Gonha Chalisse, 2018 - Monografia

MODELAGEM DA VULNERABILIDADE À OCORRÊNCIA E PROPAGAÇÃO
DE INCÊNDIOS FLORESTAIS APOIADO À GEOTECNOLOGIAS (2008-2017).
ESTUDO DE CASO DA LOCALIDADE DE MUNHIBA, MOCUBA.
GONHA CHALISSE GONHA

UNIVERSIDADE ZAMBEZE
FACULDADE DE ENGENHARIA AGRONÓMICA E FLORESTAL
DEPARTAMENTO DE ENGENHARIA FLORESTAL
TRABALHO DE CONCLUSÃO DE CURSO
MODELAGEM DA VULNERABILIDADE À OCORRÊNCIA E PROPAGAÇÃO DE

INCÊNDIOS FLORESTAIS APOIADO À GEOTECNOLOGIAS (2008-2017).
GONHA CHALISSE GONHA
MOCUBA
2018
UNIVERSIDADE ZAMBEZE
FACULDADE DE ENGENHARIA AGRONÓMICA E FLORESTAL
DEPARTAMENTO DE ENGENHARIA FLORESTAL
TRABALHO DE CONCLUSÃO DE CURSO
MODELAGEM DA VULNERABILIDADE À OCORRÊNCIA E PROPAGAÇÃO DE

INCÊNDIOS FLORESTAIS APOIADO À GEOTECNOLOGIAS (2008-2017).
Autor: Gonha Chalisse Gonha

Supervisor: Engº. Fernando Paulo Macia (MSc)
Co-Supervisor: Engo. Marchante Olímpio Assura Ambrósio
Monografia submetida à Faculdade de Engenharia

Agronómica e Florestal Universidade Zambeze,
Mocuba, em parcial cumprimento dos requisitos
para a obtenção do Grau de Licenciatura em
Engenharia Florestal.
MOCUBA
2018
DECLARAÇÃO
Eu, Gonha Chalisse Gonha 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.
………………………………………………..
(Gonha Chalisse Gonha)
Mocuba, aos ……. de …………………..de 2018

DEDICATÓRIA
Dedico em especial:
A minha Avó (Círia Cherminga);
Ao meu pai, Chalisse Gonha Muchunju (in memoriam 1/10/1947-07/03/1999).
A minha mãe: Maria João;
Aos meus irmãos (Arnaldo, Arhina, Círia e Lourenço);
Aos meus sobrinhos (Arnaldo, Chalisse, Charmmylla, Florência (Lucília), Jone, Maria
Bernadhett, Maria Do Céu, Maria Felicidade e Maria Natalícia).
Aos meus cunhados (António João Jone, Bernardo Luís Jone e Cecícila Limpo Chambica).
A todos vós, Dedico!

AGRADECIMENTOS
À Deus, pelo dom da vida, ao seu filho Jesus Cristo meu melhor amigo e ao Espírito Santo
meu consolador, por me ter inundando de forças, coragem e bênçãos, para seguir em frente;
Aos meus familiares, em todas as suas ramificações, por todo apoio e pelo encorajamento que
me proporcionaram, principalmente a minha mãe e aos meus irmãos, pela educação
insaciável, pelo amor incondicional e pelo incentivo.
À toda família Mutumula, em especial a Anilza Trigo, e ao casal “Semba” pelo amor,
compreensão, acolhimento e por todos ensinamentos.
À minha namorada “Júlia Tiroso” pelo apoio, amor, carinho, compreensão e companheirismo
na feição deste trabalho.
Aos Supervisores deste trabalho, Engo. Fernando Paulo Macia (M.Sc) e Engo. Marchante
Olímpio Assura Ambrósio, pelos anos de vivência e parceria, ensinamentos, amizade e
orientação.
Aos Engos. João Fafetine, Chica Costa e Agnaldo Viriato Ubisse (M.Sc), aos drs. Avelino
Miguel, Virgílio Tete, Dinis Pedro (M.Sc), Ivo José (Shakil) pela fundamental ajuda e
encorajamento e aos demais professores que integram o corpo docente da FEAF, em especial
ao Departamento de Engenharia Florestal pela formação aprimorada e coesa;
Aos meus amigos e colegas da Faculdade, Abilio Geriano, Arsénio Cinco Reis, Gilberto da
Costa, Fernando da Silva, Hélio Carlos, Armindo Mavehe e Isaura Andurage, pelo apoio
moral, material, companheirismo e paciência pelas conversas e deduções essenciais na
realização do curso.
Aos grandes amigos, por compartilhar desta grande conquista, em especial: Ana Maria,
Manuel de Jesus, Francisco Júnior, Edson Miguel, Miguel Agostinho, Cesaltina Sultane,
Izodine Ivony, Dulce Tamara, Carlos Cabral, Florência Albuquerque, Delfim Jaime, Arménio
Ferreira, Tomás Vanyakwile, Virgínia Pedro, Adilson Ferrão, Cláudio Chaquice e Erica de
Sousa.
A todos que participaram para a minha formação, vai o meu caloroso e carinhoso:
“Ndakhuta” (Obrigado).
EPÍGRAFE
Sun Tzu, em Arte de Fazer Guerra, diz:
“Muitas vezes o fogo deixa que nós subestimemos

todos os parâmetros relacionados a ele: subestimamos as quantidades, o arranjo e
disponibilidade dos combustíveis florestais, subestimamos as condições atmosféricas,
por isso o nosso “velho inimigo” derrota-nos em quase todas as batalhas”.
Modelagem da vulnerabilidade à ocorrência e propagação de incêndios florestais apoiado à
Geotecnologias (2008-2017). Estudo de caso da localidade de Munhiba, Mocuba.
ÍNDICE
Conteúdos Páginas
RESUMO ................................................................................................................................. iv
ABSTRACT .............................................................................................................................. v
LISTA DE FIGURAS ............................................................................................................. vi
LISTA DE TABELAS ...........................................................................................................vii
LISTA DE EQUAÇÕES .......................................................................................................vii
LISTA DE ANEXOS .............................................................................................................vii
LISTA DE APÊNDICES ..................................................................................................... viii
LISTAS DE SIGLAS E ABREVIATURA............................................................................ ix
I. INTRODUÇÃO .................................................................................................................... 1
1.1. Generalidades ...................................................................................................................... 1
1.2. Problema e Justificativa ...................................................................................................... 2
1.3. Objectivos ........................................................................................................................... 3
1.3.1. Geral ................................................................................................................................. 3
1.3.2. Específicos ....................................................................................................................... 3
II. REVISÃO BIBLIOGRÁFICA .......................................................................................... 4
2.1. Fogo e Incêndios florestais ................................................................................................. 4
2.2. Causas dos Incêndios Florestais.......................................................................................... 4
2.3. Estimativas dos Incêndios Florestais .................................................................................. 6
2.4. Risco de Incêndios Florestais.............................................................................................. 8
2.5. Factores que contribuem para ocorrência de Incêndios ...................................................... 9
2.5.1. Factor biofísico (UOT) .................................................................................................. 10
2.5.2. Factores Físicos .............................................................................................................. 10
i) Declividade (Decl)................................................................................................................ 10
ii) Orientação do relevo (OR) .................................................................................................. 11
2.5.3. Factores climáticos......................................................................................................... 11
i) Temperatura (TEMP) ........................................................................................................... 12
ii) Humidade Relativa (HR) ..................................................................................................... 12
iii) Precipitação Pluviométrica (PREC) ................................................................................... 12
2.5.4. Factores socioeconómicos ............................................................................................. 13
Gonha Chalisse Gonha i

i) Densidade demográfica (PR) ................................................................................................ 13

ii) Rede viária (PE) .................................................................................................................. 14
2.6. Geotecnologias na detecção e monitoramento de IF ........................................................ 14
2.6.2. Lógica Fuzzy .................................................................................................................. 16
2.6.3. Funções de Pertinência .................................................................................................. 18
III. MATERIAL E MÉTODOS ............................................................................................ 20
3.1. Descrição da Área de Estudo ............................................................................................ 20
3.1.1. Localização Geográfica ................................................................................................. 20
3.1.2. Clima .............................................................................................................................. 20
3.1.4. Vegetação ....................................................................................................................... 21
3.2. Procedimentos Metodológicos .......................................................................................... 22
3.2.1. Tipo de Pesquisa ............................................................................................................ 22
3.3. Aquisição de dados ........................................................................................................... 23
3.3.1. Focos de calor e dados meteorológicos ......................................................................... 23
3.3.2. Aquisição de imagens satélite ........................................................................................ 23
3.4. Processamento e análise de dados..................................................................................... 24
3.4.1. Focos de Calor e dados Meteorológicos ........................................................................ 24
3.4.2. Pré-processamento das imagens satélite ........................................................................ 25
3.4.3. Processamento em Lógica Fuzzy ................................................................................... 25
3.4.3.1. Uso e Ocupação de Terra (UOT) ................................................................................ 25
3.4.3.2. Proximidade de vias de acesso .................................................................................... 26
3.4.3.3. Declividade ................................................................................................................. 27
3.4.3.4. Orientação do relevo ................................................................................................... 28
3.4.3.5. Proximidade de residências/Densidade demográfica.................................................. 28
3.5. Sobreposição Fuzzy ........................................................................................................... 30
IV. RESULTADOS E DISCUSSÃO .................................................................................... 33
4.1. Relação de focos de calor com variáveis meteorológicas ................................................. 33
4.1.1. Relação entre focos de calor e temperatura (FC e TEMP) ........................................ 33
4.1.2. Relação entre focos de calor e humidade relativa do ar (FC e HR) .......................... 34
4.1.3. Relação entre focos de calor e precipitação pluviométrica (FC e PP) ...................... 35
4.2. Lógica Fuzzy ................................................................................................................. 36
Gonha Chalisse Gonha ii
4.2.1. Uso e ocupação da terra ................................................................................................. 36

4.2.2. Proximidade a estradas ou Vias de acesso ..................................................................... 38
4.2.3. Declividade .................................................................................................................... 40
4.2.4. Orientação do relevo ...................................................................................................... 42
4.2.5. Proximidade a residências.............................................................................................. 43
4.3. Sobreposição Fuzzy ........................................................................................................... 45
4.3.1. Risco de ocorrência de incêndios florestais ................................................................... 45
V. CONCLUSÕES E RECOMENDAÇÕES ....................................................................... 49
5.1. Conclusões ........................................................................................................................ 49
5.2. Recomendações................................................................................................................. 49
VI. REFERÊNCIAS BIBLIOGRÁFICAS .......................................................................... 50
VII. ANEXOS ......................................................................................................................... 62
VIII. APÊNDICES ................................................................................................................. 69
Gonha Chalisse Gonha iii

RESUMO
A redução sistemática de florestas naturais, provenientes de sucessivos incêndios, tem
estimulado o desenvolvimento de mecanismos de prevenção, controle e combate ao fogo.
Esta pesquisa teve como objectivo determinar as áreas de RIF, tendo como estudo de caso a
localidade de Munhiba, distrito de Mocuba, Província da Zambézia. Os parâmetros
analisados foram FC, PREC, TEMP, HR, UOT, Decl, OR, PE e PR. O pacote estatístico
utilizado foi o Software STATA 11, e com o auxílio de SIG determinou-se a influência de
cada variável ao RIF por meio da modelagem Fuzzy no software ArcGIS 10.5 e QGIS 3.2. A
cada conjunto Fuzzy foi definida uma função de pertinência que confere um grau de certeza,
0-1, em que o maior RIF é indicado quando o valor da variável assume 1 e nulo quando
assume valor de 0. Para as variáveis UOT, PE, Decl, OR e PR, foram utilizadas as funções de
pertinência FG, FS, FL, FGB, FLi, respectivamente. Posteriormente, as variáveis foram
combinadas por meio do FGM para representar o RIF na área de estudo. As variaveis HR,
PREC e TEMP pouco se realacionam com os focos de calor. O maior risco foi considerado
na classe de agricultura com valor no conjunto Fuzzy de 1 (0 - 0.58) para declividade, (0.9-
51) orientação do relevo, na Zona Norte. A concentração dos valores de risco para a distância
à estradas corresponde a (48%) no intervalo de 0.116-0.593. A modelagem Fuzzy foi
adequada para indicar a influência de cada variável, pois o risco de incêndio florestal varia de
extremo à baixo, influenciado pelos factores socioeconómicos.
Palavras-chave: Risco de incêndios florestais, Modelagem, Lógica Fuzzy.
Gonha Chalisse Gonha iv

ABSTRACT
The systematic reduction of natural forests from successive fires has stimulated the
development of fire prevention, control and control mechanisms. This research had as
objective to determine the areas of RIF, having as case study the locality of Munhiba, district
of Mocuba, Province of Zambézia. The analyzed parameters were FC, PREC, TEMP, HR,
UOT, Decl, OR, PE and PR. The statistical package used was STATA 11 Software, and the
influence of each variable on the RIF was determined with the aid of GIS through Fuzzy
modeling in ArcGIS 10.5 and QGIS 3.2 software. Each Fuzzy set was defined as a
membership function that confers a degree of certainty, 0-1, where the largest RIF is
indicated when the value of the variable assumes 1 and null when it assumes 0. For the
variables UOT, PE, Decl, OR and PR, the pertinence functions FG, FS, FL, FGB, FLi,
respectively, were used. Subsequently, the variables were combined through the FGM to
represent the RIF in the study area. The HR, PREC, and TEMP variables are poorly matched
with heat sources. The highest risk was considered in the agriculture class with value in the
Fuzzy set of 1 (0 - 0.58) for slope, (0.95-1) relief orientation, in the Northern Zone. The
concentration of risk values for distance to roads corresponds to (48%) in the range of 0.116-
0.593. The Fuzzy modeling was adequate to indicate the influence of each variable, since the
risk of forest fire varies from extreme to low, influenced by socioeconomic factors.
Keywords: Forest fire risk, Modeling, Fuzzy Logic.
Gonha Chalisse Gonha v

LISTA DE FIGURAS
Figura 1: Modelo esquemático para determinação do risco de incêndio florestal.. ................. 9
Figura 2: Variáveis Linguísticas para a humidade Relativa do Ar.. ....................................... 17
Figura 3: Diagrama da função de pertinência Fuzzy Gaussiana.. .......................................... 18
Figura 4: Funções de pertinência dos conjuntos Fuzzy.. ........................................................ 19
Figura 5: Localização geográfica da área de estudo, localidade de Munhiba, distrito de
Mocuba, província da Zambézia, Moçambique.. ..................................................................... 20
Figura 6: Valores anuais de focos de calor registados na localidade de Munhiba no período
de 2008 a 2017. ........................................................................................................................ 21
Figura 7: Distribuição espacial das aldeias na área de estudo em função da densidade
populacional. . ......................................................................................................................... 30
Figura 8: Fluxograma metodológico para a espacialização do RIF.. ..................................... 32
Figura 9: Correlação linear de focos de calor e temperatura (˚C) no período de 10 anos na
localidade de Munhiba. ............................................................................................................ 33
Figura 10: Correlação linear de focos de calor e humidade relativa do ar (%) no período de
10 anos na localidade de Munhiba. .......................................................................................... 34
Figura 11: Correlação linear de focos de calor e precipitação pluviométrica (mm) no período
de 10 anos na localidade de Munhiba. ..................................................................................... 35
Figura 12: A: Mapa de uso e ocupação de terra. B: Mapa Fuzzy com os valores no conjunto
de acordo com a influência do uso e ocupação de terra. .......................................................... 37
Figura 13: A: Rede de estradas. B: Mapa Fuzzy com os valores no conjunto de acordo com a
influência de proximidades de estradas/vias de acesso……………………………………39
Figura 14: A: Mapa de declividade. B: Mapa Fuzzy com os valores no conjunto de acordo
com a influência da declividade. .............................................................................................. 41
Figura 15: A: Mapa de orientação do relevo. B: Mapa Fuzzy com os valores no conjunto de
acordo com a influência da orientação de relevo. .................................................................... 42
Figura 16: A: Mapa Fuzzy com os valores no conjunto, de acordo com a influência da
proximidade de residências/Densidade demográfica. .............................................................. 44
Figura 17: A: Mapa Fuzzy apresentando os níveis de risco de incêndio no conjunto Fuzzy
Gamma e os focos de calor para validação do modelo. ........................................................... 47
Gonha Chalisse Gonha vi

LISTA DE TABELAS
Tabela 1: Descrição das principais causas de incêndios florestais no mundo. ......................... 5
Tabela 2: Situação de focos de queimadas em Moçambique de 2001 a 2003 e 2006. ............. 8
Tabela 3: Caracterização do Satélite Landsat8.. ..................................................................... 15
Tabela 4: Detalhes da imagem satélite LANDSAT8................................................................ 23
Tabela 5: Chave de interpretação para mapeamento de uso e cobertura de Terra.................. 26
Tabela 6: Interpretação do risco de incêndio florestal conforme o sistema viário. ................ 27
Tabela 7: Interpretação do risco de incêndio florestal conforme a declividade. .................... 28
Tabela 8: Interpretação do risco de incêndio florestal conforme a orientação de relevo. ...... 28
Tabela 9: Interpretação do risco de incêndio florestal conforme a densidade demográfica ... 29
Tabela 10: Matriz de correlação das variáveis obtidas pela análise das principais
componentes. ........................................................................................................................... 46
LISTA DE EQUAÇÕES
(1)…………………………………………………………………………………………….16
(2) ............................................................................................................................................. 31
LISTA DE ANEXOS
Anexo 1: Inquérito às comunidades. ....................................................................................... 62
Gonha Chalisse Gonha vii

