Lopes, F. R.

2019

MAPEAMENTO DE ÁREAS SUSCEPTÍVEIS A INUNDAÇÕES COM BASE

EM MÉTODO DE AHP E GEOPROCESSAMENTO - CASO DE ESTUDO
CIDADE DE QUELIMANE

Francisco Ribeiro Lopes1

Orientador: Prof. Dr. Eufrásio João S. Nhongo

Universidade Zambeze. Faculdade de Engenharia Ambiental e dos Recursos Naturais-

Chimoio/MZ

RESUMO
As inundações nas áreas urbanas acarretam prejuízos para a população, sendo estes
eventos agravados em função de vários factores. A escassez de informações, como
mapas de risco, que possam auxiliar a gestão em áreas susceptíveis, tem sido um grande
problema. Nesta perspectiva o presente trabalho tem por objectivo mapear áreas
susceptíveis ao risco de inundações na Cidade de Quelimane, com base em técnicas de
geoprocessamento e método AHP. As principais variáveis utilizadas foram: declividade,
altimetria, uso do solo, NDVI, Hidrologia, geologia e tipos de solo. Com base em
técnicas de geoprocessamento e métodos AHP foram atribuídos pesos para classificar a
influência destes factores na ocorrência de inundações, e pela sobreposição destes
factores, retornou o mapa de susceptibilidade, com valores identificando as áreas como
de muito baixa, baixa, moderada e alta susceptibilidade. Os principais resultados
encontrados apontam que as áreas de susceptibilidade alta correspondem a 27.54% da
área total, as de moderada susceptibilidade correspondem a 27.20%, as de baixa e muito
baixa correspondem a 29.11% e 16.15% respectivamente. E a avaliação da
confiabilidade do produto foi feita a partir da determinação do coeficiente kappa que foi
de 70%, indicando muito boa qualidade de precisão.
Palavras-Chave: AHP, inundações, susceptibilidade, geoprocessamento, mapeamento.

ABSTRACT
Floods in urban areas cause damage to the population, and these events are exacerbated
by several factors. The scarcity of information, such as risk maps, that can help
management in susceptible areas, has been a major problem. In this perspective the
present work aims to map areas susceptible to the risk of flooding in the city of
Quelimane, based on techniques of geoprocessing and AHP method. The main variables
used were: slope, altimeter, soil use, NDVI, hydrology, geology and soil types. Based
on geoprocessing techniques and AHP methods were assigned weights to classify the
influence of these factors in the occurrence of floods, and by the overlap of these
factors, returned the susceptibility map, with values identifying the areas as very low,
low, moderate and high susceptibility. The main results indicate that the areas of high
susceptibility correspond to 27.54% of the total area, those of moderate susceptibility
correspond to 27.20%, the low and very low correspond to 29.11% and 16.15%

1
Engenheiro Ambiental, Licenciado em Engenharia Ambiental e dos Recursos Naturais –
UNIZAMBEZE (Ribeirolpz@gmail.com)
 Lopes, F. R. 2019

respectively. And the evaluation of the reliability of the product was made from the
determination of the kappa coefficient that was 70%, indicating very good quality of
precision.
Keywords: AHP, flooding, susceptibility, geoprocessing, mapping.

CAPITULO I - INTRODUÇÃO
1.1.Contextualização
Segundo VAZ (2010) apud VASCONCELOS (2018), as mudanças climáticas que
estiveram usualmente presentes no planeta, de forma equilibrada, cresceram de maneira
bastante acelerada nas últimas décadas, tornando-se ainda mais habitual o
acontecimento de eventos climáticos extremos como ondas de frio, calor excessivo e
inundações.
De acordo com ISDR (2003) apud HORA e GOMES (2009), as inundações
representam um dos fenómenos naturais mais ocorrentes no mundo, afectando
numerosas populações em todos os continentes, e este fenómeno ocorre frequentemente
deflagrado por chuvas rápidas e fortes, chuvas intensas de longa duração, degelo nas
montanhas e outros eventos climáticos tais como furacões e tornados, sendo
intensificados pelas alterações ambientais e intervenções de origem antrópica, causando
impactos desastrosos nas áreas afectadas. Só no ano de 2007, no mundo foram afectadas
pelas inundações 164.662.775 pessoas e dessas 8.382 tiveram suas vidas perdidas
(ISDR 2007). E de acordo com BERZ (2000), mais de 250 bilhões de dólares foram
utilizados, nos últimos dez anos, no ressarcimento dos danos causados por inundações
no mundo.

Moçambique é um país considerado extremamente propenso a desastres naturais

recorrentes, normalmente cheias, tempestades tropicais, secas e terramotos, devido a sua
localização geográfica, e as três maiores cheias e inundações registadas no país
ocorreram nos anos 2000 a 2013, e estes eventos hidrometeorológicos não só criam
perdas materiais e humanas, mas também afectam directamente os ganhos económicos
do país, atingindo em média 1,1% do PIB por ano, contribuindo assim com mais de 2%
para a taxa de pobreza no país, sendo necessário adoptarem-se medidas de redução dos
impactos destes desastres naturais (GFDRR et al., 2014). Nesta perspectiva, o presente
trabalho teve como objectivo mapear as áreas de susceptibilidade a inundações
aplicando as técnicas de geoprocessamento associadas ao modelo AHP (Analytic
Hierarchy Process).

