Análise Da Evolução de Ocupação Do Solo No Distrito de Boane (1991 e 2013)

UNIVERSIDADE CATLICA DE MOAMBIQUE
Faculdade de Economia e Gesto
Anlise da Evoluo de Ocupao do Solo no Distrito de Boane (1991 e 2013)
De
OSLAVO JOQUIM PEREIRA DE ALBUQUERQUE (Licenciado)
Dissertao Apresentada como Exigncia Parcial para Obteno do Grau de Mestre em Cincia e
Sistemas de Informao Geogrfica a Comisso Julgadora da Universidade Catlica de
Moambique
BEIRA
ABRIL, 2015
1
DECLARAO
O presente trabalho foi realizado pelo autor na Universidade Catlica de Moambique em 2014.
Este trabalho da sua autoria excepto para as citaes que aqui foram referenciadas. Nunca foi e
nunca ser submetido a nenhuma outra universidade. Nenhuma parte deste trabalho dever ser
reproduzida sem a permisso do autor ou da Universidade Catlica de Moambique.
Nome do autor
Oslavo Joaquim Pereira de Albuquerque
-----------------------------------------------------
Data: 01/04/2015
Nome do Supervisor
Lus Deixa Joaquim
-------------------------------------------------------
Data: 01/04/2015
i
DEDICATRIA
A Deus, pela vida e, a todos aqueles que iluminam-me, dedico.
ii
AGRADECIMENTO
Ao Mestre Lus Deixa Joaquim pela pacincia e dedicao na orientao do trabalho, meus
sinceros agradecimentos.
Aos meus pais, Jos de Albuquerque e Paulina Rui da Costa meu agradecimento por me ter
trazido a este mundo e terem cuidado de mim durante a minha vida toda, meus eternos
agradecimentos
s minhas irms que partiram Eva Efignia Aurora de Albuquerque e Margarida Elsa Vitoria
Pereira de Albuquerque (que Deus as tenha), meu eterno agradecimento.
Aos meus irmos meus agradecimentos pela fora dada como irmos.
Ao Centro de Informao Geogrfica, Universidade Catlica de Moambique e ao projecto

SUGIK pela oportunidade que me deram de poder me formar numa rea em que tanto desejei.
Mestre Srgio Moiss Anguirai Niquisse, Mestre Antnio dos Anjos Lus e ao Professor Doutor
Mrio Caetano e Eng. Joel Dinis, pelo incentivo dado ao tema.
A ti pai, saiba que com maior orgulho que agradeo o teu empenho em me formar, pois fruto
do teu suor.
A minha esposa(Felicidade), por cuidar de mim, aos filhos (presente que Deus me deu) obrigado
pela alegria que me transmitem todos dias: te amo Kayane,Eltan e Ethan.
iii
RESUMO
O presente trabalho teve como objectivo principal o estudo da evoluo de ocupao do solo do
Distrito de Boane entre os anos 1991 e 2013, com base em imagens satlites Landsat5TM. O
distrito de Boane localiza-se na provncia de Maputo, possui uma rea de cerca de 800 mil km2.
A nomenclatura usada para a classificao das imagens satlites foi baseada no CENACARTA,
por melhor se adequar a realidade da rea em estudo. As imagens foram classificadas atravs do
mtodo de classificao supervisionada (MaxVer), na qual identificou-se as seguintes classes:
corpos de gua, floresta, mangal, rea cultivada, rea habitacional, solo nu e pradaria. Para
avaliao da exatido global usou-se o ndice Kappa que foi de 0.7333 (considerada muito boa),
e com um nvel de acurcia (global) da classificao de 74.45%. Para a deteco de mudana
usou-se a ferramenta Change Dectection do Erdas Imagine 9.1.
Como resultado do estudo, a deteo de mudanas considerou que houve uma diminuio de em
algumas reas de cerca de 18.9%, cerca de 4.0 % no registou nenhuma mudana, houve um
ligeiro aumento de cerca de 0.8% e um aumento de 76.2%.
O principal factor das mudanas, uso e cobertura do solo no distrito de Boane entre 1991 e 2013
foi a construo de habitaes e implantao de novas indstrias (actividades industriais).
Palavras-chaves: ocupao do solo, deteco de mudana, deteco remota, classificao

supervisionada, sistemas de informao geogrfica.
iv
ABSTRACT
In this work made study evaluation of land cover in Boane district based on landsat5TM with
1991 and 2013. Boane district is localized in Maputo Province, and have 800 mil km2.
Supervised classification was used to perform the digital classification of the imagery. The both
image had classifier with supervised classification (MaxVer), and result seven thematic classes:
natural water, mange, residential area, bare soil, pruderies, and forest. A global accuracy was
74.45% and indices kappa was 0.73. The change detection was used Erdas imagine 9.1 to find a
difference between the images.
As the result the of the study, the detention of chenges considerared that there has been a
diminution in some areas about 18.9 %, about 4.0% didnt record any change but there has been
some increase although reduced about 0.8% and an increase of 72.2%.
They have different kinds of classes when made change detection and the classed non-change
was very less than all classes that reason we can say that in Boane district between 1991 and
2013 had much variation of classes.
Keywords: Remote sensing, land cover map, unsupervised classification, change detection,
geographic information systems.
v
LISTA DE FIGURAS
Figure 1: Localizao geogrfica da rea de estudo. ...................................................................... 6
Figure 2: Localizao do Distrito de Boane, imagem Landsat8 (composio RGB-743).............. 7
Figure 3: Clima do Distrito de Boane ............................................................................................. 8
Figure 4: Mapa de solos do distrito de Boane............................................................................... 10
Figure 5: Relevo do distrito de Boane (Altimetria em metros). ................................................... 12
Figure 6: Geologia do distrito de Boane. ...................................................................................... 14
Figure 7: Precipitao mdia anual do Distrito de Boane............................................................. 15
Figure 8: Florenzano (2008), exemplo de Satlites. Fonte: Florenzano, in satlites

Brasileiros(2008)........................................................................................................................... 18
Figure 9: Mapa de uso e cobertura do solo entre 1996-1999 (dados do CENACARTA). ........... 60
Figure 10: Imagem de Satlite do Distrito de Boane em 1991. .................................................... 64
Figure 11: Classificao da imagem satlite de 1991. .................................................................. 65
Figure 12: Imagem do Distrito de Boane em 2013. ...................................................................... 68
Figure 13: Classificao da imagem satlite de 2013. .................................................................. 69
Figure 14: NDVI obtido atravs da ferramenta image analisy e raster calculator,do ArcGIS10.
....................................................................................................................................................... 73
Figure 15: Deteo de mudanasFigure 16 entre os anos de 1991 2013. .................................. 76
vi
LISTA DE TABELAS
Tabela 1: Classes de ocupao do solo.16
Tabela 2: Fluxograma de metodologia a ser usada...17
Tabela 3: Caracterstica de cada banda espectral e sua aplicao.19
Tabela 4: Programa de cartografia de ocupao do solo.............................48
Tabela 5: dados usados.....................................49
Tabela 6: Representao da nomenclatura usada pela CENACARTA e a usada no trabalho.55
Tabela 7: Separao de assinaturas do ano de 1991.62
Tabela 8: Separao de assinaturas do ano de 2013.60
Tabela 9: Ocupao do solo em 1991 em rea e percentagem.64
Tabela 10: Ocupao do solo em 2013 em rea e percentagem70
Tabela 11: Matriz de erro.60
vii
LISTA DE GRFICOS E EQUAES
Grafico1: Representando poro de rea de cada classe-1991 ........................................................ 53
Grafico2: Representao da poro de rea de cada classe-2013 .................................................... 56
viii
NDICE DE ANEXOS
Figure 1: Clculo de NDVI2(BANDA4-BANDA3) ..................................................................... 82
Figure 2: Diferenas dectetadas atraves da ferramenta image classificactions3 do ArcGis10

(diferencas entre duas imagens). ................................................................................................... 83
Figure 3 Vegetao ao longo de um riacho4. ................................................................................ 84
ix
LISTA DE SIGLAS E ABREVIATURAS
ADB- Administrao do Distrito de Boane
AVHRR- Advanced Very High Resolution Radiometers (sensor)
CLC- CORINE Land Cover
CLUSTERS- Classification for Land Use Statistics: Eurostats Remote Sensing
DINAGECA- Direo Nacional de Geografia e Cadastro
ESRI-Environment Systems Research Institute
GPS-Global Position Systems
ha-hectares
IBGE- Instituto Brasileiro de geografia e estatstica
INE- Instituto Nacional de Estatstica
IV- ndice de Vegetao
MSS- MultiSpectral Scanner (sensor)
NDVI- Normalized Difference Vegetation Index
NASA- National Administration Space Agency
RGB- Red-Green-Blue
RMSE- Root Mean Square Error (Erro Mdio Quadrtico)
SIG- Sistema de Informao Geogrfica
SPOT- Systme Probatoire dObservation de la Terre (satlite)
TM- Thematic Mapper (sensor)
x
UM- Unidade Mnima Cartogrfica
UNFCCC - United Nations Framework Convention on Climate Change
xi
NDICE
DEDICATRIA ........................................................................................................................................... ii
AGRADECIMENTO................................................................................................................................... iii
RESUMO ..................................................................................................................................................... iv
ABSTRACT.................................................................................................................................................. v
LISTA DE FIGURAS .................................................................................................................................. vi
LISTA DE TABELAS ................................................................................................................................ vii
LISTA DE GRFICOS E EQUAES ....................................................................................................viii
LISTA DE SIGLAS E ABREVIATURAS ................................................................................................... x
1. INTRODUO ........................................................................................................................................ 1
1.1 Introduo ........................................................................................................................................... 1
1.1.1 Importncia do Estudo de Ocupao do Solo .............................................................................. 2
1.2 Definio do Problema........................................................................................................................ 3
1.3 Hipteses ............................................................................................................................................ 3
1.4 Objectivo ............................................................................................................................................. 4
1.4.1.Objectivo Geral ............................................................................................................................ 4
1.4.2. Objectivo Especfico .................................................................................................................... 4
1.5 Limitao do Estudo ............................................................................................................................ 4
1.6 Delimitao da rea de Estudo ........................................................................................................... 5
1.6.1 Localizao Geogrfica da rea de Estudo .................................................................................. 5
1.6.2 Caractersticas Fsico-Geogrficas da rea de Estudo ................................................................. 8
1.6.3 Relevo......................................................................................................................................... 11
1.6.4 Geologia ..................................................................................................................................... 13
1.6.5 Precipitao................................................................................................................................ 14
xii
2.REVISO DA LITERATURA ............................................................................................................... 16
2.1 Literatura Terica .............................................................................................................................. 16
2.1.1 Uso e Ocupao do Solo ............................................................................................................ 16
2.1.2 Sistemas de Informao Geogrfica .......................................................................................... 17
2.1.3 Deteco Remota ....................................................................................................................... 17
2.1.4 Caracterstica do Satlite Landsat5TM ...................................................................................... 21
2.1.5 Deteco Remota versus SIG ..................................................................................................... 22
2.1.6 Fuso de Imagens....................................................................................................................... 24
2.1.7 Classificao Supervisionada ..................................................................................................... 25
2.1.11 Classificao no-Supervisionada............................................................................................ 26
2.1.12 Classificao Supervisionada versus Classificao no-Supervisionada................................ 26
2.1.14 Actualizao Cartogrfica ........................................................................................................ 28
2.1.15 Processamento de Imagens Satlites ...................................................................................... 29
2.1.16 Ps-classificao....................................................................................................................... 30
2.1.17 Interpretao da Matriz de Erros ............................................................................................. 30
2.1.18 Deteco de Mudanas ............................................................................................................ 31
2.1.19 Avaliao da Acurcia da Classificao .................................................................................... 33
2.1.20 Interpretao da Matriz de Erros ............................................................................................. 34
2.1.21 Clculo e interpretao da Estatstica Kappa ........................................................................... 35
2.2 Literatura Emprica............................................................................................................................ 35
2.3 Literatura Focalizada ......................................................................................................................... 47
2.3.1 Em frica .................................................................................................................................... 48
2.3.2 Em Moambique ........................................................................................................................ 49
3.METODOLOGIA .................................................................................................................................... 52
3.1 Dados Usados .................................................................................................................................... 52
xiii
3.1.1 Classificao da Imagem ............................................................................................................ 53
3.1.8 Avaliao de Acurcia da Classificao ...................................................................................... 56
3.2 Procedimentos Metodolgicos ......................................................................................................... 57
3.2.1 Classificao de Ocupao do Solo (dados da CENACARTA) ..................................................... 57
3.2.2 Classificao Digital .................................................................................................................... 61
3.2.3 Classificao das Imagens de 1991 e 2013 ................................................................................ 61
.................................................................................................................................................................... 67
3.3 Avaliao Temtica ....................................................................................................................... 71
4. DISCUSSO DOS RESULTADOS ...................................................................................................... 73
4.1 Deteo de mudanas (1991-2013) .................................................................................................. 74
4.1.1 Anlise da Evoluo de Ocupao do Solo no Distrito de Boane .............................................. 74
4.2 Mapa de Deteco de Mudana ....................................................................................................... 75
5. CONCLUSO E RECOMENDAO .................................................................................................. 77
6.REFERNCIAS BIBLIOGRFICAS..................................................................................................... 79
ANEXOS
xiv
xv
1. INTRODUO
1.1 Introduo
Hoje em dia vem se notando uma certa preocupao na forma como o homem explora e degrada
o meio ambiente (atravs da explorao dos recursos naturais, expanso de reas residnciais e
industriais). O desenvolvimento e expanso de assentamentos humanos podem criar um
desequilbrio na forma como o espao geogrfico ocupado numa determinada rea. Por
exemplo, a explorao desenfreada de espcies vegetais pode, de certo modo, comprometer o
equilbrio ecolgico de uma determinada rea afectando o desenvolvimento local, o alargamento
ou expanso das reas para o cultivo/prtica de agricultura, pode alterar a paisagem natural de
uma determina rea, sendo assim importante fazer deteco de mudanas possibilitando a
tomada de decises para implementao de certas politicas
(administrativas/ambientais/sociais/econmicas). De uma ou outra forma o uso e ocupao de
solo so duas questes que devem ser compreendidas e estudadas de modo representar e detectar
mudanas nas formas de ocupao do solo.
A ocupao e o uso de solos so termos completamente diferentes. Para (Fernandes, 2006), o seu
enquadramento varia de acordo com a aplicao e o contexto em que so aplicados. Em suma o
uso do solo pode ser entendido como o emprego de certa actividade humana a uma determinada
forma de ocupao do solo, concluindo-se que a mudana do uso do solo pode influenciar e
determinar a forma de ocupao do solo. Segundo (Fernandes, 2006) a ocupao do solo o
estado biofsico da superfcie da Terra e da sub-superfcie imediata.
A representao de ocupao do solo possvel graas a informao detectada pelos satlites

