Upload
doliem
View
217
Download
0
Embed Size (px)
Citation preview
UNIVERSIDADE FEDERAL DE GOIÁS
PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS AMBIENTAIS
FRANCIELY JESUS GUEDES
DINÂMICAS DEMOGRÁFICAS E IMPACTOS AMBIENTAIS NAS RE GIÕES
DE FRONTEIRAS DE OCUPAÇÃO AMAZÔNICA
GOIÂNIA, 2017
Ficha de identificação da obra elaborada pelo autor, através doPrograma de Geração Automática do Sistema de Bibliotecas da UFG.
CDU 502/504
Jesus Guedes, Franciely DINÂMICAS DEMOGRÁFICAS E IMPACTOS AMBIENTAIS NASREGIÕES DE FRONTEIRAS DE OCUPAÇÃO AMAZÔNICA [manuscrito] /Franciely Jesus Guedes. - 2017. CIII, 103 f.: il.
Orientador: Prof. Dr. Fausto Miziara. Dissertação (Mestrado) - Universidade Federal de Goiás, Próreitoria de Pós-graduação (PRPG), Programa de Pós-Graduação emCiências Ambientais, Goiânia, 2017. Bibliografia. Anexos. Inclui mapas, gráfico, tabelas, lista de figuras, lista de tabelas.
1. Desmatamento. Amazônia. Fronteiras. Pastagem. Demografia.. I.Miziara, Fausto, orient. II. Título.
AGRADECIMENTOS
Ao final de um trabalho como este, é difícil agradecer a todos que ajudaram a subir mais
esse degrau do conhecimento. No entanto algumas pessoas, por serem tão fundamentais
para que o objetivo fosse alcançado merecem um destaque especial.
Primeiramente, ao amigo, professor e orientador deste projeto, Prof. Dr. Fausto Miziara,
pelos incentivos em todos os momentos, pela compreensão das minhas ausências
quando o Pedro nasceu, pelas considerações efetuadas e pela paciência durante a
realização do trabalho.
Aos professores Nilson Clementino e Paulo de Marco Jr, pelas sugestões quando da
qualificação.
Ao meu esposo, Rafael, e à minha mãe, Francisca, pelos incentivos, amor e
compreensão demonstradas. Sem eles seria impossível.
Aos colegas e professores do Ciamb e do Lapig, que direta ou indiretamente
participaram desta caminhada e que foram solidários e/ou me ajudaram nas minhas
dificuldades. Em especial, à colega Lana Mara Teixeira, por todo o auxílio prestado.
RESUMO
Essa trabalho busca compreender de que forma as dinâmicas demográficas e as
mudanças nos padrões de uso e ocupação do solo se relacionam com o desmatamento
em regiões de fronteira do Arco do Desmatamento na Amazônia. As análises
contemplam a escala temporal e espacial e foram conduzidas tanto no âmbito geral da
região quanto no nível dos municípios particularmente. Inicialmente, foram utilizadas
técnicas descritivas para caracterizar as diferentes fases da fronteira de uso e ocupação
do solo. Depois, uma análise mais detalhada é realizada para identificar as variáveis que
mais se relacionam com desmatamento na região por meio de modelos de regressão.
Dentre as variáveis avaliadas, a área total destinada às pastagens é a que melhor explica
o desmatamento. As variáveis demográficas não são boas preditoras mas, juntamente
com as variáveis sociais, funcionam bem como indicadoras da fase em que se encontra a
fronteira. Isso porque, as mudanças nos padrões de uso do solo se mostraram mais
fortemente ligadas ao aumento do desmatamento do que, de fato, a mobilidade
populacional.
Palavras-chave: Desmatamento. Amazônia. Fronteiras. Pastagem. Demografia.
ABSTRACT
This work seeks to understand how demographic dynamics and changes in land use and
land occupation patterns are related to deforestation in the frontier regions of the
Deforestation Arc in the Amazon. Analysis include temporal and spatial scale and have
been conducted both within the general region and at the level of municipalities.
Initially, we used descriptive techniques to characterize the different phases of land use
and land occupation frontier. Then, a more detailed analysis is performed to identify the
variables that are more related to deforestation in the region through regression models.
Among the evaluated variables, the total pasture area is the one that best explains
deforestation. Demographic variables are not good predictors but, together with social
variables, they work well as indicators of the stage of the frontier. This is because
changes in land use patterns have been shown to be more strongly linked to the increase
in deforestation than, indeed, to population mobility.
Keywords: Deforestation. Amazon. Frontiers. Pasture. Demography.