CAPITULO II - MATERIAL E METODOS

2.1. Caracterização da área de estudo
A Cidade de Quelimane localiza-se, no centro de Moçambique, entre as coordenadas:
17° 51’ 00’’ latitude S 36° 59’ 00’’ longitude E. É a capital e a maior cidade da
província da Zambézia, em Moçambique, com uma área de cerca de 121.7 km², possui 5
postos administrativos e um total de 51 bairros. Está localizada no rio dos Bons Sinais, a
cerca de 20 km do Oceano Índico. Possui um clima predominantemente do tipo
“tropical chuvoso de savana-AW” (Classificação de koppen), com duas estações
distintas, a estação chuvosa e seca. A precipitação média mensal é 72mm e a anual é
 Lopes, F. R. 2019

cerca de 1.428mm na faixa costeira e é constituída principalmente por vegetação do tipo

mangal denso. E segundo o relatório do INE (2017), a cidade conta actualmente com
cerca de 349.842 habitantes.

Figura 1: Mapa de enquadramento geográfico da cidade de Quelimane

1.1.Materiais e procedimentos metodológicos

1.1.1. Definição das variáveis
Os factores apontados para as causas das inundações variam de local para local, em
áreas próximas a cursos de água as inundações são atribuídas à cheia natural do rio, e
nos locais mais afastados os factores apontados são as redes de drenagens entupidas,
impermeabilização dos solos e deficiência do sistema de saneamento, entre outras.
Assim, para a definição das variáveis condicionantes deste evento para a Cidade de
Quelimane, foi-se realizado um levantamento bibliográfico de estudos que abordam o
tema. E contudo, as variáveis utilizadas foram: declividade, cobertura vegetal,
hidrologia, geologia e altimetria, uso e ocupação do solo e dos tipos de solos.

1.1.2. Obtenção e produção dos dados de entrada

1.1.2.1.Mapa do uso e ocupação do solo
Este mapa foi elaborado com o auxilio da imagem retirada do software Google earth
pois a imagem landsat se apresentava com influência de muitas nuvens, por coincidirem
com o período chuvoso da área de estudo, tornando difícil a geração do mapa, portanto,
usando o Google earth, foi adqurida a imagem satélite que foi posteriormente
transportada para o ArcGis 10.4, e após georreferenciada, foram digitalizadas as
categorias de uso e ocupação do solo para auxiliar na geração do mapa.
 Lopes, F. R. 2019

E quanto à impermeabilização, foram classificadas 5 categorias: área habitacional,

mangal, vegetação herbácea, cultivo arbórea/plantações e floresta aberta.

Figura 2: Mapa do uso e ocupação do solo

1.1.2.2.Mapa hidrológico e APP’s

Esta variável foi modelada sobre a base de dados cartográfica de hidrografia da
CENACARTA2, onde através do cálculo da distância euclidiana foram delimitadas as
áreas de preservação permanente de acordo com suas fragilidades, cálculo este realizado
pelo processo euclidean distance, e o resultado desta operação foi classificado em cinco
classes calculadas a distância da feição mais próxima de1 km.

Figura 3: Mapa da distância euclidiana da hidrografia

2
Centro Nacional de Cartografia e Teledetecção.
 Lopes, F. R. 2019

1.1.2.3.Mapa de cobertura vegetal

Foi confeccionado o mapa de cobertura vegetal utilizando o índice de vegetação de
diferença normalizada (NDVI), gerado a partir da interpretação da imagem LANDSAT
8 (bandas 5 e 4), pela expressão:

𝑁𝐷𝑉𝐼 = 𝑅𝑁𝐼𝑅 3 − 𝑅𝑅𝐸𝐷 4⁄𝑅𝑁𝐼𝑅 + 𝑅𝑅𝐸𝐷

Para ROSA (2013), o cálculo do NDVI retorna em valores numéricos que variam entre
1 a +1, e os materiais que apresentam NDVI negativo são água, nuvens, etc, o solo
exposto e as rochas retornam em valores se aproximando de zero, e os valores positivos
e próximos de 1, representam a vegetação.

Figura 4: Mapa das classes do índice de cobertura vegetal (NDVI)

1.1.2.4.Mapa altimétrico
A altimetria foi confeccionada na interface do ArcGis com base no DEM 5da região em
estudo. E esta variou de -5 a 23 m de elevação, mostrando claramente que a cidade de
Quelimane é uma zona muito baixa pois a maior parte da área total é composta pela
variação das classes 3.1 a 9 m de elevação.

