Embed Size (px)
Citation preview
DETERMINANTES DO DESMATAMENTO NA MATA ATLÂNTICA: Uma Análise Econômica
Ana Carolina Marzullo Neves Dissertação de Mestrado submetida ao Programa de Pós-Graduação em Ciências Econômicas do Instituto de Economia da Universidade Federal do Rio de Janeiro – UFRJ, como parte dos requisitos para obtenção do título de Mestre em Economia da Indústria e da Tecnologia. Orientador Carlos Eduardo Frickmann Young
Rio de Janeiro Dezembro/2006
ii
DETERMINANTES DO DESMATAMENTO NA MATA ATLÂNTICA: Uma Análise
Econômica
Ana Carolina Marzullo Neves
Orientador Carlos Eduardo Frickmann Young
Dissertação de Mestrado submetida ao Programa de Pós-Graduação em Ciências Econômicas do Instituto de Economia da Universidade Federal do Rio de Janeiro – UFRJ, como parte dos requisitos para obtenção do Título de Meste em Economia da Indústria e da Tecnologia. Aprovada por: ________________________________________________________
Prof º Carlos Eduardo Frickmann Young, D. Sc (IE-UFRJ) Presidente da Banca (orientador)
________________________________________________________
Prof º Lúcia Kubrusly, D. Sc (IE-UFRJ) ________________________________________________________
Prof º Jorge Madeira Nogueira, D. Sc (UNB)
Rio de Janeiro Dezembro/2006
iii
Neves, Ana Carolina Marzullo
Determinantes do Desmatamento da Mata Atlântica: Uma Análise
Econômica./Ana Carolina Marzullo Neves – Rio de Janeiro: UFRJ/IE,
2006.
xiii, 94 p. ; il, tab.; 31 cm
Orientador: Carlos Eduardo Frickmann Young
Dissertação (Mestrado) – UFRJ/IE Programa de Pós-Graduação
em Economia da Indústria e da Tecnologia, 2006.
Referências Bibliográficas: pp. 82-83
1. Mata Alântica. 2. Causas do Desmatamento. 3. Modelo
de Regressão Linear Múltipla . 4. Padrões de Desmatamento. I. Young,
Carlos. II. Universidade Federal do Rio de Janeiro. III. Título.
iv
As opiniões expressas expressas nesse trabalho são de exclusiva responsabilidade do autor.
v
Dedicatória
Dedico este trabalho aos meus Pais, Ana Maria Marzullo Neves e Silvio Panno Neves, por todo apoio que me deram na minha formação pessoal e profissional.
vi
Agradecimento
Agradeço a equipe do Funbio- Fundo Brasileiro para a Biodiversidade, especialmente a Marina Carlota Amorim Machado, Danielle Duarte, Karine Gonçalves e Leonardo Geluda, pela amizade, carinho, companheirismo, prontidão e aprendizado nos sete meses em que trabalhamos juntos. Agradeço também aos meus amigos, do mestrado, da faculdade, do Colégio Santo Agostinho, pela amizade, aprendizado e apoio em todas as situações. Agradecimento para Ana Beatriz Kazniakowski, Bárbara Oliveira, Fernanda Cabral e Thales Carneiro por proporcionarem momentos de alegria e também por toda a força que me deram nesse tempo de convívio. Aos meus pais, irmã, amigos e namorado pelo amor, carinho e apoio que tanto contribuíram para a minha formação profissional. E também a pela compreensão que tiveram nos momentos de dificuldade. Agradeço, em especial, ao meu orientador Carlos Eduardo Frickmann Young pelos ensinamentos fundamentais, por sua amizade, pela sua confiança no meu trabalho e por ser minha referência profissional.
vii
A Mata, Manuel Bandeira
“A mata agita-se, revoluteia, contorce-se toda e sacode-se! A mata hoje tem alguma coisa para dizer. E ulula, e contorce-se toda, como a atriz de uma pantomima trágica. Cada galho rebelado Inculca a mesma perdida ânsia. Todos eles sabem o mesmo segredo pânico. Ou então - é que pedem desesperadamente a mesma instante coisa.
Que saberá a mata? Que pedirá a mata? Pedirá água? Mas a água despenhou-se há pouco, fustigando-a, escorraçando-a, saciando-a como aos alarves.
Pedirá o fogo para a purificação das necroses milenárias? Ou não pede nada, e quer falar e não pode? Ter surpreendido o segredo da terra pelos ouvidos finíssimos das suas raízes?
A mata agita-se, revuloteia, controce-se toda e sacode-se! A mata está hoje como uma multidão em delírio coletivo.
Só uma touça de bambus, à parte, Balouça... levemente... levemente... levemente... E parece sorrir do delírio geral.”
viii
RESUMO
DETERMINANTES DO DESMATAMENTO NA MATA ATLÂNTICA: Uma Análise Econômica
Ana Carolina Marzullo Neves
Orientador
Prof.: Carlos Eduardo Frickmann Young
Resumo da Dissertação de Mestrado submetida ao Programa de Pós-Graduação em Ciências Econômicas do Instituto de Economia da Universidade Federal do Rio de Janeiro – UFRJ, como parte dos requisitos necessários à obtenção do Título de Mestre em Economia da Indústria e da Tecnologia. A história do desmatamento da Mata Atlântica nos revela os múltiplos fatores que levaram a sua depredação. Atualmente, restam apenas 7% de sua vegetação original, os quais se encontram espalhados ao longo da faixa litorânea das regiões sul e sudeste, principalmente. Desta forma, o objetivo principal desta dissertação é verificar quais são, de fato, os fatores propulsores do desmatamento recente dessa biota. O trabalho utiliza dois ferramentais econométricos, a correlação e o modelo de regressão linear múltipla, para identificar os tipos de relações que as variáveis possuem. Busca-se verificar se os fatores relevantes para explicar o desmatamento atlântico são aqueles já esperados pela literatura, tais como a conversão de florestas para uso agropecuário e a extração de madeira. Os resultados da análise mostram que os fatores relevantes no desmatamento da região sudeste são distintos daqueles da região sul. Merece destaque, o fato que quando ambas as regiões são consideradas, o padrão de desmatamento se aproxima ao da região sudeste. Isso indica que uma política de conservação e preservação ambiental apresentará maiores impactos quando aplicada com base nas especificidades regionais. Palavras-Chave: Mata Atlântica, Causas do desmatamento, modelo de regressão linear múltipla, Padrões de desmatamento.
Rio de Janeiro Dezembro/2006
ix
ABSTRACT
DETERMINANTS OF ATLANTIC FOREST'S DEFORASTATION: An Economic Analysis
Ana Carolina Marzullo Neves
Orientador
Prof.: Carlos Eduardo Frickmann Young
Abstract da Dissertação de Mestrado submetida ao Programa de Pós-Graduação em Ciências Econômicas do Instituto de Economia da Universidade Federal do Rio de Janeiro – UFRJ, como parte dos requisitos necessários à obtenção do Título de Mestre em Economia da Indústria e da Tecnologia. The history of Atlantic Forest’s deforestment reveal us the multiply factors that causes its depredation. Lately, only remains 7% of its original vegetation, which are spreaded along the seacoast of southeast and south brazilian regions. Thereby, the main objective of this work is to verify which are, in fact, the principal causes of the recent deforestation in this bioma. This work uses two econometric issues, correlation and multiply regression model, to identify the types of relation that exists among the variables. It also realizes if the relevant factors that explain the atlantic deforestment are that already expected by the literature, like the conversion of forests into lands for agriculture and pasture uses and wood extraction. The analysis results show that the important factors in the southeast deforestment region are different from the south region. We have to feature in the fact that when bouth regions are considered, the pattern of deforestment seems more like the southeast region one. This indicates that conservation and preservation polices will impact more significantly when applied based on the especifities of each regions. Key-Words: Atlantic Forest, Causes of Deforestation, Multiply linear regression model, patterns of deforestment.
Rio de Janeiro December/2006
x
Lista de Tabelas
Tabela 1 - Extensão original e percentagem dos tipos de floresta na Mata Atlântica (MMA, 2006 b) ................................................................................................... 10
Tabela 2 – Desempenho econômico dos municípios que mais desmataram em seis estados das regiões sul e sudeste, no período de 1985-1995/96. ........................ 38
Tabela 3 - Síntese das variáveis utilizadas em cada modelo. ................ 42
Tabela 4 – Interpretação dos valor do coeficiente de correlação. ........... 47
Tabela 5 – Matriz de correlação para todos os estados. .......................... 48, 49
Tabela 6 - Matriz de correlação da Região Sudeste. .............................. 52, 53
Tabela 7 - Matriz de correlação da Região Sul. ...................................... 54, 55
Tabela 8 - Matriz de correlação do Rio de Janeiro. ............................... 56
Tabela 9 - Matriz de correlação do Espírito Santo. ................................ 57, 58
Tabela 10 - Matriz de correlação de São Paulo. ..................................... 59
Tabela 11 - Matriz de correlação do Paraná. .......................................... 61
Tabela 12 - Matriz de correlação de Santa Catarina. ............................ 62
Tabela 13 - Matriz de correlação do Rio Grande do Sul. ...................... 63
Tabela 14 – Resultados do Rio de Janeiro. ............................................ 68
Tabela 15 – Resultados do Espírito Santo. ............................................ 70
Tabela 16 – Resultados de São Paulo. ................................................... 71
Tabela 17 – Resultados do Paraná. ........................................................ 72
Tabela 18 – Resultados de Santa Catarina. ............................................ 72
Tabela 19 – Resultados do Rio Grande do Sul. ..................................... 73
Tabela 20 – Resultados Região Sudeste. ............................................... 74
Tabela 21 – Resultados da Região Sul. ................................................. 75
Tabela 22 - Resultados das Regiões Sul e Sudeste. ............................. 76
Tabela 23 – Resumo das Variáveis Significativas das regressões. ....... 78
Tabela 24 - Coeficiente de Determinação (R2) das Regressões. ........... 78
xi
1
Sumário
Sumário .................................................................................................... 1
Introdução................................................................................................. 3
Capítulo 1 – A História da Mata Atlântica: Evolução do Processo de
Desmatamento..................................................................................................... 8
1.1 A História da Mata Atlântica.............................................. 9
1.1.1 Elementos geográfico-ambientais....................... 9
1.1.2 Elementos histórico-institucionais....................... 13
1.1.3 Elementos sócio-econômicos................................. 15
1.2 A Cultura Esgotadora do Modelo Colonial: Nascimento da Crítica
Ambiental.................................................................................. 18
1.3 Perspectivas Futuras de Conservação da Mata
Atlântica..................................................................................... 20
1.4 Conclusão............................................................................. 21
Capítulo 2 - Determinantes do Desmatamento na Mata Atlântica: uma revisão da
bibliografia ............................................................................................................ 23
2.1 Revisão Bibliográfica.............................................................. 23
2.1.1 Trabalhos sem modelagem econométrica............. 23
2.1.2 Trabalhos com modelagem econométrica............ 28
2.2 Um estudo empírico para a mata atlântica...................... 35
2.3 Conclusão.......................................................................... 41
2
Capítulo 3 – Modelo de Desmatamento para a Mata
Atlântica............................................................................................................... 43
3.1 Análise de correlação...................................................... 46
3.2 Modelo de regressão....................................................... 64
3.2.1 Metodologia......................................................... 64
3.2.2 Resultados............................................................ 67
3.3 Conclusão.............................................................................. 79
Conclusão................................................................................................ 80
Referências Bibliográficas...................................................................... 83
3
Introdução
As florestas de todo o planeta se encontram sob pressão. De acordo com dados do
censo global de 1990, as florestas tropicais eram anualmente desmatadas numa área de
aproximadamente 150.000 km2 por ano. Em geral, este rápido desaparecimento de grandes
áreas de vegetação nativa se deve aos modos de produção e ocupação da terra que foram, às
vezes, estabelecidos de maneira irracional.
No Brasil, são quatro os principais biomas que sofrem pressões de desmatamento:
Amazônia, Cerrado, Mata Atlântica e Pantanal. Nestes, podem se destacar alguns fatores
comuns que induziram o desflorestamento, tais como “a existência de um excedente estrutural
de mão de obra rural, a luta por estender direitos de propriedade da terra, e pressões
governamentais para converter florestas em áreas de cultivo ou pastagens” (Young, 2000).
Contudo, os processos de desmatamento nesses biomas apresentam características
diferenciadas no que diz respeito a elementos sócio-econômicos, geográfico-ambientais,
históricos e institucionais.
A Mata Atlântica é uma área de desmatamento antigo e onde se encontram poucas
áreas preservadas, logo um dos biomas mais ameaçados. Sua trajetória de devastação tem
início no século XVI, com a chegada dos portugueses no país. Dean (1996) destaca que o
primeiro ato dos portugueses foi derrubar uma árvore e confeccionar uma cruz. Nesta data,
sua área original cobria cerca de 1,36 milhões de Km². É provável que, antes do
descobrimento, a Mata Atlântica ocupasse uma área um pouco mais extensa. Entretanto, além
de não haver dados que comprovem, a intervenção dos primeiros habitantes - coletores-
caçadores e indígenas - sobre a “Mata” não a modificou tão intensamente como o fizeram os
europeus.
4
Atualmente em estado crítico, a área florestal remanescente, de acordo com dados da
Fundação SOS Mata Atlântica, é de aproximadamente 7% do seu valor original. Tal
devastação foi provocada por séculos de uma ação antrópica, que exerceu uma pressão sem
limites sob todos recursos florestais até levar a sua escassez. A área original desse
ecossistema correspondia a cerca de 16% do território brasileiro e estava espalhada por 17
estados das regiões sul, sudeste, cento-oeste e nordeste.
Em 1995 a estimativa era de que os 98.878 km2 de florestas remanescentes,
encontravam-se dispostos esparsamente ao longo da costa brasileira. Apesar da drástica
redução de sua cobertura florestal original, a Mata Atlântica é um dos mais importantes
repositórios de biodiversidade ecológica, não apenas do país bem como de todo planeta.
Dessa forma, por ser considerada uma prioridade para a conservação, já que é uma área
ameaçada e rica em biodiversidade, foi conferido a Mata Atlântica o título de hotspot.
A história da devastação da Mata Atlântica está intrinsicamente associada à história
econômica do Brasil. Assim, apesar da grande importância econômica e histórica da Mata
Atlântica, um problema em se tratar desse ecossistema é que ainda são poucos os trabalhos e a
disponibilidades de dados sobre ele. Na realidade, percebemos que a maioria dos estudos e
dados disponíveis se concentram na Amazônia. Dada a relevância do bioma Mata Atlântica
para o desenvolvimento econômico do país e a escassez de estudos econométricos que o
tratassem surgiu a motivação em utilizá-la como tema dessa dissertação.
Atualmente, está em debate, o papel da política ambiental no processo de
desenvolvimento econômico do país. Muitos argumentam que tais políticas são culpadas por
impedirem ou prejudicarem o crescimento econômico. Entretanto, um estudo empírico,
realizado pelo Grupo de Economia do Meio Ambiente (Instituto de Economia, Universidade
Federal do Rio de Janeiro) e pela Fundação SOS Mata Atlântica, mostrou que alguns mitos
sobre a incompatibilidade entre desenvolvimento econômico e preservação do meio ambiente
não se sustentam.
5
As conclusões desta etapa foram suficientes para comprovar a inexistência de uma
relação automática entre o crescimento econômico e desmatamento. Entretanto, apesar dos
resultados obtidos, até então, claramente apontarem a existência de uma dissociação entre
desmatamento e aumento da atividade agropecuária, reconhecia-se que havia ainda a
necessidade da realização de uma análise estatística mais sofisticada. Sendo assim, numa
segunda etapa, Andrade (2003) e Cabral (2004), deram continuidade ao trabalho.
Andrade (2003) engajou-se na aplicação de técnicas de Estatística Multivariada, tais
como a Análise de Grupamento e de Discriminante, para os estados da região sul do país.
Visando complementar à referida pesquisa, Cabral (2004) incorporou indicadores sociais à
análise, com o intuito de examinar se existe alguma correlação entre desmatamento e
melhoria das condições de vida da população rural. Mais uma vez, os resultados apontaram
para as seguintes conclusões: que desmatamento e crescimento econômico caminham em
lados opostos e que desmatamento não garante melhores condições de vida para a população
rural.
Entretanto, ainda havia uma questão a ser respondida: quais seriam os fatores
determinantes do desmatamento na Mata Atlântica? Este é o objetivo dessa dissertação,
através do uso da econometria busca-se construir um Modelo de Regressão Linear Múltipla
para o desmatamento afim de descobrir que variáveis são relevantes e significativas para
explicar o desmatamento recente da Mata Atlântica. Além dessa introdução, da conclusão e
das referências bibliográficas, esta dissertação é composta por três capítulos.
O primeiro capítulo conta a história do desmatamento da Mata Atlântica, e sua
evolução desde o descobrimento do país até o período atual. Após uma breve introdução, a
primeira seção visa abordar a história da mata atlântica destacando os elementos geográfico-
ambiental, sócio-econômico, e, histórico e institucional presentes no processo de
desmatamento do bioma. Já a segunda faz uma reflexão da crítica ambiental que,
curiosamente, surgiu na época do Brasil colônia. A terceira seção trata das iniciativas atuais
6
sobre a conservação e o uso sustentável dos remanescentes florestais da floresta atlântica. Em
seguida, a quarta seção traz as conclusões deste primeiro capítulo.
Já no segundo capítulo busca-se selecionar quais são as variáveis relevantes para
explicar o desmatamento. Além da introdução, este capítulo possui mais três seções.A
primeira trata da revisão bibliográfica que aborda tanto trabalhos sem modelagem
econométrica quanto aqueles com modelagem, aos quais se dedica maior atenção. O objetivo
dessa revisão bibliográfica é a seleção das variáveis explicativas relevantes e a busca de um
modelo econométrico adequado.
Na segunda seção é exposto um trabalho feito pelo Grupo de Economia do Meio
Ambiente e Desenvolvimento Sustentável (GEMA) do Instituto de Economia da UFRJ junto
com a fundação SOS Mata Atlântica, que tinha como objetivo explicar se existia alguma
relação empírica entre desmatamento e crescimento econômico. A fim de complementar esse
estudo inicial, mais dois trabalhos foram feitos com o intuito de desmitificar as afirmações
usadas pela bancada ruralista para incentivar o acelerado desmatamento. Entretanto, esses
trabalhos não utilizaram uma abordagem econométrica mais sofisticada com o intuito de
encontrar relações estatísticas entre as variáveis do modelo, o qual é o propósito do terceiro
capítulo da dissertação. Por fim, a terceira seção se dedica à conclusão do segundo capítulo.
No terceiro capítulo o objetivo é estimar um modelo de regressão múltipla do
desmatamento Além da introdução, este capítulo consta de mais três seções. Na primeira
secção, serão realizados testes de correlação entre as variáveis independentes escolhidas e o
desmatamento. A análise do coeficiente de correlação foi realizada para os estados das regiões
sul e sudeste em conjunto, por região e individualmente. Em seguida, na segunda seção é
estimado o modelo de desmatamento. Primeiramente será exposta a metodologia utilizada, e
depois serão analisados os resultados obtidos. Por fim, na última seção, são expostas as
considerações finais.
7
Em seguida, são apresentadas as conclusões finais desta dissertação. Nela são
evidenciadas as conclusões obtidas em cada um dos capítulos. Conclui-se que: (i) apesar da
Mata Atlântica ser uma área de desmatamento antigo, a recente pressão ( anos 80 e 90) por
redução das suas áreas florestadas é preocupante; (ii) para explicar o desmatamento é
necessário que se escolham variáveis de uso da terra, tais como área de lavoura e pastagem, e,
variáveis de contexto social, como IDH e custo de transporte; (iii) desmatamento e
subdesenvolvimento estão econometricamente associados, isto é, regiões onde há menos
empregos agrícolas e piores condições de vida (baixo IDH) desmatam mais. Por fim, são
expostas as referências bibliográficas.
8
Capítulo 1 - A História da Mata Atlântica: Evolução do Processo
de Desmatamento
Ao chegarem no Brasil, os portugueses se encantaram com a floresta que percorria o
litoral atlântico de norte ao sul do país. A rica e distinta biodiversidade da mata atlântica logo
despertou o interesse econômico dos primeiros invasores estrangeiros. Lamentavelmente, a
coexistência entre o homem e a floresta tropical sempre foi problemática, visto que a ação
antrópica sobre a natureza é degradadora, predatória e insustentável. A primeira espécie a ser
explorada na floresta, o pau-brasil, foi que deu o nome ao nosso país. Em seguida foram a
cana de açúcar, a mineração, a pecuária e o café. O homem avançava no território e levava
consigo a destruição da floresta, que não estava preparada para recebê-lo. Hoje, mais de cinco
séculos após a chegada destes no território brasileiro, a exuberante floresta foi praticamente
toda devastada: restam aproximadamente 7% da mata original.
O lugar onde antes ocupava a floresta nativa, deu-se espaço a grandes cidades e
centros urbanos, pastos e áreas agricultáveis, que hoje apresentam uma baixa produtividade e
valor da produção. Podemos, assim, usar a história do Brasil como reveladora de crescentes
degradação do território, como é o caso da devastação da Mata Atlântica. A história desse
bioma não é uma história natural, que explica a integração entre os seres que habitam a
floresta, mas sim uma história que mostra a relação entre sociedade e o meio ambiente.
Além dessa introdução esse capítulo apresenta três seções e a conclusão. A primeira
seção visa abordar a história da mata atlântica destacando os elementos geográfico-ambiental,
sócio-econômico, e, histórico e institucional presentes no processo de desmatamento do
bioma. Já a segunda faz uma reflexão da crítica ambiental que, curiosamente, surgiu na época
do Brasil colônia. Em seguida, a terceira seção trata das iniciativas atuais sobre a conservação
e o uso sustentável dos remanescentes florestais da floresta atlântica. Por fim, são expostas as
conclusões deste capítulo.
