O ecossistema manguezal representa 8% de toda a linha de costa do planeta ocupando uma área total de 181.077 km2. O Brasil é o segundo país em extensão de áreas de manguezal, ficando atrás apenas da Indonésia. O objetivo do presente estudo foi mapear e identificar os principais vetores responsáveis pela supressão da cobertura das áreas de manguezal na região do Baixo Sul da Bahia, Brasil, a partir de imagens de satélite Landsat disponíveis para o período entre 1994 e 2017. Os mapeamentos foram realizados a partir de classificação supervisionada, utilizando o método Maxver. A acurácia da classificação obtida foi verificada através da verdade de campo, de índices de Exatidão Global, e dos coeficientes de concordância kappa e Tau. As classes que apresentaram maior área de cobertura no período analisado foram: vegetação ombrófila densa, agropecuária, solo exposto e manguezal. Foram identificados dois vetores principais responsáveis pela supressão dos bosques de mangue: a expansão desordenada das áreas urbanas (com destaque para o município de Valença) e o avanço da atividade de carcinicultura clandestina, devido a instalação de tanques de cultivo de camarão sem o devido processo de licenciamento ambiental (sobretudo no município de Nilo Peçanha). O uso das geotecnologias, em especial o Sensoriamento Remoto e os Sistemas de Informações Geográficas, foram ferramentas fundamentais na identificação destes vetores responsáveis pela supressão das áreas de manguezal na área de estudo região do Baixo Sul da Bahia.  Mapping and identification of vectors responsible for mangrove suppression in the Southern Bahia Lowlands, BrazilA B S T R A C TThe mangrove ecosystem represents 8% of the entire coastline of the planet and occupies a total area of 181,077 km2. Brazil is the second largest country in terms of mangrove areas, second only to Indonesia. The aim of the present study was to map and identify the main vectors responsible for the suppression of mangrove cover in the Southern Lowlands of Bahia, Brazil, from Landsat satellite images available for the period 1994-2017. based on supervised classification using the Maxver method. The accuracy of the classification obtained was verified through field truth, Global Accuracy indices, and kappa and Tau agreement coefficients. The classes that presented larger coverage area in the analyzed period were: dense ombrophilous vegetation, agriculture, exposed soil and mangrove. Two main vectors responsible for the suppression of mangrove forests were identified: the disorderly expansion of urban areas (especially the municipality of Valença) and the advance of clandestine shrimp farming due to the installation of shrimp farms without due environmental licensing process (mainly in the municipality of Nilo Peçanha). The use of geotechnologies, especially Remote Sensing and Geographic Information Systems, were fundamental tools in the identification of these vectors responsible for the suppression of mangrove areas in the study area of the Southern Bahia Lowlands.Key-words: environmental impacts, satellite image, shrimp farming.

The article aimed to carry out a multitemporal mapping to show the expansion of shrimp farming in the communities of São Francisco and Barra dos Carvalhos, in the municipality of Nilo Peçanha (BA), from the records available in the free tool of Google Earth Pro. The mangrove is of paramount importance for countless estuarine and marine species that use the mangrove environments for shelter, food and refuge, as well as for sustaining fishing and shellfish carried out by artisanal fisheries communities and their food security. High-resolution images were selected for the years 2002, 2012 and 2017. The methodological approach was based on the visual analysis of the images, to identify the classes of use and coverage and the main vectors responsible for the suppression of mangrove areas. To support vectorization, an identification key was developed based on the principles of photointerpretation. Field outings were performed to collect data with the GPS receiver to validate the mapping. In the three years analyzed, it was possible to notice that there was a significant advance in the shrimp farming class. Between 2012 and 2017 there was a significant increase in the number of shrimp farming tanks, now occupying an area of 1.0 km2, an increase of 0.80 km2, corresponding to an area of occupation 5 times greater (500% expansion) than that observed in 2002.