(imagem satlite): desde os finais da dcada de 70 os dados dos satlites j eram usados em
Moambique para elaborao de cartas temticas de uso de solo por parte do Ministrio da
agricultura. A anlise de ocupao do solo recorrendo a interpretao de imagens satlites tem se
mostrando como alternativa na deteco de alteraes de ocupao do solo, pois as
transformaes que ocorrem na superfcie terrestre so dinmicas precisando de uma constante
representao. Um mapa de ocupao do solo actualizado vai facilitar a classificao e
delimitao das diferentes formas de ocupao do solo contribuindo de certa forma para melhor
preservar algumas reas em reduo (sobretudo mangal e a rea cultivada), contrastada pelo
1
aumento da rea habitacional, importante mapear e analisar suas evolues para poder
programar as necessidades de acordo com a populao local num distrito (Boane), em que cerca
de 67 % da populao activa depende da agricultura para o auto consumo Ministrio da
Administrao Estatal (MAE, 2005).
Uma investigao nesta rea (ocupao do solo) com recurso Deteco remota vai alargar ainda
mais a importncia de manter as diferentes formas de ocupao do solo actualizada.
1.1.1 Importncia do Estudo de Ocupao do Solo
Diversos pases usam imagens satlites para a produo e actualizao de cartografia de

ocupao do solo. O estudo de ocupao do solo permite em certas reas como por exemplo
agricultura e, proteco ambiental tomada de decises futuras tais como financiamentos a certas
reas de produo e actividades. Ao nvel do distrito com uma actualizao de ocupao do solo
recente ou regular ajudaria melhor a planificao do distrito, por exemplo: escolha de locais para
instalao de certos empreendimentos (fbricas e outras), tendo em conta que a actividade
principal a agricultura (MAE, 2005).
De uma forma geral a actualizao das formas de ocupao do solo ajudam a compreenso de
diversos fenmenos na superfcie podendo ajudar a explicar/analisar as causas de eroso do solo
e outros fenmenos que afectam os padres dos solos atravs da criao de mapas de ocupao
do solo. Os mapas de ocupao do solo resultam da interpretao de imagens satlites, muitas
das vezes auxiliadas com dados recolhidos no terreno. Estas imagens so possveis devido a
interaco entre a reflectncia dos objectos e a deteo (deteco) dos satlites e a incorporao
de informao auxiliar para eliminar as incertezas resultantes no processo de interpretao de
imagens.
2
1.2 Definio do Problema
A formulao do problema que ser abordado nesta tese resulta de uma anlise crtica a
desactualizao dos mapas de ocupao do solo, tendo em conta que o ltimo mapeamento
realizado pelo Centro Nacional de Cartografia e Teledeteco(CENACARTA) data de 1996 -
1999. Ao nvel deste distrito no esto mapeadas as formas actuais de ocupao do solo, no se
tornando possvel avaliao das formas actuais de ocupao do solo tendo em conta que desde
1996 at 2013 pode existir alguma mudana. O distrito de Boane um distrito em franco
desenvolvimento.
Muito dos estudos que usam classificaes de imagens de satlites baseiam-se em imagens de
satlite Landsat devido sobre tudo as condies de aquisio das imagens (o preo de aquisio
que baixo).
Mesmo tendo as imagens satlites so necessrias fotografias areas e informaes auxiliares

para finalizar o processo de interpretao e validao tornando assim mais complexo o processo;
No existe uma metodologia padro para o processo de actualizao cartogrfica o que torna o
processo complexo (Santos, 2003).
De 1999 at 2013 j se foram 14 anos, tempo mais que suficiente para se fazer uma actualizao
cartogrfica de ocupao do solo tendo em conta que o tempo justificvel para se fazer uma
actualizao vai de entre 10-15anos (Santos, 2003).
1.3 Hipteses
O distrito de Boane por ser um distrito extenso e com uma diversidade muito grande das formas
de ocupao, pressupe-se produzir mapas de ocupao do solo de modo a representar as
diversas formas de ocupao.
Pressupe-se que com o estudo possa-se determinar as causas das mudanas de ocupao
do solo entre os anos de 1991 e 2013;
3
Presume-se que a procura de combustveis lenhosos, novas reas para habitao e
implantao de industrias tenham criado condies para uma alterao nas formas de
ocupao do solo de 1991 a 2013;
A crescente procura de novas aras para a implantao de industrias, habitao e cultivo

trouxeram alteraes significativas na forma de ocupao do solo no perodo entre 1991 e
2013.
1.4 Objectivo
1.4.1.Objectivo Geral
Fazer uma anlise de deteco de mudanas de ocupao do solo do Distrito de Boane entre
1991 e 2013.
1.4.2. Objectivo Especfico
Elaborar um mapa de ocupao do solo do distrito de Boane do ano de 1991 e 2013;

Analisar evoluo sobre as classes de ocupao do solo entre 1991 e 2013 e ;
Analisar as mudanas de ocupao do solo no perodo entre 1991 e 2013;
1.5 Limitao do Estudo

Os processos de escolha de imagens a serem usadas nos estudos (imagens a usar e o processo de
anlise e interpretao) dependem de vrios factores a saber:
O ms e hora;
H que ter em conta os defeitos inerentes ao processo de captura das imagens.
Dados usados para o estudo: os dados usados para o estudo foram shapefile contendo
informao da localizao da rea de estudo e tipos de ocupao do solo. Coordenadas
recolhidas no campo pelo GPS, com uma margem de erro de 3m.
Informao auxiliar: a informao auxiliar usada foi o google earth para reconhecimento de
reas e separao de classes de ocupao do solo, em reas consideradas de difcil acesso.
4
A dificuldade encontrada foi a difinio dos critrios de classificao tendo em conta a rea de
estudo que muito extensa e o tipo de imagem satlite usada para o estudo. Este tipo de imagem
de satlite ( portanto Landsat), possui uma resouluo de 30x30m no possibilita a
descriminao exacta dos objectos, diferentemente de outros satlites de maior resouluo.
1.6 Delimitao da rea de Estudo

O distrito de Boane possui uma extenso de cerca de 804 km2, assim sendo, para se fazer uma
representao das formas de ocupao do solo h que ter em conta os detalhes, requerendo um
levantamento de dados e anlise concisa, da que no presente trabalho pretender-se- fazer uma
representao das alteraes das formas de ocupao do solo entre 1991 e 2013, isto , formas de
ocupao do solo que aumentaram, diminuram, aumentaram pouco, diminuram pouco ou sem
mudanas (variao).
1.6.1 Localizao Geogrfica da rea de Estudo

O Distrito de Boane localiza-se no Sul da Provncia de Maputo entre os paralelos 25 46' 08" e
26 17' 16" de latitude Sul e os meridianos 32 10' 55" e 32 29' 54" de longitude Este
aproximadamente, com uma superfcie de 804km2. Portanto ao Norte o distrito de Boane limita
com o distrito de Moamba, a Sul separa se dos distritos de Namaacha e Matutuine atravs dos
rios Tembe Mahbe. Mais a leste limita se com o distrito de Matutuine e cidade de Maputo
atravs dos rios Matola e Tembe, a Oeste limita se com o distrito de Namaacha atravs dos rios
Umbelzi e Tembe (Hilrio, 1996) citando (DINAGECA, 1987). A figura a baixo representa o
distrito de Boane, que por sua vez esta dividido em dois postos administrativos Boane-Sede e
Matola Rio e trs localidades: Gueguegue, Eduardo Mondlane e Matola Rio (Hilrio, 1996)
citando (DINAGECA, 1987), veja fig.1
5
Figure 1: Localizao geogrfica da rea de estudo.
6
Figure 2: Localizao do Distrito de Boane, imagem Landsat8 (composio RGB-743).
7
1.6.2 Caractersticas Fsico-Geogrficas da rea de Estudo
1.6.2.1 Clima
O distrito de Boane apresenta uma temperatura mdia 23.70C (fazendo com que quanto a
temperatura seja quente) e uma humidade relativa de 68,3%, uma precipitao mdia mensal de
48.6 mm, segundo Instituto Nacional de Estatistica(INE, 2008), veja fig.3
Figure 3: Clima do Distrito de Boane
8
1.6.2.2 Solos
O distrito de Boane apresenta condies ptimas para a prtica da agricultura e com um
potencial para a prtica da cultura do algodo e do girassol. Este tipo de solo (solos franco-
argilosos) encontra-se nos seguintes locais do posto administrativo de Boane sede: Massaca,
Mahanhane, Mualate e ao longo dos rios e vales. Os solos arenosos de baixa fertilidade e baixa
reteno de gua, estes solos esto localizados na localidade Eduardo Mondlane, Saldanha no
posto administrativo de Boane Sede e na localidade da Matola Rio, Jonasse, Djuba e Beluluane
no posto administrativo da Matola Rio. Os solos francos encontram-se em Chinonanquila no
Posto Administrativo de Boane Sede (ADB, 2010). Figura abaixo representa o distrito e seus
postos administrativos.
9
Figure 4: Mapa de solos do distrito de Boane.
10
1.6.3 Relevo
Segundo (Hilrio, 2011), o sul de Moambique constitudo por plancies, apenas destacando se
a cordilheira dos Limbobos que possui uma elevao considervel entre 100 200m de altitude.
O distrito de Boane atravessado pelos rios Umbeluzi, Tembe e o rio Matola (principais), e
outros secundrios tais como Chambadeja, Xangule, Mecaxuane, Massele, Mahube, Liaio e
Xigubuta (Hilrio, 1996). O rio Umbelzi localizado a montante do centro habitado de Boane-
sede possui uma lagoa artificial com uma superfcie de cerca de 41km2, construda com objectivo
de segundo (Hilrio:1996) citando (Moneco, 1980):
Abastecer gua a cidade de Maputo
Fornecer gua ao sistema de irrigao,
Controlar cheias
Fornecer energia as reas circunvizinhas.
Elevao do Distrito de Boane, fig.5
11
Figure 5: Relevo do distrito de Boane (Altimetria em metros).
12
1.6.4 Geologia
O distrito de Boane apresenta vastos depsitos de areia para construo e de areias especiais
como o caso de diatomito. Boane possui um depsito deste minrio. De acordo com a direco
Distrital de recursos Minerais, as reservas prognosticas podem atingir entre 1 e 2 milhes de
toneladas, (ADB, 2010). De entre minerais mais destacados esto a argila impura e com uma
mineralogia complexa. Esta argila devido as suas propriedades de plasticidade e endurecimento
quando cozida ou calcinada usada para o fabrico de tijolos, telhas, vasos, louas. Em Boane o
depsito deste minrio est situado a 7 km a Oeste da Vila Sede. Trata-se de uma camada
argilosa intercalada entre terra vegetal, areia fina e areia grossa. O depsito argiloso,
constitudo por duas qualidades de argila plstica, uma de cor castanho-escura e outra de cor
preta (ADB, 2010).
13
Figure 6: Geologia do distrito de Boane.
1.6.5 Precipitao
A distribuio das chuvas ao nivel do distrito irregular. A estao chuvosa vai desde o ms de
Outubro at o Maro, mas durante os meses de Dezembro, Janeiro a Fevereiro que se verifica
maior precipitao podendo atingir 600-700mm (INAM, 2012) . A pluviosidade mdia anual
14
chega a atingir 752mm variando entre os valores mdios de 563,6mm para o perodo hmido(de
Novembro a Maro) e os 43,6mm para o perodo seco que desde o ms de Abril a Outubro
(MAE, 2005) .
Figure 7: Precipitao mdia anual do Distrito de Boane.
15
2.REVISO DA LITERATURA
Neste captulo fez-se reviso de vrios trabalhos de modo a encontrar alguns trabalhos que
podero influenciar na escolha da metodologia a ser usada, portanto que se adequa a nossa
realidade.
2.1 Literatura Terica

importante fazer-se o estudo do uso e ocupao do solo pois contribui bastante para estudos
ambientais, estudo de ordenamento e planeamento do territrio e na definio de estratgias de
explorao de recursos naturais.
Sob ponto de vista ambiental pode se dizer que o uso e ocupao do solo possuem um papel
importante no escoamento superficial;
Sob ponto de vista ordenamento, planeamento territorial e gesto de recursos naturais

necessrio ter a carta de uso e ocupao do solo pois serve como uma ferramenta importante na
definio de polticas de gesto, anlise da extenso e distribuio (classes de ocupao do solo).
2.1.1 Uso e Ocupao do Solo

O conceito de uso e ocupao do solo geralmente depende do contexto em que so aplicados,
apesar de serem termos semelhantes. Segundo Fernandes (2006) citando Turneret al. (1995) a
ocupao do solo retrata a superfcie fsica do solo, neste caso: quantidade de vegetao,
materiais terrestres, estruturas humanas, solos, biodiversidade, gua, de entre outros (Briassoulis,
2000 e Malczewski, 2003). Para Fernandes (2006), a mudana do uso de solo pode causar a
mudana de ocupao do solo, mas a mudana de ocupao do solo pode no alterar o uso do
solo (isto pode manter-se inalterado).
Segundo Rei et al. (2009), so vrios factores que originam mudanas de uso e ocupao do solo
desde naturais at as presses exercidas pelas mudanas demogrficas, econmicas e sociais.
De entre vrios conceitos aqui abordados o uso do solo pode ser entendido como a forma pela
qual a terra ocupada pelo homem. de mera importncia fazer o estudo de uso do solo pois
tem um grande impacto sobre os ecossistemas (no geral). Uma informao de uso do solo pode
ser usada para solucionar muitos problemas enfrentados na gesto de recursos naturais. Na ptica
do Rei et al, (2009) as mudanas do uso do solo podem estar ligadas directamente a questes
climticas, como tambm por factores humanos.
16
A ocupao do solo geralmente retrata como a terra est coberta por exemplo a vegetao
materiais terrestres, estruturas humanas, solos, biodiversidade, gua (cobertura/revestimento).
Sob ponto de vista em estudo, o distrito de Boane verificou grandes alteraes nas formas de
ocupao de solo entre o perodo de 1991 2013, da que um estudo de ocupao do solo seja de
mera importncia.
2.1.2 Sistemas de Informao Geogrfica

O Sistemas de Informao Geogrfica (SIGs) na ptica ESRI do (Environmental Systems
Research Institute) define como um conjunto de hardware, software, dados e pessoal
qualificado envolvido na captura, armazenamento, manipulao, anlise e exposio dos dados
espaciais, que contribuem para a tomada de deciso. Pode-se dizer que os Sistemas de
Informao Geogrfica facilitam uma srie de anlises espaciais complexas resultantes da
integrao de dados de diversas fontes e posterior georreferenciao da mesma informao
(Kleinpaul, 2005). Para Arajo (2003), os SIGs so vistos por alguns autores como sendo
sistemas de apoio a deciso que envolvem a integrao de dados espaciais atravs da combinao
de recursos tcnicos e humanos. Segundo Arajo (2003), no existe uma definio padronizada
dos SIGs pois ela depende da realidade a representar devido a diversidade de interesses e seus
usos, algumas definies ligadas aos SIGs logo a prior parecem divergirem, apresentando trs
definies: a primeira baseada em ferramentas a segunda em banco de dados e a terceira em
definies organizacionais. Os SIGs so vistos como um sistema auxiliado por computador
para aquisio, armazenamento, anlise e visualizao de dados geogrficos que apresenta vrios
componentes, mas o mais importante e indispensvel para ser considerado um SIGs verdadeiro
tem que ter um banco de dados espacial e seus atributos (Eastman, 1998).
2.1.3 Deteco Remota