9
1.1 A História da Mata Atlântica
1.1.1 Elementos Geográfico-ambientais
Ao longo de toda a costa brasileira, tanto na região litorânea como nos planaltos e
serras do interior, está presente a floresta Mata Atlântica. Segundo dados da Fundação SOS
Mata Atlântica, sua área original cobria continuamente uma área de 1.363.000 mil Km2, que
correspondia a 16% do território brasileiro. Sua extensão abrangia, total ou parcialmente, 17
estados do país: Piauí, Ceará, Rio Grande do Norte, Paraíba, Pernambuco, Alagoas, Sergipe,
Bahia, Espírito Santo, Minas Gerais, Rio de Janeiro, São Paulo, Paraná, Santa Catarina, Rio
Grande do sul, Goiás e Mato Grosso do Sul.
A biota Atlântica é uma área de desmatamento antigo e onde se encontram poucas
áreas preservadas, logo um dos biomas mais ameaçados. Sua trajetória de devastação tem
início no século XVI, com a chegada dos portugueses no país. Dean (1996) destaca que o
primeiro ato dos portugueses foi derrubar uma árvore e confeccionar uma cruz. De acordo
com os dados mais recentemente publicados, a área remanescente foi estimada em 7,3% da
cobertura original. Entretanto, na realidade, é provável que o percentual da floresta original
remanescente seja bem menor, já que além das formações primárias esse percentual inclui
tanto as florestas plantadas quanto as florestas secundárias, que apresentam uma composição
flora e faunística reduzida e empobrecida em termos quantitativos e qualitativos (Câmara,
2003).
Em toda sua extensão, este bioma apresenta uma variedade de formações de vegetação
latifoliares englobando um conjunto de ecossistemas florestais de estruturas e composições
florísticas bastante diversificadas. Segundo Dean, a Mata Atlântica e a Amazônia, em
conjunto, “formavam uma zona biogeográfica diferente e mais rica em espécies que as outras
florestas tropicais do planeta, situadas na África e no Sudeste Asiático. A Mata Atlântica era
10
em si mesma de uma diversidade extraordinária, levando-se em conta seu tamanho
relativamente modesto”.
Os seus estuários de menor proporção, tais como as planícies de restinga, dunas,
mangues, lagunas estão localizados próximos ao oceano. Na Região Sudeste temos a Serra do
Mar cuja vegetação grande e imponente a faz aparentar uma “muralha”. No Sul do país, a
Mata Atlântica adquire um caráter inteiramente diferente. Nessa área há o predomínio da
primitiva e resistente conífera Araucaria angustifolia que forma uma floresta aberta. A tabela
abaixo mostra as diferentes formações e seu respectivo percentual em área de domínio de
Mata Atlântica.
Tabela 1: Extensão original e porcentagem dos tipos de florestas na Mata Atlântica (MMA, 2006b)
Tipo de Floresta Extensão (Km2) Percentual (%)
Floresta Ombrófila densa e aberta 237530 18,18
Floresta Ombrófila Mista 168916 12,93
Floresta Sazonal e Semidecídua 635552 48,65
Área de tensão Ecológica 157747 12,07
Outros 106676 8,17
Total 1306421 100
Fonte: Elaboração Própria com dados extraídos de Câmara e Leal (2003)
Ao analisarmos a tabela acima percebemos que a floresta atlântica é principalmente
composta pela floresta sazonal e semidecídua. Em seguida, podemos enumerar a seguinte
ordem de importância e prevalecência florística: floresta ombrófila densa e aberta; floresta
ombrófila mista; área de tensão ecológica, que correspondem as áreas de transição entre as
formações florestais; e, outros ecossistemas associados, como as restingas e manguezais.
Essa grande diversidade presente nas composições florestais da biota atlântica se deve
a três fatores: latitude, altitude e variação longitudinal. O seu grande âmbito de latitude, norte
e sul, permitiu que a temperatura e a insolação agissem como importantes gradientes na
11
formação de diferentes tipos de relevo que associados a determinados regimes de vento e
correntes oceânicas implicaram no surgimento de uma paisagem de flora e fauna um tanto
peculiar e específica para cada região.
A Mata Atlântica cobre terrenos que variam do nível do mar a 2700 m, tornando o
gradiente da altitute mais um fator propulsor da diversidade ambiental. Assim, uma árvore de
uma dada espécie nascida no nível do mar difere de uma árvore desta mesma espécie no topo
da serra. Por fim, a variação longitudinal é outro gradiente importante: as florestas de interior
são significativamente diferentes das que estão próximas do litoral.
Se variações de latitude, altitude e longitude, sozinhas ou conjuntas, já exercem
influencia significativa sobre as espécies, é possível imaginar o que a diferença de
pluviosidade, temperatura, fertilidade dos solos1, relevo, iluminação, entre muitas outras,
gerou em termos de diversidade de flora, fauna, microorganismos, e os ecossistemas que estes
compõem, ao longo do litoral brasileiro (Dean, 1996). Esta é uma das mais importantes razões
pela qual a Mata Atlântica é tão rica em sua biodiversidade2.
Entretanto, apesar da grande diversidade de flora e fauna a mata atlântica é um dos
biomas mais ameaçados do planeta. É provável que a destruição prematura e inconsequente
da floresta deve ter extinto muitas espécies, antes mesmo destas serem catalogadas pela
ciência. Assim, por ser considerada uma área prioritária para a conservação, já que é uma área
ameaçada e importante repositório de biodiversidade, a Conservation International conferiu a
Mata Atlântica o título de hotspot.
1 “Surpreendentemente, o estabelecimento da Mata Atlântica foi determinado mais pelo regime de chuvas que pelos solos. A combinação de chuva abundante com clima quente foi favorável a formação de solos profundos e argilosos, ricos em ferro e, tipicamente avermelhados. Estes, possuem pouca capacidade de reter água ou nutrientes implicando que o seu desenvolvimento depende, em grande parte da cobertura da vegetação, e não ao contrário” (Dean, 1996). 2De acordo com artigo 2 da Convenção sobre a Diversidade Biológica (1992) podemos definir a 'biodiversidade' ou 'diversidade biológica' como “a variabilidade de organismos vivos de todas as origens, compreendendo, dentre outros, os ecossistemas terrestres, marinhos e outros ecossistemas aquáticos e os complexos ecológicos de que fazem parte; compreendendo ainda a diversidade de espécies, entre espécies e de ecossistemas”.
12
Critérios importantes para um bioma ser determinado como um hotspot são a
existência de , pelo menos, 1500 espécies endêmicas de plantas e a perda de mais de ¾ da sua
vegetação original3. A Mata Atlântica representa uma grande riqueza de patrimônio genético
e paisagístico, que pode ser demonstrada por alguns índices: 55% das espécies arbóreas e
40% para espécies não arbóreas são endêmicas. Podemos destacar algumas espécies, tanto da
flora quanto da fauna, que são específicas da Mata Atlântica, e estão aos poucos
desaparecendo:
� Fauna: Garça-branca-pequena, Mico-leão-de-cara-dourada,Bicho-preguiça,Gato-do-
mato,Tié-sangue, Borboleta, Tamanduá-bandeira ,Sagui-da-serra, Tatu-peludo,
Caranguejo-guaiamu, Mono-carvoeiro, Jaguatirica, Tucano, Cobras.
� Flora: Caixeta, Pinheiro-do-Paraná, Guapuruvu, Quaresmeira e Manacá, Cássia,
Orquídeas, Araucária, Urucum, Jequitibá-rosa, Embaúba, Pau-brasil, Orelha-de-pau,
Sibipiruna, Cedro, Ipê-amarelo, Jacarandá, Manacá-da-serra, Palmito-juçara, Pau-
ferro.
Conforme descreve Dean (1996), se púdessemos voar de volta ao tempo, na época que
os portugueses descobriram o país teríamos a seguinte impressão:
(...)“de um 747 que voasse de volta no tempo, o viajante teria olhado para um interminável tapete verde, salpicado pela glória de árvores inteiras em plena floração – o rosa-púrpura de sapucaias, o branco e vermelho de copaíbas, o amarelo de guapiruvus, o violeta de jacarandás. Seus habitantes originais a chamavam de caáete, a floresta verdadeira, a floresta ilesa – um cenário muito parecido com o amazônico, salvo pelos cumes e escarpas”.
Entretanto, essa não é mais a realidade paisagística da Mata Atlântica. Depois de
séculos de uma profunda destruição, movida por atender a ambições e satisfações humanas, a
floresta atlântica se encontra significativamente reduzida: aproximadamente 93% da
vegetação exuberante e verdejante sumiram através da força, insensata e ignorante, do
machado humano.
3No Brasil, além da Mata Atlântica, o bioma Cerrado também é considerado um Hotspot, isto é, uma área ameaçada e rica em biodiversidade e, então, prioritária para a conservação.
13
Na atual paisagem esfarrapada estendem-se voçorocas provenientes da agricultura e
pecuária impiedosas, que durante séculos derrubaram a mata original e a esquadrinharam em
busca de animais e plantas para escambo e venda. Hoje, os 7% que restam da mata atlântica
são as últimas testemunhas da paisagem que antecedeu a civilização e seus triunfos (Dean,
1996). As subseções seguintes avançam na exposição de outros fatores determinantes do
desmatamento desta então exuberante e rica floresta.
1.1.2 Elementos histórico-institucionais
Na exposição da história de devastação da mata atlântica dois elementos essenciais
para essa análise são os fatores histórico-institucionais. Não se pode negar que o fato do
Brasil ser abundante em recursos naturais de valor econômico apreciáveis implicou que fosse
uma colônia de exploração. A fartura de recursos, conseqüentemente, tornou-se uma
vantagem comparativa da nação, caracterizando-a, durante séculos, como exportadora de
produtos primários (pau-brasil, açúcar, café,...). Por outro lado, a forma como esses recursos
foram explorados também foram decisivas para o atraso econômico e a acelerada destruição
ambiental do país. Ademais, as instituições que existiam no país eram muito atrasadas e
fracas.
Assim, ao se instalarem no país, os colonizadores perceberam que a exploração direta
da natureza seria o principal eixo da busca por riquezas nessa parte da América. De acordo
com Pádua (2003), em diferentes regiões do planeta, as colônias de exploração sempre se
caracterizaram pela exploração imediatista e brutal dos seus recursos naturais por dois fatores:
pelo impacto direto das atividades coloniais sobre os ecossistemas previamente existentes (ex:
exploração do pau-brasil, e de outros recursos extraídos da natureza); e, pela introdução de
espécies exóticas (ex: introdução das lavouras de cana-de-açúcar e do café).
Como os colonizadores apresentavam uma certa “miopia temporal”, a mata atlântica
era vista como um universo que jamais se consumiria, ou seja, era uma fronteira para sempre
14
aberta ao avanço da produção econômica e da ocupação social. Assim, o patrimônio
ambiental era consumido num ritmo intenso e absolutamente desastroso, sem a menor
preocupação com as gerações futuras. Somado a isso, estava o uso de técnicas produtivas
descuidadas e extensivas, e da mão de obra escrava. Dada a abundância da biomassa
florestal, o método mais barato e imediatamente eficaz para o estabelecimento das grandes
plantações eram as queimadas. Essas opções tecnológicas e organizativas constituíram uma
agricultura rudimentar, extensiva e predatória no Brasil.
Pádua (2003) associa um fator jurídico-institucional à sensação de inesgotabilidade
dos recursos naturais: a facilidade na concessão de terras para a elite colonial. Este autor, cita
José João Teixeira Coelho, segundo o qual: “a facilidade que tem havido na concessão das
sesmarias tem sido muito prejudicial, porque se têm queimado os matos melhores, e os mais
próximos às povoações, as quais já sentem a falta das madeiras, das lenhas e dos capins”. O
resultado era que, apesar de existirem no país muitas sesmarias sem a menor produção, os
povos continuavam pedindo novas terras. A concessão fácil de novas terras estimulava a
prática de explorá-las de maneira pouco cuidadosa e depois abandoná-las.
A noção de longo prazo esta ligado a continuidade histórica de uma nação, conceito
que, naturalmente, a lógica da colonização brasileira não considerava. Assim, o modelo
predatório de ocupação organizava o modo de apropriação da fatia do território submetida ao
sistema colonial, garantindo para a elite local os benefícios econômicos possíveis no contexto
do pacto colonial. A relação que era estabelecida com a terra era meramente utilitária: não se
buscava mecanismos que favorecessem o enraizamento da população no novo ambiente. O
sentido de cidadania e responsabilidade pelo espaço coletivo estava ausente da sociedade em
formação no Brasil. Portanto, a opção escravista, produzia impactos sobre a paisagem e sobre
a civilização material.
1.1.3 Elementos sócio-econômicos
15
Como podemos afirmar, após o que foi dito nas duas seções anteriores, a história da
devastação da Mata Atlântica está intrinsecamente associada à história econômica do Brasil.
O notável potencial do país residia quase que exclusivamente na sua natureza. A realidade
social e econômica que se estendia sobre esse fundo natural, no entanto, chocava pelo atraso,
pela violência e pela destruição.
Ao contrário dos portugueses, os povos que habitavam a floresta, tais como indígenas,
quilombolas4 e caiçaras5, sempre exerceram atividades de baixo impacto no meio ambiente. A
primeira ameaça sofrida por esses povos se deu com a chegada dos europeus, que alterou o
modo de vida específico dessas culturas. Atualmente, essas comunidades tradicionais da Mata
Atlântica estão sendo desestruturadas em função das pressões da especulação imobiliária e
fundiária, dos interesses de madereiros e mineradores.
Ao reconhecer que qualquer atividade econômica incide no ecossistema, quer pela
extração de recursos, quer pelo lançamento de dejetos sob a forma de matéria ou energia
degradada, conclui-se que o processo econômico deve respeitar limites. Os ciclos econômicos
brasileiros, no período colonial e pós-colonial, impactaram negativamente no patrimônio
florestal do país. Cada ciclo apresentava um modo de produção e distribuição dos produtos
próprio. O primeiro desses ciclos foi o do pau brasil, produto de grande interesse comercial
dos portugueses. Essa commodity foi intensamente explorada ao longo do século XVI e, tão
logo, se encontrou escassa. O impacto da extração desse recurso causou danos ambientais
irreversíveis na área florestada.
Em seguida, foi a vez do ciclo da cana-de açúcar, que por ser uma espécie exótica
causou pressão sobre a Mata Atlântica como um todo. A produção da cana de açúcar era
baseada no trípe: monocultura, grande latinfúndio (grandes propriedades rurais) e trabalho
4Quilombolas são comunidades rurais negras, inicialmente formadas por ex escravos. 5Os caiçaras foram um grupo cultural de mestiços de índios com portugueses que passaram a ocupar a faixa litorânea do território nacional, correspondente ao que hoje compreende os estados do rio de Janeiro, São Paulo e Paraná.
16
escravo. A floresta era desmatada para dar lugar as lavouras de cana e também para se obter
lenha, que era usada como combustível nos engenhos de açúcar.
Os ciclos do gado e do ouro foram importantes para estabelecer a população no
interior do país. Entretanto, exerceram pressões devastadoras sobre a vegetação original: a
atividade pecuária queimava grandes áreas férteis para abrir novas áreas de pastagens e a
atividade mineradora, além de utilizar madeira e lenha, usava técnicas muito defasadas para
explorar as jazidas.
Por fim, temos o ciclo do café , outra espécie exótica introduzida nos domínios de
mata atlântica. Apesar de ter se tornado na atividade mais rentável do Brasil, as técnicas de
exploração utilizadas aceleraram a perda de áreas de floresta. Dessa forma, observa-se, desde
o período colonial, a prática de uma agricultura do tipo “lavoura de derrubada e queimada”,
que, em seguida, dá lugar á atividade pecuária. Ou seja, a agricultura é praticada numa
determinada área enquanto a terra é fértil. Assim que a terra perde sua fertilidade, a lavoura
avança, de maneira itinerante, para novas áreas de mata virgem e as terras antigas se
transformam em pastagens. Conforme afirma Young (2000):
“Nessa perspectiva, apesar da freqüente alternância da mercadoria geradora da dinâmica da economia colonial e, posteriormente, imperial e republicana, percebe-se um padrão de “auge e crise” a partir da exploração direta ou indireta dos recursos naturais encontrados: a abundância do recurso em questão induz à sua rápida exploração predatória, o que por sua vez leva ao declínio de longo prazo, seja por escassez crescente do que antes era farto, ou seja porque o aumento abrupto de oferta da mercadoria em questão resulta em uma tendência de depreciação contínua do seu preço nos mercados doméstico e internacional.”
Entretanto, os métodos destrutivos não se restringiram aos momentos de decadência,
implicando que a destruição ambiental não foi algo de fortuito e pontual, mas sim um
elemento constitutivo da própria lógica da ocupação colonial do Brasil. Assim, com a
independência do Brasil em 1822, muitos pensavam que o Brasil se livraria das práticas
ambientais devastadoras (Pádua , 2003).
17
No período do Brasil Império e República, as queimadas para o cultivo de café não
foram os únicos instrumentos utilizados na devastação da Mata Atlântica durante esse
período, o comércio de café induziu o crescimento demográfico, a urbanização e logo a
industrialização e a construção de ferrovias (Dean, 1996). Apesar das mudanças sociais,
políticas e econômicas que ocorreram no país, como o fim da escravidão e a implatação da
República, a forma de explorar a floresta atlântica não mudou. Pelo contrário, deu-se início a
um dos períodos mais devastadores da paisagem florestal.
Assim, podemos afirmar que a industrialização brasileira foi concomitante a
devastação da Mata Atlântica. O caráter industrial predatório associado ao crescimento
demográfico exerciam uma intensa pressão sobre os, cada vez mais escassos, remanescentes
florestais. A lógica presente nas políticas desenvolvimentistas implantadas no país após a
segunda Guerra Mundial foi uma ameaça ao seu patrimônio natural. Estas, privilegiaram
como meta o crescimento econômico, em vez da distribuição da riqueza, intensificando a
concentração da renda. Assim, o ônus ambiental imposto pela industrialização, como o
desmatamento e a poluição, não era considerado relevante se o progresso do país, com a
construção de novas fábricas e a urbanização das regiões, estivesse associado.
Ademais, as políticas públicas e macroeconômicas (monetárias e fiscais, ambas
restritivas), também podem ser citadas como propulsoras do desmatamento. As políticas de
empréstimos subsidiados (anos 60 e 70), de preços mínimos para produtos agrícolas e
subsídios para insumos (anos 80) levaram um aumento da destruição dos remanescentes
florestais ao apoiar atividades agrícolas economicamente ineficientes. A política monetária
restritiva, ao elevar as taxas de juros, induz o proprietário rural a dar preferência por
atividades de curto prazo (Young, 2000).
Essa postura de “miopia temporal” vai contra a lógica do desenvolvimento sustentável
e acelera a perda de áreas de florestas. Por sua vez, as políticas fiscais de redução dos gastos
do governo também afetam as florestas (Young, 2000). Segundo Young (2000), “o corte de
18
despesas dificultam a contratação de guarda-parques suficientes e a aquisição dos recursos
necessários para o manejo e a fiscalização das áreas protegidas”. As seções seguintes tratam
das críticas às práticas de cultivo devastadoras presentes no período colonial e das atuais
perspectivas de preservação desse tão importante bioma.
1.2 A Cultura Esgotadora do Modelo Colonial: Nascimento da Crítica Ambiental
No final da década de 60 (século XX), a questão ambiental passou a ser discutida
internacionalmente e com certa urgência por políticos e cientistas. Um dos eventos que
marcaram esta preocupação foi a primeira Conferência das Nações Unidas sobre Meio
Ambiente e Desenvolvimento, realizada em Estocolmo em 1972. No entanto, ao contrário do
que muitos pensam, as críticas e preocupações com a natureza não são um fenômeno recente.
O estudo realizado por Pádua (2003) identificou muitos elementos de críticas ao mau
uso do meio ambiente em discursos de políticos luso-brasileiros do perído escravocrata. O
alvo principal dos “críticos ambientais” foi o modelo colonial produtivo explorado na seção
anterior. Conforme já abordado, a cultura esgotadora baseava-se no trípe: monocultura para
exportação, mão-de-obra-escrava e grande propriedade rural. As atividades produtivas no
Brasil, estavam entregues nas mãos de “cegos ignorantes”, precisando de uma urgente
reforma. O autor destaca algumas principais mudanças: (i) imediatas: necessidade de
diversificar a agricultura pela valorização de espécies nativas e pela aclimatação de exóticas, e
(ii) estruturais: a divisão das terras (reforma agrária), o aumento da povoação, a instrução
pública (promoção de educação) e o fim da escravidão.
De acordo com o autor, na medida em que essa tradição crítica foi se sofisticando,
uma relação direta com a crítica ao sistema escravista se estabeleceu. Os “críticos ambientais'
destacam três motivos básicos que tornavam a escravidão africana incompatível com o
progresso do Brasil: “(i) a escravidão colocava em risco a segurança do Estado; (ii) a
escravidão apresentava um impacto deletério sobre a sociedade brasileira, não havia no Brasil
19
uma classe que se podia chamar de “povo”; e (iii) a escravidão expressava a crença de que
seria possível avançar economicamente uma sociedade calcada no trabalho servil” (Pádua,
2003).
Nessa época, a escravidão era vista como o fator estrutural determinante para o
conjunto dos aspectos perversos da vida nacional, para o atraso do país. A monocultura de
exportação, complemento lógico do trabalho escravo, destruía a saúde da paisagem, que só
poderia ser mantida através da diversificação produtiva6. A grande propriedade havia
concorrido apenas para o “atraso agrícola e industrial do nosso país e sua educação”.
Assim, os problemas da agricultura eram inseparáveis dos males do escravismo. A
superação gradual do trabalho escravo abriria espaço para a construção de uma agricultura e
de uma indústria diversificadas e eficientes. A substituição da mão-de-obra escrava se daria
pela imigração de colonos livres e pela modernização da economia, que envolveria tanto a
racionalização tecnológica da lavoura quanto a revitalização das minas e o surgimento de
manufaturas mecanizadas.
