Escolar Documentos
Profissional Documentos
Cultura Documentos
Presidente
______________________________________________
Vogais
________________________________________________
DECLARAÇÃO DE HONRA
Nome: Lote Benedito Tomás
Declaro que esta dissertação é resultado de minha pesquisa, de um trabalho pessoal e das
indicações de meus Orientadores. O seu conteúdo é original e todas as fontes consultadas estão
devidamente mencionadas no texto e na referência bibliográfica final, declaro ainda que este
trabalho não foi apresentado em nenhuma outra instituição para a obtenção de qualquer grau
académico.
______________________________________
IV
DEDICATÓRIA
Aos Meninos Catarina Pereira Tatinho, Cleusia Enoque, Gustavo Gove, Flávia Júnior, Neusa
Joaquim Wilesse, Olga Piedade, Momade Faquira, Vânia Daniel, Helena Anzara, Verónica
Amélia e Inocência Benedito.
V
AGRADECIMENTOS
A efectivação da presente dissertação, para além de esforços próprios, requereu apoio de outras
pessoas. Nas próximas linhas, dirijo-me a todas as pessoas que de forma direita ou indirecta
contribuíram nesta difícil caminhada científica. Contudo, agradeço em primeiro lugar a Deus,
pela vida e por incansavelmente dar alento para que eu sempre continue em frente, me fazendo
acreditar que era, é e sempre será possível alcançar e realizar os sonhos.
Em segundo lugar, quero endereçar especial agradecimento aos Professor, Cornélio Ntumi,
Carlos Fonseca, Eduardo Ferreira, Oslavo Joaquim Pereira e a Professora Isabel por aceitarem
com facilidade a difícil missão de serem meus orientadores e pela forma como direccionaram-me
para concepção desta dissertação. A minha irmã Ancha de Fátima Benedito, ao meu pai
Benedito Tomas, a minha mãe Amélia Augusto Semo em fim, a toda minha família, pelo apoio,
pela compreensão e força, sem suas ajudas esta etapa seria muito mais complicada.
VI
RESUMO
Moçambique tem assistido nos últimos anos uma grande catástrofe que periga a extinção de algumas espécies de
animais e plantas de extrema importância para o equilíbrio ecológico. Para o desenvolvimento e a implementação de
medidas efectivas de conservação depende claramente da identificação do mais crítico factor que influencia na sua
ocorrência. Para estudar a fragmentação de habitats e os padrões de distribuição do elefante africano na Reserva
Nacional do Niassa entre 2009 e 2018 (tema do presente trabalho), era importante que, com recurso ao
sensoriamento remoto, se estudassem os padrões de distribuição do Loxodonta africana. Ao longo de todo este
processo foi preciso classificar imagens de 2009, 2014 e 2018, após a classificação fez-se a validação cujos valores
de índice Kappa foram: 0,74 para 2009, 0,79 para 2014 e 0,89 para 2018, o que genericamente mostram que a
classificação foi muito boa. Construiu-se um modelo para avaliação da dinâmica espacial, que para sua validação,
recorreu-se ao Receiver Operating Characteristic ou simplesmente, curva ROC, cuja AUC deu em de 0,722 o que
sugere que o desempenho do modelo foi bom Contudo, de todo este trabalho concluiu-se que, de 2009 á 2018
ocorreram sim, alterações nos cenários paisagísticos e que, apesar de, parte dos resultados induzirem a uma ideia de
uma paisagem natural super-fragmentada até 2018,entre 2014 e 2018 registaram-se uma recuperação vegetativa
significativa, explicadas pelo aumento da vegetação densa. Este aumento é explicado pelo aumento da floresta
arbórea da floresta densa, decídua e sempre verde (como ilustra a tabela 7) e com estes aumentos, os tamanhos das
manchas ficarão maior, aumentando deste modo, a tolerância e colocando o em baixo risco de extinção do elefante
porque, possuirá um pouco mais de abrigo, muita comida. O que invalida a hipótese segundo a qual: O aumento
da taxa de fragmentação vegetal na RNN reduz a tolerância do elefante africano, colocando-o em risco de
extinção. Conluiu-se ainda que, na Reserva Nacional do Niassa a distribuição do Loxodonta africano esta associada
ou é principalmente dependente da presença de rios, zonas húmidas, baixas húmidas e pântanos, existente e das
florestas densa (sempre verde) e Semi- decídua com arbóreo 15% - 60% de cobertura e que tais características/
variáveis ou requisitos para presença do elefante estão e até 2023 continuaram ameaçados devido ao crescimento da
ocupação urbana e suas actividades.. Portanto, Sendo este um dos poucos trabalhos recentemente realizados na
Reserva Nacional do Niassa, e por achar-se um dos pioneiros no estudo dos padrões de distribuição do elefante
africano nesta área de conservação torna-se importante que: a) se realizem trabalhos Similares, com previsões
maiores, envolvendo outras espécies, com destaque para Nortenha da Reserva, onde a informação e ainda mais
escassa. b) se realizem outros trabalhos com recurso aos Sistemas de Informação Geografica que auxiliem a Reserva
Nacional do Niassa a delimitarem suas áreas, como estava foi feito pela WWF e Agha Khan na Reserva de
Biosfera das Quirimbas e c) se replique o projecto “Uma Comunidade, uma Escola Ambiental” para que pessoas
individuais e colectivas continuem a consciencializar as populações da RNN sobre a finitude dos recursos naturais e
para a redução dos serviços que estes proporcionam.
Palavras – chaves: Reserva Nacional do Niassa, fragmentação, distribuição, modelação, elefante.
VII
Abstract:
Mozambique has witnessed in recent years a major catastrophe that threatens with extinction, some species of
animals and plants of extreme importance for ecological balance. For the development and implementation of
effective conservation measures, it clearly depends on the identification of the most critical factor that influences its
occurrence. In order to study the fragmentation of habitats and the distribution patterns of the African elephant in the
Niassa National Reserve between 2009 and 2018 (the subject of this work), it was important that, using sensing, the
distribution patterns of Loxodonta africana would be studied. Throughout, this process it was necessary to classify
images from 2009, 2014 and 2018, after the classification the validation was carried out whose Kappa index values
were: 0.74 for 2009, 0.79 for 2014 and 0.89 for 2018, which generically show that the classification was very good.
A model was built to assess spatial dynamics, which was used for the validation of the Receiver Operating
Characteristic or simply, ROC curve, whose AUC was 0.722, which suggests that the model's performance was
good. The work concluded that, from 2009 to 2018 there were changes in the landscape scenarios and, despite the
fact that part of the results led to an idea of a super-fragmented natural landscape until 2018, between 2014 and 2018
there was a significant vegetative recovery, explained by the increase in dense vegetation. This increase is explained
by the increase in the arboreal forest of the dense, deciduous and evergreen forest (as shown in table 7) and with
these increases, the sizes of the spots will become larger, thus increasing tolerance and placing it at low risk of
extinction of the elephant because, it will have a little more shelter, a lot of food. Which invalidates the hypothesis
that: The increase in the rate of vegetal fragmentation in the RNN reduces the tolerance of the African elephant,
putting it at risk of extinction. Was also concluded that, in the Niassa National Reserve, the distribution of African
Loxodonta is associated or is mainly dependent on the presence of rivers, wetlands, low humid areas and swamps,
existing and dense (always green) and semi-deciduous forests with arboreal 15% - 60% coverage and that such
characteristics / variables or requirements for the presence of the elephant are and until 2023 remained threatened
due to the growth of urban occupation and its activities .. Therefore, this being one of the few works recently carried
out in the Niassa, and because he is one of the pioneers in the study of the distribution patterns of the African
elephant in this conservation area, it is important that: a) Similar works are carried out, with larger predictions,
involving other species, with emphasis on Nortenha da Reserva , where information is even more scarce. b) other
works are carried out using the Geographic Information Systems that help the Niassa National Reserve to delimit
their areas, as was done by WWF and Agha Khan in the Quirimbas Biosphere Reserve and c) the project “Uma
Comunidade, an Environmental School ”for individuals and groups to continue to raise awareness among RNN
populations about the finitude of natural resources and for the reduction of the services they provide.