O processo de aquisio de informao na superfcie terrestre sem entrar em contracto directo
com os objectos est relacionado com a transferncia de energia. Estes objectos interagem com o
meio atravs da libertao da radiao eletromagntica, abaixo esta uma imagem de satlites
segundo Florenzano (2008):
17
Figure 8: Florenzano (2008), exemplo de Satlites. Fonte: Florenzano, in satlites
Brasileiros(2008).
Deteco remota segundo (Almeida, 2012), uma tcnica de obteno de imagens dos objectos
da superfcie terrestre sem que haja um contacto fsico de qualquer espcie entre o sensor e o
objecto.
Almeida (2012) adianta ainda que se pode dar uma definio mais cientfica:
Sensoriamento Remoto uma cincia que visa o desenvolvimento da obteno de imagens

terrestre por meio de deteco e medio quantitativa das respostas das interaces da radiao
electromagntica com as matrias terrestres.
(Almeida, 2012)
Ao emitirem esta radiao estes objectos tambm podem reflectir, absorver e transmitir a
radiao electromagntica (Nunes, 2002). O processo fsico que caracteriza a radiao
electromagntica constitudo pela frequncia (1/f), comprimento de onda ( ), como este
processo ocorre num meio a que ter em conta o efeito da velocidade de luz (3x108m/s) e a
relaes entre a frequncia e o comprimento (vice-versa). importante a compreenso desta
18
processo pois todo o processo de deteco envolve a interaco da energia electromagntica que
medida no espectro electromagntico. Espectro electromagntico classificado normalmente
pelo comprimento de onda como ondas de rdio, microondas, radiao infravermelha, luz
visvel, raios ultravioleta, raios X e radiao gama. Os tipos de ondas importantes para a
deteco remota ou que so usados para alcanar os propsitos da deteco remota so o visvel
(0,4 a 0,7 m), infravermelho prximo (0,7 a 1,3 m), infravermelho mdio (1,3 a 8 m),
infravermelho trmico (8 a 14 m) e micro-ondas (a partir de 1 m) Nunes (2002). A tabela a
seguir mostra em detalhes os limites de comprimentos de onda do espectro de cores do visvel:
Intervalo espectral Comprimento de onda
Raios csmicos 0,01 A0
Raios gama 0,01 0,1 A0
Raios X 0,1 10 A0
Ultravioleta 100 nm 0,38m
Visvel 0,38 m 0,76 m
Infravermelho prximo 0,76 m 1,2 m
Infravermelho de ondas curtas 1,2 m 3,0 m
Infravermelho mdio 3,0 m 5,0 m
Infravermelho termal 5,0 m 1 mm
Micro-ondas 1mm 100cm
Rdio 1m 10 km
19
udio 10-100 km
Corrente alternada >100 km
Tabela 1: Divises dos comprimentos de ondas das cores da regio do visvel (retirado de
Almeida, 2012).
Partindo da tabela anterior (diviso de comprimentos de onda), em deteco remota so usados

os seguintes intervalos:
0,45 0,76 m toda faixa

Visvel
0,76 1,2 m 0,76 0,91

infravermelho
1,00 1,12
prximo
1,2 3,0 m 1,19 1,34

Infravermelho
1,55 1,75
de ondas curtas
2,05 2,40
3,0 5,0 m 3,5 4,2

infravermelho
4,5 5,0
mdio
5,0 m 1 mm 8,0 9,2

infravermelho
10,2 12,5
termal
1mm 100 cm 3,0 100

micro-ondas
20
Tabela 2:Intervalos espectrais possveis de serem usados pelos sensores remotos
(Meneses&Almeida, 2012).
2.1.4 Caracterstica do Satlite Landsat5TM
O sistema de satlite Landsat5TM para a deteco remota que faz parte da presente pesquisa
controlado pela Earth Observation Satelite Company (EOSAT), com sensores MSS e TM em
composio falsa cor e preto e branco. Actualmente encontram se em activo seis (6) satlites,
destaque para o Landsat5TM (ainda em operao pois as imagens foram obtidas atravs deste
satlite) e Landsat6 que foi perdido ainda no lanamento. A histria da srie Landsat comea em
1972 com o lanamento do satlite ERTS1 depois com o lanamento em sequncia de 2,3,4,5,6 e
7.
O Landsat apresenta dois sensores multiespectrais: scanner multiespectral (multiespectral
scanner-MSS) e o thematicmapper(TM). O MSS obtm imagens em quatro bandas espectrais
nomeadamente azul, verde, vermelho e infravermelho prximo com uma resoluo de 80 metros,
enquanto o TM obtm imagens em sete bandas de azul, verde, vermelho, infravermelho prximo,
duas de infravermelho mdio e uma no infravermelho trmico com uma resoluo de cerca de 30
metros cobrindo uma rea de 185km x 185km e uma resoluo temporal de 16 dias. Todos os
satlites landsat tm rbita quase polar e hlio-sncrona. Os ltimos landsat5TM esto a uma
altitude de 700 Km. Em geral os diferentes sensores a bordo do satlite landsat5TM tm
possibilitado a aquisio de imagens com melhores resolues espaciais (de 80 m do MSS a 30m
do TM e 15m do ETM+ na sua banda pancromtica) Caetano, M. (2010).
Banda Faixa espectral Aplicaes
1 0,45mm-0,52mm Estudos de sedimentos na gua
(azul) Mapeamento de guas costeiras
Diferenciao solo/vegetao
2 0,52mm-0,60mm Estradas e reas urbanas
Mapeamento da vegetao (maior reflectncia dos canais
21
(verde) do visvel)
3 0,63mm-0,69mm Estradas e reas urbanas
(vermelho) Espcies vegetais (absoro da clorofila)
4 0,76mm-0,90mm Levantamento da biomassa (pico da vegetao sadia)
(azul) Delineao de corpos de gua
5 1,55 mm -1,75 mm Mapeamento dos rios e corpos de gua
(IV prximo) Humidade da vegetao e solos
6 10,40 mm- 12,5mm Estresse trmico em vegetao
(IV distante) Propriedades termais dos solos e rochas
7 2,08mm-2,35mm Estudos de rochas e minerais
(IV mdio) Humidade do solo e vegetao
Tabela 3: Caracterstica de cada banda espectral e sua aplicao.
2.1.5 Deteco Remota versus SIG

O processamento digital de imagens constitui uma fase de extraco de informao na imagem
que culmina com uma atribuio da nomenclatura. At finais da dcada de 80 a extraco de
informaes das imagens com deteco remota era feita por mtodos analgicos, mas a partir dos
anos 90, constatou-se uma evoluo crescente no processamento digital de imagens influenciada
pelos avanos na informtica (IBGE, 2001). Processamento digital de imagens corresponde a
captura de imagem por um vector (satlite ou avio), atravs de cmara, scanner, radar, de entre
outros (Da Costa& De Lima Jr, 2009). No que concerne a extraco da informao das imagens
a classificao multi-espectral o mtodo mais bem-sucedido (Nunes, 2002). Pois partir de uma
imagem referenciada pode-se vrios mtodos para extraco da informao da imagem tais
22
como: interpretao visual, classificao visual, classificao automtica, classificao mista e
fuzzy (Nune, 2002), este processo termina com atribuio de uma nomenclatura.
Nomenclatura primeiro passo num estudo para extraco da informao temtica de imagens
de satlite a definio da nomenclatura, tambm designada por classificao, da cartografia
temtica a produzir.
A classificao (visual) assistida a prior pressupe que o operador j tem conhecimento do local
resultante no s pela interpretao das imagens satlites, fotografias areas mais tambm idas ao
campo, aqui o operador define o nmero de classes. A interpretao assistida por computador
exige a definio precisa de:
Especificaes tcnicas do mapa a produzir;
Composio colorida que melhor permita a identificao das classes de interesse;
Chave de interpretao visual;
A classificao (visual) no assistida ela autnoma, no pressupondo um conhecimento prvio

do terreno. Neste processo os pixis com caractersticas espectrais semelhantes so agrupados de
modo a gerarem classes automaticamente. Aps este processo faz-se a correspondncia entre as
classes e as ocupaes correspondentes Nunes (2002), citando (Jesen, 1996).
A interpretao visual o operador faz a descriminao das classes usando vrias cores (mtodo
directo), produzindo um mapa com representao de cada tipo de classes (igualadas pela
tonalidade), por exemplo um mesmo tipo de solo aparecer com a mesma tonalidade.
Interpretao visual - A interpretao visual de imagens consiste na identificao visual de reas
com a mesma classe de ocupao do solo e a sua delimitao. Actualmente a anlise visual de
imagens feita no ecr do computador, o que permite de imediato a obteno de produtos
digitais. Esta metodologia de extraco de informao tem sido designada por interpretao
assistida por computador.
A interpretao Visual compreende trs passos principais:
Identificao de unidades de paisagem de acordo com a nomenclatura e com a rea mnima a

cartografar;
23
Delimitao da unidade de paisagem com o cursor do computador;
Atribuio do cdigo da nomenclatura a cada unidade identificada nos passos anteriores.
A classificao mista um procedimento que engloba a classificao visual de modo a reduzir

as desvantagens entre os dois mtodos (Nunes, 2002).
A classificao fuzzy caracteriza-se por uma classificao ao nvel do pixel de modo a

determinar fronteiras bem definidas (Nunes, 2002).
Estes tipos de classificaes das imagens satlites cujo produto final um mapa temtico, so
auxiliadas por um processo de integrao de dados quer sejam de campo (levantamento) quer
seja por observao aumentando assim a qualidade da preciso. Segundo Nunes (2002), citando
Jesen (1996), pode-se considerar dados auxiliares toda informao espacial ou no espacial que
seja til no processo de classificao tais como: declive, rede viria, limites administrativos,
mapas de vegetao, solos, hidrologia, geologia orientao e elevao.
Segundo Caetano, M. (2010) as imagens podem ser utilizadas para extrair vrios tipos de
informao, como o caso da ocupao do solo. Consoante a informao a extrair, assim se fala
da deteco remota quantitativa ou temtica.
As metodologias para extraco de informao temtica, podem ser aplicadas a qualquer tipo de
imagem digital multi-espectral obtida por sensores de deteco remota montados em satlites.
Independentemente do mtodo adoptado (visual, automtico ou semiautomtico) existem sempre

dois processos comuns, e esto precisamente no incio e no fim do processo da produo da
cartografia temtica.
2.1.6 Fuso de Imagens

O uso de Deteco remota e SIG assume um papel muito importante em anlises espaciais sob
vrios domnios de investigao, no nosso caso concreto ambiente urbano. A fuso de dados de
SIG com imagem satlite de alta resoluo em ambiente urbano pode permitir a identificao de
objectos relevantes para o estudo com uma delineao espacial.
No geral a fuso usada para combinar dados de imagem de uma determinada rea geogrfica e
dados de interesse da mesma rea geogrfica, independentemente de tipo de dados imagens de
24
satlites, dados GPS, ou outras fontes de de informao geogrfica (informaes topogrficas,
zoneamento, etc), Claudia (et al.2008).
Por exemplo o processo de fuso de imagens satlites Landsat5TM combinando imagens da

mesma rea mais diferenciando a combinao de banda pancromtica de 15m com multiespectral
de 30m reala mais detalhes que serram teis na identificao e delineao dos objectos.
2.1.7 Classificao Supervisionada

Nesta classificao o utilizador comea por definir as assinaturas espectrais a serem usadas,
assim sendo cada categoria associada a um conjunto de pixis com assinatura espectral similar.
Esta classificao requer um conhecimento prvio da rea por parte do analista de modo a que
seja capaz de relacionar as diferentes reas da imagem satlite com as classes de cobertura que
deseja separar (IBGE, 2001). Para o desempenho da classificao supervisionada seleciona-se as
reas de treino que so conjuntos de pixis considerados mais representativos das classes de
interesse. As classes so portanto, definidas a priori e o processo de classificao visa a
enquadrar cada pixel a uma classe. (IBGE, 2001)
De acordo com (IBEG,2001) so vrios mtodos de classificao supervisionada:
2.1.8 Mtodo da Mnima Distncia
Este mtodo tem a particularidade de que um ponto no espao ser definido por uma mdia
estatstica em cada banda espectral, sendo que o algoritmo associa cada pixel desconhecido
classe cuja mdia est mais prxima, (IBGE, 2001).
2.1.9 Mtodo do Paraleleppedo
Segundo o (IBGE, 2001), no geral cada pixel escolhido em sequncia e os seus valores nas
diversas bandas so examinados de modo a se identificar quais caem dentro do paraleleppedo.
2.1.10 Mtodo da Mxima Verosimilhana
Este mtodo tambm abreviado por MAXVER leva em conta a mdia varincia e covarincia
entre duas variveis partindo da localizao, forma e tamanho da elipse;
25
a forma da elipse devida aos pontos representando os pixis de uma classe de interesse
podendo ser representada num grfico de disperso bidimensional , neste caso dentro de uma
elipse
(IBGE, 2001).
O MAXVER uma tcnica mais robusta do que o paraleleppedo e mnima distncia por levar
em conta a covarincia na definio das elipses de equiprobabilidade,
(IBGE, 2001).
2.1.11 Classificao no-Supervisionada
Esta classificao junta os pixis de acordo com a caracterstica espectral, sendo que os
parmetros mais utilizados para definir osclusters (classes espectrais) so a mdia e co-varincia
definidas pela proximidade espectral. Nesta classificao o analista definiu apenas alguns
parmetros tais como o nmero de classes desejadas e o nmero de interaces em detrimento da
classificao supervisionada o analista dever definir as classes que deseja separar (IBGE, 2009).
Tcnicas de classificao no-supervisionada:
Isodata- funciona atravs de iteraes, nas quais a imagem sucessivamente varrida e os

clusters vo sendo modificados dos parmetros estatsticos, agregao de novos pixels diviso
ou fuso de clusters,
(IBGE, 2001)
K-Means este mtodo calcula inicialmente as classes distribuindo em uma classe uniformemente
no espao e ento aglomera classe por classe em um processo interativo usando a tcnica de
distncia mnima este mtodo tem a particularidade de quanto melhor for agrupada as nuvens de
pixis melhor ser a classificao.
2.1.12 Classificao Supervisionada versus Classificao no-Supervisionada

