Heliooooo Helio TCC 2020 V2

GEOTECNOLOGIAS APLICADAS NA ESTIMATIVA DA TEMPERATURA
DA SUPERFÍCIE EM FLORESTAS NATIVAS E PLANTADAS NO DISTRITO

DE MULEVALA, ZAMBÉZIA
HÉLIO ELIDIO BERNARDO ALBERTO

UNIVERSIDADE ZAMBEZE
FACULDADE DE ENGENHARIA AGRONÓMICA E FLORESTAL
DEPARTAMENTO DE ENGENHARIA FLORESTAL
TRABALHO DE CONCLUSÃO DO CURSO

HÉLIO ELIDIO BERNARDO ALBERTO
MOCUBA
2020
UNIVERSIDADE ZAMBEZE
FACULDADE DE ENGENHARIA AGRONÓMICA E FLORESTAL
DEPARTAMENTO DE ENGENHARIA FLORESTAL

Autor: Hélio Elidio Bernardo Alberto

Orientador: Engo Hélder António Manjate (M.Sc)
Co-orientador: Engo Marchante Olímpio Assura Ambrósio
Monografia submetida à Faculdade de

Engenharia Agronómica e Florestal,
Departamento de Engenharia Florestal da
Universidade Zambeze, Mocuba, em parcial
cumprimento dos requisitos para a obtenção
do nível de Licenciatura em Engenharia
Florestal.
MOCUBA
2020
DECLARAÇÃO
Eu, Hélio Elidio Bernardo Alberto, declaro por minha honra, que esta monografia é
resultado do meu próprio trabalho e está a ser submetida para a obtenção do grau de
Licenciatura em Engenharia Florestal na Universidade Zambeze, Faculdade de
Engenharia Agronómica e Florestal. Ela não foi submetida antes para obtenção de
nenhum grau ou para avaliação em nenhuma outra Universidade.
_______________________________________
(Hélio Elidio Bernardo Alberto)
Mocuba, ____ de _________________ de 2020

DEDICATÓRIA
Aos meus pais Elidio Bernardo Alberto Cemente e Eva José Alfandega,
Aos meus irmãos Márcia Viegas, Orlanda Assumane, Isa Elidio, Quina Elidio e
Benjamim Calisto,
a minha filha Lenita Hélio, aos meus sobrinhos Yune da Orlanda, Eunice da Orlanda,
Armando da Orlanda, Violante da Orlanda e Mane da Orlanda.
Amo-vos imensamente!
AGRADECIMENTOS
À prior agradeço a Deus o clemente e misericordioso pela bênção, protecção que me tem
proporcionado todos os dias e por me ter concedido o dom da vida e por permitir-me
concluir o curso com saúde.
Aos meus pais Elidio Bernardo Alberto Cemente e Eva José Alfandega, por me terem
dado à luz e pela educação incansável que me têm transmitido e por me terem tornado o
homem que sou hoje.
À toda minha família, Orlanda Assumane, Isa Elidio, Quina Elidio e Benjamim Calisto,
a minha filha Lenita Hélio, aos meus sobrinhos Yune da Orlanda, Eunice da Orlanda,
Armando da Orlanda, Violante da Orlanda e Mane da Orlanda em especial a minha irmã
Márcia Viegas, por todo amor, companheirismo, apoio e por tornar possível a realização
de todos os meus objectivos.
Aos meus tios, Cariano Sede e Luísa Ramos. aos meus primos Nazir Cariano, Celma
Cariano, Clíton Cariano, Kelvin Cariano e Rui Cariano, por terem me recebido e cuidado
de mim como filho.
Um especial agradecimento aos meus supervisores Eng. Marchante Olímpio Assura

Ambrósio e Eng. Hélder António Manjate M.Sc pelo seu apoio, atenção e empenho
durante a realização do trabalho.
À todos os colegas da turma da geração de 2016, pela interacção e aprendizado constante

durante esses todos anos, ʺAos colegas Gamito Lesta, Milca Baltazar, Faruque Ribeiro,
Nazir Padil, Mussagy Ramudalaʺ.
Em especial aos meus colegas amigos Idelfoncio Sousa, Abdul Camusse, pelo apoio e
por se tornarem irmãos.
Aos meus amigos Elizabete Calisto, Abílio Portugal, Momade Siaca, Faizal Lima,
Felizardo Anselmo, Atumane Ajudante, António Bambo, Vânia Cossa, Armindo Mavehe,
Hélio Carlos, Iancy Jorge, Rizla José, Cadete Bamusse, Onésima Yanse, Marcelo Lopes,
José Wilson pelo apoio constante na vida social e académica.
À Faculdade de Engenharia Agronómica e Florestal, em especial ao Departamento de

Engenharia Florestal por me proporcionar oportunidade de aprendizado.
O meu muito obrigado à todos!

ÍNDICE
Conteúdo Páginas
I. INTRODUÇÃO ...................................................................................................... 1
1.1. Contextualização ................................................................................................ 1
1.2. Problema e justificativa de estudo ..................................................................... 2
1.3. Objectivos .......................................................................................................... 3
1.3.1. Geral ........................................................................................................... 3
1.3.2. Específicos .................................................................................................. 3
II. REVISÃO BIBLIOGRÁFICA .............................................................................. 4
2.1. Florestas ............................................................................................................. 4
2.1.1. Importância das florestas ............................................................................ 4
2.1.2. Florestas nativas ......................................................................................... 5
2.1.3. Plantações florestais ................................................................................... 5
2.2. Geotecnologias ................................................................................................... 5
2.2.1. Descrição e caracterização do satélite ........................................................ 6
2.2.2. Descrição do Drone DJI Mavic Pro ............................................................ 6
2.2.3. Uso e ocupação de terra .............................................................................. 8
2.2.4. Chaves de interpretação de imagens ........................................................... 8
2.2.5. Índices de Vegetação .................................................................................. 9
2.2.6. Temperatura da superfície ........................................................................ 11
2.2.7. Algoritmo de SEBAL ............................................................................... 11
2.2.8. Correção Atmosférica ............................................................................... 12
III. METODOLOGIA................................................................................................. 13
3.1. Descrição da área de estudo ............................................................................. 13
3.1.1. Localização geográfica ............................................................................. 13
3.1.2. Clima, solo e vegetação ............................................................................ 13
3.2. Procedimentos metodológicos ......................................................................... 15
3.3. Aquisição de dados ................................................................................... 16
3.3.1. Aquisição das imagens ............................................................................. 16
3.3.2. Elaboração do plano de vôo...................................................................... 16
3.4. Processamento e análise de dados ................................................................... 18
3.4.1. Uso e ocupação ......................................................................................... 18
3.4.2. Índice de vegetação .................................................................................. 19
3.4.3. Temperatura de superfície ........................................................................ 20
IV. RESULTADOS E DISCUSSÃO ......................................................................... 23
4.1. Uso e ocupação de terra ................................................................................... 23
4.2. Índices de vegetação ........................................................................................ 26
4.3. Temperatura de superfície................................................................................ 28
V. CONCLUSÕES E RECOMENDAÇÕES .......................................................... 32
5.1. Conclusões ....................................................................................................... 32
5.2. Recomendações ............................................................................................... 32
VI. REFERÊNCIAS BIBLIOGRÁFICAS ............................................................... 34
RESUMO
Esta pesquisa foi desenvolvida no distrito de Mulevala, posto administrativo de Mulevala-
sede, província da Zambézia, entre os paralelos 16°8'51.01'' e 16°11'16.58'' S e
meridianos 37°30'19.27'' e 37°32’48.68'' E. A mesma objectivou-se em analisar o
comportamento da temperatura de superfície em diferentes tipos florestais (floresta nativa
e plantada). Para o processamento dos dados foi usado o software QGIS 3.12.1 para
identificar as diferentes classes de uso e ocupação do solo, determinação de índice de
vegetação (NDVI) e da temperatura superficial. Na qual foram obtidas 6 classes de uso e
ocupação do solo (floresta nativa, plantada, agricultura, corpos de agua, solo exposto e
habitação) respectivamente, em relação ao índice de vegetação no período húmido
(04/12/2019) foram observados os valores mais altos de NDVI para floresta plantada,
para o período seco (0.54106) e para o período húmido foi (0.51808) e para floresta nativa
(0,56204) para o período chuvoso e (0,54675) para o período seco, não havendo
diferenças significativas entre os valores nos dois tipos de florestas em ambos os períodos.
A temperatura de superfície variou de acordo com a sazonalidade climática da região e o
tipo de vegetação existente, esta apresentou temperatura media para a floresta plantada
para o período seco de 20,9ºC e para período húmido temperatura media de 32,4ºC, no
que tange a floresta nativa no período seco registou a temperatura media de 21.2ºC e para
o período húmido temperatura media de 33,2°. A floresta nativa foi a que obteve maiores
valores de temperatura de superfície, para o período chuvoso apresentou média termal de
(33,2°C) comparado ao período seco (21,2°C.
Palavras – Chave: Índices de vegetação, Temperatura de superfície, floresta nativa e

plantada.
ABSTRACT
This research was carried out in the district of Mulevala, administrative post of Mulevala-
thirst, province of Zambezi, between the parallels 16 ° 8'51.01 '' and 16 ° 11'16.58 '' S and
meridians 37 ° 30'19, 27 '' and 37 ° 32'48,68 '' E. It aims to analyse the behavior of the
surface temperature in different types of forest (native and planted forest). For data
processing, QGIS 3.12.1 software was used to identify the different classes of land use
and occupation, determination of the vegetation index (NDVI) and the surface
temperature. In which 6 classes of land use and occupation were provided (native, planted
forest, agriculture, water bodies, exposed soil and housing), respectively, in relation to
the vegetation index in the wet period (12/04/2019) were observed the highest NDVI
values for planted forest, for the dry period (0.54106) and for the dry period was (0.51808)
and for native forest (0.56204) for the rainy period and (0.54675) for the dry period, with
no significant differences between the values in the two types of forests in both periods.
The surface temperature varied according to the climatic seasonality of the region and the
type of existing vegetation, this presentation average temperature for the planted forest
for the dry period of 20.9ºC and for the wet period average temperature of 32.4ºC, in what
the native forest in the dry period registered an average temperature of 21.2ºC and for the
humid period an average temperature of 33.2 °. The native forest was the one that obtained
the highest values of surface temperature, for the rainy period it presented thermal average
of (33.2 ° C) in relation to the dry period (21.2 ° C.
Keywords: Vegetation indices, Surface temperature, native and planted forest.

LISTA DE TABELAS
Tabela 1. Características das bandas ................................................................................ 6

Tabela 2. Caracterização do Drone DJI Mavic Pro. ......................................................... 7
Tabela 3. Detalhes da imagem captada pelo Drone DJI Mavic Pro. .............................. 17
Tabela 4. Detalhe da imagem satélite usada para análise da cobertura vegetal. ............ 17
Tabela 5. Chave de interpretação de imagens para uso e cobertura de Terra................. 19
Hélio Elidio Bernardo Alberto i

LISTA DE FIGURAS
Figura 1: Localização geográfica da área de estudo Fonte: Datum: WGS 1984 / UTM
Zone 37s. ........................................................................................................................ 13
Figura 2: Elaboração do plano de voo. .......................................................................... 17
Figura 3: Tipos de uso e cobertura do solo da área de estudo. ....................................... 24
Figura 4: Índice de vegetação de diferença normalizada (NDVI) do período chuvoso para
floresta plantada (C), período seco para floresta plantada (A), período chuvoso para
floresta nativa (D) e período seco para floresta nativa (B). ............................................ 27
Figura 5 : Temperatura da superfície dos dois tipos florestais (nativa e plantada) nos
períodos seco e húmido no distrito de Mulevala. Período chuvoso para floresta plantada
(C), período seco para floresta plantada (A), período chuvoso para floresta nativa (D) e
período seco para floresta nativa (B). ............................................................................. 30
Hélio Elidio Bernardo Alberto ii

LISTA DE ABREVIATURAS, ACRÓNIMOS E SIGLAS
FEAF Faculdade de Engenharia Agronómica e Florestal
NDVI Normalized Difference Vegetation Index
NIR Infravermelho próximo
shp Shapefile
SIG Sistema de Informação Geográfica
SR Sensoriamento Remoto
UCT Uso e Cobertura de Terra
IFN Inventário Florestal Nacional
USGS United Service Geologycal Search
SEBAL Surface Energy Balance for Land
DN Número digital
GSD Ground Sample Distance

