Trabalho de Licenciatura imprimir

Text Material Preview

i 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
FACULDADE DE CIÊNCIAS 
Departamento de Matemática e Informática 
 
Autor: Samuel Mário Mabote 
 
 
[Nome completo do autor] 
 
 
[Nome completo do autor] 
Maputo, Novembro de 2021 
Trabalho de Licenciatura em 
Ciências de Informação Geográfica 
“Aplicação de Imagens de Alta Resolução 
Espacial para Monitoramento de Culturas 
Irrigadas” 
Caso de Estudo: Açucareira de Xinavane 
ii 
 
 
Maputo, Novembro de 2021 
 
 
FACULDADE DE CIÊNCIAS 
Departamento de Matemática e Informática 
 
 
Trabalho de Licenciatura em 
Ciências de Informação Geográfica 
Autor: Samuel Mário Mabote 
Supervisor: Lic, Egídio Octávio Cassamo, UEM 
 
 
 
 
[Nome completo do autor] 
 
 
“Aplicação de Imagens de Alta Resolução 
Espacial para Monitoramento de Culturas 
Irrigadas” 
Caso de Estudo: Açucareira de Xinavane 
i 
 
 
 
Dedicatória 
 
Dedico o presente Trabalho de Licenciatura aos meus pais e às diversas entidades individuais e 
institucionais que tornaram possível a realização deste trabalho, quero manifestar a minha gratidão. 
Desejo que se orgulhem de mim (Irene Afonso Matusse e Mário Nhalunguane Mabote (em memória)). 
A minha esposa, amor da minha vida Ofélia Bernardino Manuel Nhaúle, aos meus filhos, irmãos, primos, 
cunhados, netos, afilhados e a todos que me apoiaram. 
 
 
 
 
 
“O que mais dói na miséria é a ignorância que ela tem de si mesma. 
Confrontados com a ausência de tudo, os homens abstêm-se sonho, 
Desarmando-se desejo de serem outros.” 
Mia Couto 
 
 
 
 
 
ii 
 
Declaração de Honra 
 
 
Declaro por minha honra que o presente Trabalho de Licenciatura é resultado da minha investigação e 
que o processo foi concebido para ser submetido apenas para a obtenção do grau de Licenciado em 
Ciências de Informação Geográfica, na faculdade de Ciências da Universidade Eduardo Mondlane. 
 
 
Maputo, Novembro de 2021 
_______________________________ 
(Samuel Mário Mabote) 
 
iii 
 
Agradecimentos 
 
Em primeiro lugar agradeço a Deus, por ser a razão da minha vida, pois “bem-aventurado o homem que 
acha sabedoria. Este é o homem que adquire conhecimento” bíblia sagrada (Provérbios 3:13). 
Gostava de expressar a minha profunda e sincera gratidão a todos, que contribuíram para realização deste 
trabalho. 
Agradecer a Universidade Eduardo Mondlane, ao Departamento de Matemática e Informática, seu corpo 
docente, Direcção e Administração no geral. 
Ao meu Supervisor dr. Egídio Octávio Cassamo, UEM, UEM pela orientação, aquando da realização do 
presente Trabalho de Licenciatura e pela consideração, por ter aceitado supervisionar este trabalho, pelo 
suporte, pelas suas correcções e incentivos e por acreditar em mim e nas minhas capacidades. Agradecer 
a todos os professores que transmitiram me conhecimento útil, em várias áreas do saber durante a 
formação, no curso de Ciências de Informação Geográfica. 
Aos meus colegas do curso de Ciências de Informação Geográfica pelos conselhos e opiniões sempre 
pertinentes, em especial a Júlia Maria Malhaieie, Mário Samuel Mabote, Francisco Miguel, Maria Chicane, 
Ivo Samuel Américo Simbine, Jacinto Nhampossa, Laurentino Zunguze entre outros que não citei pelo 
carinho, companheirismo, amizade, espírito de equipa e acima de tudo pelo respeito que todos têm por 
mim. 
Aos meus colegas do serviço (DNDT-MTA) pelo apoio e consideração muito obrigado em especial 
Simão Pedro Santos Joaquim, Marcos Saute, Daniel Clemente. 
A família pelo suporte desde os primórdios da minha vida estiveram apar dos meus passos, em especial 
os irmãos (Ana, Maria, Gina, Anselmo, Armando, Justino e Bernardo (em memória)), família Mathe em 
especial Rui Vicente Mathe minha fonte de inspiração. 
Aos amigos agradeço pelo apoio em especial Bernardo Bernardino, Orpa Bernardino, Gil Vicente, 
Matiquete, Balane, Arlete Cole, Baptista, Verónica Mucavele Machava, Inocência e Bernardete. 
iv 
 
Resumo 
 
A preocupação com o uso e alteações na cobertura do solo vem crescendo rapidamente no meio 
científico, pois, as formas como as quais esses dois factores estão sendo manipulados influenciam muito 
o modo de vida humana. O conhecimento das dinâmicas de transformação do uso e cobertura do solo 
mostra-se cada vez mais importante para compreensão do espaço, possibilitando inferir tendências de 
cenários futuros. No presente estudo, foi realizado o monitoramento do uso e da cobertura da terra na 
Açucareira de Xinavane. Foram utilizadas imagens dos satélites da série Sentinel 2, adquiridas nos anos 
de 2016 e 2021 do mesmo mês. Após realizar o devido tratamento das imagens, procedeu-se a utilização 
do algoritmo da máxima verossimilhança, que possibilitou a classificação em oito classes de uso e de 
cobertura da terra. Para a avaliação estatística da classificação foi utilizado o Índice Kappa que é calculado 
a partir da matriz confusão onde foram obtidos resultados com precisão de 89.2% para a classificação do 
ano 2016 e 87.7% para 2021, estes resultados mostram que a classificação realizada apresentou uma 
performance Excelente. Os produtos finais permitem a visualização do uso e cobertura da terra na 
Açucareira de Xinavane e os mesmos indicam que a classe Cultivado Irrigado ocupa maior área no 
período em análise com um valor médio de 62.3% da área quando considerado os dois anos em analise. 
Verifica-se também um comportamento crescente para as classes Zona Urbana devido a expansão e 
exploração de novas áreas para actividades antrópicas. 
 
Palavra chaves: Índice Kappa, Matriz Confusão, Uso e Cobertura da Terra, Máxima verossemelhança. 
 
 
 
 
 
 
 
 
 
v 
 
Abreviaturas 
 
CENACARTA Centro Nacional de Cartografia e Teledetecção 
DR Detecção Remota 
INE Instituto Nacional de Estatística. 
NASA National Aeronautics and Space Administration 
ND Números Digitais 
REM Radiação Electromagnética 
SIG Sistemas de Informação Geográfica 
USGS United States Geological Survey 
UTM Universal Transversa Mercator (projecção cartográfica) 
 
 
 
 
 
 
 
vi 
 
Índice 
 
Dedicatória ................................................................................................................................................................ i 
Declaração de Honra .............................................................................................................................................. ii 
Agradecimentos ...................................................................................................................................................... iii 
Abreviaturas ............................................................................................................................................................. v 
Lista de Figuras..................................................................................................................................................... viii 
Lista de Tabelas ...................................................................................................................................................... ix 
Introdução ................................................................................................................................................................ 1 
1.1. Contextualização .................................................................................................................................... 1 
1.2. Definição do problema .......................................................................................................................... 2 
1.3. Objectivos ............................................................................................................................................... 2 
1.3.1. Objectivo Geral .............................................................................................................................. 2 
1.3.2. ObjectivosEspecíficos .................................................................................................................. 3 
1.4. Área de Estudo ....................................................................................................................................... 3 
1.4.1. Localização Geográfica ................................................................................................................. 3 
1.4.2. Economia ........................................................................................................................................ 4 
1.4.3. Uso e cobertura da terra ................................................................................................................ 5 
1.4.4. População ........................................................................................................................................ 6 
Revisão de Literatura .............................................................................................................................................. 7 
2.1 Uso e Cobertura de Terra ..................................................................................................................... 7 
2.2 Importância do Uso e Cobertura de Terra ......................................................................................... 8 
2.3 Sistemas de Classificação do Uso e Cobertura da Terra ................................................................... 9 
2.4 Detecção Remota ................................................................................................................................. 10 
2.4.1. Resolução ...................................................................................................................................... 11 
2.4.2. Resolução Espacial ...................................................................................................................... 11 
2.4.3. Resolução Radiométrica .............................................................................................................. 11 
vii 
 
2.4.4. Resolução Espectral ..................................................................................................................... 12 
2.4.5. Resolução Temporal .................................................................................................................... 12 
2.5 A Missão Sentinel-2 ............................................................................................................................. 12 
2.6 Detecção de mudanças no Uso e Cobertura da Terra .................................................................... 13 
2.6.1. Técnicas de Detecção de mudanças do Uso e Cobertura da Terra ...................................... 14 
2.7 Sistemas de Informação Geográfica .................................................................................................. 17 
2.7.1. Características dos Sistemas de Informação Geográfica ........................................................ 18 
2.7.2. Estrutura de Dados Geográficos ............................................................................................... 19 
2.7.3. Sistemas de Informação Geográfica e Detecção Remota aplicadas no Uso e Cobertura da 
Terra......... ...................................................................................................................................................... 20 
Material e Métodos ............................................................................................................................................... 22 
3.1 Material .................................................................................................................................................. 22 
3.2 Métodos ................................................................................................................................................. 23 
3.2.1. Aquisição das imagens ................................................................................................................. 23 
3.2.2. Tratamento das imagens ............................................................................................................. 23 
3.2.3. Classificação das imagens............................................................................................................ 26 
3.2.4. Avaliação de Qualidade da Classificação .................................................................................. 28 
3.2.5. Detecção de Mudanças ............................................................................................................... 28 
Resultados e Discussão ........................................................................................................................................ 30 
4.1.1. Avaliação de mudanças no uso e cobertura da terra ............................................................... 33 
Conclusões e Recomendações ............................................................................................................................ 36 
6.1. Conclusão e Recomendações ............................................................................................................. 36 
6.1.1. Conclusão ...................................................................................................................................... 36 
6.1.2. Recomendações ............................................................................................................................ 36 
Referências Bibliográficas .................................................................................................................................... 38 
 
 
 
viii 
 
Lista de Figuras 
 
Figura 1: Mapa de Localização Geográfica da Açucareira de Xinavane ......................................................... 4 
Figura 2: Processo de aquisição de dados da Detecção Remota (Lillesand, 2003)...................................... 11 
Figura 3: Componentes de uns SIG (Fonte: Caetano, 2001). ........................................................................ 19 
Figura 4: Representação de um modelo vectorial e matricial, (Childs et al., 2004). ..................................... 20 
Figura 5: Recortes de padrões interpretados nas imagens MSI do satélite Sentinel-2 de 2016 e 2021 
utilizados no mapeamento do uso e cobertura das terras da Açucareira de Xinavane. .............................. 27 
Figura 6: Fluxograma metodológico descrevendo as etapas do trabalho ..................................................... 29 
Figura 7: Mapa de Uso e Cobertura da Terra da Açucareira de Xinavane em 2016 ................................... 31 
Figura 8: Mapa de Uso e Cobertura da Terra da Açucareira de Xinavane em 2021 ................................... 32 
Figura 9: Mudanças ocorridas no uso e cobertura da terra. ............................................................................ 33 
Figura 10: Mudanças no Uso e Cobertura da Terra ......................................................................................... 34 
 
 
ix 
 
Lista de Tabelas 
 
Tabela 1: Nível de classe temática para a classificação do uso da terra (Ferrão, 2004). ............................. 10 
Tabela 2: Características das bandas espectrais do Sentinel-2, adaptado de (Gonçalves, 2017)................ 13 
Tabela 3: Programas computacionais utilizados para elaboração do trabalho. ............................................ 22 
Tabela 4: Dados utilizados para elaboração do trabalho. ................................................................................ 23 
Tabela 5: Imagens Sentinel-2A de nível 2A ...................................................................................................... 23 
Tabela 6:Distribuição da área em função das classes de uso e cobertura da terra. ..................................... 30 
Tabela 7: Mudanças ocorridas no período em análise. ....................................................................................35 
 