Índice de ilustrações
Lista de figuras
Figura 1 – Municípios prioritários e monitorados na Amazônia ................................................. 25
Figura 2- Razões de sexos: municípios selecionados .................................................................. 43
Figura 3 - Dendrogramas para as razões de sexos: municípios selecionados (MT e PA) ........... 45
Figura 4 - Taxas de urbanização: municípios selecionados ........................................................ 48
Figura 5 - Dendrogramas para taxas de urbanização: municípios selecionados (MT e PA) ....... 50
Figura 6 - Razões de sexos e taxas de urbanização: municípios selecionados ............................ 52
Figura 7- Arco do Desmatamento: diagramas de dispersão e modelos ajustados ....................... 57
Figura 8 - Diagramas de dispersão e modelos ajustados – Desmatamento x Pastagens:
municípios selecionados .............................................................................................................. 61
Figura 9 - Coeficientes de correlações lineares – Desmatamento x Pastagens: municípios
selecionados ................................................................................................................................ 71
Figura 10- Diagramas de dispersão e modelos ajustados – Desmatamento x Lavouras
Temporárias: subamostra ............................................................................................................ 72
Figura 11- Diagramas de dispersão e modelos ajustados – Desmatamento x Lavouras
Permanentes: subamostra ............................................................................................................ 76
Lista de gráficos
Gráfico 1 – Arco do Desmatamento: área dos estabelecimentos segundo a posse da terra ........ 34
Gráfico 2 - Áreas dos estabelecimentos segundo a posse da terra: municípios selecionados ..... 36
Gráfico 3 – Arco do Desmatamento: uso e cobertura do solo ..................................................... 38
Gráfico 4 - Uso e cobertura do solo: municípios selecionados ................................................... 39
Gráfico 5 - Arco do Desmatamento: razões de sexos ................................................................. 41
Gráfico 6 - Arco do Desmatamento: taxas de urbanização ......................................................... 47
Lista de tabelas
Tabela 1- Lista de Municípios com Desmatamento Monitorado e Sob Controle (atualizada em
14/10/2013) ................................................................................................................................. 26
Tabela 2- Lista de Municípios Prioritários (atualizada em 14/10/2013) ..................................... 26
Tabela 3 - Arco do Desmatamento: equações dos modelos simples ajustados ........................... 59
Tabela 4 - Arco do Desmatamento: equação do modelo múltiplo ajustado ................................ 60
Tabela 5- Equações dos modelos simples ajustados – Desmatamento x Pastagens: municípios
selecionados ................................................................................................................................ 68
Tabela 6- Equações dos modelos simples ajustados – Desmatamento x Lavouras Temporárias:
subamostra................................................................................................................................... 75
Tabela 7- Equações dos modelos simples ajustados – Desmatamento x Lavouras Permanentes:
subamostra................................................................................................................................... 78
Sumário
RESUMO ................................................................................................................................. 6
ABSTRACT ............................................................................................................................. 6
Introdução .................................................................................................................................. 10
1. Referencial teórico......................................................................................................... 12
1.1. Contextualização histórica ...................................................................................... 12
1.2. A fronteira de uso e ocupação do solo .................................................................... 15
1.3. A fronteira demográfica e a mobilidade populacional ............................................ 17
1.4. Os impactos ambientais nas regiões de fronteiras ................................................... 19
1.5. O caso da Amazônia ................................................................................................ 21
2. Metodologia ................................................................................................................... 24
2.1. Visão geral............................................................................................................... 24
2.2. Amostra selecionada ............................................................................................... 24
2.3. Dados avaliados ....................................................................................................... 27
2.4. Análises realizadas .................................................................................................. 29
3. Resultados e discussões ................................................................................................. 33
3.1 Variáreis de fronteiras ............................................................................................. 33
3.2 Variáreis demográficas ............................................................................................ 40
3.3 Sobre o desmatamento ............................................................................................ 56
4. Conclusão ....................................................................................................................... 79
Referências Bibliográficas ........................................................................................................ 82
ANEXOS ................................................................................................................................ 86
Anexo 1- Lista de Municípios com Desmatamento Monitorado e Sob Controle (atualizada em 14/10/2013) ................................................................................................................... 86
Anexo 2- Lista de Municípios Prioritários da Amazônia (atualizado em 14/10/2013) ....... 87
Anexo 3- Variáveis de fronteiras ........................................................................................ 88
Anexo 4- Variáveis demográficas ....................................................................................... 95
Anexo 5- Desmatamento entre 2000 e 2015 ..................................................................... 103
10
Demografia Ambiente
Fronteiras
Introdução O conceito de fronteira pode ser abordado tanto do ponto de vista populacional quanto a
partir de uma visão voltada para as relações sociais e de produção. Para Alves et al.