LISTA DE APÊNDICES
Apêndice 1: Valores anuais de temperatura (˚C) em função dos anos em análise (2008-2017)
na Localidade de Munhiba. ...................................................................................................... 69
Apêndice 2: Valores de Precipitação Pluviométrica (mm) em função dos anos em análise
(2008-2017) na Localidade de Munhiba. ................................................................................. 69
Apêndice 3: Valores anuais de humidade relativa do ar em função dos anos em análise
(2008-2017) na Localidade de Munhiba. ................................................................................. 70
Apêndice 4: Focos activos de calor na localidade de Munhiba no período de 2008 – 2017. . 70
Apêndice 5: Nível de conhecimento sobre Incêndios Florestais………………………….…71
Apêndice 6: Principais actividades realizadas pelas comunidades. ........................................ 71
Apêndice 7: Formas de abertura de campos para a agricultura……………………………...71
Apêndice 8: Nivel de aceitação de uso do fogo na agricultura. .............................................. 71
Apêndice 9: Técnicas de controlo do fogo durante a agricultura…………………………....72
Apêndice 10: Supervisão de fornos na produção de carvão. .................................................. 72
Apêndice 11: Frequência de queimadas………………………………………….………….72
Apêndice 12: Objectivo do uso do fogo na Agricultura. ........................................................ 72
Apêndice 13: Anos de maior evento de incêndios…………………………………………..73
Apêndice 14: Período de queimadas (Meses). ........................................................................ 73
Apêndice 15: Técnica para supressão de incêndios ................................................................ 73
Apêndice 16: Estatística descritiva das variáveis foco de calor, temperatura, humidade
relativa do ar e precipitação. .................................................................................................... 74
Apêndice 17: Matriz de correlação de Person entre as variáveis independentes T, Hra e Prec
na ocorrência de focos de calor. ............................................................................................... 74
Apêndice 18: Classe de risco de incêndio florestal no conjunto Fuzzy para o uso e ocupação
da terra. .................................................................................................................................... 74
Gonha Chalisse Gonha viii

LISTAS DE SIGLAS E ABREVIATURA

CDS Centro de Desenvolvimento Sustentável
DDF Desmatamento e Degradação florestal
Decl Declividade
DNFFB Direcção Nacional de Florestas e Fauna Bravia
FAO Organização de Alimentação e Agricultura das Nações Unidas
FC Focos de calor
FG Fuzzy Gaussian
FGB Fuzzy Generalized Bell
FGM Fuzzy Gamma
FIP Programa de Investimento Florestal
FL Fuzzy Largue
FLi Fuzzy Linear
FS Fuzzy Small
GDM Governo do Distrito de Mocuba
HR Humidade relativa do ar
IF Incêndio Florestal
INAM Instituto Nacional de Meteorologia
INDE Instituto Nacional do Desenvolvimento da Educação
INE Instituto Nacional de Estatísticas
LANDSAT Land Remote Sensing Satellite
MAE Ministério da Administração Estatal
MDE Modelo Digital de Elevação
MICOA Ministério para a Coordenação da Acção Ambiental
OR Orientação do relevo
PE Proximidade de Estradas
PEDDM Plano Estratégico de Desenvolvimento do Distrito de Mocuba
PR Proximidade a Residências
PREC Precipitação Pluviométrica
QGIS Quantum Geographic Information System
Gonha Chalisse Gonha ix

RIF Risco de Incêndio Florestal

SIG Sistema de Informação Geográfica
SPFFB Serviços Províncias de Floresta e Fauna Bravia
TEMP Temperatura do ar
UAT Uso e Aproveitamento de Terra
UIF Unidade de Informação Financeira
UOT Uso e Ocupacao de Terra
UTM Universal Transversal Mercator
WGS World Geodetic System
WHS World Humanitarian Summit
LISTA DE SÍMBOLOS
% Percentagem
Km2 Quilómetros quadrados
ha Hectare
Km Quilómetros
⁰ Grau
‘ Minuto
“ Segundo
E Este
S Sul
m Metro
mm Milímetro
⁰C Graus Celcius
μ Micro
∈ Pertence
∏ Produto
∪ União de Conjuntos
Gonha Chalisse Gonha x

I. INTRODUÇÃO
1.1. Generalidades
As florestas desempenham um papel importante na manutenção do equilíbrio do meio

ambiente (Juvanhol, 2014). Em Moçambique, as florestas, savanas e outros tipos de
vegetação, cobrem aproximadamente 70% da superfície total do país, e a área de cobertura
florestal é de 40,1 milhões de ha (51% do país), dos quais 26,9 milhões de ha são
categorizados como florestas produtivas, ideal para a produção de madeira, e 13,2 milhões de
ha são áreas de conservação, algumas das quais estão sob gestão comunitária (FIP, 2016).
Apesar do grande potencial florestal, Moçambique enfrenta enormes desafios na gestão

destes recursos, em parte devido a grande demanda da indústria florestal FAO (2010), e pelo
facto de cerca de 85% das necessidades energéticas serem satisfeitas pela energia de
biomassa, ligados a agricultura de subsistência, agricultura comercial, a produção de lenha e
carvão, a urbanização, a mineração, a exploração de madeira comercial e a pecuária (Sitoe et
al., 2016). Destas, a agricultura de subsistência é a principal, sendo responsável por 65% do
desmatamento ocorrido no país e os incêndios florestais são uma das principais causas de
degradação florestal, estando associadas à prática da AI (Sitoe et al., 2012).
Contudo, a redução dos recursos naturais devido à acção antrópica, estimula uma constante
aquisição de informações ligadas ao monitoramento de incêndios florestais através de SIG
como ferramenta efectiva pela capacidade de modelagem computacional, embora a
modelagem de incêndios florestais seja difícil porque o comportamento do fogo é
determinado por um conjunto extremamente complexo de processos acoplados, que ocorrem
ao longo de um vasto leque de escalas espaciais e temporais (Linn et al., 2012 e Oliveira et
al., 2004).
Portanto, Barlow et al. (2012), afirmam que a previsão do risco de incêndio pode ser muito
complicada, pois é dependente de interacções entre factores antrópicos e ambientais. Para
Yang et al. (2007), as informações sobre a distribuição espacial dos incêndios florestais são
necessárias para melhorar as estratégias de prevenção.
Gonha Chalisse Gonha 1

Fernandes et al. (2011), afirmam ser necessária, uma abordagem que integre características
ecológicas e socioeconómicas para o planeamento e gestão florestal do fogo, pois a
abordagem global do fenómeno requer o uso de novas tecnologias para obtenção,
processamento e apresentação da informação espacial.
Neste âmbito, o estudo sobre a Modelagem de ocorrência à propagação de incêndios

florestais, torna-se pertinente na medida que este permite a criação de um modelo que possa
prever o comportamento do fogo, e consequentemente propor medidas mais eficientes de
prevenção e combate, aliado do conhecimento sobre o seu risco, para o correcto planeamento
e alocação de recursos para seu combate.
O presente estudo visa determinar as áreas vulneráveis a ocorrência e propagação de

incêndios florestais apoiado a Geotecnologias no período de 2008-2017, na localidade de
Munhiba.
1.2. Problema e Justificativa

Anualmente Moçambique perde cerca de 0.58% da cobertura vegetal, equivalente a
219.000ha de florestas (Sitoe et al., 2016). As causas principais são a pressão humana através
da agricultura itinerante, produção de carvão, recolha de lenha e os incêndios florestais (Sitoe
et al., 2012), pois os incêndios constituem uma das causas principais da redução sistemática
das florestas na província da Zambézia, que nos últimos anos tem registado maior número de
focos de queimadas (SPFFB, 2003).
Face a esta situação, em 2002, foram registadas 20541 focos de queimadas, em toda
província da Zambézia, representando a província com mais incidência de focos de
queimadas em todo o País, em que os distritos com mais focos de queimadas foram Pebane,
Morrumbala, Mocuba, Gilé, Milange, Lugela, Maganja da Costa, Ilé, Alto Molocué e Gurué
(SPFFB, 2003 e DNFFB/UIF, 2003), associado a dependência das comunidades ao fogo nas
diferentes formas de UAT (uso e aproveitamento de terra) ligada a cultivos itinerantes,
queima para a protecção contra animais, queima para a caça e colecta de mel (Ossene, 2015).
Dada a complexidade que envolve a caracterização de combustíveis florestais, a

representação destes em modelos associados a SIG, revela-se fundamental. Para Freire

(2009), a aplicação de modelos espaciais à problemática de incêndios florestais, tem vindo a

assumir cada vez mais relevância, uma vez que a simulação da ocorrência do fogo, atendendo
a determinadas variáveis climáticas, topográficas e de combustíveis permitirá conhecer
melhor o seu comportamento, podendo ter uma intervenção antecipada na sua prevenção ou
encontrar melhores estratégias no seu combate.
Portanto, a modelação do comportamento do fogo por meio da Lógica Fuzzy tem-se tornado
num meio prático de quantificar o fenómeno incêndio florestal, constituindo uma ferramenta
para decidir e organizar as actividades de prevenção, as estratégias e tácticas de combate
(Fernandes, 2006).
Assim sendo, a modelagem de risco de ocorrência e propagação dos incêndios florestais

podem ser ferramentas valiosas na implementação de métodos de ataque, estimação e
desenvolvimento de recursos, medidas de segurança de combate ao fogo e das populações na
zona do sinistro, tanto quanto para auxiliar na tomada de decisão, através de elaboração de
políticas e estratégias com acções de prevenção.
1.3. Objectivos
1.3.1. Geral
✓ Avaliar áreas vulneráveis a ocorrência e propagação de incêndios florestais apoiado a

Geotecnologias no período de 2008-2017, na localidade de Munhiba.
1.3.2. Específicos
✓ Relacionar os focos de calor com variáveis meteorológicas (precipitação, temperatura e

humidade relativa do ar) de 2008-2017;
✓ Analisar as variáveis envolvidas na vulnerabilidade de ocorrência e propagação de

incêndios florestais por meio da Lógica Fuzzy;
✓ Determinar áreas de risco de ocorrência de incêndios florestais por meio da Sobreposição

Fuzzy.

II. REVISÃO BIBLIOGRÁFICA

2.1. Fogo e Incêndios florestais
O fogo é um componente natural de muitos ecossistemas florestais, porém os incêndios

florestais podem representar ameaças significativas à segurança dos recursos florestais
(De Melo, 2005). O fogo caracteriza-se por ser uma fonte natural de energia, proveniente da
combustão de material combustível na presença de oxigénio e calor (triângulo do fogo)
(Soares e Batista, 2007; Gonçalves, 2012 apud Ubisse, 2015).
Para Rawat (2003), fogo é uma rápida combinação de combustível, calor e oxigénio, mas
Cochrane e Ryan (2009), definem o fogo numa perspectiva mecânica, que é simplesmente o
calor e a luz gerada pela combustão.
Existe a necessidade de distinção entre os conceitos de fogo e incêndio florestal. Segundo

Morgera e Cirelli (2009), incêndio florestal é, portanto, qualquer fogo não planeiado e
descontrolado, que ocorre em espaços florestais independentemente da fonte de ignição. Na
mesma linha de ideia, um incêndio florestal é definido pela FAO como qualquer ocorrência
do fogo em áreas naturais, exceptuando fogos controlados (FAO, 2012).
Em todo mundo, o número de incêndios florestais de grandes proporções tem aumentado de

uma forma alarmante de tal forma que surgiram entre estes os chamados Mega incêndios
devido às mudanças climáticas e ao aumento da população mundial, as florestas têm se
tornado cada vez mais vulneráveis aos incêndios (Williams et al., 2013).
2.2. Causas dos Incêndios Florestais

2.2.1. No mundo
Dependendo da região, tendo em conta os seguintes factores: o nível de desenvolvimento,
cultura, hábitos e costumes, as causas que concorrem directamente para a ocorrência das
queimadas descontroladas variam largamente (Ossene, 2015).
As principais causas que influenciam para a ocorrência IF no continente africano são: a
limpeza de terreno para a agricultura, negligência, caça, colecta de mel, fogueiras
abandonadas por campistas, descuidos na queima prescrita, incendiários devido a conflitos de

uso e aproveitamento da terra), pastagem e para estimular determinados produtos florestais

(FAO, 2007 e Hough 1992 apud Ossene, 2015).
De modo a harmonizar as principais causas de IF no mundo, a FAO agrupou as principais

causas de IF em 8 categorias ou grupo, nomeadamente, raio, incendiários, queima para
limpeza, fumadores, operações florestais, estradas de ferro, fogos de recreação e diversos,
(tabela 1):
Tabela 1: Descrição das principais causas de incêndios florestais no mundo.

Categorias Responsabilidaes
1 Raios Causados diretamente por diversas descargas elétricas da atmosfera. Não

existe responsabilidade humana.
2 Incendiários Provocados potencialmente por pessoas em propriedades alheias,

seja por vingança ou por desequilíbrio mental.
3 Queima para limpeza Incêndios originados do uso do fogo na limpeza de terreno para fins
agrícolas, florestais ou pecuários, que por negligência ou descuido
escapa do controle e atinge áreas florestais.
4 Fumantes Provocados por fósforo ou por cigarros acesos.
5 Operações florestais Provocados por trabalhadores florestais em atividades na floresta,

exceto os causados por cigarros
6 Fogo de recreação Incêndios causados por pessoas que utilizam a floresta como local
de recreação, tais como pescadores e caçadores.
7 Estrada de ferro Incêndios causados diretamente ou indiretamente pelas atividades de

ferrovias.
8 Diversos Incêndios cujas causas, apesar de conhecidas, não se enquadram em

nenhum dos sete grupos anteriores. Por terem causa pouco freqüente
não são enquadrados em uma classificação especial. Ex.: queda de
aviões, incêndio de automóveis ou balões em festas juninas.
Fonte: Nunes (2005) e Soares e Batista, 2007) adaptado FAO (2010),
2.2.2. Em Moçambique
As queimadas fazem parte de modo de vida das populações rurais como meio de gestão da
terra e dos recursos naturais, pois muitas destas queimadas acabam se tornando em incêndios,
devido as proporções que atingem, e por desconhecimento das melhores práticas para o seu
controlo e ou por negligência dos seus autores (Ossene, 2015).

Os incêndios florestais constituem um dos problemas ambientais que preocupam toda a

sociedade, agravado dos elevados índices de pobreza em que vive a maioria da população
rural e periurbana no País (Serra Jr e Chicue, 2005; MICOA, 2007).
Em Moçambique, as principais causas dos incêndios florestais estão associadas ao uso do

fogo nas zonas rurais para os seguintes fins: redução do material combustível, caça,
agricultura itinerante de acordo com Serra Jr e Chicue (2005) e MICOA (2007), abertura de
caminhos para facilitar a circulação das pessoas, visibilidade na mata, colecta de mel,
produção de carvão, renovação das áreas de pastagem, controle de espécies vegetais
indesejáveis e controle de pragas e doenças (MICOA, 2007).
2.3. Estimativas dos Incêndios Florestais

2.3.1. No mundo
Segundo Soares (1984) apud Ossene (2015), os incêndios apresentam uma importante fonte
de danos nas florestas de todo o mundo e para estimar esses danos, alguns países mantém
estatísticas completas em relação as ocorrências das queimadas há várias décadas e outros
não.
Observou-se o agravamento das queimadas nas últimas décadas e estima-se que somente no
ano de 2000, aproximadamente 350.000.000ha de florestas foram devastados por incêndios
florestais. Estas queimadas foram causadas através da situação relacionada com mudanças
climáticas e crescimento populacional, associados as alterações no uso e aproveitamento do
solo (FAO, 2007 e 2012).
Estudos feitos pela FAO (2007), derivados dos sensores do satélite SPOT-VEGETATION,
alistam o continente Africano como sendo o mais afectado por incêndios florestais,
estimando-se que aproximadamente 2.300.000 Km2 (7.7%) do continente foi queimado no
ano de 2000, este valor perfaz aproximadamente 64% dos 3.500.000 km2 que foi queimado
em todo o mundo.
De igual modo no ano de 2004, as percentagens de queimadas afectada no continente

Africano foi igual ao ano de 2000 e dessas queimadas a maior parte foi originada no leste da

África (15% da área total), de seguida África central (13.5% da área total) e no sul da África
(11.5% da área total).
2.3.2. Em Moçambique – Extensão e Frequência

Em Moçambique a área florestal tende a diminuir a um ritmo relativamente acelerado, não só
pelo aumento de áreas de assentamentos humanos, derruba para fins agro-pecuários, mas
também devido á prática de Incêndios Florestais (MICOA, 2007).
DNFFB (2002) apud MICOA (2007), no ano de 1990, indica que o País queimava por ano
cerca de 40% da sua extensão total, e estudos realizados em 2006, revelam que os incêndios
florestais são responsáveis pela devastação de cerca de 30 milhões de hectares por ano.
De acordo com MICOA (2007), os dados de focos de queimadas aumentaram

significativamente nos últimos anos no País (tabela 2). As queimadas descontroladas
originam perdas económicas no País e em particular para as comunidades, bem como
apresentam grandes consequências dentro dos ecossistemas, dentre as quais contribuem
significativamente na dinâmica do ciclo de desenvolvimento das componentes envolvidas,
Fauna, Flora, Recursos hídricos entre outros.
Os factores que contribuem para maior ocorrência de incêndios nas zonas centro e norte,
estão associados com a predominância dos ecossistemas de Savanas, Mopane e Miombo, que
são ecossistemas propensos a ocorrência de incêndios florestais, e paralelamente a esse facto,
está a ocorrência de períodos secos longos (Junho a Novembro), (INDE, 2009).

Tabela 2: Situação de focos de queimadas em Moçambique de 2001 a 2003 e 2006.