H uma grande diferena entre a classificao supervisionada e no-supervisionada, a
classificao supervisionada bem-sucedida quando o analista detentor de um conhecimento
prvio da rea de estudo, estimando parmetros estatsticos das classes, ao contrrio da
26
classificao no-supervisionada que no requer a prior o conhecimento da rea de estudo pelo
analista.
Para (Rocha, 2002) classificao no-supervisionada possui certas vantagens: identifica todos
cluters espectrais sem necessariamente conhecer no resultado final quais deles so mais
representativos tematicamente conferindo-lhe uma vantagem em relao a classificao
supervisionada por no especificar atempadamente as classes e sua expresso espectral ,
(Rocha, 2002).
Os classificadores no-supervisionados tambm apresentam desvantagens:
Uma vez que tentam classificar todos pixis em classes homogneas, podem deixar escapar
detalhes especficos mas relevantes, o que no acontece nos mtodos supervisionados porque o
analista conhece as classes de interesse, por mais insignificante que elas sejam.
(Rocha, 2002)
Numa anlise geral (Rocha, 2002), diz que os operadores que operam a base de pixel enfrentam
problemas na elaborao de mapas de reas urbanas com preciso por compreenderem uma
grande variedade de usos com diversas respostas espectrais. Existem diversas classes espectrais
que em conjunto podem representar um uso e na mesma podem existir pixis que com uma
maior dimenso acabam englobando mais de que uma classe temtica, por essas contrariedades
todas (Rocha, 2002), diz que pressups-se enveredar por outras hipteses tais com: utilizao
de classificadores espaciais contextuais e a combinao, nos mtodos clssicos, de informao
espectral com informao auxiliar.
2.1.13 Diferenas de ndices de Vegetao

Desde 1972, quando foi lanado o primeiro satlite tem se verificado um esforo muito grande
de relacionar as variaes dos valores de radincia e os diferentes tipos de coberturas vegetais
(Nunes, 2003).
Estudos realizados mostram que as bandas do vermelho e do infravermelho prximo so as que

mais se adequam aos estudos sobre a vegetao. Ao subtrair os ndices de vegetao origina-se
27
valores negativos e positivos na rea onde ocorre as variaes e o valor zero nas reas
inalteradas. Banda 3 (0,630 0,690 um) Vermelho: Permite um bom contraste entre reas
ocupadas com vegetao e aquelas sem vegetao (ex. solo exposto, estradas e identificar rea
agrcola). A Banda 4 (0,769 0,900um) Infravermelha prximo: permite identificar culturas
agrcolas, serve para separar e mapear reas ocupadas. Portanto a diferena na resposta espectral
entre a banda 3 (que est mais relacionada com a composio qumica da folha=clorofila) e
banda 4 (determinada pela estrutura interna da folha), esta diferena nas duas bandas so
indicadores de presena e quantidade de vegetao = ndice de vegetao (Huete, 1995). Estas
bandas contm mais de 90% de informao relacionada com cobertura vegetal (Jackson e Huete,
1991). Segundo Baret (1986), este ndice auxiliam a interpretao das imagens satlites.
Segundo Santos (2003), um estudo com Ivs pressupe escolha da unidade de brilho, clculo do
ndice, sendo as unidades usadas no clculo de diversos ndices podem ser vrias: os Ivs podem
ser achados a partir de valores digitais (ND), radincias (L) reflectncia no topo-da-atmosfera
(ToA) / relevncias superfcie (Sup).
Segundo Sohl (1999) as diferenas detectadas sobre o NDVI foram possveis atravs de uma
comparao entre duas imagens onde foi possvel observar uma diferena univariada sobre a
banda 3, onde a seleco de um limiar de 2 desvios padro identificou correctamente novas reas
de agricultura e floresta.
2.1.14 Actualizao Cartogrfica

A actualizao cartogrfica consiste em representar todas diferenas que se observem no terreno.
A importncia da actualizao cartogrfica manter vigente as infirmaes nas matrias
cartogrficos originando uma representao correcta da cobertura e referenciada da informao
geogrfica.
A produo cartogrfica envolve vrias fases: desde a obteno dos dados (que pode ser por
digitao) at o processo propriamente de actualizao. O processo de digitao envolve a
representao em categorias de informao armazenadas por nveis aquando do processo de
digitao (hidrografia, planimetria, vias, altimtrica e vegetao).
Segundo o IBGE (1998), a actualizao cartogrfica precedida pela obteno de dados que
podem ser a partir de:
28
Fotografias reas
Obtidas a partir de aeronaves
Fotografias ou imagens orbitais
So obtidas a nvel de plataforma orbital
Fotografias terrestres
Estas fotografias so obtidas a partir de estaes no solo.
O processo de actualizao cartogrfica compreende vrias fases metodolgicas imprescindvel

para o sucesso de actualizao IBGE (1998), tais como:
Correco geomtrica e georeferenciamento.
Ajuste de contraste das imagens que compem uma carta e mosaicagem.
Recorte segundo o contorno da carta.
Actualizao dos elementos cartogrficos da carta digital com base na interpretao da

imagem resultante da etapa anterior, atravs de superposio com a carta.
2.1.15 Processamento de Imagens Satlites

Geoprocessamento representa uma rea que usa tcnicas matemticas e computacionais para
representar informao geogrfica, usando os SIGs como ferramentas de Geoprocessamento
para integrar dados de diversas fontes (Gomes& Aguiar, 2009). De uma forma geral
Geoprocessamento pode ser vista como uma forma ou conjunto de tcnicas que lidam com o
tratamento de informao espacial, estas tcnicas podem ser por: colecta de informao
(cartografia, deteco remota, fotogrametria, topografia, GPS ou dados alfanumricos);
armazenamento (banco de dados); tratamento e anlise (modelagem de dados, geoesttisca,
aritmtica, analise lgica, topolgica e de redes, reclassificao); uso integrado GIS, LIS,
AM/FM, CADD (Gomes & Aguiar, 2009). Para Gomes & Aguiar (2009), processamento de
dados um processo que inclui fases de gerao e visualizao de dados espaciais (produo de
29
mapas); armazenamento e recuperao de informao espacial (banco de dados); e combinao
de informaes espaciais (anlise espacial). As fases de gerao e visualizao so antecedidas
por um processo que culmina com a traduo dos dados do mundo real para o ambiente
computacional. Uma das abordagens teis segundo (Cmara etal.,) citando (Gomes e Velho,
1995), paradigma dos quatro universos que inclui quatro pontos principais: a incluso de
entidades da realidade a serem modeladas no sistema (universo do mundo real); o universo
matemtico, de representao e de implementao.
Numa definio mais abrangente Geoprocessamento pode ser vista como um processo
informatizado de dados georefenciados que usa softwares capazes de fazer a representao no
ambiente computacional produzindo mapas, cartas topogrficas e plantas.
2.1.16 Ps-classificao
Aps a classificao das imagens satlites faz-se a ps-classificao com objectivo:
Eliminar os pixis isolados (que so os erros da classificao), uniformizando assim os

temas filtragem (filtro Maioritrio usado para a limpeza de pixis que possivelmente
tenham sido classificados de forma errada, aparecendo como pequenos pontos dentro de
classes maiores).
E resoluo de dvidas a seguir classificao atravs da incluso da informao

auxiliar.
2.1.17 Interpretao da Matriz de Erros

A matriz de erro apresenta em sua diagonal principal os pontos selecionados para a validao
que foram corretamente classificados, os de mais apresentam os pontos classificados
incorretamente tomando como referncia verdade de campo. A verdade de campo pode ser
obtida por meio de visita ao campo, fotografias areas e imagens de alta resoluo. A
interpretao da matriz de erro segundo Quartaroli & Bastistella, (Quartaroli & Bastistella,
2006):
30
A acurcia do produtor para determinada classe - o resultado da diviso do nmero de pontos
classificados corretamente para essa classe pelo nmero total de pontos de referncia que
pertencem a essa mesma classe .Por outras palavras so os valores da diagonal de uma tabela de
matriz de erro dividido pelo seu total.
A acurcia do usurio para determinada classe o resultado da diviso do nmero de pontos

classificados corretamente para essa classe pelo nmero total de pontos que foram classificados
para essa mesma classe.
A acurcia global a soma dos pontos classificados correctamente (soma dos elementos da
diagonal principal da matriz) dividido pelo total de pontos. Usados no processo de avaliao da
acurcia.
A acurcia do usurio indica a probabilidade de um pixel classificado dentro de uma

determinada classe realmente pertencer a aquela classe no campo.
A acurcia do produtor indica a frao dos pixels de referncia de determinada classe que
foram classificados corretamente.
2.1.18 Deteco de Mudanas

Viegas et al. (2013) define deteco de mudanas como sendo as alteraes registadas durante
um perodo de tempo nos padres caractersticos de determinados alvos nas imagens num certo
intervalo de tempo. Para a deteco de mudana Viegas et al. (2013) na sua obra: Deteco de
mudanas na cobertura do solo na rea de influncia da cidade de pinheiro (Maranho-Brazil),
com o uso de sensores orbitais e SIGs , fez-se a deteco de mudanas usando anlise
exploratria no software eCognition, onde foi possvel observar alteraes nos anos em estudo
(rea de expanso urbana e o comportamento da rede hidrolgica local).
Segundo (Franca et al, 2007) no seu estudo: Deteco de mudanas do uso e cobertura da terra
em So Jos dos Campos-SP e vizinhanas e avaliao dos seus impactos, teve como objectivo
detectar as mudanas e evoluo de uso e cobertura de terra e analisar as implicncias climticas
ocorridas em So Jos dos campos. A deteco de mudanas foi feita atravs da aplicao de
ps-classificao (anlise comparativa de duas imagens produzidas independentemente) das
31
imagens classificadas e auxiliadas por um modelo climtico. Neste estudo no s foi usado
anlise comparativa mais tambm foram usados mtodos de degradao da imagem.
Nunes (2002), faz uma abordagem dos vrios mtodos de deteco de alteraes de acordo com
diversos autores:
Mas (1999), agrupa os mtodos de deteco de alteraes em trs (3) categorias (grupos)
melhoramentos de imagem, classificao multidata e comparao de duas classificaes
independentes.
Segundo Nunes (2007), cita Lu et al., (2004) como tendo numa abordagem diferenciadas de
tcnicas de deteco de alteraes de ocupao do solo feita por diversos autores, dentro quais
importa mencionar quatro (4):
lgebra - uma tcnica com uma caracterstica comum de definio de um limiar para
definio de alteraes (vantagem), e uma desvantagem (excepto para a tcnica de
anlise de vectores de alteraes) que a ausncia de uma matriz de alterao de-para.
Transformaes - esto nesta categoria trs (3) tcnicas a saber: anlise de componentes
principais (ACP); Tasselled cap (KT), Gramm-Schmith (GS) e Qui-quadrado. A
vantagem desta categoria que a eliminao da correlao entre bandas espectrais (h
aumento da descriminao entre as reas que verificaram alteraes e reas em que no
verificaram alteraes), por um lado tem a desvantagem a definio de um limiar para
detectar as alteraes, e a dificuldade de interpretao da informao existente bandas
espectrais quando transformadas num espao dimensional- Nunes, (2007).
Classificao este mtodo inclui a ps-classificao, analise combinada espcio-
temporal, algoritmo de mxima verosimilhana, deteco de alteraes usando
classificao no assistida, deteco de alteraes hbridas e redes neuronais. Segundo
Nunes, (2007) estes mtodos baseia-se na classificao de imagens, a qualidade e
quantidade de amostras influenciam na exactido temtica, tem como vantagem - a
obteno de matriz de alterao, a reduo da atmosfera nos resultados e das diferenas
ambientais entre imagens, (Nunes, 2007).
32
Sistemas de Informao Geogrfica (SIG) - este mtodo possibilita a integrao de
informao de exactides diferentes e de diferentes formatos dai que a sua aplicao
requer uma seleco criteriosa e cuidadosa.
De entre as quatro categorias de deteco de alteraes importa aqui salientar a escolha das
categorias: classificao e Sistemas de Informao Geogrfica pois sero usadas estas tcnicas
no mbito do presente estudo. Portanto a ps-classificao e algoritmo de mxima
verossimilhana (categoria de classificao) e para a validao a categoria de Sistemas de
Informao Geogrfica. Os trs processos podem ser aplicados num nico estudo de deteco de
alteraes para o alcance dos resultados finais (isto desde o processo de classificao, ps-
classificao e validao). Quando se aplica a categoria de classificao espera-se obter um
produto que a descriminao das classes escolhidas para o estudo, enquanto a ps-classificao
procura manipular os valores obtidos durante a classificao que depois (serram) sero validados
num SIGs.
2.1.19 Avaliao da Acurcia da Classificao

Aps a classificao das imagens necessrio para avaliar a confiabilidade dos resultados
obtidos. Esta fiabilidade pode ser avaliada atravs de uma anlise qualitativa e quantitativa.
A anlise qualitativa, aps se realizar a classificao da imagem compara-se a imagem

classificada com a imagem original de modo a analisar o grau de concordncia visual, isto se
correspondem a realidade.
A anlise quantitativa geralmente realizada as imagens aps a classificao digital e escolhe-se

as imagens classificadas que apresentam melhor resultado, assim sendo aplica-se mtodos
matemticos para determinar a acurcia da classificao e a qualidade das informaes. Para
(Cerqueira e Alves, 2010) a anlise qualitativa baseia-se no clculo da:
matriz de confuso e ;
do coeficiente de concordncia Kappa.
33
Estes dois mtodos servem para avaliar a qualidade do mapa temtico. Para avaliao da
acracia apropriada recomenda-se pelo menos 250 pontos (Erdas,1999), extrados das assinaturas
simplesmente usadas para o treino que depois so confrontadas com os pontos gerados pelo
mapa da classificao e imagem classificada resultando a acracia geral1(o relatrio da acurcia
com o numero de pontos de referncia selecionados(refencetotals) classificados (classifiedtotals)
e classificados correctamente (numbercorrect) para cada classe, alm das acurcias do produtor
(producersaccuracy) e do usurio ( usersaccuracy) para cada classe e da acurcia geral
(overallclassificationaccuracy)
2.1.20 Interpretao da Matriz de Erros

A matriz de erro apresenta em sua diagonal principal os pontos selecionados para a validao
que foram correctamente classificados, os de mais apresentam os pontos classificados
incorrectamente tomando como referncia verdade de campo. A verdade de campo pode ser
obtida por meio de visita ao campo, fotografias areas e imagens de alta resouluo. A
interpretao da matriz de erro segundo Quartaroli&Bastistella, (Quartaroli&Bastistella, 2006):
A acurcia do produtor para determinada classe - o resultado da diviso do nmero de pontos

classificados correctamente para essa classe pelo nmero total de pontos de referncia que
pertencem a essa mesma classe .Por outras palavras so os valores da diagonal de uma tabela de
matriz de erro dividido pelo seu total.
A acurcia do usurio para determinada classe o resultado da diviso do nmero de pontos

classificados correctamente para essa classe pelo nmero total de pontos que foram
classificados para essa mesma classe.
A acurcia global a soma dos pontos classificados correctamente (soma dos elementos da
diagonal principal da matriz) dividido pelo total de pontos. Usados no processo de avaliao da
acurcia.
A acurcia do usurio indica a probabilidade de um pixel classificado dentro de uma

determinada classe realmente pertencer a aquela classe no campo.
A acurcia do produtor indica a frao dos pixels de referncia de determinada classe que
foram classificados correctamente.
34
2.1.21 Clculo e interpretao da Estatstica Kappa
O coeficiente Kappa ou ndice kappa indica a mnima proporo de erro resultante do processo
de classificao. A estatstica kappa vria de 0 a 1. Uma classificao igual a 0 sugere que a
classificao no melhor de que uma classificao aleatria dos pixis enquanto o valor um
indica uma classificao eficiente.
2.2 Literatura Emprica