KML Keyhole Markup Language
PMz Portucel Moçambique
QGIS Quantum Geographic Information System
FAO Food and Agricultural Organization
DJI Dà-Jiāng Innovations
RGB Red-Green-Blue
SIG's Sistemas de informações geográficas
SRC Sistema de referência de coordenadas
UTM Universal Transversa Mercator
LFFB Lei de Florestas e Fauna Bravia
GSD Ground Sample Distance
Hélio Elidio Bernardo Alberto iii

LISTA DE SIMBOLOS
% Percentagem
B Banda
ha Hectares
km Quilómetros
m Metros
tCO2 Total de dióxido de carbono
Lλ Radiância espectral
Hélio Elidio Bernardo Alberto iv

Geotecnologias aplicadas na estimativa da temperatura da superfície em florestas
nativas e plantadas de Mulevala, Zambézia
I. INTRODUÇÃO
1.1. Contextualização
As actividades antrópicas têm ocasionado intensos impactos nas paisagens do ambiente

natural por meio do forte processo de modificação das áreas naturais por várias formas
de uso e ocupação do solo e da redução da cobertura das áreas florestais (Moutinho,
2018). Entretanto, essas alterações impõem uma nova busca pelo equilíbrio da
distribuição dos componentes do balanço de radicação na superfície e na atmosfera (Leite,
2011).
A superfície terrestre tem sido palco de diferentes cenários no que tange à sua ocupação,
advindos das necessidades de desenvolvimento das sociedades, tendo sofrido
modificações demasiadas e aceleradas (Almeida et al., 2015). No entanto, Pereira (2014),
entende que para suprir as demandas da população ocorre remoção da vegetação,
desencadeia mudanças nas condições naturais do ambiente.
Porém, as florestas por mais pequenas que sejam são sistemas ecológicos do planeta,
desempenham através de seus processos de interacção solo, planta e atmosfera,
importante papel na regulação do clima regional e global (Gasparim et al., 2005).
Segundo Tasumi (2003), as florestas são responsáveis pela caracterização das trocas
energéticas que determinam os regimes térmicos, do solo, da vegetação e do ar.
De acordo com Pereira et al. (2012), estas alterações na cobertura da terra têm implicado
em novas buscas pelo equilíbrio da distribuição dos componentes do balanço de radiação,
levando ao aumento dos níveis de temperatura superficial dos diferentes elementos da
paisagem.
Portanto, com uso de instrumentos convencionais, podem demandar a necessidade de

esforços elevados, necessitando assim de formas mais ágeis e eficientes para obtenção de
informação do género, como técnicas advindas do sensoriamento remoto (Rosa, 2011).
Dentre estas técnicas de sensoriamento remoto, surgem inovações tecnológicas, bem

como os algoritmos ou modelos matemáticos que são fomentados para buscar melhores
resultados, no que tange as variações climáticas e as interacções entre Terra-atmosfera, a
exemplo o balanço de radiação e energia, que são elementos fundamentais para a
manutenção do clima mundial. Dentro dessas inovações, tem-se o algoritmo SEBAL,
proposto por Bastiaanssen (1995).
Hélio Elidio Bernardo Alberto 1

Conforme Tasumi (2003) este algoritmo mostrou-se eficiente, portanto foi testado e
validado em diversas regiões do globo como, por exemplo, Estados Unidos, China,
Egipto, Espanha, Argentina, Índia, Brasil entre outros. Os principais produtos gerados a
partir do SEBAL são, o albedo de superfície, balanço de onda curta, balanço de onda
longa, índices de vegetação como o NDVI, emissividade de superfície, temperatura de
superfície, saldo de radiação, fluxo de calor sensível, calor latente e a evapotranspiração
pixel a pixel.
1.2. Problema e justificativa de estudo
O crescente aumento do uso e ocupação do solo tem levado a fortes mudanças nos
balanços energéticos superficiais (Moutinho, 2018), provocando assim consideráveis
aumentos térmicos nos diferentes elementos da paisagem. Por isso, Pereira et al. (2012),
afirmaram que a radiação solar que chega a terra é distribuída de forma desigual na
superfície terrestre, por esse motivo é esperado que diferentes usos da terra e cobertura
vegetal apresentem distintos valores de temperatura superficial.
Assim, vários elementos ambientais estão directamente associados a esta acção, podendo
interferir na qualidade e acessibilidade dos recursos naturais, além de prejudicar a
biodiversidade em extensas áreas da terra (Oliveira et al., 2015). Contudo, Filho (2000),
afirmam que converter áreas florestais para qualquer outra finalidade, sendo sua execução
feita de forma desorganizada e sem o devido controlo das actividades inseridas no
processo, pode causar grandes problemas ambientais.
Portanto, os diferentes usos e ocupação que se fazem sentir nas florestas nativas de
Mulevala, como agricultura, habitação, solo exposto e plantações florestais, podem
contribuir significativamente para variações de energias térmicas, dai a necessidade de
comparar os dois (2) tipos florestais (nativa e plantada) para melhor compreender a
sazonalidade climática da região e na busca por respostas rápidas sobre alterações
climáticas (Xavier e Vettorazzi, 2004).
Um ambiente perturbado ainda que seja uma pequena porção em área, tenderá a
restabelecer o equilíbrio térmico com os sistemas circunvizinhos com isso, haverá
transferência de energia e consequentemente variação nos componentes do balanço de
radiação, principalmente os interligados a temperatura e evapotranspiração, e estas
alterações se manifestarão no tempo e no espaço (Leite, 2011).

Dai, a relevância do conhecimento da temperatura da superfície, uma vez que a esta tem
influência directa em vários processos ambientais como: germinação de sementes,
velocidade e duração de crescimento, desenvolvimento e actividade radicular, na
absorção de água e nutrientes pelas plantas e na actividade microbiana do solo, o que
torna relevante o conhecimento das temperaturas e propriedades térmicas do solo para o
entendimento dos vários processos físicos existentes num ambiente (Silva et al., 2006).
Todavia, é importante o monitoramento e a modelagem da temperatura do solo, no

decorrer do tempo, a fim de subsidiar acções de maneio e conservação do solo e dos
principais factores que influenciam a variação da temperatura do solo (Silva et al., 2015).
Deste modo, o uso de Geotecnologias surge como uma ferramenta promissora, sobretudo
para monitorar a temperatura da superfície, a qual vêm apresentando resultados
satisfatórios para monitorar e quantificar as condições e distribuições espaciais da
vegetação, mediante o uso do índice de vegetação, classificações espectrais e dados de
temperatura da superfície (Coelho e Correa, 2013). Mediante ao exposto, esta pesquisa
objectiva-se analisar o comportamento da temperatura de superfície em diferentes tipos
florestais (floresta nativa e plantada).
1.3. Objectivos
1.3.1. Geral
 Avaliar a temperatura da superfície em florestas nativas e plantadas com apoio das

Geotecnologias.
1.3.2. Específicos
 Identificar as diferentes classes de uso e ocupação do solo;

 Determinar o Índice de Vegetação por Diferença Normalizada (NDVI);
 Estimar a temperatura da superfície em florestas nativas e plantadas.

II. REVISÃO BIBLIOGRÁFICA
2.1. Florestas
A Lei de florestas e fauna bravia No 10/99 de 7 de Julho, define floresta com base nos
bens e serviços que esta oferece para a sociedade, natureza e ao ambiente. Segundo a
LFFB floresta é toda a cobertura vegetal capaz de fornecer madeira ou produtos vegetais,
albergar a fauna e exercer um efeito directo ou indirecto sobre o solo, clima ou regime
hídrico.
De acordo com Falcão e Noa (2016), as florestas são terras que ocupam no mínimo de 1
hectare com cobertura de copa maior que 30%, e com árvores com potencial para alcançar
uma altura de 3 metros na maturidade, áreas florestais temporariamente desbravadas e
áreas onde a continuidade do uso da terra excederiam os limiares de definição de floresta,
ou árvores capazes de alcançar esses limites in situ.
2.1.1. Importância das florestas

As florestas são um importante contribuinte para a economia do país, uma fonte de
emprego, renda e de subsistência nas zonas rurais de Moçambique, segundo a FAO,
(2009), o sector contribuiu com cerca de US $ 330 milhões para o PIB em 2011 e
empregou directamente 22.000 pessoas.
De acordo Marzoli (2007), as florestas fornecem bens e serviços de ecossistema de valor

local e global, estes incluem a regulação do clima através da captura e armazenamento de
carbono, protecção das bacias hidrográficas através do controle da erosão do solo,
qualidade e quantidade da água, bem como o habitat para espécies importantes a nível
global.
Embora as florestas de Moçambique tenham um enorme valor, segundo o autor

supracitado, estas têm sido eliminadas de forma acelerada. Com base no relatório do
último Inventário Florestal Nacional, descrito por Magalhães (2018), cerca de 267.000
hectares de florestas foram perdidos anualmente no período entre 2003 e 2013, uma taxa
histórica de desmatamento de 0,79%. Isso resultou em 40 milhões de tCO2 emitidos
anualmente, 57% do total de emissões de gases de efeito estufa dos 67 milhões de tCO2
emitidos no país. De 2014 a 2016, cerca de 86.000 hectares de florestas foram perdidos
anualmente, metade da taxa do período anterior

2.1.2. Florestas nativas
As florestas nativas são aquelas cujas formações acontecem com regeneração natural
assistida ou induzida, por meio de práticas silviculturais e florestas compostas por
espécies nativas, estabelecidas por plantio de mudas, sementes ou talhadia Leite et al,
(2017). Em diferentes estágios de conservação, são responsáveis por 93% da área florestal
global, ou 3,7 bilhões de hectares, embora sofram histórico declínio em área,
principalmente nas últimas décadas (FAO, 2015).
Segundo (MFA, 2009), Moçambique tem 34 milhões de hectares de floresta natural,

cobrindo 43% da sua área. O ecossistema florestal predominante é o Miombo, que cobre
cerca de dois terços da área florestal total. Outros ecossistemas florestais incluem hotspots
de biodiversidade reconhecidos internacionalmente, como as florestas costeiras no Sul,
florestas de montanha africanas no centro de Moçambique e florestas secas costeiras no
Norte; e a segunda maior área de mangais de África.
2.1.3. Plantações florestais
De acordo com FAO (2011), plantações florestais são florestas compostas por espécies
introduzidas ou nativas, estabelecidas mediante plantio ou semeadura por um
espaçamento regular e de mesma idade, com uma característica versátil tanto em termos
de maneio como de objectivos.
Porém, a FAO (2015), considera florestas plantadas, as florestas compostas

predominantemente por árvores que resultam de semeadura ou plantio, cultivadas com
enfoque económico e com fins comerciais a produção de bens e serviços florestais para o
desenvolvimento social e económico do país e a mitigação dos efeitos das mudanças
climáticas.
2.2. Geotecnologias
Segundo De Oliveira e Nascimento (2017), as geotecnologias, correspondem às

tecnologias para a colecta, organização, tratamento e representação de dados e
informações georreferenciadas.
Porém, Tosto et al. (2014), sustenta que as geotecnologias são um conjuntos de técnicas
e métodos científicos aplicados à análise, à exploração, ao estudo e à conservação dos
recursos naturais, considerando diferentes escalas de informação espacial usadas para
estudar a paisagem (topografia, hidrografia, geologia e geomorfologia) e variáveis
ambientais (temperatura, pluviosidade e radiação solar), analisar e auxiliar na prevenção

de desastres naturais (enchentes, terramotos e erupções vulcânicas), além de gerenciar e
de monitorar a actividade humana (infra-estrutura, agro-pecuária e dados
socioeconómicos).
Portanto, a utilização das tecnologias de geoprocessamento e sensoriamento remoto é

hoje muito difundida e amplamente aparelhada para a realização de uma grande relação
de tarefas de natureza diagnóstica, planeamentos, desenvolvimento e acompanhamento
de projectos em várias áreas temáticas (Rosa, 2005).
2.2.1. Descrição e caracterização do satélite
O satélite Landsat-8 é oitavo da série de satélites do Programa Landsat, foi lançado no