Keywords: Niassa National Reserve, fragmentation, distribution, modeling, elephant.
VIII
ÍNDICE
DECLARAÇÃO DE HONRA...................................................................................................... IV
DEDICATÓRIA ............................................................................................................................ V
1. INTRODUÇÃO ..................................................................................................................... 14
IX
2.8.1.3. Classificação Supervisionada (Pixel por Pixel) Maxver .......................................... 25
3.3. Métodos..................................................................................................................... 28
4. RESULTADOS ........................................................................................................................ 32
5. CONCLUSÃO E RECOMEDAÇÕES.................................................................................. 45
X
LISTA DE ABREVIATURAS E ACRÔNIMOS
AUC- Area Under the Curve (área sob a curva)
CENACARTA – Centro Nacional de Cartografia e Teledetecção
E.g - Exemplo
GIS - Sistema de Informação Geográfica
GPX - GPS eXchange
Glovis – Global Visualization Viewer
HEC – Human Elephant Conflict
Maxver – Máxima Verossimilhança
NDVI – Normalized Difference Vegetation Index
NDWI – Normalized Difference Water Index
RNN – Reserva Nacional do Niassa
ROC – Receiver Operating Characteristic
RRNN – Relatório da Reserva Nacional do Niassa
USGS – United States for Geological Survey
UICN - International Union for Conservation of Nature
UTM – Universal Transverse Marcator
WWF - Fundo Mundial para a Vida Selvagem
XI
LISTA DE TABELAS
Tabela 1: Informações Relativas ao Formato dos Dados, Datas de Aquisição, Escala e Fontes--28
Tabela 2: Anos de entrada da Cadeia Markov, período entre as imagens e o ano de projecção--32
Tabela 3: Variação de uso e cobertura da terra na área de estudo entre os anos 2009, 2014 e
2018------------------------------------------------------------------------------------------------------------34
Tabela 5: Resumo percentual e comparativo do uso e cobertura do solo para os anos 2009, 2014,
2018 e 2023---------------------------------------------------------------------------------------------------44
LISTA DE FIGURAS
Figura 1: Localização da área de Estudo-----------------------------------------------------------------26
Figura 2: Imagens de 2009, 2014 e 2018 classificadas Landsat---------------------------------------33
Figura 3: Mudanças de uso e cobertura da terra---------------------------------------------------------35
Figura 4: Áreas de ganhos e perdas-----------------------------------------------------------------------36
Figura 5: Modelação da Dinâmica Espacial de 2009 com dados de presença de elefantes--------37
Figura 6: Modelação da Dinâmica Espacial de 2014 com dados de presença de elefantes--------38
Figura 7: Modelação da Dinâmica Espacial de 2018 com Dados de Presença de Elefantes------39
Figura 8: Change Prediction (previsão de mudanças) para 2023-------------------------------------41
LISTA DE GRÁFICOS
Gráfico 1: Curva ROC do modelo de nicho-------------------------------------------------------------40
XII
1. INTRODUÇÃO
O elefante africano (Loxodonta africana) é um animal de grande e respeitado valor ecológico e
estético que galvaniza públicos de diversos níveis para acções e angariações de valores
monetários com vista a mais e melhor conservação (Baufouret al, 2007), altera a estrutura física
da vegetação, mobiliza grandes quantidades de nutrientes com suas fezes, fornecendo comida e
gerando habitats para um grande número de vertebrados e invertebrados, dispersa as sementes de
muitas plantas que consomem, contribuindo para a manutenção e a regeneração da floresta. Por
isso, a sua conservação implica na preservação da flora e de outras espécies da fauna (Steffanelli
et al, 2012 e José, 2014).
O Elefante africano é uma espécie que se encontra distribuída ao longo da África Austral e
Oriental, incluindo Moçambique (Neto et al, 2007, Manhice, 2015). Em Moçambique, as
maiores populações de elefante são encontradas na Reserva Nacional do Niassa. Estas
populações encontram-se dispersas e fragmentadas em áreas onde a paisagem é dominada pelo
Homem.
A presença humana e a expansão de suas actividades (agricultura, construção de vias e infra-
estruturas, exploração de recursos) nas áreas de conservação têm levado a uma maior dispersão,
diminuição ou até extinção da população de elefantes. Pois, a caça ilegal para a obtenção de
marfim e carne, a perda e a fragmentação do habitat (causada pelo desenvolvimento humano,
sua expansão populacional e rápida conversão de terras) e o aumento do conflito entre humanos
e elefantes vem sendo, desde muito, apontados como as causas do declínio no número de
elefantes na África (em geral) e em Moçambique particularmente (Blanc et al. 2005, 2007 e
2008; José, 2012, Ntumi, 2012; Manhice, 2015; AESR, 2016).
Em geral, para animais de grande porte como o elefante africano, que, necessitam de áreas
extensas são as mais vulneráveis a este processo (fragmentação) e a redução de seus habitats
pode afectar de maneira drástica a sua abundância. Para uma espécie como o Loxodonta africana
que pode consumir 150Kg de plantas por dia, a cobertura florestal é um importante componente
para a sua consistência, porque providencia alimentos, proteção e abrigo.
Com base em levantamentos realizados nos últimos cinco anos, o número estimado de elefantes
em Moçambique é de 10884 ± 2228 animais (Jackson, 2017). Podendo haver um adicional de
4.299 a 5.519 elefantes em áreas não sistematicamente pesquisadas (AESR, 2016).
14
Para além da determinação de quantos animais existem, um dos modernos desafios das ciências
da biodiversidade é saber onde cada espécie esta distribuída, por isso, estudos como:
“fragmentação de habitats e os padrões de distribuição do elefante africano na Reserva Nacional
do Niassa (2009-2018) ganham alguma relevância no concernente a disponibilização e
processamento de informações relacionadas com este mamífero e outros animais da Reserva.
1.1. Problematização
15
riqueza, distribuição e abundância da mesma, consequentemente, a gestão desta espécie no
cenário actual representa um problema e um desafio (Neto et al, 2007). Foi partindo deste
pressuposto, que surgiram as seguintes questões, para o período entre 2009-2018:
De que maneira a fragmentação florestal tem afectado a distribuição do elefante africano
na Reserva Nacional do Niassa?
Quais são os habitats actualmente adequados para o elefante na Reserva Nacional do
Niassa?
1.1. Justificativa
A Reserva Nacional do Niassa é considerada uma das maiores áreas de conservação e com uma
das maiores florestas de miombo do mundo. Criada em 1954 com o objectivo de proteger a vida
selvagem, principalmente os elefantes, abriga actualmente um dos ecossistemas com maior
diversidade biológica do país (Nhongo et al, 2010).
O aumento da taxa de fragmentação de habitats naturais é reconhecido como uma de suas
grandes ameaças no concernente a sobrevivência de populações naturais e do funcionamento dos
ecossistemas. Por isso, uma boa planificação, designação, estabelecimento contínuo de medidas
de gestão destas áreas, são aspectos importantes na conservação de seus recursos naturais e sua
biodiversidade (José, 2014).
O estudo relacionado com a fragmentação de habitats e os padrões de distribuição do elefante
africano na Reserva Nacional do Niassa, serve de auxílio para a RNN e outras áreas de
conservação na definição de prioridades para a conservação daquele animal, ajudando na
compreensão de padrões de distribuição, deslocamento e persistência de espécies em relação a
variáveis ambientais.