(2010), as dinâmicas demográficas em áreas de fronteira são reflexos dos processos de
ocupação dessas áreas, demonstrando, entre outros aspectos, a capacidade de fixação
populacional nessas regiões. Socialmente e de modo geral, a ideia de fronteira utiliza
uma abordagem a partir da separação em etapas ou fases de um processo contínuo de
uso e ocupação do solo. Martins (1996) explica o avanço de cada fase:
...adiante da fronteira demográfica, da fronteira da
‘civilização’, estão as populações indígenas, sobre cujos
territórios avança a frente de expansão. Entre a fronteira
demográfica e a fronteira econômica está a frente de
expansão, isto é, a frente da população não incluída na
fronteira econômica. Atrás da linha da fronteira econômica
está a frente pioneira, dominada não só pelos agentes da
civilização, mas, nela, pelos agentes da modernização,
sobretudo econômica, agentes da economia capitalista (...), da
mentalidade inovadora, urbana e empreendedora. (p. 31)
A evolução da fronteira é reflexo da mobilidade populacional e seu desenvolvimento
acarreta diversos impactos ambientais. Nesse contexto, Martins (1996) ressalta a
fronteira como um lugar de alteridade e conflitos
sociais para assegurar a ocupação do território
‘insuficientemente ocupado’. Muito embora,
essa abordagem de conflitos não será apreciada
neste trabalho, o qual tem por objetivo principal
relacionar as variáveis demográficas e
ambientais com processos produtivos de uso e
ocupação do solo nas regiões de fronteira de uso e ocupação da Amazônia.
Miziara (2000) trabalha a fronteira do ponto de vista social e a considera dividida em
etapas que se sucedem e, eventualmente, ocorrem em sincronismo. O autor parte da
chamada frente de expansão, onde a terra é geralmente ocupada por posseiros que a
exploram extensivamente. A seguir encontra-se a frente pioneira, fase em que as
11
atividades mercantis passam a ser fortemente reguladas pelo capitalismo e os
investimentos em infraestrutura se tornam evidentes. Finalmente, com a modernização
das atividades agropecuárias, a fronteira agrícola alavanca novas possibilidades sociais.
Diniz (2002) também propõe a divisão da fronteira, porém, em quatro fases
hierárquicas, sendo a primeira denominada como fase pioneira, seguida pelas fases
transitórias, consolidadas e, finalizando com a fase urbanizada. A trajetória evolutiva
dessas fases parte de uma agricultura rudimentar de subsistência até a economia
capitalista de mercado dos centros urbanos.
Embora Diniz não utilize a mesma terminologia que Miziara, ambos partem dos estudos
desenvolvidos por José de Souza Martins (precursor dos conceitos de ‘frente de
expansão’ e ‘frente pioneira’ utilizados por Miziara) e concordam que não é necessário
que uma etapa esteja findada para que outra inicie, ou mesmo, que ocorram todas as
fases propostas para o desenvolvimento da fronteira.
Assim, diante das possibilidades que as regiões de fronteiras nos oferecem, buscamos
compreender de que forma as dinâmicas demográficas e as mudanças nos padrões de
uso e ocupação do solo se relacionam com os impactos ambientais em regiões de
fronteira da Amazônia, tanto na escala temporal quanto espacial. Além disso, visamos
identificar como se comportam as variáveis pertinentes a cada uma das dimensões
supracitadas, e como essas dimensões podem impactar as demais.
De modo que o presente estudo destina-se a relacionar as dinâmicas demográficas, das
mudanças sociais e do uso da terra com os respectivos impactos ambientais nas regiões
de fronteiras de uso e ocupação do chamado arco do desmatamento na Amazônia.
Para cumprir os objetivos apresentados, partimos de uma contextualização histórica do
processo de ocupação da Amazônia brasileira. Essa contextualização é separada de
forma decenal apresentando os principais eventos das últimas décadas do século XX.
Posteriormente exploramos os conceitos da fronteira de uso e ocupação do solo
propostos no modelo teórico proposto por Miziara. Seguimos para a abordagem da
fronteira demográfica, tendo em vista que os fluxos populacionais e a migração
assumiram importante relevância na explicação dos impactos ambientais, e
principalmente, dos desmatamentos registrados nas regiões de fronteiras.
12
1. Referencial teórico
1.1. Contextualização histórica
A ocupação da Amazônia no Brasil se intensificou a partir das políticas de
interiorização do desenvolvimento implantadas nas décadas de 1940 e 1950 e da política
de integração nacional dos anos 1970. As primeiras ações tinham o objetivo de
reconhecer e demarcar as áreas ocupadas pelos povos indígenas e, posteriormente,
visavam implantar núcleos para absorver os excedentes populacionais de outros centros
urbanos, integrar a região aos processos produtivos nacionais e incorporá-la à economia
nacional. Desde então, o crescimento populacional nessas regiões é resultado de
investimento em infraestruturas, incentivos fiscais, crédito subsidiado e, em alguns
casos, na promessa de terras gratuitas por parte do governo federal. Esse último fato
levou à atração de grandes quantidades de migrantes que, por não disporem de recursos
financeiros nem conhecimento técnico para a exploração, acabaram causando severos
danos ambientais (ANACLETO; MIZIARA, 2006; GUIMARÃES; LEME, 2002;
SANTOS et al., 2012).
Dentre os programas de ocupação executados pelo governo federal para o
preenchimento dos vazios demográficos e integração do mercado nacional destacam-se
a chamada Marcha para o Oeste, vigente entre os anos de 1930 a 1945, e o Plano de
Metas, cujo principal feito foi a transferência da capital federal para a região central do
país. Esses programas reforçavam os esforços de interiorização com expressivos
investimentos em infraestrutura, causando grande impacto sobre a ocupação das regiões
Centro-Oeste e Norte e atraindo muitos imigrantes para essas terras (GUIMARÃES;
LEME, 2002).
