Escolar Documentos
Profissional Documentos
Cultura Documentos
DEPARTAMENTO DE GEOGRAFIA
Trabalho de Licenciatura
de Licenciatura em Geografia.
Júri
O Oponente O Presidente O Supervisor Data
1
DECLARAÇÃO DE HONRA
Declaro por minha honra que esta dissertação nunca foi antes apresentada, na essência, para
obtenção de qualquer grau, e que constituiu o resultado da minha investigação pessoal, estando
________________________________________________
2
DEDICATORIA
Dedico este trabalho aos meus pais (Rute Munguambe e Armando Munguambe), ao meu irmão
Armando Ernesto Munguambe Jr. (em memória);
Ao meu tio Armindo Filipe Da Silva (por ter sido quem me influenciou na escolha deste curso,
desde criança acompanhava os seus trabalhos e tive a curiosidade de aprender o mesmo).
AGRADECIMENTOS
Porque nada na vida é possível sem a força de Deus, primeiro agradeço a ele pelo dom da vida,
pela oportunidade de viver estes momentos, sem ele nada seria possível, por isso depósito toda
minha fé na sua existência, pois sei que nada sem ele seria possível.
O meu especial agradecimento vai ao Professor Doutor Inocêncio Pereira pela força, incentivo e
As minhas tias (Catarina Munguambe e Amélia Munguambe pelo apoio durante os anos de
formação)
3
ACRÓNIMOS
4
RESUMO
Moçambique é um dos países da África-Austral mais afectados pelos desastres naturais, tendo
em média cerca de 1.17 eventos por ano MICOA (2005). A seca é um dos fenómenos que tem
trazido problemas na disponibilidade de água nas região sul de Moçambique ao quão da sua
ocorrência, por ser um fenómeno difícil de prever e mensurar, as sociedades afectadas não tem
sabido como lidar com o fenómeno. Uma das formas de estudar e compreender a seca, aplica-se
volume de dados em um curto intervalo de tempo, para tal propôs-se a utilização de dados de
onde com os quais fez-se a sua correlação, para saber até que ponto um pode afectar ao outro e
Massangena. Com o trabalho realizado, chegou-se a conclusão que existe uma correlação entre
os dados TRMM e NDVI, porém exista um intervalo de resposta que a vegetação tem em relação
a precipitação ou seca.
5
Índice
6
Resultados obtidos .................................................................................................................................. 33
Validação dos dados estimados pelo satélite TRMM ............................................................................. 33
Comportamento e Classificação da seca com base no SPI ..................................................................... 35
Monitoramento do estado da vegetação com base no NDVI .................................................................. 37
Conclusão e recomendações ................................................................................................................... 42
VI. REFERENCIAS BIBLIOGRÁFICAS ............................................................................................ 44
VII. Anexos ............................................................................................................................................ 48
Anexo 1 - tabela das amostras usadas para correlação dos dados de precipitação dos dados observados e
estimados ................................................................................................................................................ 48
Anexo 2 - categorização da seca com base no NDVI e SPI durante o periodo de 2015 a 2017 ............. 49
7
Lista de Figuras e Tabelas
8
I. CAPÍTULO – INTRODUCAO
1. Contextualização
A seca é definida por vários autores como um fenómeno de ordem natural a nível global, e sua
fenómeno este que pela sua natureza é de difícil mensuração. Conhecendo-se o período da sua
2016).
Nesta perspetiva torna-se importante fazer o estudo da seca, pois elas têm vindo a assolar a
sociedade moçambicana que muitas vezes se deparou com este fenómeno sem saber o período do
O presente trabalho pretende apresentar uma das formas de investigar e monitorar as secas a
partir do uso de imagem de satélites relacionadas com uma das variáveis climáticas que estão
ligadas com a escassez de água, uma das características da seca é a falta de queda pluviométrica.
compreender a sua dinâmica através da relação entre o índice vegetação e a precipitação que se
As de técnicas de teledeteção para a estimativa da precipitação são uma alternativa para locais
com ausência de dados ou de uma rede de monitoramento densa, como é o caso da maior parte
precipitação estão propensos a erros, sendo de grande importância a avaliação e validação dos
dados obtidos via teledeteção com dados in situ obtidos por estações pluviométricas
(CURTARELLI, 2010).