A produo cartogrfica de mapa de ocupao do solo sobretudo uma forma muito til para
representatividade das formas actuais de uso e cobertura do solo, sendo assim so vrias
abordagens ligadas a este processo. A produo com recurso a imagem satlite tem vindo a ser
mais usada em relao a fotografia area que apesar de ter maior detalhe, pecando em termos de
preo de aquisio, do espao de abrangncia e da dimenso da rea captada dai a escolha da
imagem de satlite em detrimento da fotografia area.
Os mtodos usados para alcanar os objectivos so diferentes de autor para autor, das diversas
bibliografias consultadas tendo em conta o uso de imagens satlites landsatTM, todas
apresentaram resultados satisfatrios apesar da diferena de:
rea de estudo;
Pr-processamento;
Classificao digital;
Deteco de alteraes;
Validao dos dados;
Resultados alcanados.
Sendo assim optou-se por representar separadamente as diferentes metodologias usadas por
diversos autores de modo a elucidar melhor as diferenas, mas tendo em comum o uso de
imagens do Satlite Landsat5TM para a produo cartogrfica:
35
Santo (2003) fez actualizao da cartografia temtica com imagens de satlite usando imagens
satlites Landsat5TM, para tal a deteo de alteraes com recurso a diferena de ndices de
vegetao, limiar de alterao com 1 desvio padro;
Nunes (2002), fez a deteo de alteraes no conselho de Viseu usando aplicao:
MapUp foi possvel actualizar a Carta de Ocupao do Solo de 1990, generalizada para
uma nova carta de ocupao do solo para 1991.
A aplicao RasterGen mostrou ser um sucesso para generalizao do mapa de ocupao
do solo Deteco de alteraes, com base em ndices de vegetao
Com aplicao MapUp foi possvel actualizar a Carta de Ocupao do Solo de 1990,
generalizada para uma nova carta de ocupao do solo para 1991. A aplicao RasterGen
mostrou ser um sucesso para generalizao do mapa de ocupao do solo
Freire (et al, 2001), fez classificao assistida de imagens satlites ao nvel do pixel no
incluindo a generalizao. Assim sendo, reuniu classes identificadas separadamente em cada
uma das datas e depois as mesmas classes foram integradas no mapa final. Esta metodologia
mostrou vantagens relativamente abordagem mais tradicional de utilizao de imagens de
apenas uma data e sem utilizao de informao auxiliar
Chaves (2004), fez o estudo da regio do Ribeiro Jequitib (Brasil). O mtodo de Maxver foi
tido como o mais adequado do que o de Battacharya para a classificao da vegetao e uso do
solo na rea de estudo. Estimativa de erro usou-se ndice Kappa. Trabalho foi de grande valia
para subsidiar a anlise do conhecimento dos recursos ambientais e aptides econmicas da
regio, podendo-se dele extrair vrias informaes;
Painho (et al, 2000), usando a intepretao visual de imagem satlite na regio de Portugal
continental com UMA de 25ha.Teve como resultado do ndice global de exactido temtica da
cartografia CLC2000 de Portugal, no 3 nvel da nomenclatura CLC, de 82.84%, com um
intervalo de confiana de 80.47 a 85.20. O perodo em anlise houve uma expanso dos
36
Territrios artificializados e da Floresta e meios semi-naturais e uma retraco da superfcie
agrcola;
Lopes (2003) fez o estudo usando imagem Landsat5TMMunicpio da Tailndia, Brasil. Assim
sendo foi possvel utilizao de tcnicas de geoprocessamento e sensoriamento remoto para
monitorar o territrio e gerir o meio ambiente, possibilitando melhor utilizao dos recursos
naturais;
Foi feita a classificao utilizando o algoritmo de agrupamento ISODATA integrando tcnicas

de geoprocessamento e sensoriamento remoto para monitorar o territrio e gerir o meio
ambiente, possibilitando melhor utilizao dos recursos naturais;
Silva (2006) na sua rea de estudo (Ribeiro das Neves, Brasil), usando imagens landsatTM usou
Aplicativo Monitoria SAGA: com objectivo de fazer comparao de dois mapas, de anos
diferentes, um mapa resultante, onde possvel identificar o quanto havia de rea urbana em um
determinado ano e o quanto aumentou no ano mais recente.
O segundo processo foi analisar aa quantidade de pixis para cada uma das categorias do mapa
resultante da comparao. Foi possvel com estas imagens Landsat5TM, alcanar os objectivos
pressupostos;
Oliveira (2012) usou imagens do satlite Landsat5 para fazer o estudo na Bacia hidrogrfica do
Ribeiro Pira. O mtodo usado foi classificao supervisionada (ISODATA e mxima
verossimilhana) Calculou-se o ndice de Concordncia Kappa que resultou em uma preciso
global de 99,39%, com coeficiente Kappa igual a 0,9998. Como resultado achou-se a
predominncia de florestas e conclui-se a partir dessas anlises que a Bacia do Ribeiro Pira
encontra-se bastante alterada;
Caetano&Painho (2006), fizeram o estudo de na regio de Portugal continental usando imagens

landsatTM, para tal o mtodo escolhido foi anlise visual como resultado foi a identificao de
44 classes temticas;
Arago (2001), usou imagens Landsat5 TM para fazer o estudo da Baixa do rio Capim, PA. Para
tal o mtodo usado foi: o georeferenciamento da imagem no Spring3.4, classificao
supervisionada e no supervisionada. A validao dos dados fez-se a Classificao
37
supervisionada (Maxver), com matriz de confuso. A classificao no supervisionada
apresentou grande confuso entre as classes no estudo. A classificao supervisionada deu
resultados com maior acurcia quando contrastada com classificao no-supervisionada.
Figueredo&Carvalho (2007) fez o estudo em Capixaba (Acre,Brasil), usando imagens

LandsatTM. Para tal a classificao feita foi a classificao multiespectral, com vrios
classificadores: mxima verosimilhana, isodata e rvore de deciso. A avaliao de qualidade
usou-se o ndice de concordncia Kappa
Entre os mtodos testados, a classificao por mxima verosimilhana foi superior s

demais tcnicas de classificao;
A deciso sobre qual tcnica de classificao representa melhor o mapeamento depende da

importncia relativa da categoria de uso e ocupao do solo que se deseja mapear, de acordo com
os objectivos do trabalho a ser realizado.
Das bibliografias lidas destacar a necessidade o tipo avaliao da qualidade dos resultados, neste
caso o mtodo mais eficaz salientado mais vezes foi a matriz de erro (MAXVER) e o clculo de
diversos ndices de preciso (ex: ndice K). Apenas uma bibliografia faz meno ao uso de
aplicativos especficos para anlise, mas outra apresenta aplicativos desenhados para
classificao e analise neste caso RasterGen e MapGen. Para Santos, (2003) no existe um
procedimento nico ou standard para detectar alteraes na ocupao do solo a partir de imagens
de satlite.
A seguir est representado uma breve comparao de algumas metodologias usadas na

actualizao cartogrfica e deteo de mudanas, estas comparaes baseiaram-se
principalmente no tipo de imagem satlite ( a mesma para todas obras), classificao usada e o
mtodo de classificao/deteo de mudanas:
Ttulo Actualizao de cartografia temtica com

imagens de satlite
38
Obra Teresa Santos
Imagem do Satlite Landsat5TM
Pr-processamento Correo geomtrica das duas imagens

Landsat5 TM. Mtodos do vizinho mais
prximo Os resultados da correo geomtrica
so avaliados pelo valor do erro mdio
quadrtico RMSE (RootMeanSquareError).
Todas as imagens apresentaram valores
inferiores a 0.5 pixel, o que garante uma boa
correo geomtrica.
Correo radiomtrica
rea de estudo Conselho de Viseu Portugal
Deteco de alteraes Com recurso a diferena de ndices de

vegetao, limiar de alterao com 1 desvio
padro
Classificao digital Classificador no assistido
Foi testada com base a carta de 1995.

Apresenta 32 classes temticas, 15 ha de
Validao dos dados, Resultados
unidade mnima e 88% de preciso global
Titulo Produo e actualizao automtica de

cartografia de ocupao do solo imagens de
satlite
Obra Antnio Carlos Moreira Nunes
Imagem do Satlite Landsat5 TM
39
Pr-processamento MapUp e o RasterGen.
rea de estudo Concelho de Viseu.
Deteo de alteraes Deteco de alteraes, com base em ndices

de vegetao
Classificao digital A ferramenta MapUp permite actualizar a

cartografia de ocupao do solo de forma
automtica
O RasterGen tem como objectivo a

generalizao temtica de mapas de ocupao
do solo
Validao dos dados e Resultados Com aplicao MapUp foi possvel actualizar
a Carta de Ocupao do Solo de 1990,
generalizada para uma nova carta de ocupao
do solo para 1991.
A aplicao RasterGen mostrou ser um

sucesso para generalizao do mapa de
ocupao do solo
Titulo Cartografia da ocupao do solo com uma

seriemulti-temporal intra-anual de imagens
satlite e informao auxiliar
Obra Freire (etal, 2001)
Pr-processamento
40
rea de estudo Pennsula de Setbal
Classificao digital Classificao no assistida
Validao dos dados, Resultados Nvel do pixel, sem generalizao e, rene

classes identificadas separadamente em cada
uma das datas e integradas no mapa final
Concluso Esta metodologia mostrou vantagens

relativamente abordagem mais tradicional de
utilizao de imagens de apenas uma data e
sem utilizao de informao auxiliar
Titulo Mapeamento da vegetao e uso do solo da

bacia hidrogrfica do ribeiro Jequitib
Obra Rafael M. Chaves
Pr-processamento
rea de estudo Ribeiro Jequitib, Brasil
Metodologia Classificao No-Supervisionada, Contraste

de Imagem, Segmentao, aplicao dos
classificadores (Battacharya e Maxver) e
lgebra de Mapas
Validao dos dados, Resultados O mtodo de Maxver como o mais adequado

do que o de Battacharya para a classificao da
vegetao e uso do solo na rea de estudo.
Estimativa de erro usou-se ndice Kappa
41
Concluso Trabalho foi de grande valia para subsidiar a
anlise do conhecimento dos recursos
ambientais e aptides econmicas da regio,
podendo-se dele extrair varias informaes
Titulo Cartografia de ocupao do solo Portugal

continental 1985-2000CORINE Land Cover
2000
Obra Marco Painho e Mrio Caetano
Imagem do Satlite Landsat5TM e MSS, Landsat7EMT+
Pr-processamento Correo geomtrica
rea de estudo Portugal continental
Metodologia Interpretao visual e digitalizao sobre as

imagens de satlite. rea mnima cartogrfica
25 ha.
Validao dos dados, Resultados O ndice global de exatido temtica da

cartografia CLC2000 de Portugal, no 3 nvel
da nomenclatura CLC, de 82.84%, com um
intervalo de confiana de 80.47 a 85.20.
Concluso Perodo em anlise houve uma expanso dos

Territrios artificializados e da Floresta e
meios semi-naturais e uma retrao da
superfcie agrcola.
42
Ttulo Uso e cobertura do solo no municpio de
Tailandia-pa utilizando o Landsat5TM e
tcnica de classificao no-supervisionada
Obra Lus Henrique Moreira Lopes
Pr-processamento
rea de estudo Municpio da Tailndia, Brasil
Metodologia Classificao foi feita de forma no

supervisionada utilizando o algoritmo de
agrupamento ISODATA.
Concluso Possvel utilizao as tcnicas de

geoprocessamento e sensoriamento remoto
para monitorar o territrio e gerir o meio
ambiente, possibilitando melhor utilizao dos
recursos naturais.
Ttulo Monitoramento da Expanso Urbana no

Municpio de Ribeiro das Neves - MG,
atravs do Processamento Digital de Imagens
Obra George Caetano da Silva
Pr-processamento O processamento das imagens foi feito no

software Spring e analises das mesmas no
43
SAGA
rea de estudo Ribeiro das Neves, Brasil
Metodologia Registo, contraste da imagem, segmentao e

classificao

Aplicativo Monitoria SAGA (com objectivo
de fazer comparao de dois mapas, de anos
diferentes, um mapa resultante, onde
possvel identificar o quanto havia de rea
urbana em um determinado ano e o quanto
aumentou no ano mais recente)
O segundo processo foi analisar aa quantidade

de pixis para cada uma das categorias do
mapa resultante da comparao.
Concluso Foi possvel com estas imagens Landsat5TM,

alcanar os objetivos pressupostos.
Ttulo SIG na delimitao de reas de preservao

permanente e no mapeamento do uso e
ocupao do solo na Bacia do Ribeiro Pira -
SP.
Obra Vanessa Amadi Barros Rauen
Imagem do Satlite Imagens do satlite Landsat5
Pr-processamento
44
rea de estudo Bacia hidrogrfica do Ribeiro Pira,
Metodologia
Classificao supervisionada de imagens do
satlite Landsat5 TM (mtodos ISODATA e
mxima verossimilhana)
Validao dos dados, Resultados Calculou-se o ndice de Concordncia Kappa

que resultou em uma preciso global de
99,39%, com coeficiente Kappa igual a
0,9998.
Predominncia de floresta
Concluso A partir dessas anlises pode-se concluir que a

Bacia do Ribeiro Pira encontra-se bastante
alterada.
Ttulo Corine land cover
Obra Mrio Caetano & Marcos O. P. Trindade
Pr-processamento
rea de estudo Portugal continental
Metodologia Anlise visual
Validao dos dados, Resultados 44 Classes temticas
45
Concluso
Ttulo Utilizao de tcnicas de classificao digital

de imagens Landsat5 TM Na identificao de
reas florestais afetadas pela extrao seletiva
de madeira: parte baixa do rio Capim, PA
Obra
(Arago, et al.2001)
Pr-processamento Processamento no Spring 3.4
rea de estudo Baixa do rio Capim, PA
Metodologia Georeferenciamento da imagem no Spring3.4,

classificao supervisionada e no
supervisionada
Validao dos dados, Resultados A validao dos dados usou-se a Classificao

supervisionada (Maxver), com matriz de
confuso,
A classificao no supervisionada apresentou

grande confuso entre as classes no estudo.
Concluso A classificao supervisionada deu resultados

com maior acurcia quando contrastada com
classificao no-supervisionada
Ttulo Anlise comparativa entre tcnicas de

classificao digital em imagens Landsat5 TM
46
no mapeamento do uso e ocupao do solo em
Capixaba, Acre
Obra Figueiredo&Carvalho (2007)
rea de estudo Capixaba, Acre
Pr-processamento Correo geomtrica e radiomtrica:
Metodologia Classificao multiespectral, com vrios

classificadores: mxima verosimilhana,
isodata e rvore de deciso.
Validao dos dados, Resultados ndice de concordncia Kappa
Concluso Entre os mtodos testados, a

classificao por mxima
verosimilhana foi superior s demais
tcnicas de classificao;
A deciso sobre qual tcnica de

classificao representa melhor o
mapeamento depende da importncia
relativa da categoria de uso e ocupao
do solo que se deseja mapear, de
acordo com os objetivos do trabalho a
ser realizado.
2.3 Literatura Focalizada