dia 11 de Fevereiro de 2013, operando a uma altitude de 705 km, numa órbita
heliossíncrona com inclinação de 98,2° (ligeiramente retrógrada), semelhante às órbitas
das séries Landsat 5 e 7 (USGS, 2013).
Segundo Santos (2013), a cobertura das imagens desse satélite é de praticamente todo o
globo, com excepção para as mais altas latitudes polares, com uma resolução temporal de
16 dias. A plataforma Landsat-8 opera com dois instrumentos imageadores, sendo o
primeiro, Operational Land Imager (OLI), com nove bandas espectrais incluindo a banda
pancromática, apresentando as seguintes características tabela 1:
Tabela 1. Características das bandas
Bandas Descrição
B01 Visível Ultra-Azul (0.43 - 0.45 µm) 30 m ideal para estudos costeiros e aerossol.
B02 Visível Azul (0.450 - 0.51 µm) 30 m
B03 Visível Verde (0.53 - 0.59 µm) 30 m
B04 Visível Vermelho (0.64 - 0.67 µm) 30 m
B05 Infravermelho Próximo (0.85 - 0.88 µm) 30 m
B06 Infravermelho Médio/SWIR 1 (1.57 - 1.65 µm) 30 m
B07 Infravermelho Médio/SWIR 2 (2.11 - 2.29 µm) 30 m
B08 Pancromático (PAN) (0.50 - 0.68 µm) 15 m
B09 Cirrus (1.36 - 1.38 µm) 30 m - útil para detecção de nuvens
B10 Infravermelho Termal (TIRS)1 (10.60 – 11.19) 100 m
B11 Infravermelho Termal (TIRS)2 (11.50 – 12.51) 100 m
Fonte: USGS (2013).
2.2.2. Descrição do Drone DJI Mavic Pro
O DJI Mavic Pro também conhecido como Mavic Pro, foi o primeiro Drone da série
Mavic lançado em 2016, pela companhia Chinesa DJI (MND, 2018). Portanto, este foi

considerado um dos primeiros Drones personalizados, no mercado, projectado para ser

ultraportátil e rápido de ser lançado, o Mavic pro é constituído por quatro braços
dobráveis e hélices que se encaixam perfeitamente em seu corpo aerodinâmico segundo
retrata DJI (2017).
Segundo Cranz (2016), o Drone pode ser operado através do controlo remoto de longo
alcance, ou pelo smartphone a uma distância menor. O mesmo autor diz que, quando este
é controlado por um smartphone, todo o sistema pode ser configurado e transportado por
via aérea em menos de 1 minuto para capturar as imagens. Também, o modelo e sua
câmera acoplada que possui um estabilizador (Gimbal) de três eixos tem as características
apresentadas na Tabela 2.
Tabela 2. Caracterização do Drone DJI Mavic Pro.
Item Descrição
Sensor Pixels efectivos: 12,35 M (Total de pixels: 12,71 M)
Tamanho da imagem 4000 × 3000

Modo de fotografia continua Um tiro, Tiro de ruptura: 3/5/7 quadros, Bracketing
de exposição automática (AEB): 3/5 quadros
enquadrados a 0,7 EV de polarização.
Câmera Sistemas de arquivos FAT32 (≤ 32 GB); ex FAT (> 32 GB), Foto JPEG,
suportados DNG
Memorias Micro SD ™· Capacidade máximo: 128 GB.
Temperatura operacional 0 ° a 40 ° C (32° a 104° F).
Dimensões Dobrado H83mm x W83mm x L198mm, Diagonal
(Hélices Excluídas) 335 mm.
Peso (Bateria e Hélices 734 g (excluindo a tampa do Gimbal) e 743 g
Incluídas) (incluindo a tampa do Gimbal).
Aeronave Velocidades Velocidade Máxima de subida 5 m/s, de Descida 3
m/s de voo ou deslocamento 18 m/s.
Voo Altura Máxima 5.000 m, autonomia de voo 27
minutos e Distância Máxima de Viagem (Uma
Bateria Completa, Sem Vento) 13 km.
Sistemas de Posicionamento GPS / GLONASS embutido.
por Satélite
Bateria de voo inteligente Tensão 11,4 V, Tipo de Bateria LiPo 3S, Energia
43,6 Wh, Peso Líquido aproximadamente 1.0 libras
(240 g), temperatura de carregamento 5° a 40° C.
Fonte: DJI (2019).

2.2.3. Uso e ocupação de terra
De acordo com Pereira et al. (2012), este é um conceito híbrido, formado por três (3)
aspectos: uso, cobertura ou ocupação e solo. O termo diz respeito ao que o homem
constrói ou insere sobre a superfície ou como maneia a terra como agricultura, pastagens,
cidades, entre outros (Ferreira, 2010). A alteração no uso do solo são uns dos principais
causadores dos impactos ambientais, destacando as alterações da temperatura terrestre,
mostrando uma interferência no solo, vegetação e na paisagem local (Alves et al.,2003).
Segundo Ferreira (2010), a identificação do uso e cobertura de terra constitui-se em

importante elemento para um estudo ligado à temática ambiental, pois o dado mais
actualizado sobre uma determinada área auxiliará, dentre outros, na identificação e
localização dos agentes responsáveis pelas suas condições ambientais.
Conforme Alves e Conceição (2015), o uso e ocupação do solo reúnem informações sobre
o grau de preservação, conservação ou artificialização de um determinado lugar do globo
terrestre. A importância da análise do uso e da ocupação do solo em estudos de distinção
ambiental justifica-se especialmente pela necessidade da identificação de fontes ou
potenciais fontes de alterações do ambiente.
Porém, Sousa et al. (2010), sustentam que a análise do uso e cobertura do solo, mediante
informações de Sensoriamento Remoto, constitui uma técnica de grande utilidade ao
planeamento e administração da ocupação ordenada e racional do meio físico, além de
possibilitar avaliar e monitorar a preservação de áreas de vegetação natural.
Ceron e Diniz (1966), citados por Ferrão (2019), afirmam que, uma das principais
aplicações do sensoriamento remoto voltadas para a planificação agrícola, silvícola e
ambiental é o mapeamento do uso e cobertura da Terra. Os referidos autores, afirmam
que o mapeamento do uso e cobertura da Terra, é feito de maneira visual utilizando os
elementos de reconhecimento da fotogrametria interpretativa, como cor, textura, forma e
contexto.
2.2.4. Chaves de interpretação de imagens
Nessa caracterização são definidos elementos de interpretação, quais sejam: tonalidade,

cor, textura, forma, estrutura e sombra das feições (Florenzano, 2002; Novo, 2010). Além
do uso dos elementos de interpretação, Filho (2000), assegura que a composição de uma
chave de interpretação pode ocorrer de duas maneiras: a partir da apresentação de imagens

ou fotografias que ilustrem feições, objectos ou condições a serem identificados na

imagem sob interpretação, ou por meio de palavra ou gráfico descritivo que inicie o
reconhecimento de características de feições na imagem.
Segundo Filho (2000), as chaves podem ser classificadas entre três categorias: selectiva,
quando contém expressiva quantidade de exemplos fotográficos com suporte de texto;
dicotómica, quando apresenta selecção entre duas alternativas contrastantes; e
eliminatória, quando o ajustamento ocorre conforme a interpretação se dê passo a passo,
eliminando todas as feições e tendo como resultado um objecto a ser relacionado.
2.2.5. Índices de Vegetação
Segundo Ponzoni e Shimabukuro (2010), os índices de vegetação são importantes

ferramentas geradas por técnicas de sensoriamento remoto que têm sido amplamente
empregados em diversos trabalhos que buscam relacionar as informações captadas pelos
sensores com a vegetação presente na área imageada.
Barbosa (2016), define os índices de vegetação como modelos matemáticos

desenvolvidos para avaliar a cobertura vegetal, relacionando a assinatura espectral e os
parâmetros mensuráveis no campo tanto quantitativamente, quanto qualitativamente.
Através destes índices são obtidas informações a respeito da quantidade de biomassa
verde e dos parâmetros de crescimento e desenvolvimento da vegetação (Moutinho,
2018).
Entretanto, Brandão et al. (2005), ressaltam que os índices de vegetação devem satisfazer
uma série de critérios, tais como: maximizar os parâmetros biofísicos, normalizar efeitos
externos, minimizar a contaminação da influência do solo, conduzir a geração de produtos
que permitam a comparação das condições de vegetação em escalas globais.
Porém, o mapeamento da vegetação na superfície terrestre tem recebido grande destaque

devido aos diversos índices de vegetação utilizados nas mais diferentes fitofisionomias
representativas dos biomas mundiais (Oliveira e Baptista, 2015). Segundo a mesma fonte,
entre estes índices, tem-se destacado o Índice de Vegetação por Diferença Normalizada
(NDVI).
2.2.5.1. Índice de Vegetação da Diferença Normalizada (NDVI)
Estabelecido pela relação entre a diferença e a soma das reflectâncias do infravermelho e

do vermelho do espectro electromagnético, por responder fortemente à actividade
fotossintética, tem sido utilizado amplamente em trabalhos de monitoramento e

diagnóstico na agricultura, silvicultura, vegetação natural e desertificação (Barbosa,
2016).
Padolfi et al. (2018), afirmam que o Índice mais empregado na avaliação da cobertura
vegetal é o NDVI. Este tem sido utilizado para detectar os efeitos da sazonalidade, o
estágio fenológico da vegetação, duração do período de crescimento, pico de verde,
mudanças fisiológicas das folhas e períodos de senescência (Ponzoni e Shimabukuro,
2010).
Segundo Rouse et al. (1973) citado por De Lima et al. (2017), o seu cálculo é obtido pela
razão entre a diferença das reflectividades das bandas no NIR e no RED, pela soma dessas
mesmas reflectividades. A mesma fonte, diz que o NDVI é aplicado às imagens da faixa
de espectro electromagnético do NIR e do RED e varia de -1 a +1, sendo que quanto mais
próximo de 1, mais densa é a vegetação e que o valor zero se refere aos pixels não
vegetados.
2.2.4.1.1 Factores limitantes no índice NDVI
Embora o índice NDVI tenha sido bastante utilizando ele apresenta algumas limitações,
as quais implicam nos resultados alcançados, tais como interferência devido a cor do solo
e nos efeitos de humidade (Jensen, 2009). De acordo com Fontana (2011) estas limitações
podem ser os efeitos atmosféricos, a nuvens e efeitos do solo.
 Efeitos Atmosféricos: Devido aos aerossóis e ao vapor de água as medições de

reflectância podem ser afectadas, comprometendo o NDVI.
 Nuvens: Comprometem a imagem de forma parcial ou total, causando “perda de
informação” na imagem ou fazendo sombra no solo, interferindo na obtenção do
índice de vegetação por diferença normalizada. Quando a nuvem é nítida, há
facilidade na percepção da interferência causada, porém quando se trata de nuvens
como Cirrus e outras de pequenas dimensões menores que o diâmetro efectivamente
amostrado pelos sensores do satélite, se torna mais difícil a visualização desses
interferentes, podendo comprometer significativamente o NDVI.
 Efeitos do Solo: A reflectância do solo é influenciada pelo teor de água, que tende a
ser mais escuro quando molhado e também por superfícies que reflectem a luz em
diferentes direcções.

2.2.6. Temperatura da superfície
A temperatura da superfície é influenciada pelo tipo e condições da cobertura da

superfície, por isso faz se necessário avaliar a cobertura do solo, importante no estudo do
microclima e da dinâmica das trocas de energia entre o solo e a atmosfera (Silva e Leite
2017).
Portanto a temperatura da superfície terrestre é outro factor extraído por técnicas de

Sensoriamento Remoto, largamente utilizado porque, além de ser importante no
monitoramento de condições de vegetação e variabilidades bioclimáticas, fornece
estimativas uniformes e dados contínuos de alta frequência espaço-temporal (Liu, 2006).
Solos que possuem baixo albedo e uma condutividade alta, resulta em um microclima
suave e estável, uma vez que o excesso de calor é absorvido e armazenado e quando a
temperatura diminui é devolvido mais rapidamente. Já superfície com albedo alto e baixa
condutividade proporciona um microclima extremo, pois não há um equilíbrio dos
contrastes. Assim naturalmente o microclima nas cidades apresentam comportamento
diferente das áreas com maior concentração de vegetação, devido a presença de
pavimento e materiais articulados, que actuam absorvendo a temperatura, tornando o
microclima mais quente durante o dia e frio durante a noite (Lynch, 1980).
2.2.7. Algoritmo de SEBAL
O modelo SEBAL (Surface Energy Balance Algorithm for Land) (Bastiaanssen, 2007) é
um algoritmo semi-empírico que promove a parametrização do balanço de energia e
fluxos de superfície baseado em alguns dados locais e medições espectrais de satélites
(Weligepolage, 2005). De acordo com o autor acima citado utiliza imagem de satélites e
algumas informações das superfícies tais como: temperatura do ar e velocidade do vento
que são facilmente obtidas nas estações meteorológicas.
O algoritmo SEBAL (Surface Energy Balance Algorithm for Land) foi desenvolvido em
1995 por Bastiaanssen (Bastiaanssen et al., 1998; Bastiaanssen, 2000) e validado em
vários ecossistemas mundiais, como Egito, Espanha, Portugal, França, Itália, Argentina,
China, Índia, Paquistão, Nigéria, Zâmbia, Etiópia, Estados Unidos, Novo México, etc.
(Tasumi, 2003). É necessário que os canais visíveis, infravermelho próximo e
infravermelho termal sejam tomados como dados de entrada para o processo (Meireles,
2007).