9
No contexto do presente trabalho, pretende-se fazer a análise espácio-temporal da seca através da
elaboração de série temporal dos índices de vegetação do sensor MODIS e dados de precipitação
obtidos através do RFE (Rain Fail Estimate), e com base nos dois produtos far-se-á uma
correlação entre estas variáveis para determinar áreas e períodos secos e húmidos. Com o
presente estudo se pretende entender como se comportam estas variáveis, e ver como pode se
fazer o acompanhamento deste fenómeno que condiciona o modo de vida das populações.
10
2. Problema
podem tornar o local da sua ocorrência bastante vulnerável aos seus efeitos. Nos países em via de
reverter as devastações feitas por elas após sua ocorrência, o que tem vindo a agravar o nível de
Antecipar a informação dos impactos negativos que um evento climático traz a sociedade, faria
com que medidas fossem tomadas de modo a preparar a população para o momento da sua
ocorrência, acedendo aquilo que seriam os recursos básicos para sua sobrevivência.
agricultura tem-se assistido também a incapacidade de se fazer face a fenómenos naturais como a
seca, cheias e ciclones, o que poem em causa a segurança alimentar e a produção agrícola bem-
sucedida.
Segundo o relatório mundial sobre os desastres naturais citado pelo MICOA (2005),
Moçambique até ao ano de 2005, era o país da África-Austral mais afetado pelos desastres
A seca é diferente dos outros eventos climáticos que são de curta duração, a seca é um fenómeno
de longa duração e ela tem um potencial para rotura da economia (MICOA, 2005).
conhecimento deste fenómeno, precisamos saber quando estamos perante a seca antes que ela
faça sentir os seus efeitos, existe a necessidade de se saber a magnitude da seca para que também
se possa saber como lidar com a situação, e em que proporções as medidas devem ser tomadas.
11
Os índices de vegetação permitem fazer observações sazonais do estado da vegetação através dos
sensores remotos que nos dão dados da sua dinâmica e distribuição espacial ao longo do tempo
Para a observação remota podemos usar produtos que o sensor MODIS disponibiliza, MODIS
que provêm da sigla inglesa que significa (Moderate Resolution Imaging Spectroradiometer),
este sensor permite fazer a observação da vegetação de forma isolada, sem muita interferência
dos objectos na superfície terrestre, podemos fazer este monitoramento usando o NDVI, EVI,
vegetação melhorada (EVI) e o NDVI, que como avanço das tecnologias do SIG, houve melhoria
dos efeitos causados pela interferência das condições atmosféricas (Huete et al,. 1999).
Uma vez que à seca se manifesta através da indisponibilidade hídrica, podemos fazer o
utilizar algumas técnicas para extrair dados de precipitação através das imagens de satélites, esta
ferramenta vai possibilitar contornar o catual dilema que é a indisponibilidade de dados que
12
3. Hipóteses
1- Existe uma relação muito forte entre a variação da precipitação e a ocorrência de secas na
aos valores do índice de vegetação, de tal modo que é possível mapear a seca usando um
deles;
4. Objectivos
Geral:
Específicos:
Gerar uma serie temporal sobre o estado da vegetação com base no NDVI/MODIS no
período de 2015-2017;
Calcular o índice de padronizado de precipitação (SPI) com base nos dados do satélite
seca.
5. Justificativa
Estudar os desastres naturais permite compreender como eles ocorrem e como lidar no momento
da sua ocorrência.
