1

AVALIAÇÃO DOS NÍVEIS DE DEGRADAÇÃO AMBIENTAL NO EST ADO

DO MATO GROSSO

vanessadafonsecapereira@gmail.com

APRESENTACAO ORAL-Agropecuária, Meio-Ambiente, e Desenvolvimento

Sustentável

VANESSA DA FONSECA PEREIRA; TALLES GIRARDI DE MENDONÇA; JOÃO

EUSTÁQUIO DE LIMA; VIVIANI SILVA LÍRIO.

UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA - MG - BRASIL.

Avaliação dos níveis de degradação ambiental no estado do Mato Grosso1

Resumo O crescimento das atividades econômicas no estado do Mato Grosso, principalmente agropecuárias, e o aumento da população do Estado possuem conseqüências sobre o meio ambiente. Esse processo torna-se de maior importância em função de o estado fazer parte da Amazônia Brasileira. Desse modo, este trabalho buscou quantificar o nível de degradação ambiental dos municípios do Estado do Mato Grosso. Para tanto, variáveis econômicas, demográficas e biológicas formaram quatro indicadores básicos, utilizados para gerar o Índice de Degradação (ID), por meio de procedimentos de análise fatorial. Posteriormente, os municípios foram agrupados em três clusters, com base no desempenho relativo nos quatro indicadores básicos. Os municípios do Mato Grosso possuem um ID médio de 71,20%, o qual indica expressivo nível de degradação ambiental. Os principais fatores que afetam a degradação no estado são os níveis de atividade agrícola e pecuária, o que é reflexo da expansão da cultura da soja e da criação de gado. Ademais, houve semelhança entre os níveis de degradação dos municípios, o que implica na necessidade de medidas ambientais de âmbito estadual. Palavras-chave: Índice de Degradação, indicadores ambientais, Estado do Mato Grosso. JEL: Q50, R10. Abstract Evaluation of environmental degradation levels in the state of Mato Grosso, Brazil The growth of economic activities in the state of Mato Grosso, mainly agricultural, and the growth of the state’s population have consequences on the environment. This process becomes more important because the state is part of the Brazilian Amazon. 1 Os autores agradecem à Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) o apoio financeiro que permitiu a participação no evento.

2

Thus, this study aimed to quantify the level of environmental degradation of the municipalities of Mato Grosso. Therefore, economic, demographic and biological variables formed four basic indicators used to generate the Degradation Index (DI), by using factor analysis procedures. Subsequently, the municipalities were grouped into three clusters according to the relative performance in four core indicators. The municipalities of Mato Grosso have an average DI of 71.20%, which indicates a considerable level of environmental degradation. The main factors affecting the deterioration in the state are the levels of agricultural and livestock activities, which reflects the expansion of soybean cultivation and cattle breeding. Moreover, there was similarity between the levels of degradation of the municipalities, which implies the need for environmental measures statewide. Key words: Degradation Index, Environmental indicators, Mato Grosso. 1. Introdução

A expansão da produção agropecuária no Brasil, possibilitada pela integração

de novas áreas, tem levado a questionamentos por parte de pesquisadores de diversas

áreas sobre os custos ambientais desse processo e os níveis de degradação por ele

gerados. Isso porque boa parte dessas áreas compreende regiões dos Estados que

compõem a Amazônia brasileira.2 A integração dessas áreas, em geral, é marcada por

intenso processo de degradação ambiental, causada, sobretudo, pelo desmatamento, que

visa à retirada da cobertura vegetal nativa e sua substituição por pastagens e por

lavouras.

Margulis (2003) destacou que o principal determinante do desmatamento na

região amazônica é a expansão das áreas de pastagem. Segundo o autor, com base em

dados do Censo Agropecuário referentes ao ano de 1995, a incorporação das terras

desmatadas com pastagens chegou a 70%.

A pecuária tem sido a atividade dominante na Amazônia e foi a atividade que

mais cresceu em área entre os censos de 1985 e 1995 – cerca de 77%. A pecuária como

atividade dominante e de maior expansão na Amazônia acarreta conseqüências diretas

no desmatamento, uma vez que a pecuária extensiva, com baixo nível tecnológico,

aumenta sua produção por meio da expansão da área, já que aumentos de produtividade

têm efeito secundário sobre seu crescimento. Com as atuais taxas de produtividade,

2 Os Estados brasileiros que fazem parte da Amazônia são: Acre, Amapá, Amazonas, Maranhão, Mato Grosso, Pará, Rondônia, Roraima e Tocantins.

3

associadas ao aumento da demanda de carne e à participação da Amazônia no

abastecimento do mercado interno, a pecuária deverá continuar sua expansão,

mantendo-se como a principal atividade responsável pelo desmatamento na região

(RODRIGUES, 2004).

Fearnside (2005) enfatizou que o crédito barato impulsionou o processo de

desmatamento na região amazônica durante toda a década de 1970 e metade da década

de 1980, quando o crédito agrícola oficial subsidiado tornou-se escasso. Outro ponto

destacado pelo autor é que, nos anos da hiperinflação, a aquisição de terras por motivos

especulativos na região reforçou o processo até 1987. A partir daí, a recessão econômica

dificultou a continuidade dos investimentos em infra-estrutura por parte do governo,

reduzindo o avanço do desmatamento na região até 1991. A retomada do crescimento

em 1995 gerou um pico de desmatamento, ao passo que a estabilização da economia, a

partir desse mesmo ano, contribuiu para reduzir o preço da terra, tornando-a pouco

atrativa para fins especulativos, o que gerou queda no processo de desmatamento até

2002, quando houve acentuado crescimento do preço internacional de soja e carne,

retomando o processo.