A partir das décadas de 1960 e 1970 se torna evidente a presença da fronteira
econômica em algumas regiões da Amazônia. Essa fronteira é caracterizada pela
passagem da produção de excedentes para a produção de mercadorias e o
estabelecimento propriamente dito das relações capitalistas (ANACLETO; MIZIARA,
2006; MARTINS, 1996; MIZIARA, 2006). Nessa fase, as dinâmicas populacionais se
restringiam à chegada de imigrantes em busca de terra e oportunidades de trabalho e
posterior emigração dessa população para novas fronteiras ou centros urbanos
(ANACLETO; MIZIARA, 2006; D’ANTONA; VANWEY; LUDEWIGS, 2011;
MIZIARA, 2006; TRITSCH; LE TOURNEAU, 2016). Em geral, os posseiros que ali
13
habitavam se desfizeram de suas terras vendendo-as a um baixo preço, devido à pouca
valorização do terreno diante das condições precárias de infraestrutura e serviços
públicos, e voltaram a migrar em busca de novas áreas de fronteira ou retornaram às
cidades próximas. À medida que os investimentos financeiros e estruturais aumentaram,
o uso do solo começou a ser intensificado, acrescentando à agricultura áreas que antes
não eram destinadas às atividades agropecuárias. (ANACLETO; MIZIARA, 2006;
BROWDER et al., 2008; CÔRTES; D’ANTONA, 2014; D’ANTONA; VANWEY;
LUDEWIGS, 2011; MIZIARA, 2006)
A década de 1970 ficou marcada pela implantação de diversos outros programas
nacionais de incentivos de ocupação. Nas regiões Centro-Oeste e Norte do país,
destacam-se os Programas Integrados de Colonização (PIC) e o Programa de
Redistribuição de Terras e Desenvolvimento Agroindustrial (PROTERRA). Houve
ainda projetos particulares de colonização, voltados principalmente para o norte do
Mato Grosso e Tocantins, com colonos mais qualificados e o Programa de Incentivo
Fiscal para a Amazônia Legal, abrangendo Mato Grosso e o norte de Goiás, inclusive a
atual região do estado do Tocantins. Surgiram também aqueles programas que visavam
incentivar a prática de uma bovinocultura mais tecnificada, como o Programa Nacional
de Pastagens (1975) e o Programa Nacional da Pecuária (1977), ambos criados pelo
Conselho de Desenvolvimento da Pecuária de Corte (CONDEPE) e os programas de
incentivo às frentes comerciais como os Programas de Polos Agropecuários e Minerais
na Amazônia, o POLOAMAZÔNIA. (ANACLETO; MIZIARA, 2006; ESPÍRITO
SANTO FILHO, 2011)
Ainda durante a década de 1970, devido aos programas nacionais de ocupação e a
chamada Revolução verde, a fronteira agrícola avançou sobre o Cerrado, com
agricultores de outras regiões que já dominavam o padrão tecnológico e acabou sendo
um dos principais motivos das altas taxas de conversão de matas nativas. A rápida
expansão da agricultura intensificou o processo de degradação ambiental na região
(ESPÍRITO SANTO FILHO, 2011; MIZIARA, 2006; SANTOS et al., 2012). O
desmatamento aumentou em escala global e estudos indicam que na região amazônica a
degradação ambiental também foi muito significativa. As mudanças nos padrões de uso
e ocupação do solo culminaram com o aumento populacional, sobretudo devido à
migração de camponeses e nordestinos jovens à procura de terra e de emprego
(CÔRTES; D’ANTONA, 2014). As dinâmicas populacionais resumiam-se ao ciclo da
14
chegada de imigrantes rurais e posterior evasão desta população, pressionada pela
entrada de capital, para novas fronteiras ou centros urbanos. (BROWDER et al., 2008;
CÔRTES; D’ANTONA, 2014)
Na região Centro-Oeste a consolidação da ocupação do Cerrado foi marcada
principalmente a partir da década de 1980 pela expansão da agricultura da soja e de
outras culturas temporárias destinas à exportação. Na ocasião, importantes empresas
agroindustriais se estabeleceram na região, como consequência de investimentos estatais
em infraestrutura, vias de transporte, base energética e comunicações. Iniciava a fase de
modernização agropecuária, com elevadas taxas de crescimento econômico e oferta de
emprego, principalmente relacionados à produção de commodities. A expansão
econômica foi acompanhada da intensificação do uso do solo e de grandes fluxos
migratórios fazendo com que a população crescesse a taxas superiores às médias
nacionais. Em contrapartida, a população rural volta a migrar, empurrada para áreas
mais ao norte ou para os centros urbanos que se expandiram no período.
(GUIMARÃES; LEME, 2002)
Durante a década de 1990 fatores locais e espaciais da população sobre a degradação
ambiental, principalmente nas regiões de fronteiras, se mostraram mais relevantes.