1.2. Objectivos
1.2.1. Objectivo Geral
Estudar os padrões de distribuição do Loxodonta africana na Reserva Nacional do Niassa com
recurso a analise do uso e cobertura do solo.
16
ü Compreender a influência das alterações de uso e cobertura do solo na distribuição do elefante
nos 2009, 2014 e 2018 na RNN;
ü Modelar o nicho ecológico para a determinação da adequabilidade de habitats; e
ü Prever os níveis de fragmentação de habitats para 2023 e correlaciona-los a distribuição do
elefante para o mesmo período.
1.3. Hipótese
Como possível resposta a questão de pesquisa levantada em 1.2. aceita-se a seguinte hipótese:
2. MARCO TEÓRICO
Reino Animalia
Sub-reino Bilateria
Filo Chordata
Classe Mammalia
Ordem Proboscidea
Família Elephantidea
Género Loxodonta
Espécie Loxodonta africana (Blumenbach, 1797)
Sub-espécies Loxodonta africana Cyclotis e Loxodonta africana africana.
17
2.2. Origem e Dispersão do Elefante Africano
Loxodonta africana, é o maior mamífero terrestre, os seus machos vivem até aos 60 anos e
podem atingir 6 a 9 toneladas de peso e 3,3 metros de altura. A fêmea pode atingir 3 toneladas e
meia. (José, 2014; Almeida, 2012 e Cardoso, 2000).
Esta espécie, cujos individuos podem consumir mais de 100 quilogramas de alimentos (capins e
folhagens) e mais de 100 litros de água por dia, é uma espécie cuja distribuição é determinada
pelas características únicas que uma determinada área apresenta, com particular realce ao clima,
sua extensão da rede hidrográfica e a vegetação (Manhice, 2015).
O elefante africano pode ser encontrado em vários tipos de habitat, uma vez que são animais que
consomem uma grande variedade de forragens, desde herbáceas a cascas de árvore, bem como
raízes e frutos (Steffanelli et al 2012, Neto et al.2007).
José (2014) modelou conceptualmente sete factores ambientais que influenciam na distribuição
de espécies e construção de um nicho fundamental: temperatura, radiação, evapotranspiração,
precipitação, altitude, tipo de vegetação e tipo de solo.
18
qualidade do solo (José, 2014). Neto et al. (2007) conceberam, nove tipos de habitats para
determinar o uso do espaço pelo elefante na RNN: a) Pastagens, b) Floresta, c) Prados, d)
Floresta aberta, e) Vegetação f) Pântanos, g) Mangal, h) Planícies alagáveis ou aluviais de rios, i)
outras, tais como Floresta de areia, Plantações de Eucalipto.
Independentemente do tipo de habitat é importante que a altitude não seja igual ou maior do que
700m, declives menos acentuados e a distância em relação ao recurso hídrico mais próximo deve
ser menor que 5 Km.
A fragmentação é definida como sendo: a divisão em partes de uma dada unidade do ambiente,
porém estas partes passam a ter condições ambientais diferentes ao seu redor (Rambaldi e
Oliveira, 2003), a área total de um determinado habitat é reduzida e as manchas remanescentes
desse habitat ficam isoladas por uma matriz de habitat diferente, frequentemente menos
adequada.
A diminuição da área favorável a uma determinada espécie leva a uma menor abundância regular
desta, significando que sua taxa de sobrevivência se reduz.
3. Topografia;
19
4. Processos de segmentação e hidrodinâmica em rios e mares;
20
Com a fragmentação, muitos fenómenos ecológicos são alterados (Rambaldi e Oliveira, 2003);
perde-se a diversidade, o que culmina com a perda de grupos funcionais em diversos locais. A
alteração do ecossistema leva a perda de certos serviços ambientais.
O uso de computadores para o manuseio de uma grande quantidade e variedade de dados tem
levado ao desenvolvimento dos chamados "Sistemas de Informação", dedicados ao
armazenamento e análise integrada de dados.
21
Pode-se definir formalmente um sistema de informação como sendo uma combinação de
recursos humanos (Peopleware) e técnicos (Hardware/Software), em concordância com uma
série de procedimentos organizacionais que proporcionam informações com finalidade de apoiar
na tomada de certas decisões (Rosa, 2013). O Sistema de Informação Geográfica (SIG) é um
caso específico do Sistema de Informação que pode ser definido como um sistema destinado à
aquisição, armazenamento, manipulação, análise, simulação, modelagem e apresentação de
dados referidos espacialmente na superfície terrestre, integrando diversas tecnologias.
Apesar deste software exigir ao usuário conhecimentos de informática, este pode ser uma
alternativa para gerar predições sobre a distribuição das espécies a partir da associação da
ocorrência da espécie com factores ambientais (Soares-filho e Cequeira, 2007).
Os dados sobre a ocorrência de espécies são escassos especialmente em regiões tropicais como é
o caso da Reserva Nacional do Niassa, onde, a grande diversidade biológica dos ecossistemas
torna esses tipos de inventário, um trabalho caro e quase impossível a curto prazo (Junior,
2007).Apesar destas dificuldades na aquisição de dados úteis e actuais sobre a ocorrência de
espécies, existe uma grande demanda por informações detalhadas que devem subsidiar áreas
grandes como a RNN.
22
Para Soares-filho e Cequeira (2007), os modelos de classificação em árvore são uma alternativa
não paramétrica a outras técnicas estatísticas. Estas têm entre as diversas vantagens as seguintes:
a) flexibilidade para lidar com variáveis numéricas e categóricas; b) facilidade de interpretação e
possibilidade de explorar dados não lineares e interacções complexas entre variáveis;
c)formalização do modelo que forçam o pesquisador a ser específico sobre suas ideias
orientando-o na colecta de dados; e d) a amostragem pode ser estruturada em um SIG por meio
de uma transcrição da combinação das condições que definem o habitat. Para o efeito e
necessário que seja definido:
3. Dos algoritmos
Caso necessário dos modelos aditivos para descrever relações ecológicas, como a relação entre
fator ou fatores abióticos e densidades de organismos.
O sensoriamento remoto pode ser definido, como sendo a forma de obter informações de um
objeto ou alvo, sem que haja contato físico com o mesmo. As informações são obtidas
utilizando-se a radiação eletromagnética gerada por fontes naturais como o Sol e a Terra, ou por
fontes artificiais como, por exemplo, o Radar (Rosa, 2013).
Os SIG como instrumentos computacionais para o geoprocessamento, possibilitam análises
complexas ao integrar dados de diversas fontes e ao criar uma base de dados georreferenciadas.
Estes (SIG), softwares e as camadas ambientais permitem para além da classificação de imagens
satélite, o desenvolvimento de técnicas de modelação de espécies. Estes modelos dão
possibilidades de ocorrência de espécies em relação das diversas variáveis ambientais, que
encontram-se disponíveis nos SIG em formas de camadas espaciais (Rosa, 2013 e José, 2014).
O conhecimento do uso e da cobertura do solo é muito importante para a avaliação e
diagnósticos ambientais (Leão et al, 2007). A melhoria da resolução espacial de imagens trouxe
23
alguns desafios no sensoriamento remoto. O mais importante de entre estes desafios e a obtenção
de uma distinção ou diferenciação adequada entre as diversas variáveis (Pinho et al, 2005).
A classificação é um processo de extracção de informações com um grau de incerteza associado.
Em imagens para reconhecer padrões e objectos homogéneos que são utilizados para mapear as
áreas de superfície terrestre que interessa (Rodrigues et al, 2015, Tagliarini et al, 2017). Para
avaliar a tal incerteza recorre-se a uma serie de passos/cálculos e métodos que possibilitam
quantificar a incerteza da classificação. Neste trabalho foram determinados os índices de
exactidão e o índice ou coeficiente KAPPA baseado em uma matriz de erros.