Anos
Província 2001 2002 2003 2006
Cabo Delgado 658 965 5605 6560
Niassa 929 672 7386 10330
Nampula 366 216 4407 4750
Zambézia 385 220 5742 18560
Tete 319 497 6306 10890
Sofala 157 145 4865 13230
Manica 207 229 4540 11010
Gaza 55 113 797 1700
Inhambane 47 11 812 2080
Maputo 66 51 576 1820
Total 3189 3119 41036 80930
Fonte: CDS – Recursos Naturais (2005) apud MICOA (2007).
2.4. Risco de Incêndios Florestais

Existe uma distinção conceitual entre vulnerabilidade, perigo e risco de incêndio. De acordo
com Castañeda (1997), o risco de incêndio é combinado pela vulnerabilidade e pelo factor de
ameaça (à existência de agentes naturais e antrópicos que dão início ao fogo) (figura 1) a que
está submetido o ambiente, enquanto o conceito de vulnerabilidade está relacionado às
características do material combustível e às condições ambientais (clima e relevo) que torna a
vegetação susceptível a ignição e propagação do fogo.
Para Bachmann e Allgower (2001), o risco de incêndio (fire risk) representa a possibilidade
de o incêndio ocorrer e pela proporção dos efeitos que ele pode causar. Os autores
acrescentam que o perigo de incêndio (fire hazard) corresponde à ocorrência do fogo
relacionado ao potencial do dano (figura 1).

Figura 1: Modelo esquemático para determinação do risco de incêndio florestal. Fonte: (Juvanhol, 2014),
adaptado pelo Autor.
Castañeda (1997), afirma que o mapa de risco devido às alterações antrópicas do

meio, representa todas as formas de presença ou actividade de comunidades, reflectindo o
nível de ameaça devido à presença humana. Uma forma eficiente de diminuir as perdas
causadas pelo fogo é obter um conhecimento do risco de incêndios florestais por meio de
metodologias de previsão, prevenção e controle para cada região (Ribeiro, 2009).
O risco de incêndio pode ser realizado pelo mapeamento, que tem como objectivo a
identificação de áreas com risco diferenciado em uma determinada região por meio de um
mapa base, gerado pela integração de factores que influenciam o início e a propagação do
fogo (Ferraz e Vetorazzi, 1998; Venturi e Antunes, 2007).
Venturi e Antunes (2007), entendem que o estudo dos factores inerentes ao uso e ocupação da
terra, relevo e variáveis socioeconómicas ou factores humanos, que condicionam a ocorrência
e o comportamento do fogo é essencial no mapeamento de risco de incêndio, pois, para
Andrade et al. (2011), tais variáveis devem ser analisadas de acordo com a sua distribuição
espacial na área, sendo assim, um instrumento potencial de apoio na tomada de decisões.
2.5. Factores que contribuem para ocorrência de Incêndios

Os factores determinantes para a ocorrência de um incêndio são: Factores biofisicos (Uso e
Ocupação do Terra), Físicos (Declividade e orientação do relevo) e socioeconómicos

(Presença humana, proximidade a estradas e residência) Onigemo (2007), no entanto Vega-

Garcia et al. (2009), e Chuvieco (2009), referem que a presença humana representa
igualmente um factor determinante para ocorrência de incêndios florestais.
2.5.1. Factor biofísico (UOT)

O UOT consiste em buscar conhecimento de toda a sua utilização por parte do homem ou,
quando não utilizado, a caracterização dos tipos de categorias de vegetação natural que
reveste o solo, como também suas respectivas localizações (Rosa, 2007).
Segundo Moreira (2011) e Fielder et al. (2006), afirmam que o estudo do uso e ocupação de
terra consiste na obtenção de informações sobre o modo como o espaço está sendo alterado
pelo homem, ou ainda, como se caracteriza a cobertura vegetal original” revelando os estados
físicos, químicos e biológicos da superfície da terra (floresta, gramíneas, áreas construídas),
tendo interesse nas ciências naturais.
Ao tratar de degradação ambiental ocorrida pela acção antrópica, Tuzine (2011), aborda que
dentre as actividades que causam degradação podem ser citadas as práticas agrícolas,
desmatamentos, super-pastoreio e urbanização. Também Uhl et al. (1986), com a visão de
mau uso dos recursos naturais, relata que a questão ambiental na verdade diz respeito ao
modo como a sociedade se relaciona com a natureza.
O tipo de fisionomia florestal influência o comportamento, pois a variação na cobertura

vegetal implica em mudanças de diversos aspectos relacionados com o comportamento do
fogo, principalmente combustível e condições climáticas e propriedades dos combustíveis,
pois estas diferenças podem causar alterações no desenvolvimento de incêndios (Soares e
Batista, 2007).
2.5.2. Factores Físicos

i) Declividade (Decl)
A inclinação exerce influência tanto na formação de microclimas como no tipo de
vegetação que se forma, que é explicada pela associação dessa variável às condições de
vento, humidade do ar e do material combustível Ribeiro et al. (2012). Além disso, o

acúmulo de água também é influenciado pela inclinação, de tal forma que áreas planas são
mais propensas a sofrer inundações do que áreas escarpadas (Magalhães et al., 2011).
Em adição, a inclinação também exerce um importante papel dificultando a operação de

supressão e combate ao fogo Jaiswal et al. (2002); Cipriani et al. (2011), uma vez que a
inclinação impede ou torna demorada a chegada de brigadistas ao local do incêndio florestal.
Devido ao movimento convectivo das massas no qual o ar quente se eleva e o ar frio

ocupa o espaço vazio formado, suprindo a demanda de oxigénio na zona de combustão
Andrade et al. (2011), neste contexto, Jaiswal et al. (2002), Erten et al. (2004) e Ribeiro et al.
(2012), asseguram que a propagação do fogo costuma ser mais rápida em situações de aclive
acentuado do que em situações de declive.
ii) Orientação do relevo (OR)

A análise da influência das orientações do relevo, exerce influência tanto na facilidade de
ignição do material combustível, como também na propagação do fogo, sendo essa relação,
segundo Soares e Batista (2007), proporcional à incidência dos raios solares na superfície.
Quanto mais directa for a incidência, maior será a temperatura do ar e menor será a humidade
relativa do ar, actuando directamente no tipo de vegetação bem como na secagem desse
material combustível (Soares e Batista, 2007). Torres et al. (2010), ressaltam que quanto
menor for a humidade relativa do ar, menor é a quantidade de nuvens formadas, e maior a
quantidade de incidência solar e, portanto, maior a predisposição à ignição e propagação.
Entretanto o conhecimento da orientação do relevo na paisagem florestal, se faz importante

para o estabelecimento de planos de gestão de áreas de ameaças aos incêndios florestais.
2.5.3. Factores climáticos

A ocorrência dos incêndios está sempre associada a períodos sem chuva, por isso que longos
períodos de estiagem afectam o potencial de propagação dos incêndios de diversas maneiras,
principalmente pela secagem progressiva do material combustível morto, podendo, inclusive,
afectar o teor de humidade da vegetação (Leonardo et al., 2011 e River-Lombardi, 2003).

i) Temperatura (TEMP)
Para Fanin e Van der Werf (2015), a temperatura do ar influi directa e indirectamente na
combustão e propagação dos incêndios, dai que sua influência directa se refere à quantidade
de calor necessária para elevar o combustível à temperatura de ignição, que depende da
própria temperatura inicial do material combustível e do ar que está em volta. Indirectamente,
a temperatura influencia outros factores relacionados à propagação do fogo tais como vento,
humidade do combustível e a estabilidade atmosférica (Nunes, 2005 e White, 2013).
A temperatura do ar costuma ser avaliada no período mais quente do dia, que normalmente é
no período das 13 às 15 horas.
ii) Humidade Relativa (HR)

White (2013) e Aximoff e Rodrigues (2011), entendem que a humidade relativa do ar é um
importante elemento da biosfera, pois a humidade relativa do ar está relacionada ao teor de
humidade do material combustível. Durante o aquecimento diário da superfície terrestre, a
humidade relativa do ar é geralmente mais baixa no fundo dos vales ou nas faces
directamente expostas à incidência dos raios solares.
À noite, as partes mais baixas, como o fundo dos vales, são relativamente mais húmidas e a
humidade relativa mínima ocorre na posição média do declive, onde as temperaturas são mais
altas (Schumacher e Hoppe, 2001 apud Nunes, 2005).
iii) Precipitação Pluviométrica (PREC)

A precipitação está relacionada à ocorrência e diminuição dos riscos de incêndios, em que
longos períodos de estiagem afectam o potencial de propagação de diversas maneiras,
principalmente pela secagem progressiva do material combustível morto, podendo inclusive
afectar o teor de humidade da vegetação verde de acordo com (Soares, 2003 e Vasconcelos et
al., 2014).
Além disso, é importante ressaltar que existe um tempo de resposta entre o período
em que logo se encerra a chuva e o período em que se iniciam as mesmas de acordo com
Santana et al. (2011), pois que o princípio, assim como, a diminuição das ocorrências estão

associados à perda progressiva ou ao ganho progressivo de humidade do solo e do material

combustível (Mendoza, 2003 e Neto, 2016).
2.5.4. Factores socioeconómicos

Muitas análises quantitativas do risco de incêndio florestal têm dado menor atenção para a
importância das variáveis socioeconómicas ou factores humanos em comparação com
biológicos e factores físicos (Yang et al., 2007). Em estudos, tais como mudanças da
paisagem, Rindfuss et al. (2004) e Ulh et al. (1986), começaram a abordar questões
relacionadas com a integração de dados socioeconómicos e biofísicos para examinar padrões
e processos espaciais dos incêndios florestais.
i) Densidade demográfica (PR)

A pressão exercida pela especulação de novas áreas para a agricultura e pecuária tem
contribuído bastante para o aumento e propagação de incêndios florestais, pois a queima para
limpeza e a presença de incendiários são as duas maiores causas de incêndios (Soares e
Batista, 2004).
A influência do homem costuma ser bastante utilizada para determinar a possibilidade

de risco de incêndios florestais e essa pode ser dada com base em diversos aspectos tais como
densidade de casas por unidade de área, (Jaiswal et al., 2002); distância de áreas urbanas,
(Erten et al., 2004); e densidade demográfica, (Oliveira et al., 2004).
A influência da presença humana pode ser relacionada a outras variáveis, como a malha
hidrográfica e a vegetação, pois Cunha-Neta e Oliveira (2011), relevam que inclinações
inferiores a 35º estão mais vulneráveis à ocorrência de aglomerados subnormais e, portanto,
mais sujeitas a acção do homem.
Brown e Bevim (1986), Romero Calcerrada et al. (2010) e Magalhães et al. (2011), também
relacionam a presença de localidades próximas a corpos hídricos sobretudo, devido à
necessidade fisiológica do ser humano pela água, à presença de solos férteis nas regiões
ribeirinhas, para cultivo, à necessidade de irrigar plantações, estabelecimento de portos e, em
certos casos, está associada à topografia, reafirmando novamente a influência exercida pela

acção antrópica na modificação da paisagem e, consequentemente, no aumento da

susceptibilidade aos incêndios florestais.
ii) Rede viária (PE)

A variável vias de acesso pode ser considerada uma sub-variável resultante da acção
antrópica devido a presença de veículos, animais e homens em vias criam oportunidades para
incêndios florestais acidentais ou não causados pelos homens Jaiswal et al. (2002) e
Erten et al. (2004), sendo que, de acordo com Chou et al. (1990), as estradas de maior
tráfego de veículos, apresentam maior potencial de ignição do que as estradas de menor
tráfego de veículos, como as vicinais.
A análise dessa variável costuma ser dada em Distância Euclidiana Bolfe et al. (2004);
Hernandez-Leal et al. (2006); Cipriani et al. (2011); Tetto et al. (2012), sendo modificável a
influência dos riscos conforme a distância das vias, porém outros autores como Colorado
(2002), Ribeiro et al. (2008) e Costa et al. (2009) utilizaram a influência do raio de
proximidade (Buffer1) para análise de risco.
Conforme Ribeiro et al. (2012), a existência de vias contribui para a retirada de madeira,
actuando, consequentemente, nas mudanças de microclima que podem vir a facilitar a entrada
do fogo para o acúmulo de material combustível às margens de vias pavimentadas, não-
pavimentadas, trilhas e linhas férreas e para a abertura de novas áreas de exploração agro-
pastoril.
2.6. Geotecnologias na detecção e monitoramento de IF

Um incêndio florestal pode promover diversos prejuízos ambientais, dentre os quais se
destacam: redução dos estoques genéticos, destruição de habitats, extinção de nascentes,
destruição de reservas e áreas de preservação, infertilidade e desertificação do solo,
aparecimento de processos erosivos e extinção de espécies da fauna e flora (Guimarães et al.,
1
É um modelo matemático que estabelece a distância euclidiana de um determinado objecto: ponto, linha,
polígono (em caso de dados vectoriais) ou pixel (em caso de dados matriciais), delimitando uma área ao redor
do objecto estudado. Como exemplo, pode-se citar a determinação do entorno de uma unidade de conservação
ou de um curso de água, onde até certa distância algumas restrições devem ser respeitadas (EMBRAPA, 2014).

2014). Visto os impactos que podem ser ocasionados pelos incêndios florestais, vê se a
importância da rapidez e eficiência na detecção e monitoramento de IF como fundamentais
para o planeamento, controle e dimensionamento dos efeitos produzidos pelo fogo.
As geotecnologias surgem como um importante recurso de subsídio na identificação das

queimadas permitindo localizar, quantificar e fazer estudos de análises espaço-temporais das
áreas onde ocorrem incêndios (Santos et al., 2011). Sendo que uma ferramenta importante
para essa identificação é o Sensoriamento Remoto que permite cruzar informações
georreferenciadas e saber a quantidade e a localização dos focos de calor (Andreae e Merlet,
2001 e Gontijo et al., 2011).
2.6.1. Descrição do Satélite LANDSAT8

O satélite Landsat8 é o oitavo da série de satélites do Programa Landsat, foi lancado em
Fevereiro de 2013, sendo assim o sétimo satélite a alcançar com sucesso a órbita terrestre
com a falha do Landsat 6 (Alvarenga e Moares, 2014).
Tabela 3: Caracterização do Satélite LANDSAT8.

Satélite Landsat8
Sensores
Características
Operacional Land Imager (OLI) Bandas 1 a 9 e Thermal Infrared Sensor
(TIRS) Bandas 10 e 11.
Largura da Faixa 170x185 km
Banda 1 Coastal aerosol (0.43-0.45 μm) 30 m
Bandas Banda 2 Blue (0.450-0.51μm) 30 m
Espectrais/ Resolução Banda 3 Green (0.53-0.59 μm) 30 m
Espacial Banda 4 Red (0.64-0.67 μm) 30 m
Banda 5 Near Infrared (NIR) (0.85-0.88 μm) 30 m
Banda 6 SWIR 1 (1.57-1.65 μm) 30 m
Banda 7 SWIR 2 (2.11-2.29 μm) 30 m
Banda 8 Panchromatic (PAN) (0.50-0.68 μm) 15 m
Banda 9 Cirrus (1.36-1.38 μm) 30 m
Banda 10 Thermal Infrared TIRS 1 (10.6-11.19 μm) 100 m
Banda 11 Thermal Infrared TIRS 2 (11.5-12.51 μm) 100 m
Resolução Radiométrica 16 Bits
Projecção Projecção UTM, Datum WGS 1984
Revista 16 Dias
Orbita Heliossíncrona (altitude de 705 Km)
Fonte: Alvarenga e Moraes (2014) adaptado de USGS (2013).

O Landsat8 é caracterizado por uma resolução espacial na Pancromático P&B: de 15,0 m

(bandas 8); Multiespectral: 30,0 m (banda 1-7 e 9); Termal: 100,0 m (bandas 10-11) uma
Órbita Heliossíncrona a uma altitude de 705 Km, semelhante a dos Landsat 5 e 7 (Oliveira,
2016) (tabela 3).
2.6.2. Lógica Fuzzy

Várias metodologias de risco de incêndio são desenvolvidas em fórmulas determinísticas
baseadas, muitas vezes, em factores climáticos, porém a combinação entre esses factores e a
contribuição dos mesmos para o incêndio é fundamentada em observações e conhecimentos
prévios de pesquisadores e está propensa a ter um maior grau de subjectividade (Silva e
Pontes, 2011).
A Lógica Fuzzy pode ser definida como sendo uma metodologia de caracterização de classes,
que por várias razões não tem ou não pode definir limites rígidos entre as classes (Silva e
Pontes, 2011).
Eastman et al. (1995), afirma que a imprecisão está associada à praticamente todos os
processos de tomada de decisão e estas podem ter origem nos dados e nas incertezas das
regras de decisão. A lógica Fuzzy trabalha as informações que se encontram imprecisas,
traduzindo expressões verbais, vagas, imprecisas e qualitativas, de categoria subjectiva,
comuns na comunicação humana, em valores numéricos (Simões e Shaw, 2007).
Os conjuntos Fuzzy não possuem fronteiras definidas e são utilizados como um contraponto à
limitação que os conjuntos clássicos apresentam ao serem aplicados em problemas cujas
transições entre as classes acontecem de maneira suave (Silva et al., 2011). Portanto para
caracterizar formalmente um conjunto, de acordo com Burrough e McDonnel (1998), pode-se
recorrer ao conceito de pertinência, que é uma função onde dado o valor de um atributo x, ela
determina se o elemento avaliado pertence ou não a um determinado conjunto em análise.
A definição de conjuntos Fuzzy é dada de forma que um subconjunto A de um conjunto U é

considerado subconjunto Fuzzy de U se for descrito como um conjunto de pares ordenados,
de acordo com Silva et al. (2011), a equação 1 pode ser expressa:

A = {( x,  A ( x)); xU  A ( x) [0,1]) (1)
Em que: µA (x): é uma função de pertinência que determina com que grau x está em A; µA (x) = 1 logo x
pertence totalmente ao conjunto A; 0 < µA (x) < 1 logo x pertence parcialmente ao conjunto A; µA (x) = 0 logo x
não pertence ao conjunto A.
Uma das principais potencialidades da Lógica Fuzzy, quando comparada com outros
esquemas que tratam com dados imprecisos como redes neurais, é que suas bases de
conhecimento, as quais estão no formato de regras de produção, são fáceis de examinar e
entender (Barros e Bassanezi, 2006; Badia Perpinya e Pallares Barbea, 2006).
Para Cecconello (2006), nas operações entre conjuntos Fuzzy é comum utilizar-se as
variáveis linguísticas, que podem ser qualitativas ou quantitativas (figura 2) (muito baixa,
baixa, média, alta, muito alta), cujos valores assumidos são subconjuntos Fuzzy. A variável
linguística é um substantivo (qualitativo) e seus valores são adjectivos como ilustra a figura
abaixo.
Figura 2: Variáveis Linguísticas para a humidade Relativa do Ar. Fonte: (Silva et al., 2011).

