FACULDADE DE LETRAS E CIÊNCIAS SOCIAIS

DEPARTAMENTO DE GEOGRAFIA
Trabalho de Licenciatura

APLICAÇÃO DOS PRODUTOS DA TELEDETEÇÃO NO MONITORAMENTO DA SECA

NO DISTRITO DE MASSANGENA

Wilson Armando Munguambe

Maputo, Novembro de 2018

 Wilson Armando Munguambe

APLICAÇÃO DOS PRODUTOS DA TELEDETEÇÃO NO MONITORAMENTO DA SECA

NO DISTRITO DE MASSANGENA

Monografia apresentada à Faculdade de Letras e

Ciências Sociais, Departamento de Geografia,

como requisito parcial para a obtenção do grau

de Licenciatura em Geografia.

Supervisor: Doutor Inocêncio Pereira, Phd

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

indicadas no texto e na bibliografia as fontes utilizadas.

________________________________________________

Wilson Armando Munguambe

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).

A minha namorada, irmãos, tias e a família no geral;

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

pelas sugestões na realização do trabalho, a ele vai o meu obrigado.

A UEM, em especial ao Departamento de Geografia pelos ensinamentos que recebi desde o

primeiro dia de ingresso como estudante de Licenciatura em Geografia;

As minhas tias (Catarina Munguambe e Amélia Munguambe pelo apoio durante os anos de

formação)

A todos colegas que directa e indirectamente contribuíram na minha formação, em especial ao

Lório Mavale, Eduardo Matola e Jorge Sidumo Jr.

O meu MUITO OBRIGADO!

3
 ACRÓNIMOS

CENACARTA Centro Nacional de Cartografia

CMI Índice de Humidade da Planta do inglês Crop Moisture Index-CMI
EOS Sistema de Observação da Terra, do inglês Earth Observing System
EVI Índice de Vegetação Melhorado, do inglês Enhaced Vegetation Index
hab Habitantes
HDF Hierarcly Data Format
INAM Instituto Nacional de Meteorologia
INE Instituto Nacional de Estatística
INI Infravermelho Próximo
JAXA Agência Japonesa de Exploração Aeroespacial
km2 Quilómetro Quadrado
MAE Ministério da Administração Estatal
MICOA Ministério para Coordenação Ambiental
MITADER Ministério da terra ambiente e desenvolvimento rural
MODIS Moderate Resolution Imaging Spectroradiometer
Administração Nacional da Aeronáutica e Espaço, do inglês de National Aeronautics
NASA and Space Administration
Índice de Vegetação por Diferença Normalizada, do inglês Normalized Vegetation
NDVI Diference Index
PDSI Índice de Palmer de Severidade da Seca
RFE Estimativa de Precipitação, do inglês Rain Faill Estimation
Vermelho, Verde e Azul do espectro electro magnético, do inglês Red, Green and
RGB Blue
RGPH Resultados do recenseamento da população e habitação
SIG Sistemas de Informação Geográfica
SPI Índice de Precipitação Padronizado, do inglês Standarized Precepitation Index
SVI Índice de Vegetação Padronizado, do inglês Standarized Vegetation Index
TRMM Tropical Rainfall Measuring Mission
VCI Índice de Condição da Vegetação, do inglês Vegetation Condition Index

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

com a utilização da teledeteção, e é vantajoso porque possibilita a utilização de um grande

volume de dados em um curto intervalo de tempo, para tal propôs-se a utilização de dados de

índices de vegetação provenientes do sensor MODIS e dados de precipitação do satélite TRMM,

onde com os quais fez-se a sua correlação, para saber até que ponto um pode afectar ao outro e

integra-los como forma de mapear a seca durante o período de 2015-2017 no distrito de

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.

Palavras-chave: Índice de vegetação, precipitação, seca.