Meireles (2007) aplicou o SEBAL para estimativa da evapotranspiração real, utilizando

imagem do satélite Landsat 5 - TM na bacia do Acaraú – CE. Bastiaanssen & Zwart
(2007) utilizaram o SEBAL para determinar a evapotranspiração, produção de biomassa
e produtividade da água no Vale Yaqui, México.
Bastiaanseen (2000), o SEBAL é um algoritmo para determinação dos mapas de

evapotranspiração para grandes áreas. Ele é processado por meio de rotinas
computacionais que predizem um balanço completo da radiação e da energia ao longo da
superfície da Terra.
2.2.8. Correção Atmosférica
A atmosfera pode causar interferência nas imagens de satélite, sobretudo, a diferenciação

dos alvos em superfície. Diante disto Novo (2010), diz que é necessário realizar a
correcção atmosférica, principalmente quando se deseja obter informações de
reflectância, emitância ou retroespalhamento, para modelos empíricos de determinados
objectos, e quando há a comparação de imagens em diferentes datas.
Em função desta explicação, fica clara a necessidade da correcção atmosférica para este
trabalho, cujo objectivo é encontrar a temperatura de superfície. Tal facto é mais
proeminente em função de se objectivar em analisar duas diferentes datas de imagens.
Portanto, Steinke (2004), afirma que caso a correcção não seja efectivada, pode ocorrer
“contestação dos valores de incremento de temperatura encontrados”. Relatos de Voogt
e Oke (1998) citados por Ummus et al. (2008), apontam que a não utilização desta, pode
gerar erros de 4 a 7° C na temperatura obtida.
A correcção para a reflectância absoluta depende de dados de calibração registrados pelo

satélite em órbita, como dados de transferência radiactiva, emissividade de superfície,
entre outros (Novo, 2010; Coll et al., 2010).

III.METODOLOGIA
3.1. Descrição da área de estudo
3.1.1. Localização geográfica
A área de estudo localiza-se no distrito de Mulevala, posto administrativo de Mulevala-

sede, província da Zambézia, entre os paralelos 16°8'51.01'' e 16°11'16.58'' S e
meridianos 37°30'19.27'' e 37°32’48.68'' E, com uma extensão de 2012 hectares, a área é
gerida pela Portucel Moçambique distando aproximadamente 27 km da sede do distrito
(figura 1).
Figura 1: Localização geográfica da área de estudo Fonte: Datum: WGS 1984 / UTM Zone 37s.
3.1.2. Clima, solo e vegetação
É influenciada pelo clima do tipo tropical chuvoso de savana onde as precipitações medias
anuais são acima de 800 mm, chegando na maioria dos casos 1200 ou mesmo 1400 mm,
concentrando-se no período compreendido entre Novembro de um ano e finais de Março
podendo localmente estender-se ate Maio de acordo com (Direcção Nacional de Terras
2005).
Evapotranspiração potencial regista valores médios na ordem de 1000 a 1400 mm e as

temperaturas medias anuais variam de 24º a 26ºC, facto que possibilita e encoraja a pratica

1
de agricultura de sequeiro com apenas uma colheita sem riscos significativos de perda
das culturas devido o deficit hídrico.
O distrito possui bacia hidrográfica rica, formadas por 4 rios principais (Namuma,
Nipoide, Mutuaze e Mulequela) e seus afluentes sendo o rio Namanda, o principal. Os
rios são de regime permanente quer na época chuvosa e na época seca. As bacias
hidrográficas apresentam potencialidades para as praticas de piscicultura, agricultura e
pecuária e condições naturais para construções de represas parra irrigação e bacias para
produção de energia eléctrica.
Ocorre ao sul da região da Alta Zambézia e marca a transição para região de alta latitude.
Tem uma altitude media, compreendendo planaltos baixos, médios e sub-planaltos que
abrangem altitudes de 200 a 1000 metros acima do nível medio do mar, o relevo apresenta
declives que variam suavemente ondulados e fortemente dessecados.
É dominada por solos residuais derivados, na maioria, de rochas metamórficas e eruptivas

do soco pré-câmbrico em particular, do complexo gnaisso-granitico do Moçambique Bilt.
São solos de textura variável, de profundos a muito profundos, localmente pouco
profundos, castanhos-avermelhados, sendo ainda ligeiramente lixiviados, excessivamente
drenados e moderadamente bem drenado. Ocorre ainda solos aluvionares e hidromorficos
ao longo das linhas de drenagem natural associados aos dambos.
Vegetação
Ocorre dois (2) tipos genéricos de florestas de Miombo nomeadamente: Mata de Miombo
semi-decídua de alta precipitação (Brachystegia spiciformis) e Mata de Miombo aberta e
decídua (Brachystegia spiciformis-Julbernardia globiflora) (Wild e Barbosa, 1967).
Na África Austral o principal tipo de vegetação é a mata de Miombo. Miombo é um termo

para nomear matas dominadas por membros dos géneros de Brachystegia e/ou
Julbernardia. Em Moçambique o Miombo cobre a maior parte do Niassa, Cabo Delgado,
Nampula, Zambézia, Sofala, Manica e Inhambane. Na Zambézia o Miombo é o principal
tipo de vegetação cobrindo cerca de 70% da Província.
1
O shapefile – é um formato popular de arquivo contendo dados geoespaciais em forma de vector usado
por Sistemas de Informações Geográficas.

A mata de Miombo semi-decídua de alta precipitação encontra-se em Ile, Namarrói e

áreas adjacentes às montanhas do Gurué, Nauela, Alto Molocué, Tacuara e Milange.
Os solos são vermelhos, argilosos, compactos e normalmente ferralíticos. Nas condições

naturais as matas são mais ou menos densas e uma camada arbustiva mais densa. A
espécie dominante é de Brachystegia spiciformis. Em áreas secundárias existe abundância
de Albizia adianthifolia, Harungana madagascariensis, Parinari curatellifolia,
Oxytenathera abyssinica, Bauhinia petersiana, Piliostigma thonningii, Erythrophleum
suaveolens, Pterocarpus angolensis, Afzelia quanzensis, Millettia stuhlmanii e
Pterocarpus polyanthus.
3.2. Procedimentos metodológicos
Para que os objectivos propostos nesse estudo fossem alcançados, o mesmo foi dividido
em três (3) principais etapas sequencialmente:
A primeira, consistiu na realização de uma revisão da literatura sobre o tema e assuntos

correlatos, procurando sempre destacar e realçar a importância da temperatura da
superfície em diferentes tipos florestais (florestas nativas e plantadas) no período seco e
chuvoso.
A segunda etapa, consistiu na aquisição de imagens satélite no Landsat-8, no site https:/

/urs.earthdata.nasa.gov/ com suas respectivas orbitas dos sensores OLI e TIRS para a
elaboração dos mapas e na realização do vôo Drone para aquisição de imagens, por
2
conseguinte, a digitalização da área de estudo para os diferentes usos e ocupação, assim
como, das condições existentes no terreno.
A terceira e última etapa, consistiu na determinação (NDVI), mapeamento da

temperatura de superfície, executado no software QGIS 3.12.1, destacando a ferramenta
calculadora Raster, modelador matemático que permite a entrada em blocos das imagens
de satélite no algoritmo SEBAL e por fim efectuar-se o processamento, análise,
interpretação, apresentação dos resultados e conclusões.
2
KML (Keyhole Markup Language) é um formato de arquivo usado para exibir dados geográficos em um
navegador da Terra, como Google Earth, Google Maps, etc.

3.3. Aquisição de dados
Para a obtenção do shapefile da área de estudo, foi necessário a digitalização no software

QGIS-3.12.1 das plantações da empresa Portucel Moçambique dentro da floresta nativa
no distrito de Mulevala, no SRC: WGS 84 / UTM Zone 37s.
3.3.1. Aquisição das imagens
Para a realização desta pesquisa, as imagens foram adquiridas de duas (2) vias diferentes,
uma na base de Drone que tinha como objectivo a delimitação dos diferentes usos e
ocupação da terra, e a outra foi adquirida através de satélite que foi imprescindível no
mapeamento do índice de vegetação e a temperatura superficial.
A aquisição de imagens de alta resolução realizou-se utilizando o Drone multirotor

modelo DJI Mavic Pro, controlado através do aplicativo DroneDeploy no dispositivo
Android Galaxy, conectado ao rádio controlo do Drone.
O sensor utilizado para captar as imagens foi a câmera de 12,71 megapixel possuindo três
(3) canais no espectro visível (RGB) e uma do NIR, configurada a uma distância focal de
20 mm (DJI, 2019). O plano de voo recobriu uma área de aproximadamente 3,66 km2
com autonomia de vôo de 27 minutos.
3.3.2. Elaboração do plano de vôo
O plano de vôo foi elaborado utilizando o aplicativo DroneDeploy, auxiliado pelo

software QGIS 3.12.1. O processo consistiu primeiramente na utilização do software
QGIS 3.12.1 para criação de uma camada shapefile, de seguida, a camada foi convertida
no formato KML para posteriormente ser importada para o site www.dronedeploy.com.
No site acima mencionado, foram estabelecidos os parâmetros ‘‘configuração do plano

de vôo’’ que foram utilizados durante o vôo, dentre eles foram destacados: ponto inicial
1, altura de vôo 300 m, velocidade de mapeamento 15 m/s, direcção do vôo 0°, e
recobertura ou sobreposição frontal e lateral 75%. O aplicativo permitiu automaticamente
ilustrar o tamanho da área (2012 hectares), o número de fotografias (3502), de baterias
(17) e o tempo total de vôo (261: 45 minutos), de acordo como é ilustrado na figura 2 e
os detalhes se apresentam na tabela 3:

Figura 2: Elaboração do plano de voo.
Tabela 3. Detalhes da imagem captada pelo Drone DJI Mavic Pro.
Data de Altura GSD Resolução Sobreposição Sobreposição

aquisição do voo radiométrica frontal lateral
02.09.2020 300 6 cm/pixel 28 bits 75% 75%
Fonte: Elaborado pelo autor.
A imagem do satélite Landsat 8 foi obtida no site https://urs.earthdata.nasa.gov/, com

auxílio de Software QGIS 3.12.1 e os seus detalhes espaciais (tabela 4), pelo facto de esse
satélite apresentar a banda termal e atenderem ao recorte temporal aqui delimitado. A
partir disto, foram gerados os cálculos de índices de vegetação (NDVI) (bandas 4 e 5) e
mapas de temperatura de superfície do ano 2019 baseados nas imagens da banda termal
do satélite Landsat 8 (banda 10).
Tabela 4. Detalhe da imagem satélite usada para análise da cobertura vegetal.
Data de Zona Cobertura Min_lat Min_lon Max_lat Max_lat Hora

aquisição das nuvens
02.01.2019 166 3 -16.952 35.994 -14.8536 38.1292 07:34:51
04.12.2019 166 19 -16.952 35.994 -14.8536 38.1293 07:34:25
Fonte: Elaborado pelo autor.
Foram utilizadas para o efeito imagens de 2019 nos períodos seco e chuvoso, sendo
02/01/2019 e 04/12/2019. A escolha destes períodos foi para compreender a variação da
temperatura de superfície diante da sazonalidade climática. Após a montagem do banco

de dados, foi realizado o processamento digital das imagens de satélite e iniciou-se com
a composição colorida das imagens, utilizando as seguintes bandas: RGB.
3.4. Processamento e análise de dados
Os procedimentos metodológicos adoptados para a mensuração da temperatura de

superfície no distrito de Mulevala no ano de 2019 pautaram-se na aquisição e o tratamento
(determinação de NDVI e radiância) das imagens do satélite Landsat 8, com seus
respectivos sensores OLI e TIRS. Na aplicação de fórmulas e procedimentos no software
QGIS 3.12.1, para a identificação do campo térmico da área de estudo e temperatura
superficial e na correcção atmosférica, a fim de constatar imagens com menor
interferência de partículas da atmosfera. Todos estes passos citados acima, estão
especificados de forma minuciosa nos tópicos que se seguem.
3.4.1. Uso e ocupação
Para produção do mapa da classe de uso e ocupação de terra, foi realizado a digitalização
do ortomosaico da área de estudo no software QGIS 3.12.1 com auxílio da calculadora
Raster, este é um complemento que se encontra no software. A prior, adicionou-se o shp
da área de estudo, que foi sobreposta ao ortomosaico que apresenta em sua composição a
combinação das bandas (RGB). Permitindo assim a criação de um mapa de Uso e
Ocupação com suas respectivas dimensões.
Portanto, a interpretação visual de imagens consistiu na identificação de feições, a partir

das diferentes características que a imagem apresenta (Novo, 2010). Para auxiliar nesse
processo de interpretação recorreu-se a uma chave de interpretação. A função desta é
caracterizar feições de interesse, de modo a facilitar a identificação de outras feições com
características similares na imagem (Rosa, 2007).
Entretanto, para o presente trabalho a chave de interpretação foi elaborada com base no
método adoptado por Ayach et al. (2012), que se baseia em três (3) características para o
processo de extracção de informações, a saber: tonalidade/cor, textura e forma (tabela 5).