As imagens satlites tm sido usadas para diversos estudos de cobertura do solo quer por
satlites (no geral), em Moambique em particular e em frica no geral no foge a regra. Em
Moambique poucos estudos tm sido divulgados nesta rea de deteo de alteraes.
47
2.3.1 Em frica
A questo de deteco de mudanas vem sido alvo de estudo podendo estar associado a diversos
factores de diversas ndoles quer naturais como humanos. Factores humanos, o aumento da
populao urbana podem causar uma grande transformao na cobertura do solo:These
transrmations are often characterised by diverse biophysical and socio-economic processes
related to the conversion of nonurban to urban lands and the resultant landscape
heterogeneity- (John, et al:2011)
John (John, e tal:2011) na sua obra:Remote sensing land-cover change in Port Elizabeth during
South Africas democratic transition, este estudo aborda o uso de imagens satlites
(Landsat5TM) para monitorar ou s e cobertura de solo na cidade de Port Elizabeth entre 1990-
2000, usando o algoritmo de ISODATAe tcnicas de deteco de mudanas (auxiliadas pela ps-
classificao e mtodo fuzzy). Para o processo de ps-classificao usou-se fotografias areas e
visitas ao campo como informao auxiliar. A concluso deste estudo realou as vantagens da
deteco remota na deteco das mudanas em reas urbanas e a ajuda que pode dar no processo
de tomada de deciso.
Helmschrot &Flgel (2000), usando imagens Landsat TM de 1995 e 1999 fizeram o estudo da
caracterizao do uso do solo e deteco de mudanas para analisar parmetros dos modelos
hidrolgicos (Land use characterization and change detection analysis for hydrological model
parameterisation of large scale afforested areas using remote sensing), em Umzimvubu, frica
do sul. O mtodo usado para este estudo usado foi a classificacao supervisionada (Maximum-
Likelihood), para a determinao da ndice da rea foliar (Leaf Area Indices) usou-se oNDVI
(Normalized Difference Vegetation Index) e a classificao no supervisionada atravs do
algoritmo de ISODATA. Posteriormente usou-se tcnicas combinatrias de ps-classificao
para combinar os resultados da classificao supervisionada e no supervisionada.
Estes dois estudos tm em comum o uso do algoritmo de isoadata na classificao. Jain (2011)
fez o estudo de deteco de mudanas de uso solo usando imagens multi-temporais LandsatTM
(1998,2000 e 2010) no parque nacional de Nairobi, em Kenia (Land Use Change Detection using
Multi-temporal Landsat-TM Imagery in Nairobi national park, Kenya). O mtodo de
classificao usado para este estudo foi classificao no supervisionada (RGB NDVI) e, a ps
classificao usou-se o vizinho mais prximo (3x3), assumiu-se que o pixel ao centro3x3 foi
48
classificado como majority class (portanto a deteco de alteraes foi feita ao nvel do pixel).
Como resultado final foi possvel observar reas que registaram alteraes.
Oliveira (2012) fez anlise temporal de imagens satlites entre 1991 a 2011 para a previso
(usando o modelo espacial de simulao). Este modelo envolvia a estimativa da quantidade de
mudanas atravs de cadeia de Markov e o calculo da influencia dos determinastes. Neste estudo
o modelo apresentou um ptimo desempenho na projeco da quantidade de mudanas
apresentou por um lado algumas desvantagens (Oliveira, 2012).
2.3.2 Em Moambique
Lus (2010), fez o estudo no distrito de Dondo usando imagens LandsatTM e classificao
supervisionada e o mtodo de Markov para projectar as mudanas de uso e cobertura do solo at
2015, obteve um resultado semelhante nas classificaes que foi diminuio de reas tais como
de mangal e expanso de reas de construes.
Nhongo, (2013) fez mapeamento e monitoramento da cobertura florestal da sub-bacia do Revu,

com base em imagens satlites Landsat5 sensor TM e Landsat 7 sensor ETM+, usando imagens
satlites Landsat5TM e Landsat7ETM+ entre os anos de 1995 a 2011 na sub-bacia do Revu,
para tal usou classificao supervisionada usando o algoritmo de mxima-verossimilhana. A
deteco de mudanas foi feita usando anlise de Ps-classificao (AP-C), como resultado foi
possvel identificar reas com variao de uso e cobertura da terra.
2.3.3 Estgio da Cartografia de Ocupao do Solo em Moambique

A CENACARTA (Centro Nacional de Cartografia e Teledetao) instituio que fornece dados
tais como imagens satlites, fotografias areas, cartas topogrficas (de entre outros produtos)
para diversos estudos em Moambique iniciou com suas actividades na dcada de 70 ou melhor
nos finais da dcada 70 usando a deteo remota para estudo de recursos terrestres mais tarde
tambm para elaborao e actualizao de diversos mapas temticos podendo ser usados para
fins de planeamento territorial e Urbanismo (Ferro, 2007:5). Segundo Ferro (2007;10), so
49
atribuies da CENACARTA, datadas de 27 de Dezembro e 17 Novembro (Decreto 38/90,de 27
de Dezembro e decreto n0 48/2004, de 17 de Novembro) a planificao, coordenao e execuo
das actividades geocartogrficas e de Teledeteo em todo territrio nacional.
Quanto ao banco de dados do CENACARTA foram produzidos com auxlio de levantamentos

areo-fotogramtrico (fotografia areas), imagens satlites, cartas topogrficas (produzidos por
meios analgicos) e levantamentos no terreno originando uma diversidade de informaes
digitais e analgicas. At 2010 o banco de dados da CENACARTA encontrava-se desatualizado,
portanto, a ltima vez que as cartas foram actualizadas foi em 1996 mesmo assim carecendo de
metodologias de actualizao cartogrfica Dias (2010;16), citando (Santos, 2003).
De um modo geral os dados foram processados nos seguintes software: ArcGIS (ArcMap 10),
Erdas Imagine9.1 obedecendo vrias etapas: primeiro pela obteno da imagem do distrito de
Boane; segundo interpretao da imagem j delimitada; terceiro elaborao dos mapas das duas
pocas (intervalos de 13 anos); quarto comparao das imagens e, quinto anlises das possveis
alteraes e determinao das causas.
Estas etapas foram complementadas por uma consulta bibliogrfica a temas relacionados com
ocupao do solo, interpretao de imagens satlites, deteco remota, de modo a servirem de
base terica para o presente trabalho.
Ao nvel mundial vrios so os programas de cartografia de ocupao do solo que podem

contribuir para anlises de ocupao do solo com base em imagens de satlite (Santos, 2003):
Pas Programa Objectivo
Estados Unidos da Amrica Programa California Land Produz um mapa de

Cover Mapping and ocupao florestal por
Monitoring Program classificao no assistida de
(CLCMMP). imagens Landsat 5 TM.
Produo de mapa de
ocupao do solo com
imagens Landsat TM de
50
1993-1995.
A frica do Sul, a Suazilndia Cartografia de ocupao do O mapa est disponvel em

e o Lesoto solo, obtida com imagens formato vectorial, com 25 ha
Landsat 5 TM de 1994 e de UM, e uma legenda de 31
1995. O Na produo classes (Thompson, 1999)
cartogrfica
Europa, pases membros da Standard de dados de A carta CLC, com UM de 25

Unio Europeia ocupao do solo de acordo ha, retrata com elevado
com as especificaes do detalhe temtico a
projecto distribuio de 44 classes de
ocupao do solo no final da
CORINE Land Cover (CLC).
dcada de oitenta (CEC,
1994).
Tabela 4: Programas de cartografia de ocupao do solo
51
3.METODOLOGIA
Neste captulo esto apresentados os dados necessrios ou utilizados para o estudo incluindo os
passos metodolgicos para a anlise de ocupao do solo partindo de imagem de satlite
landsat5TM (descrevendo-se os passos metodolgicos necessrios para a classificao e anlise
de alteraes).
3.1 Dados Usados

No mbito desta pesquisa ser feita anlise da ocupao do solo do distrito de Boane com base
numa imagem do satlite Landsat-TM com uma resoluo de cerca de 28,5 m disponibilizadas
pelo site da Glovis (www.glovis.com). Para tal foram utilizadas imagens do satlite Landsat5
Tematic Maper (TM), dos anos de 1991 e 2013 correspondentes a rea do distrito de Boane com
os seguintes path and row: path167 & row 078. As imagens foram obtidas no site da
Golvis (www.Glovis.com) no dia 02.04.2012 as principais caractersticas da imagem
landsat5TM (e outros dados) esto listadas abaixo:
Imagem/Dados FORMATO Ano RESOULUO/ESCALA FONTE

usados
Landsat image Raster 1991 30M GLOVIS
(www.glovis.com)
Landsat image Raster 2013 30 M GLOVIS
(www.glovis.com)
Limite do Vector 1999 1:250 000 CENACATA

distrito de
Baone
52
Mapa de uso e Vector 1999 1:250 000 CENACATA
cobertura de
terra
Pontos no GPX 2013 Oslavo de

terreno Albuquerque
Carta Vectorial 1999 1:250000 CENACARTA

topogrfica do
(folhas 99/102
distrito
Modelo digital Raster 2000 1:1000000 UCM

de elevao
Tabela 5: Dados usados
3.1.1 Classificao da Imagem

Os materiais usados contriburam para anlise das imagens de satlite e integrao de dados
auxiliares no processo de classificao. Assim sendo as imagens foram classificadas no
computador com o software ArcMap10 e Erdas Imagine9.1; para realizao da classificao
semi-automtica, elaborao de mapas, anlises das imagens no Erdas Imagine9.1 e o Google
earth como auxiliar na digitalizao das classes temticas.
53
3.1.2 Escala de Trabalho.
O tipo de composio colorida que mais se utiliza o RGB que pode ser de dois tipos:
composio de cores verdadeiras e composio de cores falsas. Para este presente trabalho ser
usado composio falsa cor do ERDAS IMAGINE 9 R5-G4-B3.
3.1.3 Seleco da Imagem

De acordo com algumas bibliografias lidas as imagens do satlite landsat5TM so usadas para
estudos de uso e ocupao do solo (aliada maior capacidade de discriminatria espectral em
relao a resoluo espectral, IBGE (2001). Outra vantagem o seu preo em relao a outras
imagens tais como a fotografia rea, outros satlites de alta resoluo (tais como SPOT5,etc).
Segundo IBGE (2001) para um determinado projecto existem dois parmetros decisivos para a
escolha do satlite a usar: resoluo espacial e resoluo espectral. A resoluo espacial esta
relacionada com a escala de trabalho enquanto a resoluo espectral com relacionada com a
capacidade de discriminao dos alvos espectralmente semelhantes IBGE (2001). Para IBGE
(2001), o conhecimento da assinatura espectral auxilia na escolha da melhor combinao de
canais para a descriminao dos alvos, com isto quanto maior as opes em termos de canais
(resoluo espectral) maior ser a capacidade do sensor em discriminar. Para IBGE (2001):
o analista ter que escolher entre a maior capacidade de discriminatria espectral em relao
a resoluo espectral do Landsat/TM com maior resoluo espacial do SPOT, para, em funo
da escala e objectivos do projecto faz-se a melhor seleco das imagens.
Sendo assim para o presente estudo escolheu-se a imagem do satlite Landsat5TM, para melhor
discriminao dos alvos terrestres.
3.1.4 Composio das Bandas Espectrais

O primeiro passo para o processamento digital foi na composio de bandas RGB, para tal
muitos estudos como o caso de (Santana et, al. 2009) a composio das bandas foi utilizada as
bandas: B1, B2, B3, B4, B5 e B7. O processo de anlises das imagens para o mapeamento de
cobertura vegetal usou bandas R(4), G(5) e B(3). A escolha destas bandas tornam-se mais viveis
porque refletem melhor os detalhes da rea em estudo, como o caso da Banda 3
(infravermelho) e 4 (infravermelho prximo) que melhor reflectem a presena de gua e
vegetao.
54
3.1.5 Pr-processamento dos Dados
3.1.6 Realce de Contraste

A seguir a composio das bandas espectrais fez-se a manipulao de contraste com o objectivo
de aumentar a discriminao entre os objectos presentes na imagem satlite. De entre as vrias
ferramentas de realces escolheu-se o contraste Gaussiano, por melhor contraste visual
apresentar. Esta ferramenta aplica um contraste Gaussiano ou normalizao de contraste, com
valores mdios de 127 e 3 desvios padro. Os outros mtodos so:
Realce linear que usa valor mximo e o valor mnimo para aplicar um aumento linear de
contraste;
Linear 2% que corta 2% dos valores extremos no histograma imagem para aplicar o
aumento de contraste linear;
Equalizao aplica um realce de Igualizao no histograma da imagem;
Raiz quadrada tira raiz quadrada do histograma de entrada e aplica um realce linear neste.
Aps a aplicao do contraste foi possvel diferenciar as imagens, de modo a poder interpretar
visualmente os diversos padres apresentados pela imagem.
3.1.7 Interpretao Visual de Imagens Satlites

A interpretao visual de imagens pode ser entendida como sendo a forma pela qual usamos para
identificar qualquer objecto usando a nossa viso, para tal alguns elementos facilitam a
caracterizao tais como padro, tonalidade e cor, forma, tamanho, textura e sombra. Numa
imagem satlite podemos a prior identificar certas classes que esto mais representadas (forma e
tamanho) em certas reas ou ocupam uma maior poro de terreno, mas tambm algumas classes
mostram um ganho contrariando o decrscimo de certas classes assim sendo:
i. A imagem de 1991 para a classe floresta mais representativa do que em 2009, mostrando
assim um decrscimo;
ii. A classe rea habitada registou um crescimento acentuado em 2013;
iii. A classe rea cultivada tambm verificou um crescimento e;
55
iv. A classe vegetao herbcea registou um decrescimento.
A diminuio de certas classes como Floresta e vegetao herbcea deveu-se a procura de

combustvel lenhoso pelas populaes locais, procura de reas para prtica de agricultura e
habitao. Em relao a rea habitada h um crescimento notrio desta classe comparando as
duas imagens, esta classe no corresponde somente a habitao mas tambm a industria e infra-
estrutura (como o caso da Mozal, parque de Beleluane que em 1991 no existia mas j presente
em 2004). Na figura abaixo possvel observar algumas diferenas em termos de cobertura da
classe floresta houve um decrscimo em relao a 1991.
3.1.8 Avaliao de Acurcia da Classificao