3
Reflectância na faixa do infravermelho próximo (0,725 a 1,10 µm);
4
Reflectância na faixa do visível (0,4 a 0,7 µm);
5
Modelo digital de elevação;
 Lopes, F. R. 2019

Figura 5: Mapa altimétrico

1.1.2.5.Mapa dos tipos de solo

Os dados de tipos de solos foram, obtidos da CENACARTA, do ano de 2010, em
Formato vectorial. E de acordo com estes, a cidade de Quelimane apresenta três tipos
específicos de solo (o argiloso, o franco-arenoso e o arenoso), onde o franco-arenoso
ocupa uma área de cerca de 54.195074𝑘𝑚2 , o argiloso ocupa 17.1462874𝑘𝑚2 e o
arenoso ocupa 50.3537634𝑘𝑚2 .

Figura 6: Mapa dos tipos de solo

 Lopes, F. R. 2019

1.1.2.6.Mapa geológico
Esta variável foi elaborada através dos dados da CENACARTA, da área de estudo, no
ArcGis. E a cidade de Quelimane apresentou o seu material geológico variando em três
classes, nomeadamente: os aluviões, terraços e os depósitos, onde da área total os
terraços ocupam cerca de 9.730665𝑘𝑚2 , os depósitos 1.774667𝑘𝑚2 e os restantes
110.210993𝑘𝑚2 são ocupados pelos aluviões.

Figura 7: Mapa geológico

1.1.2.7.Mapa de declividade
O mapa de declividade foi elaborado através do DEM, usando o software ArcGis. Onde
com a ferramenta slope calculou-se a declividade em percentagem e obteve-se assim o
mapa de declividade da área em estudo variando de 0.3 a 2.7, mostrando que a cidade
de Quelimane possui a maior parte de sua área com baixos valores de declividade.

Figura 8: Mapa de declividade

 Lopes, F. R. 2019

1.1.3. Ponderação e reclassificação das classes das variáveis

Para representar de forma mais real as condições, foi-se elaborada uma reclassificação
atribuindo notas as classes das variáveis (pelo procedimento conhecido como método
empírico de atribuição de pesos), onde as classes pertinentes a cada uma das variáveis
do modelo foram ponderadas, segundo seu nível de susceptibilidade a inundação, em
uma escala de 1 a 10, baseada em MAGALHÃES et al., (2011), sendo a alta
susceptibilidade às inundações representada pelo valor mais alto (10) e a baixa pelo
valor mais baixo (1). E este processo segundo CORDEIRO; BARBOSA; CÂMARA
(2001) apud REIS (2015), consiste basicamente em associar cada valor representado no
dado, a uma classe temática, para que os operadores matemáticos façam a ligação entre
um dado e o outro.

Processo considerado importante pois, recomenda-se para o caso das variáveis

qualitativas (por exemplo a geologia, as formas de uso e cobertura do solo, os tipos de
solo, etc.) o desenvolvimento de indicadores numéricos (de acordo com o objectivo da
pesquisa) para que estas variáveis sejam utilizadas como quantitativas. Onde com tal
ponderação, cada classe presente em cada camada representa um peso a ser multiplicado
para a obtenção do mapa de susceptibilidade a inundações.
Dessa maneira foram elaborados mapas temáticos para as variáveis propostas e as notas
adoptadas para as respectivas classes das variáveis foram:

Uso e ocupação do solo NDVI Geologia Tipos de solo

Classes Pesos Classes Pesos Classes Pesos Classes Pesos
Mangal 8 -0.1 a 0.07 10
Aluviões 3 Franco-arenoso 4
Floresta aberta 7 0.08 a 0.2 6
Área habitacional 10 0.3 a 0.3 3
Terraços 4 Argiloso 6
Vegetação herbácea 6 0.4 a 0.4 2
Cultivos arbóreos 2 0.5 a 0.6 1 Depósitos 5 Arenoso 2

Declividade Hidrografia Altimetria

Classes Pesos Classes Pesos Classes Pesos
0 a 0.3 10 0 a 0.009 10 -5 a 3 10
0.4 a 0.5 8 0.01 a 0.02 7 3.1 a 6 7
0.6 a 0.7 4 0.03 a 0.03 5 6.1 a 9 3
0.8 a 1.1 2 0.04 a 0.04 2 9.1 a 12 2
1.2 a 2.7 1 0.05 a 0.05 1 13 a 23 1
Tabelas 1 e 2: Subdivisão das variáveis em classes e suas pontuações.

1.1.4. Aplicação do modelo AHP

A aplicação do método AHP seguiu os passos definidos por COSTA (2002) apud
MARTINS (2009), onde segundo este, a implementação do método AHP baseia-se na
construção de hierarquias, definição de prioridades e consistência lógica.

Contudo, primeiramente o problema foi estruturado teoricamente de forma hierárquica

onde na parte superior está localizado o objectivo principal e abaixo constam as
variáveis. SAATY (1991) afirma que hierarquizar trata-se de uma abstracção da
estrutura de um sistema, para estudar as interacções funcionais de seus componentes e
seus impactos no sistema total.
 Lopes, F. R. 2019

Posteriormente, para realizar a decomposição do problema em níveis hierárquicos na

prática, foi realizada uma matriz de comparação par-a-par das variáveis com uma escala
adoptada de acordo com o analista e de acordo com a tabela 3, no software Excel,
resultando na tabela 4.