2.6.3. Funções de Pertinência

Um conjunto Fuzzy é caracterizado por uma função de pertinência que assume valores dentro
do intervalo [0,1]. Se M= {1,0}, o subconjunto A é um conjunto Fuzzy e a função µA (x) será

uma função de pertinência Fuzzy (Chuvieco et al., 2010). Enquanto na teoria de conjuntos
clássica, a função de pertinência assume apenas os valores zero indicando que o elemento não
pertence ao conjunto, ou um indicando que o elemento pertence ao conjunto, na teoria de
conjuntos Fuzzy, os elementos podem estar associados a graus de pertinência entre zero e um,
indicando que os mesmos podem pertencer parcialmente a um conjunto (Silva et al., 2011).
Para Juvanhol (2014), o processo de transformar os valores de entrada da variável para a

escala de 0 a 1 de possibilidades é chamado de Fuzzificação. Na mesma linha de pensamento
o mesmo autor afirma que no processo de Fuzzificação, o valor ideal da variável para a
pertinência ao conjunto Fuzzy é definido, pois cada valor real de uma variável próximo do
ponto central do conjunto será indicado como 1 (figura 3).
Ainda em sua abordagem o autor acima citado, subsidia que os valores que não fazem parte
do conjunto recebem o valor 0, e os que se situam entre os dois limites se encontram na zona
de transição do conjunto. Portanto o valor da Fuzzificação de 0.5 é o ponto médio e um valor
Fuzzy superior a 0.5 indica a maior possibilidade de o valor da variável pertencer a um
membro do conjunto e um valor Fuzzy inferior indica a menor possibilidade.
Figura 3: Diagrama da função de pertinência Fuzzy Gaussiana. Fonte: Juvanhol (2014).

Segundo Ramos e Mendes (2001), Tso e Mather (2009), as funções de pertinência mais
comuns são: triangular, trapezoidal, sigmoidal crescente (Fuzzy Large), sigmoidal
decrescente (Fuzzy Small), gaussiana, linear e em forma de sino (figura 4).
Os valores de pertinência Fuzzy dados de forma relativa e os operadores Fuzzy permitem uma
grande flexibilidade na modelagem. Em outras palavras, as limitações impostas pelo modelo
clássico, podem ser eliminadas pelos modelos Fuzzy de acordo com Meirelles (1997), devido
à combinação das variáveis no estudo por meio dos seus operadores, dentre eles, a
intersecção, união e o complemento.
Figura 4: Funções de pertinência dos conjuntos Fuzzy. Fonte: (Juvanhol, 2014).

III. MATERIAL E MÉTODOS

3.1. Descrição da Área de Estudo
3.1.1. Localização Geográfica
A localidade de Munhiba, localiza-se no distrito de Mocuba, no Posto administrativo de

Mocuba Sede, com as coordenadas geográficas 17°07'11.0"S e 36°58'11.0"E, dista
aproximadamente a 50 km da sede do distrito, com uma extensão de 2130.27 Km2, e uma
população de 24525 habitantes, e estima-se que até 2018 a população chegue aos 25057
habitantes (INE, 2016).
Figura 5: Localização geográfica da área de estudo. Fonte: Datum: WGS 84 Zone 37s. Produzido pelo Autor.
3.1.2. Clima
O clima do distrito, segundo a classificação climática de Thorntwaite, é do tipo sub-húmido
(subtropical), com uma precipitação média anual que varia de 850 mm na estação de

Chingoma, a 1.300 mm na estação de Malei, a sul da Cidade de Mocuba, e cerca de 1.175

mm na estação climática de Mocuba (MAE, 2014).
A temperatura média mensal varia entre 20 e 27ºC, com a temperatura máxima variando de
27 a 35ºC, e a mínima de 15 a 22ºC. A amplitude térmica mensal varia de 10 a 16ºC. O
período mais quente estende-se de Outubro a Fevereiro, sendo os meses mais frios Junho,
Julho e Agosto. As temperaturas altas nos meses de Outubro e Novembro associados
ao·início irregular da estação chuvosa normalmente resultam na perda da primeira
sementeira. A humidade relativa do ar vária de 60% nos meses secos a 80% nos meses
húmidos (MAE, 2014).
3.1.3. Distribuição de focos de calor de 2008-2017 na localidade de Munhiba

Durante o período em análise (2008 - 2017) de 10 anos a área de estudo registou 7422 focos
de calor, com o valor máximo de 815 em 2008 e mínimo de 618 focos em 2010 (figura 6).
Figura 6: Valores anuais de focos de calor registados na localidade de Munhiba no período de 2008-2017.
Fonte: https://firms.modaps.eosdis.nasa.gov/ adaptado pelo Autor.
3.1.4. Vegetação
Pereira (2006), descreve que a vegetação do distrito de Mocuba é uma Floresta de Miombo
semi-aberta em estágio de sucessão primário como fisionomia predominante. Essa fisionomia

forma um mosaico na cobertura vegetal, relacionado às variações ambientais (humidade e

fertilidade de solo), microclima e até mesmo a ocorrência de fogo (Frost, 1996 apud Hofiço,
2014).
As espécies dominantes pertencem a família Fabaceae, a destacar: Brachystegia spiciformis e

Julbernardia globiflora associadas às espécies Combretum imberbe e Pteleopsis myrtifolia da
família Combretaceae (Geldenhuys, 2005; PEDDM, 2014).
3.2. Procedimentos Metodológicos

O presente estudo compreendeu quatro (4) etapas:
A primeira etapa, foi a realização de uma revisão com foque na utilização de modelos
matemáticos para percepção do comportamento do fogo face as áreas vulneráveis aos
incêndios florestais, e a posterior foram colectadas informações sobre o fenómeno a ser
estudado.
A segunda etapa, consistiu na aquisição de imagens satélite e dados meteorológicos

(temperatura, humidade relativa do ar e precipitação pluviométrica) e focos de calor relativos
ao período de estudo em análise (2008 a 2017).
A terceira etapa, foi a realização de um diagnóstico na área de estudo de modo a colectar

dados inerentes a influência dos factores socioeconómicos na ocorrência de incêndios
florestais.
A quarta etapa, foi dedicada ao processamento, análise, apresentação dos resultados e

conclusões do estudo.
3.2.1. Tipo de Pesquisa

A pesquisa é de natureza qualiquantitativo, pois permitem através de entrevistas individuais,
a observação de comportamentos sobre as práticas de risco e causadoras de IF, e através da
natureza estatística, inferir níveis de risco de incêndios, priorizando-os ou classificando-os
segundo a hierarquia de importância entre as variáveis definidas.
Quanto ao objectivo e grau do problema é causal, pois traduz a ocorrência de incêndios

florestais analisando as variáveis (uso e ocupação de terra, declividade, orientação de relevo,
Rede viária, densidade demográfica) procurando determinar e avaliar o seu comportamento

na predição de risco de incêndios usando a Lógica Fuzzy.
3.3. Aquisição de dados

3.3.1. Focos de calor e dados meteorológicos
Os focos de calor correspondente ao período em análise de 2008-2017 foram obtidos a partir
do produto do sensor MODIS para a caracterização das queimadas: focos activos
(MCD14ML, disponível em https://firms.modaps.eosdis.nasa.gov/) (vide apêndice IV) onde
foram analisados o comportamento dos focos anualmente no programa QGIS 3.2. e ArcGIS
10.5.
Ainda foram analisados dados meteorológicos referentes à precipitação pluviométrica,

temperatura e humidade relativa do ar correspondente ao período em análise de 2008-2017, e
foram obtidos no site www.meteoblue.com.
3.3.2. Aquisição de imagens satélite

Para a cartografia dos incêndios no interior da Localidade de Munhiba, as imagens satélites
correspondentes a cobertura vegetal, foi utilizada imagem proveniente do satélite
LANDSAT8, que segundo Fernández-Coppel e Llórente (2001) apud Serrote (2017), tem
ampla utilidade no monitoramento florestal como na detecção de desmatamentos e
queimadas. Portanto, a imagem foi adquirida gratuitamente no site earthexplorer.usgs.gov/ de
acordo com as órbitas, data de aquisição da imagem e a cobertura das nuvens (tabela 4).
Tabela 4: Detalhes da imagem satélite LANDSAT8.

Id D. A C. N Path Row Coordenadas
LC08_L1TP_01_T1 27/10/2017 0 166 72 Lat: 16º59’54’’ S, Long:037º06” 01 E
Lat: 14º 14’05” S, Long:037°06’01” E
*D. A: Data de Aquisição; C. N: Cobertura de Nuvens; Lat.: Latitude; Long.: Longitude.
Fonte: earthexplorer.usgs.gov/ adaptado pelo Autor.
Os mapas de declividade e orientação do relevo foram obtidos por meio de Modelo Digital de
Elevação (MDE2) no site earthexplorer.usgs.gov/. Os registros altimétricos estruturados em
2
É uma representação digital de uma seção da superfície, dada por uma matriz de pixels com coordenadas
planimétricas (x, y) e um valor de intensidade do pixel, correspondente à elevação (z) (Luiz et al, 2007).

linhas e colunas georreferenciados devem ser valores de altitude de relevo idealmente para
que o MDE seja uma representação da topografia Valeriano (2008), e a variável proximidade
a residências foi determinada pela função do buffer em torno da residência na área de estudo,
definido pela densidade populacional.
Para a modelagem do Risco de Incêndios Florestais (RIF) foram levantados os factores

biofísicos (uso e ocupação da terra orientação do relevo e declividade), e os factores
socioeconómicos (proximidade a estradas e proximidade a residências/ variável humana).
Para o mapeamento do uso e ocupação da foi utilizada a imagem do satélite Landsat8 da
região em estudo, disponibilizada pelo site earthexplorer.usgs.gov/.
3.4. Processamento e análise de dados

3.4.1. Focos de Calor e dados Meteorológicos
Para o processamento dos focos activos de incêndios, baseou-se na metodologia utilizada por
Maùnze (2016), Serrote (2017) e Soares (2017), onde fizeram a junção dos focos registados
na área durante o período em análise (2008 a 2017) e com o auxílio das ferramentas de
geoprocessamento do programa QGIS 3.2, fez-se a intercepção dos focos, com o objectivo de
seleccionar somente os focos pertencentes a área de estudo.
Os dados foram analisados considerando que as variáveis não apresentam distribuição

normal, dispensando-se assim o teste de normalidade, considerando a não “linearidade das
variáveis”. Todos os valores anuais foram correlacionados em gráficos, com o objectivo de
melhor quantificar a relação, positiva ou negativa, entre os dados colectados (Duarte, 2016).
Realizou-se a análise da correlação linear entre os variáveis focos de calor e dados

meteorológicos através de regressão linear, na qual utilizou-se o número de focos no eixo Y
(variável dependente), a precipitação pluviométrica, temperatura e humidade relativa do ar
no eixo X (variável independente), durante o período em análise na área de estudo entre
2008-2017. Uma vez que de acordo com Oliveira (2013), as variáveis meteorológicas são
consideradas como uns dos principais factores que influenciam na ocorrência e propagação
dos incêndios florestais.

3.4.2. Pré-processamento das imagens satélite

A imagem satélite foi pré-processadas com auxílio de software QGIS 3.2. e ArcGIS 10.5, em
que constituiu na digitalização da área de estudo, e composição de bandas (RGB) na bandas 6
5 e 4. Para assegurar a qualidade da imagem, Crosta (1992) apud Pais (2015), fundamenta
que a composição de bandas é um processo fundamental no pré-processamento e consistiu na
combinação de bandas de modo a se obter a combinação das cores (Verde, Azul e vermelho),
permitindo a melhor visualização dos detalhes na imagem.
3.4.3. Processamento em Lógica Fuzzy

3.4.3.1. Uso e Ocupação de Terra (UOT)
Primeiramente fez-se a digitalização UOT a partir do Bing Satellite no software QGIS 3.2 de
modo a definir as classes de uso e ocupação e para posterior feição do mapa. Com as classes
de uso e ocupação de terra já definidas, foi quantificada sua área, tornando possível conhecer
o tamanho da área ocupada por cada classe de acordo com a metodologia usada por
(Juvanhol, 2014).
Para auxiliar a classificação da imagem no UOT, elaborou-se uma “Chave de Interpretação”

sugerida por Ayach et al. (2012), que conforme Novo (2008), informa que partir das
informações de campo e da interpretação preliminar de imagens são criadas “Chaves de
Interpretação”, com o objectivo de interpretar e dar significado. Foram classificadas 5 classes
utilizando três elementos interpretativos: Tonalidade/Cor, Textura e Forma (tabela 5).
Posteriormente, o arquivo vectorial poligonal foi convertido em formato matricial e as classes

de uso e cobertura da terra reclassificadas em relação à influência que cada classe exerce ao
RIF. A função de pertinência Fuzzy Gaussian3 foi utilizada para padronizar os valores de
entrada da imagem matricial ao RIF.
3
Define uma distribuição de Gauss ou normal em torno de um ponto central indicado com um valor de
inclinação da curva que pode assumir 0.01-1 (Juvanhol, 2014).

Tabela 5: Chave de interpretação de imagens para uso e cobertura de Terra.

Imagem Classes de Descrição Textura Forma Tonalidade
UOT /Cor
Floresta com três estratos,

destaca-se por apresentar
Floresta
Nativa árvores de maior porte e
Rugosa Irregular Verde claro
sombreamento no sub-
a Escuro
bosque. Formação de
maior riqueza específica.
Áreas com plantio de

espécies florestais, com
Floresta Rugosa Regular Verde Claro
Exótica destaque a Eucalipto.
Áreas de plantio de várias

Verde e
culturas considerando
Agricultura Semi- Regular Castanho
asazonalidade. Rugoso
Referem-se aos rios,

Azul
canais, lagos e lagoas de
Corpos de Lisa Irregular normal e
Água água doce, represas, Azul-escuro
açudes, entre outros.
Áreas ocupadas com
Habitação Cinza e
construções urbanas e
Rugosa Regular Castanho
rurais.
Fonte: Ayach et al., (2012). Adaptado pelo Autor
3.4.3.2. Proximidade de vias de acesso

Primeiramente fez-se a digitalização das estradas por meio do Bing Satellite no software
QGIS 3.2, e posteriormente foram definidas e classificadas em estrada principal ou primária,
estradas secundárias e terciárias. As estradas principais foram consideradas as estradas com
bom padrão de construção com uma faixa de rodagem e largura da plataforma superior a 5m,
de acordo com a metodologia adoptada por Ribeiro et al. (2008), e usada por (Juvanhol,
2014; Mathe, 2013 e De Oliveira, 2013).

As estradas secundárias foram consideradas como estradas com largura da plataforma de 4 a

5m e responsáveis pela divisão da paisagem e do meio urbano, e estradas terciárias as que
estão inseridas dentro da paisagem florestal, e geralmente de 2-3m de largura de dimensão,
conforme definido por (Ribeiro et al., 2008).
Para a determinação da variável via de acesso, foi usado um buffer para estabelecer uma área
de influência das estradas sobre o início do fogo florestal em concordância com Pew e Larsen
(2001), em função do maior deslocamento de veículos e pessoas. Desta forma, para a estrada
principal foi empregado um buffer de 30m, e nas estradas secundárias e terciárias foi
empregado um buffer de 15m de acordo o Regulamento Moçambicano de Uso de Estradas e
suas Zonas de Protecção no seu Decreto n.º 109/2014 de 31 de Dezembro, em concordância
com (Colorado, 2002; Ribeiro et al. 2008; e Costa et al., 2009).
Assim, a proximidade a estradas foi determinada pelo buffer na Função Fuzzy Small,
sugeridos por Bolfe et al. (2004); Hernandez-Leal et al. (2006); Cipriani et al. (2011); Tetto
et al. (2012), sendo modificável a influência dos riscos conforme a distância das vias de
acesso (tabela 6).
Tabela 6: Interpretação do risco de incêndio florestal conforme o sistema viário.

Coeficiente Distâncias das vias (m) Risco
0 Vias Nulo
1 <100 Muito alto
2 100-500 Alto
3 500-1000 Moderado
4 1000-2000 Baixo
5 >2000 Muito Baixo
Fonte: Santos et al. (2010).
3.4.3.3. Declividade
Áreas com declives acentuados têm um maior potencial de risco a incêndios florestais do que
as áreas com declives suaves. Para a região em estudo, a obtenção da variável declividade, foi
utilizada carta topografica provinientes do MDE, disponibilizada em Sistemas de
Coordenadas Geográficas e Datum WGS84, com resolução espacial de 30 metros conforme

(Santos et al., 2010). A classificação da variável declividade (tabela 7) se deu conforme

(Soares e Batista, 2007). A função de pertinência usada para o estudo da variável declividade
foi a Fuzzy Large.
Tabela 7: Interpretação do risco de incêndio florestal conforme a declividade.