5
Índice

I. CAPÍTULO – INTRODUCAO ............................................................................................................ 9

1. Contextualização ........................................................................................................................... 9
2. Problema ..................................................................................................................................... 11
3. Hipóteses ..................................................................................................................................... 13
4. Objectivos ................................................................................................................................... 13
5. Justificativa ................................................................................................................................. 13
II. CAPITULO - REVISAO LITERARIA .............................................................................................. 15
6. Seca ............................................................................................................................................. 15
6.1. Tipos de seca ............................................................................................................................... 16
6.1.2. Seca Meteorológica ..................................................................................................................... 16
6.1.3. Seca Socioeconómica.................................................................................................................. 16
6.1.4. Seca Hidrológica ......................................................................................................................... 16
6.1.5. Seca Agrícola .............................................................................................................................. 16
6.2. Índice de seca .............................................................................................................................. 17
6.3. Severidade da seca ...................................................................................................................... 18
6.4. Teledeteção e Seca ...................................................................................................................... 20
6.4.2. NDVI........................................................................................................................................... 20
6.4.3. Satélite TRMM ........................................................................................................................... 21
6.4.4. Caracterização do sensor MODIS e sua aplicação para estudos da seca .................................... 22
6.4.5. SPI ............................................................................................................................................... 23
III. CAPITÚLO - LOCALIZAÇÃO E CARACTERIZAÇÃO DA ÁREA DE ESTUDO ................... 24
7. Localização e divisão administrativa .......................................................................................... 24
7.1. Aspectos Físico-Naturais do Distrito de Massangena ................................................................. 25
7.1.2. Clima ................................................................................................................................... 25
7.1.3. Hidrografia .......................................................................................................................... 26
7.1.4. Solo e Relevo ...................................................................................................................... 26
7.1.5. Vegetação ............................................................................................................................ 27
IV. MEDODOLOGIA ........................................................................................................................... 28
Revisão bibliográfica .............................................................................................................................. 28
7.2. Método Estatístico ...................................................................................................................... 28
7.3. Método Cartográfico ................................................................................................................... 30
V. APRESENTACAO E ANALISE DOS RESULTADOS .................................................................... 33

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

Figura 1: Divisão Administrativa do Distrito de Massangena ...................................................... 25

Figura 2: Enquadramento e Relevo............................................................................................... 27
Figura 3: Enquadramento da Estacão Meteorológica e do pixel para validação dos dados de
precipitação ................................................................................................................................... 33
Figura 4: Comparação entre os dados do INAM e RFE no ano 2016. ......................................... 34
Figura 5: Registro histórico do SPI no distrito de Massangena, de 1998 a 2017 ......................... 35
Figura 6: Comparação do SPI durante o período de 2015 a 2017 ................................................ 36
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

Tabela 1: Características do satélite TRMM ................................................................................ 21

Tabela 2: Caracteristicas do produto MOD13QI .......................................................................... 22
Tabela 3: Categorização da seca com base nos valores do SPI .................................................... 23
Tabela 4: Divisão Administrativa ................................................................................................. 24
Tabela 5: Interpretação dos valores do coeficiente de correlação ................................................ 29
Tabela 6: Correlação INAM e RFE no ano 2016 ......................................................................... 34

8
 I. CAPÍTULO – INTRODUCAO
1. Contextualização

A seca é definida por vários autores como um fenómeno de ordem natural a nível global, e sua

principal característica é a escassez da queda pluviométrica por um período bastante extenso,

fenómeno este que pela sua natureza é de difícil mensuração. Conhecendo-se o período da sua

ocorrência, reduziria o seu impacto, seja a nível socioeconómico ou ambiental (MOREIRA,

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

seu início e fim.

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.

O uso da teledeteção para analisar a distribuição da seca no espaço e no tempo permite

compreender a sua dinâmica através da relação entre o índice vegetação e a precipitação que se

registrou num dado período, (BECERRA, 2009).

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

do território Moçambicano. Entretanto os métodos de teledeteção utilizados para estimar a

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

Os eventos climáticos quando não conhecidos em termos da sua periodicidade e magnitude

podem tornar o local da sua ocorrência bastante vulnerável aos seus efeitos. Nos países em via de

desenvolvimento o monitoramento destes é raramente feito, atendendo apenas a tentativa de

reverter as devastações feitas por elas após sua ocorrência, o que tem vindo a agravar o nível de

pobreza dos locais (MICOA, 2005).

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.

Em Moçambique, a população na sua maioria depende da agricultura para sobreviver. Na

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

naturais, onde tinha uma média de 1.17 eventos por ano.