Por fim, o autor destaca que o avanço das lavouras de soja, o crescimento da

pecuária e da extração de madeira na região e os movimentos migratórios, possibilitados

por amplos investimentos em infra-estratura são determinantes recentes da degradação

ambiental na Amazônia brasileira.

O Estado do Mato Grosso vem liderando, há anos, o ranking do desmatamento

na Amazônia Legal e, somente no ano de 2003, de acordo com dados do Instituo

Nacional de Pesquisas Espaciais referentes ao ano de 2005, contribuiu com 43% do

total desmatado na região amazônica (FERREIRA, 2006).

No Estado do Mato Grosso, assim como nos demais estados que compõem a

Amazônia brasileira, a pecuária desempenha importante papel como determinante do

desmatamento. A atividade no Mato Grosso é de caráter extensivo e emprega baixa

tecnologia, e só se faz lucrativa à medida que o custo inicial de implantação de uma

pastagem seja quase zero. O custo próximo a zero é possibilitado pela aquisição de

terras por parte dos fazendeiros por meio da grilagem3, prática comum nos municípios

ao norte do Mato Grosso. Outro importante determinante do desmatamento no Estado,

tanto em áreas de floresta como nas áreas onde a vegetação predominante é o cerrado, é

3 Grilagem é o processo de apropriação de terras públicas por meio da falsificação de títulos de propriedade.

4

o cultivo da soja. Esta cultura tem ocupado áreas destinadas à pecuária, levando a

atividade a se deslocar para áreas de fronteira, o que permite concluir que a expansão do

cultivo da soja tem efeito indireto sobre o desmatamento na região (FERREIRA, 2006).

É importante destacar que a expansão da atividade agropecuária no Estado do

Mato Grosso impulsionou os movimentos migratórios em direção a esse Estado,

sobretudo nas décadas de 70 e 80. Segundo Cunha et. al (2002), nessas décadas, a

região norte do Estado apresentava maior dinamismo demográfico ao passo que a região

Sul, área mais consolidada, apresentava menores taxas de crescimento demográfico. Já

na década de 90, conforme destacado pelo autor, as regiões ao Sul mantiveram baixas

taxas de crescimento populacional, exceção feita às microrregiões de Rondonópolis e

Cuiabá (onde as atividades industriais e o setor de serviços são mais desenvolvidos) que

cresceram a taxas próximas a 2% ao ano. Já na região central do Estado, as culturas da

soja, algodão e milho, levaram a um crescimento demográfico mais vigoroso, com

destaque para as microrregiões de Parecis, Primavera do Leste, e Alto Teles Pires, todas

com taxas de crescimento populacional anual acima dos 7%. Por fim, a região norte do

Estado perdeu seu dinamismo demográfico, sendo que as microrregiões Alta Floresta e

Colíder, que na década de 80 apresentaram taxas de crescimento de dois dígitos, nos

anos 90 cresceram 0,5% e -0,8%, respectivamente.

Considerando-se a expansão acelerada das atividades agropecuárias, na região

amazônica e em áreas de cerrado, e seus efeitos sobre o meio ambiente, torna-se

relevante determinar o nível de degradação ambiental causado por essas atividades.

Desse modo, este trabalho pretende quantificar o nível de degradação

ambiental dos municípios do Estado do Mato Grosso. A opção por este Estado levou em

consideração sua importância no processo de desmatamento que vem ocorrendo na

região amazônica. Especificamente pretende-se calcular indicadores econômicos,

populacionais e biológicos para caracterizar a degradação; calcular um índice que

permita determinar o nível de degradação ambiental nos municípios e agrupá-los de

acordo com suas características comuns.

O artigo está subdividido em mais três seções além desta introdução. A seção

seguinte trata da metodologia empregada na pesquisa utilizada para obtenção dos

indicadores. Em seguida são apresentados os principais resultados obtidos e, por fim, na

última seção, são apresentadas algumas conclusões.

2. Metodologia

5

A análise da degradação ambiental no presente trabalho é feita com base na

metodologia proposta por Lemos (2000). Vários trabalhos utilizaram-se desses índices

para medir o grau de degradação ambiental em diferentes regiões e estados do Brasil.

Dentre eles podem ser citados Silva e Ribeiro (2004) que calcularam o índice de

degradação ambiental para os municípios do Acre, Fernandes et. al (2005) que

calcularam o índice para os municípios de Minas Gerais e Lopes et. al (2005) que

utilizaram o mesmo índice para avaliar a degradação no Estado do Pará.

O Índice de Degradação (ID), mede a proporção de degradação da área de

determinado município e, segundo este autor, representa uma evolução, do ponto de

vista metodológico, em relação ao Índice de Desertificação por ele desenvolvido

anteriormente. Segundo Lemos (1995), o Índice de Desertificação não captava o

percentual de devastação a que cada um dos municípios de seu campo de estudo (região

nordeste) estava sendo submetido, contudo, o uso do ID não possui esta restrição.

Neste sentido, a construção do ID foi feita em duas etapas. Na primeira,

desenvolveu-se, por meio de procedimento de análise multivariada, o Índice Parcial de

Degradação (IPD). Com base no IPD foram estimados os pesos atribuídos a cada uma

das variáveis que entraram na composição do ID. As estimativas foram obtidas pelo

método dos mínimos quadrados ordinários restritos (MQR).