Intensidade de importância Definição

1 Igualmente importante
3 Moderadamente mais importante
5 Fortemente mais importante
7 Muito fortemente mais importante
9 Extremamente mais importante
2, 4, 6, 8 Valores intermediários entre os adjacentes
Tabela 3: Escala de julgamento de critérios pré-definidas por SAATY (1991)

ALT DC US TS GL CV HD
ALT 6 1.00 2.00 2.00 5.00 3.00 6.00 4.00
DC 7 0.50 1.00 2.00 2.00 3.00 3.00 4.00
US 8 0.50 0.50 1.00 2.00 3.00 4.00 2.00
TS 9 0.20 0.50 0.50 1.00 2.00 3.00 3.00
GL 10 0.33 0.33 0.33 0.50 1.00 2.00 2.00
CV 11 0.17 0.33 0.25 0.33 0.50 1.00 1.00
HD 12 0.25 0.25 0.50 0.33 0.50 1.00 1.00
SOMA 2.95 4.92 6.58 11.17 13.00 20.00 17.00
Tabela 4: Matriz de comparação par-a-par usada no estudo

Posteriormente fez-se a matriz normalizada, somando os elementos de cada linha e

dividindo cada um pelo seu respectivo somatório, segundo a expressão:
𝑚
𝐴𝑛𝑜𝑟𝑚 = 𝑎̅𝑖𝑗 = 𝑎𝑖𝑗 ⁄∑ 𝑎𝑖𝑗
𝑘=1

E a determinação do peso de cada variável na matriz foi calculado estatisticamente pela

soma dos elementos de cada linha dividido pelo número de variáveis, pela expressão:
𝑚
𝑊 = 𝑃𝑒𝑠𝑜 = 𝑊𝑖𝑗 = ∑ 𝑎̅𝑖𝑗 ⁄𝑛
𝑖=1

Para a obtenção da veracidade dos pesos obtidos foi efectuado o cálculo da razão de
consistência (RC) usando a expressão proposta por SAATY (1991), o qual deseja-se um
valor abaixo de 10%, ou seja, deseja-se representar pelo menos 90% de veracidade de
julgamento dos pesos, pela expressão:

6
Altimetria;
7
Declividade;
8
Uso e ocupação do solo;
9
Tipos de solo;
10
Geologia;
11
Cobertura vegetal;
12
Hidrologia.
 Lopes, F. R. 2019

𝑅𝐶 = 𝐼𝐶13⁄𝐼𝑅𝑛 14 < 0,1 ≈ 10%

𝐼𝐶 = 𝜆𝑚𝑎𝑥 15 − 𝑛⁄𝑛 − 1

1 𝑤
̅1 𝑤
̅2 𝑤
̅𝑛
𝜆𝑚𝑎𝑥 = ( + +⋯ )
𝑛 𝑤1 𝑤2 𝑤𝑛

Para a obtenção do 𝐼𝑅𝑛 , SAATY (1991) propõe uma tabela com os 𝐼𝑅𝑛 de matrizes de
ordem 1 a 15, calculados laboratorialmente, índice este que varia de acordo com o
número de variáveis, assim, o 𝐼𝑅𝑛 utilizado foi 1.32.
̅̅̅, foi obtido pela multiplicação vectorial da matriz de comparação par-a-par
E o vector 𝑾
e dos pesos, pela expressão:
𝑊̅ =𝐴×𝑊

1.1.5. Confecção do mapa de susceptibilidade a inundação

Confeccionou-se o mapa de susceptibilidade a inundação para a cidade de Quelimane,
sobrepondo as variáveis já reclassificadas (procedimento de álgebra de mapas),
utilizando a ferramenta raster calculator, do software ArcGis, aplicando o modelo
abaixo.

𝐒16 = 𝐀𝐋 ∗ 𝐖𝟏 + 𝐃𝐂 ∗ 𝐖𝟐 + 𝐔𝐒 ∗ 𝐖𝟑 + 𝐓𝐒 ∗ 𝐖𝟒 + 𝐆𝐋 ∗ 𝐖𝟓 + 𝐇𝐃 ∗ 𝐖𝟔 + 𝐂𝐕 ∗ 𝐖𝟕

Onde: 𝑊1 ; 𝑊2 ; 𝑊3 ; 𝑊4 ; 𝑊5 ; 𝑊6 e 𝑊7 são os pesos estatísticos determinados de cada variável.

E feito isso foi possível observar diversas áreas com nível alto a muito baixo de
susceptibilidade. E com a base cartográfica cadastral, esta que foi digitalizada e
posteriormente sobreposta ao mapa de susceptibilidade a inundações, foi possível
identificar as susceptibilidades por bairro.