2.8.1.1 Classificadores
Classificadores pixel por pixel: usam de forma individual a informação espectral de cada pixel na
busca por regiões homogéneas: por exemplo: Máxima verosimilhança (Maxver), Maxver- ICM,
distância mínima (distancia euclidiana) e paralelepípedos (Pinho et al, 2005, de Freitas e
Pancher, 2011).
Para de Freitas e Pancher, (2011) e Brasileiro et al, (2016) os classificadores por regiões utilizam
informações espectral de cada pixel e a relação espacial de vizinhança entre pixéis (áreas
homogéneas espectrais e espaciais da imagem). Por exemplo: o SPRING (usam classificadores
ISOSEG, Bhattacharya, ClaTex).
24
2.8.1.3. Classificação Supervisionada (Pixel por Pixel) Maxver
3. METODOLOGIA
Niassa tem um clima tropical, com temperaturas médias mensais de 30 ° C durante Outubro e
Novembro, caindo para 20 ° C durante a estação fria (Junho-Agosto). A precipitação é quase
inexistente ao longo da estação quente, começando no final de Outubro e terminando durante
Abril ou Maio (Cangela, 2014, Booth e Dunham, 2016, Ribeiro et al, 2017).
A altitude é mais baixa a Este (200 m), na confluência dos rios Rovuma e Lugenda, onde
precipitação média anual é 900 mm. A oeste a altitude vai aumentando até 1400m e a
precipitação chega a atingir os 1500mm. A maior parte da Reserva é coberta pelo miombo
(Brachystegia) de floresta intercalada com áreas mais secas ou savanas (Booth e Dunham, 2016;
Ribeiro et al, 2017).
A reserva está dividida em 17 unidades de manejo: nove blocos de caça, seis blocos de foto-
turismo blocos e duas zonas de alto valor de biodiversidade (Cangela, 2014, Booth e Dunham,
2016, Ribeiro et al, 2017). A presença dentro da Reserva de nove distritos, três cidades e vilas no
qual se suporte mais de 35000 pessoas, cujos, meios de subsistência (dessas comunidades) estão
25
centradas na produção agrícola, com a agricultura itinerante, deu uma dimensão incomum à
gestão da Reserva (Booth e Dunham, 2016).
3.2. Material
A Reserva Nacional do Niassa ocupa uma extensão relativamente maior em relação as outras
áreas de protecção, reserva e parques, abrangendo duas províncias nomeadamente Niassa e Cabo
Delgado. Assim sendo, tendo em conta a grande área que a Reserva ocupa delimitou-se uma área
menor para o estudo baseando-se nas seguintes características:
1. Homogeneidade em termos de cobertura vegetal;
2. Áreas com ocupação urbana (habitação, áreas de cultivo e vias de comunicação);
3. Declividade acentuada em algumas regiões; e
4. Curso de água (rios).
Portanto, estas quatro características estão presentes em outras áreas fazendo da área recortada
para o estudo um padrão de referência para as restantes. A outra vantagem da delimitação de
26
uma porção menor para o estudo é o tempo de processamento, pois uma área como da Reserva
Nacional de Niassa englobaria no mínimo quatro cenas do Landsat e que posteriormente teria
que se fazer o mosaico das imagens (o seu processamento tornar-se-ia muito lento).
Os dados vectoriais são, na maioria das vezes, obtidas em centros/ serviços de cartografia,
Bancos de dados cartográficos. Estes não foram diferentes, são resultantes de um download
(descarregamento), por meio do serviço geológico Americano (USGS), da imagem do sensor
OLI.
Depois de descarregarem-se as imagens (no “site” da Glovis), foram realizadas as devidas
correcções atmosféricas e geométricas das mesmas.
Para a correcção atmosférica foi necessário reprojectar a imagem para a Hemisfério Sul (ArcGis
10.5), porque, apesar da USGS Já fornecem todas as imagens UTM WSG, todas, vêm orientadas
para o Hemisfério Norte; gerou-se um arquivo com todas as bandas (Stack), e depois
transformou-se em um arquivo do tipo Img.
A Correcção geométrica foi feita no Idrisi Selva, e este não observou a correcção atmosférica,
visto que, as imagens por si só, são disponibilizados ortorretificadas.
27
Tabela 1: Informações relativas ao formato dos dados, data de aquisição, escala e fonte
DATA FORMATO DATA RESOULUÇÃO/ESCALA FONTE
Landsat Raster 2009 30M GLOVIS
image (www.glovis.com)
Landsat Raster 2014 30M GLOVIS
image (www.glovis.com)
Landsat Raster 2018 30 M GLOVIS
image (www.glovis.com)
Limite da Vector 1999 1:250 000 WWF/
área de
estudo
Mapa de uso Vector 1999 1:250 000 CENACATA
e cobertura
de terra
Pontos no GPX 2018 Lote Benedito
terreno Tomás
Modelo Raster 2000 1:1000000 GLOVIS
digital de
elevação
Os dados numéricos resultantes da classificação e da detenção de alterações ou transições de
classe foram inseridos, processados e transformados em gráficos com auxílio da versão 16.28 do
Microsoft Excel.
3.3. Métodos
A redução dos recursos naturais devido a acção humana tem catapultado uma constante busca de
informações ambientais que integrem a relação espaço-tempo para compreender padrões de uso,
ocupação e organização do homem e outras espécies a volta destes espaços. Contudo, uma das
alternativas ppara conseguir tal feito, estudiosos vem a décadas o sensoriamento remoto,
utilizando imagens Satélites para fins de mapeamento, planeamento e monitorização ambiental
(Barros et al, 2016).
28
3.3.1. Obtenção e Análise dos Níveis de Fragmentação através do Sensoriamento
Remoto.
Os materiais usados contribuíram para análise das imagens de satélite e integração de dados
auxiliares no processo de classificação. As imagens foram classificadas e em seguida foi feita a
predição para 2023 (de uso e ocupação do solo) no software Idrisi Selva e a modelação espacial
no software ArcMap10.5; o método usado para a classificação da imagem satélite foi o método
MaxVer (máxima verossimilhança), antecedida da segmentação para a determinação das áreas
amostrais (classificação supervisionada). Em seguida fez-se a pôs-classificação para validar a
classificação onde determinou-se o índice Kappa e matriz de erro.
A baixa amostragem para algumas classes, pode ter conduzido o algoritmo a alocar pixéis em
classes indevidas. Tal facto pode, para além do representado nas imagens, ser reforçado pela
precisão ou exactidão global, entretanto, na classificação MaxVer, existe mais um problema, o
referente a distribuição da frequência para avaliar diferentes respostas espectrais de uma mesma
planta em uma única classe (Rodrigues et al, 2015). Isto é, a coloração de uma planta em mapa
obtido com a classificação MAXVER, não é a mesma nos diversos estágios de sua vida.
O dito acima é clara prova de que o resultado adquirido por meio de um processo digital não é
unânime, modifica-se em função das características da área de estudo, bem como, do período em
que foi adquirida a imagem (Brasileiro et al, 2016; Barros et al, 2016), desta forma, a presença
de diversas variáveis e possibilidades torna impossível a exactidão plena (100% de exactidão).
29
de passos/cálculos e métodos que possibilitam quantifica-lo e para este trabalho escolheu-se o
índice Kappa.
A modelação espacial é uma arte que, através de vários tipos de linguagens (matemática, lógica,
gráfica ou física) conduz a uma decomposição do real em um simplificado grupo de sistemas
integrados (ou não) com o intuito de obter dados sobre as características de um dado domínio
(Filho, 2000). É um processo com diferentes níveis de dedução, nos quais, a realidade e
traduzida em modelos até o resultado possa ser aplicado recorrendo a uma análise SIG.