2.1. Estimação do Índice Parcial de Degradação (IPD)

Para estimar o IPD associado a cada um dos municípios do Estado do Mato

Grosso, empregou-se o método de análise fatorial por Componentes Principais.

Genericamente, um modelo de análise fatorial é apresentado da seguinte forma:

111 pxrxpxrpx fAX ε+= , (1)

em que )',...,,( 21 pXXXX = é o vetor transposto das variáveis aleatórias observáveis;

f é o vetor transposto de fatores comuns, os quais não são observáveis,

)',...,,( 21 pffff = ; A é uma matriz de coeficientes fixos denominados cargas fatoriais;

)',...,,( 21 pεεεε = é um vetor transposto de erros aleatórios, formados pelos fatores

6

específicos mais o erro. Tem-se a condição necessária de que o número de fatores seja

inferior ao número de variáveis, ou seja, .pr <

Devem ser destacadas algumas pressuposições do chamado modelo de análise

fatorial ortogonal. Primeiro, 0)()( == jfEE ε , ou seja, o termo de erro aleatório e

todos os fatores têm média zero. A ortogonalidade é garantida pela pressuposição

,)( IfCovVar =− que demonstra que os fatores não são correlacionados.

Segundo Mingoti (2005), em alguns casos, a interpretação dos fatores pode

não ser tarefa muito fácil, o que ocorre quando a partição das variáveis originais em m

grupos não é muito clara ou é difícil de ser justificada. Em situações como estas, pode-

se realizar a transformação ortogonal dos fatores originais, em busca de uma estrutura

mais simples de ser interpretada. A rotação ortogonal mantém as comunalidades4 e não

altera a “qualidade do ajuste” obtido pela matriz A, visto que a matriz residual não é

alterada. No presente trabalho, utilizou-se o método de rotação “varimax” 5, o qual

forma um novo sistema de eixos ortogonais com o mesmo número de fatores e permite

que a relação entre variáveis e fatores apareça com maior nitidez.

Para a construção do IPD, estimaram-se os escores associados aos fatores

obtidos após a rotação ortogonal da estrutura fatorial inicial (LEMOS, 2001). Por

definição, o escore fatorial irá situar cada observação no espaço dos fatores comuns.

Deste modo, para cada fator if , o i-ésimo escore fatorial que pode ser extraído é

definido por iF e pode ser expresso por:

∑∑= =

=n

i

p

jijji XbF

1 1

, com .,...,2,1;...,,2,1 pjni == , (2)

em que jb são os coeficientes de regressão e ijX são as p variáveis observáveis.

Como a variável iF é não observável, tem-se que estimá-la por meio das

técnicas de análise fatorial, com base na matriz X de variáveis observáveis. Neste

sentido, utilizando-se a forma matricial, pode-se reescrever a equação (2) da seguinte

forma:

4 A comunalidade no modelo representa a variabilidade de Xj explicada pelos r fatores comuns. 5 Maiores informações acerca deste e de outros métodos de rotação são encontradas em Johnson e Wichern (1988).

7

)()()( . pxqnxpnxq BXF = (3)

Uma vez que nas equações (2) e (3) os escores fatoriais serão afetados tanto

pela magnitude quanto pelas unidades em que as variáveis iX são medidas, substitui-se

a variável X pela variável normalizada Z , podendo-se reescrever a equação (3) como

segue:

]/)[(XiXiiij XZ σµ−= , (3.a)

em que Xiµ é a média de iX e Xiσ é o seu desvio padrão.

A partir dessa transformação, a equação (3) é modificada, sendo expressa da

seguinte maneira:

)()()( . pxqnxpnxq ZF β= . (4)

Na equação (4), o vetor β substitui o vetor dos coeficientes de regressão B ,

da equação (3), pois as variáveis estão normalizadas em ambos os lados da equação. Ao

se multiplicar os dois lados da equação (4) por ')/1( Zn , tem-se:

βZZnFZn t)/1(')/1( = , (5)

em que n é o número de observações e 'Z é a matriz transposta de Z .

O primeiro membro da equação (5), FZn t)/1( , é a matriz de correlações entre

os termos de iX , a qual, a partir de agora, será representada por R . Já a matriz

ZZn t)/1( representa a correlação existente entre os escores fatoriais e os próprios

fatores, e será identificada por Λ . Assim, pode-se reescrever a equação (5) da seguinte

forma:

BR.=Λ (6)

8

Supondo que a matriz R seja não-singular, ou seja, 0≠R , podem-se

multiplicar ambos os lados de (6) pela inversa de R , dada por ( 1−R ), obtendo-se a

seguinte equação:

Λ= − .1Rβ (7)

A estimativa do vetor β é substituída na equação (4). Esse procedimento

fornece, então, os escores fatoriais associados a cada observação.

2.2. Construção do IPD

Para a elaboração do IPD, utilizou-se da propriedade de ortogonalidade dos

escores fatoriais estimados, destacando-se que a ortogonalidade associada à matriz de

fatores não implica necessariamente na ortogonalidade dos escores fatoriais. Portanto,

deve-se testar se os escores fatoriais são ortogonais, observando-se a matriz de variância

e covariância entre esses escores, a qual deve ser uma identidade para que os escores

fatoriais sejam ortogonais (LEMOS, 2001).

O IPD foi estimado pela seguinte equação:

2/1

1 1

2

= ∑∑

= =

n

i

p

jiji FIPD , com pjni ...,,2,1;,...,2,1 == (8)

em que iIPD é o índice parcial de degradação associado ao i-ésimo município do Mato

Grosso; ijF são os escores fatoriais estimados segundo o procedimento de

decomposição em componentes principais.