Coeficiente Declividade (%) Risco
1 15 Baixo
2 16-25 Moderado
3 26-35 Alto
4 36-45 Muito Alto
5 >46 Extremo
Fonte: Soares e Batista (2007).
3.4.3.4. Orientação do relevo

Sabendo-se que as faces das encostas recebem diferentes níveis de intensidade luminosa,
utilizou-se a classificação de Oliveira et al. (2004) para determinar a influência que cada face
exerce na modelagem das áreas de maior risco (tabela 8). A metodologia empregada para a
essa variável se deu semelhantemente ao método utilizado para a variável declividade. Para a
modelagem da variável orientação do relevo ao RIF foi definida uma função de pertinência,
que é a função Fuzzy Generalized.
Tabela 8: Interpretação do risco de incêndio florestal conforme a orientação de relevo.

Coeficientes Orientação Exposição Risco
0 112.5º a 247.5º SE/S/SW Nulo
1 67.5º a 112.5º E Muito Baixo
2 22.5º a 67.5º NE Moderado
3 247.5º a 337.5º NW/W Alto
4 337.5º a 22.5º N/Relevo Pano Muito alto
Fonte: Oliveira et al. (2004).
3.4.3.5. Proximidade de residências/Densidade demográfica

A avaliação da influência da densidade demográfica é tida como fonte de ignição.
Foram encontradas três diferentes abordagens para essa variável: densidade de casas

por·unidade de área, como fez Jaiswal et al. (2002); distância de áreas urbanas, como fez
Erten et al. (2004); e densidade demográfica, como fez (Oliveira et al., 2004). Todos eles
buscam interpretar a possibilidade de risco devido à influência humana, pois o factor
antrópico é o que mais contribui para a ocorrência de incêndios florestais.
Todavia, para a determinação da proximidade a residências, inicialmente foi definida a área

de influência das residências em função da densidade populacional, e a área de influência em
torno de cada residência mapeada na área de estudo foi definida pelas classes de densidade
populacional avaliadas (figura 7). As áreas de influência (50, 250 e 500m) para cada classe
foram definidas em função a densidade populacional em concordância com (De oliveira,
2013).
Para tal, foi determinada a proximidade a residências por meio da distância euclidiana, e a
variável modelada pela função de pertinência Fuzzy Linear através da classificação proposta
por IBGE (1996) (tabela 9).
Tabela 9: Interpretação do risco de incêndio florestal conforme a densidade demográfica

Coeficientes Densidade demográfica (hab/km2) Risco
1 <5 Baixo
2 5 – 49 Moderado
3 50 – 99 Alto
4 100 – 499 Muito Alto
5 ≥ 500 Extremo
Fonte: IBGE (1996).

Figura 7: Distribuição espacial das aldeias na área de estudo em função da densidade populacional.
Fonte: https://firms.modaps.eosdis.nasa.gov/. Produzido pelo autor.
3.5. Sobreposição Fuzzy

Realizou-se a sobreposição para indicar a possibilidade de uma variável ser um membro de
cada conjunto Fuzzy das demais variáveis pelos critérios múltiplos de entrada, pois De
Oliveira et al. (2017), sugere que na modelagem ao risco de incêndios em ambiente SIG, as
variáveis estudadas na influência que exercem sobre o início e a propagação do fogo devem
ser combinadas por meio de uma análise de sobreposição.
Segundo Juvanhol (2014), o tipo de sobreposição indica o método que permite combinar os
dados com base na análise da teoria de conjuntos. O método de sobreposição escolhido para a
entrada da imagem matricial foi o operador Fuzzy Gamma que que é um produto algébrico do
Fuzzy Sum e Fuzzy Product, ambos elevados a potência da gama de acordo com a seguinte
equação:

 1−
 n  n 
 (x ) = 1 −  (1 − i ) *  i  (2)
 i =1   i =1 
Em que: µi: são valores de associação Fuzzy para i=1,2, 3, …5; n: corresponde a camada de dados raster, ou
seja, o número de cariáveis do estudo; γ: o coeficiente com valores entre 0 e 1 (Juvanhol, 2014).
Neste contexto, o coeficiente foi definido pelo valor padrão de 0.9 para alcançar o efeito
combinado entre o total e o produto gamma. O Fuzzy Gamma permite combinar o efeito
crescente do Fuzzy Sum e o efeito decrescente do Fuzzy Product e não simplesmente retorna
o valor de um único conjunto Fuzzy (De Oliveira et al, 2017).
O desenvolvimento da metodologia descrita contendo todas as etapas necessárias para a

espacialização do Risco de Incêndios Florestais na localidade de Munhiba é apresentado na
Figura 8.

Modelagem da vulnerabilidade à ocorrência e propagação de incêndios florestais apoiado à Geotecnologias (2008-2017). Estudo de caso da localidade de
Munhiba, Mocuba.
Figura 8: Fluxograma metodológico para a espacialização do Risco de Incêndios Florestais. Fonte: O Autor.
IV. RESULTADOS E DISCUSSÃO

4.1. Relação de focos de calor com variáveis meteorológicas
4.1.1. Relação entre focos de calor e temperatura (FC e TEMP)
A figura 9 relaciona o comportamento dos focos de calor em função da temperatura ao longo

dos 10 anos, com um coeficiente de determinação R² de 0.0002, evidenciando uma correlação
fraca entre a variável temperatura com os focos de calor. Este resultado mostra que cerca de
0.02 % da ocorrência dos focos de calor na área de estudo é determindo pela temperatura, isto
significa que a precipitação influenciou muito pouco na ocorrência dos focos de calor.
Figura 9: Correlação linear de focos de calor e temperatura (˚C) no período de 10 anos na localidade de
Munhiba.
Resultados similares foram encontrados por White (2013), ao avaliar a influência das
condições meteorológicas na ocorrência dos IF, obtendo maior ocorrência de focos em
temperaturas altas, isto deve se a elevada contribuição da temperatura em secar a vegetação
no período seco.
Mendoza (2003), explica que o fogo pode ocorrer com temperatura do ar em uma floresta
secundária acima de 32 °C, na floresta explorada e/ou queimada acima de 29 °C, na floresta
intacta acima de 28 °C, e em áreas abertas acima de 24 °C. Segundo o mesmo autor pode-se
afirmar que temperaturas do ar acima de 29 °C proporcionam condições favoráveis à

propagação de fogo na floresta.
4.1.2. Relação entre focos de calor e humidade relativa do ar (FC e HR)

A figura 10 relaciona o comportamento dos focos de calor em função da humidade relativa
do ar ao longo dos 10 anos, com um coeficiente de determinação (R2=0.052), Existe uma
correlação negativa fraca (apêndice XVII) entre a variável independente humidade relativa do
ar com os focos de calor, isto explica que 5.2% da ocorrência dos focos são explicados pela
humidade relativa do ar.
Figura 10: Correlação linear de focos de calor e humidade relativa do ar (%) no período de 10 anos na
localidade de Munhiba.
Os valores evidenciam que a humidade relativa do ar se comporta de forma inversamente à

temperatura, influenciando o conteúdo de humidade do combustível e quanto menor a
humidade relativa, maior é a intensidade do fogo (Nunes, 2005).
Resultados diferentes foram encontrados por Maúnze (2016), estudando a análise Espacial e
Temporal de Queimadas usando Imagens Satélite na Reserva Nacional do Gilé (de 2004 a
2014) e Duarte (2016), analisando o número de focos de calor, precipitação pluviométrica,

humidade relativa do ar e incidência de raios no Distrito Federal entre 2005-2015 em

Curitiba, obtiveram um coeficiente de determinação de (R2 = 0.998) e (R2 = 0.93) alto da
humidade relativa do ar, evidenciando-se desse modo a influência da humidade relativa na
ocorrência dos incêndios florestais.
Os valores baixos de R2 mostram baixa percentagem de contribuição de humidade relativa do

ar, e deve-se ao impacto da precipitação principalmente no período chuvoso que dificulta a
secagem da vegetação.
4.1.3. Relação entre focos de calor e precipitação pluviométrica (FC e PP)

A figura 11 relaciona o comportamento dos focos de calor em função da precipitação
pluviométrica ao longo dos 10 anos, com uma correlação negativa fraca (apêndice XVII) e
um coeficiente de determinação (R2 = 0.0021), para a precipitação, isto significa que a
precipitação ao longo dos anos influenciou em 0.21% na ocorrência dos focos de calor.
Figura 11: Correlação linear de focos de calor e precipitação pluviométrica (mm) no período de 10 anos na
localidade de Munhiba.
Resultados similares para a variável precipitação pluviométrica foram encontrados por

Serrote (2017), no seu diagnóstico dos incêndios florestais usando imagens Satélite, na
Reserva Nacional do Gilé (RNG), distritos de Gilé e Pebane, entre 2007-2016, obteve uma
correlação negativa fraca de (-0.0409) para a variável precipitação pluviométrica com os
focos de calor, significando que a precipitação não influenciou na ocorrência dos focos de
calor.
Fica evidente que a correlação linear da precipitação pluviométrica com focos de calor é
baixa. Estes resultados podem ser explicados pelo facto de as chuvas pelas suas sazonalidades
não influenciaram directamente na ocorrência e propagação dos IF ao longo dos 10 anos
(Soares, 2017 e Santana et al., 2011).
Entretanto, Màunze (2016), encontrou maiores frequências de IF em regiões de menor

precipitação, e isto pode estar aliado ao efeito combinado entre a precipitação sobre a
condição do combustível, pois Vasconcelos et al. (2014), sustentam que menores
precipitações e maiores temperaturas propiciam maior disponibilidade do combustível apto
para arder, através da redução da humidade do mesmo, uma vez que a humidade é um dos
factores que pode reduzir a disponibilidade de material para queimar devido ao efeito de
humedecer o material combustível.
Para todos os anos, durante o período em análise os 10 anos de 2008-2017 os resultados do

estudo evidenciaram uma correlação negativa fraca com os focos de calor, embora a
humidade relativa do ar, com um (R²=0.052) baixo, seguido de precipitação pluviométrica
(R² = 0.0021) e os de temperatura com (R² = 0.00021).
4.2. Lógica Fuzzy

4.2.1. Uso e ocupação da terra
Foram identificados cinco (5) classes de UOT, nomeadamente (Agricultura, Corpos de Água,
Habitação, Floresta nativa e Floresta exótica). A floresta nativa apresentou 69.60%
(148272.86ha) da área total de estudo, agricultura com 20.22% (43076.87ha), seguidos por
habitação, corpos de água e floresta exótica com 8.89% (18911.6ha), 1.26% (2699.83ha) e
0.03% (65.84ha) representado por plantações de eucaliptos respectivamente, sendo a floresta
nativa a fisionomia florestal mais representativa (Figura 12A). Posteriomente o risco de
incêndios para cada classe de uso e ocupação da terra foi representado pela modelagem Fuzzy
Gaussian (Figura 12B).

A classse de corpos da água obteve menor risco de incêndio, com valor Fuzzy de 0,086 no
conjunto Fuzzy e as classes de uso e ocupação da terra: floresta exótica, floresta nativa, um
valor de 0.31 e 0.42 no conjunto Fuzzy, representando risco moderado de incêndio.
Igualmente pouco significativo ao risco de incêndio, a classe de habitação, que assumiu valor
de 0.53 no conjunto Fuzzy e a Agricultura assumiu um risco alto com valor máximo de 1
variando de 0.54-1 dentro do conjunto Fuzzy.
Figura 12: A: Mapa de uso e ocupação de terra. B: Mapa Fuzzy com os valores no conjunto de acordo com a
influência do uso e ocupação de terra.
Estudando a modelagem de ocorrência de incêndios florestais em Jerónimo Monteiro – ES

Juvanhol (2014), obteve de 0.0024 no conjunto Fuzzy, na classe de Corpos de água um valor
diferente, embora que se encontra na mesma categoria do valor encontrado no presente
estudo. Este resultado deve-se ao facto de os cursos de água se apresentarem como barreira
natural contra o fogo, oque faz com que a classe assuma valor baixo de risco de incêndio
(figura 12B).
A classe da floresta nativa assumiu o valor de 0.42 no conjunto Fuzzy, e a classe da habitação
assumiu um risco moderado com valores de 0.42 e 0.53 respectivamente. Analisando a
variável uso e ocupação de terra, De Oliveira (2013), em seu estudo sobre Modelagem
espacial de Predição de Riscos de Incêndios com Lógica Fuzzy, Comparação e Validação no

Recife, obteve um grau de pertinência Fuzzy no mesmo peso de risco de incêndio, que varia
de Baixo a Moderado nas duas classes respectivamente.
Os valores assumidos para a floresta exótica no conjunto Fuzzy são justificados e validados
no estudo de De oliveira (2017), atestando que a floresta exótica ou plantios de eucaliptos,
através da actividade importante de o maneio florestal na área tem se reduzido as chances de
ocorrência de incêndios, actividade esta que não tem sido efectuado na igual nas florestas
exóticas.
Juvanhol (2014), encontrou valor alto de 1 no conjunto Fuzzy, evidenciando risco alto na
classe Agricultura dentro do conjunto Fuzzy. Esta similaridade é explicada pela frequência de
queimadas no preparo do solo para a prática da agricultura, justificado pelo diagnóstico
(apêndice XI).
Fiedler et al. (2006) e Andrade et al. (2011), apontaram a utilização do fogo para fins
agrícolas como uma das grandes causas de incêndios florestais. Na mesma linha de
pensamento Uhl et al. (1990), observando o efeito das culturas itinerantes na região de
Paragominas (PA), afirmam que em áreas florestais que contem gramíneas, observa-se que a
temperatura do ar se eleva, em até 10°C, acima da temperatura registrada na floresta e, a
humidade relativa do ar, decresce de 86% para 51%, aumentando grandemente a incidência e
a velocidade de propagação do fogo.
Entretanto, o estudo de risco de incêndios relacionado ao uso e ocupação da terra, é

importante para avaliar o grau de influência de uma vegetação ao início e propagação do
incêndio, pois segundo, Brown e Bevins (1986), a variação de cargas de combustível e
comportamento do fogo previsto dentro de tipos de cobertura e grupos de incêndio é
considerável, comparado à variação entre os vários tipos de vegetação.
4.2.2. Proximidade a estradas ou Vias de acesso

A rede viária totaliza 357km de extensão que percorrem dentro da área da interface florestal e
o meio urbano. A paisagem se revela organizada pela rede de estradas a destacar pelas estradas
terciárias que condicionam o acesso ao interior do meio rural com 248km de extensão,
correspondendo a 69.50% das estradas mapeadas. As demais estradas rurais, compreendida

pelas estradas secundárias e primárias, com maior deslocamento de veículos, apresentaram

81km e 28km respectivamente (Figura 13A). De seguida o Fuzzy Small foi aplicado para
representar o risco de incêndio no conjunto Fuzzy (figura 13B).
A concentração dos valores ao risco de incêndios mostrados na figura 13B correspondem

principalmente para áreas de interface urbano e florestal. Observa-se que de 0.60-1, (40%)
142.8km encontram-se no conjunto Fuzzy, indicando que a área de estudo apresenta risco
muito alto de incêndio para a variável proximidade a estradas, caracterizadas pelas estradas
terciárias.
Com o resultado deste valor de agrupamento, observa-se que as áreas de risco são
consideravelmente mais proximas que as áreas mais distantes, e os valores 0 – 0.116 (12%)
representando 42.8Km e 0.116 - 0.593 (48%) correspondendo a 171.36km, com variação de
de risco de baixo e moderado para as estradas primarias e secundarias respectivamente.
(figura 13B). Chou (1990), explica que o risco de incêndios aumenta em função da
proximidade de estradas e ao tipo de estrada.
Figura 13: A: Rede de estradas. B: Mapa Fuzzy com os valores no conjunto de acordo com a influência de
proximidades de estradas/vias de acesso.
Comportamento similar da variável vias de acesso no conjunto Fuzzy é trazido por Juvanhol
(2014), onde obteve valores de 0.95-1 (41,93%), que se encontram no conjunto Fuzzy,
indicando que a área de estudo apresenta alto risco. Badia Perpinya e Pallares Barbera (2006),
salientam que o risco de incêndios não segue um padrão espacial uniforme na sua trajectória
para cada tipo de rede de estradas, pois os resultados atribuídos à concentração de fogo têm

em conta factores adicionais, tais como os locais de centros de população e actividades

agrícolas e florestais na área de influência directa.
De Oliveira (2013), usando os mesmos parâmetros com a metodologia de Ribeiro et al.

(2008), encontrou resultados contraditórios, que apontaram que 47% da área está sob
influência da rede viária e 53% da área está sem influência. Corroborando pelos estudos de
Rodríguez Silva et al. (2010), estudando a influência das estradas na distribuição espacial dos
incêndios encontrou valores semelhantes para as frequências de incêndios em diferentes
distâncias de estradas para os diferentes tipos de estradas.
Nesta ordem de ideia, o risco de ocorrência e propagação de incêndios para a variável

proximidade de estradas ressaltam a importância do monitoramento efectivo nas áreas em
torno das estradas principalmente ao longo de todas a extensão das estradas terciárias.
4.2.3. Declividade
A declividade tem grande importância na orientação do fogo e no aumento da velocidade de
propagação das chamas. Na área de estudo a declividade para o relevo plano ocupa nos
intervalos (0 - 3º), 28.417,808ha como relevo ondulado a fortemente ondulado (5 - 15°) e as
áreas de relevo montanhoso a fortemente montanhoso (15 a > 30°) representam 106,513.5ha
da área total, (figura 14A), porém a inclinação de 0 a 90° no qual o risco de incêndio para a
variável foi determinado pelo Fuzzy Large.
A figura 14B ilustra um mapa com os valores no conjunto classificado em seis categorias, de
acordo com a influência da declividade ao risco de incêndio. Valores superiores de
declividade foram encontrados no conjunto Fuzzy variando de 0.87-1, em áreas com
declividade acentuado. Estes resultados indicam que a área de estudo apresenta risco alto em
aclives acentuados, em concordância com Jaiswal et al. (2002), Erten et al. (2004) e Ribeiro
et al. (2012), uma vez que a propagação do fogo costuma ser mais rápida em situações de
aclive acentuado do que em situações de declive. Neste caso, a intensidade e a direcção de
propagação do fogo terá baixa influência da inclinação do terreno.