Assim dados demográficos juntamente com imagens de satélites foram acrescentados
aos estudos sobre as mudanças de uso e cobertura do solo. Os componentes das
dinâmicas populacionais se tornaram cada vez mais importantes na compreensão do
desmatamento. A distribuição espacial da população passou a ser questionada quanto
aos seus impactos ambientais e a migração, ao invés do crescimento populacional,
passou a figurar entre os principais elementos dessa abordagem (CÔRTES;
D’ANTONA, 2014; GUIMARÃES; LEME, 2002). A preocupação por parte de
diversos segmentos científicos (ecólogos, ambientalistas, demógrafos) sobre o futuro da
floresta passou a ser cada vez maior, tendo em vista várias publicações da associação
entre expansão dos colonos, degradação ambiental e violência social, principalmente em
decorrência do alto influxo de migrantes entre 1965 e 1990 (GUEDES et al., 2011).
A partir dos anos 2000 o aumento na densidade populacional já não era o fator
determinante do desmatamento e das mudanças no uso do solo, mas considerada como
parte de complexo processo social, econômico e político que explicam os processos de
remoção da vegetação nativa (GUIMARÃES; LEME, 2002; TRITSCH; LE
TOURNEAU, 2016).
15
1.2. A fronteira de uso e ocupação do solo
O processo de ocupação de novas regiões da América pelas populações oriundas da
Europa tem sido objeto de reflexão por diversos autores. No caso específico do Brasil
existem vertentes de estudos que privilegiam aspectos específicos dessa dinâmica:
mudanças nas relações sociais, transformações econômicas e mudanças demográficas.
O fato de privilegiar determinados aspectos é produto da inserção de seus autores em
debates teóricos mais amplos, de modo geral associados com os campos disciplinares da
Sociologia, Economia, Geografia ou Demografia. Em comum existe uma tradição de
empregar o conceito “Fronteira”, o que o implica na necessidade de uma breve revisão
do mesmo.
Martins (1996) por exemplo, informa que
“As sociedades latino-americanas (...) ainda se encontram naquele estágio de sua história em que as relações sociais e políticas estão, de certo modo, marcadas pelo movimento da expansão demográfica sobre terras não ocupadas ou insuficientemente ocupadas. (...) É uma história de destruição. Mas, é também uma história de resistência, de revolta, de protesto, de sonho e de esperança.” ( p. 25–26).
Ao analisar o conceito de fronteiras de uso e ocupação do solo duas vertentes se
destacam: a demográfica, caracterizada pelos fluxos populacionais iniciais; e a
sociológica, representada através dos conflitos sociais e das relações de produção, sendo
que a degradação ambiental costuma estar presente em ambas. Essas abordagens
correspondem a diferentes modos de ver a fronteira. Do ponto de vista social, a
ocupação de áreas que tem como referência a população indígena ou camponesa,
vivendo de uma agricultura de subsistência ou, no máximo, de uma economia de
excedentes, é denominada frente de expansão. A ocupação que tem como referência as
relações empreendedoras reguladas pelas atividades econômicas e de mercado é
nomeada frente pioneira. Quando as atividades agropecuárias são intensificadas através
da expansão do padrão tecnológico com significativa mudança nos níveis de
investimento é caracterizada a fronteira agrícola que pode ainda ser entendida como o
espaço passível de ser alterado social, geográfica ou economicamente. (ANACLETO;
MIZIARA, 2006; ESPÍRITO SANTO FILHO, 2011; MARTINS, 1996; MIZIARA,
2000, 2006)
As frentes de expansão ocorrem em territórios caracterizados pelo vazio demográfico,
são marcados pela presença de pequenas propriedades e, consequentemente, pela
16
ausência da propriedade fundiária moderna. Essas pequenas propriedades costumam ser
ocupadas por posseiros e grileiros, onde o solo é demarcado principalmente pelo uso
extensivo para criação de gado ou agricultura de subsistência. Apresentam altos índices
de desmatamento e queimadas, pois têm grande parte da vegetação nativa removida,
embora as pastagens naturais costumam ser mantidas para alimentação do gado. A
pecuária extensiva requer baixo nível de inversão de capital e o gado apresenta
vantagens de não necessitar de muita infraestrutura para transporte e ser de fácil
comercialização (ANACLETO; MIZIARA, 2006; ESPÍRITO SANTO FILHO, 2011;
MARTINS, 1996; MIZIARA, 2006). Não há o estabelecimento próprio de relações
capitalistas (sociais e de produção) devido à insuficiente constituição dos mecanismos
de produção e da proximidade com uma economia mercantil simples. (ANACLETO;
MIZIARA, 2006; BARBIERI, 2007; BROWDER et al., 2008; ESPÍRITO SANTO
FILHO, 2011; MARTINS, 1996; MIZIARA, 2006).