De acordo com Lemos (2001), como se espera que os escores associados aos

municípios tenham distribuição simétrica em torno da média zero, metade deles terá

sinais negativos e a outra metade terá sinais positivos, sendo que os municípios que

apresentarem os menores índices de degradação parcial terão escores fatoriais

negativos. Para evitar que os altos escores fatoriais negativos elevem a magnitude dos

índices associados a estes municípios, torna-se necessária a transformação mostrada

abaixo, tendo por objetivo inseri-los todos no primeiro quadrante:

9

( ))( minmax

min*

FF

FFF ij

ij −−

= (9)

em que minF e maxF são os valores máximo e mínimo observados para os escores

fatoriais associados aos municípios do Mato Grosso.

Vale ressaltar que o IPD , definido desta forma, é de utilidade para fazer o

ordenamento dos municípios do Mato Grosso quanto ao nível de degradação (LEMOS,

2001). Porém, não permite estimar o percentual de degradação que é observado em cada

um dos municípios, o que é feito utilizando-se o ID , cuja formulação será apresentada a

seguir.

2.3. Construção do ID

Para construir o ID , associado ao i-ésimo município do Mato Grosso,

utilizou-se a seguinte equação:

= ∑

=

p

jijji XPID

1

, com .,..,2,1 ni = e ∑=

=p

jjP

1

1, (10)

em que os pesos jP são estimados por regressão múltipla, cuja variável dependente é o

iIPD e as variáveis explicativas são os indicadores utilizados para a construção do ID .

A restrição do somatório dos coeficientes deve ser imposta, de modo que a soma dos

pesos seja igual à unidade.

2.4. Construção dos Indicadores de Degradação

No presente trabalho o termo degradação ambiental pode ser entendido como

os danos gerados ao meio ambiente por atividades econômicas, aspectos populacionais

e fatores biológicos, ou seja, a degradação ambiental pode ser considerada como um

processo caracterizado por desmatamentos para atender à demanda da população para

novas áreas onde possam fixar-se, por derrubada da floresta e queima da vegetação

tendo por objetivo aumentar áreas limpas para atender atividades econômicas como

10

agricultura e pecuária. Neste sentido, para construir o ID, foram levados em

consideração quatro indicadores: um biológico, dois econômicos e um demográfico.

Seguindo-se a metodologia de Lemos (2000), o indicador biológico

(DECOBV) refere-se à cobertura vegetal existente em cada município do Mato Grosso.

Os dois indicadores econômicos foram definidos pela produtividade das lavouras

(DEVAVE) e animal (DEVANI). Já o indicador demográfico (DEMORU) refere-se à

capacidade das áreas com lavouras (perenes e temporárias) e de pastagens (naturais e

plantadas) suportarem um maior contingente de trabalhadores nas atividades

agropecuárias. Quanto mais degradadas estiverem as áreas, menores serão as

capacidades dessas áreas em suportar uma maior quantidade de trabalhadores por

unidade.

Segundo Lemos (2001), para se construir um Índice de Degradação seria

necessário ter uma informação a priori de quais seriam os níveis ideais de preservação

associados aos indicadores que são utilizados para a sua construção. Esta seria uma

tarefa extremamente difícil, até porque variaria de acordo com quem estivesse fazendo a

análise e dependeria de um forte nível de subjetividade.

Para contornar esta situação, foi adotado o critério de hierarquização,

estabelecido com base nos 10% dos municípios melhores posicionados em cada um dos

indicadores utilizados para aferir a degradação. Estimou-se uma média aritmética de

cada indicador para estes municípios melhores posicionados, assumindo-se essas

médias como referência de preservação. Logo, para cada um dos quatro indicadores,

tomando-se como base o município i, quanto maior a distância entre o indicador do

município i em relação ao valor médio de referência, mais degradado estará o

município, no que se refere a este indicador específico (LEMOS, 2001).

Com base na descrição acima, definem-se os seguintes indicadores:

• COBVi : Cobertura vegetal do município, que representa o quociente entre o

somatório das áreas com matas e florestas (nativas e cultivadas), e com lavouras

(perenes e temporárias), e a área total do i-ésimo município do Estado do Mato

Grosso;

• COBVREF: Média da cobertura vegetal dos 14 municípios melhores posicionados

em relação a este indicador;

• VAVE i : Quociente entre o valor da produção vegetal do i-ésimo município do

Estado do Mato Grosso e o somatório das áreas com lavouras, perenes e

temporárias;

11

• VAVEREF: Média do indicador anterior dos 14 municípios melhores

posicionados em relação a ele;

• VANI i: Quociente entre o valor da produção animal do i-ésimo município do

Estado do Mato Grosso e a área total com pastagens, naturais e cultivadas;

• VANI REF: Média do indicador anterior dos 14 municípios melhores posicionados

em relação a ele;

• MORUi: Quociente entre o total da mão-de-obra empregada no meio rural do i-

ésimo município e a soma das áreas com lavouras e pastagens;

• MORUREF: Média do indicador anterior dos 14 municípios melhores

posicionados em relação a ele.