Foi recorrendo ao Idrisi selva que se construíram mapas de nichos ou de adequabilidade do
Loxodonta africana em parte da área da Reserva Nacional do Niassa. Para além desta
componente computacional, foi importante recorrer a variáveis ou factores que determinam a
ocorrência deste animal para obter tal adequabilidade, isto é, a modelação baseou-se em regras
consistiu nas variáveis condicionantes para sobrevivência do elefante, tais como: a presença de
fontes água (rios, zonas e baixas húmidas), declive não muito acentuado (menos de 300),
elevação (altitude não superior a 700m) e tipo de cobertura vegetal (florestas decídua, floresta
semi-decídua e vegetação rasteira) e apartir obtiveram-se mapas da modelação para 2009, 2014 e
2018.
O Modelo digital de elevação (MDE) dá-nos as altitudes da área de estudo, pois os elefantes
preferem áreas abaixo de 700m de altitude (Santos, et al, 2011). Em relação a declividade é
importante incluir na modelação pois declives acentuados não facilitam a locomoção dos
elefantes (José, 2014).
30
Para evitar questões relativas à existência/ ocorrências do elefante na área em estudo e reduzir os
graus visuais incerteza, muitas vezes associados a informação da espécie, recorreu-se a produção
de mapas onde acrescem-se à modelação, dados de censos aéreos dos anos em estudo.
Os dados dos censos aéreos são mapas com pontos (que representam elefantes), não
georreferenciados. Contudo, com recurso a um editor ou processador de imagens recortou-se a
imagem observando a área de estudo, transformando-a num dado raster. Para atribuir
coordenadas a este raster recorreu-se a função import raster (importar raster) Idrisi selva e
sobrepôs-se ao mapa da modelação e fez-se a correção dos limites geográficos para quase
perfeita concordância.
Com a função ecologic elements do Idrisi selva, foi possível, transformar os pontos (do raster
sobreposto a modelação) em imagens de elefantes e atribuir cores, portanto, As imagens de
elefantes a preto são os que concidem com a modelação enquanto, os a vermelho são os que seu
georeferenciamento na conscide com as áreas adequadas para a habitação do elefante.
31
A base de caracterização da cadeia de Markov consiste em um conjunto de estados discrito, no
qual, o futuro depende somente do actual (Junior, 2014 e Da Silva, 2017) ou seja, os estados
anteriores são irrelevantes para a predição dos estados seguintes, desde que, o estado actual seja
conhecido.
Para Junior (2014) e Da Silva (2017) uma cadeia de Markov a tempo discrete, com espaço de
estados S é um processo estocástico {Xn}n∈T , onde T = {0, 1, 2, ...}, tal que se verificam as
seguintes propriedades:
Tabela 2: Anos de entrada para a cadeia Markov, período entre imagens e ano de projecção
4. RESULTADOS
Devido a sua resolução, a qualidade da imagem disponível, para 2009, não permite uma análise
tão rigorosa e aprofundada quanto as imagens de 2014 e 2018. Por isso, a classificação da
32
imagem de 2009, trouxe apenas resultados referentes as classes floresta densa decídua e sempre
verde; floresta decídua arbórea; ocupação urbana; zonas húmidas; vias de outros (vias de
comunicaçoes, solo nu). Ao passo que, as classificações de 2014 e 2018 troxeram para além das
referidas acima, resultados relativos a classe vegetação rasteira. Como ilustra a figura 2.
Tabela 3: Variação de uso e cobertura de terra na área de estudo nos anos 2009, 2014 e 2018.
33
Ocupação urbana 8.742,96 361.268,64 453.314,7
Zonas húmidas 15.982,83 65.315,52 55.697,58
Outros 60.925,41 7.122,24 52.458,39
Vegetação rasteira 0 29.092,05 19.506,96
Total da área (ha) 770,310.54 706,909.77 770,310.54
Em 2009 a classe floresta densa, decídua e sempre verde ocupava uma área de 24,2481.33ha, em
2014 houve uma redução de 63685,53ha, passando a ocupar uma área de 178.795,8ha, e, em
2018 houve igualmente uma redução de 174619,26ha em relação a 2014, passando deste modo, a
ocupar 4.176,54ha. Veja a figura.
No que diz respeito a classe floresta decidua árborea, em 2009 ocupava uma área de
44.2178,01ha, em 2014 esta área reduziu 376.862,49ha, passando a ocupar 65.315,52ha. E, em
2018, área ocupada por esta classe registou um aumento de 119.840,85ha, passando desta forma,
a ocupara uma área de 185.156,37ha. Veja a figura 3.
Em 2009, a classe ocupação urbana ocupava uma área 8.742,96ha, em 2014, passou a ocupar
361.268,64ha, tendo se registado um aumento da área na ordem de 352.525,68ha. Já em 2018
houve um aumento de 92046,06ha em relação a área ocupada em 2014. Veja a figura 3
Quanto as zonas húmidas em 2009, esta classe ocupava, uma área de 15.982,83ha. em 2014
passou a ocupar 65.315,52ha, significando uma subida de 49332,69ha. Em 2018, a área ocupada
por esta classe perdeu 9.617,94, passando a ocupar 55.697,58ha. Veja a figura 3.
No concernente a classe outros (vias de comunicação e solo nú), em 2009 ocupava uma área
60.925,41ha, em 2014 esta classe registou um aumento de 53803,17ha da área anteriormente
ocupada passando a ocupar 7.122,24ha. Em 2018, em relação a 2014 registou-se um ganho de
45.336,15ha, passando dos anteriores 7.122,24ha para 52.458,39ha. Veja a figura 3.
A vegetação rasteira, em 2014 ocupava 29.092,05ha. E, em 2018 esta área reduziu para
19.506,96ha, uma redução de 9.585,09ha. Veja a figura 3.
34
Figura 3: Mudanças de uso e cobertura de terra
Em relação a áreas perdidas e ganhas, a classe floresta densa, decídua e sempre verde registou
ganhos em 2009 e perdas em 2014. Esta tendência de ganho foi igualmente verificada entre 2014
e 2018.
Entre 2009 e 2014, a floresta decídua arbórea, assim como a classe outros (vias de comunicação,
solo nú e rochoso), registaram ganhos em 2009. E, entre 2014 e 2018 registaram perdas em 2014.
A passo que, a classe ocupação urbana, registou ganhos em 2014 e 2018.Para zonas húmidas os
35
ganhos registaram-se no em 2014 e as perdas 2018, o mesmo regista-se para a classe vegetação
rasteira. Veja a figura 4.
Há um conjunto de características únicas que uma determinada área deve possuir e que são
determinantes para a distribuição das espécies. No específico da área de estudo do presente
trabalho, a distribuição de Loxodonta africano é associada a uma extensa rede hidrográfica
36
(presença de rios), florestas densa, (decídua e sempre verde) e decídua arbórea que servem de
alimentos, abrigo ou sombra e a áreas distantes da presença humana que são sua maior ameaça.
Figura 5: Modelação da dinâmica espacial para 2009 com dados de presença de elefantes
retirados de Craig (2009)
Na modelação da dinâmica espacial para 2009 refletida na figura 3, a distribuição do elefante era
partilhada por áreas com rios e com uma vegetação dominada pelas classes floresta densa
(decídua /sempre verde) e florestas com arbóreo. Em 2014, o padrão de distribuição do elefante é
apenas associado a floresta densa (decídua/ sempre verde) como ilustra a figura 4.
37
Figura 6: Modelação da dinâmica espacial para 2014 com dados de presença de elefantes
retirados de Grossmann, Aerial Survey of Elephant and Other Wildlife in Mozambique (2014).
Na modelação da dinâmica espacial para 2014 os indicadores de presença ou ocorrência revelam
uma desproporcionalidade. Diferente do observado na figura 3 (modelação da dinâmica espacial
para 2009) para 2014 os elefantes encontravam-se distribuídos apenas na região Sul. Para 2018
os elefantes encontraram-se distribuído pela região Norte.