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).

Surge então a necessidade de se fazer um estudo para possibilitar o monitoramento e

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

(Espig et al., 2006).

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,

SVI, entre outos índices sensíveis a reflectância da vegetação, destacando-se o índice de

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

monitoramento de áreas com risco de seca combinando os dados da precipitação e a reflectância

da vegetação aplicando um dos índices de vegetação. Em Moçambique assiste-se um grande

problema em termos de informação acerca da precipitação, com o presente estudo pretende-se

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

deveriam ser fornecidos pelas estações pluviométricas para o estudo da seca.

12
 3. Hipóteses

1- Existe uma relação muito forte entre a variação da precipitação e a ocorrência de secas na

região do distrito de Massangena;

2- Os valores do índice de precipitação padronizado (SPI) estão fortemente correlacionados

aos valores do índice de vegetação, de tal modo que é possível mapear a seca usando um

deles;

4. Objectivos

Geral:

 Utilizar os produtos da teledeteção no monitoramento da seca no distrito de Massangena

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

TRMM no período de 2015-2017;

 Analisar a relação entre o índice de vegetação e a precipitação para o monitoramento da

seca.

5. Justificativa

Estudar os desastres naturais permite compreender como eles ocorrem e como lidar no momento

da sua ocorrência.

O conhecimento da seca em Moçambique tem grandes lacunas o que impossibilita o aviso

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

prática de outras actividades (BRITO e JULAIA, 2007).

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

ambientais e agronómicas, mapeamento, monitorização e caracterização de uma forma mais

fácil, monitorar a seca fara com que tenhamos uma previsão deste evento e dai, reduziremos o

seu impacto na sociedade.

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

barreira para o estudo deste fenómeno.

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

ao ganho através da precipitação.

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

ela durante ou após a sua ocorrência.

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

duração diferente dos outros fenómenos (SANTOS, 1998).

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

intensidade dos eventos.

6.1.2. Seca Meteorológica

A seca meteorológica é definida como o registro da precipitação em valores abaixo do normal

durante um período de tempo sobre uma região. Para análise deste tipo de seca, são usados dados

de precipitação.

6.1.3. Seca Socioeconómica

Na perspectiva socioeconómica a seca é vista como a redução da disponibilidade hídrica por um

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.

6.1.4. Seca Hidrológica

A seca hidrológica resulta do défice do volume de água disponível, sejam superficiais ou

subterrâneas por um período bastante extenso, este défice influencia também nos valores dos

caudais dos rios, nível de água nos aquíferos e lagos.

6.1.5. Seca Agrícola

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

precipitação, temperatura, humidade.

6.2. Índice de seca

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

(Crop Moisture Index-CMI) e, Índice Padronizado de Precipitação (Standardized Precipition

Index-SPI) (BRITO e JULAIA, 2006).

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

também apresentar períodos húmidos, a principal vantagem é de permitir o estudo e comparação

de zonas heterogenias (com climas totalmente diferentes).

Para o estudo da aplicação da teledeteção para monitorização da seca em Moçambique, Covele

(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

interferência dos objectos no solo e alguns elementos atmosféricos.

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,

sendo assim possível identificar estações secas e chuvosas.

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.

6.3. Severidade da 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.

Os resultados do VPI foram categorizados em valores que indicam os níveis de incidência da

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

bom para valores superiores a 0,8.

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

prevalecia mais na região sul de Moçambique.

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

disponibilidade hídrica como um elemento a se ter em conta.

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

possível empregando a fórmula:

𝑁𝐷𝑉𝐼𝑗−𝑁𝐷𝑉𝐼𝑚𝑎𝑥
𝑉𝐶𝐼 = = ∗ 100
𝑁𝐷𝑉𝐼𝑚𝑎𝑥−𝑁𝐷𝑉𝐼𝑚𝑖𝑛

O VCI disponibilizou os resultados que possibilitam o monitoramento deste fenómeno. Em todos

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

hídrico mensal como uma medida de seca.

6.4. Teledeteção e Seca

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

da superfície terrestre (FERRAO M. 2005).

O sensor MODIS (Moderate Resolution Imaging Spectroradiometer) é um instrumento abordo

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,

sendo os mais usados o EVI e NDVI (IDEM).