Os indicadores descritos acima são a base para a construção do IPD e do ID,

os quais são definidos conforme segue (LEMOS, 2001):

• DECOBV (Xi1) = 0, se COBV ≥ COBVREF;

• DECOBV (Xi1) = [1 - (COBV / COBVREF)*100, nos demais casos;

• DEVAVE (X i2) = 0, se VAVE ≥ VAVEREF;

• DEVAVE (X i2) = [1 - (VAVE / VAVEREF)*100, nos demais casos;

• DEVANI (X i3) = 0, se VANI ≥ VANIREF;

• DEVANI (X i3) = [1 - (VANI / VANI REF)*100, nos demais casos;

• DEMORU (Xi4) = 0, se MORU ≥ MORUREF;

• DEMORU (Xi4) = [1 - (MORU / MORUREF)*100, nos demais casos.

Observa-se que o IPD e o ID são índices relativos de degradação, cujas

referências são os resultados obtidos pelos 14 municípios melhores posicionados em

cada indicador que os compõe.

Tomando-se como base a relação entre o IPD (Y) e os indicadores DECOBV

(X1), DEVAVE (X2), DEVANI (X3) e DEMORU (X4), têm-se as seguintes condições

de estabilidade do modelo:

.00,0,04321

>∂∂>

∂∂>

∂∂>

∂∂

X

Ye

X

Y

X

Y

X

Y (11)

2.5. Método de Agrupamento

12

De acordo com Mingoti (2005), a análise de agrupamentos, também conhecida

como análise de conglomerados, classificação ou cluster, tem como objetivo dividir os

elementos da amostra em grupos, de modo que os elementos pertencentes ao mesmo

grupo sejam similares entre si, com respeito às características que nele foram medidas, e

os elementos em grupos diferentes sejam heterogêneos, em relação a estas mesmas

características. Adicionalmente, Johnson e Wichern (1992) destacaram que o objetivo

principal da análise é descobrir o agrupamento natural das variáveis.

Segundo Migoti (2005), a descrição da similaridade (ou dissimilaridade) entre

elementos amostrais, que possuem informações para p-variáveis armazenadas em um

vetor, pode ser feita por meio de medidas matemáticas que possibilitem a comparação

dos vetores, como as medidas de distância.

No presente trabalho, utiliza-se a medida de similaridade mais simples, a

distância Euclidiana. Considerando-se um conjunto de n elementos amostrais e a

disponibilidade de informações para p-variáveis aleatórias em cada um deles, tem-se,

para cada elemento amostral j, o vetor de medidas Xj, definido por:

,,...,2,1,]'...[ 21 njXXXX pjjjj == (12)

onde Xij representa o valor observado da variável i medida no elemento j. A distância

Euclidiana entre dois elementos Xl e Xk, l ≠ k, é definida por:

,)]()'[(),( 2/1klklkl XXAXXXXd −−= (13)

em que Apxp é uma matriz de ponderação, positiva definida. No caso da distância

Euclidiana simples, utilizada neste estudo, a matriz Apxp é a matriz identidade.

A partir das medidas de similaridade, os métodos mais comuns para agrupar os

elementos são o método de ligação simples; ligação completa; ligação pela média;

centróide; e método de Ward, ou método de “mínima variância”. Todos eles foram

testados no presente trabalho, mas aquele que apresentou melhor diferenciação entre os

grupos foi o método de Ward.

2.6 Fonte dos dados

13

Os dados utilizados foram obtidos junto ao Instituto Brasileiro de Geografia e

Estatística (IBGE), oriundos da Pesquisa Pecuária Municipal (PPM) e da Produção

Agrícola Municipal, ambas do ano de 2006. As áreas municipais referem-se à definição

da Resolução do IBGE nº 05, de 10 de outubro de 2002. Do total de 141 municípios

existentes no Estado do Mato Grosso, no ano de 2006, dois (Itanhangá e Ipiranga do

Norte) foram criados no ano de 2005. Em virtude da indisponibilidade de dados das

áreas desses dois municípios, optou-se por excluí-los do estudo.

3. Resultados

Para testar a adequabilidade dos dados ao método de análise fatorial, utilizou-

se o teste de esfericidade de Bartlett. A rejeição da hipótese nula de que a matriz de

correlação é uma matriz identidade, ou seja, de que as variáveis não são

correlacionadas, a 1% de probabilidade, indicou que a amostra utilizada é adequada ao

procedimento de análise.

A aplicação da análise fatorial com rotação de fatores permitiu resumir as

quatro variáveis iniciais em dois fatores, de forma que cada um deles se relacionasse

mais distintamente com um par diferente de variáveis. As cargas fatoriais resultantes da

rotação são apresentadas na Tabela 1. O primeiro fator possui maior correlação com as

variáveis de Degradação da Cobertura Vegetal (DECOBV) e Degradação da Atividade

Animal (DEVANI) e o segundo, com as variáveis Degradação da Cobertura Vegetal

(DEVAVE) e Degradação da Mão-de-obra rural (DEMORU), esta última refere-se à

intensidade de utilização de mão-de-obra. O primeiro fator explica 32,76% da variação

total dos dados, enquanto o segundo, 32,41%, de forma que, em conjunto, eles

representam 65,17% da variação total observada nos quatro indicadores usados como

base para a análise.

Cabe ressaltar que a ortogonalidade dos fatores foi ratificada, visto que a

matriz de variância e covariância para o primeiro e o segundo fator foi uma matriz

identidade.

Tabela 1 - Cargas fatoriais e coeficientes estimados da regressão para os escores

fatoriais rotacionados, Mato Grosso, 2006.