A conclusão dos autores da crítica ambiental brasileira era que escravismo impedia o
surgimento de uma relação saudável entre o homem e a terra. No entanto, conforme constata
Pádua (2003), apesar da rápida transição para o trabalho livre, a permanência das queimadas e
das monoculturas continuou produzindo intensa destruição que foi intensificada pela abertura
de novas regiões florestais e pela maior capacidade de impacto fornecida pela tecnologia
industrial. Ou seja, o fim do escravismo não representou um marco de ruptura com a herança
da devastação.
6“É fato constante que a produção dos vegetais que entre nós se manufaturam, como a cana por exemplo, tornam
em pouco tempo improdutiva a terra, quando é sabido que as terra cansam em breve esse não se alteram as plantações, mas que nunca cansam se esta alternação tem lugar de tempos a tempos: é isto um benefício da natureza que quer que os homens tenham não um só, mas muitos e diversos gêneros de alimentos. Demais, é evidente que tanto mais diversificadas forem as substâncias alimentares vegetais, tanto mais se aproveitará o terreno, tanto mais recursos terão os povos e tanto menos sofrerão dos acasos funestos das secas ou das chuvas excessivas, sendo parte dos vegetais suscetíveis de resitirem à secas e outros a quem não causam danos as grandes águas” (Pádua, 2003)
20
Dessa forma, muitos argumentam que os críticos ambientais superestimaram o peso
específico da escravidão nos aspectos mais negativos da formação social brasileira – tanto que
muitos desses aspectos, como a concentração fundiária, a marcante desigualdade social e a
destrutividade ambiental, revelaram-se perfeitamente capazes de sobreviver após a abolição.
Já outros, contra-argumentam que a herança do escravismo, e mais ainda da obra da
escravidão são fundamentais para entender a permanência desses aspectos ao longo do século
XX.
1.3 Perspectivas Futuras de Conservação da Mata Atlântica
Após a exposição da história de devastação da Mata atlântica e dos elementos -
geográfico-ambientais, histórico-institucionais e sócio-econômicos - que caracterizaram esse
processo, percebeu-se a necessidade de conservar o pouco que ainda resta desse bioma. As
consequências da destruição florestal iam além da perda de espécies valiosas implicando na
necessidade de uma reforma geral do carater predatório da economia brasileira. Não se tratava
de impedir o avanço da agricultura, mas sim de separar uma “pequena parte” do terreno para a
conservação.
Já no período colonial havia a percepção de que a privatização dos espaços naturais
era a melhor forma de conservar as florestas. Era necessário encontrar um equilíbrio entre a
conservação florestal e os desmatamentos necessários para o progresso econômico. Ou seja,
era necessário proteger os remanescentes das matas e promover sua restauração (Pádua,
2003). Conforme afirma Pádua (2003):
“a conservação das florestas deve ser, e é, um dos primeiros interesse da sociedade e, por conseguinte, um dos primeiros deveres do governo. Todas as necessidade da vida se ligam a sua conservação. Necessárias aos indivíduos, as florestas não são menos aos Estados; sua existência é um benefício inapreciável para os países que as possuem”.
Assim, apesar da atual situação da Mata Atlântica não ser muito favorável, nota-se
algumas melhorias. Primeiramente, merece destaque a evolução da legislação ambiental, que
21
vem se aprimorando para garantir importantes mecanismos para a preservação das áreas
florestais remanescentes. Como exemplos podemos citar: a lei de crimes contra o ambiente
(Lei nº 9.605/98), a de recursos hídricos (Lei nº 9433/97) e a Lei da Mata Atlântica. Esta
última, se encontra em debate no congresso.
Também pode-se verificar um grande esforço no desenvolvimento e na implementação
de mecanismos financeiros. Entre esses estão o ICMS Ecológico, o Imposto de Renda
Ecológico e o Pagamento por Serviços Ambientais. O objetivo comum desses mecanismos é
gerar uma receita extra-orçamentária que seja usada para financiar a conservação e o uso
sustentável da biodiversidade. Dessa forma, as iniciativas de reflorestamento e de criação de
Unidades de Conservação nas áreas de domínio de Mata Atlântica seriam estimuladas e
facilitadas.
Apesar da situação atual ser desanimadora, visto que restam apenas 7% da área de
floresta original, experiências de recuperação da paisagem natural, como a que foi promovida
na Costa Rica7, geram força e esperança para o bioma atlântico. Resta apenas que o governo
brasileiro junto com a iniciativa privada unam esforços para garantir que os mecanismos
financeiros e a legislação ambiental criada sejam implementados e se façam prevalecer.
1.4 Conclusão
Esse capítulo buscou abordar a história da mata atlântica com enfoque nos elementos
que determinaram o insensato e acelerado desmatamento dessa rica e exuberante floresta.
Além disso, foram expostas o surgimento da consciência ambiental no país e as expectativas
presentes de preservação do bioma.
Da primeira seção e de suas subseções podemos concluir que é muito difícil eleger um
fator responsável pelo desmatamento da mata atlântica. A causa da devastação dessa biota
está intrinsecamente relacionada com a interação perversa dos diversos fatores enumerados. A
7Colocar referência dao trab sobre a exxperiência realizada na costa Rica.
22
favorável e desconcertante natureza do bioma, somente, pode ser considerada um fator
propulsor do desmatamento, visto que se pode extrair dela espécies de muito valor comercial.
Como exemplo histórico, podemos citar a extração do pau-brasil.
Na seção seguinte evidenciou-se como fator principal do desmatamento o uso da mão-
de-obra escrava. Essas eram ignorantes e faziam uso de técnicas agrícolas ultrapassadas que
castigavam o solo. Entretanto, percebeu-se que mesmo com o fim da escravidão, o
desmatamento continuou de maneira acelerada.
Já a última seção abordou as atuais iniciativas de preservação e uso sustentável do
meio ambiente. Dentre as ações que estão sendo implementadas, vale destacar: Lei da Mata
Atlântica, ICMS ecológico e IR ecológico. Com essas medidas, busca-se diminuir o ritmo de
desmatamento nesse bioma, e , quem sabe, recuperar parte do que foi perdido.
23
Capítulo 2 - Determinantes do Desmatamento na mata atlântica:
uma revisão da bibliografia
Ao recorrer à literatura que trata sobre desmatamento verificou-se uma ausência de
trabalhos econométricos sobre a Mata Atlântica. A maioria dos estudos desse nível tratam da
Amazônia, do Cerrado ou da Floresta Tropical. Esse capítulo buscou fazer uma revisão
bibliográfica dos principais trabalhos que abordam as causas do desmatamento, e está
dividido em duas seções. A primeira trata da revisão bibliográfica que aborda tanto trabalhos
sem modelagem econométrica quanto aqueles com modelagem, aos quais se dedica maior
atenção. O objetivo dessa revisão bibliográfica é a seleção das variáveis explicativas
relevantes e a busca de um modelo econométrico adequado.
Na segunda seção é exposto um trabalho feito pelo Grupo de Economia do Meio
Ambiente e Desenvolvimento Sustentável (GEMA) do Instituto de Economia da UFRJ junto
com a fundação SOS Mata Atlântica, que tinha como objetivo explicar se existia alguma
relação empírica entre desmatamento e crescimento econômico. A fim de complementar esse
estudo inicial, mais dois trabalhos foram feitos com o intuito de desmitificar as afirmações
usadas pela bancada ruralista para incentivar o acelerado desmatamento. Entretanto, esses
trabalhos não utilizaram uma abordagem econométrica mais sofisticada com o intuito de
encontrar relações estatísticas entre as variáveis do modelo, o qual é o propósito do terceiro
capítulo da dissertação. Por fim, segue a conclusão do segundo capítulo.
2.1 Revisão Bibliográfica
2.1.1 Trabalhos sem Modelagem Econométrica
Nos anos 70 e 80, muitos trabalhos buscaram explicar as causas do desmatamento na
Amazônia. Estes apresentaram um forte consenso em relação às principais forças
determinantes do desflorestamento, dentre os quais destacam-se: as políticas públicas, em
24
especial os incentivos fiscais a empreendimentos privados na Amazônia; os créditos rurais
subsidiados; os programas oficiais de colonização agrícola; e, os investimentos em infra-
estrutura; os quais atraíram empreendedores e milhares de migrantes em busca de terras para
a região. Já na década de 90, verificou-se que, apesar das altas taxas de desmatamento, muitas
dessas variáveis reduziram significativamente sua importância, indicando a presença de
fatores subjacentes determinando a acelerada perda de áreas de florestas (Viana Rodrigues,
2004).
O recente estudo realizado por VIANA RODRIGUES (2004) investigou, com base na
literatura revisada, as principais variáveis responsáveis pelo desmatamento nos anos 90 na
Amazônia. A hipótese testada é a de que as variáveis subjacentes (políticas públicas,
institucionais, tecnológicas, econômicas e demográficas) e suas interações seriam as forças
determinantes do desflorestamento na Amazônia. Primeiramente, o objetivo do autor era
desenvolver um modelo de regressão que determinasse a importância de cada variável
explicativa no desmatamento recente na Amazônia. Entretanto, devido a problemas com a
base de dados, optou-se por fazer uma análise teórica de cada variável com base na
metodologia desenvolvida por ANGELSEN & KAIMOWITZ (1999).
Estes autores construíram um quadro conceitual dos processos de desflorestamento
que estabelece as relações entre os principais tipos de variáveis e proporciona uma abordagem
lógica para a análise do desflorestamento em três diferentes níveis: fontes, seriam as ações dos
agentes do desmatamento, como pequenos agricultores, pecuaristas, madeireiros e grandes
áreas de plantio; causas imediatas, focalizam os parâmetros de decisão, ou seja, o conjunto de
fatores disponíveis como preços, tecnologia, instituições, novas informações, acessos a
serviços e a infra-estrutura, os quais interferem na tomada de decisão dos agentes; e causas
subjacentes, influenciam as decisões dos agentes através de diversos canais, destacando-se: o
mercado; a disseminação de novas tecnologias e informação; o desenvolvimento de infra-
estrutura; e as instituições, particularmente o regime de propriedade.
25
Segundo os autores, a distinção clara entre estes três níveis é necessária, em razão de
facilitar a discriminação dos parâmetros que afetam diretamente os tomadores de decisão, na
identificação do tipo de modelo utilizado (i.e. modelos microeconômicos focam as causas
imediatas, enquanto os modelos macroeconômicos focam as causas subjacentes), evitando,
assim, confusão nas relações de causa envolvidas. Ademais, modelos macroeconômicos, que
tratam de causas subjacentes, apresentam resultados menos conclusivos que àqueles que
utilizam fontes e causas imediatas.
A metodologia desenvolvida possibilitou sintetizar os resultados de mais de 140
modelos econômicos sobre as causas do desflorestamento tropical. De acordo com
ANGELSEN & KAIMOWITZ (1999), apesar destes modelos ajudarem a entender melhor as
causas do desflorestamento, os resultados obtidos são questionáveis dadas a fraca
metodologia aplicada e a baixa qualidade dos dados. Mesmo assim, concluíram que o
desmatamento tende a ser maior quando: as terras são mais acessíveis (por rodovias); os
preços dos produtos agrícolas e da madeira são mais altos; os salários são mais baixos; e,
existe escassez de empregos fora da área rural. Alertaram, então, para a importância de se
repensar as causas do desmatamento afim de verificar os impactos de alguns fatores
macroeconômicos, tais como o mercado de crédito, as mudanças tecnológicas, a redução da
pobreza e uso da terra.
O estudo de VIANNA RODRIGUES (2004) analisa apenas as causas subjacentes,
logo pode ser considerado um modelo macroeconômico para explicar as causas do
desmatamento recente da Amazônia. Conforme a metodologia desenvolvida por ANGELSEN
& KAIMOWITZ (1998; 1999), as variáveis subjacentes analisadas pelo autor foram:
• Demografia (crescimento população; densidade);
• Políticas de governo (i.e. taxas exportação; ITR; impostos; políticas de concessão e de
posse da terra; restrições à extração de madeira; salário mínimo; subsídios de crédito;
investimentos de infra-estrutura; gastos totais do governo; políticas de taxa de câmbio;
26
política monetária; déficit público);
• Preços do mercado mundial;
• Variáveis macroeconômicas (PIB, nível e taxa de crescimento; taxas de câmbio; de juros);
• Tecnologia;
• Distribuição de renda.
Os resultados obtidos corroboraram a hipótese, o que possibilitou o estabelecimento
de relações e a importância relativa de cada variável subjacente no desmatamento. Destacou-
se a forte presença do Estado na Amazônia Legal8 como um importante fator de pressão do
desflorestamento. Isto é, as políticas de governo, tais como políticas de concessão e de posse
da terra; salário mínimo; subsídios de crédito;investimentos de infra-estrutura; gastos totais do
governo; políticas macroeconômicas; dentre outras, seriam as responsáveis por facilitar e
propiciar o avanço acelerado da perda da cobertura vegetal da região. A única exceção se
refere à análise da participação dos agricultores itinerantes e dos pequenos agricultores no
desflorestamento, classificados como agentes do desflorestamento. A justificativa para a
inclusão destes atores está relacionada ao fato de não haver consenso na literatura sobre estes
agentes.
De acordo com PARAYIL E TONG (1998), a recente aceleração do desmatamento na
Amazônia Brasileira (anos 1990/91), em comparação com o período 1978-88, se deve
fundamentalmente a recessão econômica do Brasil. Os autores afirmam que a principal causa
do desaparecimento de vegetação nativa entre as décadas de 1960 e 1980 era a conversão de
áreas de floresta em formação de pastagens. Atualmente, entretanto, esse processo é mais
complexo. Outros fatores, tais como a extração de madeira, a mineração, e as atividades
industriais, quando combinados podem levar a floresta a sua destruição em poucas décadas.
8 A região da Amazônia Legal é composta pelos seguintes estados: Acre, Amapá, Amazonas, Pará, Rondônia, Roraima, além de partes dos estados de Mato Grosso, Tocantins e Maranhão.
27
Isso mostra que o desmatamento envolve múltiplos meios que se inter-relacionam entre eles,
acelerando seu processo de destruição.
Os autores exploram a dinâmica sócio-ambiental da mudança do processo de
desmatamento na Amazônia Brasileira antes promovido pela pecuária, e, agora, pela extração
de madeira. As trajetórias das causas desse fenômeno também são investigadas. Essas
mudanças foram identificadas com base em três abordagens teóricas que analisam problemas
ambientais no terceiro mundo, que são: (i) teoria Neo-malthusiana da dinâmica da
população;(ii) reformulação de Garrett Hardin's sobre a 'tragédia dos comuns', e; (iii) análise
sócio ecológicas das mudanças ambientais de Peter Taylor's e Garcia-Barrios's. Uma carência
das duas primeiras abordagens é que elas não são capazes de captar a complexidade do
desmatamento da Amazônia.
A teoria Neo- malthusiana atribui a crescente pressão do aumento da população sobre
os recursos florestais como causa para o problema da sobreexploração das terras e a
consequente degradação ambiental. De acordo com essa tese existe uma relação causal muito
forte entre crescimento da população, pobreza e degradação ambiental, e, no entanto, ignora
os fatores econômicos e sócio-políticos que determinaram a pobreza rural e o processo de
degradação do meio ambiente. Assim, a pressão do aumento da população sobre as terras
desmatadas e cultivadas forçaria a população 'a mais' a praticar atividades destrutivas, como o
desmatamento. Entretanto, PARAYIL E TONG (1998) afirmam que a perda de florestas na
Amazônia Brasileira não sustenta relação com o grande crescimento populacional. Ademais,
de acordo com dados estatísticos, as taxas de crescimento da população brasileira caíram nos
anos 70 e 80, quando o desmatamento se mostrou intenso. A causa do demstamento estaria,
assim, relacionada com a destribuição desigual da terra cultivável fora da região amazônia e
não com a sobrepopulação.
Segundo a teoria da 'Tragédia dos Comuns' de Hardin, recursos de uso comum, tais
como pastagens, florestas, oceanos, estão sujeitos a sobreexploração. Assim, cada indivíduo
28
busca maximizar seu ganho na utilização do bem comum, e quanto mais indivíduos agem
dessa maneira maior e mais sério será a sobreexploração e a depleção dos recursos. Segundo
essa tese, a trajetória causal da degradação ambiental se deve a ausência de regulação
coerciva e de práticas capitalistas. Isto é, a causa do desflorestamento é a ausência de relações
de propriedades nas florestas. Porém, na Amazônia ocorre o oposto: a conversão de florestas
nessa região está associada a privatização da floresta pública, que, em geral, favorece o
estabelecimento de grandes propriedades rurais em detrimento dos pequenos e médios
produtores.
A última linha teórica seguida por Parayil e Tong (1998) buscou analizar as mudanças
ambientais a partir de uma perspectiva social, econômica, política e ecológica. Comparada as
teorias expostas anteriormente, a tese de Taylor e Garcia-Barrios fornece maior embasamento
para analisar as trajetórias que causam o desmatamento, ao argumentarem que fatores
estruturais e políticos afetam a sustentabilidade do gerenciamento dos recursos. Em geral, as
condições estruturais agem discriminando as populações rurais gerando deficiências
institucionais, pobreza e degradação ambiental. Isso porque, as questões ambientais são
consequêcias de uma série de fatores (sociais, políticos, econômicos e ecológicos) e
processos.
2.1.2 Trabalhos com Modelagem Econométrica
De acordo com REIS (1996), o desmatamento recente na Amazônia foi causado por
políticas de desenvolvimento regional dentre as quais destacam-se as iniciativas do governo
em projetos de geração de energia elétrica e extração de minérios. Um importante projeto
implementado nos anos 80 foi o “Programa Grande Carajás” cujas principais conseqüências
ambientais foram o desmatamento e a degradação das florestas tropicais. A industrialização e
a urbanização induzidas pelos investimentos do projeto de Carajás (PSC) estimulam o
demastamento. Essas ações geram a necessidade de expansão das áreas agrícolas e da
29
degradação da cobertura florestal original, já que há uma maior demanda por madeira,
alimentos e matérias-primas que deve ser suprida.
Assim, o objetivo foi tratar dos efeitos indiretos do Pólo Siderúrgico de Carajás (PSC)
sobre o desmatamento. Para tal, foi construído um modelo econométrico estimado e simulado
a nível municipal, que abrange a Amazônia Legal e as subregiões identificadas como
Corredor da Estrada de Ferro Carajás e a Área de Influência de Carajás. O autor adotou duas
hipóteses básicas para o seu modelo: (i) o crescimento e a expansão da malha rodoviária são
os motores da ocupação econômica da Amazônia; e que, (ii) a utilização agropecuária das
terras constitui a principal causa imediata do desmatamento. A variável exógena, ou seja,
aquela que explicaria o desmatamento é a expansão da malha rodoviária que pode ser
considerada uma proxy dos investimentos realizados na região. O modelo consta de seis
blocos de equações:(1) expansão da malha rodoviária; (2) dinâmica populacional; (3) produto
das atividades urbanas; (4) utilização da terra, produtividade e produto nas atividades
agropecuárias; (5) desflorestamento; e, (6) emissões de dióxido de carbono. A determinação
dessas equações necessitou de um vasto conjunto de variáveis, tais como, percentual de
estradas pavimentadas, produto das atividades urbanas e rurais, população urbana e rural,
vetor de variáveis econômicas e geoecológicas, dentre outras.
O intuito desse modelo é analisar as interações entre os processos de desmatamento,
ocupação agropecuária, urbanização e industrialização. Assim, a avaliação dos impactos do
Pólo Siderúrgico de Carajás (PSC) foi realizada através da comparação das simulações desse
conjunto de equações para dois cenários alternativos, no período de 1990/2010: cenário
básico e cenário potencial. No cenário básico, simula-se o compotamento demográfico e
econômico da região supondo a inexistência do PSC. Já o cenário potencial, supõe a
existência do programa de Carajás. Os resultados apontaram para os seguintes impactos: (i) o
aumento da população é insignificante; (ii) o PIB apresentou excelentes projeções, entretanto
restrito as atividades urbanas e referente ao produto gerado numa região e não a renda
30
apropriada pelos seus habitantes; (iii) o uso da terra nas atividades agropecuárias apresentou
impactos realativamente pequenos; (iv) projetam-se cifras dramáticas de desmatamento, ou
seja, o projeto apresenta perdas ambientais lastimáveis; e (v) as emissões de gás carbônico são
pequenas (pouco impacto no aquecimento do planeta).
Na década de 60, o governo brasileiro deu início a um programa de desenvolvimento
para integrar a região Amazônica às demais regiões do país. O resultado desse programa foi o
crescimento dramático do produto, da população e do desmatamento. Com o intuito de
explicar o trade-off entre crescimento econômico e desmatamento imposto pelas políticas
ambientais executadas na Amazônia Legal, ANDERSEN E REIS (1997) desenvolveram um
modelo econométrico de dois setores, rural e urbano. Supõe-se que tal trade-off não seja o
mesmo para todas as políticas, ou seja, em alguns casos o desmatamento pode ter levado ao
crescimento econômico.
Segundo os autores o setor rural utiliza como insumos a terra desflorestada e os
trabalhadores rurais, enquanto o setor urbano usa trabalhadores urbanos e o produto agrícola
como insumos. A demanda por produtos agrícolas do setor urbano é responsável por causar
desmatamento indireto. O modelo consiste de seis equações: (i) demanda do setor rural por
terra agrícola, (ii) dinâmica da população rural, (iii) dinâmica da população urbana, (iv)
produto rural, (v) produto urbano, e (vi) preço da terra. As variáveis utilizadas para construir
essas equações foram: floresta natural, floresta plantada, plantação temporária, pasto natural e
plantado, população urbana e rural, produto rural e preços da terra, condições de infraestrutura
e dados sobre crédito. A equação principal do modelo é a (i) que prevê a demanda por terra
nova desmatada na região i, no tempo t, com base em características passadas dessa região
(tais como acessibilidade, disponibilidade de terras, perspectivas econômicas) e de vizinhos
próximos (distância entre as regiões e extensão da malha rodoviária, por exemplo). Assim, a
extensão de terras desmatadas recentemente seria determinada pela demanda por novas terras
agricultáveis.