6.4.2. NDVI

O Índice de Vegetação da Diferença Normalizada (Normalized Difference Vegetation Index) é

um dos produtos gerados a partir do sensor MODIS que resulta da relação entre a diferença e a

soma da banda do infravermelho próximo e a banda do vermelho, os resultados variam entre -1 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

et al., 1974 citado por COVELE, 2011).

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

abaixo monstra como é produzido o produto do EVI.

𝐺∗(𝑁𝐼𝑅−𝑅)
𝐸𝑉𝐼 = , Onde G é o factor de ganho, NIR-infravermelho próximo, R-
(𝑁𝐼𝑅+𝐶1∗𝑅−𝐶2∗𝐵+𝐿)

vermelho, C1-coeficiente de ajuste para efeitos de aerossóis da atmosfera no vermelho, C2-

coeficiente de ajuste para efeitos de aerossóis da atmosfera no azul e L- fator de ajuste para o

solo (JESSEN, 2009).

6.4.3. Satélite TRMM

O satélite TRMM (Tropical Rainfall Measuring Mission), é resultante de um projecto levado a

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).

Segundo Curtarelli (2010), o principal e único objectivo do TRMM, é de mapear a distribuição

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

precipitação, a baixo estão as principais características:

Tabela 1: Características do satélite TRMM

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

muito usados no monitoramento da cobertura terrestre no processo de observação das mudanças.

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

4 tiles de 10/10 graus ou 1200/1200 km. O MOD113,possui 2 índices de vegetação, o NDVI e

EVI (HUETE et al., 2002).

Tabela 2: Características do produto MOD13QI

Conjunto de dados Unidade Tipo de dado
NDVI NDVI 16 bit
EVI EVI 16 bit
Qualidade dos Índices de Vegetação Bits 16 bit
Vermelho Reflectância 16 bit
NIR Reflectância 16 bit
Azul Reflectância 16 bit
MIR Reflectância 16 bit
Ângulo Zenital da visada Graus 16 bit
Ângulo Zenital solar Graus 16 bit
Ângulo do azimute Graus 16 bit
Dia da composição Julianos 16 bit
Qualidade do pixel - 8 bit
Fonte: Adaptado de Silva (2015).

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

quando o valor é maior que zero.

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).

Tabela 3: Categorização da seca com base nos valores do SPI

Categoria Valor SPI
Seca Extrema ≤ -2
Seca Severa -1.5 a -1.99
Seca Moderada -1 a -1.49
Normal -0.99 a 0.99
Moderadamente Húmido 1 a 1.49
Severamente Húmido 1 a 1.49
Extremamente Húmido ≥2
Adaptado de Mckee et al (1993)

23
 III. CAPÍTULO - A ÁREA DE ESTUDO

7. Localização e enquadramento político-administrativo

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

na província de Inhambane) e a oeste com o Zimbabwe (MAE, 2005).

Segundo os resultados do recenseamento da população e habitação (RGPH-2017) do INE 2017,

o distrito de Massangena conta com uma população de 21 965 habitantes e uma densidade

populacional de 2.9 hab/km2.

O Distrito de Massangena é constituído por 2 Postos Administrativos e 10 Localidades divididas

em aldeias nomeadamente:

Tabela 4: Divisão Administrativa

Distrito Postos Administrativos Localidades
Mbocoda
Mapanhe
Chizumbane
Massangena Sede
Cafumane
Mabonzo
Massangena Chicumbo
Mavue
Mucambene
Mavue
Siqueto
Muzumane
Fonte: MAE, 2005

24
 Figura 1: Divisão Administrativa do Distrito de Massangena
Fonte: Autor (2017), Base de dados do CENACARTA

7.1. Aspectos Físico-Naturais

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

disponibilidade de água na região (MAE, 2005).

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

pratica a agricultura. O principal constrangimento na gestão da água está associada a falta de

infraestruturas tais como barragens, represas e sistemas para a retenção da água (MAE,2005).

7.1.4. Solo e Relevo

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

desenvolvida (MITADER, 2005).