14

Variáveis Cargas fatoriais após a rotação

varimax Coeficientes utilizados para

estimar os escores

Fator 1 Fator 2 Fator 1 Fator 2

DECOBV 0,7517 -0,4288 0,5581 -0,3478

DEVAVE -0,1761 0,6938 -0,1097 0,5388

DEVANI 0,8126 0,3271 0,6315 0,2333

DEMORU 0,2326 0,7240 0,2032 0,5525

Fonte: Resultados da pesquisa.

A Tabela 2 mostra os coeficientes obtidos na regressão do IPD em relação aos

indicadores de degradação, os quais representam os pesos de cada indicador na

formação do IPD. Os valores das elasticidades demonstram que as variáveis biológicas

e demográficas foram as que mais influenciaram o IPD, de forma que os fatores

econômicos apresentaram-se com menor relevância. Observa-se que variações de 1% no

índice de Degradação da Cobertura Vegetal resultariam em variações de 0,32% do IPD.

Similarmente, alterações de 1% na variável Degradação da Cobertura Vegetal

ocasionariam mudanças de 0,22% no IPD.

Tabela 2 – Pesos e elasticidades associados ao IPD

Variáveis Pesos Elasticidades

DECOBV 0,43 0,32

DEVAVE 0,29 0,22

DEVANI 0,13 0,12

DEMORU 0,14 0,10

Fonte: Resultados da pesquisa.

A partir dos resultados para o Indicador Parcial de Degradação, foram obtidos

os valores para o Índice de Degradação. Os índices gerados para todos os municípios

são resumidos na Tabela 3, na qual são apresentadas as médias e medidas de dispersão.

Observa-se que os municípios do Estado do Mato Grosso possuem ID médio de

71,20%. Esse resultado pode ser comparado aqueles obtidos em trabalhos

desenvolvidos a partir do ano 2000, que também seguiram a metodologia proposta por

Lemos (2001), para outros Estados do Brasil. Assim, constata-se que a degradação

ambiental no Mato Grosso é superior à do Acre, com um ID médio de 30,74% (Silva e

15

Ribeiro, 2004); à do Estado do Pará, cujo ID médio foi de 52,54% (Lopes et al., 2005).

Por outro lado, a degradação do Estado do Mato Grosso é inferior à de Minas Gerais,

cujo ID médio foi de 85,8% (Fernandes et al., 2005).

Essas diferenças nos níveis de degradação refletem, entre outros fatores, as

diferenças nas concentrações demográficas e nos níveis de atividade econômica entre

esses estados. O estado do Acre, com menor ID, é um estado relativamente novo e

caracteriza-se por menor grau de desenvolvimento econômico, além de baixos índices

de concentração demográfica. No outro extremo está o estado de Minas Gerais, cuja

ocupação já atingiu níveis expressivos em todo o território, e a economia é

expressivamente mais desenvolvida, com destaque para as atividades agrícolas e

pecuárias.

A média global de 71,20% é um valor expressivo, considerando-se os contextos

econômico e demográfico do estado do Mato Grosso. A expansão das atividades de

agricultura e pecuária no estado configura-se como um movimento marcante e veloz,

assim como os movimentos populacionais em direção a região. O crescimento da

cultura da soja e da pecuária extensiva, com baixa tecnologia, possuem efeitos negativos

sobre a conservação ambiental, o que ocorre, também, como conseqüência do aumento

dos trabalhadores na região.

Ainda com base na Tabela 3, nota-se que o indicador de degradação da

atividade animal (DEVANI) foi o que apresentou maior média entre os municípios, o

que demonstra os expressivos efeitos das atividades pecuárias sobre a degradação

ambiental no Estado. O indicador de degradação da cobertura vegetal (DEVAVE) foi o

segundo de maior relevância média. Desse modo, tem-se um indicativo de que os

fatores econômicos contribuíram mais significativamente que os aspectos biológicos e

demográficos para a degradação ambiental no Mato Grosso.

Em relação à variabilidade dos resultados, constata-se que o indicador de

degradação da mão-de-obra rural (DEMORU) foi o que apresentou maior diferenciação

entre os municípios, o que mostra que a distribuição demográfica não é uniforme no

Estado. Já o IPD e o ID não oscilaram expressivamente entre os 139 municípios,

apresentando coeficiente de variação de 0,15.

Tabela 3 – Estatísticas descritivas dos indicadores básicos, IPD e ID.

Medidas de dispersão Indicadores Índices (%)

16

DECOBV DEVAVE DEVANI DEMORU IPD ID Mínimo 0 0 0 0 0,43 23,27 Média 69,25 71,42 83,20 64,47 0,94 71,20 Máximo 95,98 99,40 99,74 97,52 1,16 92,05 Desvio padrão 16,80 20,58 18,62 26,15 0,14 10,34 C.V. 0,24 0,29 0,22 0,41 0,15 0,15

Fonte: Resultados da pesquisa.

A Tabela 4 apresenta os valores dos indicadores e índices e, em função do

elevado número de municípios no estado do Mato Grosso, optou-se por apresentar os

resultados médios para mesorregiões e microrregiões. Conforme sugerido pelas medidas

de dispersão dos índices (Tabela 3), não há discrepâncias expressivas entre os IDs

médios das mesorregiões (Tabela 4, em negrito). Os maiores indicadores e índices de

degradação referem-se ao Nordeste Mato-grossense, impulsionados, principalmente,

pela elevada taxa de degradação resultante das atividades pecuárias na região. As quatro

demais regiões apresentam IDs médios semelhantes.

Tabela 4 – Indicadores e Índices de Degradação Ambiental, Mato Grosso, 2006.