38
Figura 7: Modelação da dinâmica espacial de 2018 com dados de presença de elefantes reitrados
Preliminary Report Aerial Survey of Elephant and Other Wildlife in Mozambique (2018)
39
Série1;
Série1; Série1;
Série1; 0,554103;
0,499263;
0,443941; Série1;
Série1;
Série1;
Série1; 0,673045;
0,611675; 0,945181;
0,888616;
0,834193;
0,77945;
0,72833;
Série1; 0,015485;
Série1;
Série1; Série1;
Série1;
0,099349;
0,059788; Série1;
Série1;
0,265831;
0,213044; 0,384717;
0,325498; Série1; 1; 1
Série1;
Série1;
Série1; 0,032475;
0,026051;
0,022361; 0,984987 0,997553
0,9954
0,992886
0,990426
0,987356
Série1; 0,018063;
0,967146
Série1; 0,964814 0,969024
0,014895; 0,973444
0,971814 0,976855
0,97515 0,983644
0,981661
0,979217
Série1;
Série1; 0,959795
0,952713
0,012075;
0,94211
0,006379;
0,931047
Série1; 0,006374;
0,920086
Série1; 0,006374;
0,908934
Série1;
Série1; 0,006374;
0,897725
0,005852;
0,886999
Série1;
Série1; 0,004422;
0,875315
0,000921;
0,86363
Série1;
Série1; 0,00047;
0,851945
0,00047;
0,840347
Série1;
Série1; 0,000165;
0,828903
0,000165;
0,817808
Série1;
Série1; 0,000165;
0,806199
0,000165;
0,794513
Série1;
Série1; 0,000165;
0,78288
0,000165;
0,771195
Série1; 0,000165;
Verdadeiro Positivo (%)
0,759509
Série1; 0,000165;
0,747824
Série1; 0,000165;
0,736139
Série1; 0,000165;
0,724454
Série1; 0,000165;
0,712769
Série1; 0,000165;
0,701083
0,689398
0,677713
Série1; 0; 0,642685
0,666028
Série1; 0;
0; 0,631
0,654343
Série1; 0; 0,619315
Série1;
Série1; 0; 0,60763
0,595945
Série1;
Série1; 0;
0; 0,584259
0,572574
Série1;
Série1; 0;
0; 0,560889
0,549204
Série1;
Série1; 0;
0; 0,537519
Série1; 0; 0,525833
Série1; 0; 0,514148
0,502463
Série1;
Série1; 0;
0; 0,490778
0,479093
Série1;
Série1; 0;
0; 0,467407
Série1; 0; 0,455722
Série1; 0; 0,444037
0,432352
Série1;
Série1; 0;
0; 0,420667
0,408982
Série1;
Série1; 0;
0; 0,397296
0,385611
Série1;
Série1; 0;
0; 0,373926
0,362241
Série1; 0;
0; 0,350556
Série1; 0; 0,33887
Série1;
Série1; 0; 0,327185
0,3155
Série1;
Série1; 0;
0; 0,303815
0,29213
Série1; 0;
0; 0,280445
Série1; 0; 0,268759
Série1;
Série1; 0; 0,257074
0,245389
Série1;
Série1; 0;
0; 0,233704
0,222019
Série1;
Série1; 0;
0; 0,210333
0,198648
Série1;
Série1; 0;
0; 0,186963
Série1; 0; 0,175278
Série1; 0; 0,163593
0,151907
Série1;
Série1; 0;
0; 0,140222
0,128537
Série1;
Série1; 0;
0; 0,116852
Série1; 0; 0,105167
Série1; 0; 0,093482
0,081796
Série1;
Série1; 0;
0; 0,070111
0,058426
Série1;
Série1; 0;
0; 0,046741
0,035056
Série1;
Série1; 0; 0,02337
Série1; 0; 0,011685
0; 0
Falso Positivo(%)
De acordo com o representado no gráfico 4, (Curva ROC do modelo de nicho) a AUC ( Area
Under Curve) é de 0,722 o que aprior sugere que o modelo expressa adequadamente os habitats,
que sua performance é boa e que o modelo é fiável.
4.4. Cenário Preditivo
Em 3.3 é apresentado um prognóstico das alterações futuras por meio de uma preposição de
cenários preditivos (prediction). Pretende-se através destas preposições, representar a
continuidade das alterações durante os próximos 5 anos (até 2023).
40
Figura 8: Change prediction para 2023
Com o aumento populacional mostrado em houve entre 2009 e 2018 uma diminuição continua da
floresta densa, decídua e sempre verde (veja tabela 3 e figuras 3 e 4) colocando em causa o
abrigo e alimentação. Por outro lado, apesar da floresta decídua arbórea ter registado uma
redução das áreas entre 2009 e 2014, esta classe registou um aumento significativo na área por si
ocupada entre 2014 e 2018 (veja tabela 3 e figuras 3 e 4). Este aumento é o primeiro indicativo
de possível regeneração florestal (como pode ver-se na tabela 5) e isto, influenciou certamente na
população de elefantes.
41
Tabela 4: Projecção das alterações para 2023
Prediction 2023
Área em
N/O Nome da Classe Área (ha)
Percentagem
1 Floresta densa (decídua/ sempre verde) 44565,84 6,12
2 Floresta decídua árborea 128019,96 17,57
3 Ocupação Urbana 480262,05 65,93
4 Zonas húmidas 53391,6 7,33
5 Outros 54403,38 7,47
6 Vegetação rasteira 7908,66 1,08
Total 728442,49 100
De acordo com a tabela 6 (projecção das alterações para 2023), a quantificação da floresta densa
(decidua/ sempre verde) ocupará 44565,84 hectares, o correspondente a 6,12% da área de estudo,
a floresta dicidua com arbóreo 15%-60% de cobertura prevê-se que ocupe 128019,96 hectares o
correspondente a 17, 57% da área, a ocupação urbana prevê-se que ocupe 480262,05 hectares o
correspondente a 65,93% da área, a classe zonas húmidas prevê-se que ocupe 53391,6 hectares o
correspondente a 7,33%, a vegetação rasteira prevê-se que passe a ocupar 7908,66 hectares o
correspondente a 1,08% da área e outros ocupará 54403,38 hectares o correspondente a 7,47%
da área.
A quantidade de área disponível é uma característica limitante para a presença do elefante, vários
outros trabalhos apresentam esta relação de aumento da riqueza em função do aumento do
tamanho do fragmento (e.g. Fisher e Lindenmayer, 2006; Ribeiro et al, 2008; Lima, 2008,
Ntumi, 2012, José, 2014; e May et al, 2018).
Desta forma, a conservação de grandes áreas florestais como e o caso da Reserva Nacional do
Niassa, pode ser crucial para manter a integridade deste emblemático mamífero e maximizar a
diversidade desta e de mais espécies por que muitas vezes fragmentos pequenos mesmo que em
42
grande quantidade, podem ser importantes somente para espécies tolerantes a matriz ou
espacialmente menos exigentes o que não é o caso do elefante africano (Ribeiro et al, 2008).
Apesar de o grande tamanho corporal do elefante torna-lo, uma espécie sensível à fragmentação
de habitats. A extinção local do elefante africano pode resultar em grandes perdas ecológicas
para as paisagens, pois eles atuam em funções ecológicas importantes para a manutenção e
regeneração de florestas. porque esta espécies têm grande potencial de dispersão ou predação de
sementes.