1 
 
 
 
 
Introdução 
 
1.1. Contextualização 
A preocupação com o uso e alteações na cobertura do solo vem crescendo rapidamente no meio 
científico, pois, as formas como as quais esses dois factores estão sendo manipulados influenciam muito 
o modo de vida humana. O conhecimento das dinâmicas de transformação do uso e cobertura do solo 
mostra-se cada vez mais importante para compreensão do espaço, possibilitando inferir tendências de 
cenários futuros (António, Polonio, & Argentin, 2013). 
Informações relativas as alterações no uso e cobertura do são de grande importância para que se possa 
entender e analisar em escalas globais, continentais e locais, os processos da superfície que impactam o 
meio ambiente, a sociedade e o sector económico. Na escala local, estes estudos podem auxiliar na gestão 
de recursos hídricos e dentre outros (Andrade, Ribeiro, & Lima, 2015). Turetta (2011) argumenta que os 
referidos estudos permitem o entendimento de processos de alteração do espaço geográfico e são 
fundamentais devido à necessidade de conhecimento da fragilidade das terras e dos recursos naturais. 
Segundo o autor, nas áreas agrícolas, em particular, o estudo da mudança do padrão de uso e ocupação 
das terras se faz pertinente à medida que esta análise poderá ser utilizada para subsidiar processos de 
tomada de decisão e contribuir para o planeamento sustentável do meio rural, com melhor utilização dos 
recursos naturais e aumento da produção do pequeno agricultor e sua qualidade de vida. Segundo (Leite 
& Rosa, 2013) a informação actualizada sobre o uso e cobertura do solo é de grande importância ao 
planeamento e orienta à ocupação da paisagem, respeitando sua capacidade de suporte e/ou sua 
estabilidade/vulnerabilidade. 
O uso do solo raramente permanece inalterado, existindo a necessidade de actualização constante dos 
registros de uso e cobertura do solo, para que suas tendências possam ser analisadas (António et al., 2013). 
Na área de mapeamentos, a Detecção Remota (DR) e os Sistemas de Informações Geográficas (SIG) são 
fundamentais para auxiliar na interpretação do espaço geográfico, e constituem ferramentas 
computacionais que propiciam gerar novas informações espaciais através da análise e representação do 
espaço ou dos fenómenos espaciais. Estas técnicas, segundo (Faustino et al., 2014) tornaram-se 
ferramentas úteis e indispensáveis no monitoramento da dinâmica de uso e ocupação das terras, pelo fato 
1 
 
2 
 
de propiciar maior frequência na actualização de dados, agilidade no processamento e viabilidade 
económica. 
A Detecção Remota é uma fonte de dados valiosa da qual informações de alteração no uso e cobertura 
podem ser extraídos de forma eficiente. O uso dos dados de detecção remota por satélites possibilita 
estudar as mudanças na cobertura da terra em menor tempo, com baixo custo e com maior precisão 
(Rawat & Kumar, 2015). Aliado aos SIG, que permitem a interpretação e o tratamento de imagens de 
satélite, é possível obter informações actualizadas inerentes a determinada área de forma precisa, 
possibilitando a elaboração de mapas temáticos actualizados das diferentes estruturas espaciais resultantes 
do processo de uso e ocupação do solo(Borges, Borges, Costa, & Nishiyama, 2008). 
Diante do exposto, este trabalho foi realizado com o objectivo de avaliar mudanças no uso e cobertura 
das terras ao longo do tempo, com o auxílio de SIG e, assim, fornecer subsídios ao planejamento e gestão 
agrícola e ambiental da região de Cultivo de Xinavane. 
 
1.2. Definição do problema 
A Província de Maputo em particular o Posto Administrativo de Xinavane tem observado uma acentuada 
alteração no uso e cobertura da terra. Esta elevada perda acentuada está ligada a vários factores desde a 
expansão urbana, cortes florestais para produção de combustíveis diversos, e as queimadas 
descontroladas Bridget O’Laughlin et al., (2013). Diversos estudos têm sido avançados no 
monitoramento do uso e cobertura da terra e demonstram suma importância da aplicação dos Sistemas 
e Informação Geográfica (SIG) e Detecção Remota (DR), pois elas podem fornecer instrumentos de 
natureza espacial as autoridades públicas e privadas para definirem acções de forma a minimizar os efeitos 
negativos decorrentes do uso inadequado dos recursos naturais. 
 
1.3. Objectivos 
1.3.1. Objectivo Geral 
Aplicar as técnicas da Detecção Remota e dos Sistemas de Informação Geográfica no monitoramento da 
alteração do uso e cobertura do solo, na Açucareira de Xinavane com recurso à imagens de satélites de 
alta resolução entre os anos 2016 a 2021. 
 
 
3 
 
1.3.2. Objectivos Específicos 
Para se alcançar o objectivo deste trabalho definiram-se os seguintes objectivos específicos: 
 Quantificar o uso do solo para cada imagem temporal aplicando o método de Classificação 
Supervisionada; 
 Verificar a tendência da mudança do uso do solo para os períodos propostos; e 
 Verificar a evolução da área de cultivo e assentamento humano dentro do posto administrativo 
de Xinavane; 
 
1.4. Área de Estudo 
1.4.1. Localização Geográfica 
O Posto Administrativo de Xinavane localiza-se no Distrito da Manhiça no Norte da Província de 
Maputo, a 80 km da Capital Provincial, entre os Paralelos 24º58’48.76’’S e 25º06’22.09’’S e Meridianos 
32º41’51.92’’E e 32º55’27.84’’E, tem uma extensão aproximada de 155 km2, é limitado a Sul pelo Posto 
Administrativo da Palmeira, a Norte e Oeste pelo Distrito de Magude e a Este pelos Postos 
Administrativos de Messano e Ilha Josina Machel. 
4 
 
 
Figura 1: Mapa de Localização Geográfica da Açucareira de Xinavane 
 
1.4.2. Economia 
A economia deste Posto Administrativo funciona na base da Açucareira de Xinavane, que é uma agro-
indústria com actividade agrícola (produção de cana-de-açúcar) e industrial (produção do açúcar) 
integrada. Esta açucareira dedica-se à produção de açúcar e de melaço para o mercado nacional e para 
exportação. Esta açucareira gera emprego permanente e sazonal. Os trabalhadores permanentes estão 
5 
 
concentrados na indústria, serviços e tarefas administrativas, enquanto o trabalho sazonal está 
concentrado nas tarefas agrícolas. Estas plantações e fábrica de processamento de cana-de-açúcar são 
geridos pela empresa Tongaat Hulett Sugar. 
Em 2009, a fábrica de processamento concluiu uma fase de grande expansão, projectada e gerida pela 
empresa PGBI Engineers & Constructors onde reabilitou a infra-estrutura e expandiu a capacidade de 
produção da fábrica em cerca de 208,000 toneladas de açúcar. Durante a fase de reabilitação, a maior 
parte dos canais originais, drenagens e bombas desenhados para a rega, foram reparados e redesenhados 
para os sistemas actuais de rega por irrigação, rega pendular e rega por rotação. Com apoio do governo, 
a açucareira de xinavane pagou compensações para assumir o controlo de terra irrigável da plantação, 
ocupada pelos pequenos proprietários durante e depois da guerra. A renovação da produção de açúcar 
prometeu novos empregos na agricultura (O´Laughlin, Bridget & Ibraimo, Yasfir, 2013). 
1.4.3. Uso e cobertura da terra 
O uso e cobertura da terra, caracteriza a condição socioeconómica de uma determinada região, expressa 
parte do conjunto das actividades de uma sociedade no que diz respeito ao que o homem constrói ou 
insere sobre a superfície ou como maneja o solo como agricultura, pastagens, cidades, mas também aos 
atributos físicos da superfície terrestre como florestas, campos, desertos, tornando-se numa expressão 
espacial da reprodução social de uma determinada região (Schlindwen et al., 2007). 
Estima-se em 236 mil hectares o potencial de terra arável do Distrito de Manhiça, estando ocupados pela 
exploração agrícola cerca de 20% desta área (25 mil há de sequeiro e 30 mil há irrigados) e pela pecuária 
cerca de 30 mil hectares de pasto, isto é, 13% da terra arável. Com uma densidade populacional elevada,o Posto Administrativo de Xinavane tem sido palco de vários conflitos ligados à posse da terra, para cuja 
solução e moderação, tem contribuído a Administração e a Serviços de Geografia e Cadastro em 
coordenação com anciãos influentes localmente. 
O Posto Administrativo de Xinavane possuía ate 2005 cerca de 28 mil explorações agrícolas com uma 
área média de 1.2 hectares. Com grau de exploração familiar dominante, cerca de 60% das explorações 
do distrito têm menos de 1 hectar, ocupando somente 20% da área cultivada. Este padrão desigual da 
distribuição das áreas fica evidente se referirmos que 40% da área cultivada pertence somente a 9% das 
explorações do distrito. Na sua maioria os terrenos não estão titulados e, quando explorados em regime 
familiar, tem como responsável em 2/3 dos casos o homem de família (MAE, 2005). 
 
 
6 
 
1.4.4. População 
O Posto Administrativo tem uma área de superfície correspondente a 155 km² e a sua população está 
estimada em 192.638 habitantes à data de 01/01/2005. Com uma densidade populacional de 82 hab/km², 
prevê-se que o distrito em 2010 venha atingir os 220 mil habitantes. 
A estrutura etária do distrito reflecte uma relação de dependência económica aproximada de 1:2, isto é, 
por cada 10 crianças ou anciões existem 12 pessoas em idade activa. Com uma população jovem (41%, 
abaixo dos 15 anos), tem um índice de masculinidade de 44% e uma taxa de urbanização de 12%, 
concentrada nas Vilas da Manhiça e Xinavane, e respectivas zonas periféricas de matriz semiurbana. 
 Distrito de Manhiça - Número da população: 192.638 habitantes; 
 Posto Administrativo da Manhiça - Número da população: 60.031 habitantes; 
 Posto Administrativo de Calanga - Número da população: 13.967 habitantes; 
 Posto Administrativo da Ilha Josina Machel - Número da população: 14.365 habitantes; 
 Posto Administrativo de Maluana - Número da população: 22.236 habitantes; 
 Posto Administrativo de Xinavane - Número da população: 31.180 habitantes; 
 Posto Administrativo 3 de Fevereiro - Número da população: 50.860 Habitantes; 
Das 48.160 famílias do distrito, a maioria é do tipo sociológico alargado (44%), isto é, com um ou mais 
parentes para além de filhos e têm, em média, 3 a 5 membros. Na sua maioria casados, após 12 anos de 
idade, têm forte crença religiosa, dominada pela região Sião ou Zione. Tendo por língua materna 
dominante o Xichangana, da população do Distrito com 5 ou mais anos de idade, 46% têm conhecimento 
da língua portuguesa, sendo este domínio predominante nos homens, dada a sua maior inserção na vida 
escolar e no mercado de trabalho. Com 58% da população analfabeta, predominantemente mulheres, o 
posto administrativo tem uma taxa de escolarização normal, constatando-se que 50% dos seus habitantes, 
principalmente residentes no Posto Administrativo Sede, frequentam ou já frequentaram a escola, ainda 
que maioritariamente somente até ao nível primário (INE, 2007). 
 