27
 IV. MEDODOLOGIA

Revisão bibliográfica

A revisão bibliográfica consistiu no estudo da literatura sobre o tema de seca, no qual se prestou

particular atenção nos conceitos e métodos usados para o estudo da seca.

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.

7.2. Método Estatístico

O método estatístico, também permite observar e ver o intervalo de erro ou precisão de

determinados dados (PRADANOV e FREITAS, 2013).

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,

permitiu calcular a correlação e o desvio padrão dos dados.

Correlação e Regressão Linear

Segundo Bussab e Morettin (1986), o coeficiente de correlação é representado por ( ᵨ ), este

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,

este foi calculado no programa MS Excel e é dado pela fórmula:

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:

Tabela 5: Interpretação dos valores do coeficiente de correlação

Valor da Correlação (ᵨ) Interpretação

0.00 a 0.19 Correlação Muito Fraca
0.20 a 0.39 Correlação Fraca
0.40 a 0.69 Correlação Moderada
0.70 a 0.89 Correlação Forte
0.90 a 1.00 Correlação Muito Forte
Adaptado de Bussab e Morretin (1986)

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

referentes a 30 anos, estes foram obtidos e processados segundo a explicação do método

cartográfico, para estimar os períodos secos e chuvosos, usou-se o MDM, que é um software

desenvolvido especificamente para estudar a seca.

29
7.3. Método Cartográfico

O método cartográfico implicou na elaboração de mapas temáticos, onde se fez a análise da

distribuição espacial de cada variável que permitem o mapeamento do fenómeno em estudo,

utilização deste método implica na elaboração dos mapas.

Aquisição e Processamento dos Dados

Os dados utilizados para o presente estudo são produto da teledeteção (NDVI e RFE), e dados

dos pluviométricos estacões meteorológica do INAM em Massangena. Os dados do NDVI foram

obtidos na plataforma online da FEWS-NET através do site https://earlywarning.usgs.gov e

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

de serem baixadas o pré-processamento consistiu em primeiro converter do formato nativo HDF

para o formato TIF através de ferramenta Export Data, como as imagens vem de um sistema de

projecção que não se adequa ao sistema utilizado em Moçambique, com a ferramenta

reproject raster do ArcGIS fez-se a conversão do sistema de projecção, de sinusoidal para

geográfica (WGS 84 zona 36 sul). Feitos os processos de conversão do formato de dados e

reprojecção das imagens, seleciona-se a área de estudo com ferramenta Extract by Mask,

localizado em Spatial Analyst/ Extraction/ Extract by Mask, onde no input raster

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

coluna que foi adicionada anteriormente.

RFE e dados Observados

O satélite TRMM, é resultante de uma parceria entre a agencia espacial norte americana

(NASA), e a agencia de exploração aeroespacial japonesa (JAXA), o principal e único objectivo

deste satélite, é de fazer o acompanhamento do registo de precipitação nas zonas tropicais e

subtropicais do globo terrestre (CURTARELLI, 2010)

O produto usado é o 3B43 v7 do TRMM, estes que foram usados para produção de mapas que

ilustram a distribuição espacial da precipitação no distrito de Massangena, os dados foram

processados no sorftware ArcGIS, onde depois de serem baixados, porque a ArcGIS não faz a

leitura deles no formato em que se encontram, precisou-se importar através da ferramenta de

conversão de dados no formato nativo para raster, através do Arctollbox (vide os

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

dados estimados pelos dados observados.

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

tendência e diferenças existentes entre eles.

32
 V. RESULTADOS

Resultados obtidos

São apresentados os resultados da aplicação do satélite TRMM em Massangena, e a correlação

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

severidade no distrito de Massangena.

Validação dos dados estimados pelo satélite TRMM

Para cobrir as lacunas dos dados fornecidos pelo INAM em alguns meses e uma serie temporal

de dados de precipitação, validou-se a aplicação dos dados TRMM para o distrito de

Massangena, onde calculou-se a correlação existente entre os dados, abaixo é apresentado a

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

obteve-se o seguinte resultado:

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:

Comparação entre os dados Correlação

mensais do TRMM e do INAM 2016
300
400 250
300
200
200
100 150
0 100
50
0
OBSERVADO RFE 0 100 200 300 400

Figura 4: Comparação entre os dados do INAM e RFE no ano 2016.