Entretanto, há sempre um conjunto de características que uma determinada área deve possuir
para que habite nela, no caso deste trabalho a distribuição do Loxodonta africana ficou associada
a a extensa rede hidrográfica (presença de rios) existente na área de estudo e as florestas densa
(sempre verde) e Semi- decídua com arbóreo 15% - 60% de cobertura. Porém a continua
existência de parte destas características estão perigadas pela presença e aumento da massa
humana dentro da Reserva Nacional do Niassa. Esta informação igualmente partilhada por
Cangela (2014) e Macave (2019), reforçam os resultados que mostram que, , entre 2009 e 2018 a
ocupação urbana foi a classe que conduziu à maiores alterações da paisagem na RNN e que os
maiores impactos desta recairam sobre aquelas foram determinantes na distribuição do elefante
(rios, Florestas densa decídua / sempre verde e decídua com arbóreo 15% - 60% de cobertura).
43
índice Kappa foi na ordem do 0,74, para 2014 foi de 0,79 e para 2018 foi de 0,89 e segundo
Rodrigues et al, (2015), classificações com índices Kappa como estes o desempenho foi muito
bom.
A presença humana em margens de rios, baixas húmidas e pântanos pode contribuiu para o
aumento do conflito homem-elefante, do furtivismo e para a mobilidade desta espécie. Esta
ultíma consequência, pode ter sido, uma das razões para que:
a) O números dos indicadores de presença entre 2009 e 2018 tenha reduzido; e
b) Os indicadores de presença revelem uma desproporcionalidade e irregularidade na sua
distribuição espacial.
Quanto aos indicadores localizados em espaços que modelação os considera inadequabilidade,
pode ser justificada pela ocorrência de pequenos erros nos processos de:
a) Recenceamento aéreo e
b) Georeferenciamento espacial.
Para 2023 as projecções indicam uma possibilidade de aumento continuo na taxa de
fragmentação florestal, o efectivo humano continuará crescendo, por outro lado, registará-se uma
recuperação vegetativa significativa, explicada pelo aumento da vegetação densa. Este aumento é
explicado pelo aumento da floresta arbórea registado entre 2014 e 2018 e o aumento da floresta
densa, decídua e sempre verde (como ilustra a tabela 7) e com estes aumentos, os tamanhos das
manchas ficarão maior, aumentando deste modo, a tolerância e colocando o em baixo risco de
extinção do elefante porque, possuirá um pouco mais de abrigo, muita comida.
Tabela 5: Resumo percentual e comparativo do uso e cobertura do solo para os anos 2009, 2014,
2018 e 2023.
N/O Classe/ Ano 2009 2014 2018 2023
1 Floresta Densa (Decídua e sempre 31,50% 25,29% 0,54% 6,12%
verde)
2 Floresta Decídua árborea 57,40% 9,23% 24,00% 17,57%
3 Ocupação Urbana 1,13% 51,10% 58,85% 65,93%
4 Zonas húmidas 2,07% 9,24% 7,23% 7,33%
5 Outros 7,90% 1% 6,81% 7,47%
6 Vegetação rasteira 0% 4,11% 2,53% 1,08%
44
Para avaliar a performance e fiabilidade do modelo, bem como, fornecer informações adicionais
que ajudassem na sua melhoria, procurou-se validar ou determinar-se a adequabilidade do
modelo. Para o efeito recorreu-se ao Receiver Operating Characteritic ou simplesmente Curva
ROC que a sua Area Under Curve foi de 0,722 o que sugere que o modelo expressa
adequadamente os habitats e que sua performance é boa e que o modelo é fiável.
5. CONCLUSÃO E RECOMEDAÇÕES
A concepção de um estudo sob perspectiva comparativa de mapas de uso e cobertura do solo,
para a compreensão dos padrões de distribuição do elefante africano na Reserva Nacional do
Niassa permitiu uma série de ánalises que revelaram que, de 2009 á 2018 ocorrência de
alterações nos cenários paisagísticos. Apesar de, parte dos resultados induzirem a uma ideia de
uma paisagem natural super-fragmentada para 2018. Porém, em 2023 registará-se uma
recuperação vegetativa significativa, explicada pelo aumento da vegetação densa. Este aumento é
explicado pelo aumento da floresta arbórea registado entre 2014 e 2018 e o aumento da floresta
densa, decídua e sempre verde (como ilustra a tabela 7) e com estes aumentos, os tamanhos das
manchas ficarão maior, aumentando deste modo, a tolerância e colocando o em baixo risco de
extinção do elefante porque, possuirá um pouco mais de abrigo, muita comida. O que invalida a
hipótese segundo a qual: O aumento da taxa de fragmentação vegetal na RNN reduz a
tolerância do elefante africano, colocando-o em risco de extinção.
Concluiu-se ainda que, na Reserva Nacional do Niassa a distribuição do Loxodonta africano
esta associada ou é principalmente dependente da presença de rios, zonas húmidas, baixas
húmidas e pântanos, existente e das florestas densa (sempre verde) e Semi- decídua com arbóreo
15% - 60% de cobertura e que tais características/ variáveis ou requisitos para presença do
elefante estão e até 2023 continuaram ameaçados devido ao crescimento da ocupação urbana e
suas actividades.
Apesar de, o impacto da ocupação urbana sobre a vegetação da Reserva Nacional do Niassa não
parecer novidade, por Cangela (2014) e Macave (2019) terem abordado isso em parte de suas
pesquisas, definir estratégias correctas para cada área de conservação constitui um desafio cada
vez maior, pois, enquanto continuar aumentando, os habitats naturais continuaram perdendo-se e
o elefante poderá em um futuro breve deixar de existir em grande parte da Reserva e emigrará
45
para outras áreas de conservação com condições para sua continua existência como são os casos
da Reserva de Biosfera das Quirimbas (anterior Parque Nacional das Quirimbas) e da República
Malawi e da República da Tanzânia.
5.1. RECOMENDAÇÕES
Sendo este um dos poucos trabalhos recentemente realizados na Reserva Nacional do Niassa, e
por achar-se um dos pioneiros no estudo dos padrões de distribuição do elefante africano nesta
área de conservação torna-se importante que:
ü Se realizem trabalhos similares, com previsões maiores, envolvendo outras espécies, com
destaque para Nortenha da Reserva, onde a informação e ainda mais escassa.
ü Se realizem outros trabalhos com recurso aos Sistemas de Informação Geografica que
auxiliem a Reserva Nacional do Niassa a delimitarem suas áreas, como foi feito pela
WWF e Agha Khan na Reserva de Biosfera das Quirimbas.
46
REFERÊNCIA BIBLIOGRÁFICA
Abreu, K., M., P., Coutinho, L., M., (2014), Sensoriamento Remoto Aplicado ao Estudo da
Vegetação com Ênfase em Índice de vegetação e Métricas de Paisagem, DOI: 105935-1809-
2667-20140012, S/ editora, S/ edição, Brasil.
Balfour, D., Dublin H.T., Fennessy, J., Gibson, D., Niskanen, L. And Whyte, I.J. (eds.) 2007.
Revisão das opções para gerir os impactos resultantes do excesso de Elefantes Africanos a nível
local, UICN, Gland, Switzerland.
Barros, K de, O., Ribeiro, C., A., A., S., Marcatti, G., E., Silva, E., Soares, V., P., (2016),
Evolução do Uso da Terra na Bacia Hidrografica do Rio Viera, Montes Claros, MG- Brasil.
Brasileiro, F., G., Oliveira, C., M., Rodrigues, R., Delgado, R., C., (2016), Classificação de
Imagem Orbital pela Metade Maxima Verossimilhança em Maximum Likehood Quixeramobim,
Ceara, Brasil, ISSN 178 8-7226, Brasil.
C.R. Thouless, H.T. Dublin, J.J. Blanc, D.P. Skinner, T.E. Daniel, R.D. Taylor, F. Maisels, H. L.
Frederick and P. Bouché (2016). African Elephant Status Report 2016: an update from the
African Elephant Database. Occasional Paper Series of the IUCN Species Survival Commission,
No. 60 IUCN / SSC Africa Elephant Specialist Group. IUCN, Gland, Switzerland. vi + 309pp.