 
 
 
 
 
7 
 
 
 
 
Revisão de Literatura 
2.1 Uso e Cobertura de Terra 
O entendimento dos atributos da terra em relação ao seu mapeamento é necessário que sejam 
compreendidos e definidos os termos terra, uso da terra e cobertura da terra. Terra é o segmento da 
superfície do globo terrestre definido no espaço e reconhecido em função das características e 
propriedades compreendidas pelos atributos da biosfera, que sejam razoavelmente estáveis ou 
ciclicamente previsíveis, incluindo aqueles de atmosfera, solo, substrato geológico, hidrologia e resultado 
da actividade do homem. (FAO, 1976). 
Segundo Anderson et al., (1979) citado por Monteiro (2008), várias são as definições sobre o uso e 
cobertura da terra, em geral o uso da terra está ligada a actividades realizadas pelo homem (função 
socioeconómica como agricultura, habitação, protecção ambiental e entre outras), a uma extensão de 
terra ou ecossistema; foi assim considerado como uma série de operações desenvolvidas pelos homens, 
com a intenção de obter produtos e benefícios, através do uso dos recursos existentes na terra Bie et al., 
(1996). 
Para Richard (1986) citado por Manteiga (2009), o uso da terra é definido como um conjunto de 
princípios e regras que gerem uma sociedade na sua relação com a terra, enquanto a cobertura da terra 
refere-se a matéria biofísica existente na superfície terrestre; ou é qualquer modificação do padrão natural 
da terra, resultante de actividade humana. Por sua vez, a cobertura da terra refere-se a vegetação natural 
e artificial, e outros elementos resultantes da dinâmica natural de transformação nela existente 
(Lesson,1993). 
Aos elementos da natureza como a vegetação (natural ou plantada), água, gelo, rocha nua, areia e 
superfícies similares, além das construções artificiais criadas pelo homem, que cobrem a superfície da 
terra define-se como cobertura da terra Anderson et al., (1979) citado por Monteiro (2008). 
Contudo, para que a informação sobre o uso e cobertura da terra obtida, quer de imagens de satélite ou 
de fotografias áreas tenham larga aplicação é necessário que, se adopte o sistema de classificação do uso 
de terra, de acordo com os padrões da região ou do país (De Wit, 1994). 
 
2 
 
8 
 
2.2 Importância do Uso e Cobertura de Terra 
A importância do mapeamento do uso e cobertura da terra é evidente. Ele faz a ligação entre o meio 
físico e o socioecónomico, sendo indispensável em estudos ambientais, na tomada de decisão, no 
ordenamento do território e na definição de políticas de gestão de recursos naturais. 
Segundo Rosa (2003), o desenvolvimento de um sistema para classificar dados sobre uso da terra, obtidos 
a partir da utilização de técnicas de detecção remota, tem sido muito discutido. O tipo e a quantidade de 
informações sobre o uso da terra dependem das resoluções espaciais, radiométrica, espectral e temporal 
dos diferentes sistemas sensores. O tamanho da área mínima capaz de ser descrita como pertencente a 
uma determinada categoria (classe) de uso da terra depende da escala e resolução dos dados originais, 
além da escala de compilação e da escala final de apresentação. 
Briassoulis (1999), Turner & Meyer (1994), definiram uso e cobertura da terra como sendo a 
caracterização dos estados físico, químico e biológico da superfície da terra, como, por exemplo, floresta, 
gramíneas, água ou área construída; bem como, aos propósitos humanos associados àquela determinada 
cobertura, como, por exemplo, agricultura, pecuária, recreação, conservação e área residencial. 
Para entender a dinâmica do uso e cobertura da terra é necessário caracterizar o seu uso e agentes 
envolvidos, porque a classificação, somente da cobertura, não é suficiente. Tanto a classificação, como o 
seu uso e agentes envolvidos devem ser analisados em conjunto, e não isoladamente. Os motivos que 
justificam a influências e as alterações no uso da terra são apresentados sob três formas: convertendo a 
cobertura; modificando sua função, estrutura e características, sem propriamente causar uma mudança 
de tipo; e, mantendo a cobertura contra agentes naturais de mudança. Vale observar que as mudanças de 
cobertura ocasionadas por mudanças de uso, não necessariamente implicam em degradação da terra 
(Aguiar, 2002). 
Soares Filho (2005), que a aplicação da Detecção Remota em várias escalas temporais por meio de 
mapeamento, servirá de análise nas relações espaciais, obtidas e armazenadas em SIG e para desvendar 
os processos que resultaram na análise da dinâmica do uso e cobertura da terra. 
Por isso, estes estudos permitem o conhecimento e controle da dinâmica das alterações constadas, além 
de depender de comparações de levantamentos e qualificações efectuadas em diferentes períodos. Isto é, 
o monitoramento no qual é feita uma comparação entre mapas elaborados a partir de imagens que 
permitem inferências retrospectivas na análise de séries temporais para o conhecimento de razões 
históricas que deramorigem às modificações eventualmente constadas no presente (Kronka et al., 2005). 
De acordo com Diniz (1984), as etapas essenciais para a elaboração de mapas de utilização de terra são: 
aquisição de fotografias aéreas e/ou imagens de satélite; definição da escala do mapa; definição da chave 
9 
 
de identificação, ou seja, elementos que permitam a identificação do tipo de utilização da Terra nas 
fotografias aéreas e/ou imagens de satélite; e, elaboração da classificação em que devem ser colocados os 
eventos observados nas fotografias. A cobertura vegetal consiste na defesa natural de um terreno contra 
erosão. 
De acordo com Bertoni (1990), a cobertura vegetal influência na protecção indirecta contra o impacto 
das gostas de chuva; na dispersão da água, interceptando-a e evaporando-a antes que atinja o solo; na 
decomposição das raízes das plantas que, formando canalículos de solo, aumentam a infiltração; no 
melhoramento da estrutura do solo pela adição de matéria orgânica, aumentando assim sua capacidade 
de retenção de água; e, na diminuição da velocidade de escoamento da enxurrada pelo aumento da 
infiltração. 
2.3 Sistemas de Classificação do Uso e Cobertura da Terra 
Segundo Rosa (2003), o desenvolvimento de um sistema para classificar dados sobre uso da terra, obtidos 
a partir da utilização de técnicas de Teledetecção, tem sido muito discutido. O tipo e a quantidade de 
informações sobre a cobertura da terra dependem das resoluções espacial, radiométrica, espectral e 
temporal dos diferentes sistemas de sensores. O tamanho da área mínima capaz de ser descrita como 
pertencente a uma determinada categoria (classe) de uso da terra depende da escala e resolução dos dados 
originais., além da escala de compilação e da escala final de apresentação. 
Os sistemas de classificação do uso e cobertura da terra enquadram a distribuição espacial ligada a padrões 
de carácter natural e artificial quanto a sua redistribuição e agrupamento das características geográficas 
existentes no meio natural (Kiel, 2008). 
Para Ferrão (2004), os critérios gerais para o desenvolvimento do Sistema de Classificação de Uso e 
Cobertura da Terra em Moçambique, foram os seguintes: 
• Um sistema de classificação independente da escala de trabalho e que possa ser utilizado para 
qualquer mapeamento de uso e cobertura de terra a partir da interpretação visual de imagens 
satélite e outros dados adicionais. 
• Um sistema de classificação que possua uma estrutura hierárquica e de tal forma flexível que 
permita uma subdivisão temática partindo do genérico para o específico, abarcando as classes 
temáticas mais representativas do uso e cobertura de terra em Moçambique. 
Contudo, das premissas acima mencionado, nasceu um sistema de classificação não só compatível com 
o do AFRICOVER, mas de consenso entre várias instituições nacionais, contendo três níveis de 
classificação, mas, podendo desta ter um alastramento até 25 classes temáticas na lenda automática gerada 
na produção do mapa final, em função das classes existentes. 
10 
 
Tabela 1: Nível de classe temática para a classificação do uso da terra (Ferrão, 2004). 
Primeiro Nível Segundo Nível Terceiro Nível 
 
Primeiramente com 
vegetação 
Terrestre Área terrestres humanizadas 
Aquático ou regulamente 
inundado 
Vegetação terrestre natural e 
seminatural 
 
 
Primeiramente sem 
vegetação 
 
Terrestre 
Áreas cultivadas aquáticas 
Vegetação natural e seminatural 
Aquático ou regularmente 
inundado 
Solos nus 
Corpos de água artificial 
 
2.4 Detecção Remota 
Segundo Jensen (2011) Detecção Remota (DR) é a arte e a ciência de obter informações sobre um objecto 
sem estar em contacto físico directo com o objecto. “Detecção remota consiste na utilização conjunta de 
modernos instrumentos (sensores), equipamentos para processamento e transmissão de dados e 
plataformas (aéreas ou espaciais) para carregar tais instrumentos e equipamentos, com o objectivo de 
estudar o ambiente terrestre através do registro e da análise das interacções entre a radiação 
electromagnética e as substâncias componentes do planeta Terra, em suas mais diversas manifestações” 
(Novo, 2001). 
De acordo com Vieira (2012) DR é a aquisição de dados sobre objectos ou fenómenos que se encontram 
afastados dos aparelhos de observação utilizados. A detecção remota pode ser usada para medir e 
monitorar importantes características biofísicas e actividades humanas na Terra. 
DR é uma ciência que visa o desenvolvimento da obtenção de imagens da superfície terrestre por meio 
da detecção e medição quantitativa das respostas das interacções da radiação electromagnética com os 
materiais terrestres (Meneses et al.,2002). 
O DR detecta a radiação electromagnética reflectida ou emitida pela superfície da Terra ou pela 
atmosfera, podendo os resultados serem registados e apresentados, quer sob a forma digital, quer sob a 
forma analógica, em imagens ou fotografias (Henriques, 1982). 
11 
 
 
Figura 2: Processo de aquisição de dados da Detecção Remota (Lillesand, 2003). 
 
2.4.1. Resolução 
Um dado orbital geralmente é descrito por sua resolução, ou seja, características da imagem de acordo 
com a radiometria, tamanho do pixel e faixas espectrais. As características dos sistemas de detecção 
remota podem ser descritas pelos seguintes tipos de resoluções: Espacial, Espectral, Radiométrica e 
Temporal (Crosta, 1993). 
2.4.2. Resolução Espacial 
A resolução espacial corresponde à área do terreno representado por um pixel na imagem. O tamanho 
do pixel esta directamente relacionado à informação contida na imagem, quanto menor for o pixel mais 
detalhes podem ser extraídos da imagem, logo melhor é a resolução (Florenzano, 2002). 
Cada pixel corresponde a uma unidade mínima de área, que se muito grande os detalhes são perdidos, 
visto que os vários objectos ou feições são agrupados em um mesmo pixel. O tamanho do pixel 
depende das características de cada sensor (Melo, 2002). 
2.4.3. Resolução Radiométrica 
Refere-se à capacidade do sistema sensor em detectar as variações da radiância espectral recebida. A 
radiância de cada pixel passa por uma codificação digital, obtendo um valor numérico, expresso em 
bits, denominado de Número Digital (ND) (Schowengerdt, 1983). 
A Resolução Radiométrica refere-se ao número possível de dados para cada banda, ou seja, o número de 
bits. O seu valor é sempre em potência de dois. Por exemplo, oito bits significam 28 = 256 níveis de 
cinza, os valores dos tons de cinza para cada pixel variam de 0 a 255 (Crosta, 1993) 
http://www.ufrgs.br/engcart/PDASR/referencias.html#17
http://www.ufrgs.br/engcart/PDASR/referencias.html#29
http://www.ufrgs.br/engcart/PDASR/referencias.html#7
12 
 
2.4.4. Resolução Espectral 
A Resolução Espectral refere-se a um intervalo específico de comprimento de onda do espectro 
electromagnético armazenado pelo sensor. Estas imagens denominam-se bandas espectrais e representa 
a energia registrada pelos detectores do sensor numa determinada região do espectro electromagnético. 
Segundo Novo (1989), resolução espectral é "uma medida da largura das faixas espectrais e da 
sensibilidade do sistema sensor em distinguir entre dois níveis de intensidade do sinal de retorno". 
Cada banda refere-se à determinada porção do espectro electromagnético de reflexão e emissão de luz 
ou calor de uma parte da superfície terrestre, que compõe a cena. Cada porção do espectro 
electromagnético detectado pelo sensor irá gerar uma imagem, com características especificas segundo a 
resposta espectral de cada objecto (Ferrão, 2005). 
2.4.5. Resolução Temporal 
Resolução temporal é a periodicidade em que determinada área é registada pelo satélite. A resolução 
temporal é de fundamental importância quando se pretende monitorar processos dinâmicos como, por 
exemplo: a ocorrência de incêndios ou queimadas em reservas florestais. A resolução temporal do satéliteLandsat 8 por exemplo é de 16 dias (Ferrão, 2005). 
 