A frente pioneira avança sobre os territórios já ocupados, embora esparsamente
povoados, e se define essencialmente pela presença da propriedade privada de terras e
do capital na produção. A racionalidade econômica, as constituições formais e
institucionais das mediações políticas estão visivelmente presentes. Passam a existir as
relações comerciais e de compra e venda da terra diante da facilidade de acesso a
políticas de crédito. De modo que essa etapa da fronteira se torna muito mais do que o
deslocamento da sociedade sobre novos territórios e áreas urbanas próximas que tendem
a se expandir. Nessa fase, a fronteira corresponde ao deslocamento de uma estrutura
inteira social e mercadológica de vida (ANACLETO; MIZIARA, 2006; MARTINS,
1996; MIZIARA, 2006)
A fronteira agrícola corresponde a uma situação social e espacial que induz à
modernização da produção. É uma região que apresenta condições para a expansão da
atividade agrícola porque costuma ser alvo de políticas governamentais de
desenvolvimento que, inclusive, estimulam a troca de experiências e técnicas utilizadas
em outras regiões que já passaram por esse processo. O solo passa a ser usado de modo
mais intensivo pela agricultura, inclusive de pastagens plantadas, que naturalmente
requer maior infraestrutura e investimento de capital culminando na expansão
tecnológica. Nessa etapa, a fertilidade natural do solo é um fator que perde relevância
para determinação do preço de venda da terra, tendo em vista que é passível de correção
e que áreas anteriormente consideradas inviáveis economicamente passam a compor o
17
sistema produtivo. A topografia assume um papel mais importante porque é o fator
limitante do maquinário a ser utilizado e, consequentemente, da lavoura a ser cultivada
no terreno (ESPÍRITO SANTO FILHO, 2011; MIZIARA, 2000, 2006; SANTOS et al.,
2012).
Após a consolidação da fronteira agrícola não são esperadas altas taxas de
desmatamento e sim altas taxas de urbanização. Entretanto, não existe o pressuposto de
consolidação de uma etapa da fronteira para o início da outra, e várias etapas desse
processo podem se sobrepor e acontecer simultaneamente. Miziara (2006) considera
ainda que o reordenamento do espaço produtivo em áreas já consideradas capitalistas
seja uma nova fase de ocorrência da fronteira agrícola podendo se repetir a cada nova
inversão expressiva de capital com consequente mudança na tecnificação e
intensificação de uso do solo. (MIZIARA, 2000, 2006).
1.3. A fronteira demográfica e a mobilidade populacional
A fronteira também pode ser avaliada a partir do ponto de vista demográfico,
caracterizada pela mobilidade populacional para regiões esparsamente povoadas
(MARTINS, 1996). Diniz (2002) considera que a fronteira demográfica é caracterizada
por pequenos produtores, organizados a partir de práticas agrícolas de subsistência. Em
geral, os fluxos populacionais dessa fase representam um deslocamento lento do
pequeno produtor, regulado pela prática do desmatamento e seguido da combinação de
períodos de cultivo e de pousio da terra, além da busca de solos mais férteis ou mesmo
por melhores condições de vida e de sobrevivência. Essas migrações são motivadas
tanto por decisões individuais (pessoais e domiciliares) quanto por fatores contextuais
(infraestruturas das comunidades locais, políticas públicas governamentais, influência
do mercado e de mão de obra, produção e crédito sobre a terra) que estão vinculados de
forma dinâmica e em diferentes escalas espaço-temporais. (ANACLETO; MIZIARA,
2006; BARBIERI, 2007; DINIZ, 2002; GUEDES et al., 2011).
A fronteira demográfica também pode ser definida como um processo cíclico migratório
que envolve o aumento da densidade populacional em regiões de floresta, tanto pela
migração quanto pela fertilidade. O aumento populacional leva à intensificação do uso
do solo através de ganhos sobre os recursos ambientais o que culmina no aumento do
preço da terra. As pequenas propriedades acabam sendo vendidas, em geral, para um
único comprador e constituem os chamados latifúndios, propriedades agrícolas com
18
extensões superiores a 10000 hectares. O pequeno produtor perde seu espaço e volta a
migrar para outra região de mata nativa, engendrando mais desmatamento, ou retorna
aos centros urbanos próximos (BILSBORROW; BARBIERI; PAN, 2004; JUSYS,
2016; TRITSCH; LE TOURNEAU, 2016).