prévio, pois desconhecem-se as suas magnitudes e nível de alerta, caso contrário seria possível
13
tomar medidas para com a população, preparando-a em termos de disponibilidade de recursos
que a seca provoca a sua escassez, principalmente a água que é um recurso indispensável para
Uma vez que a proposta do estudo das áreas suscetíveis as secas usará os sistemas de informação
geográfica, ira possibilitar trabalhar com muita informação em um espaço de tempo reduzido e
com baixos custos, os SIG permitem trabalhar com a gestão de propriedades, actividades
fácil, monitorar a seca fara com que tenhamos uma previsão deste evento e dai, reduziremos o
Para além das vantagens acima citadas, Moçambique é um país com baixa disponibilidade de
informação referente a precipitação, com o uso da teledeteção esta questão não se torna uma
14
II. CAPITULO - REVISAO LITERARIA
6. Seca
Para Brito e Julaia (2007) a seca é um fenómeno difícil de definir pois cada região tem
necessidades particulares para utilização da água, embora isso seja verídico a única certeza que
se tem a cerca da definição é que ela traz consigo a escassez da água. Durante a seca ficamos
perante um balanco hídrico negativo, pois perde-se mais água pela evapotranspiração em relação
Segundo Vaz (1993) citado por Brito e Julaia (2007) a défice ou escassez da chuva não nos
remete a uma situação de seca, pois ela é lenta no seu desenvolvimento, sendo possível detectar
Dos riscos naturais, seca é o fenómeno que é responsável pela escassez de água numa
determinada região, e como prejuízo, condiciona o funcionamento normal dos vários sectores das
actividades humanas, como a agricultura e a indústria. Diferente dos outros fenómenos naturais,
que são instantâneos e pontuais, a seca tem a particularidade de ter uma dimensão espacial e
Dos vários conceitos há dois elementos principais que podemos encontrar ao abordar este
fenómeno natural, que é a periodicidade longa e escassez de água, de forma geral a discussão
sobre a seca, leva-nos a dizer que é um fenómeno de indisponibilidade hídrica por um período
longo.
15
6.1.Tipos de seca
Segundo Wilhite e Glantz (1985) citado por Duarte et al., (2017), a seca classifica-se em quatro
tipos de acordo com as suas causas e efeitos, e os seus efeitos acontecem em função da
durante um período de tempo sobre uma região. Para análise deste tipo de seca, são usados dados
de precipitação.
período longo. A seca socioeconómica é diagnosticada quando a procura pela agua é superior a
oferta. A redução da oferta de água em comparação com o normal de uma região por um período
pode ser normal, baixa ou alta, a sua classificação é feita com base nos impactos no local de sua
ocorrência.
subterrâneas por um período bastante extenso, este défice influencia também nos valores dos
A seca chega a ser agrícola quando afecta a camada onde se desenvolvem as raízes da planta
(horizonte) durante uma fase do seu crescimento, o défice de água afecta a quantidade de
16
produção. Este tipo de seca baseia-se no grau de humidade dos solos, e ocorre quando a
evaporação for maior a precipitação. Para o estudo deste tipo de seca, são combinados dados de
Os índices de seca são variáveis utilizadas para determinar o grau de intensidade e duração do
fenómeno, os índices são usados para detectar, caracterizar e monitorar as secas (BRITO e
JULAIA, 2006).
Os mesmos autores listam alguns índices que são usados tal como a Percentagem da Normal,
Decis (Deciles), Índice de Palmer de Severidade da Seca (PDSI), Índice de Humidade da Planta
O índice mais usual para estudos da seca é o SPI que também segundo os mesmos autores tem
uma grande vantagem por permitir quantificar a precipitação em varias escalas de tempo, este
índice demonstra a influência da seca no desenvolvimento das actividades humanas, ele pode
(2011), estudou a aptidão de alguns índices de vegetação para comparar a sua viabilidade para
estudo da seca, ele comparou alguns índices a fim de identificar as áreas de secas e sua
intensidade usando o VCI, NDVI, e SVI, os índices usados demonstraram resultados próximos a
17
realidade, falando mais do NDVI que demonstrou melhores resultados, apesar de ele sofrer muita
No Brasil foi usado por Silva et al., (2016), o EVI e dados da precipitação para avaliar a
vegetação em termos do seu ciclo de crescimento, a observação por eles feita constatou que a
precipitação influencia sim no crescimento da vegetação, o que faz variar os valores do EVI,
Ainda no brasil, Morreira et al., (2016), utilizando os dados do NDVI, que apresentam menor
fidelidade em relação ao EVI, relacionou-os com dados de precipitação, e a experiencia foi bem-
sucedida pois conseguiu-se identificar períodos de seca e estiagem, uma vez que estas duas estão
correlacionadas elaborou-se uma tabela com os níveis de NDVI para categorizar o nível de seca.
