Escolar Documentos
Profissional Documentos
Cultura Documentos
MOCUBA
2018
UNIVERSIDADE ZAMBEZE
FACULDADE DE ENGENHARIA AGRONÓMICA E FLORESTAL
DEPARTAMENTO DE 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.
………………………………………………..
Dedico em especial:
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).
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
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
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.
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.
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
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
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
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
I. INTRODUÇÃO
1.1. Generalidades
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.
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.
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).
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).
1.3. Objectivos
1.3.1. Geral
1.3.2. Específicos
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.
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.
6 Fogo de recreação Incêndios causados por pessoas que utilizam a floresta como local
de recreação, tais como pescadores e caçadores.
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).
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.
África (15% da área total), de seguida África central (13.5% da área total) e no sul da África
(11.5% da área total).
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.
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).
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.
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.
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.
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).
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.
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.
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).
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
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
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.
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.
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.
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).
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.
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 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
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).
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
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.
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.
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).
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).
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
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.
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).
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.
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).
Figura 8: Fluxograma metodológico para a espacialização do Risco de Incêndios Florestais. Fonte: O Autor.
Gonha Chalisse Gonha 32
Modelagem da vulnerabilidade à ocorrência e propagação de incêndios florestais apoiado à
Geotecnologias (2008-2017). Estudo de caso da localidade de Munhiba, Mocuba.
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
Gonha Chalisse Gonha 33
Modelagem da vulnerabilidade à ocorrência e propagação de incêndios florestais apoiado à
Geotecnologias (2008-2017). Estudo de caso da localidade de Munhiba, Mocuba.
Figura 10: Correlação linear de focos de calor e humidade relativa do ar (%) no período de 10 anos na
localidade de Munhiba.
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,
Figura 11: Correlação linear de focos de calor e precipitação pluviométrica (mm) no período de 10 anos na
localidade de Munhiba.
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).
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.
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.
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
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.
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.
Figura 16: Mapa Fuzzy com os valores no conjunto, de acordo com a influência da proximidade de residências
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.
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.
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.
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).
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.
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.
ANDREAE, M. O; MERLET, P. (2001). Emission of trace gases and aerosols from biomass
burning, Global Biogeochemical Cycles, n. 15, v.4, 18p.
BRUGNOT, G. (2008). Spatial Management of Risks. In London: John Wiley & Sons, Inc.
45p
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.
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.
EASTMAN, R.; JIN, W.; KYEM, P. A. K; TOLEDANO, J. (1995). Rasters procedures for
multi-criteria/multi-objective decisions. v. 61, 547p.
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, 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.
FROST, P. (1996). The ecology of Miombo Woodlands. In: Campbell, B. (Ed.), TheMiombo
in Transition: Woodlands and Welfare in Africa. CIFOR, Bagor, 57p.
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.
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.
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.
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.
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.
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.
RAWAT, G.S., (2003). Fire Risk Asessment for Forest Fire Control Management In
Chilla Forest Range of Rajaji National Park Uttaranchal (India). 101p.
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,
SIMÕES, M. G.; SHAW, I. S. (2007). Controle e modelagem fuzzy. 2. ed. São Paulo: Edgard
Blucher. 186 p.
TSO, B.; MATHER, P. M (2009). Classification methods for remotely sensed data. 155p.
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.
WORLD HUMANITARIAN SUMMIT (WHS). (2015). Guia para el uso de Kobo Collect y
webform (Enketo). Consulta Regional en América Latina y el Caribe.14p.
Websites visitados
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)
1. O inquerido é?
Responsabilidades ou funções que o inquerido ocupa em sua casa
Chefe de Família
Filho
Outro Parente
Sim
Não
Agricultura
Caca
Pastagem
Colecta de mel
Produção de Carvão
Outros
Queimadas
Desmatamentos
Outros
Sim
Não
Limpeza
Combate a pragas
Outros
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
Um ano
Dois anos
Três anos
Mais
Construção de Aceiros
Outro
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
Fornos melhorados
Outros
Noutro local
Sim
Não
Todo tempo
Outro
Apagado
Abandonado
Sim
Não
Outros
Sim
Não
Sim
Não
Sim
Não
Floresta
Outras
Sim
Não
Sim
Não
Duas vezes
Três vezes
Mais
Sim
Não
Aceiros
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 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.
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.
Apêndice 13: Anos de maior evento de incêndios Apêndice 14: Período de queimadas (Meses).
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.