Figura 14: A: Mapa de declividade. B: Mapa Fuzzy com os valores no conjunto de acordo com a influência da
declividade.
Nota-se uma distribuição da vegetação nas classes de declividade (figura 14B), com as
classes de declividade de relevo plano, suavemente ondulado, ondulado e fortemente
ondulado apresentam baixo risco de ocorrência de incêndios com valores de 0-0.029 (3.33%),
0.030-035 (2.22%), 0.36-0.47 (5.56%), 0.48-0.57 (5.56%) respectivamente. E as classes de
relevo montanhoso e fortemente montanhoso 0.58-0.87 (16.67%) e 0.87-1 (66.67%)
apresentam risco moderado a extremo.
Sendo assim, sabendo que o comportamento do fogo é determinado pelo maior aclive,
observa-se que o risco de incêndio se restringe na área de estudo com os maiores valores no
conjunto Fuzzy.
Valores similares foram obtidos por Ribeiro et al. (2012), no seu estudo sobre Zoneamento de
riscos de incêndios florestais para a fazenda experimental do Canguiri, Pinhais (PR) e
Chuvieco et al. (2010), abordando sobre o desenvolvimento de uma estrutura de trabalho para
avaliação de risco de incêndio usando sensoriamento remoto e tecnologias de sistemas de
informação geográfica, onde obtiveram declividades em níveis de risco Baixo (0-12º = 9%),
Moderado (13-40º = 23%) e alto risco em aclives acima de > 40º (39%).

Este facto é explicado por Soares e Batista (2007), que salienta que o declive exerce grande
influência no desenvolvimento das colunas de convecção, afectando, deste modo, a
velocidade de propagação ou favorecendo a propagação do fogo (dependendo da direcção dos
ventos), devido à presença de fortes ventos ascendentes já que as depressões com grandes
declives dão origem a ventos ascendentes intensos, ou por proporcionar o desenvolvimento
rápido de uma corrente de chamas.
Estes resultados mostram ser necessário uma prática de maneio da vegetação, pois esta é
importante ser realizada em locais de aclive acentuado para minimizar os efeitos do fogo
sobre a paisagem, em que o efeito da declividade é determinado pelo tipo, quantidade e
disposição do material combustível, ou a prática da queima controlada em uma região de
grande potencial de risco de incêndio de modo a minimizar o potencial do incêndio na área e
também reduzir a probabilidade de fogo.
4.2.4. Orientação do relevo

A orientação do relevo apresenta efeito directo ao risco de um incêndio em função da
radiação solar incidente sobre o terreno, tendo efeito sobre a humidade do ar e do material
combustível. A área de estudo apresenta 3.33% de área com relevo plano, 37.5% para as
faces voltadas a Sul, Sudeste e Sudoeste, 12.5% para a face Oeste, 12.5% para a face Leste e
34.17% para as faces Norte, Nordeste e Noroeste (Figura 15A).
Figura 15: A: Mapa de orientação do relevo. B: Mapa Fuzzy com os valores no conjunto de acordo com a
influência da orientação d relevo.

O risco de incêndio determinado pela orientação do relevo foi definido por uma função do
tipo Fuzzy Sino Generalizada que indicou as faces Norte, Nordeste e Noroeste como os de
maior risco ao IF.
Os valores de risco ao incêndio pela variável foram representados pela (Figura 15B) indica
que 63.4 % da área de estudo (135.059.118ha) encontram-se nos menores valores do conjunto
Fuzzy de 0-0.638. Embora o estudo apresente risco variando de baixo a moderado, associado
às faces de menor radiação solar, o resultado mostra que os maiores valores no conjunto
Fuzzy estão na classe de maior risco W (0.791-0.853) NW (0.853-0.905) N (0,96-1)
correspondendo a 9,5% da área de estudo (20.237.565ha).
Comportamentos similares das orientações das vertentes solares, foram obtidos por Juvanhol
(2014), onde observou maior risco na face N, NW e W, quando comparado com as faces Sul,
Sudeste, Sudoeste e relevo plano, e maiores valores no conjunto Fuzzy (0,95-1)
correspondendo a 13,24% da área do estudo, que está principalmente associado à face Norte,
estando assim na classe de risco extremo.
Estes resultados são explicados por Yang et al. (2007), onde designaram as faces por Relevo
escuro (Sul (157,5º-202,5º), Sudeste (112,5º-157,5º) e Sudoeste (202,5º-247,5º)), Relevo
semi-escuro (Leste (67,5º-112,5º), Relevo semi-iluminado (Nordeste (22,5º-67,5º)), Relevo
iluminado (Oeste (247,5º-292,5º) e Noroeste (292,5º-337,5º)) e Relevo em pleno Sol (Norte
(337,5º-22,5º), devido ao efeito da orientação do relevo a que se encontra mais exposto a
orientacao solar, oque leva a secagem do material combustível disponível.
4.2.5. Proximidade a residências

A proximidade a residências é indicada como de grande importância na distribuição de
incêndios florestais. A função Fuzzy Linear revelou maior risco no interior da área florestal e
com maiores valores no conjunto Fuzzy. Analisando a figura 16 observa-se maiores valores
no conjunto Fuzzy 0.61-1 com >969 hab/km2 com risco extremo, e no conjunto de 0.26-0.51
representando por risco variando de moderado a muito alto.

Figura 16: Mapa Fuzzy com os valores no conjunto, de acordo com a influência da proximidade de residências
Romero Calcerrada et al. (2010), na associação espacial da densidade populacional em uma

área urbana observaram que uma densidade de 14-23 hab./ha apresenta valores positivos de
ocorrência com a localização de um início de incêndio, e a distância para áreas urbanas
apresenta valores significativos para os tempos até 2,25min e distâncias de até 50m.
Estes resultados indicam que a variável proximidade de residências é o principal factor de

influência ao risco de incêndios florestais na área de estudo condizendo uma forte relação
entre os pontos de ignição de fogo e de proximidade para as áreas urbanas com valores
positivos de predição a classes cumulativas de distâncias a áreas urbanas de 0-50m e 0-250m.
Entretanto mudanças de comportamento e estilo de vida, como o aumento crescente da

urbanização, a produção de carvão e a introdução da prática da pastagem são os principais
factores a conduzir a distribuição espacial das pessoas em áreas de floresta e aumentar os
eventos de incêndios.

4.3. Sobreposição Fuzzy

4.3.1. Risco de ocorrência de incêndios florestais
O risco de incêndio florestal determinado pela combinação das variáveis estudadas, e
apresentou áreas de maior risco no conjunto Fuzzy, na área de cultivo agrícola, e
especialmente na combinação de proximidades de estradas e de residências. Os menores
valores no conjunto Fuzzy estão associados às áreas de corpos de água, floresta exótica
(Figura 17).
Os resultados mostram maior área em hectares nos valores do conjunto Fuzzy de 0.26-0.51
(55.344.41ha) representando 25.98% da área total. O intervalo no conjunto de 0-0.25
apresentou segunda maior área com 55,131.3876ha representando 25,88%. O intervalo de
0.52-0.75 apresentou uma área de 48.953.60ha, correspondente a 22.98% da área total.
As menores áreas foram encontradas nos maiores valores do conjunto Fuzzy com uma área de
32.763.55ha (15,38%) no intervalo 0.76-0.91 e área de 20. 834.041ha (9.78%) no intervalo
0.92-1. Mas de uma maneira geral, há uma forte variação de baixo risco à extremo.
Constata-se que 25.88% da área do estudo apresenta-se com risco Baixo, 25.98% risco
Moderado, 22.98% risco Alto, 15.38% apresentou risco muito alto e 9.7% risco extremo.
Nota-se ainda pela figura 17 que o maior número de focos de calor encontra-se no intervalo
do conjunto Fuzzy, onde maior número de focos de calor ocorre no intervalo de maior valor
do conjunto onde as áreas de maior risco ao incêndio são pontuais.
Analisando a distribuição dos focos de calor no conjunto Fuzzy observou-se que dos 7422
focos de calor na área de estudo, identificados no período de 2008-2017, foi possível inferir
sobre qual intervalo no conjunto estes focos estavam presentes. Dessa forma, o foco de calor
com menor valor no conjunto apresentou valor de 0.71 e o máximo de 0.93. Estes resultados
demostram claramente que os dados de focos de calor para a área de estudo são pontuais, mas
que não são propriamente um incêndio, mas estes dados se configuram como um importante
parâmetro para avaliação no presente modelo.
Os factores socioeconómicos merecem uma atenção especial, pois exercem um papel

importante no que tange ao risco de incêndio na área de estudo. Este fato é observado pela

matriz de correlação gerada pela análise de variáveis principais que mostra uma correlação
positiva forte, para o risco de ocorrência de incêndio entre as variáveis socioeconómicas no
conjunto Fuzzy, correspondendo a 99.65% RIF é explicado pela combonacao das variáveis
(tabela 10). Destaca-se ainda a correlação positiva variando de fraca, média à forte entre as
demais variáveis.
Tabela 10: Matriz de correlação das variáveis obtidas pela análise das principais componentes.
Variável Decl PE OR PR
Decl 1.0000
PE 0.8975 1.0000
OR 0.6437 0.8574 1.0000
PR 0.2401 0.9965 0.1580 1.0000
*Decl: Declividade; PE: Proximidades de estradas (vias de acesso); OR: Orientação do Relevo; PR:
Proximidade das residências.
Analisando a classe de risco de incêndio para a variável o uso e ocupação da terra, observa-se
que a classe da Agricultura apresenta maiores valores no conjunto Fuzzy com a média de
0.965 e a classe da habitação apresenta a segunda maior média com 0.895 (apêndice XVIII).

Figura 17: Mapa Fuzzy apresentando os níveis de risco de incêndio no conjunto Fuzzy Gamma e os focos de
calor para validação do modelo.
Juvanhol (2014), no seu estudo sobre a Modelagem de ocorrência de IF na Reserva do Vale

em Brasil, encontrou menores valores percentuais em menores e maiores valores no conjunto
Fuzzy, semelhantemente aos do presente estudo, correspondendo a 3,858.5ha (6,92%) no
intervalo 0-0.2 e área de 1,555ha (2,79%) no intervalo 0.88 -1.
Resultados diferentes foram encontrados por De Oliveira (2013), estudando a Modelagem

espacial de predição de riscos de incêndios com Lógica Fuzzy, comparação e validação no
Recife, obteve valores percentuais altos na classe do risco baixo representando 40% da área
de estudo, e valores próximos, nas classes de risco moderado com 16% da área total, e com
19% da área com risco Alto, 14% apresentou risco alto e 11% da área de estudo obteve um
fator de risco nulo.
Estas diferenças na classe de baixo risco podem ser explicadas pela existência de actividades
de maneio, como a de queimadas controladas, e a ausência do fogo na prática agrícola. E
pelas diferenças de condições das áreas de estudo.

De Oliveira et al., (2017), fazendo a comparação e validação da modelagem espacial de

riscos de incêndios considerando diferentes métodos de predição, encontraram focos de calor
com menor valor no conjunto de 0.1109 e o máximo de 0.9547, diferenciando com o do
presente estudo nos conjuntos de menor valor e mais próximos nos conjuntos de valores
máximos.
Analisando as variáveis socioeconómicas, Mathe (2013), obteve uma correlação positiva

fraca 0.46299 equivalente a 46,299% e correlação positiva fraca entre as demais variáveis.
Estas diferenças devem estar associadas a padrão de distribuição da população, e das vias de
acesso na área estudo. Estes resultados revelam um novo paradigma na distribuição espacial
de causas humanas na ignição do fogo, uma vez que os factores humanos têm recebido pouca
atenção em análises quantitativas de risco de incêndios florestais. As razões para essa pouca
atenção são diversas, mas um dos mais importantes é a dificuldade de integração
socioeconómica e dados biofísicos para análise espacial (Rindfuss et al., 2004).
Melo (2005), em seu estudo sobre a Modelagem de combustíveis florestais no parque

nacional do Iguaçu, obteve valores baixos em relação aos do presente estudo, embora este
represente mesma classe de risco de ocorrência de IF, onde encontrou na classe de cultivo
agrícola (agricultura) a maior média no conjunto Fuzzy com 0.7097. A classe silvicultura
(Floresta exótica) apresenta a segunda maior média com 0.6667.
Estas diferenças estão associadas ao uso intensivo do fogo nas práticas agrícolas, e a
frequência de queimadas, facto constatado no diagnóstico às comunidades na área do
presente estudo (Apêndices VI, VIII, XI). Na mesma senda Rindfuss et al. (2004), salienta
que em um regime de fogo antrópico, a dinâmica da vegetação é um importante determinante
de ocorrência de incêndios.
Estes resultados justificam uma forte necessidade de maneio da vegetação bem como a
alocação de recursos para medidas de protecção e minimização dos graves danos e efeitos
causados pelo fogo em áreas de interface florestal, e uma conscientização às comunidades
para implementação da queimada controlada ou da agricultura de conservação.

V. CONCLUSÕES E RECOMENDAÇÕES
5.1. Conclusões
Após os resultados obtidos com os 10 anos de monitoramento de focos de calor e sua relação
com Temperatura, Precipitação Pluviométrica e Humidade Relativa do ar, foi concluído que:
✓ A humidade relativa do ar foi a que melhor se relacionou com os focos de calor, seguido
de precipitação pluviométrica, e temperatura.
✓ A modelagem Fuzzy permitiu analisar a influência de diferentes variáveis (UOT, Decl,

OR, PE, PR) sobre o risco de IF, a destacar valores altos no conjunto Fuzzy, que
assumiram risco variando de moderado à extremo nas áreas: UOT: Agricultura, risco
moderado à alto (0.54-1); Decl: risco muito alto à extremo nos valores de 16.67% e
66.67%; OR: risco alto à extremo nas zonas N, W e NW; PR: risco extremo no intervalo
0.61-1> 969hab/km2 e maior risco no conjunto de estradas terciárias.
✓ A área de estudo apresenta risco de incêndio variando de extremo à baixo; as áreas de

maior risco no conjunto Fuzzy são pontuais e representam especialmente pelas variáveis
Proximidades à residências e Agricultura.
5.2. Recomendações
✓ Estabelecer áreas de alta importância ecológica, onde serão conduzidas queimadas frias,
como actividades de maneio de queimadas, no início da época seca (Julho-Outubro) devendo
concentrar-se na área com intervalo de retorno abaixo de 2 anos.
✓ Aplicar modelos AHP (Analytic Hierarchy Process) proposto por Saaty (1977), em
detrimento de se aplicar a lógica Fuzzy, para a incorporação de variáveis como direcção e
velocidade dos ventos.
✓ Estabelecer um padrão de distribuição numérico e espacial da população e das residências

em áreas de maior risco de modo a evitar maior risco de ocorrências de incêndios pois as
populações funcionam como incendiários.

VI. REFERÊNCIAS BIBLIOGRÁFICAS
ALVARENGA, A.S; MOARES, M.F. (2014). Processamento digital de imagens LANDSAT8

para obtenção dos índices de vegetação NDVI e SAVI visando a caracterização da cobertura
vegetal no município de Nova Lima – MG.Brasil. 28p.
ANDREAE, M. O; MERLET, P. (2001). Emission of trace gases and aerosols from biomass
burning, Global Biogeochemical Cycles, n. 15, v.4, 18p.
ANDRADE, C. F; RIBEIRO, G. A; GLERIANI, J. M.; MARTINS, M. C. (2011). Uso de

fotografias aéreas não convencionais e SIG na elaboração de mapas de risco de incêndios
florestais. Curitiba, PR, Brasil, INPE, 7918-7925p.
ANDRÉ, L; O. MARCELO, A, N; JOÃO, R, T; ANA, L, B, C; RODRIGO, A, A, N. (2017).

Comparação e validação da modelagem espacial de riscos de incêndios considerando
diferentes métodos de predição. 33p.
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. Revista Geonorte, V.2, N.4. p.1801 – 1811.
AXIMOFF, I.; RODRIGUES, R. D. (2011). Histórico dos incêndios florestais no Parque

Nacional do Itatiaia. Ciência Florestal. Santa Maria. 83p.
BACHMANN, A; ALLGÖWER, B. A. (2001). Consistent wildland fire risk terminology is

needed Fire management today, v. 61, 28p.
BADIA-PERPYNIÀ, A; PALLARES-BARBERA, M. (2006). Spatial distribution of

ignitions in Mediterranean periurban and rural areas: the case of Catalonia. International
Journal of Wildland Fire, 15 (2): p.187-196.
BAPTISTA, A. M. (2000). Sistema Nacional de Unidades de Conservação. Lei 9.985, de 18

de Julho de 2000. Institui o Sistema Nacional de Unidades de Conservação. 79p.
BARLOW, J; PARRY, L; GARDNER, T. A; FERREIRA, J. A; LEOC, C. R. (2012). The

critical importance of considering fire in REDD+ programs. Biological Conservation; 20p.