Tabela 5. Chave de interpretação de imagens para uso e cobertura de Terra.
Imagens Classes de Descrição Textura/forma Tonalidade/cor

uso e
cobertura
Plantações Áreas cobertas por Rugosa/regular Verde-claro e
florestais florestas plantadas Escuro
de espécies Nativas
ou exóticas.
Floresta Área coberta com Rugosa/irregular Verde-claro e
nativa Floresta nativa e amarelo
apresenta três
estratos (baixo,
médio e alto).
Habitações Áreas ocupadas Rugosa/irregular Cinza e castanho
com construções envermelhado
urbanas e rurais.
Corpo de Áreas ocupadas Lisa/irregular Azul e castanho

água com água livre de
vegetação (Rios, e
lagos naturais ou
artificiais).
Agricultura Área ocupada por Semi Castanho
agricultura rugoso/irregular esvermelhado
itinerante.
Solo exposto Áreas com ausência Lisa/irregular Castanho

de vegetação. esvermelhado
Fonte: Ayach et al. (2012).
3.4.2. Índice de vegetação
3.4.2.1. Índice de Vegetação por Diferença Normalizada (NDVI)
Segundo Rouse et al. (1974), citado por Gurgel (2000), o NDVI é expresso pela razão
entre a diferença da medida da reflectância nos canais do infravermelho próximo e
vermelho e a soma desses canais, o NDVI foi calculado por meio da
equacção 1:

Equacção 1: Equacção de índice de vegetação por diferença normalizada.

NIR-RED
NDVI= NIR+RED (1)
Onde: NIR – Banda 5 do infravermelho próximo; RED – Banda 4 do vermelho.
3.4.3. Temperatura de superfície
Para a geração da temperatura de superfície, foram utilizados os métodos de Coelho et.

al. (2013) e Coelho e Correa (2013) nas bandas do infravermelho termal do satélite
Landsat–8, que é fundamentada respectivamente nas equações (2), (3) e (3)
disponibilizadas pelo serviço geológico americano onde é utilizado os parâmetros fixos
de conversão de níveis de cinza das imagens para a radiância.
O sensor de um satélite fornece informações pelas quais se obtém a radiância emergente

do sistema terra-atmosfera o que, conforme Sospedra et al. (1998), possibilita o computo
da temperatura de brilho através da equacção de Planck. A radiância L(λ) (W m-2 sr-
1µm-1) registrada pelo satélite é obtida pela conversão do nível de cinza ND, com
variação entre 0 e 255, conforme a equacção 2:
a) Fórmula e parâmetros de conversão para o satélite Landsat – 8 (equacção 2):
L λ = ((lmax λ - λ Lmin) / (QCALMAX - QCALMIN)) * (QCAL - QCALMIN) + Lmin λ (2)

Onde:
L λ - Radiância espectral em sensor de abertura de em Watts/(m2srμm);
QCAL - Valor de pixel quantizado e calibrado em DN;
Lmin λ - A radiância espectral que é dimensionado para QCALMIN em Watts;
Lmax λ - A Radiância espectral que é dimensionado para QCALMAX;
QCALMIN - O valor mínimo do pixel quantizado e calibrado (correspondente a Lmin λ), em DN;
QCALMAX - O valor máximo quantizado e calibrado de pixel (correspondente a Lmaxλ), em DN.
Para o processamento da imagem, empregaram-se os valores, expressos na fórmula 3:

(3)
Lλ = ((22.001- 0.100) / (65535.0 - 1.0)) * (banda 10 - 1.0) + 0.100
Dumke (2007) diz que esses valores não são constantes, podem variar dependendo do
satélite e/ou sensor adoptados, data de imageamento, dados obtidos nas imagens, entre
outros.

b) Correcção atmosférica
Para realizar a correcção atmosférica da banda termal, é imprescindível inserir os dados

apresentados na equacção 4 (Coll et al., 2010).
Equacção 4: Equacção da correcção atmosférica. (4)
CVR2 = ((imagem - 1.55) / (0.95 * 0.80)) - (0.05263 * 2.56)
Enfatiza-se que primeiramente é necessário obter ao valor de radiância e, só após realizar

a correcção atmosférica, pode-se calcular a temperatura em Kelvin e, finalmente,
converte-la em Celsius.
c) Obtenção da Temperatura de superfície
Para a obtenção da temperatura de superfície (Ts) foram utilizadas a radiância espectral

da banda termal Lλ, e a emissividade εNB obtida na etapa. Dessa forma, obteve-se a
temperatura da superfície (K) pela equacção 5, exposta conforme apresentado em estudos
de Leite (2011), Veloso (2013), Silva e Leite (2017) e Silva et al. (2018):
𝐾2
𝑇𝑠 = 𝜀 𝐾1 (5)
ln( 𝑁𝐵
𝐿
+1)
𝜆,6
Onde: T - temperatura efetiva registada pelo sensor do satélite em Kelvin; K2 - constante de calibração 2,
(K2= 1321,08 K); K1 - constante de calibração 1, (K1= 774,89Wm-² sr-¹ μm-¹); L - radiância espectral em
Watts/( m2 sr μm); K1 e K2 São constantes da banda termal do Landsat-8.
Após este procedimento, os valores de temperatura Kelvin foram subtraídos pelo seu
valor absoluto (273,15), gerando o Raster de temperatura de superfície em graus Celsius
(°C), seguido do recorte da imagem com base no limite da área de estudo. De acordo com
De Oliveira e De Aquino (2019), para se obter a temperatura em graus Celsius, torna-se
necessário subtrair o valor de -273.15 dos valores da imagem anteriormente gerada com
a temperatura na escala de Kelvin, para, por fim, chegar ao resultado da temperatura de
superfície (atmosférica) em Celsius. Porém os resultados obtidos não são confiáveis sem
a realização da correcção atmosférica nas imagens.
A fim de melhor compreender a variação da temperatura de superfície nos usos da terra,

fez-se necessário extrair poligonais de pontos amostrais no ambiente computacional e a
selecção das amostras foi estabelecida em grupos (Leite 2018). Sendo grupo controle e

grupo teste, no grupo controle, estão as amostras de vegetação nativa e no grupo teste
estão as amostras na vegetação plantada. Seguiu-se essa lógica para entender como a
temperatura de superfície na vegetação plantada tem variação para com as áreas de
florestas nativas.

IV.RESULTADOS E DISCUSSÃO
4.1. Uso e ocupação de terra
A classificação supervisionada permitiu identificar seis (6) classes de uso e cobertura de

terra, nomeadamente: Floresta nativa, Corpos de Água, Agricultura, Plantação Florestal,
Solo exposto e Habitação, com cerca de 1536,73 ha (76,84%), 22,66 ha (1,13%), 160,57
ha (8,0%), 233,52 há (11,70%), 44,27 ha (2,21%), e 4,86 ha (0,24%) respectivamente
(Figura 3).
No tocante a classe de floresta nativa, na altura do mapeamento ocupou uma área de

1536.73 hectares, sendo a que ocupou maior área em termos territoriais em toda área de
estudo, estas são áreas de grande função ecológica e contribui muito na melhoria de vida
da comunidade local, fornecendo bens e serviços às mesmas, incluindo alimento,
combustível lenhoso, medicamentos, materiais de construção e mobiliário. Mesmo
tratando-se de áreas com grande relevância, a mesma vem sofrendo com actividades
antropogénicas, estas que vem se desencadeado ao longo dos anos. Portanto estas acções
vêm se norteando dentro de práticas como expansão da Silvicultura em larga escala
espacial, práticas agrícolas e expansão urbana.
No que concerne à classe mapeada referente a floresta plantada no período em análise,

ocupou uma área 233,52 hectares da distribuição territorial do local de estudo. Esta sendo
a segunda maior área depois da floresta nativa. Entretanto, os plantios florestais
intercalados com as florestas naturais, garantem a regulação do fluxo hídrico. Por isso é
fundamental a preservação dos entornos das nascentes e cursos de água e a conservação
dos solos.
A floresta nativa foi aqui ocupou maior área seguindo dos outros usos como as plantações
florestais. Os diferentes usos e cobertura de terra como as plantações florestais,
agricultura e solo exposto são as actividades que mais contribuíram para redução da área
nativa, estes podem ser factores que podem influenciar a aumentos de níveis elevados de
temperatura superficial na área de estudo, uma vez que a floresta nativa através dos seus
processos solo, vetação e atmosfera tem um papel fundamental na regulação e
manutenção do clima regional e global além dos regimes térmicos do solo.

Figura 3: Tipos de uso e cobertura do solo da área de estudo.

Resultados similares foram constatados por Ferrão (2019), no estudo relacionado a

planificação no estabelecimento de plantações florestais com recurso a Geotecnologias
no povoado de Mangóne, distrito de Gurué onde as classes de uso e cobertura de terra
foram: Floresta nativa, Corpos de Água, Agricultura, Estradas, Plantação Florestal, Solo
exposto, Afloramento rochoso e Habitação, com cerca de 291,23 ha (79,47%), 32,98 ha
(9%), 20,52 ha (5,60%), 14,83 há (4,05%), 4,29 ha (1,17%), 1,48 ha (0,40%), 0,88 ha
(0,24%) e 0,25 ha (0,07%) respectivamente.
Gonha (2018), estudando a Modelagem da vulnerabilidade à ocorrência e propagação de

incêndios florestais apoiado à Geotecnologias (2008-2017). Estudo de caso da localidade
de Munhiba, Mocuba, onde obteve maior percentagem para a classe Floresta nativa
(69,60%) e Agricultura com (20,22%), seguidos por Habitação, Corpos de água e Floresta
exótica com (8,89%), (1,26%) e (0,03%) respectivamente. A similaridade deve-se
provavelmente ao facto do autor ter realizado o seu estudo numa zona rural, cujas formas
de uso e cobertura de terra equivalem-se ao padrão de uso e cobertura de terra da área
assentes no presente estudo.
Andrade et al. (2019), em sua pesquisa sobre a aplicabilidade do Geoprocessamento na

análise da cobertura e uso da terra na área de protecção ambiental dos mananciais do
Córrego Lajeado, Campo Grande – MS, obtiveram resultados contraditórios, tendo a
pastagem, vegetação, área urbana, solo exposto e corpo hídrico como as principais classes
de uso e cobertura de terra em sua área de estudo, ocupando 60%, 22,97%, 14,3%, 1,03%
e 0,5% respectivamente. Provavelmente esteja por trás dessa diferença de uso e cobertura
de terra, as maiores degradações ambientais que ocorrem nesta área são verificadas em
regiões em que ocorrem o pastoreio, assim como áreas erodidas e em processo avançado
de formação de voçorocas devido, à retirada da vegetação herbácea com o pisoteio do
gado.
Mavehe (2018), encontrou resultados contraditórios estudando o uso de Geotecnologias