2.5 A Missão Sentinel-2 
A missão Sentinel-2 do Programa de Monitoramento Global de Meio Ambiente e Segurança (GMES) 
conjuntamente administrada pela Comunidade Europeia e a Agência Espacial Europeia (ESA), para 
observação da Terra, que realiza a colecta de dados sobre a vegetação, solos, humidade, rios e áreas 
costeiras, e dados para correcção atmosférica (absorção e distorção) em alta resolução, e com alta 
capacidade de revisita, para garantir a continuidade dos dados fornecidos pelo SPOT e Landsat 
(Gonçalves, 2017). 
A missão monitora a variabilidade das condições da superfície terrestre, com uma ampla largura de faixa 
(Swath) e baixo tempo de revisita (10 dias no equador com um satélite, e 5 dias com 2 satélites sob 
condições sem nuvens que resulta em 2-3 dias a meias latitudes) apoiando o monitoramento de mudanças 
na vegetação dentro da estação de crescimento. Os limites de cobertura do Sentinel-2 são entre as 
latitudes 56° Sul e 84° Norte (ESA, 2015). 
O Satélite carrega a bordo um instrumento óptico que imageia a terra em 13 bandas espectrais: quatro 
bandas a 10 metros, seis bandas a 20 metros e três bandas a 60 metros de resolução espacial vide tabela 
3. A largura da faixa orbital é de 290 km. Cada um dos satélites da missão Sentinel-2 (Sentinel-2A e 
Sentinel 2B) carrega o sensor Multi-Espectral (MSI) que trabalha passivamente, colectando a luz solar 
13 
 
reflectida da Terra. (ESA, 2015). O Sentinel-2A foi lançado em 23 de Junho de 2015 e o Sentinel-2B 
seguido em 7 de Março de 2017 (ESA, 2018). 
Tabela 2: Características das bandas espectrais do Sentinel-2, adaptado de (Gonçalves, 2017). 
Resolução No da 
Banda 
Nome da Banda Comprimento de onda 
(nm) 
Combinação de Bandas 
(RGB) 
 
 
10m 
B2 Azul 490 
Cor verdadeira (4/3/2) 
Falsa cor 1 (8/4/3) 
Falsa cor 2 (4/8/3) 
B3 Verde 560 
B4 Vermelho 665 
B8 Infravermelho 
próximo 
842 
 
 
 
20m 
B5 Red Edge 1 705 
 
 
SWIR 1 (12/11/8A) 
B6 Red Edge 2 740 
B7 Red Edge 3 783 
B8A Red Edge 4 865 
B11 SWIR 1 1610 
B12 SWIR 2 2190 
 
60m 
B1 Aerossol 443 
 ----- B9 Vapor de água 940 
B10 Cirrus 1375 
 
Os dois satélites Sentinel-2 operarão simultaneamente, a 180° um do outro, em órbita sincronizada com 
o sol, a uma altitude média de 786 km. A posição de cada satélite Sentinel-2 em sua órbita é medida por 
um receptor do Sistema Global de Navegação por Satélite (GNSS) de dupla frequência. A precisão orbital 
é mantida por um sistema de propulsão dedicado (ESA, 2015 ; ESA, 2018). 
 
2.6 Detecção de mudanças no Uso e Cobertura da Terra 
De acordo com Kiel (2008), a detecção de mudanças no uso e na cobertura da terra pode ser considerada 
a função da teledetecção que agrega uma dimensão temporal à análise das informações contidas nas 
imagens. 
O processo de detecção de mudanças pode ser estabelecido pelo número de imagens utilizadas na 
comparação, se forem apenas duas imagens, a metodologia de detecção de mudanças é bitemporal, se 
forem utilizadas três ou mais delas então a metodologia é de análise de trajectória temporal. No caso da 
14 
 
utilização de apenas duas imagens, a escolha das datas de aquisição das imagens é crucial para evitar a 
contaminação das mudanças por efeitos fenológicos e sazonais, como a diferentes condições de 
iluminação da cena (Coppin, 2004). 
Para Foody (2002), o método mais utilizado para estudar as mudanças do uso e cobertura da terra é o 
método comparativo de imagens após a classificação. Neste caso, a análise ponto a ponto, ou instante a 
instante permite inferir sobre a quantidade e qualidade das mudanças detectadas em uma região, durante 
um determinado período através do confronto delas para identificar, localizar e quantificar as 
transformações que ocorreram na cobertura e no uso do terra em determinado espaço de tempo e através 
de respostas espectrais registadas nos pares de pixel homólogos quando aplicados os limiares que 
permitam distinguir mudança e a não mudança (Kiel, 2008). 
A detecção das mudanças é quantitativa quando se tem apenas a quantificação das transformações que 
ocorreram informando o estado de cada um dos pixéis em termos do que “mudou ou não mudou” e 
delimitando as regiões com e sem mudanças. Ela é qualitativa, se a informação da mudança, para além da 
localização e quantificação, avança até uma discriminação em classes, habilitando o estudo das trajectórias 
dos pixéis entre outras (Kiel, 2008). 
2.6.1. Técnicas de Detecção de mudanças do Uso e Cobertura da Terra 
Segundo Roberto (2008), várias são as técnicas disponíveis para a detecção de mudanças no uso e 
cobertura da Terra a partir de dados de Teledetecção, porém não devem ser confundidas como 
sinónimos, mesmo que a maioria delas se baseiam em comparações dos tipos “antes - depois” e “de – 
para”, porque elas servem a objectivos distintos e seus algoritmos tratam os dados com princípios 
matemáticos igualmente distintos. 
Diante de um leque de técnicas para a detecção de mudança, foi possível optar por uma forma de 
sistematização baseada nas diferenças dos algoritmos, fazendo emergir três grupos dentre o rol das 
técnicas de detecção de mudanças do uso e cobertura da Terra, que são as baseadas na pré-classificação 
das imagens, pós-classificação e as baseadas em álgebra de mapas. 
Contudo, a frequente utilização de uma técnica em diferentes situações nem sempre é recomendável, o 
emprego normalmente prende mais pela familiaridade do pesquisador, que pelos objectivos da pesquisa, 
ou seja, desconsiderando qualquer critério de adequação (Lu, 2004). 
 
 
 
15 
 
 Técnicas de Pós-Classificação 
Estas técnicas de detecção de mudanças não utilizam comparações directas imagem a imagem, baseiam 
sua etapa de detecção em comparações de resultados obtidos a partir de classificações realizadas sobre as 
imagens originais, de onde a denominação de pós-classificação. 
É considerada a técnica mais óbvia e pode ser empreendida com classificação supervisionada e não 
supervisionada. As desvantagens de seu uso residem nas suas exigências em tempo e custo, pois a 
obtenção de verdades de campo sempre deve ser considerada. Além deste aspecto, o uso dos resultados 
fica sempre restrito as classes inicialmente escolhidas, que são normalmente discretas, ou seja, os pixels 
classificados não guardam informações sobre a incerteza de sua classificação e conforme as 
probabilidades associadas às classes individuais, pequenas indicações de mudança poderão ser tratadas 
como estatisticamente não significantes. Finalmente os erros de classificação possuem um efeito 
componente, ou seja, a acurácia das classificações de cada imagem deve ser multiplicada de forma que se 
possa estabelecer o erro da comparação, assim duas classificações com 90% de acurácia, quando 
comparadas estabelecem uma probabilidade de erro de 19%. (Deer, 1995). 
A comparação de mapas temáticos obtidos através da classificação pode ser realizada visualmente ou em 
um ambiente de geoprocessamento, sob funções de álgebra de mapas. Esta é uma forma relativamente 
simples para a comparação bitemporal, ressalva-se, no entanto, que requer o desenvolvimento de 
controlos de qualidade e formas de comprovação da acurácia das informações obtidas, dado o carácter 
acumulativo do erro das classificações (Deer, 1995; Huang et al., 2000). O risco de erro é sempre maior 
quando o objecto de estudo é uma área muito extensa, aumentando sempre que os limites da escala de 
trabalho são fixados pelos objectivos do trabalho e não pelos insumos Geográficos, Geodésicos e de 
Detecção Remota disponíveis. Finalmente o número de classes utilizadas é directamente proporcional ao 
crescimento do erro da detecção de mudança. A principal vantagem destas técnicas reside na 
independência entre as imagens temporais que minora os problemas de correcção e a normalização 
radiométrica, além de que acessoriamenteum bom esquema de classificação pode ajudar no foco da 
detecção de mudanças ao isolar as transformações que não importam aos objectivos (Coppin, 2004). 
Uma ressalva válida para todas as técnicas deste grupo é a necessidade se ter cautela em relação à 
necessária classe que representa a não mudança, ou seja, aquela onde serão depositados os pixels que 
permaneceram na mesma classe. Ela não deve significar a exclusão da mudança, apenas a impossibilidade 
de captá-la, como aconteceria no caso de pixels que representassem coberturas com assinaturas similares, 
mas com significados muito diferentes (e. g. floresta em regeneração e floresta em manejo sustentável). 
O mesmo cuidado deve haver quando existem pixels não classificados em um, ou ambos os mapas 
temáticos, nestes casos não é possível estabelecer as trajectórias da mudança quando envolver classe e 
16 
 
não classe ou vice e versa, assim como contabilizar um pixel como estável (não mudança) quando ele 
permanece não classificado nos dois mapas temáticos. 
 Subtracção de Imagens 
Das técnicas de detecção de mudanças no uso e na cobertura do solo é a mais largamente utilizada e pode 
ser considerada uma das mais simples, potencialmente produtora de bons resultados (Coppin et al., 2004). 
Seu princípio é a subtracção dos contadores digitais dos pixels homólogos de duas imagens (podem ser 
bandas, ou transformadas) e registadas, obtidas em datas distintas, de forma que uma nova imagem seja 
produzida. Esta terceira imagem deverá apresentar um histograma onde em torno da média se situarão 
os pixels sem mudança, ou com nenhuma mudança e nas pontas, aqueles que mudaram significativamente 
entre os dois momentos. Quando a subtracção se dá apenas entre duas bandas, a técnica, por vezes, é 
referida como Diferenciação Uni variada (Deer, 1995). 
Nota-se que a operação de subtracção, além de concentrar os pixels sem mudança em torno do valor 0, 
pode resultar em uma imagem diferença contendo valores negativos e positivos nos contadores digitais 
dos seus pixels, isso se dá porque na imagem original de 8 bits os valores discretos possíveis são 0 a 255, 
mas com a subtracção a amplitude passa de -255 a 255. Nessa condição é possível que ocorram distorções 
no tratamento estatístico da etapa de classificação, de forma que é recomendável a soma de uma constante 
(e.g. 255) para eliminar este problema (Dobson, 1995). 
A subtracção também pressupõe um mínimo de igualdade entre as imagens, portanto ela é dependente 
do sucesso das etapas correctivas anteriores, principalmente o registro e a correcção atmosférica e em 
casos específicos, algum tipo de normalização. Outro factor crítico é o ajuste dos limiares entre a mudança 
e a “não-mudança”, dado que a distribuição dos pixels no histograma da imagem diferença se aproximará 
de uma normal e nas caudas estarão os pixels com mudanças significativas. O caminho empírico, testando 
vários limiares e interpretando seus resultados, é na maioria das vezes a melhor forma de encontrar os 
limiares em que pese seu subjectivismo e dependência da familiaridade do operador com a região 
analisada, pois não estarão disponíveis quaisquer informações sobre a natureza destas mudanças além da 
localização e intensidade (Dobson, 1995, Coppin et al., 2004). 
 Razão de Imagens 
Para Deer (1995), a razão de imagens possui os mesmos princípios da subtracção, pois é obtida por uma 
operação aritmética entre os contadores digitais dos pares de pixéis homólogos de imagens registadas 
entre si, que neste caso é a divisão. As transformações são reveladas pelos valores dos pixéis da imagem 
razão, devido ao distanciamento da unidade (pixels não modificados) para mais ou para menos. 
17 
 