47
Cangela, A., da C., N., P., (2014), Caracterização e Mapeamento do Regime de Queimadas na
Reserva Nacional do Niassa, S/ edição, S/ editora, Maputo-Moçambique.
Couto M., (2014), Abordagem Estratégica para o Combate ao Tráfico Ilegal de Fauna e Caça
Furtiva de Elefantes e Rinocerontes, WWF- Maputo, S/ edição, Moçambique.
Craig, G., C., (2009), Aerial Survey of Wildlife in the Niassa Reserve and Adjacent Áreas,
S/editora, S/edição, Maputo.
Da Silva, L., M., (2017) Cadeias de Markov e aplicações, /edição, S/ editora, Volta Redonda,
Rio de Janeiro.
Douglas-Hamilton (1979), African Elephants population trends and their causes, downloaded
from http:/www.cambridge.org/core. IP address: 197.235.36.10, on 03 Nov 2016 at 07:57:06,
subject to the Cambridge Core terms of use, available athttp:/www.cambridge.org/core/terms.
http://dx.doi.org/10.1017/S0030605300020433.
Fischer, J., Lindenmayer, D., B., (2006), Beyond Fragmentation: The continuum Model for
Fauna Reseach and Conservation in Human Modified Landscapes, Australia.
Filho, M., I., C., Meneses, P., R., Sano, E., E., (2015), Sistema de Classificação de Uso e
Cobertura da Terra com Base na Análise de Imagens de Satélite, S/ editora, S/ edição, Brasilia.
Freitas, M., I., C. de, Pancher, A., M., (2011), Classificação de Imagens, S/ edição, S/ editora,
Brasil.
Garnier, J., Dunham, K. M., Robertson, E.F., and Murphree, M., (1999), An Ecological and
Social Survey in Cabo Delgado Province, Northern Mozambique. Cabo Delgado Investments
Limited, Paris.
Grossmann, F., (2014), Aerial Survey of Elephant, Other Wildlife and Human Activity in the
Niassa Reserve and Adjacent Áreas, S/ editora, S/ edição, New York.
48
Hoare, R., E., (1999), Determinants of Human – Elephant in a Land-use Mosaic, S/ editora, S/
edição, Mombassa.
Macave, O., A., (2019), Mapeamento da Biomassa Lenhosa das Florestas de Miombo na
Reserva Nacional Do Niassa, S/editora, S/edição, Maputo.
49
May, F., Rosenbaum, B., Schurr, F., M., Chase, J., M., (2018), The Geometry of Habitat
Fragmentation: Effects of Species Distribuition Patterns on Extinction Risk Due to Habitats
Conversion, Germany
Neto, D., Barreiros, J. P., Ntumi, C., Teixeira, P., Matos, J. (2007), "Modelação da Distribuição
Espacial Potencial do Elefante Africano (Loxodonta africana, Blumenbach) na Reserva Especial
de Maputo, Moçambique", Cartografia e Geodesia 2007 – Actas da V Conferência Nacional de
Cartografia e Geodesia. ISBN: 978-972-757-478-0, Lisboa.
Nhongo, E., J., S., Fontana, D., C., Guasselli, L., A., Esquerdo, J., C., D., M., (2017),
Caracterização Fenólogica da Cobertura Vegetal Com Base em Série Temporal NDVI/MODIS
na Reserva Nacional do Niassa- Moçambique, Moçambique.
Pereira, R., S., Siqueira, M., F., (2007), Algoritmo Genético para a Produção de Conjuntos de
Regras : Megadiversidade, S/ edição, S/ editora, Brasil.
Pinheiro, R., T., Pinho, L., A., () Fragmentação e Ecologia de Paisagens, S/editora, S/edição,
Brasil.
Pinho, C., M., D., Feitosa, F., F., Kux, H., (2005), Classificação Automatica de Uso de Solo em
Imagens IKONOS: Comparação entre a abordagem Pixel a Pixel e orirntada a Objecto, S/
edição, S/ editora, Brasil.
RESE (2016), Caracterização dos Distritos abrangidos pelo Parque Nacional das Quirimbas, 1ª
edição, S/editora, Maputo- Moçambique.
50
Ribeiro, N., S., Saatchi, S., S., Shugart, H., H., Washington-Allen, R., A., (2008), Aboveground
Biomass and Leaf Area Index (LAI), Mapping for Niassa Reserve, Northern Mozambique,
Journal of Geophisical Research, Vol. 113, G02S02, Doi 10.1029/2007JG000550, 2008.
Ribeiro N., Bandeira, R., Ribeiro A., Chauque A., Nhamussua R., (2017), Uma Abordagem
Multidisciplinar para o Estudo do Efeito das Mudanças Climaticas e Queimadas sobre a
Floresta de miombo na Reserva Nacional de Niassa, Norte de Moçambique, S/ edição, S/
editora, Maputo.
Rodrigues, M., T., Rodrigues, B., T., Campos, S., (2015), Desempenho da Classificação
Supervisionada em Diferentes Sistemas de Informação Geografica, V. 11, nº5, pp. 25-27, São
Paulo.
RRNN (2017), Reflexão Sobre a Exploração e Gestão dos Recursos Naturais na Provincia do
Niassa, S/editora, S/edição, Moçambique.
Rombaldi D., M., Oliveira A., A., S., (2003), Fragmentação de Ecossistemas, Causas, efeitos
sobre a Biodiversidade e recomendação da Política Publica, ISBN-87166-48-4, Brasilia.
Santos M., S., T., Amaro V., E., Southo M., V., S., (2011), Metodologia Geodesica para
Levantamento de Linha de Costa e Modelagem Digital de Elevação de Praias Arenosas em
Estudo de Precisão de Geomorfologia e Dinânica Costeira, Revista Brasileira, V. 63, Brasil.
Seoane C., E., S., Diaz, V., S., Santos T., L., Fronte L., C., M., (2010), Corredores Ecologicos
como Ferramentas para a Desfragmentação de Florestas Tropicais, S/ editora, S/ edição, Brasil.
Silva M., A., (2010), Efeito da Insularização sobre Guildas de Aves nas Ilhas e Reservatórios da
UHE Balbina na Amazônia Brasileira, S/editora, S/edição, Manaus – Brasil.
Soares-filho B., S., Ciqueira G., C., (2007), Modelagem de Dinâmica de Paisagem: Comparação
e Potência de aplicação de Modelos de Simulação Baseados em Automato Celular, S/ edição, S/
editora, Brasil.
51
Stefanelli J. M., Pinheiro O. A. J., Montanha F. P. (2012), Comportamento dos elefantes
africanos Na Natureza Revisão de Literatura, S/edição, S/ editora, Brasil.
Tagliarini F. de, S., N., Rodrigues M., T., Rodrigues B., T., Campos S., (2017), Índice NDVI e
NDWI como Feramentas ao Mapeamento do Uso e Ocupação em Bacia Hidrografica, ISBN.
978-85-17-0008-1, Brasil.
Talal Y., Garay I., (2016), As Dimensões Humanas da Biodiversidade: A Imperativa das
Abordagens Integrativas, S/ edição, S/ editora, Petrópolis- Brasil.
Viana V., M., Pinheiro L., A., F., V., (1998), Conservação da Biodiversidade em Fragmentos
Florestais, S/edição, S/editora, Brasil.
Victor P., Nazerali S., (2017), Ocorrências das Espécies ameaçadas de Moçambique nos
Parques, Reservas e Coutadas em 2016, S/ edição, S/ editora, Maputo.
WWF (2013), Nota Informativa sobre a Matança de Elefantes como uma Ameaça a Segurança
Económica Moçambicana, S/ edição, S/ editora, Maputo – Moçambique.
http://.Glovis.usgs.gov/
http://earthexplorer.usgs.gov/
Preliminary Report Aerial Survey of Elephant and Other Wildlife in Mozambique (2018).
52