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.

Figura 5: Registro histórico do SPI no distrito de Massangena, de 1998 a 2017

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

índice de 0.9, em novembro 0.3. De dezembro de 2015 a fevereiro de 2016 o índice de

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

significa que a precipitação não esteve no seu estado normal.

De modo geral, a seca severa registrou-se durante o ano de 2015, onde os valores estiveram

muito abaixo da média normal do distrito (vide no gráfico abaixo).

SPI - 2015 a 2017

2

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

2015 2016 2017

Figura 6: Comparação do SPI durante o período de 2015 a 2017

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

Fonte: Autor (2018), Base de dados do CENACARTA e USGS

38
Figura 8: Monitoramento da dinâmica da seca no distrito de Massangena durante o ano de 2016

Fonte: Autor (2018), Base de dados do CENACARTA e USGS

39
Figura 9: Monitoramento da dinâmica da seca no distrito de Massangena durante o ano de 2017

Fonte: Autor (2018), Base de dados do CENACARTA e USGS

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

tive início a partir do mês de junho de 2015 a março de 2016.

Durante os meses de março a maio de 2016, o índice de precipitação e o índice de 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

precipitação registrada corresponde aos valores normais da época e o índice de vegetação

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

da vegetação para o monitoramento da seca no distrito de Massangena, os dados estimados do

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

ou depois de verificar-se a proximidade entre os dados observados e estimados, em caso de uma

boa correlação, os dados estimados, pode ser usados na avaliação da seca.

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

quão do seu inicio, houve um atraso de resposta da vegetação às alterações meteorológicas, o

atraso de resposta varia de dois a quatro meses. A seca inicia com a escassez ou deficiência na

precipitação nos períodos em que normalmente há uma queda pluviométrica significativa no

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

médio de resposta da vegetação em relação a precipitação.

Recomenda-se que o presente estudo seja repetido em áreas de maiores dimensões, e que os

resultados do SPI sejam espacializados de forma a ver a sua distribuição espacial.

Trabalhos de pesquisa do género, necessitam de um trabalho de campo, o que permitiria

confrontar os resultados apresentados pela metodologia utilizada em relação a realidade, a

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

estiagem registrados na região.

43
VI. REFERENCIAS BIBLIOGRÁFICAS

 BARCA, A. (1992), Moçambique – Perfil Físico, Mapas e Gráficos. Editora Escolar.

Moçambique.

 BECERRA, J. A. B. SHIMABUKURO, Y. E. ALVALÁ, R. C. dos S. (2009). Relação

do padrão sazonal da vegetação com a precipitação na região de cerrado da Amazônia

Legal, usando índices espectrais de vegetação. Revista Brasileira de Meteorologia.

 BRITO R., JULAIA C. (2007). Drought characterization at Limpopo Basin

Mozambique. Department of Rural Engineering, Faculty of Agronomy and Forestry

Engineering, University Eduardo Mondlane. Maputo.

 BUSSAB, W. O, MORETTIN, P. A. (1986). Estatística Básica. 3a ed. São Paulo, Atual.

 CURTARRELI, M. P. (2010). Avaliação dos dados de precipitação do satélite TRMM

para a bacia de contribuição da uhe itumbiara (GO). São José dos Campos - SP, Brasil

INPE.

 COSTA, T. et|. All. Análise da relação de dados MODIS-EVI e TRMM da bacia do

Purus no período do evento de seca de 2010: Instituto Nacional de Pesquisas Espaciais.

São José dos Campos - SP, Brasil.

44
 COVELE, P. A. (2011). Aplicação de Índices das condições de vegetação no

monitoramento em tempo quase real da seca em Moçambique usando NOAA_AVHRR-

NDVI. GEOUSP – Espaço e Tempo, São Paulo.

 DUARTE J. G. P. et al. (2017). Secas e Impactos Agropecuária no Município de

Xampina Grande- PB. Paraíba, Brasil.