Aps a classificao das imagens necessrio para avaliar a confiabilidade dos resultados
obtidos. Esta fiabilidade pode ser avaliada atravs de uma anlise qualitativa e quantitativa.
A anlise qualitativa, aps se realizar a classificao da imagem compara-se a imagem

classificada com a imagem original de modo a analisar o grau de concordncia visual, isto se
correspondem a realidade.
A anlise quantitativa geralmente realizada (as) nas imagens aps a classificao digital e
escolhe-se as imagens classificadas que apresentam melhor resultado, assim sendo aplica-se
mtodos matemticos para determinar a acurcia da classificao e a qualidade das informaes.
Para (Cerqueira e Alves, 2010) a anlise qualitativa baseia-se no clculo da:
Matriz de confuso e;
Do coeficiente de concordncia Kappa.
Estes dois mtodos servem para avaliar a qualidade do mapa temtico. Para avaliao da
acurcia apropriada recomenda-se pelo menos 250 pontos (Erdas, 1999), extrados das
assinaturas simplesmente usadas para o treino que depois so confrontadas com os pontos
gerados pelo mapa da classificao e imagem classificada resultando a acurcia geral (o relatrio
da acurcia com o numero de pontos de referncia seleccionados (refence totals) classificados
(classified totals) e classificados correctamente (number correct) para cada classe, alm das
56
acurcia do produtor (producers accuracy) e do usurio ( users accuracy) para cada classe e da
acurcia geral (overall classification accuracy).
3.1.9 Clculo e Interpretao da Estatstica Kappa

O coeficiente Kappa ou ndice kappa indica a mnima proporo de erro resultante do processo
de classificao. A estatstica kappa vria de 0 a 1. Uma classificao igual a 0 sugere que a
classificao no melhor de que uma classificao aleatria dos pixis enquanto o valor um
indica uma classificao eficiente.
3.2 Procedimentos Metodolgicos

Os procedimentos metodolgicos (terram) tero como base o fluxograma das etapas do trabalho
desde a aquisio das imagens, escolhas da classificao a usar e dados:
1. Aquisio de Imagens de satlite de 1991 e 2013;
2. Classificao digital (MaxVer);
3. Produo de mapas de ocupao do solo dos anos de 1991 e 2013;
4. Ps-classificao (Deteo das alteraes ocorridas nas classes nos dois anos);
5. Validao temtica (coeficiente Kappa);
6. Mapa de alteraes ocupao do solo (1991 e 2013).
3.2.1 Classificao de Ocupao do Solo (dados da CENACARTA)

A base de dados usada pela CENACARTA (Centro Nacional de Cartografia e Teledetao) para
produo da carta de uso e cobertura do solo foram cartas topogrficas na escala de 1:250000
produzidas pelo DINAGECA (Direco Nacional de Geografia e Cadastro) datado de 1999,
contendo topnimos, cotas, vias de comunicao (estradas principais e linha frrea), parques e
reservas, dados de hidrografia (rios principais), constituindo a base topogrfica simplificada para
a produo da carta de uso e cobertura da terra. Tanto a rede hidrogrfica e rodoviria foram
atualizadas com imagens satlites Landsat5 TM (resoluo de 30 metros) enquanto os limites
administrativos, os topnimos e marcos geodsicos foram actualizados com informaes cedidas
pela DINAGECA. Estes dados esto presentes na carta de uso e cobertura do solo produzido pela
CENACARTA em parceria com IGN- France International no projecto de mapeamento de uso e
57
cobertura da terra. A obteno da informao temtica para elaborao da carta de uso e
cobertura do solo foi primeiramente digitalizada partindo da imagem do satlite Landsat5 TM e
depois validada por um trabalho de campo. Estes dados esto descritos no MapInfo4.0 num
sistema de coordenadas geogrfico (latitude, longitude em graus decimais) elipside de Clarke
1866. A seguir nomenclatura usada pela CENACARTA e a usada no trabalho:
1.Classes de uso de terra 2.Classes da cobertura da Nomenclatura usada no

terra trabalho
A. Vegetao artificial A. Vegetao natural A. Vegetao natural

cultivada terrestre (terrestre) (aqutico ou inundada ou (aqutico ou inundada ou
inundvel) inundvel)
- Cultivado em sequeiro
Cobertura com limitao -Floresta;
edfica:
-Solo nu geralmente
Solos sem vegetao representado por rochas e
argila;
Zona herbcea inundvel /
inundada -reas de mangal reas
que se podem considerar
Zona herbcea degrada
pantanal devido a
inundvel Mangais
reflectncia dos materiais
envolvidos (matria
orgnica);
-Pradaria uma plancie

vasta e aberta onde no h
sinal de arvores nem
58
arbustos, com capim baixo
em abundncia.
B. Vegetao artificial B. Vegetao natural ou semi- -Campos cultivados os

cultivada (aqutica ou natural campos cultivados indicam
inundada ou inundvel) os diversos tipos de
A cobertura sem limitao
agricultura familiar e
- Cultivado em regadio edfica:
industrial;
Zona herbcea
-Corpos de gua (gua) -
Matagal (aberto, mdio e alto), rios, lagos, lagoas;
Moita
gua Rio e Lagos (natural ou

artificial)
C. Uso artificial sem vegetao C. Uso artificial sem

(no cultivado) vegetao (no cultivado)
Zonas verdes organizadas reas habitacionais

referente a rea
Zonas habitacionais
considerada residencial e
Zonas de produo e transporte industrial;
Salinas
D. vegetao natural
Tabela 6: Representao da nomenclatura usada pela CENACARTA e a usada no trabalho
Para tal de acordo com a nomenclatura escolhida de 7 (sete) classes devido a resoluo da
imagem Landsat5TM 30 (trinta) metros no foi possvel analisar detalhes tais como
59
diferenciao de classes de ocupao do solo: Vegetao herbcea versus rea arbustiva; Floresta
densa versus floresta aberta; Floresta (no geral) versus vegetao herbcea e Floresta (no geral)
versus rea arbustiva, sendo assim assumiu-se tratar-se de floresta no geral.
Figure 9: Mapa de uso e cobertura do solo entre 1996-1999 (dados do CENACARTA).
O processo a seguir a classificao que serve para apurar as diferenas entre as duas imagens
(ps-classificao). A ps-classificao pode ser entendida como uma forma de reduo de erros
de classificao (Moraes, 1999).
60
Para a aquisio de um bom resultado no processo de classificao depende dos dados usados
tanto na amostra como no processo de validao. Em princpio quanto maior for o numero de
amostras melhor ser a fiabilidade (Quartaroli&Batistella, 2006). O clculo do indicador Kappa e
a matriz de confuso so dois parmetros usados para medir esta fiabilidade.
Aps a classificao das duas imagens fez-se a ps-classificao com o seguinte propsito:
Mudanas de ocupao do solo entre as duas imagens (1991-2013)

Representar graficamente as alteraes,
Identificar causas de mudanas baseadas no estudo e visita ao campo.
3.2.2 Classificao Digital

Para o processo de extraco de informao escolheu-se a classificao supervisionada com o
intuito de reconhecimento dos padres e objectos previamente definidos. Sendo uma rea com
caractersticas j conhecidas optou-se por realizar a classificao supervisionada atravs do
classificador MAXVER que um mtodo de classificao pixel a pixel usado para identificao
e delineamento das classes.
3.2.3 Classificao das Imagens de 1991 e 2013

As imagens foram classificadas no Erdas Imagine9.1, para tal foram escolhidas 7 classes com
nomenclatura do CENACARTA, seguida da filtragem no ArcGIS10.
Para o processo de classificao supervisionada, primeiro demarcou-se as assinaturas espectrais

delimitando-se a partir do mtodo crescimento de regio. Esta ferramenta presente no Erdas
Imagine9.1 determina quais pixis possuem valores similares a um determinado pixel chamado
de semente (devendo ser representativo da classe a qual se quer obter a amostra). Assim sendo a
semente foi determinada por 250 pixis (semente que cresceu ate 250), com uma distncia
euclidiana de at 10 DN. Aps a seleco das assinaturas foi possvel determinar o quo houve a
separao das assinaturas atravs da matriz de separabilidade no Erdas imageine9.1. esta matriz
permite avaliar a separabilidade entre as amostras, sendo que os intervalos de anlise so de 0 a
2000. Os resultados acima de 1900 significam que as amostras podem ser bem separadas, entre
1700 e 1900 a separao ruim. A diagonal da matriz de separao tem valores sempre iguais a
61
zero. Para a imagem de 1991 (de 1999.25 = muito boa) e 2013 a avaliao de separao forneceu
o seguinte resultado:
Tabela 7: Separao de assinaturas (das classes de ocupao do solo) do ano de 1991.
O resultado da mdia de separao das assinaturas de 2013 foi de 2000 (mdia de separao)
considerada muito boa como mostra a figura abaixo:
62
Tabela 8: Separao de assinaturas (das classes de ocupao do solo) do ano de 2013.
3.2.4 Classificao da Imagem Satlite de 1991

As duas imagens (1991 e 2013), foram classificadas no software Erdas imagine 9.1 tendo para tal
usado regio de crescimento (um mximo 250 pixis) para reas de treino. Abaixo esto as
imagens de satlite usadas para o estudo de classificao:
Imagem de satlite de 1991 (fig.4);
A classificao da imagem de 1991 (fig.5);
Tabela com respectivos valores de classificao de 1991 (tab.5);
Grfico que ilustra as classes em 1991 (graf.1);
Imagem de satlite usada para a classificao neste caso imagem de 2013 (fig.6);
63
A classificao da imagem de 2013 (fig.7);
Tabela resultante da classificao de 2013 (tab.6); e o grfico de 2013 que ilustra a

variao das classes (graf.2):
Figure 10: Imagem de Satlite do Distrito de Boane em 1991.
64
1
Estas imagens do Satlite Lqandsat5 TM e Landsat8 foram descarregadas do site
www.glovis.com da USGS.
Figure 11: Classificao da imagem satlite de 1991.
1
Neste site as imagens satlites descarregadas j esto georreferenciada e corrigidas.
65
Ocupao do solo
1991
Classes rea (m2) Percentagem (%)
Agua 7004 0.9
Mangal 104947 11.7
Floresta 80244 8.9
rea cultivada 80451 9
rea habitada 225058 25.2
Solo nu 121678 13.6
Pradaria 274277 30.7
rea total 893759 100
Tabela 9: Ocupao do solo em 1991 em rea e percentagem.
66
Grafico1: Representando poro de rea de cada classe-1991
67
3.2.5 Classificao da Imagem Satlite de 2013
Imagem usada para a classificao de 2013
Figure 12: Imagem do Distrito de Boane em 2013.
68
Figure 13: Classificao da imagem satlite de 2013.
69
Ocupao do solo 2013
Classes rea (m2) Percentagem (%)
Agua 17035 2.06
Mangal 76250 0.9
Floresta 87820 10.64
rea cultivada 2016 0.24
rea habitada 266642 32.3
Solo nu 64530 7.8
Pradaria 379366 45.98
rea total 8255034 100
Tabela 10: Ocupao do solo em 2013 em rea e percentagem.
70
Grafico2: Representao da poro de rea de cada classe_2013.
3.3 Avaliao Temtica

Aps a classificao digital da imagem satlite fez-se a validao calculando o coeficiente
Kappa de cada matriz de erro. Trabalho de campo para o reconhecimento das classes:
A. O trabalho de campo permitiu a diferenciao de certas classes de ocupao do solo que

na imagem satlite aparecia com reflectncia de;
a) rea cultivada mas na realidade pntano;
b) Solo nu (rocha) na realidade solo nu (argila)
B. Uso do Google earth: o google earth facilitou bastante a identificao de classes que por
natureza da localizao tornaram-se inacessveis no decorrer do trabalho de campo, no
caso concreto as zonas montanhosas, parte litoral mais a sul de difcil acesso.
A seguir esto representados os resultados da avaliao temtica da classificao de 2013,

verdade de campo versus classes resultante da classificao. Tanto a acurcia da classificao
71
como o ndice Kappa foram considerados muito boa devido aos intervalos dos valores (0.6-
.0.8):
Acurcia da classificao 74.45%
ndice Kappa 0.7333
Tabela 11: Avaliao de acurcia
72
4. DISCUSSO DOS RESULTADOS
Os resultados aqui apresentados permitem de certa forma comparar e avaliar a ocupao do solo
das imagens classificadas pelo mtodo de classificao supervisionada, com base no
classificador mxima verosimilhana e de seguida foi feita a ps-classificao avaliao da
qualidade e deteco de mudana no software Erdas Imagine9.1.
A classificao foi realizada ao nvel do pixel identificando-se sete (7) classes: corpos de gua,
mangal, rea habitacional, rea cultivada, pradaria, solo nu e floresta. Aps a classificao e ps-
classificao achou-se as diferenas do ndice de vegetao (NDVI) s para evidenciar as
diferenas entre as duas imagens, no ArcGIS10 (atravs da ferramenta image analisy e raster
calculator), vide fig.9 anexo 1 (s para evidenciar as diferenas):
Imagem de 2013 (a esquerda) e 1991 (a direta).
Figure 14: NDVI obtido atravs da ferramenta image analisy e raster calculator,do ArcGIS10.
73
4.1 Deteo de mudanas (1991-2013)
4.1.1 Anlise da Evoluo de Ocupao do Solo no Distrito de Boane

