.oceaneng.2011.05.006
Lacerda LD De, Maia LP, Monteiro LHU, et al (2006) Manguezais do Nordeste. Ciência Hoje
Luijendijk A, Hagenaars G, Ranasinghe R, et al (2018) The State of the World’s Beaches. Sci Rep 8:1–11. doi:
10.1038/s41598-018-24630-6
Martínez C, Contreras-López M, Winckler P, et al (2018) Coastal erosion in central Chile: A new hazard? Ocean
Coast Manag 156:141–155. doi: 10.1016/j.ocecoaman.2017.07.011
McFeeters SK (1996) The use of the Normalized Difference Water Index (NDWI) in the delineation of open water
features. Int J Remote Sens 17:1425–1432. doi: 10.1080/01431169608948714
Mentaschi L, Vousdoukas MI, Pekel J, et al (2018) Global long-term observations of coastal erosion and accretion.
101
1–11. doi: 10.1038/s41598-018-30904-w

Milliman JD, Farnsworth KL (2011) River discharge to the coastal ocean: A global synthesis
Mukhopadhyay A, Ghosh P, Chanda A, et al (2018) Threats to coastal communities of Mahanadi delta due to
imminent consequences of erosion – Present and near future. Sci Total Environ 637–638:717–729. doi:
10.1016/j.scitotenv.2018.05.076
Nicholls RJ, Cazenave A (2010) Sea-level rise and its impact on coastal zones. Science (80- ) 328:1517–1520. doi:
10.1126/science.1185782
Nicholls RJ, Wong PP, Burkett VR, et al (2007) Coastal systems and low-lying areas. Clim Chang 2007 Impacts,
Adapt Vulnerability 315–356
Nicolodi JL, Petermann RM (2010) Potential vulnerability of the Brazilian coastal zone in its environmental, social,
and technological aspects. Panam J Aquat Sci 5:184–204. doi: 10.1017/CBO9781107415324.004
Oliveira PTS, Wendland E, Nearing MA (2013) Rainfall erosivity in Brazil: A review. Catena 100:139–147. doi:
10.1016/j.catena.2012.08.006
Ouellette W, Getinet W (2016) Remote sensing for Marine Spatial Planning and Integrated Coastal Areas
Management: Achievements, challenges, opportunities and future prospects. Remote Sens Appl Soc Environ
4:138–157. doi: 10.1016/j.rsase.2016.07.003
Pardo-Pascual JE, Sánchez-García E, Almonacid-Caballer J, et al (2018) Assessing the accuracy of automatically
extracted shorelines on microtidal beaches from landsat 7, landsat 8 and sentinel-2 imagery. Remote Sens
10:1–20. doi: 10.3390/rs10020326
Pinto Bittencourt ACDS, Dominguez JML, Martin L, Silva IR (2005) Longshore transport on the northeastern
Brazilian coast and implications to the location of large scale accumulative and erosive zones: An overview.
Mar Geol 219:219–234. doi: 10.1016/j.margeo.2005.06.006
Qiao G, Mi H, Wang W, et al (2018) 55-year (1960–2015) spatiotemporal shoreline change analysis using historical
DISP and Landsat time series data in Shanghai. Int J Appl Earth Obs Geoinf 68:238–251. doi:
10.1016/j.jag.2018.02.009
Ranieri LA, El-Robrini M (2015) Evolution of the salinópolis shoreline, Northeastern of Pará, Brazil. Pesqui em
Geociencias 42:207–226. doi: 10.22456/1807-9806.78121
Romine BM, Fletcher CH, Frazer LN, et al (2009) Historical Shoreline Change, Southeast Oahu, Hawaii; Applying
Polynomial Models to Calculate Shoreline Change Rates. J Coast Res 256:1236–1253. doi: 10.2112/08-1070.1
Rubio GG, Huntley DA, García-rubio G, et al (2014) Evaluating shoreline identification using optical satellite images
Evaluating shoreline identi fi cation using optical satellite images. Mar Geol 359:96–105. doi:
10.1016/j.margeo.2014.11.002
Song C, Woodcock C, Seto K (2001) Classification and change detection using Landsat TM data: when and how to
correct atmospheric effects? Remote Sens Environ 75:230–244
Souza CR de G (2009) A Erosão Costeira e os Desafios da Gestão Coastal Erosion and the Coastal Zone
Management Challenges in Brazil. Rev da Gestão Costeira Integr 9:17–37. doi: 10.5894/rgci147
SUGUIO K, MARTIN L, BITTENCOURT ACSP, et al (1985) Flutuações Do Nível Relativo Do Mar Durante O
Quaternário Superior Ao Longo Do Litoral Brasileiro E Suas Implicações Na Sedimentação Costeira. Rev Bras
Geociências 15:273–286. doi: 10.25249/0375-7536.1985273286
Sunder S, Ramsankaran R, Ramakrishnan B (2017) Inter-comparison of remote sensing sensing-based shoreline
mapping techniques at different coastal stretches of India (Environmental Monitoring and Assessment, (2017),
189, 6, (290), 10.1007/s10661-017-5996-1). Environ Monit Assess 189:. doi: 10.1007/s10661-017-6046-8
Syvitski JPM, Milliman JD (2006) Geology, Geography, and Humans Battle for Dominance over the Delivery of
Fluvial Sediment to the Coastal Ocean. J Geol 115:1–19. doi: 10.1086/509246
Szczygielski A, Stattegger K, Schwarzer K, Koenig J (2014) Evolution of the Parnaíba Delta ( NE Brazil ) during the
late Holocene Evolution of the Parnaíba Delta ( NE Brazil ) during the late Holocene. doi: 10.1007/s00367-
014-0395-x
Valderrama-Landeros L, Flores-de-Santiago F (2019) Assessing coastal erosion and accretion trends along two
contrasting subtropical rivers based on remote sensing data. Ocean Coast Manag 169:58–67. doi:
10.1016/j.ocecoaman.2018.12.006
Vital H (2014) Chapter 4 The north and northeast Brazilian tropical shelves. Geol Soc London, Mem 41:35–46. doi:
10.1144/m41.4
Vousdoukas MI, Mentaschi L, Voukouvalas E, et al (2018) Global probabilistic projections of extreme sea levels
show intensification of coastal flood hazard. Nat Commun 9:1–12. doi: 10.1038/s41467-018-04692-w
Xu H (2006) Modification of normalised difference water index (NDWI) to enhance open water features in remotely
sensed imagery. Int J Remote Sens 27:3025–3033. doi: 10.1080/01431160600589179
Zhai K, Wu X, Qin Y, Du P (2015) Comparison of surface water extraction performances of different classic water
indices using OLI and TM imageries in different situations. Geo-Spatial Inf Sci 18:32–42. doi:
10.1080/10095020.2015.1017911
Zhu Z (2017) Change detection using landsat time series: A review of frequencies, preprocessing, algorithms, and
applications. ISPRS J Photogramm Remote Sens 130:370–384. doi: 10.1016/j.isprsjprs.2017.06.013
102