À medida que a fronteira se expande, avança sobre a vegetação nativa seguindo com a
migração ao longo do tempo. Isso porque áreas indígenas e/ou campesinas são
invadidas, tanto por grileiros quanto por especuladores que se apoderam das terras e
acabam forçando índios e ribeirinhos a buscarem terras livres mais adiante
(ANACLETO; MIZIARA, 2006; TRITSCH; LE TOURNEAU, 2016). A partir da
década de 1970, com as políticas de ocupação oferecidas pelo governo federal e com
abundância de terra, chegaram à região amazônica muitos imigrantes. Em sua maioria,
nordestinos jovens que se deslocavam sem levar a família buscando oportunidade de
trabalho e terra (CÔRTES; D’ANTONA, 2014). Esses deslocamentos demográficos
intensos acabam induzindo a muitos problemas sociais e configuram áreas de intensa
alteridade e degradação ambiental (GUEDES et al., 2011; MARTINS, 1996). No
entanto, a migração também pode acontecer no sentido inverso, empurrando os
invasores de volta às cidades próximas, já que os impactos no ambiente alterado podem
afetar a saúde humana com alta incidência de doenças epidemiológicas. Assim sendo, a
dinâmica demográfica nas regiões de fronteiras pode ser avaliada a partir de dois pontos
de vista: o êxodo rural em direção às cidades e o deslocamento para outro rural ainda
florestado – a nova fronteira. (CÔRTES; D’ANTONA, 2014; JUSYS, 2016; TRITSCH;
LE TOURNEAU, 2016)
Posteriormente aos deslocamentos populacionais iniciais e com a intensificação do uso
do solo, advém a migração de uma população com maior poder aquisitivo que traz
consigo mais investimentos, aumentando tanto as áreas com lavoras e/ou pastagens
artificiais quanto a necessidade de mais infraestrutura e mão de obra qualificada
(ANACLETO; MIZIARA, 2006; DINIZ, 2002). Esses investimentos proporcionam
também um acréscimo na oferta de empregos e outro fluxo migratório pode ser
observado, porém agora caracterizado pelo deslocamento populacional de cidades
vizinhas. Essa dinâmica populacional associada à expansão da atividade agrícola é
caracterizada pela concentração fundiária, principalmente pela aglutinação de lotes
vizinhos, e rápida urbanização, que impacta diretamente nos ciclos de uso e cobertura
19
do solo. (BARBIERI, 2007; CÔRTES; D’ANTONA, 2014; D’ANTONA; VANWEY;
LUDEWIGS, 2011).
Os deslocamentos que não acontecem necessariamente entre unidades administrativas
ou que estejam relacionados à mudança permanente de residência também funcionam
como elemento transformador do ambiente. Destaca-se a relevância da movimentação
interna no meio rural onde a redistribuição da população associou-se à transformação de
áreas estritamente rurais em microrregiões com pequenas propriedades, alta densidade
populacional, concentração de serviços e infraestrutura. A fragmentação de
propriedades mostrou-se conectada a questões familiares, interesses financeiros e
experiências locais, alterando o tamanho das propriedades e seus potenciais agrícolas e,
consequentemente, alterando o caráter fundiário, institucional e social dessas áreas,
aproximando-se de um cenário urbano. Novas estratégias passam a delinear a tomada de
decisão quando inseridas no contexto onde rural e urbano se mesclam mais
intensamente. (BILSBORROW; BARBIERI; PAN, 2004; CÔRTES; D’ANTONA,
2014)
1.4. Os impactos ambientais nas regiões de fronteiras
A noção de impacto ambiental corresponde aos diferentes aspectos sociais, econômicos
e culturais em diversas escalas numa dada região. Atualmente, as mudanças
demográficas acarretam intensos impactos ambientais em todo o planeta (MELLO;
SATHLER, 2015).
Um dos impactos ambientais mais estudados nos últimos anos tem o sido
desmatamento, principalmente, em áreas de florestas tropicais. Durante algum tempo, o
movimento de um contingente populacional para áreas pouco habitadas foi considerado
o fator causal principal do desmatamento, tendo o colono como principal agente. No
entanto, o processo de mobilidade demográfica nas regiões fronteiriças, em particular na
região da Amazônia brasileira, é mais complexo e pode ser descrito, nas palavras de
Côrtes e D’Antona (2014), por uma série de movimentos:
os colonos (ou pequenos posseiros) abandonavam suas terras migrando para
novas fronteiras agrícolas ou para cidades; concomitantemente, novos
ocupantes (ou mesmo antigos colonos), mais capitalizados, chegavam de
outras regiões agregando os lotes originais em maiores estabelecimentos
agropecuários. Destes mecanismos decorrem sucessivos ciclos de uso e
20
cobertura da terra, que, no geral, implicaram elevado índice de
desmatamento, concentração fundiária e rápida urbanização.
Nesse contexto, há que se considerar a possibilidade de regeneração florestal em
propriedades abandonadas em que os ocupantes retornaram ao meio o urbano ou
mudaram o cultivo predominante e a aceleração do desmatamento proveniente da
chegada de migrantes de maior poder aquisitivo, onde o incentivo público à ocupação
justifica-se pela degradação ambiental e infraestrutura provenientes dos primeiros
colonos (CHÁVEZ; BROADBENT; ALMEYDA ZAMBRANO, 2014; CÔRTES;
D’ANTONA, 2014). Quando a fronteira já está consolidada e a economia passa a ser
baseada na agricultura comercial é evidente a concentração de terras em grandes
propriedades, o mercado imobiliário inflacionado e a presença de grandes
empreendimentos agrícolas, o que acaba interferindo profundamente nas relações
econômico-demográficas e ambientais da região. (CÔRTES; D’ANTONA, 2014;
GUIMARÃES; LEME, 2002).