1.1.6. Validação do mapa de susceptibilidade a inundação

Procedeu-se a validação deste, através da matriz de confusão pela determinação do
coeficiente kappa (K), comparando-o (o mapa gerado) com o NDWI 17 , índice este
gerado através da imagem landsat do mês de Janeiro, a fim de determinar o quão
confiáveis são os dados deste mapa.

Onde primeiramente foi gerada uma malha de 339 polígonos sobre o NDWI referente as
áreas húmidas, e após lançada a malha fez-se a identificação de cada, de acordo com a
classe sobre a qual está localizado, posteriormente a mesma foi lançada sobre o mapa
gerado, e da mesma forma cada polígono foi identificado.
Após isto, calcularam-se as exactidões individuais, pela divisão do número total de
amostras classificadas correctamente naquela categoria pelo número total da mesma
categoria.

13
Índice de consistência;
14
Índice randómico;
15
Valor máximo adequado;
16
Susceptibilidade;
17
Índice de diferença normalizada de água.
 Lopes, F. R. 2019

E o índice K foi calculado a partir da expressão:

𝑁 ∑𝑟𝑖=1 𝑥𝑖𝑖 − ∑𝑟𝑖=1 𝑥𝑖+ 𝑥+𝑖

𝐾=
𝑁 2 ∑𝑟𝑖=1 𝑥𝑖+ 𝑥+𝑖

Onde: r é o número de linhas e colunas da matriz, 𝑥+𝑖 é o total de observações das colunas, 𝑥𝑖+ é o total
de observações das linhas, 𝑥𝑖𝑖 é o número de observações na linha i e coluna i e N é o número total de
observações.

Por fim, os resultados foram comparados pelos valores da tabela de avaliação de

qualidade de classificação distribuídos entre 0 e 1, propostos por LANDIS e KOCH
(1997) apud RESCK (2009).

Kappa (K) Qualidade da classificação

< 0.00 Péssima
0.01 – 0.20 Ruim
0.21 – 0.40 Razoável
0.41 – 0.60 Boa
0.61 – 0.80 Muito boa
0.81 – 1.00 Excelente
Tabela 5:Nivel de aceitação dos resultados de classificação segundo o índice K

CAPITULO III - RESULTADOS E DISCUSSÃO

3.1.Ponderação e reclassificação das classes das variáveis

3.1.1. Mapa de uso e ocupação do solo
As inundações são potencialmente ampliadas pela urbanização especialmente devido à
compactação do solo tornando-o impermeável, pois as propriedades hidráulicas são
alteradas de acordo com o uso, por isso a subdivisão área urbanizada foi reclassificada
com a pontuação 10 em relação ao mangal (8), pois o solo exposto do mangal possui um
nível de compactação menor em relação a área pavimentada, mas trata-se de uma área
regularmente húmida, já a classe cultivo arbóreo recebeu a pontuação 2 pois estas se
tratam de áreas responsáveis pela aceleração da capacidade de infiltração das águas no
solo. VASCONCELOS (2018) em seu estudo atribui 4 e 2 respectivamente para a
vegetação rasteira e densa, pois estas favorecem a infiltração da água e reduzem o
escoamento superficial, facto que combate as enchentes. Porém, para Quelimane a
floresta aberta e vegetação herbácea para além de representarem uma área vegetada
(facto que seria positivo) se tratam de áreas com um solo regularmente saturado, e por
conta disso, estas classes receberam uma reclassificação com pontuações altas (7 e 6
respectivamente).

3.1.2. Mapa hidrológico

A Cidade de Quelimane apresenta vários rios e riachos em que as suas margens estão a
ser ocupadas por habitações, sem noção dos potenciais impactos. E como quanto mais
próximo dos corpos hídricos mais susceptível é o local, a sua reclassificação foi feita
atribuindo pontuações referentes ao alto grau as áreas mais próximas e o grau mínimo as
mais afastadas da rede hidrográfica. Lima (2016), atribui notas máximas a áreas mais
próximas dos cursos de água, já as menores foram atribuídas as zonas mais afastadas
dos cursos de água, que por tais características são consideradas menos susceptíveis.
 Lopes, F. R. 2019

3.1.3. Mapa das classes de cobertura vegetal

Os resultados do cálculo do NDVI retornaram em valores variando de – 0.1 a 0.6, e as
zonas com índices maiores indicam maior vigor da vegetação e consequentemente estas
zonas são menos susceptíveis a inundações, pois a vegetação é uma das variáveis
responsáveis pela infiltração da água nos solos, Portanto as suas classes foram
reclassificadas com as pontuações apontando a classe que indica menor vegetação (-0.1
a 0.2) com o valor máximo e atribuída ao índice de maior vegetação (0.3 a 0.6) a
pontuação referente a menor grau de influência.