Nesta técnica devem ser tomados cuidados de correcção dos valores aos pixels que não se relacionam à 
resposta espectral dos alvos (Mudanças atmosféricas, humidade no solo, sensor), porém a detecção de 
mudanças com esta técnica sofre menos influência de problemas de iluminação, como ângulo solar, 
topografia e sombras por envolver na divisão pixels com valores próximos de zero (Lu et al., 2004). 
Alem destas operações mencionadas acima, existem outras operações que estabelecem o processamento 
condicional, através do cálculo de Álgebra de mapas como: 
 A IN (Lis) Se o valor da célula matricial “A” estiver dentro da lista é devolvido o valor da célula 
matricial “A”, caso contrário é devolvido No data. 
 A OVER B Se o valor da célula matricial “A” for diferente de 0 é devolvido é devolvido o valor 
da célula matricial “A”, caso contrário é devolvido o valor da célula matricial “B”. 
 Regressão de Imagens 
Esta técnica não é largamente utilizada. Nela a comparação das imagens depende de assumir uma delas 
(normalmente a mais antiga) como parâmetro fixo, servindo de base para o estabelecimento de uma 
equação linear que as correlacione e permita inferir os valores dos pixels na segunda imagem. Os pixels 
da segunda imagem indicarão mudanças quando diferirem dos valores esperados, calculados pela 
regressão e pela aplicação de limiares, assim as regiões que mudaram serão identificadas. Note-se que os 
elementos comparativos são as médias e variâncias dos valores dos pixels entre as diferentes datas, fatos 
que reduzem as influências da atmosfera e da angulação solar são reduzidos (Deer, 1995). 
Uma forma de construção da equação de regressão é identificar pixels homogéneos invariáveis (e.g. 
rochas, asfalto) presentes nas duas imagens e subtrair seus valores para fornecer os parâmetros do modelo 
de regressão (Liu, 2005). Similar a outras técnicas, o estabelecimento dos limiares e a escolha das bandas 
são os elementos mais críticos para o sucesso nos resultados exigindo profunda análise dos resíduos da 
regressão e testes com as diversas bandas. Alertando-se que para cada uma delas deverá ser determinada 
uma equação de regressão, de forma que pode ser possível que o uso desta técnica não seja muito amplo, 
porque seus resultados se apresentam muito próximos ao de outras técnicas mais simples, como a 
subtracção de imagens (Coppin et al., 2004; Lu et al., 2004; Ridd e Liu, 1998). 
2.7 Sistemas de Informação Geográfica 
Sistemas de Informação Geográfica (SIG) é o Conjunto de procedimentos, manual ou automatizado, 
utilizados no sentido de armazenamento e manipulação de informação georreferenciada (Aronoff, 1989). 
Do mesmo modo Azemoy Smith e Sicherman (1981) definem SIG como sendo um Conjunto de funções 
automatizadas, que fornecem aos profissionais, capacidades avançadas de armazenamento, acesso, 
18 
 
manipulação e visualização de informação georreferenciada. De maneira semelhante Davis (2002) define 
SIG como sendo ferramentas projectadas para colectar, manipular e apresentar grandes volumes de dados 
espaciais. Para Burrough (1986) uns SIG é constituído por um conjunto de ferramentas especializadas 
em adquirir, armazenar, recuperar, transformar e emitir informações espaciais. Esses dados geográficos 
descrevem objectos do mundo real em termos de posicionamento, com relação a um sistema de 
coordenadas, seus atributos não aparentes e das relações topológicas existentes. 
Já Cowen (1988) refere-se a SIG como sendo uma ferramenta de resolução de problemas, um sistema de 
apoio à decisão envolvendo integração de informação georreferenciada. 
Por seu turno Koshkariov (1989) defende que “SIG” é uma Ferramenta com avançadas capacidades de 
modelação geográfica”. SIG são considerados como uma classe especial de sistemas de informação criado 
para modelar aspectos do mundo real (inseridos num espaço geográfico), normalmente com diferentes 
graus de dependência e relacionados com questões que surgem no domínio da actividade humana 
(Pestana, 2001). 
Segundo Assa & Sano (1998) todos os instrumentos computacionais de Geoprocessamento são 
chamados de Sistemas de Informações Geográficas (SIG), pois permitem a realização de análises 
complexas ao integrardados de diversas fontes e ao criar base de dados georreferenciadas. Câmara & 
Davis (2002) dizem que o termo sistemas de informação geográfica é aplicado para sistemas que realizam 
o tratamento computacional de dados geográficos e recuperam as informações não apenas com base em 
suas características alfanuméricas, mas também através de sua localização espacial. Para que isto seja 
possível, os autores afirmam que a geometria e atributos dos dados devem estar georreferenciados, isto 
é, localizados na superfície terrestre e representados numa projecção cartográfica. Lanari et al,. (1999) 
afirmam que os SIG consistem em uma integração de hardware, software, dados geográficos e pessoas, 
possibilitando aos usuários capturar, armazenar, actualizar, manipular, analisar e exibir todo o tipo de 
informações geograficamente distribuídas. Analisando as definições apresentadas acima por diferentes 
autores pode-se notar que todos abordam de uma maneira geral que a principal característica de um SIG 
é de manipular dados geográficos com referência espacial. 
 
2.7.1. Características dos Sistemas de Informação Geográfica 
Para Câmara & Ortiz (2002), uma característica básica e geral num SIG é sua capacidade de tratar as 
relações espaciais entre os objectos geográficos. 
 
 
19 
 
Segundo os mesmos autores as principais características de um SIG são: 
 Integrar, numa única base de dados, informações espaciais provenientes de dados cartográficos, 
dados de censo e cadastro urbano e rural, imagens de satélite, redes e modelos numéricos de terreno. 
 Combinar as várias informações, através de algoritmos de manipulação, para gerar mapeamentos 
derivados. 
 Consultar, recuperar, visualizar e plotar o conteúdo da base de dados geocodificados. 
 
Figura 3: Componentes de uns SIG (Fonte: Caetano, 2001). 
 
2.7.2. Estrutura de Dados Geográficos 
A estrutura de dados é o critério usado para converter variações geográficas reais em objectos descritos 
(Star & Estes, 1990). 
Segundo Soares (2000) os dados geográficos podem ser vectoriais e Matriciais. São dados 
georreferenciados relacionados a cada posição geográfica, nos quais identificamos a posição por meio de 
uma referência espacial relacionada a um sistema de coordenadas. 
 Modelo Matricial 
Os dados são representados por uma matriz (m x n), linha e coluna, composta por células ou pixels de 
dimensões variáveis. Cada célula está numa posição (m x n), na matriz e poderá estar associada a um 
atributo ou dado descritivo (Raju, 1994). 
20 
 
A resolução do dado matricial está associada ao tamanho da célula: quanto menor a célula melhor a 
resolução ou qualidade da imagem. Um dado em forma matricial pode ser convertido para um dado 
vectorial. Esta conversão matricial/vector depende da qualidade do dado matricial e do programa 
utilizado nesta transformação (Câmara et al., 2001). 
 Modelo Vectorial 
O modelo vectorial utiliza-se de segmentos de linhas ou pontos para identificar localidades. Um mapa 
digital é constituído por representações gráficas: todas as feições são descritas por pontos, linhas e 
polígonos, representados em um sistema de coordenadas (Câmara et al., 2001). 
 
Figura 4: Representação de um modelo vectorial e matricial, (Childs et al., 2004). 
 
2.7.3. Sistemas de Informação Geográfica e Detecção Remota aplicadas no Uso e 
Cobertura da Terra 
A grande quantidade de informações geradas num planeamento conservacionista requer uma fonte de 
colecta e manipulação de informações que seja ágil e de custo relativamente baixo. Para (Rosa, 2003), a 
DR e SIG mostram soluções eficientes para resolver este problema. As Detecções Remotas (DR) em um 
conjunto com os SIG podem ser usadas para aceder variáveis espaciais e temporais, proporcionando 
melhor integração e organização dos dados, avaliação e prognóstico de problemas com auxílio de 
modelos matemáticos de simulação (Espinosa, 2008; Rosa, 2003). 
Garcia (1982) relata que as imagens de satélite são a alternativa mais económica, no estudo de informações 
do uso de terra, levantamento ou identificação de solos e cobertura da vegetação, mesmo não tendo a 
precisão das fotografias aéreas. A degradação dos recursos naturais renováveis nos dias actuais, é um 
processo desenfreado que deve ser analisado e contido com eficiência e rapidez. Neste sentido o 
21 
 
diagnóstico da situação real em que se encontram esses recursos, para ser um instrumento necessário 
para manutenção de recursos naturais (Beltrame, 1994). 
Losch (1993) afirma que o levantamento do uso da terra compreende a forma como o espaço vem sendo 
ocupado pelo homem, e o levantamento do uso da terra tornou-se indispensável para a compreensão dos 
padrões de organização do espaço. Assim, o estudo do uso da terra tem-se tornado cada vez mais intenso 
nessas últimas décadas. Os levantamentos do meio físico desempenham, portanto, um excelente papel 
no fornecimento de dados para diagnosticar a exploração dos recursos naturais, uso da terra e actualização 
de mapas. Contudo, a aplicação de produtos obtidos por Detecção Remota passa frequentemente pelo 
nosso cotidiano. Esta dinâmica é atribuída não somente ao avanço tecnológico, mas às necessidades 
diárias, como a previsão de tempo em meios de comunicação, diferenciação de áreas, uso e cobertura de 
terra e zoneamento ambiental entre outras aplicações, voltadas tanto para áreas específicas quanto gerais, 
tanto científicas quanto comerciais (Gomes, 2005). 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
22 
 
 
 
 
Material e Métodos 
 
3.1 Material 
Para atingir-se os objectivos definidos neste trabalho foi necessário usar dados espaciais na fase do 
processamento, esses dados foram adquiridos em plataformas web, instituições nacionais que gerem 
dados espaciais. Estes dados encontravam-se no Modelo de dados Vectorial e Matricial. Os dados 
vectoriais foram fornecidos pelo CENACARTA (Centro Nacional de Cartografia e Teledetecção) e as 
imagens de satélite (Sentinel-2 com um sensor MSI) foram adquiridos gratuitamente no sítio da instituição 
de Pesquisa Geológica dos Estados Unidos (USGS), http://earthexplorer.usgs.gov. Para a visualização e 
processamento dos dados foram usados os programas computacionais SIG Desktop TerrSet, ArcGIS na 
sua versão trial da ESRI, Envi Classic e Google Earth Pro, para a edição de texto e fluxogramas foram usados 
os programas do Microsoft Office 2013 (Word, Excel, PowerPoint e Visio). 
Tabela 3: Programas computacionais utilizados para elaboração do trabalho. 
Programas Versão Aplicação 
Envi Classic 5.1 Pré-processamento e processamento dos dados 
Google Earth Pro 7.1.8.3036 Avaliação das Classes de uso existentes no Posto 
Administrativo 
TerrSet 18.0 Detecção de mudanças 
ArcGIS ArcMap 10.2.2 Visualização dos dados e elaboração dos Layout 
(Mapas) 
 