 ESPIG, S. A. et al. (2006). Variações sazonais do EVI e NDVI em áreas do semi-árido

brasileiro. In: VII Seminário em Atualização em Sensoriamento Remoto e Sistemas de

informações geográficas aplicados a Engenharia Florestal, São José dos Campos, INPE

 FERRAO M. F.G. (2005). Fascículo I: Satélites e Princípios Físicos da Teledeteção.

CENACARTA. Maputo-Moçambique.

 HUETE, A.; et al, (2006), MODIS vegetation index (MOD 13): algorithm theoretical

basis document. Version 3. Washington: National Aeronautics and Space Administration.

 JUSTICE C.O. et al, (2002), remote sensing of environment - the MODIS fire Products.

Department of Geography of Maryland USA.

 JENSEN, J. R. (2009), Sensoriamento Remoto do ambiente: uma perspectiva em

recursos terrestres. São José dos Campos: Parêntese Editora.

45
 Ministério da Administração Estatal, (2005). Perfil do Distrito de Massangena, Província

de Gaza. Edição 2005. República de Moçambique

 MICOA (2005). Avaliação da Vulnerabilidade as Mudanças Climáticas e Estratégias de

Adaptação. Maputo

 MCKEE, T., et al, (1993). The Relationship of Drougth Frequency and Duration to Time

Scales. California.

 MORREIRA, A. (2016). Análise da Seca/Estiagem no Norte do Estado de Minas Gerais

a Partir de Dados MODIS. Porto Alegre – RS

 MORREIRA, A. et al. (2015) Índice de Condição da Vegetação (VCI) para mapeamento

de seca no Norte do Estado de Minas Gerais. Porto Alegra, RS-Brasil, UFRGS.

 PRADANOV C. C. e FREITAS, E. C. (2013), Medotologia do Trabalho Cientifico:

Métodos e Técnicas da Pesquisa e do Trabalho Académico. Rio Grande do Sul, Brasil.

 SANTOS M. J. J. Dos e HENRIQUES G. A., (sd). Procedimento para a monitorização

de secas. Instituto da Água (INAG). Lisboa, Portugal.

 SILVA R. G. N et al., (2016). Análise da Relação Entre o Índice de Vegetação EVI e

Precipitação na Região De Transição Amazônia-Cerrado in: XIX congresso brasileiro de

meteorologia (CBMET). São José dos Campos, Brasil.

 SOUSA et al, (2016), O Índice de Precipitação Padronizada (IPP) na identificação

de extremos de chuvas e secas na bacia do rio Paraguaçu (BA), Brasil.

46
 SANTOS W. B. (2015), Analise espectro-temporal de produtos do sensor MODIS como

diagnostico para cafeicultura de precisão Universidade Federal de Lavras, Brasil.

 SANTOS M. J. (1998), Caracterização e Monitorização de Secas. Instituto da Água –

Direção de Recursos Hídricos, Lisboa.

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

2015 NDVI SPI 2016 NDVI SPI

Normal Seca Moderada
Janeiro Seca severa Janeiro Seca severa
Fevereiro Normal Seca severa Seca Moderada
Normal Fevereiro Seca severa
Março Seca severa Seca Moderada Normal
Normal Março
Abril Normal Normal
Normal Seca severa Abril Normal
Maio Seca Moderada Normal
Seca Moderada Seca severa Maio
Junho Seca severa Seca severa
Seca Moderada Seca severa Junho
Julho Seca severa Seca severa
Seca severa Seca severa Julho
Agosto Seca severa Seca severa
Seca severa Agosto
Setembro Normal Seca severa Seca severa
Seca severa Setembro
Outubro seca Seca severa Seca severa
Seca severa Outubro
Novembro Normal Seca severa Normal
Seca severa Novembro
Dezembro Seca Moderada Seca severa Normal
Dezembro

2017 NDVI SPI

Normal Normal
Janeiro
Normal Normal
Fevereiro
Normal Normal
Março
Normal Normal
Abril
Normal Normal
Maio
Normal Seca severa
Junho
Normal Seca severa
Julho
Seca severa
Agosto Seca Moderada
Seca Moderada Seca severa
Setembro
Seca Moderada Seca severa
Outubro
Seca Moderada Seca severa
Novembro
Seca Moderada Seca severa
Dezembro

49
Anexo 3 - Procedimentos para o processamento dos dados TRMM

50