na determinação de áreas prioritárias para o restabelecimento da cobertura florestal,
estudo de caso: rio Licungo, Mocuba na qual obteve as seguintes classes: Habitação, Solo
exposto, Infra-estrutura, agricultura, vegetação herbácea, afloramento rochoso, vegetação
arbustiva e corpos de água, ocupando 3,59 ha (5,42%); 11,24 há (16,97%); 0,37 há
(0,55%); 1,26 ha (1,91%); 30,93 ha (46,73%); 12,08 ha (18,24%); 4,79 há (7,24%) e 1,26
ha (2,21%). Esta diferença provavelmente esteja relacionada com a extensão da área de
estudo e o rio Licugo é uma área desprovida de vegetação afectando directamente as
formações florestais ribeirinhas, esta drástica redução pode estar associada a intensa
fragmentação florestal.
4.2. Índices de vegetação
No período húmido (04/12/2019) foram observados os valores mais altos (0,5) de NDVI.
Em relação a floresta plantada para o período seco obteve (0.54106) e para o período
húmido foi (0.51808) e para floresta nativa (0,56204) para o período chuvoso e (0,54675)
para o período seco, não havendo diferenças significativas entre os valores nos dois tipos
de florestas em ambos os períodos. Este facto deve-se à presença de uma vegetação com
muita área foliar na região, resultado da boa disponibilidade de água no solo, que
proporcionou melhores condições no desenvolvimento da vegetação nativa. E também,
foi possível diferenciar claramente as regiões com vegetações densas e volumosas das
áreas de vegetação intermediária, devido principalmente ao facto de que certos tipos de
vegetação possuem mais massa foliar do que outras, conforme é ilustrada na figura 4.
Para floresta plantada a área ocupada pela vegetação densa e intermediária no período
chuvoso (C) foi de aproximadamente 229,77 ha, o que corresponde a quase 11.49% da
área de estudo. Com relação ao período seco (A), notou-se uma queda moderada no valor
da área verde, equivalendo a uma área de 216.81 ha, equivalente a apenas 10.84% de toda
a área de estudo.
A floresta nativa cobriu uma área ocupada pela vegetação densa e intermediária no
período chuvoso (D) de aproximadamente 1516.68 ha, o que corresponde a quase 75.83%
da área de estudo, sendo ilustrado claramente no mapa. Comparando ao período seco (B)
verificou-se uma similaridade no valor da área verde, quando somados as duas classes
equivalendo a uma área de 1516.68 ha, equivalente a apenas 75.83% de território.

B
A
C D
Figura 4: Índice de vegetação de diferença normalizada (NDVI) do período chuvoso para floresta
plantada (C), período seco para floresta plantada (A), período chuvoso para floresta nativa (D) e período
seco para floresta nativa (B).
Resultados similares foram encontrados por Gameiro et al. (2017) num estudo
relacionado com avaliação da cobertura vegetal por meio de índices de vegetação (NDVI,
SAVI e IAF) na Sub-Bacia Hidrográfica do Baixo Jaguaribe, CE. Onde para o período
húmido o NDVI assumiu os seguintes valores para floresta nativa: vegetação densa
(0.505703), intermediária (0.399344), escassa (0.292985), solo exposto (0.080267) e
corpos de água (0.186626) e para o período seco os valores foram: vegetação densa
(0.400836), intermediária (0.315756), escassa (0.230677), solo exposto (0.145597) e
corpos de água (0.060518). As similaridades existentes entre os resultados verificados no
presente estudo foram obtidas para vegetação nativa, podendo estar associado ao facto de
estes terem analisado a quantidade e as condições da vegetação nos diferentes ambientes.

Resultados contraditórios foram constatados por Santiago et al. (2009), num estudo de
Análise da Cobertura Vegetal através dos Índices de Vegetação (NDVI, SAVI e IAF) no
Entorno da Barragem do Botafogo-PE. Onde o NDVI assumiu os seguintes valores: corpo
de agua (-0.975 a -0.05); solo exposto ou nuvem (-0.0499 a -0.408); vegetação rara (0.409
a 0.548); vegetação esparsa ou cultura (0.549 a 0.634) e locais com vegetação densa
(0,635 a 0.812). Esta discrepância de resultados pode ser pelo facto de NDVI ter sido
estudado em dois períodos do mesmo ano e a cobertura vegetal tem sofrido com o
processo de transformação nas características (tipo e densidade) da vegetação ao longo
do tempo.
Souza et al. (2012), no seu estudo relacionado a utilização de índices de vegetação na

avaliação da cobertura vegetal do projecto de Assentamento José Emídio Dos Santos,
Capela - Se, também encontraram divergência nos resultados, obtiveram respectivamente
valores mínimo, médio e máximo para o ano de 2012 os valores 0,21, 0,66 e 0,93,
verificando-se uma houve de uma variação na vegetação. Esta contradição de resultados
possivelmente pode ser relacionada à presença/ausência de vegetação em maior ou menor
intensidade e o facto de ambas análises serem realizadas em áreas com formações
florestais diferentes.
Braz et al. (2015), numa pesquisa sobre análise de índices de vegetação NDVI e SAVI e
índice de área folear (IAF) para a comparação da cobertura vegetal na bacia hidrográfica
do Córrego Ribeirãozinho, Município de Selvíria – MS obteve resultados diferentes para
o ano de 2010 NDVI foi 0,75 e para ao ano de 2014 foi +1 respetivamente. A razão da
diferença provavelmente deve-se pelo estudo ter sido feito em anos diferente por isso é
esperado que apresentem destintos valores de NDVI e as áreas que antes apresentavam
índices muito baixos, acusando presença rarefeita de vegetação também sofreram
avanços.
4.3. Temperatura de superfície
Os valores encontrados para temperatura de superfície no período seco (A) para floresta
plantada variaram de (16,6 °C min e 25,3 °C max) numa área ocupada pela vegetação no
período seco de aproximadamente 41,9 ha, correspondente a 2,1% da área de estudo,
obtendo temperatura média de 20,9 °C numa área de aproximadamente 9,10 ha o que
corresponde a 0,46% da área de estudo. Já no período chuvoso (C), a temperatura de
superfície variou entre 29,1°C e 35,7°C numa área de 64,8 ha, que corresponde

aproximadamente a 3,34% de toda área, com temperatura média de 32,4°C numa área
equivalente a 1.62% da área total.
No que tange a floresta nativa os resultados encontrados para temperatura de superfície

no período seco (B) variaram de (16,2 °C min e 26.2 °C Max) numa área ocupada pela
vegetação no período seco é de aproximadamente 216.18 ha, o que corresponde a quase
10.81% da área de estudo, obtendo temperatura média de 21.2°C numa área de
aproximadamente 220.59 ha o que corresponde a 11.03% da área de estudo. Comparando
ao período chuvoso (D), a temperatura de superfície variou entre (29,3°C min e 37,1°C
Max) numa área de 146.10 ha, que corresponde aproximadamente a 7.30% de toda área,
com temperatura média de 33,2°C numa área de 674.91 ha equivalente a 33.75% da área
total. De acordo como foi ilustrado na figura 5 acima.
Ficou evidente a diferença dos resultados da temperatura superficial em ambas florestas

e em ambos períodos, a floresta nativa foi a que obteve maiores valores de temperatura
de superfície, para o período chuvoso apresentou média termal de 33,2°C comparado ao
período seco (21,2°C). Mesmo sendo o tipo florestal com maiores médias termais, é
notório a variação da temperatura de superfície diante da sazonalidade climática na área
de estudo. Esta variação ocorre provavelmente pelo facto de não existir uniformidade nos
indivíduos dentro da floresta, uma vez que a mesma possui uma vegetação com diferentes
tipos de estratos (médio, baixo e alto), distribuída espaçadamente na superfície, sendo que
em alguns locais, áreas de solo exposto ficam visíveis, assim permitindo a incidência
directa de radiação solar no solo, deste modo ocasionado maior fluxo de calor no solo
consequentemente proporcionando médias elevadas de temperatura de superfície.
Toda essa diferença de valores se faz presente principalmente, pelo facto de no período
seco plantas caducifólias tendem a perder sua folhagem, facto este que pode contribuir
para aumentos significativos da temperatura de superfície, sendo que, sem as folhas as
plantas tendem a reduzir seu poder de absorção de energia, e, consequentemente a energia
é reflectida com maior intensidade, havendo essa fuga de energia, a superfície tende a
superaquecer com maior frequência.

A B
C D
Figura 5 : Temperatura da superfície dos dois tipos florestais (nativa e plantada) nos períodos seco e
húmido no distrito de Mulevala. Período chuvoso para floresta plantada (C), período seco para floresta
plantada (A), período chuvoso para floresta nativa (D) e período seco para floresta nativa (B).
Resultados similares foram encontrados por Leite et al. (2018) numa pesquisa de
Geotecnologias aplicadas a estimativa da temperatura de superfície em diferentes usos e
ocupações do solo na Área de Protecção Ambiental do Rio Pandeiros - Minas Gerais teve
como resultados para temperatura de superfície para floresta nativa no período seco
variou de 21,08 °C e 46,94 °C, obtendo temperatura média de 34,87 °C. Já no período
chuvoso, a temperatura de superfície variou entre 19,10°C e 35,49°C, com temperatura
média de 28,05°C. Esta similaridade possivelmente deve ser pelo facto da pesquisa em
questão analisar o comportamento da temperatura de superfície em diferentes usos da
terra e esta ser uma Área de Protecção Ambiental havendo presença de uma vegetação
com mais folhas na região, resultado da boa disponibilidade de água no solo.

Pires et al. (2015), na sua pesquisa sobre Mapeamento da temperatura de superfície a

partir de imagens termais dos satélites Landsat 7 e Landsat 8, encontrou resultados
similares, a imagem TST sem correção atmosférica do Landsat 7 apresentou temperaturas
variando de 22,4 a 40,0°C, e um desvio padrão de 5,2, enquanto a imagem TST sem
correção atmosférica do Landsat 8 apresentou temperaturas variando de 23,6 a 40,0°C, e
um desvio padrão de 4,8, respectivamente. A razão da semelhança pode estar assocada
ao facto das imagens TST serem adquiridas com o mesmo satélite “Landsat 8” apresentam
bandas “2 bandas espectrais no infravermelho termal, bandas 10 (10.6 - 11.19 µm) e
1111.5 - 12.51 µm), com resolução espacial de 100m” semelhantes as assentes no
presente estudo.
Resultados contraditórios foram constatados por Viera e Machado (2018), no estudo de

Geotecnologias e ilhas de calor urbanas: uma aplicação a Uberlândia – MG, os resultados
encontrados mostram temperaturas de superfície para floresta nativa que variam de 20.0
a 38.0°C para o ano de 2004, foi registrado um aumento na média de 1.0°C para o ano de
2014 que registou temperaturas entre 20.0 a 39.0 °C. Esta divergência pode ser pelo facto
de o intervalo temporal ter sido muito longo e a pesquisa efectuada em anos diferentes
razões esta que proporcionou, mas condições no desenvolvimento da vegetação nativa e
variação da temperatura do solo quando comparada a presente pesquisa.
Santos et al. (2016), também em seu estudo relacionado ao uso da técnica

Phansharpening em imagens Landsat 8 para identificação do calor superficial em
aglomerados Urbanos obteve resultados contraditórios a imagem com resolução de 30
metros (Ts 30 m), apresentou temperaturas para floresta nativa que variaram de 25,1ºC
(Min) a 37ºC (Max), enquanto que a imagem com resolução 15 metros (Ts 15 m), obteve
temperatura 24,1ºC (Min) e 40ºC (Max). Estes resultados contradizem-se provavelmente
devido a técnica usada para processamento dos dados ser distinta com a do presente
estudo.
Dos Santos (2017), no seu estudo sobre Utilização do software livre na analise de
temperaturas e uso do solo, para a região do Ribeirão Preto, obteve resultados diferentes,
apresentou como temperatura 38,5ºC min e 42,5ºC max. A diferença nos resultados
possivelmente deve-se a ausência da área vegetal, pós esta tem influencia directamente
nos valores, já que a vegetação absorve a radiação para a produção da fotossíntese assim
reduz as temperaturas locais.