3.1.4. Mapa das classes de altimetria

Segundo MAGALHÃES et al., (2011), a altitude influencia no risco a inundação devido
a probabilidade de inundação em áreas mais baixas e também devido a acção da lei de
gravidade que direcciona a água para as regiões mais baixas e por isso, quanto mais
baixa a zona, mais influência tem na ocorrência de inundações, recomendando a
ponderação com valores altos a zonas baixas e valores baixos a zonas altas. E pelo mapa
de altimetria pode–se observar que a área compreendida pelo distrito de Quelimane
apresenta um perfil composto maioritariamente por classes altimétricas baixas (-5 a 9) e
estas foram ponderadas com valores referentes a altos graus de influência no fenómeno
em causa.

3.1.5. Mapa geológico

O material geológico influencia no acúmulo da água no terreno e quanto mais poroso,
menos influência tem na inundação, portanto como a classe aluviões são materiais
predominantes em áreas planas e compostos basicamente por argila e areia e de
consistência fraca e altamente penetrável esta foi reclassificada com a pontuação (3), já
os terraços por serem mais saturados e por se comporem por várias camadas sobrepostas
de aluviões compactados, foram reclassificados como mais influentes (4) em relação aos
aluviões, porém os depósitos são dentre estas classes os mais influentes (5) por serem os
locais onde são depositados frequentemente estes materiais e serem zonas mais baixas.

3.1.6. Mapa das classes dos tipos de solo

Os solos de acordo com suas características, apresentam diferentes níveis de
susceptibilidade, pois a capacidade de infiltração do solo varia directamente com a
porosidade e o tamanho das partículas, portanto em decorrência de existirem três tipos
de solos (argiloso, arenoso e franco arenoso) na cidade de Quelimane com graus
diferentes de susceptibilidade, o argiloso foi classificado como mais influente (6), pois
possui menor capacidade de infiltração em relação ao arenoso (2) e o franco arenoso
(4).
3.1.7. Mapa das classes de declividade
REIS (2015) atribui as notas 5 e 4 a terrenos planos e suavemente ondulados e atribui as
notas 3 a 1 para terrenos ondulados a fortemente ondulados, pois a declividade tem por
finalidade evidenciar a distribuição das inclinações da superfície do terreno em relação a
um eixo horizontal, consistindo numa variável de significativa importância pois esta
influencia directamente no controle do escoamento superficial, onde áreas baixas
apresentam-se como mais susceptíveis. Evidencia-se porém que a cidade de Quelimane
apresenta-se em sua área maior com solos planos, e portanto as áreas de declividades
baixas (0 a 0.5%) foram reclassificadas com pontuações altas (10 e 8), e as pontuações
baixas (1, 2 e 4) foram atribuídas a solos com alta declividade (variando de 0.5 a 2.7%).
 Lopes, F. R. 2019

3.2.Aplicação do modelo AHP e geração do modelo de susceptibilidade

Após os julgamentos das variáveis envolvidas no estudo, seguida da determinação do
𝜆𝑚𝑎𝑥 que foi 7.28 e a determinação do IC que foi 0.05, destaca-se que a RC encontrada
foi de 0.03, indicando a consistência nos julgamentos, pois foi menor que 0.1. Ressalta-
se que os valores atendem as recomendações da metodologia proposta por Saaty (1977)
apud ANDRADE et at., (2014). Contudo, os pesos encontrados foram:

VARIAVEIS PE S O S %
Altimetria 0.32 32
Declividade 0.21 21
Uso e ocupação do solo 0.16 16
Tipos de solo 0.12 12
Geologia 0.08 8
Hidrologia 0.06 6
Cobertura vegetal 0.05 5
Tabela 6: Pesos dos factores encontrados

E com base na aplicação do método AHP, as variáveis uso e ocupação do solo,

altimetria, declividade do terreno e os tipos de solo se mostraram mais influentes para a
ocorrência de inundações. Tal como cita SANTOS (2010), os factores que influenciam
directamente no nível da água gerando inundações, independentemente da precipitação
incidente são: a altitude, declividade, uso da terra e tipos de solo. E assim as variáveis
com os seus respectivos pesos foram combinadas de maneira a modelar as manchas de
susceptibilidade ao risco de inundações.

3.3.Confecção do mapa de susceptibilidades as inundações

Finalmente o valor da equação do modelo deu origem ao mapa de susceptibilidade a
inundações, e as novas células contém valores variando de 1.79 a 8.96. E ao final desta
etapa o mapa foi reclassificado em 4 categorias: Muito baixo, baixo, moderado e alto.

Figura 9: Mapa de susceptibilidades as inundações

 Lopes, F. R. 2019

Nota-se que de acordo com o mapa de susceptibilidade, as áreas de susceptibilidades

moderada e alta coincidem em vários pontos com áreas com densidades habitacionais e
solos arenosos, solos estes que por sua natureza apresentam alto grau de infiltração da
água porém estas condições foram alteradas pela urbanização, coincidem também com
áreas com pouca vegetação e com solos de baixa declividade, áreas de mangais e muito
próximas a cursos de água, onde a vazão dos riachos tende a subir nas épocas chuvosas.
Evidenciando que as áreas de classe alta de susceptibilidade apresentam um relevo
plano, solo exposto, baixo indicie de vegetação, alta proximidade de curso de água,
baixa amplitude altimétrica, solo argiloso e franco arenoso e material geológico do tipo
terraços e depósitos diferenciados, factores que favorecem a inundações, porém alguns
são locais com pouco índice de urbanização mas com avanços significativos com
tendência a ocupar as áreas de inundação natural dos rios.