Covele (2011), através das dos níveis de reflectância da vegetação fez a monitoria de áreas
afectadas pela seca aplicando alguns índices de vegetação e fazendo a sua comparação para ver
qual deles era o que apresentava melhores resultados, para isso, usaram-se o NDVI, SVI, VPI e o
VCI.
seca, os valores menores que 0,2 eram de uma área muito pobre em termos de cobertura vegetal,
para valores de 0,2-0,4 eram de uma área pobre, media para 0,4-0,6, bom para 0,6-0,8 3 muito
18
O VPI serve para indicar a produtividade da vegetação através dos valores calculados, para além
deste foram também usados o NDVI, VCI e o SVI, contudo com o VPI verificou-se que a seca
Segundo Sousa et all., (2010) citado por Morreira (2015), para fazer a caracterização da
severidade da seca julgou que a periodicidade e a falta de precipitação em uma área não podem
ser as únicas variáveis a considerar para classificação da seca, é preciso que se inclua também a
Moreira (2015), para medição do nível de seca utilizou dados do sensor MODIS do satélite terra,
e com eles usaram-se o VCI e o NDVI para produção de series temporais para categorizar a sua
amplitude. Os valores do VCI são obtidos através dos valores que o NDVI nos traz, isto é
𝑁𝐷𝑉𝐼𝑗−𝑁𝐷𝑉𝐼𝑚𝑎𝑥
𝑉𝐶𝐼 = = ∗ 100
𝑁𝐷𝑉𝐼𝑚𝑎𝑥−𝑁𝐷𝑉𝐼𝑚𝑖𝑛
momentos a seca esteve acompanhada com a não ocorrência da precipitação podendo assim
afirmar que monitorar a vegetação e a precipitação é uma estratégia viável para caracterização da
seca.
Nas obras de Santos e Henriques (1998), fizeram-se analises da precipitação para se definir
certos intervalos para caracterização da seca de diferentes regiões de Portugal, estes estudos
permitiram saber a distribuição espacial do fenómeno na região, conhecer como a seca ocorreu
no passado numa dada região é uma metodologia que torna possível saber como tomar medidas
mitigadoras no presente. Foram vários métodos citados como forma de medir a seca, mas se
ressalta no método de Palmer e dos decis da distribuição empírica. O método de Palmer baseia-se
19
no balanço hídrico, que controla os valores de precipitação e evapotranspiração para se saber a
quantidade de água existente no local por um dado período, ela usou muito mais o balanço
Os satélites são quaisquer objectos que giram em torno de um planeta seguindo a sua órbita, os
satélites podem ser naturais ou artificiais. Os satélites artificiais estão munidos de sensores que
são instrumentos responsáveis por captar e registrar a energia eletromagnética vinda dos objectos
de satélites como TERRA (EOS AM-1) e NOAA, com uma resolução temporal de 16 dias e uma
resolução espacial de 250-1000m, ele contem 36 bandas espectrais. Este sensor tem a capacidade
de fornecer dados para estudos dos desastres ambientais como os ciclones, seca, queimadas,
cheias e erupções vulcânicas, deles variam alguns índices usados para o estudo da vegetação,
6.4.2. NDVI
um dos produtos gerados a partir do sensor MODIS que resulta da relação entre a diferença e a
1, quanto maior for o valor, maior é a presença da vegetação. O cálculo do NDVI é dado pela
𝐼𝑅−𝑅
fórmula: 𝑁𝐷𝑉𝐼 = , onde o IR é o infravermelho próximo e R a banda do vermelho (ROUSE
𝐼𝑅+𝑅
20
EVI (Enhanced Vegetation Index), um índice que tem vindo a ser muito usado ultimamente para
estudos do comportamento da vegetação, ele veio como melhoramento do NDVI, pois o NDVI
sofre interferência da atmosfera e do solo nos seus produtos, o EVI, não é um índice de fácil
saturação como o NDVI, pois ele por si já faz a correção da distorção da luz reflectida, a equação
𝐺∗(𝑁𝐼𝑅−𝑅)
𝐸𝑉𝐼 = , Onde G é o factor de ganho, NIR-infravermelho próximo, R-
(𝑁𝐼𝑅+𝐶1∗𝑅−𝐶2∗𝐵+𝐿)
coeficiente de ajuste para efeitos de aerossóis da atmosfera no azul e L- fator de ajuste para o
cabo pela JAXA e a NASA, que tem como objectivo estudar o comportamento da precipitação
na zona tropical do globo terrestre, este foi lançado em 1997 (NASA, 2001).