31
Assumiu-se que todas as equações são da forma log-linear, e, então, foram realizados
procedimentos econométricos tais como estimação e testes de especificação. Procedeu-se da
seguinte forma: ao nível de significância de 1% foram incluídas todas as variáveis
explicativas teoricamente relevantes. Em seguida, as variáveis foram sendo deletadas na
medida em que seus coeficientes não fossem estaticamente significantes ao nível estabelecido.
Com base nos resultados, concluiu-se que o crédito subsidiado apresenta um bom trade-off
entre desenvolvimento econômico e desmatamento enquanto o mesmo não pode se verificar
com relação à construção de estradas. Assim, políticas governamentais que se baseiam no
acesso ao crédito subsidiado fazem com que os custos do desmatamento sejam menores que
os seus benefícios.
PFAFF (1994) também analisou os determinantes do desmatamento na Amazônia
Brasileira. O autor busca responder as seguintes questões: (1) como e porque as florestas
estão sendo destruídas, e se (2) as políticas públicas afetam a taxa de desmatamento. Dessa
forma, sugere que além da população, outros fatores econômicos de pressão tais como
estradas, crédito e qualidade do solo, são causas do desmatamento na região. Para tal, derivou
e, em seguida, estimou uma equação de desmatamento usando dados a nível municipal para
os anos entre 1975 e 1988. As variáveis utilizadas nessa equação foram: desmatamento,
população, preços de produção, salários, produção, área de lavoura e pastagem, estrada e
crédito.
A equação de terra desmatada foi derivada a nível municipal e com base no
ferramental de otimização dinâmica. Supõe-se que a população é uma variável endógena, isto
é, população e desmatamento são determinados conjuntamente e por outros fatores. A partir
do resultado foram realizadas inferências econométricas que levaram as seguintes conclusões:
a grande distância do centro da cidade é associado a um baixo desmatamento; quanto melhor
for a qualidade do solo, maior o desmatamento; e, quanto maior a densidade das estradas
maior o desmatamento.
32
Já CASTRO DE REZENDE (2002) desenvolveu um modelo de mercado de terra com
produção de terra específico para o Cerrado. A hipótese básica é que a atual expansão agrícola
nessa região do país se deve ao baixo preço da terra em comparação com as demais regiões do
país. Assim, busca-se explicar as características da estrutura fundiária dessa região, que são
claramente concentradoras, ou seja, absorve pouca mão de obra e produz em larga escala
(agricultura mecanizada). O modelo abrange três tipos de terra: de primeira, de segunda e
virgem (terra de floresta). A terra de segunda pode ser convertida em terra de primeira através
de investimento de capital. Para cada mercado de terra foi estimado um sistema de equações
que utilizam as seguintes variáveis: quantidade demandada de terra i, quantidade ofertada de
serviços da terra i , valor do aluguel da terra i, valor de venda de uma unidade de estoque da
terra i, taxas de juros real, valor de venda de uma unidade de estoque da terra j, dentre outras.
A solução desses sistemas envolve a determinação do valor do aluguel da terra que
junto com o valor da taxa de juros real determinaria o preço da terra i. A condição de
equilíbrio de longo prazo requer que a produção da terra de primeira, por exemplo, seja num
montante absoluto igual à depreciação anual do estoque. O autor afirma que, “o preço dessa
terra (de primeira) será tão menor quanto mais barata for a terra de segunda e quanto menor
for o custo de ‘produção’ dessa terra de primeira”. Logo, quanto maior a aptidão agrícola
maior o custo de oportunidade em se preservar florestas. O resultado da queda do custo de
conversão de terra de segunda ou de terra virgem em terra agrícola de qualidade superior foi
uma elevação no estoque de terra de primeia na região centro-oeste do país.
Consequentemente, o preço da terra de primeira caiu e aumentou a competitividade regional.
É concenso que o desmatamento tropical está se acelerando em todo o mundo. De
acordo com dados estatísticos, há evidências de que a temperatura mundial está sendo afetada.
Ademais, a biodiversidade vem sendo ameaçada, visto que a perda de florestas leva a
extinção de muitas espécies da fauna e da flora. Na década de 80, o meio ambiente foi
adversamente afetado pela recessão mundial no crescimento econômico e deterioração social,
33
eventos que impactaram negativamente nas práticas de uso da terra e no estado da floresta
tropical mundial.
TOLE (1998) investiga as causas do desflorestamento tropical usando dados de cross-
section para 90 países em desenvolvimento no período de 1981-1990. Com os resultados da
regressão pode-se concluir que: (i) o desmatamento se acelera com a expansão da
infraestrutura, da dívida externa, do comércio e do investimento em capital humano, ou seja,
com o desenvolvimento econômico dos países; e, (ii) a perda de florestas também está
associada à escassez relativa ou absoluta, que se manifesta nas pressões de crescimento da
população, na falta de alimentos e de terra, na dependência de madeira como combustível e na
desigualdade de acesso a terra.
Para a análise do modelo de regressão a variável escolhida como dependente foi o
desmatamento. As variáveis explicativas, ou independentes, foram divididas em dois grupos:
• Variáveis de uso da terra: expansão agrícola, produção de madeira,
desenvolvimento em infraestrutura e tamanho da floresta.
• Variáveis de contexto social: fatores econômicos, produtividade rural e
propriedade da terra, pobreza e pressões demográficas e representação política.
Assim, TOLE (1998) supõe que uma variável que seja significante na maioria das
regressões terá maior poder explicativo do que uma variável que seja significante em apenas
algumas regressões. Assim, foram rodadas diversas regressões com diferentes combinações
das variáveis explicativas. As regressões encontraram padrões de desmatamento entre os
países. Caso nenhum padrão fosse encontrado, isso significaria que as causas do processo de
desmatamento são diferentes em todos os países analisados.
As regressões buscaram estabelecer correlações entre as variáveis explicativas e o
desmatamento. Aqui, é preciso atentar que correlação não implica, necessariamente, em
causalidade. Os resultados apontaram que: variáveis de uso da terra são positiva e fortemente
34
correlacionadas com o desmatamento; construção de estradas e eletricidade (variáveis de
infraestrutura) não são significantes; e, que a variável dívida externa é positiva e significante
em todas as regressões indicando que países com altas razões de serviço da dívida desmatam
mais rapidamente. Em outras palavras: quanto mais os países se desenvolvem maior a
probabilidade de acelerar a perda de florestas.
Durante os anos 90, enquanto os países da América Latina estavam ocupados em
desmontar o Estado intervencionista da era de substituição de importações, os países do leste
asiático baseavam seu modelo de desenvolvimento focando no crescimento com forte
intervenção do Estado nos mercados de produto e fatores e com o único e claro objetivo de
promover a industrialização via expansão da exportações. A América Latina perdeu muito
espaço no comércio internacional para esses países.
Dentre os produtos exportados pelos asiáticos destaca-se a madeira. Assim, o
desmatamento asiático pode ser explicado pela excessiva extração de madeira. No entanto, de
acordo com SOUTHGATE (1991), na América Latina o processo de desmatamento é um
fenômeno primariamente agrícola. Assim, o autor questiona como a expansão da fronteira
agrícola pode ser acomodada. Para tal, realiza uma regressão para analisar as causas desse
fenômeno em 23 países da América Latina.
A variável dependente é o crescimento da área usada para lavoura. As variáveis
independentes são: crescimento da população, crescimento da agricultura de exportação,
crescimento do produto. Além dessas, há a inclusão de uma variável dummy que indica que o
“fechamento” da fronteira agrícola ocorreu ou está próximo. O modelo de regressão múltipla
foi estimado pelo método de Mínimos Quadrados Ordinários - MQO (Ordinary Least Square
- OLS). Os resultados das estimações realizadas apontam que tanto o crescimento da
população quanto o da agricultura para exportação possuem uma relação positiva com o
desmatamento, enquanto que as demais variáveis têm relação negativa com a variável
35
dependente. Ou seja, existem relações importantes e complementares entre o desenvolvimento
agrícola e a conservação das florestas tropicais na região.
No trabalho realizado por PALO E LEHTO (1996) os objetivos foram: fazer uma
revisão dos recursos florestais da Ásia Tropical, encontrar as causas do desmatamento na
região e analisar o desmatamento futuro. Com o intuito de explicar o desmatamento foram
estimados oito modelos em três cenários distintos.As variáveis utilizadas para estimar as
equações desses modelos foram: taxa de desmatamento, cobertura florestal, pressão da
população, renda, custo e risco de desmatamento. A taxa de desmatamento pode ser definida
como a razão entre a área desmatada e a área florestal média e é uma variável de fluxo. Já a
cobertura florestal, definida como a razão entre a área de floresta e a área de terra, é uma
variável de estoque. Nos modelos estimados, tanto a taxa de desmatamento quanto a cobertura
florestal foram usadas como variáveis dependentes, as quais se propõe explicar.
Na modelagem do processo de desmatamento foi utilizado um modelo de regressão
múltipla com estimação de Mínimos Quadrados Ordinários- MQO (Ordinary Least Square
ou OLS). As conclusões empíricas apontaram que enquanto a pressão demográfica e a renda
elevam o desmatamento, o aumento do custo e do risco do desmatamento diminuem a
intensidade desse processo. Em 2020, prevê-se que 38% da área de floresta asiática será
desmatada.
2.2 Um estudo empírico sobre a mata atlântica
É um equívoco afirmar que não existe uma vasta bibliografia que tenha como tema a
Mata Atlântica, sua história de devastação e as atuais perpectivas de preservação e
conservação. Entretanto, há uma ausência de trabalhos que utilizem o ferramental
econométrico para determinar as causas do desmatamento neste bioma. Um estudo empírico
realizado pelo Grupo de Economia do Meio Ambiente (Instituto de Economia, Universidade
Federal do Rio de Janeiro) e pela Fundação SOS Mata Atlântica objetivou preencher essa
36
lacuna, com o desenvolvimento da pesquisa “Economia e Desmatamento: Aspectos Sócio-
Econômicos da Ocupação da Mata Atlântica”.
O intuito deste trabalho era mostrar que alguns mitos sobre a incompatibilidade entre
desenvolvimento econômico e preservação do meio ambiente não se sustentam. Para tanto,
buscou examinar as relações teóricas e empíricas entre o contínuo desmatamento nas áreas de
domínio da Mata Atlântica e as características sócio-econômicas dessas mesmas regiões.
Assim, a motivação principal do trabalho era discutir até que ponto a conversão recente de
áreas florestadas tem efetivamente resultado em mais postos de trabalho e numa melhor
qualidade de vida para as populações rurais. Dentre os mitos defendidos pela Bancada
Ruralista do Congresso Nacional e, que o trabalho buscou refutar destacam-se:
• o maior fator de pressão sobre o desmatamento é o crescimento demográfico nas áreas
rurais;
• o crescimento econômico nas áreas rurais só é possível através do desmatamento; e
• o desmatamento é necessário para a geração de emprego e garantia de melhores condições
de vida da população rural.
Merece destaque o fato do trabalho ter sido realizado utilizando variáveis a nível
municipal, o que exigiu um longo processo de tratamento dos dados. Entretanto, além de
evitar contra-argumentos, as informações encontradas foram mais releventes e conclusivas.
Assim, a primeira etapa dessa pesquisa consistiu na construção da base de dados para seis
estados das Regiões Sul e Sudeste do Brasil- Rio Grande do Sul, Santa Catarina, Paraná, São
Paulo, Rio de Janeiro e Espírito Santo.
Os dados coletados eram referentes às seguintes variáveis: desmatamento total entre
1985-95 e indicadores econômicos- pessoal ocupado nos estabelecimentos agrícolas, efetivo
de bovinos, utilização das terras para lavouras e pastagens- dos Censos Agropecuários de
1985 e 1995/96. Observa-se que a análise abrange um período de dez anos entre os dois
censos utilizados, o 1985 e o 1995/96. Nesse período muito municípios foram criados. Dessa
37
forma, a fim de compatibilizar as variáveis dos dois censos para compará-los, os dados do
censo de 1995/96 foram reagregados para a malha municipal de 1985 (Cabral, 2004).
Após essa etapa, foram obtidas duas tabelas: uma com os dados em 1985 e outra com
os dados em 1995/96 (estes, já reagregados para a malha de 1985). A partir destas foi
montada uma tabela com as variações de todas as variáveis no período 1985-1995/96. Em
seguida, os municípios foram ordenados de forma decrescente de acordo com as variações
observadas em cada uma das variáveis. Assim, foram elaborados rankings da seguinte forma:
aquele município que apresentou o maior aumento, recebeu a primeira posição, e,
consequentemente, ao de menor aumento, foi concedida a última colocação. A justificativa
para este procedimento está na dificuldade de se comparar as variáveis dos Censos
Agropecuários de anos distintos, dadas as mudanças metodológicas sofridas9.
A terceira etapa contou com a construção de tabelas com os dez municípios líderes de
cada um dos rankings- desmatamento total, variação do pessoal ocupado, variação do efetivo
de bovino, variação da utilização de terras para a lavoura e pastagens- com suas respectivas
posições no ordenamento das outras variáveis pesquisadas. Os resultados desta etapa
referentes aos estados da Região Sul do país- ou seja, Rio Grande do Sul, Santa Catarina e
Paraná- estão contidos em YOUNG (2002), “Is deforestation a solution for economic growth
in rural areas? Evidence from the Brazillian Mata Atlantic”, um dos primeiros trabalhos
acadêmico realizados com a base de dados de desmatamento elaborada pelo Grupo de
Pesquisa (Cabral, 2004).
Este exercício foi realizado, posteriormente, para três estados da Região Sudeste: São
Paulo, Rio de Janeiro e Espírito Santo. O estado de Minas Gerais não foi inserido na análise
em função de problemas metodológicos. A elaboração dos exercícios procedeu-se da mesma
maneira daquele realizado para os estados da região sul do país. Assim, as conclusões desta
9 Young (2002) ressalta que, em particular, o censo mais recente (1995/96) é problemático visto ter sido executado em época diferente do ano, além de ter havido outras alterações no procedimento da pesquisa em relação aos censos anteriores.
38
etapa foram suficientes para comprovar a inexistência de uma relação automática entre o
crescimento econômico e desmatamento, através de uma análise escritiva dos resltados.
De forma geral, os municípios que mais desmataram não apresentaram criação de
postos de trabalho no campo ou melhora dos demais indicadores econômicos. Elaborando
rankings com relação às demais variáveis observamos a mesma dissociação. Destaca-se que,
os municípios que apresentaram as melhores posições relativas nos rankings não apresentam
altas taxas de desmatamento, sinalizando que este processo não foi condição necessária para a
geração de emprego no campo ou para o crescimento econômico.
Tabela 2: Desempenho econômico dos municípios que mais desmataram em seis estados das regiões sul e sudeste no período de 1985-95/96.
Município em 1985
Desmat-total (ha)
Var PO Var Lav Var Bov Var Past
Itaiópolis-SC 9857 -430 -129230 4323 -1430
Laranjeiras do Sul -PR 10211 -930 -22982 64486 48903
Vacaria -RS 7726 -414 3835 -35166 -40487
Iguape - SP 6873 -1850 -1821 918 1932
Trajano de Morais - RJ
13850 -2553 -3542 -71 -7898
Linhares - ES 6645 -5537 -13562 28168 -2626
Fonte: Elaboração Própria (dados do Censo Agropecuário e do Atlas de Remanescentes Florestais).
A tabela acima destaca o município líder em desmatamento, em cada um dos seis
estados das regiões sul e sudeste, e o seu respectivo desempenho econômico no período de
1985-1995/96. Podemos observar que em todos esses municípios houve perda de pessoal
ocupado em atividades rurais, e, exceto o município de Vacaria (RS), todos os demais
também perderam em área de lavoura. Entretanto, apesar dos resultados obtidos apontarem
claramente a existência de uma dissociação entre desmatamento e aumento da atividade
agropecuária, reconhecia-se que havia ainda a necessidade da realização de uma análise
39
estatística mais sofisticada. Sendo assim, numa segunda etapa, Andrade (2003) e Cabral
(2004), deram continuidade ao trabalho.
Andrade (2003) engajou-se na aplicação de técnicas de Estatística Multivariada, tais
como a Análise de Grupamento e de Discriminante, para os estados da região sul do país, a
fim de obter uma descrição mais geral dos dados, que procurasse estabelecer padrões entre as
observações como um todo. Através da análise de grupamento foi possível identificar dois
grupos distintos: o grupo 1, constituído por municípios com desmatamento pouco expressivo,
ganho de pessoal ocupado, de área de lavoura e madeira em toras; e, o grupo 2, caracterizado
por municípios que desmataram muito e apresentaram perdas de pessoal ocupado, de área de
lavoura e uma perda, ainda que comparativamente não muito expressiva, de madeira em toras.
As variáveis mais determinantes para a separação entre os grupos foram o
desmatamento e o pessoal ocupado10. Merece destaque o fato que, no grupo 2 estão presentes
a grande maioria dos municípios (500 de 604), enquanto apenas 104 municípios se encaixam
no caso 1. Ou seja, a maior parte dos municípios apresentam um padrão de desmatamento
elevado associado a um baixo desempenho das variáveis sócio-econômicas. Segundo o autor,
isso está ligado ao padrão da agricultura familiar da região Sul e ao fato de que há uma grande
assimetria entre os grupos.
Em seguida, na análise de discriminante, foi feito um modelo que prevê o grupo no
qual cada município estaria associado. Como um dos grupos está associado a expressivo
desmatamento, a classificação de um município como 2, significa que ele potencialmente
pode apresentar problemas de desmatamento. As variáveis que foram usadas como preditoras
foram: variação de pessoal ocupado, variação de bovinos, variação de pastagens, variação de
área de lavouras e variação de tratores. A análise não incluiu o total de desmatamento, pois a
intenção é captar se o município tem ou não um potencial de desmatamento.
10 De acordo com Andrade (2003), a maior parte das observações localiza-se abaixo da média de
desmatamento e acima em pessoal ocupado (citando as variáveis de maior peso para a classificação).
40
A análise fornece um bom modelo de pressão antrópica já que determina com grande
acurácia11 se um município pertence ao grupo mais crítico, quanto à devastação da floresta,
sem que seja necessária a presença da variável desmatamento. Assim, mais uma vez, os
resultados apontaram para as seguintes conclusões: o desmatamento foi acompanhado por
perda no emprego rural, a pecuária foi a atividade mais associada à devastação da floresta e
que a conversão de áreas para lavoura não foi muito significativo, enfim, que desmatamento e
crescimento econômico caminharam em lados opostos.
Visando complementar à referida pesquisa, Cabral (2004) incorporou indicadores
sociais à análise, com o intuito de examinar se existe alguma correlação entre desmatamento e
melhoria das condições de vida da população rural, argumento defendido pela bancada
ruralista. Assim, à base de dados já referida, foi somada mais uma variável: o Índice de
Desenvolvimento Humano Municipal (IDHM) que engloba as dimensãoes educação,
longevidade e renda, afim de mensurar a qualidade de vida.
Em seguida, foram realizados dois exercícios. O primeiro exercício foi baseado na
performance dos dez municípios que mais desmataram em cada um dos estados, no período
1985-95. Revelou que a maior parte deles caracteriza-se por apresentar uma piora ou
constância, em termos relativos, de seus níveis de desenvolvimento. Dessa forma, de acordo
com Cabral (2004) não se pode dizer que, nos municípios de maior desmatamento, este
processo gerou melhores condições de vida à população rural. O argumento da Bancada
Ruralista não se verificou empiricamente ao se tomar por referência os municípios que mais
desmataram12.
11Segundo os resultados obtidos por Andrade (2003), o acerto foi de 90,7%, ou seja, em apenas 9,3% das observações o modelo atribuiu 1 ao que originalmente foi classificado como 2 e 2 ao que originalmente foi classificado 1. 12 Segundo Cabral “Justamente por basear-se apenas na performance dos municípios líderes em desmatamento, ou seja, em casos “críticos”, o exercício anterior poderia dar espaço a certos tipos de contra-argumentos, como o de que, se a análise fosse feita de forma mais geral, o resultado seria distinto”
41
O segundo exercício, então, englobou todos os municípios analisados. Foi estimado
um modelo de regressão linear simples no qual a melhora do IDHM seria a variável
dependente ou explicada e, o desmatamento a variável explicativa. Verificou-se que inexiste
uma relação de causalidade entre o processo de desmatamento e a geração de melhores
condições de vida. Ou seja, Cabral (2004) conclui que, o aumento do desmatamento no
período 1990-95, em comparação com o período 1985-90, não é capaz de explicar a melhora
dos índices de Desenvolvimento Humano obtidos pelos municípios em 2000.
Assim, buscando sofisticar a análise e fortalecer a crítica aos argumentos usados pela
Bancada Ruralista e por aqueles que defendem que o desmatamento é importante para
impulsionar o crescimento do país, o presente trabalho busca encontrar relações de
causalidade entre desmatamento e variáveis de desempenho sócio-econômico. O próximo
capítulo é responsável pela modelagem do demastamento. Antes de analisar os resultados
serão expostas a base de dados e a metodologia utilizada.
2.3 Conclusão
Esse capítulo procurou fazer uma investigação dos principais trabalhos que tratam
sobre as causas do desmatamento. Buscou-se maior enfase naqueles que fizeram uso de algum
instrumental econométrico. Estes, na sua maioria, adotaram como hipótese de pressão do
desmatamento a conversão de áreas de florestas para uso agropecuário, a extração de madeira,
políticas públicas e a recessão econômica. A tabela abaixo faz um resumo das variáveis
relevantes de cada um dos modelos tratados na primeira seção desse capítulo.