Mesorregiões microrregiões

Indicadores Índices (%) DECOBV DEVAVE DEVANI DEMORU IPD ID

Norte 65,63 74,27 84,54 61,46 0,94 70,24 Aripuanã 75,01 77,22 92,74 43,58 0,94 73,92 Alta Floresta 66,84 65,53 87,68 49,95 0,90 67,11 Colíder 68,27 70,71 83,79 41,48 0,86 67,56 Parecis 62,94 71,30 87,56 77,55 0,98 70,79 Arinos 70,02 64,29 93,41 55,50 0,97 69,68 Alto Teles Pires 55,44 72,48 57,31 80,76 0,84 64,07 Sinop 57,57 82,61 84,22 70,94 0,96 70,41 Paranatinga 72,49 91,73 96,23 88,13 1,12 83,53 Nordeste 72,40 76,82 93,38 82,48 1,06 77,99 Norte Araguaia 71,56 73,62 92,53 81,10 1,04 76,38 Canarana 73,44 80,21 93,21 81,61 1,06 79,28 Médio Araguaia 73,54 82,73 97,78 91,26 1,12 82,00 Sudoeste 70,83 70,66 70,35 53,07 0,85 68,33 Alto Guaporé 68,01 87,15 79,40 70,09 0,96 75,47 Tangará da Serra 73,96 53,37 88,64 37,92 0,87 65,18 Jauru 70,71 70,99 58,95 52,30 0,80 66,67 Centro-Sul 79,97 61,53 87,73 52,93 0,94 72,05 Alto Paraguai 75,29 52,44 82,01 49,36 0,88 66,09 Rosário Oeste 73,98 66,63 92,41 38,22 0,91 69,62 Cuiabá 80,04 74,13 85,90 48,36 0,93 74,89 Alto Pantanal 90,21 53,34 93,65 74,15 1,04 77,78 Sudeste 64,57 66,82 77,73 71,58 0,91 68,01 Primavera do Leste 46,85 65,94 45,10 73,83 0,72 55,80 Tesouro 70,14 70,42 88,45 83,17 1,02 74,54

17

Rondonópolis 64,41 63,53 72,62 54,54 0,83 63,98 Alto Araguaia 60,09 65,34 80,93 80,73 0,93 67,32 Fonte: Resultados da pesquisa.

Com base nas semelhanças e diferenças relativas aos indicadores DECOBV,

DEVAVE, DEVANI e DEMORU, foram formados agrupamentos de municípios.

Buscou-se unir aqueles municípios mais similares, ao mesmo tempo em que se

pretendeu separar aqueles mais diferentes. Contudo, conforme destacado sobre as

estatísticas descritivas dos indicadores, cabe ressaltar que os municípios não apresentam

dispersões expressivas, o que tende a gerar grupos não muito distintos entre si. Assim, a

divisão dos elementos que garantiu maior heterogeneidade entre os agrupamentos,

mantendo a homogeneidade interna, foi obtida com três clusters (Tabela 5).

O cluster 1 é formado por 37 municípios e pode ser indicado como o grupo de

menor nível de degradação ambiental. Observa-se que este possui os menores

indicadores médios DEVAVE e DEVANI, o que indica que o agrupamento se destaca

pelos menores níveis de degradação advinda das atividades agropecuárias. Uma vez que

o IPD se mostrou mais sensível a esses indicadores econômicos (Tabela 2), como

conseqüência, observam-se as menores taxas médias de IPD e ID. Este cluster é

composto, em sua maior parte, pelos municípios das regiões Nordeste e Norte do

Estado, os quais representam 32,43% e 29,73%, respectivamente.

Tabela 5 – Clusters ambientais dos municípios do Mato Grosso, 2006

Clusters Indicadores Índice

DECOBV DEVAVE DEVANI DEMORU IPD % ID % Cluster 1 (37 municípios) Mínimo 38,47 0 0 0 0,44 42,82 Média 68,62 68,94 82,56 64,83 0,93 70,16 Máximo 89,21 98,88 97,64 95,24 1,10 85,38 Desvio Padrão 13,58 22,58 21,99 28,02 0,15 8,93 C.V. 0,20 0,33 0,27 0,43 0,16 0,13 Cluster 2 (78 municípios) Mínimo 0 0 2,83 0 0,43 23,27 Média 68,27 71,67 83,81 63,24 0,94 70,77 Máximo 95,98 99,40 99,44 97,21 1,16 92,05 Desvio Padrão 18,85 20,77 16,88 26,39 0,14 10,93 C.V. 0,28 0,29 0,20 0,42 0,15 0,15 Cluster 3 (24 municípios) Mínimo 22,30 44,24 37,36 10,38 0,70 47,23 Média 73,44 74,45 82,16 67,93 0,96 74,22 Máximo 90,41 96,20 99,74 97,52 1,15 88,41

18

Desvio Padrão 13,86 16,70 19,15 22,92 0,15 10,27 C.V. 0,19 0,22 0,23 0,34 0,16 0,14

Fonte: Resultados da pesquisa.

Por outro lado, o cluster 3, formado por 24 municípios, engloba aqueles com

maiores níveis de degradação, medidos tanto pelo IPD, como pelo ID. Mais

especificamente, os municípios deste grupo têm as maiores médias para os indicadores

DECOBV, DEVAVE e DEMORU. A maior parte dos elementos deste grupo advém da

região Norte Mato-grossense, cuja parcela no cluster é de 41,67%, e da região Sudoeste,

com 29,17%.