Ferreira 2019

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

Ferreira 2019

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE

CENTRO DE CIÊNCIAS EXATAS E DA TERRA

APLICAÇÃO DE SISTEMA DE ANÁLISE DE LINHA DE COSTA

Natal, Agosto de 2019

APLICAÇÃO DE SISTEMA DE ANÁLISE DE LINHA DE COSTA

Dissertação de mestrado apresentado no dia

Natal, Agosto de 2019

Dissertação de Mestrado desenvolvida na Universidade Federal do Rio Grande do

• Auxílio de pesquisa CNPq: Margem Equatorial Brasileira: Da Fonte a

• Projeto Evolução Holocênica e dinâmica atual do Delta do Rio Parnaíba:

• INCT Amb Tropic – Instituto Nacional de Ciência e Tecnologia “Ambientes

Agradecimentos são devidos à Universidade Federal do Rio Grande do Norte

PALAVRAS CHAVE: Delta do Rio Parnaíba; Sensoriamento remoto; Digital Shoreline

KEYWORDS: Remote Sensing; Parnaíba River Delta; Digital Shoreline Analysis;

ANA – Agência Nacional de Águas

Técnicas de sensoriamento remoto, como fotografias aéreas, vídeo

Fonte: Adaptado de Bird (2008)

As marés são originadas pela combinação da atração gravitacional entre a terra,

enquanto que as marés de quadratura transcorrem na fase minguante e crescente da lua.

Fonte: Adaptado de Davidson Arnott, 2010.

O vento desempenha um papel de grande importância na modelagem costeira por

Fonte: Adaptado de Prata (2017)

2.2 Uso de imagens multiespectrais para monitoramento da zona costeira.

coleta de dados de sensoriamento remoto ocorreram durante as guerras mundiais, na

A obtenção das imagens de sensoriamento remoto é realizada a partir de sensores

Fonte: Florenzano (2011)

A energia eletromagnética se dá em função de seu comprimento de onda ou de

Conforme o autor acima, o espectro eletromagnético se estende desde comprimentos de

Fonte: Adapatado de Ouellette e Getinet (2016)

O sistema SAR (Synthetic Aperture Radar) registra imagens da linha de costa a

Fonte: Adaptado de Luijendijk et al (2018)

Dentre os diversos satélites multiespectrais, o programa Landsat é o mais utilizado

houve a melhora significativa da resolução espacial, saindo de 80 metros para 30 metros,

Fonte: Adaptado de https://www.usgs.gov/land-resources/nli/landsat

Figura 3-1: Localização do Delta do Rio Parnaíba (DRP).

Fonte: Próprio autor (2019)

3.2 Aspectos climáticos, oceanográficos e fluviais

A bacia hidrográfica do Parnaíba apresenta aproximadamente 1.400 Km de

3.3 Geologia e Geomorfologia

presença de matéria orgânicas, sedimentos biogênicos e minerais pesados. Nas praias

3.4 Vulnerabilidade costeira

Figura 4-1: Fluxograma das atividades desenvolvidas na presente dissertação.

Fonte: Próprio autor (2019)

4.1 Aquisição dos dados hidro climáticos

4.2 Aquisição das imagens de satélite

a partir de imagens de satélite do programa Landsat (Sensores TM, ETM+, OLI/TIRS),

Data da Tipo do sensor Hora da Altura da Hora da Altura da EP ER ET

2014-08-03 Landsat 8 OLI/ 12:58 2.64 12:48 2.65 30 4.2 30.29

Fonte: Adaptado de Jensen (2009)

(reflectância) de imagens adquiridas em datas e em condições meteorológicas diferentes

Lsat = (DN ∗ Gain) + Bias (Eq. 1)

0.01Esunℷ ∗ Cos (θz)

P: Reflectância na abertura do sensor para a banda selecionada

Reflectância topo atmosfera (Valores médios de DN)

4.4 Delimitação da linha de costa

Green: Comprimento de onda verde (0,52 - 0,60 µm)

Fonte: Próprio autor

Fonte: Próprio autor (2019)

4.5 Análise de Incertezas

as incertezas relacionadas à posição da linha de costa e inclua-as ao modelo, garantindo

DHWL: Variação horizontal da posição da linha de costa

Eti: Erro total de cada imagem (metros);

4.6 Quantificação da linha de costa a partir uso do Digital Shoreline Analisys