da precipitação em regiões tropicais, por meio dos seus sensores. Um dos produtos do TRMM é
o produto 3b43, este que produz uma das melhores imagens pra extração de dados de
21
6.4.4. Caracterização do sensor MODIS e sua aplicação para estudos da seca
Segundo Justice et al., (2002), citado por Santos (2015), O sensor MODIS, é um equipamento
abordo do satélite EOS-TERRA, este que foi lançado em dezembro de 1999 e do satélite AQUA
lançado em 2002 pela NASA, por possuírem uma resolução radiométrica e geométrica alta, são
O sensor MODIS possui um total de 36 bandas com o comprimento de onda que varia de 0.4 a
14.4um no espectro eletromagnético, as imagens deste possuem uma resolução espacial de 250m
com 2 bandas, uma de 500m com 5 bandas e uma de 1000m com 29 bandas. O sensor possui 44
produtos, todos no formato HDF (Hierarcly Data Format), e sua resolução sinuidal se divide em
22
6.4.5. SPI
Desenvolvido por Mckee et al. (1993 e 1995), o SPI é um índice proposto para detectar e
monitorar as secas, este índice, permite caracterizar o défice ou excesso de precipitação em uma
dada região, pode-se observar a seca quando o SPI é menor que zero, e os períodos húmidos
O SPI determina o desvio da precipitação em relação a média, por isso implica agregar dados de
vários anos (no mínimo 20 a 30 anos) para que os resultados sejam precisos (SOUSA et al, 2016)
A abaixo se indica a classificação do SPI de acordo com a classificação desenvolvida por Mckee
et al (1993).
23
III. CAPÍTULO - A ÁREA DE ESTUDO
Com uma área de 7 481 km2 de superfície, o distrito de Massangena localiza-se a norte da
província de Gaza, como limites, tem a norte o distrito de Machaze, através do Rio Save, a sul
faz limite com distrito de Chicualacuala e Chigubo, a este com o distrito de Mabote (localizado
o distrito de Massangena conta com uma população de 21 965 habitantes e uma densidade
24
Figura 1: Divisão Administrativa do Distrito de Massangena
Fonte: Autor (2017), Base de dados do CENACARTA
7.1.2. Clima
O clima do distrito é do tipo semiárido, com uma precipitação que varia de 500-800mm e a sua
temperatura media anual varia em toda região acima dos 24oC, estas altas temperaturas que
fazem com que na época da baixa precipitação a escassez de água seja agravante para a
25
7.1.3. Hidrografia
Os principais recursos hídricos do distrito de Massangena, são os rios Save a Changana, nas
margens dos dois rios, encontramos terras férteis por onde um número considerável de famílias
infraestruturas tais como barragens, represas e sistemas para a retenção da água (MAE,2005).
O distrito de Massangena é caracterizado por zona com altimetria alta à média, a altitude vária de
87 metros a 410 metros, onde a zona transfronteiriça apresenta as maiores cotas do distrito, as
região ribeirinhas ao longo do rio Save e próximo aos distritos de Mabote e Chigubo são as que
registram menores cotas em termos de altitude. No distrito destacam-se aspectos hipsométricos
com desníveis pouco acentuados. Maior parte da região interior ‘é caracterizada pela ocorrência
de solos delgados com cobertura arenosa de espessura variável, os solos aluvionares se destacam
ao longo da grande planície dos rios Save e changana, é nesta região onde existem solos
propícios para prática agrícola, são solos húmidos hidromórficos com depressões sazonalmente
ou permanentemente húmidos. A figura 2 abaixo, ilustra altimetria do distrito, onde pode-se
verificar áreas de baixa altitude, concretamente por onde corre o rio Save, e as áreas mais altas
corresponde a região transfronteiriça entre o distrito de Massangena e a república do Zimbabwe.