Já o cluster 2, formado por 78 municípios, incorpora os que se encontram em

situação intermediária à dos dois outros grupos, ou seja, não se destacam por apresentar

indicadores de degradação maiores, nem menores. Neste grupo, a maior parte dos

municípios é da região Norte, com participação de 41,03%.

Tomando-se como base o conjunto dos 139 municípios em análise, constata-se

que a maioria deles, representada por 56,12%, insere-se nesse grupo intermediário. Por

outro lado, verifica-se que a minoria dos elementos, 17,27% do total, está inserida no

agrupamento de maiores taxas de degradação ambiental, o que impede que as médias

globais sejam superiores.

4. Conclusões

Com vistas em avaliar o nível de degradação ambiental no Estado do Mato

Grosso, foram calculados índices e indicadores para os municípios, baseados em

aspectos biológicos, demográficos e econômicos. Com base nesses indicadores, os

municípios foram agrupados e analisados quanto às suas semelhanças e diferenças.

Em termos gerais, o nível de degradação no estado pode ser considerado

significativo, visto que o ID médio foi de 71,24%. Mesmo entre os membros do

agrupamento caracterizado por menor grau de degradação, os índices médios são

expressivos. Os principais fatores que contribuíram para formar esse resultado foram as

atividades econômicas consideradas, quais sejam, a agricultura e a pecuária. Isso reflete

os efeitos da expansão da cultura da soja no estado, bem como do aumento da criação

de gado, em geral na forma extensiva, com baixo uso de tecnologia.

19

Os fatores biológicos e demográficos, apesar de terem apresentado menor

efeito que os fatores econômicos, também contribuíram para elevar a degradação

ambiental. O crescimento das atividades de extração de madeira na região possui efeitos

negativos sobre o nível de cobertura vegetal, assim como os constantes movimentos

populacionais, os quais ocorrem, na maioria das vezes, como conseqüência do

crescimento das atividades econômicas.

A análise de clusters, por sua vez, não demonstrou grandes variações na

degradação ambiental entre os municípios. Com isso, as medidas voltadas para o

controle da degradação podem ser implementadas com um enfoque no estado como um

todo.

Por fim, cabe observar que o estudo baseia-se em somente quatro indicadores

para construir o Índice de Degradação. A incorporação de outras variáveis poderia ter

resultados positivos sobre o nível de informações obtidas a partir do índice. Além disso,

o estudo poderia ser enriquecido com a análise do índice ao longo do tempo, de forma a

aferir a evolução do processo de degradação.

20

Referências Bibliográficas

CUNHA, J. M. P; ALMEIDA, G. M. R; RAQUEL, F. Migração e transformações

produtivas na fronteira: o caso de Mato Grosso. 2002. Disponível em:

http://www.abep.nepo.unicamp.br/docs/anais/pdf/2002/GT_MIG_ST33_Cunha_texto.p

df. Acesso em: 19 abr. 2009.

FEARNSIDE, P. M. Deforestation in Brazilian Amazônia: history, rates and

consequences. Conservation Biology. v. 19, n.3, p. 680-688, 2005.

FERNANDES, E. A; CUNHA, N. R. S; SILVA, R. G. Degradação ambiental no Estado

de Minas Gerais. Revista de Economia e Sociologia Rural. 2005. v. 43, n. 01, p.179-

198.

FERREIRA, D. A. C. Modelagem do desmatamento no noroeste mato-grossense.

2006. 99p. Dissertação (Mestrado em Biologia Tropical de Recursos Naturais).

Universidade Federal do Amazonas, Manaus, AM.

IBGE - Instituto Brasileiro de Geografia e Estatística. Pesquisa Pecuária Municipal

(PPM), 2006. Disponível em: www.ibge.gov.br. Acesso em: 15 mar. 2009.

IBGE - Instituto Brasileiro de Geografia e Estatística. Produção Agrícola Municipal

(PAM), 2006. Disponível em: www.ibge.gov.br. Acesso em: 15 mar. 2009.

JOHNSON, A; WICHERN, D. Applied Multivariate Statistical Analysis, New

Jersey, 1992. 642p.

21

LEMOS, J.J.S. Níveis de degradação no Nordeste brasileiro. Revista Econômica do

Nordeste, v. 32, n.3, p.406-429, 2001.

LOPES, M. L. B; SILVA, R. G; SANTOS, M. A. S. Estimativa de indicadores de

degradação ambiental no Estado do Pará: uma análise a partir de modelos estatísticos

multivariados. In: CONGRESSO BRASILEIRO DE ECONOMIA E SOCIOLOGIA

RURAL, Ribeirão Preto, 2005. Anais do XLIII Congresso Brasileiro de Economia e

Sociologia Rural, 2005.

MARGULIS, S. Causas do desmatamento da Amazônia brasileira. 1ª edição.

Brasília: Banco Mundial. 2003. 100p.

MINGOTI, S. A. Análise de dados através de métodos de estatística multivariada:

uma abordagem aplicada. Belo Horizonte: Editora UFMG, 2005. 295p.

RODRIGUES, R. L. V. Análise dos fatores determinantes do desflorestamento na

Amazônia Legal. 2004. 249p. Tese (Doutorado em Ciências em Engenharia).

Universidade Federal do Rio de Janeiro, Rio de Janeiro, RJ.

SILVA, R. G; RIBEIRO, C. G. Análise da degradação ambiental na Amazônia

Ocidental: um Estudo de caso dos Municípios do Acre. Revista de Economia e

Sociologia Rural, v. 42, n. 1, p. 93-112, 2004.