Tabela 3: Síntese das variáveis utilizadas em cada modelo
Autor (es) Variáveis
Reis percentual de estradas pavimentadas, produto das atividades urbanas e rurais, população urbana e rural, vetor de variáveis econômicas e geoecológicas, dentre outras
42
Autor (es) Variáveis
Andersen & Reis floresta natural, floresta plantada, plantação temporária, pasto natural e plantado, população urbana e rural, produto rural e preços da terra, condições de infraestrutura e dados sobre crédito.
Pfaff desmatamento, população, preços de produção, salários, produção, áread e lavoura e pastagem, estrada e crédito.
Castro de Rezende
quantidade demandada de terra i, quantidade ofertada de serviços da terra i , valor do aluguel da terra i, valor de venda de uma unidade de estoque da terra i, taxas de juros real, valor de venda de uma unidade de estoque da terra j, dentre outras.
Tole expansão agrícola, produção de madeira, desenvolvimento em infraestrutura, tamanho da floresta, fatores econômicos, produtividade rural e propriedade da terra, pobreza e pressões demográficas e representação política.
Southgate área de lavoura, população, agricultura de exportação e produto agrícola.
Palo & Lehto taxa de desmatamento, cobertura florestal, população, renda, custo e risco do desmatamento.
Fonte: Elaboração Própria
Os textos pesquisados e estudados, somados à base de dados do trabalho da SOS
apontaram na direção da escolha das seguintes variáveis para montar o modelo de
desmatamento para a mata atlântica: remanescentes florestais de Mata Atlântica; pessoal
ocupado nos estabelecimentos agropecuários; áreas de lavouras e pastagem; rebanho bovinos;
número de tratores; extração de lenha; extração de madeira em toras; PIB municipal total,
industrial, de serviços e agrícola; variação da produtividade agrícola; produtividade agrícola
média; Indice de Desenvolvimento Humano Municipal (IDHM); e Custo de transporte da
sede do municipio até a capital do estado.
Como este trabalho é uma primeira modelagem do desmatamento da Mata Atlântica,
optou-se por realizar um modelo de regressão múltipla com estimação de Mínimos Quadrados
Ordinários (MQO), conforme foi utilizado nos trabalhos de TOLE e SOUTHGATE.
Entretanto, devido a restrição da base de dados não foi possível realizar análises do tipo cross-
section ou painel. Apesar da simplicidade da modelagem, os resultados obtidos atendem ao
propósito do trabalho. Fica assim, um espaço aberto para futuras aprimorações econométricas
do modelo de desmatamento da mata atlântica.
43
Capítulo 3 - Modelo de Desmatamento para a Mata Atlântica
A modelagem econométrica do processo de desmatamento na Mata Atlântica é um
instrumental importante para verificar quais são, de fato, as principais causas desse fenômeno.
A hipótese adotada é de que a conversão de áreas de florestas para uso agropecuário, ou seja,
pastagens e lavouras é um fator determinante do desmatamento na região de Mata Atlântica.
Assim, busca-se verificar se essa hipótese se confirma e se existem outros fatores de pressão
do desmatamento na biota atlântica.
O objetivo deste capítulo é estimar uma regressão múltipla cuja variável dependente
seja o desmatamento. Para tal, foram utilizadas variáveis das seguintes fontes: (i) Censos
Agropecuários: Pessoal ocupado nos estabelecimentos agropecuários; Utilização das terras
para lavouras; Utilização das terras para pastagens; Efetivo de bovinos; Trator; Lenha; e,
Madeira em toras; (ii) Evolução dos Remanescentes Florestais de Mata Atlântica:
Remanescentes de Mata Atlântica; e (iii) IPEA Data: Pib municipal; Pib municipal industrial;
Pib municipal de serviços; Pib municipal agrícola; Indice de Desenvolvimento Humano
(IDH); e Custo de transporte da sede do municipio até a capital do estado.
Todas essas variáveis13 foram selecionadas para dois anos: 1985 e 1995/6. A base de
dados inicial constava do primeiro e do segundo grupo de variáveis. Esta foi construída e
utilizada no trabalho realizada pelo GEMA/IE - Grupo de Economia do Meio Ambiente e
Desenvolvimento Sustentável, junto com a fundação SOS Mata Atlântica com intuito de
verificar, empiricamente, se havia relação automática entre desmatamento e crescimento
13 Algumas exceções são as variáveis: custo de transporte que foi selecionada para os anos de 1980 e 1995, já que não foram encontrados dados para o ano de 1985, logo os valores podem estar subestimados; IDH, que foi ncontrado para o ano de 1991, logo pode ser visto como um valor médio de referência para o período da análise; dummy município problema e dummies estaduais.
44
econômico. Outros trabalhos do grupo, com um viés estatístico, utilizaram à mesma base de
dados. 14
A análise bibliográfica realizada no capítulo 2 apontou para a necessidade de se
adicionar algumas variáveis à base de dados já existente. Estas se mostraram extremamente
relevantes em trabalhos econométricos que buscam relacionar desmatamento com
desempenho sócio-econômico. Assim, para realizar os exercícios desse capítulo foram
adicionadas as seguintes variáveis: Pib municipal, Pib municipal industrial, Pib municipal de
serviços, Pib municipal agrícola, Índice de Desenvolvimento Humano Municipal - IDHM,
Custo de transporte, produtividade agrícola média, variação da produtividade agrícola,
dummy município problema e dummies estaduais (RJ, ES, SP, PR SC e RG).
Algumas dessas variáveis foram criadas. A variável produtividade das terras agrícolas
foi criada com a função de captar o custo da terra, isto é, essa variável seria uma “proxy” do
preço da terra em cada município. Essa variável pode ser definida como: Pib municipal / área
agrícola, onde a área agricola é igual a soma das áreas de pastagem e lavoura. Assim, a partir
dessa variável foram criados dois indicadores: a produtividade agrícola média e a variação da
produtividade agrícola. O primeiro é uma proxy da média dos preços da terra no período de
1985/1995-96, e, o segundo buscou captar a variação dos preços da terra para o mesmo
período.
O fato da base de dados ser municipal acarreta alguns problemas o que levou à criação
das seguintes variáveis dummies:
� Dummy para os municípios problemas (dum): recebeu 1 o município que em 1996
manteve a área original de 1985, isto é, não foi desmembrado; e 0 aqueles municípios
14 Ver: ANDRADE, M.T.N., É Preciso Desmatar para Crescer? Evidências Empíricas para a Região Sul do Brasil, monografia de bacharelado, 2003, orientador: Carlos Eduardo Frickmann Young. CABRAL, F. S. Desenvolvimento econômico, pobreza e desmatamento: Evidências Empíricas para as Regiões Sul e Sudeste no período 1991-2000. Graduação em Economia. Universidade Federal do Rio de Janeiro, UFRJ, Brasil, 2004.
45
que foram desmembrados em 1996 e por isso tiveram q ser reagregados para o
município original de 198515;
� Dummy Rio de Janeiro (drj): recebeu 1 se o município for do RJ e 0 se não;
� Dummy São Paulo (dsp): recebeu 1 se o município for de SP e 0 se não;
� Dummy Espírito Santo (des): recebeu 1 se o município for do ES e 0 se não;
� Dummy Paraná (dpr): recebeu 1 se o município for do PR e 0 se não;
� Dummy Santa Catarina (des): recebeu 1 se o município for de SC e 0 se não;
� Dummy Rio Grande do Sul (drgs): recebeu 1 se o município for do RGS e 0 se não.
Embora a análise de regressão múltipla lide com a dependência entre uma variável
com relação a outras variáveis, ela não implica necessariamente causação. Para atribuir
causalidade, deve-se recorrer a considerações apriorísticas ou teóricas. Assim, antes de buscar
relações de causalidade entre as variáveis é muito importante realizar uma análise de
correlação, que apesar de estar intimamente ligada a análise de regressão é conceitualmente
muito diferente.
Além dessa introdução, este capítulo consta de mais três seções. Na segunda secção,
serão realizados testes de correlação entre as variáveis independentes escolhidas e o
desmatamento. A análise do coeficiente de correlação foi realizada para os estados das regiões
sul e sudeste (excluindo Minas Gerais) em conjunto, por região e individualmente. Em
seguida, na terceira seção é estimado o modelo de desmatamento. Primeiramente será exposta
a metodologia utilizada, e depois serão analisados os resultados obtidos. Por fim, na última
seção, são expostas as considerações finais.
15 Ver: YOUNG, C. E. F., Is Deforestation a solution for growth in rural areas? Evidence from the Brazilian Mata Atlantic, Working Paper Series, No. CBS-36-02, Centre for Brazillian Studies, University of.
46
3.1 Correlação entre as variáveis
Em diversas investigações deseja-se avaliar a relação entre duas medidas quantitativas.
Três propósitos principais de tais investigações podem ser: (i) para verificar se os valores
estão associados; (ii) para predizer o valor de uma variável a partir de um valor conhecido da
outra; e, (iii) para descrever a relação entre variáveis. O grau de associação linear entre duas
variáveis é avaliado usando correlação. Enquanto na análise de regressão as variáveis
dependentes e explicativas são tratadas de forma assimétrica, na correlação quaisquer duas
variáveis são tratadas simetricamente, não havendo distinção entre dependente e explicativa16.
Seja x1 , x2 , x3 ,...xn , o conjunto das medidas de uma das variáveis, e seja y1 , y2 , y3
,...yn as medidas da outra variável. A mensuração do grau de associação linear entre duas
variáveis é obtida através de um indicador: o coeficiente de correlação, definido como:
r = Sxy / Sx Sy
onde Sx e Sy representam os desvios padrões amostrais dos dois conjuntos de dados avaliados.
O valor de r está sempre entre -1 e +1, com r = 0 correspondendo à não associação
linear. Valores negativos de r (quando r < 0) indicam uma associação negativa, ou seja, à
medida que x cresce, y decresce (em média). Por outro lado, quando r > 0, temos uma
correlação positiva, e à medida que x cresce, y também cresce. Quanto maior o valor de r
(positivo ou negativo), mais forte é a associação linear entre as variáveis. A tabela abaixo
fornece um guia de como podemos descrever uma correlação em palavras, dado o valor
numérico do coeficiente de correlação.
16 De acordo com GUJARATI (2000), isso ocorre porque a maior parte da teoria da correlação se baseia na hipótese de aleatoriedade das variáveis , enquanto a maior parte da teoria da regressão está condicionada a hipótese de que a variável dependente seja estocástica, mas que as variáveis explicativas sejam fixadas ou não-estocásticas.
47
Tabela 4: Interpretação do valor do coeficiente de correlação
Valor do Coeficiente de Correlação
(+/-)
Interpretação
0,00 a 0,19 Uma correlação bem fraca
0,20 a 0,39 Uma correlação fraca
0,40 a 0,69 Uma correlação moderada
0,70 a 0,89 Uma correlação forte
0,90 a 1,00 Uma correlação bem forte
Fonte: Elaboração própria
Dessa forma, na investigação das causas do processo de desmatamento recente da
Mata Atlântica, a análise do coeficiente de correlação é uma primeira abordagem importante e
necessária para verificar se existe alguma relação entre as variáveis aqui analisadas. As
correlações foram obtidas com a utilização do software econométrico STATA, e foram
realizadas para todos os estados do sul e do sudeste em conjunto, por região e
individualmente. A tabela abaixo representa a matriz de correlação para os seis estados das
regiões sul e sudeste em conjunto. Os valores dos coeficientes de correlação que apresentam
*, são os que são relevantes para um nível de significância de 5%.
48
Tabela 5: Matriz de correlações para todos os estados
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA.
Tabela 5: Matriz de correlações para todos os estados (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA.
desmat po lav bov past trat lendesmat 1,0000
po -0.1802* 1,0000lav -0.1793* 0.4028* 1,0000bov 0.1729* -0,0074 0.0944* 1,0000past -0,0436 0.0739* 0.1852* 0.7423* 1,0000trat 0.1206* 0.0716* 0.1031* 0.1591* 0.1215* 1,0000len -0,0148 -0,0057 -0,0180 -0,0214 -0,0180 -0,0167 1,0000tor -0.1432* -0,0254 0,0440 -0,0107 -0,0016 -0,0364 0,0405pib 0,0129 -0,0252 -0,0021 -0,0102 0,0054 -0.0529* 0,0011
pibind 0,0141 -0,0106 -0,0021 -0,0037 0,0086 -0,0478 -0,0004pibserv 0,0111 -0,0354 -0,0035 -0,0144 0,0037 -0.0566* 0,0021pibagr 0,0496 0.1297* 0.1433* 0,0110 -0,0265 0.1495* -0,0167
varprod 0.0978* -0,0224 0,0143 -0,0066 -0,0023 -0,0469 0,0055prodmed 0.0840* -0,0075 0,0260 -0,0083 0,0012 -0,0498 0,0074
idh -0.1729* 0.0649* 0,0108 -0.2346* -0.1741* -0,0255 -0,0091ct 0.1538* -0.2433* -0.2137* 0.0657* -0,0152 0,0485 0,0128
Município -0.1834* 0.2386* 0.2250* - 0,0208 0.0594* -0,0499 -0,0349drj 0.3587* -0.1568* -0,0362 0,0036 -0,0384 -0,0517 0,0172des 0,0418 -0,0135 -0,0250 0,0054 0,0108 0,0001 0,0163dsp -0.2146* 0.1909* 0.1453* -0,0442 0,0004 -0,0465 0.0639*dpr 0.0616* -0.1025* 0,0385 0.2007* 0.2208* 0.0845* 0,0421dsc 0.0654* 0.1137* -0,0465 0,0513 0,0327 0.0948* -0.1991*drg -0.0669* -0.1473* -0.1549* -0.2145* -0.2571* -0.0914* 0,0363
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0000 1,0000
pibind -0,0021 0.9797* 1,0000pibserv 0,0012 0.9916* 0.9458* 1,0000pibagr 0,0124 -0.0613* -0.0726* -0.0624* 1,0000
varprod 0,0063 0.4797* 0.4470* 0.4905* -0,0276 1,0000prodmed 0,0085 0.4235* 0.3684* 0.4500* -0,0467 0.8573* 1,0000
idh 0.0634* 0.0897* 0.0726* 0.0978* 0,0340 0.0666* 0.0856*ct -0,0007 0,0075 0,0158 0,0023 -0,0232 0,0026 0,0188
Município| -0.0247 - -0,0039 -0,0077 0,0013 0,0296 0,0067 0,0180drj 0,0177 0,0101 -0,0081 0,0219 -0,0283 0.0809* 0.0929*des 0,0124 -0,0017 -0,0003 -0,0040 -0,0099 -0,0135 -0,0183dsp 0,0421 0,0034 -0,0073 0,0106 -0,0127 0,0333 0.0528*dpr -0,0435 -0,0049 0,0026 -0,0090 -0,0444 -0,0296 -0,0415dsc -0.0619* -0,0008 0,0078 -0,0072 0.0909* -0,0265 -0,0348drg 0,0339 -0,0029 0,0040 -0,0071 0,0021 -0,0232 -0,0321
49
Tabela 5: Matriz de correlações para todos os estados (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 5: Matriz de correlações para todos os estados (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA.
Percebemos que a diagonal de uma matriz de correlação é 1, pois representa a
associação entre a variável e ela mesma. Assim, as correlações relevantes são aquelas entre o
desmatamento (variável Y) e as demais variáveis, que podemos identificar na primeira coluna
da tabela 5. Entretanto, correlações entre outras variáveis podem se mostrar de extrema
importância, pois serão úteis para explicar relações indiretas entre as variáveis.
Nesse caso, onde todos os estados da amostra estão sendo tratados, verificamos que os
valores relevantes para o nível de significância de 5% são as correlações entre dados de
desmatamento e: pessoal ocupado (-0,1802), lavoura (-0,1793), rebanho bovino (-0,1729),
tratores (+0,1206), madeira em toras (-0,1432), variação da produtividade agrícola (+0,0978),
produtividade agrícola média (+0,0840), IDH (-0,1729), custo de transporte (+0,1538),
dummy para município problema (-0,1834) e dummies estaduais (exceto dummy Espírito
Santo).
A análise desses dados permite a conclusão de que o desmatamento apresenta uma
correlação bem fraca (positiva ou negativa, dependendo do caso) com essas variáveis. Ao
contrário do que se esperava não se verificou nenhuma associação linear entre desmatamento
idh ct m drj des dsp dpridh 1,0000ct 0.0862* 1,0000
Município| -0.0568* - 0.5472* 1,0000drj -0.0653* -0,0380 -0,0275 1,0000des -0.2525* -0,0322 -0,0382 -0,0437 1,0000dsp 0.2945* -0.2416* 0.1834* -0.1715* -0.1628* 1,0000dpr -0.4445* 0.0723* 0,0298 -0.1129* -0.1072* -0.4202* 1,0000dsc 0.1228* 0.0961* -0.0677* -0.0863* -0.0819* -0.3212* -0.2115*drg 0.1591* 0.1831* -0.1731* -0.0974* -0.0924* -0.3623* -0.2386*
unic m
dsc drgdsc 1,0000drg -0.1824* 1,0000
50
e área de pastagem. Pelo contrário, além dessa associação não ser relevante para o nível de
significância considerado, ela apresenta sinal oposto ao esperado. O coeficiente de correlação
entre desmatamento e pastagem apresentou sinal negativo (-0,0436) indicando que à medida
que o desmatamento aumenta as áreas de pastagem diminuiriam, fato que não é corroborado
na prática. Em geral, o maior desmatamento está associado à conversão de florestas para fins
agropecuários, isto é, num aumento da extensão das áreas de lavoura e pastagem.
Uma possível explicação para a inexistência de correlação significativa entre
desmatamento e área de pastagem se deve ao fato de que as variáveis rebanho bovino e área
de pastagem são fortemente correlacionadas (0,7423). Assim, uma variável captaria o efeito
da outra, pois se há um aumento do rebanho bovino, a área de pastagem deve ser maior, a não
ser que se esteja praticando uma pecuária mais intensiva. Outra explicação plausível seria em
relação às áreas de lavoura. Estas podem estar ocupando espaços antes ocupados pelas áreas
de pastagens. Ou seja, que haja uma conversão de áreas de pastagem em áreas de lavoura,
implicando, assim, que esta variável esteja negativamente correlacionada com o
desmatamento.
A análise dos coeficientes de correlação a nível regional e estadual mostra resultados
mais relevantes e com diferentes tendências. É interessante observar que “todos os estados” se
parece muito a Região Sudeste e com o estado de São Paulo. Provavelmente, isso se deve ao
fato de que o estado de São Paulo possui quase 50% dos dados da amostra. Os resultados para
as regiões sudeste e sul se mostraram bem diferentes.
A um nível de significância de 5%, as variáveis da região sudeste (tabela 6) que
apresentaram correlações mais significativas com o desmatamento foram: pessoal ocupado na
área rural, área de lavoura, rebanho bovino, lenha, madeira em toras, PIB agrícola, variação
da produtividade agrícola, produtividade agrícola média, dummy município problema e
dummies para os estados do Rio de Janeiro, São Paulo e Espírito Santo. Já os estados da
região sul (tabela 7), apresentaram coeficiente de correlação relevante com área de lavoura,
51
rebanho bovino, trator, madeira em toras, PIB agrícola, IDH, custo de transporte, dummy
município problema e dummies para Santa Catarina e Rio Grande do Sul.
Esse resultado é bastante significativo, pois na região sul há predomínio de uma
agricultura mais familiar, de subsistência. Sendo assim, o setor agrícola não é um grande
empregador de mão de obra. A região sudeste, por sua vez, é uma área já saturada, onde não
há novas terras para expandir as fronteiras agrícolas, logo as variáveis de produtividade
agrícola são relevantes nessa região e se correlacionam com o desmatamento. As tabelas com
os resultados descritos acima se encontram a seguir.
Tabela 6: Matriz de Correlações Região Sudeste
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
desmat po lav bov past trat lendesmat 1,0000
po -0,0584 1,0000lav -0.1639* 0.3859* 1,0000bov 0.2017* 0,0294 0.1706* 1,0000past -0,0475 0.0878* 0.2333* 0.7715* 1,0000trat 0.3749* 0.1770* 0.2513* 0.3418* 0.2633* 1,0000len -0,0158 -0,0196 -0,0307 -0,0211 -0,0186 -0,0242 1,0000tor -0.1729* -0,0459 0,0483 -0,0107 0,0046 -0.0801* 0,0411pib 0,0030 -0,0256 -0,0092 -0,0022 0,0018 -0,0472 0,0069
pibind -0,0117 -0,0305 -0,0275 0,0207 0,0244 -0,0305 0,0060pibserv -0,0050 -0,0316 -0,0070 -0,0226 -0,0110 -0,0692 0,0081pibagr 0.2625* 0.2052* 0.1434* 0.1636* 0,0238 0.3487* -0,0289
varprod -0,0317 0,0178 0,0252 -0,0193 -0,0026 -0,0551 0,0080prodmed -0,0357 0,0216 0,0292 -0,0208 -0,0016 -0,0608 0,0092
idh -0.1293* 0,0082 -0,0239 -0.2632* -0.1896* -0,0682 -0,0290ct 0.1993* -0.3021* -0.2548* 0.1013* 0,0004 0.0782* 0,0405
Município -0.1787* 0.2566* 0.2029* - 0,0094 0,0565 -0,0694 -0,0575drj .* .* .* .* .* .* .*des .* .* .* .* .* .* .*dsp .* .* .* .* .* .* .*dpr 0,0623 -0,0686 0.1277* 0.2394* 0.2676* 0.1229* 0.0925*dsc 0.0722* 0.2299* -0,0023 0,0449 0,0331 0.1561* -0.1846*drg -0.1336* -0.1445* -0.1321* -0.2940* -0.3126* -0.2763* 0.0766*
52
Tabela 6: Matriz de Correlações Região Sudeste (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 6: Matriz de Correlações Região Sudeste
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA.