Já as áreas pertencentes as classes de susceptibilidade muito baixa e baixa coincidem

em vários pontos com áreas de solos arenosos, de altitudes variando de altas a
moderadas, e coincidem com áreas de elevado índice de vegetação, entretanto estas
áreas verdes tendem a desaparecer com a consolidação da população urbana sem
planejamento adequado, o que gera problemas ambientais, pois segundo REIS (2015), a
falta de vegetação tem implicações directas nas inundações das áreas mais baixas.

A classe de susceptibilidade baixa ocupa uma área maior do distrito, sendo esta
35.433𝑘𝑚2 , o seja, 29.11% da área total, a classe de muito baixa susceptibilidade ocupa
uma área de 19.653𝑘𝑚2 , o equivalente a 16.15% da área total. Já a classe de maior
susceptibilidade ocupa 33.525 𝑘𝑚2 , ou seja, a 27.54% da área total e 33.105 𝑘𝑚2
(27.20%) é tida como de moderada susceptibilidade. Graficamente, temos:

Muito baixo Baixo Moderado Alto

27.54%

16.15%
27.20%

29.11%

Figura 10: Representação gráfica da percentagem de cada classe

3.4.Identificação das susceptibilidades por bairros

Os bairros Vila pita, Piloto, 1° de Maio A e B, grande parte de Micajune A, Floresta A,
Bazar, Floresta B, Namuinho, Morropue, Acordos de Lusaka B, Aeroporto, Janeiro, 1°
de Maio, 17 de Setembro, 24 de Julho, 7 de Abril, Kansa, Saguar A e B, Brandão,
Mapiazua, Liberdade, 3 de Fevereiro, Torrone velho, Gogone, Chirangano e Filipe
Samuel Magaia, se apresentam variando de baixo a moderado nível de susceptibilidade,
porém com ligeiras manchas de alta susceptibilidade.
 Lopes, F. R. 2019

Os bairros Santagua, Icidua (com ligeiras manchas de baixa susceptibilidade), Chuabo

dembe, Bairro Novo, Megano, Inhangome, apresentam-se variando de moderado a alto
e os bairros Ivagalane e Mborio também se encontram variando nestas classes porém
apresentam uma boa parte entre muito baixo a baixo.
Como de alta susceptibilidade a inundações estão os bairros Manhaua B e Manhaua A,
Micajune B e Mirazane. E as áreas de baixo a muito baixo, são os bairros Sampene,
Cololo, 25 de Setembro, Coalane II A, Samugue, Acordos de Lusaka A, Sinacura, e os
bairros da mesma classe porém apresentando ligeiras manchas de alta susceptibilidade
são: Torrone novo, Sangariveira e Coalane I, grande parte de Coalane II B e parte de
Morropue.

3.5.Validação do mapa de susceptibilidade a inundação

O índice K calculado (tabela 7) foi de 70%, indicando uma exactidão muito boa, de
acordo com a tabela 5.
Matriz de confusão e índice kappa
Classificação Área Área Precisão
inundável segura ∑Linha individual
Área
inundável 223 34 257 87%
Área
segura 7 75 82 91%
∑ Coluna 230 109 298
∑Total (N) 339
Kappa (K) 0.703475348 = 70%
Tabela 7: Matriz de confusão e índice K

3.6.Conclusão
Os factores que se apresentaram mais influentes foram a altimetria, o uso e ocupação do
solo, declividade e tipos de solo, factores estes responsáveis pela diminuição de forma
significativa da infiltração do solo, influenciando no acumulo de água e responsáveis
pela impermeabilização dos solos. Segundo o mapa de susceptibilidade, as áreas de
moderada a alta susceptibilidade coincidiram muito com áreas de solos baixos e planos,
áreas urbanas pavimentadas e de solos expostos, próximas de cursos de água e de fraca
vegetação, ocupando 27.20% e 27.54% da área total, respectivamente.