A pesca com camboas (currais) é uma atividade artesanal tradicional, comum nos estuários da Zona Costeira brasileira. A camboa é uma arte de pesca fixa de grande porte, construída artesanalmente por estaqueamento para sustentação de esteiras feitas com taliscas de cana brava ou telas sintéticas, e tem como finalidade capturar peixes por meio de armadilhamento no seu interior. Esse estudo objetivou caracterizar a pesca com camboas e os diferentes tipos encontrados no rio dos Patos na região do Baixo Sul da Bahia. A metodologia foi realizada em quatro etapas. A primeira etapa constou da identificação e espacialização de diferentes formatos de camboas, através das imagens de sensoriamento remoto de alta resolução, disponíveis gratuitamente, no Google Earth. Na segunda etapa foram realizadas entrevistas semi-estruturadas com pescadores e donos de camboas para a caracterização de pesca e dos diferentes tipos de camboas.Com as análises realizadas foi possível mapear na área de estudo a partir das imagens de satélite e do campo 27 camboas, dessas 21 estavam fixadas e três desativadas para manutenção das estacas e telas. Os resultados demonstraram a potencialidade das imagens de alta resolução disponíveis no Google Earth como uma excelente ferramenta no estudo e monitoramento das camboas de pesca.   Spatialization of artisanal fishing with Google Earth Pro image subsidy: case study in the estuarine Coastal Zone of Sothern Bahia, Brazil A B S T R A C TThe artisanal fishing with camboas (weirs) is a traditional activity, common in estuaries of the Brazilian Coastal Zone. The camboa is a large fixed fishing gear used to catch fish by trapping inside. This study aimed to characterize the fisheries and the different types of camboas found, with the support of satellite imagery from Google Earth Pro, in a pilot area within the Southern Bahia region. The methodology was applied in four stages. The first phase started with the identification and mapping of the spatial distribution of different formats (types) of camboas, through remote sensing high resolution images available for free on Google Earth. In the second phase, semi-structured interviews with fishermen and camboas owners were carried out for the characterization of fisheries and different types of camboas. Subsequently, the direct verification was carried out in the field, to sampling some camboas’ fisheries. In the last stage, measurements of structures of samples of the different type of fixed fishing gear were made, considering: the maximum length of the cerco. It was possible to map 27 camboas in the study area from satellite images and field. From these, 21 camboas were in operation, and three were disabled for maintenance. The results demonstrated the potentiality of the high-resolution images available on Google Earth as an efficient tool to the study and monitoring of the spatial dynamics of fixed fishing gears, like the camboas of southern Bahia, Northeast Brazil.Key words: estuarine fisheries; fixed fishing gears; remote sense; traditional territories.

O objetivo deste trabalho consistiu em testar a viabilidade do uso das geotecnologias na identificação, mapeamento e caracterização das camboas da pesca artesanal, na zona costeira estuarina da região do Baixo Sul da Bahia, utilizando as imagens  de satélite de alta resolução, disponíveis no Google Earth. A camboa é uma arte de pesca fixa de grande porte, visível do espaço, construída artesanalmente, e tem como finalidade capturar peixes por meio de armadilhamento no seu interior. A abordagem metodológica desenvolvida partiu da análise visual das imagens de sensoriamento remoto de alta resolução, disponíveis gratuitamente no Google Earth, para reconhecimento e identificação desses apetrechos de pesca. Depois da identificação, os mesmos foram sinalizados para espacialização e caracterização geométrica das estruturas identificadas. Foram identificadas e mapeadas 92 camboas na área de estudo. As estruturas de uma subamostra das camboas identificadas foram medidas. Além da forma, as seguintes medidas foram consideradas: o comprimento máximo do cerco (da espia à entrada da sala). A partir da análise das imagens foi possível classificar 6 tipos de camboas com base em sua geometria e arranjo de seus compartimentos. O uso das imagens de alta resolução do Google Earth mostrou-se uma excelente ferramenta para o estudo das camboas, apoio à gestão e monitoramento de baixo custo dessa prática tradicional de pesca.