V. CONCLUSÕES E RECOMENDAÇÕES
5.1. Conclusões
 A área de estudo apresentou seis (6) classes nomeadamente: Floresta nativa que
cobriu maior parte do território com cerca de 1536,73 ha (76,84%), a seguir a floresta
plantada com 233,52 há (11,70%) de todo território, agricultura 160,57 ha (8,0%),
seguindo-se de outros usos, Solo exposto 44,27, (2,21%) Corpos de Água 22,66
(1.13%) e Habitação 4,86 (0.24%) sendo a que ocupou menor área;
 No período húmido (04/12/2019) foram observados os valores mais altos (0,5) de
NDVI. Em relação a floresta plantada para o período seco obteve (0.54106) e para o
período húmido foi (0.51808) e para floresta nativa (0,56204) para o período chuvoso
e (0,54675) para o período seco;
 A temperatura superficial para o período chuvoso apresentou variação térmica do
solo, registado aproximadamente 37.1ºC da área temperatura do solo acima de 30ºC,
podendo comprometer a manutenção das actividades florestais e agrícolas no decorrer
do tempo. Esta apresentou temperatura media para a floresta plantada para o período
seco de 20,9ºC e para período húmido temperatura media de 32,4ºC, no que tange a
floresta nativa no período seco registou a temperatura media de 21.2ºC e para o
período húmido temperatura media de 33,2°. A floresta nativa foi a que obteve
maiores valores de temperatura de superfície, para o período chuvoso apresentou
média termal de (33,2°C) comparado ao período seco (21,2°C).
5.2. Recomendações
Com base nas conclusões, recomendo:
 Façam mais plantações de modo a reduzir a demanda dos produtos e degradação das
florestas nativas, tanto para manter o equilíbrio ecológico, quanto para manter o
equilíbrio térmico na superfície.
 Que adoptem-se políticas eficazes de modo a melhorar condições para o
desenvolvimento da vegetação apesar da quantidade de vegetação densa existente na
área de estudo, pós foi possível acentuar que NDVI comportou-se de maneira
proporcional às propriedades das ocupações e usos do solo, além das variações
sazonais climáticas.

 Antes de implementação de qualquer Projecto seja florestal ou agrícola façam um

estudo relacionada a temperatura superficial, este e um aspecto muito importante, para
a vida da planta, não adiante que se façam somente analise do tipo solo,
disponibilidade hídrica, técnicas ideais. Pós, a temperatura do solo tem influência
directa em vários processos ambientais como: germinação de sementes, velocidade e
duração de crescimento, desenvolvimento e actividade radicular, na absorção de água
e nutrientes pelas plantas e na actividade microbiana do solo, o que torna relevante o
conhecimento das temperaturas e propriedades térmicas do solo para o entendimento
dos vários processos físicos existentes num ambiente.

VI. REFERÊNCIAS BIBLIOGRÁFICAS
ALMEIDA, A. Q., PAIVA, Y. G., RIBEIRO, A., GLERIANE J. M., PEZZOPANE, J. E.

M. (2015) Estimativa do Índice de Área Foliar (IAF) através de Fotografias Hemisféricas
e Índices de Vegetação em plantios clonais de Eucalipto. 2873-2880p.
ALVES, A. C., CONCEICAO, P. E. A. (2015). Levantamento do uso e ocupação do solo

por meio de imagens TM-Landsat-5 e ADS-80 para o município de Manaus/AM. 73p.
ALVES, H. M., ALVARENGA, M. I. N., LACERDA, M. P. C., VIEIRA, T. G. C.

(2003). Avaliação das Terras e Sua Importância para o Planeamento Racional do Uso.
18p.
ANDRADE, B. D. S., MELO, M. R., SILVA, M. H. (2019). Geoprocessamento aplicado

a análise da cobertura e uso da terra na área de proteção ambiental dos mananciais do
córrego lajeado, Campo grande – Ms. Sociedade e Território – Natal. Vol. 31, N. 1, 210-
218p.
AYACH, L. R., DA CUNHA, E. R., DA SILVA, L. F., BACANI, V. M. (2012).

Utilização De Imagens Google Earth Para Mapeamento Do Uso E Cobertura Da Terra
Da Bacia Hidrográfica Do Córrego Indaiá, MS. N.4,1806p.
BARBOSA, R. B. G. (2016). Utilização do software “r” na avaliação da cobertura

vegetal da bacia hidrográfica do rio Sucuru. 65p.
BASTIAANSSEN, W. G. M. (2000). SEBAL-based sensible and latent heat fluxes in the

irrigated Gediz Basin, Turkey, Journal of Hydrology, n. 229. 87-100p.
BASTIAANSSEN, W. G. M.; MENENTI, M.; FEDDES, R. A.; HOLTSLAG, A. A. M.,

(1998). A remote sensing surface energy balance algorithm for land (SEBAL) 1,
Validation, Journal of Hydrology, n. 212-213. 213-229p.
BASTIAANSSEN, W.G.M.; ZWART, S.J. (2007). SEBAL for detecting spatial variation
of water productivity and scope for improvement in eight irrigated wheat systems.
Agricultural Water Management. v.89, 287-296p.
BRANDÃO, Z. N., BEZERRA, M. V. C., SILVA, B. B. (2005). Determinação de índices

de vegetação usando imagens de satélite para agricultura de precisão. Instituto Nacional
de Pesquisa Espaciais. V Congresso Brasileiro de Algodão. Brasil. 57p.

BRAZ, A. M., AGUAS, T. A., GARCIA, P. H. M. (2015). Análise de índices de

vegetação NDVI e SAVI e índice de área folear (IAF) para a comparação da cobertura
vegetal na bacia hidrográfica do Córrego Ribeirãozinho, Município de selvíria – MS.
Maringá, v. 7, n. 2, 05- 22p.
COELHO, A. L. N., CORREA, W. de S. C., NASCIMENTO, F. H. (2013). Uso de

produtos de sensoriamento remoto para a classificação e análise de temperaturas de
superfície no município de Vila Velha/Es (Brasil), GeoFocus (Informes y aplicaciones),
nº 13-1, 61-76p.
COELHO, N. L. A. (2013). Distribuição das classes de temperatura de superfície a partir

da faixa do infravermelho termal do sensor TM/Landsat-5 no município de Vitória
(ES).In: XVI Simpósio Brasileiro de Sensoriamento Remoto, 16., 2013, Paraná., Anais.,
Foz do Iguaçu.,INPE., 0826 – 0833p.
COLL, C.; GALVE, J.M.; SÁNCHEZ, J. M.; CASELLES. V. (2010). “Validation of

Landsat 7/ETM+ Thermal-Band Calibration and Atmospheric Correction With Ground-
Based Measurements”, IEEE Trans. Geosci. Remote Sens., v. 48, n. 1, 547–555p.
CRANZ, A. (2016). "DJI's Mavic Pro is Tiny, Foldable, and Super Smart". GIZMODO.
Disponível em: https://gizmodo.com/djis-tiny-mavic-is-the-first-super-awesome-drone-
for-ev. acesso em: 27 de Agosto de 2019.
DE LIMA, D. R. M., DLUGOSZ F. L., IURK M. C., PESCK V. A. (2017). Uso de NDVI
e SAVI para Caracterização da Cobertura da Terra e Análise Temporal em Imagens
RapidEye. 45p.
DE OLIVEIRA, I. J. e NASCIMENTO, D. T. (2017). As geotecnologias e o ensino de

cartografia nas escolas: potencialidades e restrições. Revista Brasileira de Educação em
Geografia, volume 7, Campinas. 160p.
De Oliveira, L. N., De Aquino, C. M. S., (2019). Propriedades térmicas do solo na sub-

bacia hidrográfica do rio gurguéia-piauí-brasil Entre Lugar, Dourados, MS , v. 10 , nº
20, - ISSN 2176-9559p.
DINIZ, J. M. T; SOUZA, E.P de; ARANHA, T; MARACAJA, P.B. (2013). Avaliação

da difusividade térmica do solo de Campina Grande-PB-Brasil. Agropecuária Científica
no Semiárido. v. 9, 55-60p.

Direcção Nacional de Terras CADASTRO NACIONAL DE TERRAS (2005), perfil do

distrito de Ile, Província da Zambézia.
DJI (2017), Mavic Pro. Manual do usuário. V1.6, 6p.
DOS SANTOS, M. N. (2017). Utilização do software livre na analise de temperaturas e

uso do solo, para a região do Ribeirão Preto, 125p.
DUMKE, (2007). Eliane Müller Seraphim. Clima urbano/conforto térmico e condições

de vida na cidade – uma perspectiva a partir do aglomerado urbano da região
metropolitana de Curitiba. Tese de Doutorado. Curitiba: UFPR, 56p.
DUMKE, E. M. S. (2007). Clima urbano/conforto térmico e condições de vida na cidade

– uma perspectiva a partir do aglomerado urbano da região metropolitana de Curitiba.
417 f, 75p.
FALCÃO, M. P.; NOA, M. (2016). Definição de Florestas, Desmatamento e Degradação

Florestal no âmbito do REDD+. 33p.
FAO. (2009). Future of Teak And The High-Grade Tropical Hardwood Sector: Planted
Forests And Trees Working Paper. Rome. 44 p.
FAO. (2011). State of the World’s Forests. Rome. Disponível em:

www.fao.org/docrep/013/i2000e/i2000e00.htm Acesso em: 27 de Junho de 2019.
FAO. (2015). How are the world’s forests changing. 2015. 46 p.
FERRÃO, A. S. C. (2019). Planificação no estabelecimento de plantações florestais com

recurso a geotecnologias no povoado de Mangóne, distrito de Gurué, Zambézia.68p
FERREIRA, C.C. (2010).Uso de imagens de sensoriamento remoto para mapeamento do

uso e ocupação da terra da Bacia Hidrográfica do Alto Sucuriú- MS-BR. II São Paulo.
69p.
FILHO, B. S. S. (2000). Curso de especialização em Geoprocessamento. Departamento

de Cartografia Centro, 47p.
FLORENZANO, T.G. (2002). Satélite para estudos ambientais. São Paulo: Oficina de
Textos. 49p.
FONTANA, D. C. (2011). Comportamento espectral da vegetação. 39p.

GAMEIRO S., TEIXEIRA C.P.B., SILVA, T.A; LOPES M.F.L., DUARTE C.R.,
SOUTO M.V.S., ZIMBACK C.R.L, (2016). Avaliação da cobertura vegetal por meio de
índices de vegetação (NDVI, SAVI e IAF) na Sub-Bacia Hidrográfica do Baixo
Jaguaribe, CE.Terræ, 32p.
GAO, X; HUETE, A. R.; NI, W.; MIURA, T. (2000). Optical–Biophysical Relationships

of Vegetation Spectra without Background Contamination. Remote Sensing of
Environment, v.74, n.3, 609–620p.
GASPARIM, E.; RICIERI,R. P.; SILVA, S de L.; DALLACORT, R; GNOATTO, E.

(2005). Temperatura no perfil do solo utilizando duas densidades de cobertura e solo nu.
Acta Scientiarum. Agronomy. 107-115, 107-114p.
HUETE, A; DIDAN, K; MIURA, T.; RODRÍGUEZ, E. P.; GAO, X.; FERREIRA, L. G.

(2002). Overview of the radiometric and biophysical performance of the MODIS
vegetation index. Remote Sensing of Environment, 83, 195-213p.
IBÁ 2017. Brasília, DF, 2017. Relatório anual 2017. Disponível em:
<http://iba.orgimages/shared/Biblioteca/IBA_RelatorioAnual2017.pdf>.
INDÚSTRIA BRASILEIRA DE ÁRVORES. IBÁ 2015. Brasília, DF, 2015. 61 p.

Relatório anual 2014. Disponível em: <http://www. iba.org/pt/biblioteca-
iba/publicações.
JENSEN, J. R. (2009). Sensoriamento Remoto do Ambiente: uma perspectiva em recursos

terrestres. 64p.
LANG, A. R. G.; MCMURTRIE, R. E. (2007). Total leaf areas of single trees of

Eucalyptus grandis estimated from Macfarlane, C; Arndt, S. K; Livesley, S. J.; Edgar,
Donald, A. C. A.;Adams, M. A.; Eamus, D. Estimation of leaf area index in eucalypt forest
with vertical foliage, using cover and fullframe fisheye photography. Forest Ecology and
Management 242, 756–763p.
LEI DE FLORESTAS E FAUNA BRAVIA. (1999). Lei nr. 10/99, De 07 de Julho. 30p.
LEITE, B., MASCARENHAS, G., FILHO, J., MENDES, P., BRITO, R. (2017). Plantio
de Florestas Comerciais. Editora IABS, Brasília-DF, Brasil. 35-39p.
LEITE, M. E., SILVA, L. A. P., LEITE, M.R. 2011, FONSECA, G. S., (2018).
Geotecnologias aplicadas a estimativa da temperatura de superfície em diferentes usos

e ocupações do solo na Área de Proteção Ambiental do Rio Pandeiros – Minas Gerais,

35p.
LEITE, M.R. (2011). Sensoriamento remoto aplicado à Análise temporal da relação uso
da Terra/Temperatura e Albedo de superfície na Bacia hidrográfica do Rio Vieira no
Norte Minas Gerais. Dissertação (Mestrado em Geografia) Universidade federal de
Uberlândia, Uberlândia/MG.19p.
LEITE, M.R. (2011). Sensoriamento remoto aplicado à Análise temporal da relação uso
da Terra/Temperatura e Albedo de superfície na Bacia hidrográfica do Rio Vieira no
Norte Minas Gerais. 2011. Dissertação (Mestrado em Geografia) Universidade federal
de Uberlândia, Uberlândia/MG, 43p.
LIMA, G. C., SILVA, M. L. N., CURI, C., SILVA, M. A., OLIVEIRA, A. H., AVANZI,
J. C., UMMUS, M. E., (2013). Avaliação da cobertura vegetal pelo índice de vegetação
por diferença normalizada (IVDN), 39p.
LIU, W. T. H. (2006). Aplicações de sensoriamento remoto. UNIDERP, 98 p.
LOPES, G. M. (2003). Balanço de Radiação em Áreas Irrigadas Utilizando Imagens

Landsat 5 - TM. Dissertação de Mestrado, Campina Grande-PB: DCA/CCT/UFCG.
MAGALHÃES, T. M. (2018). Inventário Florestal Nacional. 118p.
MARZOLI, A. 2007. Inventário florestal nacional. Relatório final. AIFM.