Aps o trabalho de verificao feita no campo dos dados resultantes da classificao no
ERCDASIMAGEINE9.1, produziu-se uma imagem classificada pelo mtodo de Mxima
verosimilhana (MAXVER). O mtodo Maxver um dos mtodos adequados para a
classificao de ocupao do solo.
A classe gua ou corpos naturais de gua (na nomenclatura da CENACARTA) teve uma
variao 1439.8ha em 1991 para 1473.3ha no ano de 2013, portanto houve um acrscimo de
2.3% em relao ao ano de 1991. A classe gua tanto em 1991 e 2013 foi classificada e mantm-
se 1159.1ha.
A classe Mangal em 1991 representava cerca de 8770.7ha, em 2013 esta classe ocupava cerca de
6737.9ha portanto houve uma diminuio de cerca de 30%. De salientar que a classe Mangal
incorporou a classe habitacional possivelmente devido a reflectncia, que foi semelhante.
Algumas reas ocupadas pela classe Mangal em 1991 e em 2013 estavam sem cobertura de
Mangal. Tanto em 1991 e 2013 cerca de 318.8ha foram classificados e mantiveram-se intactas.
A classe Floresta em 1991 teve uma ocupao de 14590.9ha que passou para 7890.0ha em 2013
correspondendo a uma perda de cerca de 84.9%. analisando estes dados esta classe registou
confuso(confundiu-se) tanto em 1991 e 2013 com a classe de Pradaria. No ano de 1991 e 2013
apenas 1900.3ha foram classificados e mantiveram-se como sendo floresta.
A rea cultivada em 1991 ocupava uma rea de cerca de 29839.5ha, em 2013 ocupava cerca
179.5ha uma diminuio de cerca de 16523.0%, apenas cerca de 121.4 foi classificada nos dois
(2) anos como sendo rea cultivada. Para esta diminuio considervel h que ter em conta o ms
em que foi captada a imagem ms de Maio (imagem de 2013) em relao a imagem de 1991 que
foi captada em Junho. Na imagem de 2013 certas reas ocupadas pela rea cultivada em 1991 at
hoje mantm-se como sendo rea cultivada, mas na imagem de 2013 no esta representada como
sendo rea cultivada na altura no tinha nenhuma cultura provavelmente eram solos n (agrcola
sem plantio).
74
rea habitada em 1991 ocupava uma rea de cerca de 2745.2ha, em 2013 representava uma
ocupao de cerca de 24069.4ha portanto o crescimento de representatividade em termos de
ocupao do solo foi no total cerca de 88.6%.
A rea habitada teve este crescimento em parte (1991 2013), retirando aspectos de reflectncia
espectral (como j havia se mencionado anteriormente), a sada ou procura de reas para
habitao fora da cidade de Maputo e procura de novos espaos para instalao de servios. A
localizao de grandes empreendimentos como a Fabrica de alumnio MOZAL no parque
industrial de Beleluane um exemplo desta procura por um outro lado o posto administrativo de
Matola Rio registou uma grande procura e construo de infra-estrutura de habitao logo aps o
ano de 1991. Tanto em 1991 e 2013 os cerca de 1072.5 foram classificados como sendo rea
habitada.
A classe de ocupao do solo (solo nu) em 1991 ocupava cerca de12082.6ha passou para
5742.3ha em 2013. Em relao a 2013 o Solo nu registou uma diminuio de cerca de 123.0%.
Tanto em 2013 como 1991 cerca de 1184.7ha foram classificados como sendo de solo nu.
A classe Pradaria em 1991 era cerca de 9927.9ha para 34024.0ha em 2013. Tanto em 1991 a
2013 notrio que pelo menos cerca de 3873.5ha foi classificado como sendo ou pertencendo a
classe Pradaria. Esta classe teve um crescimento de cerca de 70.8%.
4.2 Mapa de Deteco de Mudana

A deteco de mudanas entre os dois (2) anos 1991 e 2013, foi feita no software Erdas
Imagine9.1, onde atravs da ferramenta Mapa Detection. Esta ferramenta possibilita a
classificao(descriminao) em cinco (5) classes de deteo de mudanas, nomeadamente
Decreased, some decrease, unchanged, some increase e increased. Para tal a deteo de
mudanas considerou que houve uma diminuio de em algumas reas de cerca de 18.9%, cerca
de 4.0 % no registou nenhuma mudana, houve um aumento apesar de reduzido de cerca de
0.8% e um aumento de 76.2% como mostra o mapa abaixo (fig.8) e anexo 2 &3 (estes dois
anexos foram usados apenas para evidenciar as mudanas ocorridas entre os dois anos, neste
caso entre 1991 e 2013):
75
Figure 15: Deteo de mudanasFigure 16 entre os anos de 1991 2013.
76
5. CONCLUSO E RECOMENDAO
A cartografia temtica actualizada de uma dada rea permite uma maior identificao das classes
de ocupao do solo em extenso ou reduo, transferindo a situao geral da rea podendo
influenciar as futuras polticas do ordenamento e planeamento territorial bem como em caso de
gesto de recursos naturais. Segundo Santos (2003), a paisagem terrestre est sujeita a alteraes
constantes resultantes da actividade humana, de um modo geral tornando necessria a
actualizao da cartografia d temtica em intervalos de tempo no muito longo: a frequncia
temporal mnima aconselhada para a produo de cartografia de ocupao do solo de 5 anos
Santos (2003), citando (Cihlar, 2000).
Nesta dissertao foi feita uma anlise da evoluo de ocupao do solo no distrito de Boane
entre os anos de 1991 e 2013. Para tal foi usado a classificao supervisionada com base no
classificador mxima verosimilhana.
A metodologia descrita neste trabalho teve resultados encorajadores uma vez que o software
Erdas Imagine9.1 possui uma serie de ferramentas capazes delimitar e separar assinaturas
espectrais de uma forma automtica (para reas de treino), produzindo classificaes com um
risco de confuso muito reduzido. No geral tem maior interaco com o produtor. O resultado
obtido foi capaz de identificar diferenas nas classes classificadas entre os anos de 1991 e 2013,
umas aumentaram e outras diminuram, traduzindo assim uma concordncia com a avaliao de
qualidade de preciso global e Kappa que foram considerados muito boas (74.45% e 0.73)
respectivamente.
As mudanas ocorridas no terreno de certa forma esto representadas nas classificaes

realizadas ao nvel das imagens satlites (2013) e no mapa final de deteco de mudana que vo
de acordo com o desenvolvimento do distrito.
O uso da imagem Landsat5TM foi crucial para a realizao deste trabalho atendendo a dimenso
da rea de estudo (distrito de Boane no seu todo) e a inacessibilidade de algumas reas.
77
Recomenda-se que sejam criados novos mapas de modo a actualizar o estado actual de ocupao
do solo ao nvel do distrito Boane de modo a tornar a cartografia temtica actualizada. Pois
oficialmente a ultima atualizao realizada pela CENACARTA ENTRE 1996 1999.
78
6.REFERNCIAS BIBLIOGRFICAS
ADB. (2010). Administracao do Ditrito de Boane.
al., V. e. 2013.
ALMEIDA, P. R. (2012). Introducao ao processamento de imagens de sensoriamento remota.
ARAGO. (2001). Utilizao de tcnicas de classificao digital de imagens Landsat5 TM Na

identificao de reas florestais afectadas pela extraco selectiva de madeira: parte baixa do
rio Capim, PA.
ARAJO, A. (2003). Influncia das caractersticas tcnicas das imagens de satlite na

produo de cartografia de ocupao do solo: estudo baseado em imagens MERIS e AWiFS.
Carlos Fernando QUARTAROLI&MATEUS Batistella. (2006). Classificao digital de

iamgens de Sensoriamento Remoto : Tutorial bsico. Campinas.
Eastman. (1998).
EASTMAN, J. R. (2009). Tutorial do IDRISI Taiga.
FERNANDES, S. C. (2006). Analise da evolucao da ocupacao do solo :parque nacional de

Peneda-Geres .
FIGUEREDO&CARVALHO. (2007). Anlise comparativa entre tcnicas de classificao

digital em imagens Landsat no mapeamento do uso e ocupao do solo em Capixaba, Acre.
Franca et al. (2007).
FREIRE. 2001.
HILRIO, L. I. (2011). Monografia do Distrito de Boane.
INE. (2008). Instituto Nacional de Estatitisca.
Jos Ant'onio Cavalgante CERQUEIRA& Alexandre de Oliveira ALVES. (2010). classificao

de imagens de alta resoluo espacial para o mapeamento do tipo de pavimento urbano.
79
Kleinpaul. (2005).
Livia dos Santos ABDALLA,Antonio Julio Barreira NETO&Kenny Tanizaki FONSECA. (05 de
Maio de 2011). Anlise da dinmica da cobertura vegetal e estocagem de carbono pelo modelo
de Cadeias de. p. 1902.
LOPES, L. H. (2003). Uso e cobertura do solo no municipio de Tailandia -pa utilizando o

TM/Landsat e tecnica de classificao no supervisionada.
LUS, A. d. (2010). Applicatio of Remote and Geographical Information System for land use /
land cover mapping and change detection in Dondo District. Beira.
M.Chaves, R. (2004). Mapeamento da Vegetao e uso do solo da bacia hidrogrfica do

ribeirao de Jequitib.
MAE. (2005). fgjkll;l.
MAE. (2011). Perfil do distrito de Boane. maputo.
Mario CAETANO & Marcos PAINHO. (2000). Cartografia de ocupao do solo de Portugal
contionental.
Mario CAETANO & Marcos PAINHO. (2006). cartografia de ocupao do solo: Portugal
continental,1985-2000: corine land cover 2000.
MORAES, R. M. Sensoriamento Remoto e classificao de imagens. Departamento de

Estatstica-CCEN - UFPB Campus I - Joo Pessoa, Brasil.
NUNES, A. d. (2002). Produo e actualizao automatica de Cartografia de Ocupao do

Solo com imagens de sattile.
OLIVEIRA, M. S. (2012). Deteo de mudanas de uso e cobertura da terra no Sinclinal

Moeda(MG) no perodo de 1991 a 2011 e previses de mudanas futuras atravs de modelo
espacial de simulacao.
RAUEN, V. A. (()). SIG na delimitao de reas de preservao permanente e no mapeamento

do uso e ocupao do solo na Bacia do Ribeiro Pira - SP.
80
SANTOS, T. (2003). Actualizao de cartografia temtica com imagens de satlite.
SILVA, F. (20014). mudancas de cobertura. Maputo: UEM.
SILVA, G. C. Monitoramento da Expanso Urbana no Municpio de Ribeiro das Neves - MG,

atravs do Processamento Digital de Imagens.
81
ANEXOS
Anexo 1
Figure 1: Clculo de NDVI2(banda4-banda3)
2
Imagem de satlite classificada com a ferramenta NDVI. O NDVI foi obtido a partir da
diferena entre as reflectncias das bandas 4(infravermelho - prximo) e 3(visivel- vermelho)
dividido pela soma das reflectncias dessas mesmas bandas. O objectivo apenas foi de elucidar
melhor as difirenas umas vez que este mtodo de clculo de NDVI tambem usado para achar-
se diferencas entre um certo intervalo de tempo(principalmente de cobertura florestal)
82
Anexo2:
Figure 2: Diferenas dectetadas atraves da ferramenta image classificactions3 do ArcGis10

(diferencas entre duas imagens).
3
Esta imagem foi obtida atrves da ferramenta image classifications do ArcGIS10, representa o
que, que tinha num determinado ano que no esta presente em outro ano
83
Figure 3: Vegetao ao longo de um riacho4.
4
Esta foto foi retirada num locais proximos a um riacho. Visto que algumas aras registou
alguma confuso entre algumas classes, neste caso a classe mangal versus floresta. A foto
representa um riacho com gua e uma vegetao verde o que se pode confundir com mangal(que
apresenta a mesma colorao
84
85

Análise Da Evolução de Ocupação Do Solo No Distrito de Boane (1991 e 2013)

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Análise Da Evolução de Ocupação Do Solo No Distrito de Boane (1991 e 2013)

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDADE CATLICA DE MOAMBIQUE

Faculdade de Economia e Gesto

Anlise da Evoluo de Ocupao do Solo no Distrito de Boane (1991 e 2013)

OSLAVO JOQUIM PEREIRA DE ALBUQUERQUE (Licenciado)

Oslavo Joaquim Pereira de Albuquerque

Lus Deixa Joaquim

Ao Centro de Informao Geogrfica, Universidade Catlica de Moambique e ao projecto

Palavras-chaves: ocupao do solo, deteco de mudana, deteco remota, classificao

Figure 1: Localizao geogrfica da rea de estudo. ...................................................................... 6

Figure 2: Localizao do Distrito de Boane, imagem Landsat8 (composio RGB-743).............. 7

Figure 3: Clima do Distrito de Boane ............................................................................................. 8

Figure 4: Mapa de solos do distrito de Boane............................................................................... 10

Figure 5: Relevo do distrito de Boane (Altimetria em metros). ................................................... 12

Figure 6: Geologia do distrito de Boane. ...................................................................................... 14

Figure 7: Precipitao mdia anual do Distrito de Boane............................................................. 15

Figure 8: Florenzano (2008), exemplo de Satlites. Fonte: Florenzano, in satlites

Figure 10: Imagem de Satlite do Distrito de Boane em 1991. .................................................... 64

Figure 11: Classificao da imagem satlite de 1991. .................................................................. 65

Figure 12: Imagem do Distrito de Boane em 2013. ...................................................................... 68

Figure 13: Classificao da imagem satlite de 2013. .................................................................. 69

Figure 15: Deteo de mudanasFigure 16 entre os anos de 1991 2013. .................................. 76

Tabela 1: Classes de ocupao do solo.16

Tabela 2: Fluxograma de metodologia a ser usada...17

Tabela 3: Caracterstica de cada banda espectral e sua aplicao.19

Tabela 4: Programa de cartografia de ocupao do solo.............................48

Tabela 5: dados usados.....................................49

Tabela 6: Representao da nomenclatura usada pela CENACARTA e a usada no trabalho.55

Tabela 7: Separao de assinaturas do ano de 1991.62

Tabela 8: Separao de assinaturas do ano de 2013.60

Tabela 9: Ocupao do solo em 1991 em rea e percentagem.64

Tabela 10: Ocupao do solo em 2013 em rea e percentagem70

Tabela 11: Matriz de erro.60

Grafico1: Representando poro de rea de cada classe-1991 ........................................................ 53

Grafico2: Representao da poro de rea de cada classe-2013 .................................................... 56

Figure 1: Clculo de NDVI2(BANDA4-BANDA3) ..................................................................... 82

Figure 2: Diferenas dectetadas atraves da ferramenta image classificactions3 do ArcGis10

Figure 3 Vegetao ao longo de um riacho4. ................................................................................ 84

ADB- Administrao do Distrito de Boane

AVHRR- Advanced Very High Resolution Radiometers (sensor)

CLC- CORINE Land Cover

CLUSTERS- Classification for Land Use Statistics: Eurostats Remote Sensing

DINAGECA- Direo Nacional de Geografia e Cadastro

ESRI-Environment Systems Research Institute

GPS-Global Position Systems

IBGE- Instituto Brasileiro de geografia e estatstica

INE- Instituto Nacional de Estatstica

IV- ndice de Vegetao

MSS- MultiSpectral Scanner (sensor)

NDVI- Normalized Difference Vegetation Index

NASA- National Administration Space Agency

RMSE- Root Mean Square Error (Erro Mdio Quadrtico)

SIG- Sistema de Informao Geogrfica

SPOT- Systme Probatoire dObservation de la Terre (satlite)

TM- Thematic Mapper (sensor)

UNFCCC - United Nations Framework Convention on Climate Change

LISTA DE FIGURAS .................................................................................................................................. vi

LISTA DE TABELAS ................................................................................................................................ vii

LISTA DE GRFICOS E EQUAES ....................................................................................................viii

LISTA DE SIGLAS E ABREVIATURAS ................................................................................................... x

1.1 Introduo ........................................................................................................................................... 1

1.1.1 Importncia do Estudo de Ocupao do Solo .............................................................................. 2

1.2 Definio do Problema........................................................................................................................ 3

1.3 Hipteses ............................................................................................................................................ 3

1.4 Objectivo ............................................................................................................................................. 4