BARROS, L. C; BASSANEZI, R. C. (2006). Tópicos de Lógica Fuzzy e Bio-matemática.
BIRKMANN, J. (2007). Risk and vulnerability indicators at different scales: Applicability,

usefulness and policy implications. Environmental Hazards. 31p.
BRUGNOT, G. (2008). Spatial Management of Risks. In London: John Wiley & Sons, Inc.
45p
BURROUGH, P. A; MCDONNELL, R.A. (2005). Principles of geographical information

systems. Oxford, 15p.
BROWN, J. K; BEVINS, C. D. (1986). Surface fuel loadings and predicted fire behavior for
vegetation types in the northern rocky mounstains. Utah: US. Department of Agriculture.
Forest Service (Research Note INT-358), 11p.
CASTAÑEDA, A. (1997). Zonificacion para el manejo de incêndios en plantaciones

forestales en Colombia. 46p.
CECCONELLO, M. S. (2006). Modelagem alternativa para dinâmica populacional:

Sistemas dinâmicos Fuzzy. 115p.
CHANDLER, C; CHENEY, P; THOMAS, P; TRABAUD, L.; WILLIAMS, D. (1983). Fire

in forestry: forest fire behavior and effects. New York: J. Wiley & Sons, 298p.
CHOU, Y. (1990). Spatial autocorrelation of wildfire distribution in the Idyllwild

Quadrangle, San Jacinto Mountains, California, USA. 140p,
CHUVIECO, E. A.; YEBRA, I.; NIETO M.; SALAS, H.; MARTIN, J.; VILAR, M.P.;
MARTÍNEZ, L.; MARTÍN, J.; IBARRA, S.; DE LA RIVA, P.; BAEZA, J.; RODRIGUEZ,
J.; MOLINA, F.; HERRERA, J. R.; ZAMORA, M. (2010). Development of a framework for
fire risk assessment using remote sensing and geographic information system Technologies.
Ecological Modelling 221: 46-58 p.
CHUVIECO, E. (2009). Earth Observation of Wildland Fires in Mediterranean Ecosystems,

London: Springer. 227p.

CHUVIECO, E; CONGALTON, R.G. (1989). Application of remote sensing and geographic

information systems to forest fire hazard mapping. 147-159p.
CIPRIANI, H. N; PEREIRA, J. A. A; SILVA, R. A; FREITAS, S. G.; OLIVEIRA, L. T

(2011). Fire risk map for the Serra de São Domingos Municipal Park, Poços de Caldas, MG.
83p.
COLORADO. (2002). Wildland Urban Interface Hazard Assessment Methodology. Colorado

State Forest Service, 8p.
COSTA, M. R. (2009). Uso do fogo em pastagens naturais. UFC-CCA-DZ.75p.
CUNHA-NETA, A. M. M.; OLIVEIRA, J. A. (2011). Geoprocessamento na detecção de

vulnerabilidade à expansão urbana. BA, 231p,
DE OLIVEIRA, A, L, S. (2013). Modelagem espacial de predição de riscos de incêndios

com lógica Fuzzy, comparação e validação, Recife,162p.
DE OLIVEIRA, A. L. S; ANTÔNIO, M; TAVARES, J, R; LÚCIA, A; CANDEIAS, B; DE

ALBUQUERQUE, A, R. (2017). Comparação e validação da modelagem espacial de riscos
de incêndios considerando diferentes métodos de predição. 20p.
DEMARQUI, F; N. (2012). Inferência Bayesiana Conceitos Básicos e Algumas Aplicações.

SP.53p.
DUARTE, D. I. (2016). Análise do número de Focos de Calor, Precipitação Pluviométrica,

Umidade Relativa do ar e Incidência de Raios no Distrito Federal entre 2005-2015.
Planaltina. 43P.
DNFFB/UIF (2003). Nota Informativa. DNFFB, Maputo.27p.
EASTMAN, R.; JIN, W.; KYEM, P. A. K; TOLEDANO, J. (1995). Rasters procedures for
multi-criteria/multi-objective decisions. v. 61, 547p.
EMBRAPA. (2014). Geotecnologias e Geo-informações: O produtor pergunta, a Embrapa

responde. Brasília. 256p.

ERTEN, E; KURGUN, V; MUSAOĞLU, N. (2004). Forest fire risk zone mapping from
satellite imagery and GIS a case study. International Oscite for Photogrammetry and Remote
Sensing, v. 35, 8p.
FANIN, T; VAN DER WERF, G. R. (2015). Relationships between burned area, forest cover
loss, and land cover change in the Brazilian Amazon based on satellite data. Journal
Biogeosciences, v. 12, p. 6033-6043.
FAO. (2007). Fire Management - Global Assessment 2006. Food and Agriculture
Organization of the United Nations, Forestry. Rome. 151p.
FAO. (2010). Global forest resources assessment 2010 - Country report: Mozambique. Food
and Agriculture Organization of the United Nations. Rome. 54p.
FAO. (2012). State of the world’s forests. Rome. Food and Agriculture Organization of the
United Nations (FAO). 84p.
FERNANDES, M.C; COURA, P.H.F, SOUSA G.M, AVELAR A. S. (2011). Avaliação

geoecológica de susceptibilidade à ocorrência de incêndios no estado do Rio de Janeiro,
Brasil. Floresta e Ambiente. 18p.
FERNANDES, J.P. (2006). Análise comparativa das legendas disponíveis para a cartografia
de ocupação do solo e da vegetação e adaptação da legenda Corine Land CoverNível 5 –
Escala 1:10000, AMDE e CEEM, Évora. 84p.
FERRAZ, S. F. de B; VETTORAZZI, C. A. (1998). Mapeamento de risco de incêndios

florestais por meio de sistema de informações geográficas (SIG). Piracicaba, 48p.
FIEDLER, N. C; MERLO, D. A; MEDEIROS, M. B. (2006). Ocorrência de incêndios

florestais no Parque Nacional da Chapada dos Veadeiros, Goiás. Ciência Florestal, v. 16, n.
2, p. 153- 161,
FIP. (2016). Segundo DRAFT - Plano de Investimento para Moçambique. UT-REDD,

MITADER. Plano de Investimento Florestal. 132p.

FREIRE, J. (2009). Modelação do Crescimento e da Produção de Pinha no Pinheiro Manso.

Dissertação de Doutoramento em Engenharia Florestal. Instituto Superior de Agronomia,
UTL, Lisboa; 215p.
FROST, P. (1996). The ecology of Miombo Woodlands. In: Campbell, B. (Ed.), TheMiombo
in Transition: Woodlands and Welfare in Africa. CIFOR, Bagor, 57p.
FUSARI, A; LAMARQUE, F; CHARDONNET, P; BOULET, H. (2010). Reserva Nacional

do Gilé plano de maneio 2012 -2021. Maputo. 143p.
GDM. Governo do Distrito de Mocuba. (2005). Plano Estratégico de Desenvolvimento do

Distrito de Mocuba – 2006/2011. ed. 2005. 2-51p.
GELDENHUYS, C. J. (2005). Basic guidelines for silvicultural and management practices in

Mozambique. Forestwood, Pretoria, 78p.
GONTIJO, G. A; PEREIRA, A. A; OLIVEIRA, E. D. S; JUNIOR, F. W. (2011). A Detecção

de queimadas e validação de focos de calor utilizando produtos de Sensoriamento Remoto.
Simpósio Brasileiro de Sensoriamento Remoto, Curitiba/PR. Anais. 53p.
GUIMARAES, P. P; SOUZA, S. M; FIEDLER, N. C; SILVA, A. G. (2014). Análise de

Impacto Ambiental de um Incêndio Florestal. Revista Agrarian Academy. Centro Científico
Conhecer - Goiânia, v.1, n.01. 37p.
HANNES, R. (2009). A first assessment of Aster GDEM tiles for absolute accuracy, relative
accuracy and terrain parameters. 243p.
HOFICO, N.S.A. (2014). Suficiencia amostral para uma floresta de Miombo no distrito de
Mocuba, provincia da zambezia, em Mocambique.Santa Maria-Brasil. 87p
ILIADIS, L. A. (2005). Decision support system applying an integrated fuzzy model for long
term forest fire risk estimation. 613-621 p.
INE (2016). Recenseamento geral da população e habitação.Indicadores sociodemográficos.

População projectada - Província da Zambézia. Zambézia. 58p.

INE. (2012). Estatísticas do Distrito de Mocuba. 29p.
INSTITUTO NACIONAL DO DESENVOLVIMENTO DA EDUCAÇÃO (INDE). (2009).

Atlas de Moçambique. Maputo-Moçambique, 81p.
IBGE: Instituto Brasileiro de Geografia e Estatística. (1996). Densidade demográfica.

Bahia.19p
JAISWAL, R. K; MUKHERJEE, S; RAJU, K. D.; SAXENA, R. (2002). Forest fire risk zone
mapping from satellite imagery and GIS. v. 4, 1-10 p.
JUVANHOL, R.; S. (2014). Modelagem da vulnerabilidade à ocorrência e propagação de

incêndios florestais. ES. 78p
LASAPONARA, R; SANTULLI, A; TELESCA, L. (2005). Time-clustering analysis of

forest-fire sequences in southern Italy. Chaos, Sólitos e Fractals. 149p.
LIN, P. KYEM, P. A. K; TOLEDANO, J. (2006). Hazard Assessment of Debris Flows by

Statistical Analysis and GIS in Central Taiwan. 165–187p.
LINN, R.R; CANFIELD, J.M, CUNNINGHAM, P.; EDMINSTER, C.; DUPUY, J.L;
PIMONT, F. (2012); Using periodic line fires to gain a new perspective on multi-dimensional
aspects of forward fire spread. Agricultural and Forest Meteorology. 55p.
LOPÉZ, L. G. Z. (2004). Estúdio de las características físicas y geométricas de la

llama en los incêndios forestales. 45p.
LUIZ, S; SANTOS, A. R. S; BRENNER, T. L. (2007). Geração de modelo digital de

elevação a partir de imagens reference stereo satélite IKONOS. 581-587p
LUKE, R. H; MCARTHUR, A. G. (1978). Bushfires in Australia. 359p.
MAGALHÃES, I. A. L.; THIAGO, C. R. L; AGRIZZI, D. V.; SANTOS, A. R. (2011). Uso

de geotecnologias para mapeamento de áreas de risco de inundação em Guaçuí, ES: uma
análise comparativa entre dois métodos. Cadernos de Geociências, v. 8; 70p.

MAÙNZE, C. R. (2016). Análise Espacial e Temporal de Queimadas usando Imagens

Satélite na Reserva Nacional do Gilé (de 2004 a 2014). Maputo. 78p.
MARZOLI, A. (2007). Inventário Florestal Nacional. Relatório Final. Maputo. 109p.
MATHE, M. F. (2013). Modelação SIG na Avaliação do Risco de Incêndios na Reserva

Nacional do Niassa. Lisboa. 114p.
MEIRELLES, M.S.P. (1997). Análise integrada do ambiente através do geoprocessamento:

uma proposta metodológica para a elaboração de zoneamento. 192p.
MELO, L.; A; M; N. (2005). Modelagem de combustíveis florestais no parque nacional do

Iguaçu, PARANÁ, BRASIL.95p.
MENDOZA, E. R. (2003). Susceptibilidade da floresta primária ao fogo em 1998 e 1999:

Estudo de caso no Acre, Amazônia sul-ocidental, Brasil. Rio Branco. 40p.
MICOA. (2007). Plano de acção para a prevenção e controlo das queimadas descontroladas
2008-2018 em Moçambique. Ministério para a Coordenação da Acção Ambiental (MICOA).
Maputo. 53p.
MINISTÉRIO DA ADMINISTRAÇÃO ESTATAL. (2014). Perfil do distrito de Mocuba,

província da Zambézia. Maputo, Moçambique, 55p.
Moçambique. (2014). Regulamento de Uso de Estradas e suas Zonas de Protecção no seu

Decreto n.º 109/2014 de 31 de Dezembro. 1940: 228 -294p.
MOREIRA, M. A. (2011). Fundamentos do Sensoriamento Remoto e Metodologias de

Aplicação. 4. ed. Viçosa: Ed. UFV. 320p.
NETO, A. D. (2016). Diagnóstico dos incêndios florestais no Parque Nacional da Chapada

dos Guimarães no período de 2005 a 2014. Curitiba. 149p.
NOVO, E. M. L. M. (2008). Sensoriamento. Remoto: princípios e aplicações. São Paulo.

308p.

NUNES, J. (2005). FMA+ um novo índice de perigo de incêndios florestais para o estado do
Paraná – Brasil. Curitiba. 169p.
OLIVEIRA, B.S. (2016). Satélites e Sensores. São José dos Campos – SP Julho. 87p.
OLIVEIRA, D. S; BATISTA, A. C; SOARES, R. V; GRODZKI, L.; VOSGERAU, J. (2004).

Zoneamento de risco de incêndios florestais para o Estado do Paraná. Revista Floresta,
Curitiba, v. 34, n. 2, p. 217-221p.
ONIGEMO, A. (2007). Avaliação de índices de risco de incêndio em áreas com

predominância de gramíneas cespitosas na sub-região da Nhecolândia, pantanal, ms. 84p.
OSSENE, Amadeu Luís. (2015). Avaliação da Incidência de Queimadas no Ecossistema de

Mopane no Distrito de Mabalane de 2002 a 2011. FAEF. Maputo. 68p.
PAIS, A. D. (2015). Efeito do Fogo na Estrutura e nos Padrões de Distribuição das

Formações vegetais no Parque Nacional do Limpopo. Maputo.111p.
PEDDM (2014). Plano Estratégico de Desenvolvimento do Distrito de Mocuba: 2014-2020.

Mocuba. 118p;
PEREIRA, A. A. (2009). Uso de geotecnologia para detecção e análise de queimadas e focos

de calor em unidades de conservação no norte de Minas. 91p.
PEREIRA, C. R. (2006). Estimating and mapping forest inventory variables using the K-NN
method: Mocuba district case study, Mozambique. 86p.
PEW, K. L; LARSEN, C.P.S. (2001). GIS analysis of spatial and temporal patterns of
human-caused wildfires in the temperate rain forest of Vancouver Island, Canada. Forest
Ecology and Management, v. 140, n. 1,1-18p.
PEZZAPONE, J. E. M; NETO, S. N. O; VILELA, M. F. (2001). Risco de incêndios em

função da característica do clima, relevo e cobertura do solo. v.8, p.161-166.
RAMOS, R. A. R.; MENDES, J. F. G. (2001). Avaliação da aptidão do solo para

localização industrial: o caso de Valença. 29p.

RAWAT, G.S., (2003). Fire Risk Asessment for Forest Fire Control Management In
Chilla Forest Range of Rajaji National Park Uttaranchal (India). 101p.
RIBEIRO, A. (2001). Natural resource management policy in Mozambique: an overview.

University of Liverpool. 87p.
RIBEIRO, L.; KOPROSKI, L. P.; STOLLE, L.; LINGNAU, C.; SOARES, R. V.; BATISTA,
A. C. (2008). Zoneamento de riscos de incêndios florestais para a Fazenda Experimental do
Canguiri, Pinhais (PR). v. 38, n. 3, 572p,
RIBEIRO, L. (2009). A Pressão Antrópica e os Riscos de Incêndios Florestais no Município

de Novo Mundo, Amazônia Mato-Grossense. Curitiba. 132p.
RIBEIRO, L.; SOARES, R. V; BEPLLER, M. (2012). Mapeamento do risco de incêndios

florestais no município de Novo Mundo, Mato Grosso, Brasil. Revista Cerne, Lavras, v. 18,
n. 1, p. 117-126p.
RINDFUSS, R. R; WALSH, S. J; TURNER, B. L; FOX, J; MISHRA, V. (2004). Developing

a science of land change: challenges and methodological issues. v.7. 5p,
RIVERA-LOMBARDI, R. J. (2003). Estudo da recorrência de queimadas e permanência de

cicatrizes do fogo em áreas seleccionadas do cerrado brasileiro, utilizando imagens
TM/Landsat. 172p.
RODRÍGUEZ SILVA, J. G.; CASTILLO, M.; MOLINA, J.; HERRERA, M. (2010).

Aplicação y adaptación del modelo SEVEIF para la evaluación socioeconómica del
impacto de incêndios forestales em la Provincia de Valparaíso, Chile, 52p.
ROMERO CALCERRADA, R.; BARRIO PARRA, F; MILLINGTON, J. D. A; NOVILLO,

C. J. (2010). Spatial modelling of socioeconomic data to understand patterns of human
caused wildfire ignition risk in the SW of Madrid (central Spain). Ecological Modelling, n.
221, 34-45p.
ROSA, R. (2007). Introdução ao Sensoriamente Remoto.6. ed. Uberlândia: EDUFU, 248p.

SANTANA, J. A. S; ARAAÚJO, I. M. M.; SENA, C. M.; PIMENTA, A. S.; FONSECA, F.

C. E. (2011). Determinação dos períodos críticos de ocorrência de incêndios florestais na
estação ecológica do Seridó, Serra Negra do Norte, RN. Revista Caatinga, Mossoró, v. 24, n.
1, p. 43-47.
SANTOS, A. R.; LOUZADA, F. L. R. O; EUGENIO, F. C. (2010). ArcGIS 9.3 total:

aplicação para dados espaciais. 2ªed. Alegre, ES: CAUFES, 184p.
SANTOS, C. A. P. d; SOUZA, U. B. d; SILVA, W. L. (2011). Quantificação dos focos de

calor na Mesorregião do Extremo Oeste Baiano. Simpósio Brasileiro de Sensoriamento
Remoto, Curitiba. Anais. São Jose dos Campos: INPE. 24p.
SERRA, J. C; CHICUE, J. (2005). Lei de floresta e fauna bravia comentada. Centro de

Formação Jurídica e Judiciária; Edições Kapicua. Maputo. 343p.
SERROTE, S. A. (2017). Diagnóstico dos incêndios florestais usando imagens Satélite, na

Reserva Nacional do Gilé (RNG), distritos de Gilé e Pebane, entre 2007 – 2016. 74p
Serviços Provinciais de Florestas e Fauna Bravia da Zambézia (SPFFB). (2003). Projecto

Maneio Sustentado de Recursos Florestais na Zambézia e Inhambane: Relatório da
Campanha de Combate às Queimadas Descontroladas na Província da Zambézia 2002.
Zambézia. 24p.
SILVA, I. D. B; PONTES, A. C. F. (2011). Elaboração de um Factor de Risco de Incêndios

Florestais utilizando Lógica Fuzzy. Campinas. 128p.
SIMÕES, M. G.; SHAW, I. S. (2007). Controle e modelagem fuzzy. 2. ed. São Paulo: Edgard
Blucher. 186 p.
SINTRA. (2007). Metodologia: Ficha técnica do inquérito: Universo.32p.
SITOE, A., I. REMANE, N. RIBEIRO, M. P. FALCÃO, R. MATE, J. NHAMIRRE, S.