Tabela 6: Matriz de Correlações Região Sudeste
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0085 1,0000
pibind 0,0014 0.8175* 1,0000pibserv 0,0086 0.9586* 0.6231* 1,0000pibagr 0,0392 0,0071 -0,0659 -0,0146 1,0000
varprod 0,0086 0.7542* 0.6563* 0.7035* 0,0003 1,0000prodmed 0,0099 0.7809* 0.6511* 0.7425* 0,0014 0.9932* 1,0000
idh 0,0668 0.1780* 0.1127* 0.1881* -0,0188 0.1280* 0.1503*ct 0,0431 0,0274 0,0708 0,0069 -0.0815* -0,0120 -0,0169
Município -0.0454 - -0,0180 0,0548 0,0012 0,0247 0,0035 0,0126drj .* .* .* .* .* .* .*des .* .* .* .* .* .* .*dsp .* .* .* .* .* .* .*dpr -0,0219 -0,0220 -0,0427 -0,0013 -0.1330* 0,0050 -0,0030dsc -0,0506 0,0241 0,0560 -0,0047 0.1715* -0,0344 -0,0291drg 0,0708 0,0004 -0,0079 0,0057 -0,0217 0,0271 0,0305
idh ct m drj des dsp dpridh 1,0000ct 0.1620* 1,0000
-0.1494* - 0.7707* 1,0000drj .* .* .* .des .* .* .* .* .dsp .* .* .* .* .* .dpr -0.5669* -0.0845* 0.1509* .* .* .* 1,0000dsc 0.2695* -0,0062 -0,0126 .* .* .* -0.5014*drg 0.3421* 0.0946* -0.1467* .* .* .* -0.5792*
unic m
munic io_~m |
dsc drgdsc 1,0000drg -0.4150* 1,0000
53
Tabela 7: Matriz de Correlações Região Sul
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA.
Tabela 7: Matriz de Correlações Região Sul
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
desmat po lav bov past trat lendesmat 1,0000
po -0,0584 1,0000lav -0.1639* 0.3859* 1,0000bov 0.2017* 0,0294 0.1706* 1,0000past -0,0475 0.0878* 0.2333* 0.7715* 1,0000trat 0.3749* 0.1770* 0.2513* 0.3418* 0.2633* 1,0000len -0,0158 -0,0196 -0,0307 -0,0211 -0,0186 -0,0242 1,0000tor -0.1729* -0,0459 0,0483 -0,0107 0,0046 -0.0801* 0,0411pib 0,0030 -0,0256 -0,0092 -0,0022 0,0018 -0,0472 0,0069
pibind -0,0117 -0,0305 -0,0275 0,0207 0,0244 -0,0305 0,0060pibserv -0,0050 -0,0316 -0,0070 -0,0226 -0,0110 -0,0692 0,0081pibagr 0.2625* 0.2052* 0.1434* 0.1636* 0,0238 0.3487* -0,0289
varprod -0,0317 0,0178 0,0252 -0,0193 -0,0026 -0,0551 0,0080prodmed -0,0357 0,0216 0,0292 -0,0208 -0,0016 -0,0608 0,0092
idh -0.1293* 0,0082 -0,0239 -0.2632* -0.1896* -0,0682 -0,0290ct 0.1993* -0.3021* -0.2548* 0.1013* 0,0004 0.0782* 0,0405
-0.1787* 0.2566* 0.2029* - 0,0094 0,0565 -0,0694 -0,0575drj .* .* .* .* .* .* .*des .* .* .* .* .* .* .*dsp .* .* .* .* .* .* .*dpr 0,0623 -0,0686 0.1277* 0.2394* 0.2676* 0.1229* 0.0925*dsc 0.0722* 0.2299* -0,0023 0,0449 0,0331 0.1561* -0.1846*drg -0.1336* -0.1445* -0.1321* -0.2940* -0.3126* -0.2763* 0.0766*
munic io_~m |
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0085 1,0000
pibind 0,0014 0.8175* 1,0000pibserv 0,0086 0.9586* 0.6231* 1,0000pibagr 0,0392 0,0071 -0,0659 -0,0146 1,0000
varprod 0,0086 0.7542* 0.6563* 0.7035* 0,0003 1,0000prodmed 0,0099 0.7809* 0.6511* 0.7425* 0,0014 0.9932* 1,0000
idh 0,0668 0.1780* 0.1127* 0.1881* -0,0188 0.1280* 0.1503*ct 0,0431 0,0274 0,0708 0,0069 -0.0815* -0,0120 -0,0169
-0.0454 - -0,0180 0,0548 0,0012 0,0247 0,0035 0,0126drj .* .* .* .* .* .* .*des .* .* .* .* .* .* .*dsp .* .* .* .* .* .* .*dpr -0,0219 -0,0220 -0,0427 -0,0013 -0.1330* 0,0050 -0,0030dsc -0,0506 0,0241 0,0560 -0,0047 0.1715* -0,0344 -0,0291drg 0,0708 0,0004 -0,0079 0,0057 -0,0217 0,0271 0,0305
munic io_~m |
54
Tabela 7: Matriz de Correlações Região Sul
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA. Tabela 7: Matriz de Correlações Região Sul
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA.
Na análise estadual temos os seguintes resultados. Para o estado do Rio de Janeiro
(tabela 8), as correlações significativas ao nível de 5% foram entre desmatamento e: área de
lavoura (-0,3675), madeira em toras (-0,3666), PIB municipal industrial (0,3763) e custo de
transporte (0,3176). Tanto área de lavoura quanto de pastagem apresentam associação
negativa e fraca com o desmatamento, o que significa que quanto mais se desmata no estado,
as áreas de lavoura e a extração de madeira em toras são menores e, cada vez menos intensas.
idh ct m drj des dsp dpridh 1,0000ct 0.1620* 1,0000
-0.1494* - 0.7707* 1,0000drj .* .* .* .des .* .* .* .* .dsp .* .* .* .* .* .dpr -0.5669* -0.0845* 0.1509* .* .* .* 1,0000dsc 0.2695* -0,0062 -0,0126 .* .* .* -0.5014*drg 0.3421* 0.0946* -0.1467* .* .* .* -0.5792*
unic m
munic io_~m |
dsc drgdsc 1,0000drg -0.4150* 1,0000
55
Tabela 8: Matriz de Correlações Rio de Janeiro
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 8: Matriz de Correlações Rio de Janeiro (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 8: Matriz de Correlações Rio de Janeiro (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Os resultados do Espírito Santo se encontram na tabela 9. As variáveis que
apresentaram associação relevante com o desmatamento foram: pessoal ocupado (-0,3396),
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0304 1,0000
pibind 0,0140 -0,0614 1,0000pibserv 0,0251 0.9835* -0,2409 1,0000pibagr 0,2001 -0.5061* 0,0216 -0.5027* 1,0000
varprod 0,0266 -0,0522 0,0414 -0,0582 0,0197 1,0000prodmed 0,0377 0,0040 0,0094 0,0021 0,0077 0.9856* 1,0000
idh 0,0054 0.3950* -0,1150 0.4045* -0,1569 -0,1564 -0,0981ct -0,2002 0,1549 0,0969 0,1343 -0,2170 0,0456 0,0607
Município 0,1830 -0,0205 0,1340 0,0421 0,2317 0,0440 0,0616
idh ct m Municípioidh 1,0000ct -0,0479 1,0000
Município -0.1944 - 0.3483* 1,0000
desmat po lav bov past trat lendesmat 1,0000
po -0,1345 1,0000lav -0.3675* 0.6343* 1,0000bov 0,2042 -0.2807* -0.6621* 1,0000past 0,0317 -0.2999* -0.5730* 0.8376* 1,0000trat -0,0343 0,0427 0,0118 -0,0280 -0,0562 1,0000len 0,0127 0,0695 0,0489 -0,0755 -0,1239 0.2570* 1,0000tor -0.3666* 0.3690* 0.6873* -0.7698* -0.6759* -0,0422 -0,0757pib -0,0121 -0.2586* -0,0150 -0,1447 -0,0035 -0,0920 -0,0391
pibind 0.3763* -0,0086 -0,0383 0,1379 -0,1243 -0,0248 -0,0022pibserv -0,0795 -0.2550* -0,0124 -0,1635 0,0213 -0,0831 -0,0381pibagr -0,0480 0.7106* 0.5405* -0,1742 -0.2499* -0,1618 0,0710
varprod 0,2318 -0,0637 -0,0082 -0,0236 -0,0357 -0,0668 -0,0449prodmed 0,2009 -0,0540 0,0137 -0,0351 -0,0247 -0,0630 -0,0562
idh -0,1557 -0,0273 -0,0370 -0,1461 -0,0912 0,1523 -0,0043ct 0.3176* -0.2610* -0.3053* 0,1687 0,1384 -0,1015 -0,0010
Município -0,1753 0,1249 0.2992* - 0,1191 -0,0435 -0,0191 -0,1107
56
área de lavoura (-0,3564), rebanho bovino (0,5067), tratores (0,2895), madeira em toras (-
0,2643) e PIB municipal agrícola (0,4540). Por outro lado, algumas relações insignificantes
foram entre desmatamento e: pastagem, extração de lenha, PIB municipal total, industrial e de
serviços, variação da produtividade agrícola, produtividade agrícola média, IDHM, custo de
transporte e dummy para município problema.
Merece destaque a correlação entre desmatamento e rebanho bovino que apresenta
valor positivo e de intensidade moderada. Ou seja, quanto mais se desmata, maior é o número
de cabeças de gados. E, como a correlação entre desmatamento e áreas de lavoura é negativa,
é provável que haja uma conversão de áreas de lavoura para uso pecuário (para acomodar o
maior rebanho).
Tabela 9: Matriz de Correlação Espírito Santo
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
desmat po lav bov past trat lendesmat 1,0000
po -0.3453* 1,0000lav -0.3631* 0.3965* 1,0000bov 0.5066* -0,0474 -0,0738 1,0000past -0,0252 -0,0271 0,1573 0.5439* 1,0000trat 0.2930* 0,0574 -0.4017* 0,0294 -0.3341* 1,0000len -0,2249 0,0015 0,0030 -0,0361 0,0201 -0,1714 1,0000tor -0.2691* 0,1121 0,0957 -0,0568 0,1262 -0,2160 0.5509*pib -0,0561 0,0532 0,1104 -0,0767 -0,0615 -0,1422 0,0308
pibind 0,0515 -0,0552 -0,0134 0,0163 0,0548 0,0127 0,0056pibserv -0,0346 -0,0489 -0,0489 0,0423 0,1435 -0,1363 0,0497pibagr -0.4540* 0.3324* 0.5409* -0.3938* -0,0925 -0.3166* 0,1598
varprod -0,0103 -0,0490 -0,0784 -0,0096 -0,0606 -0,0457 0,0207prodmed -0,0493 -0,0206 -0,0373 -0,0386 -0,0986 -0,1077 0,0382
idh 0,0287 0,0699 -0,0723 -0,0573 -0.2918* 0,2032 0,0143ct 0,0999 0,0186 -0.3135* 0,1459 0,0089 0,0178 -0,0989
Município -0.0158 0,1280 0.5156* 0,0894 0,1197 -0.3215* 0,0236
57
Tabela 9: Matriz de Correlação Espírito Santo (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 9: Matriz de Correlação Espírito Santo (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Em São Paulo (tabela 10), o desmatamento apresentou correlação significativa com o
número de pessoal ocupado nas áreas rurais (-0,2256), com a extração de madeira em toras (-
0,2325), com o IDH (-0,1169) e com a dummy para município problema (-0,1655). O
desempenho de todos os coeficientes revelou um baixo grau de associação negativa entre as
variáveis. As variáveis pessoal ocupado e IDH tiveram um sinal esperado: quanto mais se
desmata menos empregos e pior as condições de vida da população rural.
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0329 1,0000
pibind -0,0849 0.4717* 1,0000pibserv 0,0365 -0.4327* -0,0995 1,0000pibagr 0.2781* 0,0580 -0,1128 -0,0308 1,0000
varprod 0,0271 -0.2810* -0,2255 0.8481* -0,0851 1,0000prodmed 0,0709 0,0047 -0,2596 0.6822* -0,0593 0.9327* 1,0000
idh 0,1681 0.3701* 0,0437 -0,1147 -0,0379 -0,0098 0,1561ct -0,1553 0,1060 -0,0148 -0,0984 -0,1449 -0,0212 0,0008
Município -0,0317 -0,0138 0,0620 0,0162 0.3068* 0,0093 0,0547
idh ct m Municípioidh 1,0000ct 0,0234 1,0000
Município -0,0563 0.5183* 1,0000
58
Tabela 10: Matriz de Correlações São Paulo
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 10: Matriz de Correlações São Paulo (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA. Tabela 10: Matriz de Correlações São Paulo (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Os resultados para os estados da região sul se encontram nas tabelas 11, 12 e 13
abaixo. No Paraná (tabela 11), destacaram-se os coeficientes de correlação entre
desmatamento e: pessoal ocupado (-0,1127), rebanho bovino (0,4090), tratores (0,4678),
desmat po lav bov past trat lendesmat 1,0000
po -0.2256* 1,0000lav 0,0029 0.3604* 1,0000bov 0,0655 0,0174 -0,0158 1,0000past -0,0181 0.1994* 0.1075* 0.6160* 1,0000trat -0,0034 0,0202 0,0170 0,0361 0,0138 1,0000len 0,0292 0,0447 0.1328* 0,0516 0,0697 0,0079 1,0000tor -0.2325* -0,0068 -0,0032 0,0048 -0,0268 0,0046 -0,0155pib 0,0363 -0,0321 -0,0042 -0,0172 0,0185 -0,0576 0,0761
pibind 0,0305 -0,0187 0,0024 -0,0153 0,0241 -0,0550 0.0838*pibserv 0,0397 -0,0401 -0,0095 -0,0171 0,0156 -0,0593 0,0700pibagr -0,0188 -0,0284 0.1407* -0.1194* -0.1259* 0.1046* -0,0158
varprod 0,0448 -0,0113 0,0306 0,0004 0,0237 -0,0535 0,0056prodmed 0,0394 0,0157 0,0479 0,0028 0,0330 -0,0523 0,0068
idh -0.1169* 0,0144 -0,0705 -0.2095* -0.2235* 0,0128 -0,0095ct 0,0734 -0.0939* 0,0185 -0,0827 -0.1130* 0,0021 -0,0046
Município -0.1655* 0.2212* 0.1452* - 0,0163 0.1174* -0,0249 0,0207
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib -0,0023 1,0000
pibind -0,0035 0.9860* 1,0000pibserv -0,0013 0.9942* 0.9625* 1,0000pibagr -0,0146 -0,0731 -0.0921* -0,0678 1,0000
varprod 0,0050 0.6397* 0.5926* 0.6607* -0,0454 1,0000prodmed 0,0069 0.5352* 0.4682* 0.5711* -0,0726 0.7684* 1,0000
idh 0,0494 0.1409* 0.1351* 0.1415* 0.1202* 0.1708* 0.1702*ct -0,0764 0,0139 0,0172 0,0114 0,0134 0,0465 0.1007*
Município -0.0002 - -0,0085 -0,0038 0,0111 -0,0321 -0,0193 -0,0059
idh ct m Municípioidh 1,0000ct 0.1598* 1,0000
Município -0,0728 0,0374 1,0000
59
lenha (0,1946), madeira em toras (-0,1748), PIB municipal agrícola (0,3399), IDH (-0,1333),
Custo de Transporte (0,2627), dummy para município problema (-0,1728). Já para Santa
Catarina (tabela 12) , as variáveis que apresentam coeficientes de correlação relevantes, ao
nível de significância de 5%, com o desmatamento são: lavoura (-0,5892), pastagem (-
0,3168), trator (0,3696), madeira em toras (-0,1618), Pib municipal agrícola (0,1477), IDH (-
0,1789), Custo de Transporte (0,1707) e dummy para município problema (-0,2404).
Por fim, no Rio do Grande do Sul (tabela 13) verificou-se que o desmatamento
apresenta associação linear significativa com as seguintes variáveis de desempenho sócio-
econômico: área de pastagem (-0,1466), tratores (0,3143), lenha(-0,1513), madeira em toras (-
0,4986), Pib municipal agrícola (0,2704), custo de transporte (0,1814) e dummy para
município problema (-0,2397). A análise acima também confirmou uma tendência
regional: enquanto para os estados do sudeste as correlações mais relevantes são entre
desmatamento e pessoal ocupado, lavoura e madeira em toras; para os estados da região sul os
coeficientes mais significativos foram entre desmatamento e área de pastagem, tratores, lenha,
madeira em toras e pib agrícola. Esse resultado aponta para o fato do desmatamento, na região
sudeste, estar ligado à fatores relacionados com a especulação imobiliária e de infra-estrutura,
e não tanto com variáveis de desempenho agrícola.
Essa primeira análise foi importante para direcionar a abordagem que seria adotada
para a regressão. Como cada estado verificou uma tendência muito particular e o estado de
São Paulo, por apresentar quase metade dos dados, ter um resultado próximo das análises da
região sul e de ambas regiões juntas, optou-se por rodar um modelo de regressão para cada
estado, por região e para ambas, conforme foi feito para a correlação. A seção a seguir aborda
esse tópico.
60
Tabela 11: Matriz de Correlações Paraná
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA. Tabela 11: Matriz de Correlações Paraná (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA. Tabela 11: Matriz de Correlações Paraná (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
desmat po lav bov past trat lendesmat 1,0000
po -0.1127* 1,0000lav 0,1104 0.3191* 1,0000bov 0.4090* -0.2567* -0.3230* 1,0000past -0,0272 -0.1384* -0.3074* 0.5593* 1,0000trat 0.4678* -0.1328* 0.1443* 0.2469* -0,0069 1,0000len 0.1946* 0,0117 -0.1746* 0.4413* 0.3705* 0.1290* 1,0000tor -0.1748* -0,0402 0,0323 -0,0070 0,0047 -0,0960 -0,0293pib -0,0060 -0,0140 0,0051 -0,0214 -0,0273 -0,0802 -0,0023
pibind -0,0293 0,0005 -0,0170 -0,0153 -0,0123 -0.1316* -0,0135pibserv -0,0110 -0,0239 0,0035 -0,0353 -0,0229 -0,0652 0,0003pibagr 0.3399* 0,0630 0.2497* 0.2292* -0.2166* 0.2845* 0,0637
varprod -0,0276 0,0012 0,0136 -0,0327 -0,0264 -0,0888 -0,0076prodmed -0,0282 0,0009 0,0145 -0,0337 -0,0272 -0,0870 -0,0089
idh -0.1333* -0,0861 0,0900 -0.2419* -0,0854 0,0134 -0.1411*ct 0.2627* -0.2432* -0.2684* 0.3751* 0.2793* 0.2536* 0.1925*
Município -0.1728* 0.2332* 0.1145* - 0.2378* -0.1656* -0.1611* -0.1207*
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0079 1,0000
pibind -0,0043 0.9477* 1,0000pibserv 0,0100 0.9862* 0.8843* 1,0000pibagr 0,0738 0,0306 -0,0021 -0,0044 1,0000
varprod 0,0065 0.9766* 0.9036* 0.9759* -0,0003 1,0000prodmed 0,0066 0.9751* 0.8996* 0.9757* -0,0010 0.9999* 1,0000
idh 0,0355 0.2042* 0.1411* 0.2385* -0.2016* 0.1954* 0.1985*ct 0,0292 -0,0016 -0,0032 0,0034 -0,0825 -0,0108 -0,0114
Município -0,0675 0,0154 0,0120 0,0127 0,0745 0,0208 0,0217
idh ct m Municípioidh 1,0000ct 0.1801* 1,0000
Município -0.0392 - 0.7412* 1,0000
61
Tabela 12: Matriz de Correlações Santa Catarina
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA. Tabela 12: Matriz de Correlações Santa Catarina (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA. Tabela 12: Matriz de Correlações Santa Catarina (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
desmat po lav bov past trat lendesmat 1,0000
po -0,0934 1,0000lav -0.5892* 0.1453* 1,0000bov 0,0296 -0.2579* 0.2030* 1,0000past -0.3168* -0.1993* 0.4611* 0.5818* 1,0000trat 0.3696* 0,0250 -0.2781* 0,0373 -0.1825* 1,0000len -0,0048 0,0727 -0,0475 -0,0761 -0,0684 0,0103 1,0000tor -0.1618* -0,0507 0,1252 0,0962 0.1882* -0,0775 0,0588pib 0,0079 -0,1097 -0,0719 -0,0230 -0,0097 -0,0700 0,0413
pibind -0,0207 -0.1407* -0,0606 0,0902 0,0500 -0,0660 0,0328pibserv 0,0132 -0,0405 -0,0350 -0,0869 -0,0452 -0,0703 0,0292pibagr 0.1477* 0,1117 -0,1020 -0.2852* -0.1454* 0.2319* 0,0047
varprod -0,0472 -0,0285 -0,0003 -0,0955 0,0055 -0,1137 0,0394prodmed -0,0585 -0,0070 0,0187 -0,1028 0,0123 -0,1205 0,0404
idh -0.1789* 0,0047 0,1105 -0.1977* 0,0287 -0,1082 0,0558ct 0.1707* -0.2523* -0.1837* 0.3456* 0,0057 0.1922* 0,0841
Município -0.2404* 0.1977* 0.1988* - 0.2289* 0,0348 -0.2429* -0,1167
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0274 1,0000
pibind 0,0224 0.7506* 1,0000pibserv 0,0157 0.7809* 0.1814* 1,0000pibagr 0,0257 -0,1317 -0.3166* -0,0153 1,0000
varprod 0,0325 0.7266* 0.1984* 0.9064* -0,0554 1,0000prodmed 0,0337 0.5141* 0,1221 0.6599* -0,0421 0.7651* 1,0000
idh 0.1755* 0.3059* 0,0871 0.3887* -0,1044 0.3838* 0.4018*ct 0,0938 0,0675 0,1358 -0,0131 -0.1513* -0,0015 -0,0431
Município -0.0422 - -0,0229 0,0739 0,0269 0,0906 -0,0043 0,0520
idh ct m Municípioidh 1,0000ct -0,0219 1,0000
Município -0,0733 0.8169* 1,0000
62
Tabela 13: Matriz de Correlações Rio Grande do Sul
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA. Tabela 13: Matriz de Correlações Rio Grande do Sul (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 13: Matriz de Correlações Rio Grande do Sul (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
3.2 Modelo de Desmatamento
3.2.1 Metodologia
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib -0,0078 1,0000
pibind -0,0181 0.6735* 1,0000pibserv 0,0009 0.9658* 0.4613* 1,0000pibagr -0,0983 0,0327 0,0846 -0,0316 1,0000
varprod 0,0254 0.3021* 0.3233* 0.2499* 0,0314 1,0000prodmed 0,0304 0.3908* 0.3025* 0.3629* 0,0376 0.9798* 1,0000
idh 0,0376 0.1723* 0,0761 0.1804* -0,0028 0.1357* 0.1737*ct -0,1092 0,0546 0.1464* 0,0169 -0,0361 -0,0270 -0,0398
Município 0.1855* - -0,0521 0.1287* - 0,0161 -0,0569 -0,0149 0,0090
idh ct m Municípioidh 1,0000ct 0.1873* 1,0000
Município -0.2070* - 0.7789* 1,0000
desmat po lav bov past trat lendesmat 1,0000
po -0,0362 1,0000lav -0,0286 0.6928* 1,0000bov -0,0920 0.2919* 0.4264* 1,0000past -0.1466* 0.2513* 0.3939* 0.8771* 1,0000trat 0.3143* 0.3810* 0.6366* 0.3856* 0.3590* 1,0000len -0.1513* 0.3547* 0.2771* 0.1620* 0.2707* -0,0486 1,0000tor -0.4986* 0,0123 -0,0160 0,0801 0,0841 -0,1035 0,0538pib 0,0209 -0,0383 0,0128 0,0291 0,0353 -0,0272 -0,0493
pibind 0,0413 -0,0725 0,0019 0,0718 0,0799 0,0771 -0,1192pibserv -0,0004 -0,0383 -0,0037 -0,0035 0,0015 -0,0824 -0,0201pibagr 0.2704* 0.4123* 0.4410* 0.3314* 0.3224* 0.5641* 0,0403
varprod -0,0451 0,0907 0,0784 0,0161 0,0402 -0,0251 0,0532prodmed -0,0538 0,1034 0,0924 0,0217 0,0498 -0,0342 0,0671
idh -0,0198 0,0127 0,0086 -0,0881 -0,0359 0,0600 -0,0731ct 0.1814* -0.4151* -0.3141* -0,1164 -0,1237 -0,0352 -0.2469*
Município -0.2397* 0.3351* 0.2165* 0,0929 0,0868 -0,0183 0.1913*
63
O exercício que será apresentado a seguir buscou verificar se o desmatamento da Mata
Atlântica possui, de fato, como fatores propulsores a conversão de áreas de florestas em áreas
de lavoura ou pecuária. Para tal foi realizado um modelo de regressão linear múltipla onde se
contrastou, para o período de 1985-95/96, dados referentes ao desmatamento ocorrido nos
municípios das Regiões Sul e Sudeste17 do Brasil com variáveis de desempenho sócio-
econômico, obtidas para os mesmos estados.