Microsoft 
Office 
Word 
 
2013 
Edição de texto 
Excel Elaboração de tabelas 
Visio Elaboração de fluxogramas 
PowerPoint Edição de texto 
 
3 
 
23 
 
Tabela 4: Dados utilizados para elaboração do trabalho. 
Dados Objectivo Tipo Fonte 
Divisão 
administrativa 
Selecção da área de estudo Shapefile CENACARTA 
Imagem de Sentinel-
2 ano 2016 
Mapeamento do Uso e cobertura 
da terra e mudanças ocorridas no 
período compreendido de 2016 a 
2021 
Geotiff 
 
 
http://earthexplorer.usgs.gov 
Imagem de Sentinel-
2 ano 2021 
Geotiff 
 
3.2 Métodos 
3.2.1. Aquisição das imagens 
As imagens do Sentinel-2 estão disponíveis gratuitamente no website da ESA http://earthexplorer.usgs.gov 
onde encontram-se subdivididas em tiles que permitem identificar as imagens que fazem o mosaico da 
área pela qual se pretende realizar o estudo. Para este estudo foram obtidas imagens de Nível 2A que de 
acordo com a (ESA, 2015) apresentam correcção geométrica e correcção atmosférica em escala. 
Tabela 5: Imagens Sentinel-2A de nível 2A 
Produto Nível de 
processamento 
Data de passagem 
do SatéliteTile Cobertura de Nuvens 
Sentinel-2A 2A 24 / 05 / 2016 T36KYE 0% 
Sentinel-2A 2A 28 / 05 / 2021 T36KZE 0% 
 
A selecção das imagens obedeceu aos seguintes critérios: 
• Imagens do período seco – permitem melhor distinção dos diferentes tipos de vegetação; 
• Livres de cobertura de nuvens – as nuvens e as respectivas sombras projectadas obstruem a 
resposta espectral dos objectos à superfície; e 
• Sem áreas queimadas – provocam confusão com as respostas espectrais de outros objectos e a 
subestimação da área de floresta, pois apesar de o fogo afectar mais o estrato herbáceo, o sinal da 
vegetação florestal fica alterado. 
3.2.2. Tratamento das imagens 
Segundo (Gonçalves, 2017) produtos Sentinel-2 no nível 2A e 2B são fornecidas em formato de 100 por 
100 km, conforme uma grade própria, em UTM/WGS84, Ortoretificados, sem distorções internas (do 
http://earthexplorer.usgs.gov/
24 
 
sistema) e externas (da paisagem), tornando as coordenadas mais precisas, e corrigindo os efeitos de 
perspectivas e a influência do relevo (vales e morros) sobre a geometria da imagem. 
Os efeitos da atmosfera (isto é, um distúrbio na reflexão que varia com o comprimento de onda) devem 
ser considerados para medir a reflexão no solo. As imagens Sentinel-2 são fornecidas em reflectância no 
Topo da Atmosfera (TOA) em escala, que podem ser convertidas em reflectância TOA com um cálculo 
simples usando o valor de quantificação fornecido nos metadados (Congedo, Munafo & Macchi, 2013). 
No âmbito deste trabalho foi aplicado o algoritmo The Dark Object Subtraction (DOS) proposto por 
(Chavez, 1996), o mesmo autor explica que “a suposição básica é que dentro da imagem alguns pixels 
são sombras incompletas e suas radiâncias recebidas no satélite são devidas ao espalhamento atmosférico 
(radiância do caminho). Esta suposição é combinada com o facto de que poucos alvos na superfície da 
Terra são pretos absolutos, então uma suposta reflexão mínima de um por cento é melhor que zero por 
cento”. 
Vale ressaltar que a precisão das técnicas baseadas em imagens é geralmente menor do que as correcções 
físicas, mas elas são muito úteis quando não há medições atmosféricas disponíveis, pois elas podem 
melhorar a estimativa da reflectividade da superfície da terra. A radiância do objecto negro é dada pela 
equação proposta por (Sobrino, Jiménez-Muñoz, & Paolini, 2004). 
 
Equação 2 
 
Onde: 
Tz e Tv = 1; Edown = 0 
𝐿𝑝 - brilho do caminho 
𝑇𝑣 - transmitância atmosférica na direcção de visualização 
𝑇𝑧 - transmitância atmosférica na direcção da iluminação 
𝐸𝑑𝑜𝑤𝑛 - irradiância difusa do downwelling 
ESUNλ- A média de irradiação solar exoatmosférica (W/m².µm); 
d- Distância Terra-Sol (unidades astronómicas); 
π- Constante matemática aproximadamente igual a 3,14159 (sem unidade); 
  
 2%1
cos01.0
d
ETNESUT
L downzsvDO

 
25 
 
𝐿𝐷𝑂1% - Radiância do objecto escuro, assumido como tendo um valor de reflectância de 0,01. 
Que resulta na equação de radiância: 
2
min cos01.0
d
ESUNADNM
L sLLp

  Equação 3 
Onde: 
ML - Factor multiplicativo de redimensionamento aditivo (sem unidades); 
AL - Factor de redimensionamento aditivo específico (sem unidades); 
Lp- Caminho da Radiância; 
𝜃𝑠 = Ângulo zenital solar em graus; 
DNmin- números digitais. 
A reflectância no Topo da Atmosfera é calculada pela equação: 
 
s
p
ESUN
LLd





cos
2



 Equação 4 
Onde: 
Lλ - Radiância espectral monocromática (W/m².sr.µm); 
ρ-refletcância da superfície terrestre 
Os valores ESUN [W / (m2 * µm)] para o Sentinel-2 são fornecidos nos metadados da imagem e 
ilustrados na tabela a seguir: 
Tabela 6:Extracto do metadados das imagens Sentinel-2A 
ESUN 1913.57 1941.63 1822.61 1512.79 1425.56 1288.32 1163.19 1036.39 955.19 813.04 367.15 245.59 85.25 
Bandas 1 2 3 4 5 6 7 8 8A 9 10 11 12 
 
O Script para este cálculo encontra-se no Plugin Semi-Automatic Classification do QGIS que permitiu realizar 
a correcção das imagens Sentinel-2A utilizando a metodologia DOS. Importa referir que as resoluções 
do pixel para todas as variáveis modeladas neste trabalho adoptaram 10 metros de resolução espacial, isto 
devido ao tamanho do pixel das Bandas usadas para a produção do uso e cobertura em Xinavane. 
 
26 
 
 
 
3.2.3. Classificação das imagens 
A classificação de imagens é o processo de associar pixéis de uma imagem à uma determinada classe de 
interesse. Consiste em agrupar pixéis idênticos em classes equivalentes às categorias estabelecidas pelo 
investigador, comparando pixéis de identidade desconhecida com os de identidade conhecida 
(Palaniswami et al., 2006). 
Existem vários classificadores usados para diferentes propósitos (Dean & Smith, 2003, Liu et al., 2002; 
Ozesmi & Bauer, 2002; Lo &Watson, 1998; Ernst & Hoffer, 1979). Os classificadores podem ser 
agrupados em supervisionados e não supervisionados. Nos supervisionados, o investigador define a priori 
as classes de interesse e treina o classificador, enquanto nos não supervisionados é o algoritmo de 
classificação que agrupa os pixéis em grupos “naturais” de acordo com a sua semelhança espectral, 
cabendo ao investigador, a posteriori, identificar as classes de cobertura a que cada grupo corresponde 
(Waner & Campagna, 2009). 
No âmbito deste estudo foram utilizadas imagens de satélite para a identificação e classificação da 
vegetação existente na região de estudo. Para o efeito, foi utilizado o método de classificação de Máxima 
Verossimilhança, é o classificador supervisionado mais usado e considerado um dos mais poderosos pois 
aplica a teoria de probabilidade Bayesiana (Perumal & Bhaskaran, 2010; IDRISI Klimanjaro Guide 2004; 
Richards, 1995) de modo a atribuir a cada pixel da imagem de satélite um valor que qualificasse o tipo de 
vegetação existente. Neste estudo, definiram-se seis classes de uso e cobertura de terra com interesse para 
os objectivos propostos: Zona Urbana, Solo em Pousio, Cultivado Irrigado, Vegetação Arbustiva Baixa, 
Vegetação Arbustiva Alta, Vegetação Mista, Reservatórios de Água e Canais de Irrigação, estas classes 
foram escolhidas após a avaliação visual sobre imagens de alta resolução disponíveis na plataforma Google 
Earth Pro, o que permitiu que em regiões remotas, pouco desenvolvidas e caracterizadas por extensas 
áreas geográficas faculta uma incomparável fonte de informação que de outra forma seria impossível de 
obter. O mapa produzido com as classes de Uso e Cobertura da Terra mencionadas constituiu um dos 
produtos deste estudo. 
 
27 
 
 
Figura 5: Recortes de padrões interpretados nas imagens MSI do satélite Sentinel-2 de 2016 e 2021 
utilizados no mapeamento do uso e cobertura das terras da Açucareira de Xinavane. 
 
 
 
28 
 
3.2.4. Avaliação de Qualidade da Classificação 
A validação das classificações procedeu-se no programa Envi 5.1 a partir da ferramenta Confusion Matrix 
using ground truth, que faz uso do Índice Kappa para determinar o quão próximo da realidade esses 
resultados encontram-se. O Índice Kappa é calculado a partir da matriz de confusão e esta foi a última 
etapa da classificação digital de imagens, o que se busca nessa etapa é avaliar a precisão da classificação, 
um resultado com 100% de precisão significa que todos os pixéis da imagem foram classificados de forma 
correcta. Como referência para os resultados obtidos na matriz de confusão, foi utilizada a classificação 
sugerida por Landis & Koch (1977), apresentada na Tabela 6. 
Tabela 6: Classificação baseada na estatística Kappa. 
Coeficiente Kappa Qualidade da Classificação 
< 0 Péssima 
0 – 0.2 Má 
0.21 – 0.4 Razoável 
0.41 – 0.6 Boa 
0.61 – 0.8 Muito boa 
0.81 – 1.0 Excelente 
 
3.2.5. Detecção de Mudanças 
A quantificação da mudança foi feita com o programa TerrSet com o módulo Land Change Modeler (LCM), 
o qual modelou as conversões de uso e cobertura do solo para um período específicode tempo (i.e. 2016-
2021), com base em dados matriciais. Este modelo produziu como resultado mapas de mudanças de uso 
e cobertura da terra e um registro do número de pixels transaccionadas para cada uso e número de pixéis 
que se mantiveram inalterados durante o período em analise. 
29 
 
 
Figura 6: Fluxograma metodológico descrevendo as etapas do trabalho 
 
 
 
 
 
 
 
 
30 
 
 
 
 
Resultados e Discussão 
 
4.1. Resultados e Discussão 
É possível ver a distribuição das classes de uso e cobertura da terra na Açucareira de Xinavane a partir 
das figuras 7 e 8, para o ano de 2016 e 2021 respectivamente. Estas figuras correspondem aos resultados 
obtido através da classificação proposta pela metodologia, onde as 8 classes utilizadas na avaliação da 
cobertura da terra se encontram presentes, o resultado da avaliação de precisão dos mapas classificados 
pode ser consultado em anexo 1 e 2. 
A área em hectares, ocupada por cada classe em cada ano está representada na tabela 7. Onde verifica-se 
que a classe Cultivado Irrigado registou maior ocupação da área para os dois anos em análise, com valores 
estimados em 80.7km2 e 74.8km2 para os anos 2016 e 2021 respectivamente, a classe Vegetação Mista 
apresenta-se logo de seguida com valores de área estimados em 74.2km2 e 55.8km2 para anos acima 
referidos, verificou-se também que para a área coberta pelo Cultivado Irrigado no período analisado 
registou uma redução de cerca de 5.9%. A classe Zona Urbana em oposição ao Cultivado Irrigado 
apresentou um aumento significativo, dos 5.4% registrados em 2016 para os 18.1% registrados em 2021. 
Tabela 6:Distribuição da área em função das classes de uso e cobertura da terra. 
 