WALKER, L. MURRAY e J. MELO. (2016). Estudo sobre causas directas e indirectas do
desmatamento e degradação florestal em Moçambique - Relatório final. C. WINROCK.
Maputo. 36p.

SITOE, Almeida; SALOMÃO, Alda; WERTZ-KANOUNNIKOFF, Sheila. (2012). O

contexto de REDD+ em Moçambique: causas, actores e instituições. Publicação Ocasional
76. CIFOR, Bogor, Indonesia. 74p.
SOARES, M. G. (2017). Relação entre as mudanças de uso e cobertura de terra e as

queimadas em florestas de miombo, Gurué, Moçambique. Maputo.75p.
SOARES, R. V; BATISTA, A. C. (2007). Incêndios Florestais - Controle, Efeitos e Uso do

Fogo. Curitiba: FUPEF, 250p.
TETTO, A. F. (2012). Comportamento histórico dos incêndios florestais na Fazenda Monte

Alegre no período de 1965 a 2009.115 p.
TORRES, F. T. P.; RIBEIRO, G. A; MARTINS, S. V; LIMA, G. S. (2010). Determinação do

período mais propício às ocorrências de incêndios em vegetação na área urbana de Juiz de
Fora, MG. Revista Árvore, v. 34, n. 2, p. 297-303, 2010.
TOUSSAINT, U. V. (2011). Bayesian inference in physics. 15p
TSO, B.; MATHER, P. M (2009). Classification methods for remotely sensed data. 155p.
TUZINE, M.S. (2011). Mapeamento Da Cobertura e Uso da Terra a Partir de Imagens

Ikonos aa Floresta de Inhamacari, Província De Manica – Moçambique. Brasil. 91p.
UBISSE, A. V. N. (2016). Avaliação do Impacto da Frequência de Queimadas na

Diversidade de Pequenos Mamíferos no Parque Nacional do Kruger, África do Sul. FAEF.
Mestrado em maneio e conservação da biodiversidade. Maputo.84p.
UHL, C.; KAUFFMAN, J. B.; SILVA, E. D. (1990). Os caminhos do fogo na Amazônia.

Ciência Hoje, Rio de Janeiro, v. 11, n. 65, p. 25-32.
VALERIANO, M. M. (2008). Topodata: guia de utilização de dados geomorfométricos

locais. São José dos Campos, SP: INPE. 75p.

VASCONCELOS, S., FEARNSIDE, P., GRAÇA, P., SILVA, P., & DIAS, D. (2014).
Suscetibilidade da Vegetação ao Fogo no Sul do Amazonas sob Condições Meteorológicas
Atípicas Durante a Seca de 2005. Amazônia. 11p.
VENTURI, N. L.; ANTUNES, A. F. B. (2007). Determinação de locais óptimos para

implantação de torres de vigilância para detecção de incêndios florestais por meio de
sistemas de informações geográficas. v. 37,173p.
WHITE, L. A., S. (2013). Análise espacial e temporal de incêndios florestais para o

município de Inhambupe, litoral norte da Bahia. São Cristóvão Sergipe – BRASIL.111p.
WILLIAMS, J. ALBRIGHT, D. HOFFMANN, A. ERITSOV, A. MOORE, P. DE MORAIS,

J. C. LEONARD, M. MIGUEL-AYANZ, J. XAMTHOPOULOS, G. VAN LIEROP, I.
(2013). Findings and implications from a coarse-scale global assessment of recent selected
mega-fires. Rome: FAO. 207p.
WORLD HUMANITARIAN SUMMIT (WHS). (2015). Guia para el uso de Kobo Collect y
webform (Enketo). Consulta Regional en América Latina y el Caribe.14p.
YANG, J. H. E; SHIFLEY, S. R.; GUSTAFSON, E. J. (2007). Spatial patterns of modern

period human-caused fire occurrence in the Missouri Ozark highlands. v. 531-15p.
Websites visitados
✓ https://earthexplorer.usgs.gov/ acessado em 02/08/2018 pelas 11:00h
✓ www.meteoblue.com acessado em 23/08/2018 pelas 17h:28min
✓ https://firms.modaps.eosdis.nasa.gov/ acessado em 24/08/2018 pelas 13h37min

Modelagem da vulnerabilidade à ocorrência e propagação de incêndios florestais apoiado à geotecnologias
(2008 a 2017).
VII. ANEXOS
Anexo 1: Inquérito às comunidades.
Data
Insira o dia/mês/ ano e se possível as horas em que esta a inquerir
yyyy-mm-dd hh:mm
Nome
Insira o nome do inquerido de modo a possibilitar a sua identificação
Género
Insira o género e ou sexo do inquerido (masculino/feminino)
Masculino
Feminino
Endereço
Insira a localização do inquerido, nome do bairro, regulado ou comunidade que facilite a sua localização
Pontos
Inserir as coordenadas para facilitar a localização do inquerido na área de estudo (Latitude e Longitude) com uma acurácia de 5m no
Máximo
Latitude (x.y °)
Longitud
e (x.y °)
Altitude
(m)
Accuraci
a (m)

Modelagem da vulnerabilidade à ocorrência e propagação de incêndios florestais apoiado à Geotecnologias
(2008-2017). Estudo de caso da localidade de Munhiba, Mocuba.
1. O inquerido é?
Responsabilidades ou funções que o inquerido ocupa em sua casa
Chefe de Família
Filho
Outro Parente
Já ouviu falar em relação a queimadas descontroladas?

Procure saber se o inquerido já ouviu falar alguma vez sobre queimadas descontroladas
Sim
Não
Que tipo de actividades tem praticado (a)?

Indicar as actividades praticadas pelo inquerido
Agricultura
Caca
Pastagem
Colecta de mel
Produção de Carvão
Outros
2. Como é feita a abertura de campos para a realização da agricultura?

Procure saber sobre como fazem para abrir os campos destinados a agricultura
Queimadas
Desmatamentos
Outros
É possível fazer a agricultura sem o uso de fogo?

Procure saber do inquerido sobre a possibilidade de fazer a agricultura sem o uso do fogo
Sim
Não
Se sim, descreva como?

Porquê tem usado o fogo na Agricultura?

Porque o inquerido opta em usar o fogo na agricultura (Finalidade do uso do fogo na agricultura)
Limpeza
Combate a pragas
Protecção contra animais
Outros
O fogo constitui um perigo para a agricultura?

O fogo usado nas práticas agrícolas, constitui um perigo para o inquerido. Ou se o Inquerido vê o fogo como algo perigoso que possa destruir as suas
culturas
Sim
Não
Quantas vezes têm usado o fogo para fins de actividades agrícola por ano?
Número de vezes que tem realizado queimadas para fins de agricultura
Um ano
Dois anos
Três anos
Mais
Quanto tempo leva para abandonar o local onde é praticado a agricultura?

Indicar o tempo que leva para abandonar a área depois das práticas agrícolas quando a terra deixa de ser fértil para a agricultura
Um ano
Dois anos
Três anos
Mais
Oque fazem para controlar perigos de queimadas na agricultura?

Procure saber das formas que o inquerido usa para controlar as queimadas na sua machamba
Fazem queima controlada
Construção de Aceiros
Outro

Qual foi o ano que se registou maior número de queimadas descontroladas?

Escreva o ano de maior ocorrência de queimadas descontroladas
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
Quais as espécies mais exploradas param produção de Carvão?

Escreva o nome das espécies mais usadas para produção de Carvão (nome vernacular ou específico)
Que tipo de forno tem usado?

Descrever o tipo de forno usado para produção de Carvão
Fornos Tradicionais (Piramidal ou barco)
Fornos melhorados
Outros
Onde é construído o forno para a produção do Carvão?

Indicar o local da construção dos fornos para produzir
Carvão no local de abate
Noutro local
E feita a limpeza do local para a produção do carvão?

Procure saber se o inquerido faz a limpeza do local da producao do Carvão antes da queima do forno
Sim
Não

Como é feita a supervisão do processo de combustão no acto da produção do carvão?
Descrever como e feita a supervisão dos fornos para producao de Carvão
Todo tempo
Uma vez ao dia
Primeiro e último dia
Outro
O que é feito com fogo que sobra no processo de produção de carvão?

O fogo que sobra no processo de produção de carvão, qual e o seu destino, ou que o inquerido tem feito com o fogo que sobra da producao de
Carvão
Apagado
Abandonado
Tem usado fogo para a prática da Caça?

Pergunte se o fogo tem sido uma opção para a prática da caça
Sim
Não
Nesta actividade o fogo e usado para?

Dizer a Importância ou finalidade do uso do fogo na caca
Afugentar os animais de uma área para caírem na ratoeira
Outros meios alternativos
Outros
O fogo constitui uma ameaça na prática da caca?

Dizer se o fogo e uma ameaça no acto da caca
Sim
Não
Existe alguma área de Pastagem na Comunidade?

Existência de área de criação de animais como o exemplo de gado
Sim
Não
Existe alguma área destinada a producao e extracção de mel?

Responder se há ou não área destinada a producao de Mel
Sim

Não
Se sim, indique esta área?
Floresta
Área destinada a produção de mel (Apicultura)
Outras
Tem usado o fogo para a Colecta/Extracção de mel?

Procure saber se tem usado o fogo para a extracção e colecta de mel
Sim
Não
E tem sido na mesma área?

E se tem queimado na mesma área
Sim
Não
Quantas vezes têm realizado queimadas por ano? (frequência de queimadas)

Indicar o número de vezes que tem feito queimadas por ano
Uma vez
Duas vezes
Três vezes
Mais
Alguma vez já perdeu o controlo do fogo?

E se em algum dia já perdeu o controlo do fogo em algum dia
Sim
Não
Oque é que tem feito para combater o fogo?

Oque tem feito para combater o fogo: usa água, areia ou outros recursos para combater o fogo
Aceiros
Abafamento (Ramos e folhas verdes das arvores, areia)
Outros meios: mencione ou indique.
Caso opcione em Outros meios de Combater o fogo.

Em que período (Meses) tem efectuado queimada?

Indicar os meses em que o inquerido tem praticado mais queimadas
Janeiro
Fevereiro
Marco
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro
Diversos

VIII. APÊNDICES
25.8
25.6
25.4
Temperatura (⁰C)
25.2
25
24.8
24.6
24.4
24.2
24
23.8
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Anos
Apêndice 1: Valores anuais de temperatura (˚C) em função dos anos em análise (2008-2017) na Localidade de Munhiba.
Apêndice 2: Valores de Precipitação Pluviométrica (mm) em função dos anos em análise (2008-2017) na Localidade de
Munhiba.

Apêndice 3: Valores anuais de humidade relativa do ar em função dos anos em análise (2008-2017) na Localidade de
Munhiba.
Apêndice 4: Focos activos de calor na localidade de Munhiba no período de 2008 – 2017.

Modelagem da vulnerabilidade à ocorrência e propagação de incêndios florestais apoiado à geotecnologias (2008 a 2017).
Apêndice 5: Nível de conhecimento sobre Incêndios Florestais. Apêndice 6: Principais actividades realizadas pelas comunidades.
Apêndice 7: Formas de abertura de campos para a agricultura. Apêndice 8: Nivel de aceitação de uso do fogo na agricultura.

Munhiba, Mocuba.
Apêndice 9: Técnicas de controlo do fogo durante a agricultura. Apêndice 10: Supervisão de fornos na produção de carvão.
Apêndice 11: Frequência de queimadas. Apêndice 12: Objectivo do uso do fogo na Agricultura.

Munhiba, Mocuba.
Apêndice 13: Anos de maior evento de incêndios Apêndice 14: Período de queimadas (Meses).
Apêndice 15: Técnica para supressão de incêndios

geotecnologias (2008 a 2017).
Apêndice 15: Estatística descritiva das variáveis foco de calor, temperatura, humidade relativa do ar e
Parâmetros Variáveis
FC Tº HRA (%) PREC (mm)
Média 742,2 24,8 74,6 99,7
Min 618,00 24,4 70,2 94,0
Máx 815,00 25,6 78,4 100,9
DP 68,8 0,5 2,8 2,0
CV (%) 9,3 1,9 3,8 2,0
precipitação.
Apêndice 16: Matriz de correlação de Person entre as variáveis independentes T, Hra e Prec na ocorrência de
focos de calor.
FC Tº HRA PR
FC 1,0000
Tº -0,0135 1,0000
HRA -0,2279 -0,9321 1,0000
PR -0,0461 -0,5783 0,6606 1,0000
Apêndice 18: Classe de risco de incêndio florestal no conjunto Fuzzy para o uso e ocupação da terra
Classes Valor Fuzzy
Uso e Ocupação de Terra MIN MAX MED
Agricultura 0.93 1.00 0.965
Habitação 0.88 0.91 0.895
Floresta Nativa 0.40 0.47 0.435
Floresta Exótica 0.26 0.32 0.29
Corpos de Água 0 0.023 0.0115
*MIN: Mínimo; MAX: Máximo; MED: Média.

Gonha Chalisse, 2018 - Monografia

Enviado por

Dados do documento

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

Gonha Chalisse, 2018 - Monografia

Enviado por

Direitos autorais:

Formatos disponíveis

MODELAGEM DA VULNERABILIDADE À OCORRÊNCIA E PROPAGAÇÃO

DE INCÊNDIOS FLORESTAIS APOIADO À GEOTECNOLOGIAS (2008-2017).

ESTUDO DE CASO DA LOCALIDADE DE MUNHIBA, MOCUBA.

GONHA CHALISSE GONHA

TRABALHO DE CONCLUSÃO DE CURSO

MODELAGEM DA VULNERABILIDADE À OCORRÊNCIA E PROPAGAÇÃO DE

ESTUDO DE CASO DA LOCALIDADE DE MUNHIBA, MOCUBA.

GONHA CHALISSE GONHA

TRABALHO DE CONCLUSÃO DE CURSO

MODELAGEM DA VULNERABILIDADE À OCORRÊNCIA E PROPAGAÇÃO DE

ESTUDO DE CASO DA LOCALIDADE DE MUNHIBA, MOCUBA.

Autor: Gonha Chalisse Gonha

Monografia submetida à Faculdade de Engenharia

(Gonha Chalisse Gonha)

Mocuba, aos ……. de …………………..de 2018

A minha Avó (Círia Cherminga);

Ao meu pai, Chalisse Gonha Muchunju (in memoriam 1/10/1947-07/03/1999).

A minha mãe: Maria João;

Aos meus irmãos (Arnaldo, Arhina, Círia e Lourenço);

A todos vós, Dedico!

Sun Tzu, em Arte de Fazer Guerra, diz:

“Muitas vezes o fogo deixa que nós subestimemos

Gonha Chalisse Gonha i

i) Densidade demográfica (PR) ................................................................................................ 13

4.2.1. Uso e ocupação da terra ................................................................................................. 36

Gonha Chalisse Gonha iii

Palavras-chave: Risco de incêndios florestais, Modelagem, Lógica Fuzzy.

Gonha Chalisse Gonha iv

Keywords: Forest fire risk, Modeling, Fuzzy Logic.

Gonha Chalisse Gonha v

Gonha Chalisse Gonha vi

Gonha Chalisse Gonha vii

Gonha Chalisse Gonha viii

LISTAS DE SIGLAS E ABREVIATURA

Gonha Chalisse Gonha ix

RIF Risco de Incêndio Florestal

Gonha Chalisse Gonha x

As florestas desempenham um papel importante na manutenção do equilíbrio do meio

Apesar do grande potencial florestal, Moçambique enfrenta enormes desafios na gestão

Gonha Chalisse Gonha 1

Neste âmbito, o estudo sobre a Modelagem de ocorrência à propagação de incêndios

O presente estudo visa determinar as áreas vulneráveis a ocorrência e propagação de

1.2. Problema e Justificativa

Dada a complexidade que envolve a caracterização de combustíveis florestais, a

Gonha Chalisse Gonha 2

(2009), a aplicação de modelos espaciais à problemática de incêndios florestais, tem vindo a

Assim sendo, a modelagem de risco de ocorrência e propagação dos incêndios florestais

✓ Avaliar áreas vulneráveis a ocorrência e propagação de incêndios florestais apoiado a

✓ Relacionar os focos de calor com variáveis meteorológicas (precipitação, temperatura e

✓ Analisar as variáveis envolvidas na vulnerabilidade de ocorrência e propagação de

✓ Determinar áreas de risco de ocorrência de incêndios florestais por meio da Sobreposição

Gonha Chalisse Gonha 3

II. REVISÃO BIBLIOGRÁFICA

O fogo é um componente natural de muitos ecossistemas florestais, porém os incêndios

Existe a necessidade de distinção entre os conceitos de fogo e incêndio florestal. Segundo

Em todo mundo, o número de incêndios florestais de grandes proporções tem aumentado de

2.2. Causas dos Incêndios Florestais

Gonha Chalisse Gonha 4

uso e aproveitamento da terra), pastagem e para estimular determinados produtos florestais

De modo a harmonizar as principais causas de IF no mundo, a FAO agrupou as principais

Tabela 1: Descrição das principais causas de incêndios florestais no mundo.

1 Raios Causados diretamente por diversas descargas elétricas da atmosfera. Não

2 Incendiários Provocados potencialmente por pessoas em propriedades alheias,

4 Fumantes Provocados por fósforo ou por cigarros acesos.