26
Figura 2: Enquadramento e Relevo
Fonte: Autor (2017), Base de dados do CENACARTA e USGS
7.1.5. Vegetação
Maior parte da cobertura vegetal do distrito de Massangena, é do tipo floresta aberta decídua, nas
margens do Rio Save predomina um tipo de vegetação que permanece verde por todo ano pelas
condições que as aguas do rio oferece, para além destas classes de vegetação, encontramos ainda
savanas arbóreas, floresta decídua, matagal, arbustos dispersos e vegetação herbácea, ocorre
igualmente, espécies xerófilas com arvores baixas, e uma densa cobertura graminal bem
27
IV. MEDODOLOGIA
Revisão bibliográfica
A revisão bibliográfica consistiu no estudo da literatura sobre o tema de seca, no qual se prestou
Este método foi o passo subsequente, após a escolha do tema, onde teve como objectivo fazer o
levantamento de teorias que estejam de cordo com o tema de pesquisa, nesta etapa, visitaram-se
manuais, dissertações, artigos, que tenham um referencial teórico que possam guiar a pesquisa.
Com o método estatístico, a presente pesquisa usou dele determinados cálculos que permitiram
determinar a correlação existentes entre dados provenientes de fontes diferentes, neste caso, os
dados observados de precipitação, e os dados estimados pelo satélite TRMM, este método,
serve para a correlação existente entre duas amostras retiradas, ou seja, ver até que ponto existe
uma ligação entre os valores estimados pelo satélite e os observados na estacão meteorológica,
28
Com base nos resultados obtidos pelo cálculo do coeficiente de correlação entre os dados,
podemos interpretar a correlação com base nos valores seguindo a seguinte tabela:
SPI
O é um cálculo estatístico que foi usado para classificar a seca, este índice permitiu classificar a
seca nos anos em estudo (2015 a 2017), onde para tal foi necessário obter dados de precipitação
cartográfico, para estimar os períodos secos e chuvosos, usou-se o MDM, que é um software
29
7.3. Método Cartográfico
Os dados utilizados para o presente estudo são produto da teledeteção (NDVI e RFE), e dados
dados mensais de estimativas de precipitação (RFE) disponibilizados pela NASA obtidos no site
https://giovanni.gsfc.nasa.gov.
NDVI
Para o cálculo do NDVI, foram usados dados do sensor eMODIS NDVI C6 abordo do satélite
terra e Aqua, onde o cálculo resulta da combinação de duas bandas específicas (vermelho e
infravermelho próximo), o processamento das imagens foi feito no ArcGIS 10.2.1, onde depois
para o formato TIF através de ferramenta Export Data, como as imagens vem de um sistema de
reprojecção das imagens, seleciona-se a área de estudo com ferramenta Extract by Mask,
colocou-se a imagem de cada mês em estudo e no input raster or feature mask data colocou-se o
30
shapefile correspondente ao distrito de Massangena, o processo foi feito para cada mês e cada
ano.
Após ao recorte, porque as imagens vem com valores de reflectância RGB, precisou-se fazer o
calculo para que os valores sejam convertidos e apresentem valores do NDVI, que normalmente
são apresentados num intervalo de -1 a 1, para tal, em cada shapefile abriu-se a tabela de
atributos e adicionou-se uma coluna, nela fez-se a conversão dos valores de reflectância
dividindo os valores da coluna “VALUE” por 255, e os resultados foram direcionados para
O satélite TRMM, é resultante de uma parceria entre a agencia espacial norte americana
O produto usado é o 3B43 v7 do TRMM, estes que foram usados para produção de mapas que
processados no sorftware ArcGIS, onde depois de serem baixados, porque a ArcGIS não faz a
procedimentos usados no processamneto dos dados no anexo – 3). O sensor TRMM fornece
dados que permite extrair valores de precipitação, mas para a sua utilização é preciso validar os
31
A validação dos dados de precipitação, consistiu em fazer uma comparação dos valores
fornecidos pelo INAM na estacão de Massangena, com os valores registrados pelo pixel do RFE
onde se localiza a estacão. Para tal calculou-se a correlação existentes entre os dados mensais de
2015 e 2016 para ambos (TRMM e INAM), onde produziram-se gráficos que mostram a
32
V. RESULTADOS
Resultados obtidos
existente entre o índice de precipitação SPI e o índice de vegetação NDVI no período de 2015 a
2017, este tem como objectivo, a adopção de um modelo para o mapeamento da seca e sua
Para cobrir as lacunas dos dados fornecidos pelo INAM em alguns meses e uma serie temporal
localização da estacão usada e o pixel de onde se extraiu o valor da precipitação no ano 2016.