Classes 
2016 2021 Variação 
Área (km2) % Área (km2) % Área (km2) % 
Zona Urbana 14.1 5.4 47.2 18.1 +33.1 +12.7 
Solo em Pousio 13.0 5.0 30.5 11.7 +17.5 +6.7 
Cultivado Irrigado 80.7 31.0 74.8 28.7 -5.9 -2.3 
Vegetação Arbustiva Baixa 56.4 21.6 33.9 13.0 -22.5 -8.6 
Vegetação Arbustiva Alta 15.9 6.1 9.4 3.6 -6.5 -2.5 
Vegetação Mista 74.2 28.5 55.8 21.4 -18.4 -7.1 
Reservatório de água 4.7 1.8 6.8 2.6 +2.1 +0.8 
Canal de irrigação 1.6 0.6 2.2 0.8 +0.6 +0.2 
Total 260.6 100 260.6 100 0.0 0.0 
4 
 
31 
 
 
Figura 7: Mapa de Uso e Cobertura da Terra da Açucareira de Xinavane em 2016 
 
32 
 
 
Figura 8: Mapa de Uso e Cobertura da Terra da Açucareira de Xinavane em 2021 
33 
 
4.1.1. Avaliação de mudanças no uso e cobertura da terra 
 
Com os resultados obtidos foi possível quantificar as perdas e ganhos no período de análise como ilustra 
a figura 10 abaixo. O decréscimo das áreas de Cultivo Irrigado foi mais significativo ao contrário do 
verificado na classe Zona Urbana que apresentou maior área de expansão ao longo da área em estudo. 
As Classes Vegetação arbustiva Baixa e Alta junto da Vegetação mista estiveram sempre em constante 
redução devido a influencia das actividades antrópicas, onde é verificado a conversão para outras classes, 
incluindo o Cultivado irrigado ou Solo em Pousio para desenvolvimento de actividades agrícolas, esta 
alteração remete-nos as melhorias no sistema de produção implementadas em 2018 na Açucareira de 
Xinavane e mostram que esta implementação teve positivas contribuições para o aumento da produção. 
Na figura 10 abaixo temos a ilustração das áreas onde houve, mudanças de uma classe de uso e cobertura 
para outra e as áreas em que não houve mudanças. A distribuição da área onde houve mudança encontra-
se, mas acentuadas nas margens da estrada e nas proximidades do Rio Incomáti, a distribuição das 
mesmas é não regular exceptuando a área coberta pela Açucareira de Xinavane que teve um aumento 
significativo ao longo do período de 2016 e 2021. 
 
Figura 9: Mudanças ocorridas no uso e cobertura da terra. 
0
10
20
30
40
50
60
70
80
90
Á
re
a 
(k
m
2 )
Classes de Uso e Cobertura da Terra
Mudanças no Uso e Cobertura da Terra 2016 a 2021
2016 2021
34 
 
 
Figura 10: Mudanças no Uso e Cobertura da Terra 
35 
 
A tabela 8 indica ao pormenor, a dinâmica da cobertura da terra entre os períodos em análise (2016 
para 2021) para a Açucareira de Xinavane. 
Tabela 7: Mudanças ocorridas no período em análise. 
 
Mudanças 
2016-2021 
Área (km2) % 
Vegetação Mista para Zona Urbana 17.4 6.7 
Cultivado Irrigado para Solo em Pousio 15.4 5.9 
Vegetação Arbustiva Baixa para Cultivado Irrigado 10.8 4.1 
Vegetação Mista para Cultivado Irrigado 10.0 3.8 
Vegetação Mista para Vegetação Arbustiva Baixa 11.5 4.4 
Vegetação Arbustiva Baixa para Vegetação Mista 13.3 5.1 
Sem Mudanças 182.2 69.9 
Total 260.6 100 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
36 
 
 
 
 
Conclusões e Recomendações 
 
6.1. Conclusão e Recomendações 
6.1.1. Conclusão 
A produção da cartografia de uso e cobertura serve de base para o apoio ao planeamento e auxiliar na 
criação de medidas de prevenção ao abate indiscriminado, podendo contribuir para a optimização dos 
recursos e infra-estruturas disponíveis. A metodologia sugerida neste trabalho revelou-se apropriada para 
a detecção de mudanças na área de estudo, sendo assim alcançado o objectivo principal, as aplicações de 
técnicas de geoprocessamento permitiram mapear com maior facilidade, menor dispêndio de tempo e 
baixo custo a variabilidade espacial e temporal dos espaços. 
A adopção de imagens com datas próximas obtidas na mesma época do ano num período de 5 anos foi 
acertada para os objectivos do trabalho. Elas ajudaram a controlar a qualidade dos resultados e ressaltaram 
as mudanças importantes para o trabalho. 
Após as análises elaboradas, observou-se que nos anos de 2016/2021 o principal tipo de uso e cobertura 
da terra era Cultivado Irrigado, que cobria em média cerca de 74.8% da área total da açucareira de 
Xinavane e logo de seguida, verificava-se a classe Zona Urbana cobrindo em média cerca de 47.2%. Esse 
dado demonstra que a área de estudo, tem como principal actividade económica, o cultivo de Cana-de-
açúcar. Isto demonstra a importante mudança ocorrida na área, seguindo a tendência em toda a açucareira 
onde a cana tem sido implantada com grande intensidade em um grande número de propriedades rurais 
nos últimos anos, tendo se tornado um dos principais produtos agrícolas da região. 
6.1.2. Recomendações 
Aos investigadores: 
 A utilização nos próximos estudos de imagens de satélite de alta resolução tais como IKONOS, 
QUICKBIRD, LIDAR e ALOS/PALSAR de modo a estimar com maior eficiência as áreas de 
mudanças. 
 Durante o processo de classificação usar-se áreas de treinos confirmados no campo como 
pertencentes a cada uma das classes de uso e cobertura da terra. 
5 
 
37 
 
 O desenho e aplicação duma metodologia padronizada a nível nacional e não só, de forma a garantir 
a comparação dos resultados e para que a monitoria seja sistemática e consistente. 
 A elaboração de mais estudos deste género e sua divulgação a nível do país. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
38 
 
Referências Bibliográficas 
1. Câmara et al., (1996). Anatomia de sistemas de informação geográfica, INPE - São José dos campos. 
Brasil. 135p. 
2. Ferrão, M. (2003). Apontamentos de Teledetecção-Fascículo I: Satélites e Princípios Físicos de 
Teledetecção. CENACARTA e Universidade Eduardo Mondlane -Faculdade de Letras e Ciências 
Sociais. Departamento de Geografia. Maputo-Moçambique; 
3. Ferrão, M. (2004). Manual de Teledetecção-Fascículo II: Tratamento de imagens Satélite. 
CENACARTA e Universidade Eduardo Mondlane -Faculdade de Letra-Departamento de Geografia. 
Maputo-Moçambique. 
4. ROSA, R. Introdução ao Sensoriamento Remoto. 5. Ed. Uberlândia: Universidade Federal de 
Uberlândia, Brasil, 2003; 
5. ESPINOZA, Helia Del Carmen Farias. Evolução Temporal da Cobertura Vegetal do Manguezal do 
Rio Tavares (Florianópolis-Santa Catarina) empregando Sensoriamento Remoto e SIG. Dissertaçãode Mestrado. Itajaí, 2008; 
6. Carvalho, A. C. (2010). A DETECÇÃO REMOTA E OS SIG NA PRODUÇÃO ANIMAL. 
Dissertação apresentada como requisito parcial para a obtenção do grau de Mestre em Ciências e 
Sistemas de Informação Geográfica, 151. 
7. Ferrão, M. F. (2005). Satélites e Princípios Físicos da Teledetecção. Maputo: CENACARTA; 
8. Fonseca, A. D., & Fernandes, J. C. (2004). DETECÇÃO REMOTA. LISBOA-PORTO; 
9. Lillesand T. M e Kieffer, R. W., 1994, Remote Sensing and Image Interpretation. (3 Ed.) (new York: 
John Wiley e Sons, Inc); 
10. Lillesand T. M e Kieffer, R. W., 2003, Remote Sensing and Image Interpretation. (5 Ed.) (new York: 
John Wiley e Sons, Inc); 
11. Câmara et al., (1996). Anatomia de sistemas de informação geográfica, INPE - São José dos campos. 
Brasil; 
12. Júnior, V. A. J. (2011). Análise comparativa dos métodos de classificação de imagens de alta resolução 
para mapeamento da cobertura do solo, Instituto de Geociências (IFMG); 
39 
 
13. Kiel, R. (2008). Detecção de mudanças no uso e cobertura do solo em uma série temporal de imagens 
da região da campanha do Rio grande do sul. Tese de Mestrado, Universidade Federal do Rio Grande 
do Sul, Brasil; 
14. Manteiga, B. J. (2009). Potencialidade de Imagem de Satélite no Monitoramento de uso e cobertura 
da terra – Estudo de caso – Distrito de Maganja da Costa (Zambézia), Tese de Licenciatura. 
Universidade Eduardo Mondlane (UEM); 
15. Bridget O’Laoghlin e Yasfir Ibraimo, assistidos por Sónia Bila, Aldino Jovo e Salvador Ngove. 
Expansão da produção de açúcar e o bem-estar dos trabalhadores agrícolas e comunidades rurais em 
xinavane e magude. Cadernos IESE n˚ 12P/2013; 
16. Marques, R. W., (2006). Interpretação de imagens de satélites em estudos ambientais, Ambiência - 
Revista do centro de ciências agrarias e ambientais, Brasil; 
17. MAE - Ministério da Administração Estatal. (2005). Perfil do distrito da Manhiça - província de 
Maputo, 57. Retrieved from http://www.govnet.gov.mz/ 
18. Morais, C. E. (2002). Fundamentos de sensoriamento remoto, Ministério da ciência e tecnologia - 
Instituto nacional de pesquisas espaciais, Brasil 
19. Meneses, R. P., & T. Almeida. (2012). Introdução ao processamento de imagens de sensoriamento 
remoto, Brasília; 
20. Novo, P., & J. Flávio. (2001). Introdução ao Sensoriamento Remoto. São José dos Campos, Brasil; 
21. NASA (2010). The Landsat program. Disponível em: http://landsat.gsfc.nasa.gov/; 
22. Novo, E. M. (2008). Sensoriamente remoto: princípios e aplicações de sensoriamento remoto. 3ª 
Edição, revista São Paulo - Brasil; 
23. Câmara, G., Davis, C., Monteiro, A. M. V. (1998) Introdução a Ciências de Informação. DPI/INPE; 
24. Teixeira, R. F., (2008). Detecção de mudanças na paisagem em área de floresta tropical utilizando 
técnicas de sensoriamento remoto e imagens LANDSAT TM. Tese de Mestrado, Universidade 
Federal Rural do Rio de Janeiro, Brasil; 
25. Cumbane, M. N. (2010). Análise de mudanças de Uso e Cobertura da Terra. Tese de Licenciatura, 68 
pp, Universidade Eduardo Mondlane. 
26. FAO, (2011). A Definição de Florestas; 
http://landsat.gsfc.nasa.gov/
40 
 