DNTF/MINAG/RM. Maputo. 109 p.
MEIRELES, M. (2007). Estimativa da evapotranspiração real pelo emprego do

algoritmo sebal e imagem Landsat 5 - TM na bacia do Acaraú – CE. Dissertação
(Mestrado em Irrigação e Drenagem) – Departamento de Engenharia Agrícola,
Universidade Federal do Ceará. Fortaleza, 88 p.
MFA. (2009). Programa de Apoio ao Sector de Florestas em Moçambique. Unidade para

a África Austral. 11p.
MOUTINHO M. T. (2018). Potencial do uso dos índices de vegetação de imagem de

Sensoriamento Remoto para estimativa de produtividade da Palma de Óleo no estado do
Pará. 53p.
NOVO, E. M. L. M. (2010). Sensoriamento remoto: princípios e aplicações. 42p.

OLIVEIRA, M. T.; BAPTISTA, G. M. M. (2015). Determinação de Índices de vegetação

ecossistemas tropicais no Brasil. 57p.
PADOLFI, A. S., RAMALDES, G. P., DOS SANTOS O. L. (2018). Análise de Índice de

Vegetação através de Imagens obtidas por VANT. 153p.
PEREIRA, C.C. 2014. Temperatura de Superfície na Bacia da Usina Hidrelétrica (UHE)

Barra dos Coqueiros, utilizando climatologia e sensoriamento remoto. Goiás.
Dissertação (Mestrado em Geografia) – Universidade Federal de Goiás, 29p.
PEREIRA, C.C.; MARIANO, Z.F.; WACHHOLZ, F.; CABRAL, P.B.J. (2012). Análise
da temperatura de superfície e do uso da Terra e cobertura vegetal na bacia Barra dos
Coqueiros (Goiás). 67p.
PIRES, E. G., FERREIRA Jr, L. G. (2015). Mapeamento da temperatura de superfície a

partir de imagens termais dos satélites Landsat 7 e Landsat 8. 15P.
PONZONI, F. J., SHIMABUKURO, Y. E. (2010) Relação entre índices de vegetação e

parâmetros biométricos de plantios de Eucalyptus urophylla e Eucalyptus camaldulensis
em Cachoeira do Manteiga (MG). Revista Árvore. Viçosa, 43p.
ROSA, R. (2001). Introdução ao sensoriamento remoto. 4 ed. Uberlândia: Ed. da

Universidade Federal de Uberlândia, 210 p.
ROSA, R. (2005). Geotecnologias na Geografia Aplicada. Revista do Departamento de

Geografia, 81-90p.
ROSA, R. (2007). Introdução ao sensoriamento remoto. Uberlândia: Editora UFU. 248p.
ROSA, R. (2012). Introdução ao Sensoriamento Remoto, 6ª.ed. Uberlândia: EDUFU,

62p.
SANTIAGO, M. M., SILVA, H. A., GALVINCIO, J. D., OLIVEIRA, T. H., (2009).

Cobertura Vegetal Através dos Índices de Vegetação (NDVI, SAVI e IAF) no Entorno da
Barragem do Botafogo-PE, 65p.
SANTOS, C. C. P., COELHO, F. N., TEIXEIRA, C. P. T. NETO, L. B. L. SUZELAINE

(2016). ApaS. Matos uso da técnica Phansharpening em imagens Landsat 8 para
identificação do calor superficial em aglomerados Urbanos, 43p.

SANTOS, J. (2013). LANDSAT-8: Download de imagens através dos sites Earth

Explorer e GLOVIS. 5 -7p.
SILVA, J. R. L; MONTENEGRO, A. A. de A. MONTEIRO, A. L. N; SILVA JÚNIOR,

V. P. (2015). Modelagem da dinâmica de umidade do solo em diferentes condições de
cobertura no semiárido pernambucano. 63p.
SILVA, L. A; LEITE, M. R. (2017). Estimativa por sensoriamento remoto do

comportamento da temperatura de superfície diante da conversão de Cerrado à
Pastagem na bacia do rio Jatobá no Norte de Minas Gerais. 53p.
SILVA, L.A; LEITE, M.R.; MAGALHÃES FILHO, R. (2018). Estimativa por

sensoriamento remoto do comportamento da temperatura de superfície em área de
veredas. GEOGRAFIA EM QUESTÃO (ONLINE), v.11, 89-105p.
SILVA, V.R. da; REICHERT, J.M.; REINERT, D.J. (2006). Variação na temperatura
do solo em três Sistemas de manejo na cultura do feijão. Rev. Bras. Ciência do Solo,
v.30, .391-399p.
SOSPEDRA F, CASELLES V & VALOR E. (1998). Effective wavenumber for thermal

infrared bands application to Landsat TM. International Journal of Remote Sensing, 19:
2105–2117p.
SOUSA, I. P. ALVES, H. M.; LACERDA, M. P. C., VIEIRA, T. G. (2010)O uso de

fotografias aéreas na identificação das formas de utilização agrícola da terra. 73p.
SOUZA, A. M. B., LUCAS, A. P. A., CRUZ, M. A. S., BRANDINO, Z. G. (2012).

utilização de índices de vegetação na avaliação da cobertura vegetal do projeto de
Assentamento José Emídio Dos Santos, Capela – Se, 32p.
TASUMI, M. (2003). Progress in operational estimation of regional evapotranspiration

using satellite imagery. PhD thesis, Dept. Biological and Agricultural Engineering,
University of Idaho. Idaho.17p.
TOSTO. S.G., RODRIGUES. C.A.G., BOLFE E.L., BATISTELLA M., (2014).

Geotecnologias e Geoinformação: o produtor pergunta, a Embrapa responde. Embrapa,
Brasília. Brasil. 248 p.

TUBELIS, A. E NASCIMENTO, F.J.L. (1980). Meteorologia Descritiva: fundamentos

e aplicações brasileiras / Antônio Tubelis, Fernando José Lino do Nascimento. - São
Paulo: Nobel, 374p.
USGS - Geological Survey / Serviço de Levantamento Geológico Americano (2013).

Aquisição de imagens orbitais digitais gratuitas do satélite Landsat-8, 76p.
VELOSO, G. A. (2013). Análise Espaço Temporal dos Componentes do Balanço de

Radiação, Energia e Evapotranspiração, Usando Técnicas de Sensoriamento Remoto em
Áreas Irrigadas do Projeto Jaíba/MG. Dissertação (Mestrado em Geografia) - Instituto
de Geografia/IG, Universidade Federal de Uberlândia, Uberlândia, 65p.
Viera, M. G., Machado, G. (2018). Geotecnologias e ilhas de calor urbanas: uma

aplicação a Uberlândia – MG, 65p.
WELIGEPOLAGE, K. (2005). Estimation of spatial and temporal distribuition of

evaporatranspiration by satellite remote sensing – A case study in Hupselse Beek.
Dissertação de Mestrado. International Institute for Geo-information Science and Earth
Observation, 114 f. 65p.
XAVIER, A. C.; VETTORAZZI, C. A. (2004). Mapping leaf area index through spectral
vegetation indices in a subtropcal watershed. International Journal of Remote Sensing,
v. 25, n. 9, 1661-1672p.
Website visitado: http://earthexplorer.usgs.gov/ acessado 02 de Setembro 2020.

Heliooooo Helio TCC 2020 V2

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Heliooooo Helio TCC 2020 V2

Enviado por

Direitos autorais:

Formatos disponíveis

GEOTECNOLOGIAS APLICADAS NA ESTIMATIVA DA TEMPERATURA

DA SUPERFÍCIE EM FLORESTAS NATIVAS E PLANTADAS NO DISTRITO

HÉLIO ELIDIO BERNARDO ALBERTO

TRABALHO DE CONCLUSÃO DO CURSO

GEOTECNOLOGIAS APLICADAS NA ESTIMATIVA DA TEMPERATURA

HÉLIO ELIDIO BERNARDO ALBERTO

GEOTECNOLOGIAS APLICADAS NA ESTIMATIVA DA TEMPERATURA

Autor: Hélio Elidio Bernardo Alberto

Monografia submetida à Faculdade de

(Hélio Elidio Bernardo Alberto)

Mocuba, ____ de _________________ de 2020

Um especial agradecimento aos meus supervisores Eng. Marchante Olímpio Assura

À todos os colegas da turma da geração de 2016, pela interacção e aprendizado constante

À Faculdade de Engenharia Agronómica e Florestal, em especial ao Departamento de

O meu muito obrigado à todos!

Palavras – Chave: Índices de vegetação, Temperatura de superfície, floresta nativa e

Keywords: Vegetation indices, Surface temperature, native and planted forest.

Tabela 1. Características das bandas ................................................................................ 6

Hélio Elidio Bernardo Alberto i

Hélio Elidio Bernardo Alberto ii

FEAF Faculdade de Engenharia Agronómica e Florestal

NDVI Normalized Difference Vegetation Index

NIR Infravermelho próximo

SIG Sistema de Informação Geográfica

UCT Uso e Cobertura de Terra

IFN Inventário Florestal Nacional

USGS United Service Geologycal Search

SEBAL Surface Energy Balance for Land

GSD Ground Sample Distance

Hélio Elidio Bernardo Alberto iii

Hélio Elidio Bernardo Alberto iv

As actividades antrópicas têm ocasionado intensos impactos nas paisagens do ambiente

Portanto, com uso de instrumentos convencionais, podem demandar a necessidade de

Dentre estas técnicas de sensoriamento remoto, surgem inovações tecnológicas, bem

Hélio Elidio Bernardo Alberto 1

1.2. Problema e justificativa de estudo

Hélio Elidio Bernardo Alberto 2

Todavia, é importante o monitoramento e a modelagem da temperatura do solo, no

 Avaliar a temperatura da superfície em florestas nativas e plantadas com apoio das

 Identificar as diferentes classes de uso e ocupação do solo;

Hélio Elidio Bernardo Alberto 3

II. REVISÃO BIBLIOGRÁFICA

2.1.1. Importância das florestas

De acordo Marzoli (2007), as florestas fornecem bens e serviços de ecossistema de valor

Embora as florestas de Moçambique tenham um enorme valor, segundo o autor

Hélio Elidio Bernardo Alberto 4

2.1.2. Florestas nativas

Segundo (MFA, 2009), Moçambique tem 34 milhões de hectares de floresta natural,

2.1.3. Plantações florestais

Porém, a FAO (2015), considera florestas plantadas, as florestas compostas

Segundo De Oliveira e Nascimento (2017), as geotecnologias, correspondem às

ambientais (temperatura, pluviosidade e radiação solar), analisar e auxiliar na prevenção

Portanto, a utilização das tecnologias de geoprocessamento e sensoriamento remoto é

2.2.1. Descrição e caracterização do satélite

O satélite Landsat-8 é oitavo da série de satélites do Programa Landsat, foi lançado no

Tabela 1. Características das bandas

2.2.2. Descrição do Drone DJI Mavic Pro

Hélio Elidio Bernardo Alberto 6

considerado um dos primeiros Drones personalizados, no mercado, projectado para ser

Tabela 2. Caracterização do Drone DJI Mavic Pro.

Sensor Pixels efectivos: 12,35 M (Total de pixels: 12,71 M)

Tamanho da imagem 4000 × 3000

Hélio Elidio Bernardo Alberto 7

Mocuba, de _____________ de 2020