Figura 3: Enquadramento da Estacão Meteorológica e do pixel para validação dos dados de precipitação
Fonte: Autor (2018), Base de dados do CENACARTA e USGS
33
Os resultados obtidos com a o processamento dos dados dão-nos o resultado de que os dados
estimados pelo satélite STRM são fiáveis, e podem se usados em substituição ou para se fazer
estudos em regiões com uma baixa densidade de estações meteorológicas, como é o caso do
distrito de Massangena. A correlação foi feita usando os dados mensais do ano 2016, onde
INAM TRMM
INAM 1 0.981593
TRMM 0.981592841 1
Tabela 6: Correlação INAM e RFE no ano 2016
A correlação obtida, dos dados RFE e do INAM, indica que existe uma correlação muito forte
entre os dados, deste modo permite-se que o estudo seja feito com base na utilização dos dados
fornecidos pelo satélite TRMM, a comparação da distribuição dos dados mensais é dada pelo
gráfico abaixo:
34
Comportamento e Classificação da seca com base no SPI
O SPI foi calculado com base na precipitação histórica de um período de 20 anos, onde com base
neste índice foi possível detectar os anos mais húmidos e mais secos. O ano mais húmido do
período de 1998 até ao ano 2017 foi o ano 2000, ano este que registram-se cheias em quase toda
região sul do país, e os anos mais secos foram os anos 2015, 2012, 2016, de acordo com a
classificação proposta por Mckee et all 1993, a seca severa deu-se nestes anos, e durante os anos
2002, 2005 e 2009 o índice classifica estes anos os que ocorreu a seca moderada.
Durante os anos em que houve um comportamento normal da precipitação o valor do SPI é igual
ou inferior a 1 e superior ou igual a -1, os períodos normais foram registrados nos anos não
mencionados, onde listam-se (1998, 1999, 2001, 2003, 2004, 2006, 2007, 2010, 2011, 2013,
2017)
Desagregando os dados anuais para dados mensais dos anos em estudo (2015, 2016 e 2017),
pode se notar que segundo os valores do SPI, a seca teve o seu início no ano 2015 e o
35
comportamento estendeu-se do mês de janeiro a março. Em abril do mesmo ano, houve um
aumento dos valores do índice, estes que voltaram a reduzir-se no mês seguinte (maio), e
estenderam-se até o mês de setembro, mês este que registrou um índice superior ao do mês de
abril. Nos meses seguintes houve oscilações, sendo que em outubro os valores atingiram um
precipitação esteve abaixo da média. Em 2017, de janeiro a maio, a precipitação teve alguma
representatividade e de junho a dezembro os valores do SPI são indicados como baixos, o que
De modo geral, a seca severa registrou-se durante o ano de 2015, onde os valores estiveram
1,5
0,5
0
Jan Feb Mar Apr May Jun July Aug Sep Oct Nov Dec
-0,5
-1
-1,5
-2
-2,5
-3
36
Monitoramento do estado da vegetação com base no NDVI
De seguida são apresentados os resultados obtidos com base na utilização do NDVI melhorado,
este que é um índice que resulta da relação entre a diferença e a soma da banda do infravermelho
próximo e a banda do vermelho, o índice de vetação permite ver o estado da vegetação, com este
torna-se possível identificar a vegetação e o seu estado de saúde (SOUSA Jr. et al., 2010).
Nas imagens abaixo, podemos identificar os meses e as áreas em se registrou a seca, o estado de
saúde da vegetação, varia do verde mais escuro ao verde-claro (verdor alto a baixo), o castanho,
do mais claro ao mais escuro, representa a área degradada ou com vegetação com baixo teor de
clorofila.
37
Figura 7: Monitoramento da dinâmica da seca no distrito de Massangena durante o ano de 2015
38
Figura 8: Monitoramento da dinâmica da seca no distrito de Massangena durante o ano de 2016
39
Figura 9: Monitoramento da dinâmica da seca no distrito de Massangena durante o ano de 2017
40
Com base no SPI, pode-se constatar que a seca no distrito de Massangena teve o seu início em
janeiro do ano 2015, tendo registado algumas oscilações nos meses de abril, setembro e
novembro. O cruzamento do SPI com os dados do índice de vegetação (NDVI), detectou-se que
a alteração da vegetação teve um atraso de cinco meses em relação ao SPI, ou seja, houve
escassez de precipitação durante todo ano de 2015, mas as modificações no verdor da vegetação
estiveram normais, e a partir de junho a outubro do mesmo ano a seca que registrou-se classifica-
se como severa, onde os valores do SPI e NDVI estiveram muito abaixo da média, enquanto o
SPI aumentou para os valores normais em novembro e dezembro de 2016, o NDVI permaneceu
muito baixo, pois a resposta da vegetação não é imediata quando há registro de precipitação.