Um modelo de regressão linear é considerado múltiplo quando a variável dependente 'Y'
depende de duas ou mais variáveis explicativas. Além das hipóteses básicas do modelo
clássico, aquele com apenas uma variável explicativa, supomos que:
O modelo de regressão múltipla seja linear nos parâmetros. Isto é, as variáveis não
precisam ser lineares, podem assumir outras formas funcionais como logarítmicas ou
quadráticas, por exemplo. Entretanto, os seus coeficientes devem ser lineares.
• Os valores das variáveis explicativas (ou, regressores) devem ser fixados em amostragem
repetida.
• Haja variabilidade suficiente em valores dos regressores.
O modelo de regressão linear múltipla proposto foi o seguinte:
Y = ά + ββββX1 + ββββ2222 X2 + ββββ3X3 +ββββ4444 X4 + ββββ5555 X5 + ββββ 6X6 + ββββ7777X7 + ββββ8X8+ββββ9X9 +ββββ10X10 +ββββ11X11
+ββββ12 X12 +ββββ13X13 +ββββ14X14 +ββββ15X15 + ββββ16X16 + ε
Onde:
Y = variação absoluta do desmatamento entre os períodos 1985-90 e 1990-95 (desmat);
17Devido a um problema metodológica, o estado de Minas Gerais não foi inserido nessa análise. Mais explicações podem ser obtidas em: YOUNG, C. E. F., Is Deforestation a solution for growth in rural areas? Evidence from the Brazilian Mata Atlantic, Working Paper Series, No. CBS-36-02, Centre for Brazillian Studies, University of.
64
X1 = variação absoluta do número de pessoas ocupadas no setor agropecuário nos anos de
1985 e 1995/96 (PO);
X2= variação absoluta do rebanho bovino nos anos de 1985 e 1995/96 (BOV);
X3 = variação absoluta da área de lavoura nos anos de 1985 e 1995/96 (LAV);
X4 = variação absoluta da área de pastagem nos anos de 1985 e 1995/96 (PAST);
X5 = variação absoluta do número de tratores do setor agropecuário nos anos de 1985 e
1995/96 (TRAT);
X6 = variação absoluta de lenha nos anos de 1985 e 1995/96 (LEN);
X7 = variação absoluta de madeira em toras nos anos de 1985 e 1995/96 (TOR);
X8= variação absoluta do PIB municipal nos anos de 1985 e 1995/96 (PIB);
X9= variação absoluta do PIB municipal industrial nos anos de 1985 e 1995/96 (PIBIND);
X10=variação absoluta do PIB municipal de serviços nos anos de 1985 e 1995/96 (PIBSERV);
X11=variação absoluta do PIB municipal agrícola nos anos de 1985 e 1995/96 (PIBAGR);
X12=variação absoluta da produtividade agrícola nos anos de 1985 e 1995/96 (VARPROD);
X13= produtividade agrícola média nos anos de 1985 e 1995/96 (PRODMED);
X14= Índice de Desenvolvimento Humano (IDH), para o ano de 1991 (IDH);
X15= variação absoluta do custo de transporte nos anos de 1980 e 1995/96 (CT);
X16= dummy para município problema (DUM);
ά = coeficiente de intercepto;
βi = declividade do valor médio de Y com relação a Xi, mantendo as demais variáveis
constantes, onde i =1,2,3,...,15,16;
ε = erro aleatório.
Ou seja, tomando-se o desmatamento como variável dependente e o número de
pessoal ocupado, o rebanho bovino, as áreas de pastagem e lavoura, o número de tratores, a
extração de madeira em toras e lenha, Pib municipal total, industrial, de serviços e agrícola,
65
IDH, custo de transporte e dummy para município problema como variáveis explicativas18,
buscou-se verificar quais destas apresentam uma relação forte e significativa com o
desmatamento. Essa relação pode ser mensurada pelos coeficientes das variáveis, os βi 's.
Estes, medem a mudança do valor médio da variável dependente 'Y' a partir de uma variação
unitária na variável explicativa Xi, mantendo as demais variáveis explicativas constantes.
Isto é, este coeficiente fornece o efeito “direto” da mudança em uma unidade em Xi
sobre o valor médio de Y, líquido do efeito das demais variáveis explicativas. Assim, a
obtenção de um estimador com alto nível de significância corroboraria a hipótese sustentada
por este trabalho, uma vez que se rejeitaria a hipótese nula (H 0 : βi = 0). A rejeição da
hipótese nula sinaliza que há uma relação de causalidade entre o desmatamento e a variável i.
A opção por usar a regressão múltipla como modelagem se deu em função do grande
número de observações (1430 municípios, no total), número significativo de variáveis e
apenas dois instantes no tempo. Para a regressão, foram calculadas as variações absolutas do
desmatamento e das demais variáveis entre os anos de 1985 e 1995/96. Algumas excessões
são as seguintes variáveis: custo de transporte, cujo período de variação e de 1980/1995; o
IDHM, que foi usado para o ano de 1991, o que pode ser interpretado como uma média entre
os anos utilizados (1985-1995/96); e, variável dummy para município problema, que é
atemporal.
Assim, a hipótese a ser testada pode ser interpretada da seguinte maneira: a variação
do desmatamento no período 1985-95 é explicado pelas variações das variáveis de uso da
terra e contexto social no período 1985-1995/96? Quais destas variáveis são significativas
para explicar o maior desmatamento do período? A regressão foi rodada no programa E-
VIEWS , versão 4.1, e foram usadas as seguintes especificações: método dos mínimos
quadrados ordinários (OLS), com a opção de coeficiente do tipo White (heterocedasticity
consistent coefficiente covariance). Os resultados para o teste de significância dos βι's foram
18Ademais, haviam sido criadas algumas variáveis dummies estaduais. Mas como a análise de regressão optou
por uma abordagem estadual e regional, essas variáveis não foram inseridas nas regressões.
66
obtidos por estado, por região (Sul e Sudeste) e para ambas regiões, e os resultados se
encontram na seção seguinte.
É importante destacar que num modelo de regressão linear múltipla, além do teste de
hipótese individual para cada coeficiente podem ser realizados testes para: (i) verificar se
todos os coeficientes são conjuntamente iguais a zero (teste global); (ii) verificar se dois ou
mais coeficientes são iguais; (iii) saber se os coeficientes satisfazem certas restrições; (iv) a
estabilidade do modelo, e (v) a forma funcional. Assim, se reconhece que este modelo é um
tanto simplista e que um tratamento mais apurado dos dados tornaria o trabalho mais preciso.
Seria interessante ter realizado outros tipos de testes, entretanto com o objetivo do trabalho é
verificar quais são as variáveis relevantes e significativas para explicar o desmatamento, o
teste de hipóteses para os parâmetros individuais atende o objetivo aqui proposto.
3.2.2.Análise dos Resultados
O teste de hipótese individual é um teste que utiliza uma estatística t-student para
testar uma hipótese sobre qualquer coeficiente de regressão parcial individual. Ou seja, o
objetivo do teste de hipótese é verificar se a relação entre as duas variáveis tem ou não tem
importância. As hipóteses que são testadas são a hipótese nula (H0: β ι = 0) e a hipótese
alternativa (H1: β ι é diferente de zero). A hipótese nula diz que, mantendo as demais
variáveis explicativas constantes, a variável Xi não tem nenhuma influência sobre Y. Ou seja,
essa hipótese tem por objetivo verificar se a variável explicativa tem realmente uma relação
com Y, a variável explicada. Assim, a decisão de aceitar ou não H0 é tomada com base no
valor da estatística teste obtida com os dados disponíveis.
Nesse trabalho, foi testado quais são as variáveis explicativas que têm relação
relevante e significativa com o desmatamento. Esta hipótese nula é facilmente testada pelas
abordagens do intervalo de confiança (probabilidade do intervalo conter o verdadeiro valor do
67
parâmetro), do teste t e do p-valor. Vamos iniciar com a exposição dos resultados por estado.
As tabelas abaixo apresentam os valores encontrados para os β i's, as estatística t e os p-
valores.
Assim, assumiu-se que todas as equações são da forma linear-linear, e, então, foi
estimado um modelo de regressão múltipla com estimação de mínimos quadrados ordinários.
Procedeu-se da seguinte forma: ao nível de significância de 10% foram incluídas todas as
variáveis explicativas teoricamente relevantes. Em seguida, as variáveis foram sendo
deletadas na medida em que seus coeficientes não fossem estaticamente significantes ao nível
estabelecido, ou seja, quando seus p-valores fossem maiores que 0,10. Conforme já
mencionado, a regressão foi rodado no programa Eviews para cada estado, para cada região e
para ambas regiões conjuntamente.
Observando a quarta coluna da tabela abaixo, obtemos o p-valor para cada coeficiente
da regressão do estado do Rio de Janeiro. O p-valor (valor da probabilidade) é definido como
o mais baixo nível de significância com o qual a hipótese nula pode ser rejeitada. Compara-se
o p-valor com um nível de significância considerado razoável (no caso desse exercício, está
sendo considerado um nível de 10%). Assim, se o valor imaginado para o nível de
significância superar o p-valor, a hipótese nula é rejeitada.
Tabela 14: Resultados do Rio de Janeiro
Variável Estimativa Estatísca t p-valor C 11208.71 1.99 0.05
PO 0.15 2.04 0.05 LAV -0.184608 -3.732801 0.00 PAST -0.154200 -3.608306 0.00 TOR -1098301.00 -3.082466 0.00
VARPROD 0.03 6.73 0.00 IDH -13869.57 -1.714375 0.09
DUM -360.4649 -0.429817 0.67 Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA.
68
A um nível de significância de 10%, observa-se na tabela 14 que a hipótese nula é
rejeitada para todas as variáveis, exceto para a a variável DUM. Ou seja, o desmatamento no
estado do Rio de Janeiro pode ser explicado pela variação do pessoal ocupado, das áreas de
lavoura e pastagem, pela madeira em toras, pela variação da produtividade agrícola e pelo
IDH. O mais baixos dos p-valores foram para as variáveis: área de lavoura, área de pastagem,
madeira em toras e variação da produtividade agrícola. Ademais, os municípios problemas,
aqueles que foram criados a partir de outros municípios, não tem influência no desmatamento.
Uma outra maneira de realizar o teste de hipótese, de acordo com GUJARATI (2000),
é através da adoção da regra de significância “2 – t”. Segundo essa regra se o número de
graus de liberdade de uma amostra for pelo menos 20 e o nível de significância ά for 5%,
então a hipótese nula β i= 0 pode ser rejeitada caso o valor da estatística t for maior que 2 em
valor absoluto19. Como o número de graus de liberdade é superior a 20 para todos os estados
da amostra, podemos aplicar a regra acima. Entretanto, seguindo essa regra as variáveis
significativas se restringem dado o menor nível de significância.
Com base na regra, a análise dos dados leva a conclusão de que, para um nível de
significância de 5%, a variável IDH não apresenta relação significativa com o desmatamento.
Assim, para esta variável, não se rejeitaria a hipótese nula. A variável Dummy para
município problema (Dum), também não é significativa. As demais variáveis apresentam sua
hipótese nula rejeitada.
A segunda coluna dessa tabela contem os valores dos β i's, ou seja, o valor dos
coeficientes das variáveis explicativas relevantes. A única variável que tem um sinal de
relação esperado é o IDH, que se relaciona inversamente com o desmatamento. Quanto pior
são as condições de vida da população mais desmatamento haverá. As demais variáveis
apresentaram sinais opostos ao esperado. O maior desmatamento no estado do Rio de Janeiro
19 Ao examinar a tabela de t, nota-se que, para aproximadamente 20 ou mais graus de liberdade, um valor t que
exceder 2 (em termos absolutos) é estatisticamente significante em nível 5%, implicando a rejeição da hipótese nula (Gujarati, p.119)
69
está associado a: um maior número de pessoas ocupadas no campo, a menores áreas de
lavoura e pastagem, a uma menor extração de madeira em toras e a uma maior produtividade
das terras agrícolas.
Tabela 15: Resultados do Espírito Santo
Variável Estimativa Estatísca t p-valor C 467.38 2.17 0.03
PO -0.182746 -3.227754 0.00 BOV 0.13 4.10 0.00 PAST -0.112903 -2.596708 0.01 LEN -4.245732 -5.188166 0.00
DUM -198.8652 -0.796821 0.43 Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA. Comparando com o Rio de Janeiro, o estado do Espírito Santo (tabela 15) apresentou
uma diferente tendência de desmatamento. No estado capixaba, com exceção da variável
Dummy para muncípio problema, tanto pela regra prática “2-t” (com nível de significância
5%) quanto pelo teste do p-valor (nível de significãncia de 10%), todas as variáveis são
significativas. Ou seja, a variação do número de pessoal ocupado na agricultura, do rebanho
bovino, das áreas de pastagem e da extração de lenha , explicam o desmatamento no estado,
com nível de significância de 5%. Destacam-se as variáveis pessoal ocupado, rebanho bovino
e extração de lenha, por apresentarem os mais baixos p-valores.
Com relação ao valor dos coeficientes das variáveis explicativas, as variáveis pessoal
ocupado e rebanho bovino apresentaram resultados esperados: quanto mais se desmata menos
empregos agrícolas e mais cabeças de gado se tem. Entretanto, o maior desmatamento desse
estado está também associado com menores áreas de pastagem e com uma menor extração de
lenha.
Tabela 16: Resultados de São Paulo
70
Variável Estimativa Estatísca t p-valor C 1894.60 2.96 0.00
PO -0.086379 -2.402370 0.02 TOR -5.958466 -2.715528 0.01
VARPROD 0.00 4.10 0.00 IDH -2065410.00 -2.530444 0.01
DUM -300.6383 -2.064067 0.04 Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA. A tabela 16, contêm os resultados para o estado de São Paulo. No teste de hipótese,
tanto pela regra “2-t” quanto pelo p-valor, todas as variáveis rejeitam a hipótese nula com um
nível de significância de 5% . A variável variação da produtividade agrícola foi a que
apresentou o mais baixo p-valor. Com base nos coeficientes (segunda coluna da tabela), o
maior desmatamento paulista pode ser explicado pelas seguintes variáveis: menos pessoal
ocupado em estabelecimentos rurais, menor extração de madeira em toras, maior
produtividade agrícola e menor IDH. Ademais, observa-se que as variáveis significativas
para explicar o desmatamento desse estado também são relevantes para o Rio de Janeiro.
Os resultados para os estados do Paraná, Santa Catarina e Rio Grande do Sul estão nas
tabelas que se seguem (tabelas 17, 18 e 19). Através da regra “2-t”, o desmatamento paraense
(tabela 17), pode ser explicado pela variação da área de lavoura e pastagem, pelo rebanho
bovino, pela variação no número de tratores, pela extração de madeira em toras e pela
variação da produtividade das terras agrícolas. Ao considerarmos um nível de significância
de 10%, pelo teste do p-valor, temos que variável IDH também se mostra significativa.
Os menores p-valores foram para as seguintes variáveis: área de lavoura e pastagem,
rebanho bovino, tratores e madeira em toras. A análise da segunda coluna dessa tabela nos
revela a direção da relação do desmatamento com a variável explicativa. Para o Paraná temos
que o maior desmatamento está associado a: maior área de lavoura, maior rebanho bovino,
menor área de pastagem, mais tratores, menor extração de madeira em toras, maior
produtividade das terras agrícolas e menor IDH.
71
Tabela 17 : Resultados do Paraná
Variável Estimativa Estatísca t p-valor C 2810.82 1.997314 0.05
LAV 0.05 2.880389 0.00 BOV 0.06 3.671764 0.00 PAST -0.040897 -3.431776 0.00 TRAT 4.06 4.038135 0.00 TOR -4.443410 -3.494665 0.00
VARPROD 0.02 2.209335 0.03
IDH -3581614.00 -1.737253 0.08 Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA. Considerando um nível de significância de 10%, temos que as seguintes variáveis são
relevantes para explicar o maior desmatamento do estado: menor área de lavoura, maior
rebanho bovino, menor área de pastagem e menor custo de transporte. Aplicando a regra de
decisão “2-t” para as variáveis do estado de Santa Catarina, observa-se que apenas a variável
área de lavoura é significativa com nível de significância de 5%. Esta, é a variável que
apresenta o mais baixo p-valor.
Tabela 18: Resultados de Santa Catarina
Variável Estimativa Estatísca t p-valor C 1034.93 2.545103 0.01
LAV -0.062028 -8.908038 0.00 BOV 0.09 1.899413 0.06 PAST -0.062597 -1.639042 0.10
CT -0.997513 -1.726430 0.09
DUM -788.6517 -1.883524 0.06 Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA. Para o estado do Rio Grande do Sul, as variáveis relevantes para explicar o
desmatamento são: área de lavoura e pastagem, número de tratores, extração de madeira em
toras e PIB municipal agrícola. Todas essas variáveis rejeitam a hipótese nula tanto pelo teste
da regra “2-t' quanto pelo p-valor. Isso implica que elas sejam significativas ao nível de
72
significância de 5%. Destacam-se as variáveis área de lavoura, tratores e madeira em toras
com os mais baixos p-valores. Para esse estado, quanto menos área de lavoura, menos
pastagem, menos extração de tora, mas mais tratores e maior PIB agrícola, maior será o
desmatamento.
Tabela 19: Resultados do Rio Grande do Sul
Variável Estimativa Estatísca t p-valor C 113.93 2.098502 0.04
LAV -0.031344 -3.945163 0.00 PAST -0.010173 -2.280409 0.02 TRAT 2.43 3.708833 0.00 TOR -119.8076 -8.275129 0.00
PIBAGR 0.01 2.047142 0.04 Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA. A análise das regresssões para cada estado apontou algumas tendências que podem ser
confirmadas na análise econométrica regional. Percebemos, por exemplo, que enquanto a
variável pessoal ocupado é significativa em todas as regressões dos estados da região sudeste,
esta não aparece em nenhuma regressão para os estados da região sul. Assim, para verificar se
existe alguma tendência diversa no demastamento de cada uma dessas regiões, que pudesse
orientar uma política regional mais focada, foram realizadas regressões para as regiões sul e
sudeste. Os resultados estão contidos nas tabelas 20 e 21 abaixo.