A partir do mapeamento do uso e ocupação do solo, pode se perceber que a área

habitacional da cidade se integra num perímetro dentro de grandes áreas vegetadas, mas
embora estes dados pareçam agradáveis, a parcela urbanizada teve um avanço
desordenado muito considerável nos últimos anos, com isso, houve uma grande redução
das áreas verdes.
E segundo o mapa de susceptibilidade, as áreas urbanizadas foram as mais significativas
no contexto solo exposto, e as áreas com maior índice de vegetação apresentaram-se
como menos susceptíveis, mostrando a necessidade de recuperação da vegetação, a fim
de evitar a inundação, e isto mostra-se também como um indicativo que propõe a
implementação de medidas não estruturais inserindo normas, leis e regulamentos e
fiscalização do processo de expansão urbana.
 Lopes, F. R. 2019

Algumas das áreas que foram classificadas como susceptíveis são de facto as que mais
tem registado alagamentos em função de pequenas chuvas e apresentam como
principais características a acentuada urbanização, baixas declividades e terrenos
planos, sendo estes factores muito influentes na ocorrência de inundação, evidenciando
a eficácia do método AHP, obtendo 0.03 para a RC, garantindo a veracidade dos
julgamentos, em suma, a metodologia empregue nesta pesquisa apresentou resultados
satisfactórios. E a partir da matriz de confusão, garantiu-se a confiabilidade da
informação deste produto, pois obteve-se 70% de exactidão/confiabilidade, indicando
muito boa qualidade de precisão.

O mapa gerado apresenta um papel importante na prevenção, controle e gestão dos

desastres ligados a inundações na cidade de Quelimane, pois passa as informações para
a comunidade, de quais são as áreas mais problemáticas e as mais seguras,
possibilitando esta a agir previamente, minimizando os prejuízos do pós-evento, e pode
contribuir com a elaboração/revisão do plano municipal de urbanização, na etapa do
diagnóstico, ao apontar as áreas mais susceptíveis a inundações.
 Lopes, F. R. 2019

3.7.Referências bibliográficas
1. [www.zambezia.gov.mz/por/ver-meu-distrito/distrito-de-nicoadala/o-distrito/clima-
relevoe-solos] acesso em 06 de Junho de 2019
2. ANDRADE, S. L.; FERREIRA, V. O.; SILVA, M. M. Elaboração de um mapa de
risco de inundações da bacia hidrográfica do corrego São Pedro, área urbana
de Uberlândia – MG. Caderno de geografia, V.24, n.41. 2014
3. BERZ, G. Flood disasters: Lessons from the past – worries for the future.
Symposium on river flood defence. V.2 kassel: Hercules verlag, 2000
4. Earthexplorer. Obtenção da imagem SRTM. Disponível em
www.earthexplorer.usgs.gov/ acesso em 26 de Abril de 2019
5. GFDRR, INGC, UNDP, WORLD BANK GROUP.; Moçambique - A recuperação
de cheias recorrentes 2000-2013: Estudo do Caso para o Quadro de
Recuperação de Desastre. Versão da conferência. Agosto de 2014
6. Glovis. Obtenção da imagem Landsat8. Disponível em www.glovis.usgs.gov/
acesso em 10 de junho de 2019
7. HORA, S. B. e GOMES, R. L. Mapeamento e avaliação do risco a inundação do
rio cachoeira em trecho da área urbana do município de Itabuna/BA. 2009
8. INE – Instituto Nacional de estatística. Censo 2017. IV Recenseamento geral da
População e Habitações. 2017
9. ISDR – International estrategy for disaster reduction. Annual report 2007.
Disponível em [http://www.cidades.ibge.gov.br/extras/home.php] acesso em 19 de
Marco de 2019
10. LIMA, G. F. Avaliação das Áreas de Risco de Inundação no Município de
Pelotas, RS: Uma Proposta Metodológica. Pelotas, 2016
11. MAGALHÃES, I. L. ; THIAGO, C. R.; AGRIZZI, D. V.; SANTOS A. R. Dos. Uso
de geotecnologias para mapeamento de áreas de risco de inundação em Guaçuí,
ES: Uma análise comparativa entre dois métodos. Cadernos de geociências. V.8.
2011
12. MARTINS, C. S., SOUZA, D. DE O. BARRO, M. DA S. Uso do método de
análise hierárquica (AHP) na tomada de decisões gerenciais- Um estudo de
caso. 2009. Disponível em [http://www2.ic.uff.br/~emitacc/ADM/artigo%204.pdf]
acesso em 05 de Abril de 2019
13. REIS, P. A. Dos. Identificação de áreas vulneráveis as enchentes e inundações
em áreas urbanas através de modelos topográficos e hidráulicos. Brasil.
Uberlândia, 2015
14. RESCK, B. De C. Avaliação de diferentes métodos de classificação de imagens
Ikonos para mapeamento de uso e cobertura terrestre. Viçosa. Minas gerais –
Brasil. 2009
15. ROSA, R. Introdução ao geoprocessamento. Universidade federal da Uberlandia.
Instituto de geografia. 2013
16. SAATY, T. L. Método de Análise Hierárquica. Makron Books do Brasil Editora
Ltda., 1991.
 Lopes, F. R. 2019

17. SANTOS, R. A.; CRUZ, J. M.; NASCIMENTO, S. A. M. Avaliação da

vulnerabilidade natural de aquíferos carsticos: subsídio para uma gestão dos
recursos hídricos subterrâneos. 2010
18. VASCONSELOS, B. L. V. Identificação de área inundável na região oeste da
cidade de belo horizonte/MG através de técnicas de geoprocessamento. Curitiba.
2018