Do mês de janeiro a maio de 2017 tanto o NDVI quanto o SPI estiveram acima do normal, a
registrou um verdor significativo na estrutura foliar das plantas. A seca voltou a se manifestar no
mês de junho, onde depois de dois meses os valores espectrais da reflectância das plantas tiveram
uma resposta as condições climáticas do distrito, ou seja, houve registro de chuvas abaixo do
normal a partir de junho de 2017, e as plantas deram resposta a essa condição climática dois
meses depois (em agosto), onde a seca classificou-se como baixa a moderada à partir de agosto a
dezembro.
41
Conclusão e recomendações
Os dados do sensor MODIS demonstraram uma boa precisão para análise da variação do estado
RFE, tem uma relação muito forte com os dados observados das estações meteorológicas, sendo
assim, estes podem ser usados para regiões com uma baixa densidade de estacões meteorológicas
A integração destes dos dados da precipitação com o índice de vegetação, permitiu fazer uma
correlação entre as duas variáveis de mapeamento as seca, a seca no distrito de Massangena teve
o seu inicio no ano 2015, e como este não é um fenómeno que tem os seus efeitos imediatos ao
atraso de resposta varia de dois a quatro meses. A seca inicia com a escassez ou deficiência na
distrito, e a baixa queda pluviométrica afecta o desenvolvimento normal do dossel das plantas, o
que influencia na queda dos valores de reflectância da sua estrutura foliar. Com a elaboração do
presente trabalho de pesquisa, conclui-se que existe uma relação entre o índice de precipitação
padronizado e o índice de vegetação, pois ambos permitiram mapear a seca e identificar o tempo
Recomenda-se que o presente estudo seja repetido em áreas de maiores dimensões, e que os
42
validação e categorização do tipo de seca e seus efeitos na região, pode ser feita através de
conversas com grupos focais que tenham acompanhado as situações extremas de seca ou
43
VI. REFERENCIAS BIBLIOGRÁFICAS
Moçambique.
para a bacia de contribuição da uhe itumbiara (GO). São José dos Campos - SP, Brasil
INPE.
44
COVELE, P. A. (2011). Aplicação de Índices das condições de vegetação no
informações geográficas aplicados a Engenharia Florestal, São José dos Campos, INPE
CENACARTA. Maputo-Moçambique.
HUETE, A.; et al, (2006), MODIS vegetation index (MOD 13): algorithm theoretical
JUSTICE C.O. et al, (2002), remote sensing of environment - the MODIS fire Products.
45
Ministério da Administração Estatal, (2005). Perfil do Distrito de Massangena, Província
Adaptação. Maputo
MCKEE, T., et al, (1993). The Relationship of Drougth Frequency and Duration to Time
Scales. California.
46
SANTOS W. B. (2015), Analise espectro-temporal de produtos do sensor MODIS como
47
VII. Anexos
Anexo 1 - tabela das amostras usadas para correlação dos dados de precipitação dos dados
observados e estimados
X Y X-Y
OBSERVADO RFE Diferença
Janeiro 108.9 107.51 1.39
Fevereiro 7.8 5.72 2.08
Março 179 134.6 44.4
Abril 9.3 35.3 -26
Maio 35.3 30.04 5.26
Junho 8.4 8.4 0
Julho 0.5 15 -14.5
Agosto 0 0 0
Setembro 0 0 0
Outubro 33.1 14.7 18.4
Novembro 100 115.6 -15.6
Dezembro 295.7 243.19 52.51
Fonte: Autor (2018), Base do INAM e satélite TRMM (janeiro a dezembro de 2016)
48
Anexo 2 - Categorização da Seca com Base no NDVI e SPI durante o período de 2015 a
2017
49
Anexo 3 - Procedimentos para o processamento dos dados TRMM
50