27. DUEKER, K. J. e BUTLER, J. A., 1997, GIS-T Enterprise Data Model With Suggested 
Implementation Choices, Center for Urban Studies, School of Urban and Public Affairs, Portland 
State University; 
28. JENSEN, John R. (2009). Sensoriamento Remoto do Ambiente: uma perspectiva em recursos 
terrestres. Editora Parêntese, São José dos Campos, SP; 
29. MICOA. (2007). Estratégia Ambiental Para o Desenvolvimento Sustentável de Moçambique. 
Ministério para a Coordenação da Acção Ambiental; 
30. Silva, G. B. S. da, Loebmann, D. G. dos S. W., Folharini, S. de O., Nogueira, S. F., Vicente, L. E., 
Andrade, R. G., & Furtado, A. L. dos S. (2012). Procedimentos para correcção geométrica de imagens 
de satélite, 1 – 18 pp. Campinas, SP.Brasil; 
31. COPPIN, P. et al., Digital Change Detection Methods In Ecosystem Monitoring: a review. 
International Journal of Remote Sensing. Taylor e Francis Ltd., n. 9, p. 1565-1596, 10 may 2004. 
32. GONZALES, R. C. WOODS, R. E. Processamento de Imagens Digitais. 2000. Editora Edgard 
Blücher Ltda., São Paulo, SP 
33. LIU, Q. J. et al., Monitoring Forest Dynamics Using Satellite Imagery – a case study in the natural 
reserve of Changbai Mountain in China. Forest Ecology and Management. New York, NY: Elsevier, 
n.210, 2005; 
34. LIU, W. T. H. Aplicações de Sensoriamento Remoto. Editora Uniderp, Campo Grande 1ª ed.; 
35. LU, D. et al. Change Detection Techniques. International Journal of Remote Sensing. Taylor e Francis 
LTD., n. 25, p. 2365-2407, 20 Jun. 2004. Disponível em: < http://www.tandf.co.uk/journals 
36. O´Laughlin, Bridget, & Ibraimo, Yasfir. (2013). A expansão da produção de açucar e o bem-estar dos 
trabalhadores agrícolas e comunidades rurais em Xinavane e Magude, 90. Retrieved from 
http://www.iese.ac.mz/lib/publication/cad_iese/. 
37. MAE - Ministério da Administração Estatal. (2005). Perfil do distrito da Manhiça - província de 
Maputo, 57. Retrieved from http://www.govnet.gov.mz/. 
 
 
 
 
http://www.tandf.co.uk/journals
http://www.govnet.gov.mz/
41 
 
 
 
 
 
 
 
 
 
 
 
 
ANEXOS 
 
 
 
 
 
 
 
 
 
 
 
 
 
42 
 
Anexo 1: Relatório de avaliação de qualidade da classificação pelo Índice Kappa 2016. 
 
Confusion Matrix: 
C:\Users\Mabote\Desktop\TCC\Resultados\Classificacao\2016\Classes 
 
Overall Accuracy = (9486/10638) 89.1709% 
Kappa Coefficient = 0.8691 
 
 Ground Truth (Pixels) 
 Class Zona UrbanaSolo em PousiCultivado IrrVegetacao 
ArbVegetacao Arb 
 Unclassified 0 0 0 0 
0 
Zona Urbana [ 1013 24 0 0 
1 
Solo em Pousi 168 840 0 2 
0 
Cultivado Irr 0 0 2323 7 
4 
Vegetacao Arb 0 0 61 1044 
20 
Vegetacao Arb 0 0 3 15 
550 
Vegetacao Mis 73 4 1 17 
3 
Reservatorio 0 0 0 0 
0 
Canal de Irri 253 0 0 0 
0 
 Total 1507 868 2388 1085 
578 
 
 Ground Truth (Pixels) 
 Class Vegetacao MisReservatorio Canal de Irri Total 
 Unclassified 0 0 0 0 
Zona Urbana [ 68 15 18 1139 
Solo em Pousi 43 0 2 1055 
Cultivado Irr 8 0 0 2342 
Vegetacao Arb 304 0 0 1429 
Vegetacao Arb 38 0 0 606 
Vegetacao Mis 2592 0 0 2690 
Reservatorio 0 1069 0 1069 
Canal de Irri 0 0 55 308 
 Total 3053 1084 75 10638 
 
 Ground Truth (Percent) 
 Class Zona UrbanaSolo em PousiCultivado IrrVegetacao 
ArbVegetacao Arb 
 Unclassified 0.00 0.00 0.00 0.00 
0.00 
Zona Urbana [ 67.22 2.76 0.00 0.00 
0.17 
Solo em Pousi 11.15 96.77 0.00 0.18 
0.00 
43 
 
Cultivado Irr 0.00 0.00 97.28 0.65 
0.69 
Vegetacao Arb 0.00 0.00 2.55 96.22 
3.46 
Vegetacao Arb 0.00 0.00 0.13 1.38 
95.16 
VegetacaoMis 4.84 0.46 0.04 1.57 
0.52 
Reservatorio 0.00 0.00 0.00 0.00 
0.00 
Canal de Irri 16.79 0.00 0.00 0.00 
0.00 
 Total 100.00 100.00 100.00 100.00 
100.00 
 
 Ground Truth (Percent) 
 Class Vegetacao MisReservatorio Canal de Irri Total 
 Unclassified 0.00 0.00 0.00 0.00 
Zona Urbana [ 2.23 1.38 24.00 10.71 
Solo em Pousi 1.41 0.00 2.67 9.92 
Cultivado Irr 0.26 0.00 0.00 22.02 
Vegetacao Arb 9.96 0.00 0.00 13.43 
Vegetacao Arb 1.24 0.00 0.00 5.70 
Vegetacao Mis 84.90 0.00 0.00 25.29 
Reservatorio 0.00 98.62 0.00 10.05 
Canal de Irri 0.00 0.00 73.33 2.90 
 Total 100.00 100.00 100.00 100.00 
 
 
 Class Commission Omission Commission 
Omission 
 (Percent) (Percent) (Pixels) 
(Pixels) 
Zona Urbana [ 11.06 32.78 126/1139 
494/1507 
Solo em Pousi 20.38 3.23 215/1055 
28/868 
Cultivado Irr 0.81 2.72 19/2342 
65/2388 
Vegetacao Arb 26.94 3.78 385/1429 
41/1085 
Vegetacao Arb 9.24 4.84 56/606 
28/578 
Vegetacao Mis 3.64 15.10 98/2690 
461/3053 
Reservatorio 0.00 1.38 0/1069 
15/1084 
Canal de Irri 82.14 26.67 253/308 
20/75 
 
 Class Prod. Acc. User Acc. Prod. Acc. 
User Acc. 
 (Percent) (Percent) (Pixels) 
(Pixels) 
Zona Urbana [ 67.22 88.94 1013/1507 
1013/1139 
44 
 
Solo em Pousi 96.77 79.62 840/868 
840/1055 
Cultivado Irr 97.28 99.19 2323/2388 
2323/2342 
Vegetacao Arb 96.22 73.06 1044/1085 
1044/1429 
Vegetacao Arb 95.16 90.76 550/578 
550/606 
Vegetacao Mis 84.90 96.36 2592/3053 
2592/2690 
Reservatorio 98.62 100.00 1069/1084 
1069/1069 
Canal de Irri 73.33 17.86 55/75 
55/308 
 
 
Anexo 2: Relatório de avaliação de qualidade da classificação pelo Índice Kappa 2021. 
Confusion Matrix: 
C:\Users\Mabote\Desktop\TCC\Resultados\Classificacao\2021\Classes 
 
Overall Accuracy = (9327/10638) 87.6763% 
Kappa Coefficient = 0.8511 
 
 Ground Truth (Pixels) 
 Class Zona UrbanaSolo em PousiCultivado IrrVegetacao 
ArbVegetacao Arb 
 Unclassified 0 0 0 0 
0 
Zona Urbana [ 1006 53 0 12 
2 
Solo em Pousi 69 812 0 0 
0 
Cultivado Irr 0 0 2381 5 
9 
Vegetacao Arb 124 0 0 996 
1 
Vegetacao Arb 0 0 0 7 
564 
Vegetacao Mis 78 3 7 65 
2 
Reservatorio 0 0 0 0 
0 
Canal de Irri 230 0 0 0 
0 
 Total 1507 868 2388 1085 
578 
 
 Ground Truth (Pixels) 
 Class Vegetacao MisReservatorio Canal de Irri Total 
 Unclassified 0 0 0 0 
Zona Urbana [ 76 24 12 1185 
Solo em Pousi 47 0 1 929 
Cultivado Irr 25 0 0 2420 
45 
 
Vegetacao Arb 433 0 0 1554 
Vegetacao Arb 22 0 0 593 
Vegetacao Mis 2449 3 0 2607 
Reservatorio 1 1057 0 1058 
Canal de Irri 0 0 62 292 
 Total 3053 1084 75 10638 
 
 Ground Truth (Percent) 
 Class Zona UrbanaSolo em PousiCultivado IrrVegetacao 
ArbVegetacao Arb 
 Unclassified 0.00 0.00 0.00 0.00 
0.00 
Zona Urbana [ 66.76 6.11 0.00 1.11 
0.35 
Solo em Pousi 4.58 93.55 0.00 0.00 
0.00 
Cultivado Irr 0.00 0.00 99.71 0.46 
1.56 
Vegetacao Arb 8.23 0.00 0.00 91.80 
0.17 
Vegetacao Arb 0.00 0.00 0.00 0.65 
97.58 
Vegetacao Mis 5.18 0.35 0.29 5.99 
0.35 
Reservatorio 0.00 0.00 0.00 0.00 
0.00 
Canal de Irri 15.26 0.00 0.00 0.00 
0.00 
 Total 100.00 100.00 100.00 100.00 
100.00 
 
 Ground Truth (Percent) 
 Class Vegetacao MisReservatorio Canal de Irri Total 
 Unclassified 0.00 0.00 0.00 0.00 
Zona Urbana [ 2.49 2.21 16.00 11.14 
Solo em Pousi 1.54 0.00 1.33 8.73 
Cultivado Irr 0.82 0.00 0.00 22.75 
Vegetacao Arb 14.18 0.00 0.00 14.61 
Vegetacao Arb 0.72 0.00 0.00 5.57 
Vegetacao Mis 80.22 0.28 0.00 24.51 
Reservatorio 0.03 97.51 0.00 9.95 
Canal de Irri 0.00 0.00 82.67 2.74 
 Total 100.00 100.00 100.00 100.00 
 
 
 Class Commission Omission Commission 
Omission 
 (Percent) (Percent) (Pixels) 
(Pixels) 
Zona Urbana [ 15.11 33.24 179/1185 
501/1507 
Solo em Pousi 12.59 6.45 117/929 
56/868 
Cultivado Irr 1.61 0.29 39/2420 
7/2388 
46 
 
Vegetacao Arb 35.91 8.20 558/1554 
89/1085 
Vegetacao Arb 4.89 2.42 29/593 
14/578 
Vegetacao Mis 6.06 19.78 158/2607 
604/3053 
Reservatorio 0.09 2.49 1/1058 
27/1084 
Canal de Irri 78.77 17.33 230/292 
13/75 
 
 Class Prod. Acc. User Acc. Prod. Acc. 
User Acc. 
 (Percent) (Percent) (Pixels) 
(Pixels) 
Zona Urbana [ 66.76 84.89 1006/1507 
1006/1185 
Solo em Pousi 93.55 87.41 812/868 
812/929 
Cultivado Irr 99.71 98.392381/2388 
2381/2420 
Vegetacao Arb 91.80 64.09 996/1085 
996/1554 
Vegetacao Arb 97.58 95.11 564/578 
564/593 
Vegetacao Mis 80.22 93.94 2449/3053 
2449/2607 
Reservatorio 97.51 99.91 1057/1084 
1057/1058 
Canal de Irri 82.67 21.23 62/75 
62/292