Para a região sudeste, ao observarmos a quarta coluna obtemos o p-valor. Com um
nível de significãncia de 10%, temos que as variáveis pessoal ocupado, rebanho bovino, área
de pastagem, madeira em toras, variação da produtividade agrícola, IDH e dummy para
municípios problemas são relevantes para explicar o desmatamneto da região sudeste. A regra
“2-t” também é aplicável neste caso, visto que a amostra é maior que 20. Observando o valor
da estatística t para cada coeficiente, na terceira coluna da tabela 20, verificamos que todos os
valores são, em módulo, maiores que 2. Logo, a hipótese nula é rejeitada para todas as
variáveis a um nível de significância de 5%.
73
Para ambos os testes, as variáveis pessoal ocupado, área de pastagem, rebanho bovino
e IDH, se destacam como as que apresentam os mais baixos p-valores. Observa-se que estes
resultados são muito parecidos com àqueles obtidos para os estados do Rio de Janeiro e de
São Paulo. Isso mostra a relevância desses estados para explicar o desmatamento da região.
A análise dos coeficientes das variáveis explicativas aponta para as seguintes
conclusões sobre o desmatamento na região sudeste: quanto menos pessoas ocupadas, mais
rebanho bovino, menos áreas de pastagem, menos toras, maior produtividade das terras
agrícolas, e menor IDH, maior o desmtamento na região sudeste. Ou seja, para essa região o
desmatamento está associado ao subdesenvolvmento (desemprego e piores condições de vida
para a população).
Tabela 20: Resultados da Região Sudeste
Variável Estimativa Estatísca t p-valor C 4932.04 5.11 0
PO -0.177103 -3.489180 0.0005 BOV 0.04 3.11 0.002 PAST -0.043580 -2.314870 0.0209 TOR -5.983974 -2.679867 0.0075
VARPROD 0.02 2.31 0.0212 IDH -6001809.00 -4.241316 0
DUM -491.7643 -2.275642 0.0232 Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA. De forma análoga, na terceira e quarta colunas da tabela 21 abaixo, temos os
resultados do teste de hipótese para a região sul. Mais uma vez, as variáveis relevantes para
explicar o desmatamento atendem tanto o teste de hipótese da regra de decisão “2-t” quanto o
teste do p-valor, implicando que elas sejam estatisticamente significantes para um nível de 5%
de significância.
Tabela 21: Resultados da Região Sul
74
Variável Estimativa Estatísca t p-valor C 2548.26 3.413716 0.00
LAV -0.031372 -2.936618 0.00 BOV 0.04 3.314289 0.00 PAST -0.037210 -3.517719 0.00 TRAT 3.20 5.800786 0.00 TOR -4.384305 -3.723491 0.00
PIBSERV 0.000 3.506258 0.001 PIBAGR 0.01 2.40189 0.02
VARPROD -0.038617 -2.209816 0.03 IDH -2840600.00 -2.909094 0.00
DUM -357.6604 -2.546161 0.01 Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA. Assim, o desmatamento da região sul pode ser explicado pela variação das seguintes
variáveis: áreas de lavoura e pastagem, rebanho bovino, número de tratores, madeira em toras,
PIB municipal de serviços e agrícola, variação da produtividade agrícola, IDH e dummy para
município problema. Ao contrário da região sudeste, para a região sul não foi verificado
nenhuma relação entre desmatamento e pessoal ocupado. Ou seja, para a região sul o setor
agropecuário não é impulsionador de empregos. Isso também está retratado pela mecanização
da agricultura. Tanto nas regressões estaduais quanto na regional para o sul, o desmatameto e
o número de tratores apresenta uma relação significativa. Assim, é provável que a
mecanização do campo esteja reduzindo a necessidade de mão-de-obra neste setor.
Para a região sul temos as seguintes conclusões: quanto menores as áreas de lavoura e
pastagem, maior os rebanhos bovinos, mais tratores, menor extração de madeira em toras,
maior PIB municipal de serviços e agricola, menor produtividade da terra e menor IDH, mais
se desmata na região sul. Ou seja, desmatamento também está associado a
subdesenvolvimento, mas num estágio de ocupação da terra diferente do da região sudeste.
Levando em consideração uma tendência de desmatamento para todos os estados e
municípios inseridos em domínio de Mata Atlântica, os resultados obtidos seriam próximos
daqueles encontrados para a região sudeste. Mais uma vez, a justificativa para esse resultado
75
se deve ao fato do estado de São Paulo possuir quase metade dos dados da amostra, e assim,
“puxa” o resultado do todo para um resultado próximo ao particular. A tabela abaixo
apresenta o resultado da regressão do Sudeste e Sul juntos.
Tabela 22: Resultados das Regiões Sul e Sudeste
Variável Estimativa Estatísca t p-valor C 3699.64 6.125634 0.00
PO -0.076044 -2.937273 0.00 BOV 0.05 5.198604 0.00 PAST -0.041808 -4.646182 0.00 TOR -5.585850 -4.468502 0.00
VARPROD 0.02 2.07621 0.04 IDH -4123066.000 -5.202462 0.000
DUM -506.6791 -3.867441 0.00 Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA. Ao analisarmos a terceira coluna da tabela, verificamos que todas as variáveis são
significativas a 5%. De acordo com a regra de decisão “2-t”, todas as variáveis apresentam
estatística t maior que 2, e, assim, rejeitam a hipótese nula. Em outras palavras: o
desmatamento recente nas áreas de domínio de Mata Atlântica, nas regiões sul e sudeste, pode
ser explicado pela variação do número de pessoas ocupadas em estabelecimentos
agropecuários, pela variação do rebanho bovino e da área de pastagem, pela extração de
madeira em toras, pela variação da produtividade agrícola, pelo IDH e pela dummy para
municípios problemas. Ademais, todas essas variáveis também rejeitaram o teste do p-valor,
considerando um nível de significãncia de 10%.
Com respeito a tendência de desmatamento para os estados das regiões sudeste e sul
em conjunto, temos a seguinte conclusão: quanto menos pessoas ocupadas no campo, maior
rebanho bovino, menores áraes de pastagem, menos extração de madeira em toras, maior
produtividade das terras agrícolas e menor IDH, mais se desmata em áreas de domínio de
76
Mata Atlântica. Este resultado evidência uma relação econométrica entre desmatamento e
subdesenvolvimento
Para os estados das regiões Sudeste e Sul, alguns resultados das análises dos
coeficientes foram opostos ao que se esperava. Primeiramente, destaca-se a relação entre
áreas de lavoura e pastagem e desmatamento. Em geral, se esperava que aqueles municípios
que mais desmatam tivessem um aumento das suas áreas de pastagem e lavoura, através da
conversão. Visto que nas áreas de domínio de Mata Atlântica o desmatamento é muito antigo
é provável que o desmatamento recente não tenha como função a abertura de novas fronteiras
agrícolas, como se verifica no desmatamento da Amazônia.
Outra relação relevante é entre madeira em toras e desmatamento. Teoricamente, se
esperava que ambas variáveis apresentassem uma relação positiva. Entretanto, os dados
resultantes do exercício econométrico apontam para uma forte relação negativa. Isso se deve
ao fato de que se há maior oferta de madeira plantada deve haver menor pressão para
desmatar para obter madeira. Para confirmar tal hipótese seria interessante separar o
percentual de extração de madeira em toras nativa e aquela proveniente de madeira plantada,
e a partir daí buscar uma relação com o desmatamento.
O mesmo raciocínio vale para a relação entre a lenha e o desmatamento. Outra relação
teórica inversa é entre produtividade das terras agrícolas e desmatamento, cujo sinal esperado
é negativo. Uma possível explicação para a relação positiva entre essas variáveis seria o fato
de que quando a produtividade aumenta, aumenta o lucro, e este, por sua vez, aumentaria a
demanda por terras.
A tabela 23 abaixo faz um resumo das variáveis significativas (para um nível de
significância de 10%) em todas as regressões acima apresentadas e, além disso, apresenta o R2
, isto é, o coeficiente de determinação, de cada regressão. Este coeficiente tem a função de
medir o grau de ajuste do modelo. Sua interpretação é bastante simples: fornece uma medida
de proporção ou porcentagem da variação total na variável dependente Y explicada
77
conjuntamente por X1, X2, ..., Xn. Seus valores se situam entre 0 e 1. Valores próximos de
um, indicam que o grau de ajustamento do modelo está bom, visto que quase 100% da
variação em Y está sendo explicada; enquanto que valores próximos de zero ilustram o caso
oposto.
Tabela 23: Resumo das Variáveis Significativas das Regressões
Estado/Região Variável significativa Rio de Janeiro PO, Lav, Past, Tor, Varprod e IDH Espírito Santo PO, Bov, Past e Len
São Paulo PO, Tor, Varprod, IDH e Dum Região Sudeste Po, Bov, Past, Tor, Varprod, IDH e Dum
Paraná Lav, Past, Bov, Trat, Tor, Varprod, IDH e CT Santa Catarina Lav, Bov, Past, CT e dum
Rio Grande do Sul Lav, Past, Trat, Tor, Pibagr Região Sul Lav, Bov, past, Trat, Tor, Pibserv, Pibagr, Varprod, IDH e Dum
Regiões Sul e Sudeste PO, Past, Tor, Varprod, IDH e Dum Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA. Tabela 24: Coeficiente de Determinação (R2) das Regressões
Estado/Região R2 Rio de Janeiro 37% Espírito Santo 53%
São Paulo 14% Região Sudeste 20%
Paraná 43% Santa Catarina 42%
Rio Grande do Sul 44% Região Sul 35%
Regiões Sul e Sudeste 18% Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA. Assim, através da análise da tabela acima, concluímos que: 37,13% do desmatamento
do estado do Rio de Janeiro, no período de 1985-95/96, pode ser explicado pela variação do
pessoal ocupado, das áreas de lavoura e pastagem, pela extração da madeira em toras, pela
variação da produtividade agrícola e pelo IDH. Também temos que: 18,10% do
desmatamento das áreas de domínio de Mata Atlântica, nas regiões sul e sudeste, é explicado
78
pela variação do número de pessoas ocupadas, pelas área de pastagem, pela extração de
madeira em toras, pela variação da produtividade agrícola, pelo IDH e pela dummy para
município problema.
3.3. Conclusões
Este capítulo teve como objetivo estimar um modelo de regressão múltipla para o
desmatamento. Foi escolhida como variável a ser explicada a variação do desmatamento nos
estados das regiões sul e sudeste, no período de 1985-95/96. Como variáveis explicativas
foram selecionadas variáveis de uso da terra, tais como: extração de lenha e madeira em
toras, áreas de lavoura e pastagem, e variáveis de contexto social, tais como: PIB municipal,
IDH, produtividade das terras agrícolas, pessoal ocupado, dentre outras.
Com base nessas variáveis foram estimados modelos de regressão do desmatamento a
nível estadual, a nível regional e para os ambas as regiões. Os resultados deste capítulo
mostram, que, estados da mesma região apresentam uma tendência de desmatamento
próxima.
A análise dos resultados, portanto, levou a conclusão de que o desmatamento nas áreas
de domínio de Mata Atlântica no período 1985/95-96, está econometricamente associado ao
subdesenvolvimento, isto é, desemprego e baixo IDH. Em geral, o desmatamento pode ser
explicado pela diminuição do número de pessoas ocupadas na área rural, pelo maior rebanho
bovino, pela diminuição das áreas de pastagem, pela menor extração de madeira em toras e
pelo baixo IDH. Em outras palavras, regiões longínquas e pobres, com menos população
ocupada, mas com maior rebanho bovino, menor área de pastagem e menos extração de
madeira em toras, desmatam mais.
79
Conclusão
O ser humano necessita das florestas. Particularmente, as pessoas que vivem nas áreas
rurais e nas suas proximidades, dependem intensamente delas para sobreviverem. Contudo, o
acelerado desmatamento vem provocando uma redução muito rápida dos recursos florestais,
além de ameaçar a biodiversidade com as elevadas emissões anuais de gás carbônico. A Mata
Atlântica é um bioma no qual a população rural, apesar de menor, vem sofrendo muitos
impactos negativos, tais como: pobreza, desemprego e menor renda.
Na primeira parte deste trabalho o objetivo foi enumerar as variáveis que seriam
relevantes para explicar o desmatamento atlântico. A história do desmatamento da Mata
Atlântica, descrita no primeiro capítulo, nos revela os múltiplos fatores que levaram a sua
depredação. Assim, é muito difícil eleger um fator responsável pelo desmatamento da mata
atlântica. A causa da devastação dessa biota está intrinsecamente relacionada com a interação
perversa dos diversos fatores enumerados: geográfico-ambientais, sócio-econômicos e
histórico-institucionais.
Como a Mata atlântica é uma área de desmatamento antigo, verificou-se que o uso da
mão-de-obra escrava foi a principal causa do desmatamento na época do Brasil colônia. A
ignorância dos escravos e as técnicas agrícolas arcaicas por eles utilizadas acabavam com a
fertilidade do solo. Logo, era necessário desmatar terras mais férteis para dar continuidade a
exploração.
Mais tarde percebeu-se que, mesmo com o fim da escravidão, o desmatamento
continuou de maneira acelerada. O Brasil avançava no seu processo de industrialização mas a
agricultura praticada ainda era precária. Isso implicou, por muitas décadas, na continuação
acelerada do desmatamento. O desmatamento passou a ser causado pelos incentivos
econômicos que se podiam obter com a expansão da agricultura. Tanto ricos como pobres
80
destroem florestas na espera de obter lucros, mas os retornos apresentados são muito
variáveis.
No segundo capítulo foi realizada uma revisão bibliográfica dos textos que tratavam
de causas de desmatamento com o intuito de selecionar as variáveis relevantes para explicar o
desmatamento. Assim, os textos pesquisados e estudados, somados à base de dados do
trabalho da SOS apontaram na direção da escolha das seguintes variáveis para montar o
modelo de desmatamento para a mata atlântica : remanescentes florestais de Mata Atlântica;
pessoal ocupado nos estabelecimentos agropecuários; áreas de lavouras e pastagem; rebanho
bovinos; número de tratores; extração de lenha; extração de madeira em toras; PIB municipal
total, industrial, de serviços e agrícola; produtividade média rural; variação da produtividade
rural; Indice de Desenvolvimento Humano (IDH); e Custo de transporte da sede do municipio
até a capital do estado.
A segunda parte desta dissertação foi dedicada a estimação de um modelo de regressão
linear múltipla para o desmatamento da Mata Atlântica, com estimação de Mínimos
Quadrados Ordinários (MQO). A variação do desmatamento nos estados das regiões sul e
sudeste, no período de 1985-95/96, foi escolhida como variável a ser explicada. As demais
variáveis, de uso da terra e de contexto social, foram utilizadas como explicativas. Com base
nessas variáveis foram estimados modelos de regressão do desmatamento a nível estadual, a
nível regional e para os ambas as regiões.
A análise dos resultados, portanto, levou a conclusão de que o desmatamento nas áreas
de domínio de Mata Atlântica no período 1985/95-96, está econometricamente associado ao
subdesenvolvimento, isto é, desemprego e baixo IDH. Em geral, o desmatamento pode ser
explicado pela diminuição do número de pessoas ocupadas na área rural, pelo maior rebanho
bovino, pela diminuição das áreas de pastagem, pela menor extração de madeira em toras e
pelo baixo IDH. Em outras palavras, regiões longínquas e pobres, com menos população
81
ocupada, mas com maior rebanho bovino, menor área de pastagem e menos extração de
madeira em toras, desmatam mais.
Ademais, observou-se que estados da mesma região apresentam uma tendência de
desmatamento próxima. Isso é um importante indicador de que a política ambiental a ser
implementada para a mata atlântica deve se focar nas idiossincrasias de cada estado, e, no
máximo a região a que o estado pertence. Dessa forma, os impactos de tais políticas serão
muito maiores.
Assim, percebe-se que a biota atlântica necessita de um fortalecimento urgente da
governança das florestas. É preciso preservar o que ainda resta da Mata Atlântica e melhorar
as perspectivas econômicas da população rural com a criação de empregos e melhores
condições de vida. Atualmente já se verificam algumas iniciativas de preservação e uso
sustentável do meio ambiente. Dentre as ações que estão sendo implementadas, vale destacar:
lei da mata atlântica, ICMS ecológico e IR ecológico. Com essas medidas, busca-se diminuir
o ritmo de desmatamento nesse bioma, e, quem sabe, recuperar parte do que foi perdido.
82
Referências Bibliográficas
ANDERSEN, E. L. & REIS, E. J., 1997, Deforestation and Government Policy in the Brazilian Amazon: an Econometric Analysis. Texto para discussão, nº 513, IPEA.
ANDRADE, M.T.N., É Preciso Desmatar para Crescer? Evidências Empíricas para a Região Sul do Brasil, monografia de bacharelado, 2003, orientador: Carlos Eduardo Frickmann Young
ANGELSEN, A. & KAIMOWITZ, D., 1999. "Rethinking the causes of Deforestation: Lessons from Economic Models". The World Bank Research Observer, v. 14, n. 1, pp.73-98.
CABRAL, F. S. Desenvolvimento econômico, pobreza e desmatamento: Evidências Empíricas para as Regiões Sul e Sudeste no período 1991-2000. Graduação em Economia. Universidade Federal do Rio de Janeiro, UFRJ, Brasil, 2004.
CÂMARA, I.G., Brief History of Conservation in the Atlantic Forest, in: The Atlantic Forest of South America: Biodiversity Status, Threats and Outlook. Edited by Carlos Galindo-Leal and Ibsen de Gusmão Câmara. Center for Applied Biodiversity Science at Conservation International 2003 Ed.: Island Press, Washington, cap. 4, pp.31- 43.
CASTRO DE REZENDE, G. “Ocupação Agrícola e Estrutura Agrária no Cerrado: o papel do Preço da Terra, dos Recursos e da Tecnologia”. DIMAC/IPEA. Texto para discussão, n 114. Agosto, 2002.
DEAN, W., A Ferro e Fogo, A História e a Devastação da Mata Atlântica Brasileira. São Paulo: Companhia das Letras, 1996.
DORE, M., JOHNSTON, M. and STEVENS, H., 1996. Global Tropical Relations and the Phenomenon of Tropical Deforestation. Internet (http://spartan.ac.brocku.ca/~dore/tropical_deforestation)
FERRAZ, C. M., 2000. Measuring the Causes of Deforestation, Agriculture, Land Conversion and Cattle Ranching Growth: Evidence from the Amazon. IPEA, Draft.
FUNDAÇÃO SOS MATA ATLÂNTICA, Instituto Nacional de Pesquisas Espaciais e Instituto Socioambiental (1998). Atlas da evolução dos remanescentes florestais e ecossistemas associados no Domínio de Mata Atlântica no período 1985-1995. São Paulo: SOS Mata Atlântica
GEIST, H. J. & LAMBIM, E. F., 2002, "Proximate Causes Underlying Driving Forces of Tropical Deforestation", BioScience, v.52, n. 2, pp. 143-150.
GUJARATI, D.N., Econometria Básica. São Paulo: Pearson Eduacation do Brasil, 2000.
LEAL, C.G.; CÂMARA, I.G. Atlantic Forest Hotspot Status: An Overview. In: The Atlantic Forest of South America: Biodiversity Status, Threats and Outlook. Edited by Carlos Galindo-Leal and Ibsen de Gusmão Câmara. Center for Applied Biodiversity Science at Conservation International 2003 Ed.: Island Press, Washington, cap. 1, p.3-11.
83
MARGULLIS, S., 2003, Causas do Desmatamento da Amazônia Brasileira, Banco Mundial, Brasília.
PÁDUA, J. A. Um sopro de destruição: pensamento político e crítica ambiental no Brasil escravista (1786-1888). Rio de Janeiro, Jorge Zahar Editor, 2002.
PALO, M. & LEHTO, E. “ Tropical Asian Deforestation and Sustainability Prospects”. Finnish forest Research Prospects, Finland, 1996.
PARAYIL, G. & TONG, F. “ Pasture-led to Logging-led deforestation in the Brazilian Amazon: the dynamics of socio-environmental change”. Global Environmental Change, Vol.8. no 1, pp. 63-79, 1998.
PFAFF, A. “ What Drives deforestation in the Brazilian Amazon?”. MIT Department of Economics, April 1994.
REIS, E. J. and MARGULLIS, S., 1991. Options for Slowing Amazon Jungle Clearing. In: Economic Policy Responses to Global Warming. R. Dornbusch and J. Poterba (ed.) Cambridge, MA., MIT Press.
REIS, E. J., 1996. Os Impactos do Pólo Siderúrgico de Carajás no desflorestamento da Amazônia Brasileira. In: A Economia Brasileira em Perspectiva. Rio de Janeiro, IPEA, v.2, pp. 691-715.
SOUTHGATE, D. “Tropical Deforestation and Agricultural Development in Latin America”. The World Bank Environment Department. Divisional, Working Paper, number 1991-20. March 1991.
TOLE, L. “Sources of Deforestation in Tropical Development Countries”. Institute of Ecology & Resource Management, University of Edinburgh. Environmental Management, Vol. 22, no 1, pp. 19-33, 1998.
YOUNG, C. E. F., 1998. Public Policies and Deforestation in the Brazilian Amazon. In: Planejamento e Políticas Públicas, nº 18. IPEA, Internet.
YOUNG, C. E. F., Causas Sócio-Econômicas do Deflorestamento em Áreas de Mata Atlântica, 2002
YOUNG, C. E. F., Is Deforestation a solution for growth in rural areas? Evidence from the Brazilian Mata Atlantic, Working Paper Series, No. CBS-36-02, Centre for Brazillian Studies, University of.
YOUNG, C.E.F., Economia do Extrativismo em áreas de Mata Atlântica. In (eds): Sustentável Mata Atlântica. A exploração de seus recursos florestais. p173-184. São Paulo: Editora SENAC, 2002.
VIANNA RODRIGUES, R.L. Análise dos fatores determinantes do desflorestamento na Amazônia legal e cenários das emissões brutas de gases de efeito estufa em razão da conversão de florestas em atividades de agricultura e pecuária na região em 2020. Rio de Janeiro, 05/04/04 - COPPE/UFRJ. [Orientador Roberto Schaeffer].