As pessoas migram para as regiões de fronteira após serem expulsas das regiões de
origem devido a condições econômicas desfavoráveis. E, apesar do baixo padrão
tecnológico, o colono encontra condições de subsistência a partir do uso extensivo do
solo. Esse é um processo recorrente e acontece em todas as etapas da fronteira, já que o
camponês volta a migrar por diversos fatores tais como pressão populacional,
característica socioeconômica, fatores institucionais e ecológicos, rede social, educação
e condições estruturais. (GUEDES et al., 2011; MARTINS, 1996; MIZIARA, 2000).
A migração para áreas de fronteira, inclusive as movimentações internas rurais, acarreta
muitos impactos ambientais e é considerada relevante para o desmatamento, degradação
dos recursos naturais e urbanização. Isso porque áreas estritamente rurais transformam-
se em microrregiões com alto adensamento populacional e alguma concentração de
serviços e infraestrutura. Consequentemente, ocorrem mudanças nos padrões de uso e
ocupação do solo e os municípios que compõem essas regiões acabam sendo
desmembrados, criando novos municípios e evidenciando o aumento da complexidade
da rede urbana (ALVES et al., 2010; CÔRTES; D’ANTONA, 2014). Embora a
distinção entre o rural e o urbano se torne sempre mais difícil, esses movimentos
migratórios são cada vez mais relevantes para a determinação tanto do tamanho quanto
da estrutura populacional de determinada localidade (HOGAN, 2001).
21
Com a chegada e expansão da infraestrutura e a intensificação do uso do solo, mais
áreas de cobertura vegetal são removidas, aumentando o desmatamento e afetando a
qualidade de vida do ponto de vista ambiental e social. As mudanças nos padrões de uso
do solo costumam estar fortemente ligadas ao aumento do desmatamento. O aumento do
padrão tecnológico e o avanço da agropecuária em larga escala acabam levando à
extinção de pequenas propriedades. E como consequência do surgimento de grandes
latifúndios, ocorre a expulsão das populações rurais, ou seja, a migração em larga escala
para as regiões metropolitanas (ALVES et al., 2010; BARBIERI, 2007; CÔRTES;
D’ANTONA, 2014).
A degradação ambiental é um elemento permanente nas áreas de fronteira e, com a
intensificação agropecuária, a distribuição espacial da população torna-se mais relevante
do que o tamanho da respectiva população, isso porque acaba interferindo de formas
diferentes no ambiente(CÔRTES; D’ANTONA, 2014).
1.5. O caso da Amazônia
Desde a década de 1970 a Amazônia brasileira tem sido o alvo de intensa ocupação em
decorrência, principalmente, dos programas de incentivo por parte do governo federal e
entrada de capital vindo da iniciativa privada. Consequentemente, a região sofreu
muitos impactos ambientais, com ênfase para o aumento nas taxas de desmatamento.
Desde então, passou também a ser alvo de diversos estudos ambientais, bem como
estudos populacionais, e, mais recentemente, estudos que mesclam essas duas áreas de
pesquisa (CÔRTES; D’ANTONA, 2014; GUEDES et al., 2011; TRITSCH; LE
TOURNEAU, 2016).
A Amazônia, de modo geral, apresenta padrões cíclicos de ocupação bastante
consistentes com as teorias de fronteiras (TRITSCH; LE TOURNEAU, 2016). Os
aspectos demográficos e o desmatamento nessas áreas de floresta tropical são bastante
dinâmicos e apresentam forte relação de dependência temporal com a fase predominante
da fronteira. A ocupação inicia com os primeiros colonos que se apossam de áreas
públicas visando algum cultivo de subsistência e a demarcação da terra utilizando
criações extensivas de gado (BARBIERI; CARR; BILSBORROW, 2009; JUSYS, 2016;
MIZIARA, 2006; TRITSCH; LE TOURNEAU, 2016). O avanço da economia de
mercado, representado principalmente pela da posse da terra, conduz a consequências
diretas sobre as áreas desmatadas. À medida que a fronteira avança e o padrão
22
tecnológico aumenta, a terra se valoriza e posteriormente é vendida, facilitando a
entrada de mais tecnologia. O pequeno produtor acaba sendo forçado a migrar para
outra porção da floresta, engendrando mais desmatamento. Tal dinâmica de ocupação é
caracterizada pela alta concentração de terras, intensa violência rural e expansão da
fronteira agrícola (DE SOUZA; MIZIARA; DE MARCO JUNIOR, 2013).
Ainda assim, é muito difícil estabelecer uma relação direta entre desmatamento e
aumento da densidade populacional tendo em vista que as condições de ocupação do
território amazônico variam muito e não convém apontar a perda de vegetação nativa
como consequência da pressão populacional (GUEDES et al., 2011). É possível, dentre
outros casos, encontrar áreas com baixa densidade demográfica e altas taxas de
desmatamento, assim como áreas com alta concentração populacional e praticamente
nenhuma remoção da vegetação nativa. A primeira situação, em particular, é resultado
principalmente da especulação fundiária, onde grandes áreas de floresta foram
convertidas em pastagens para criação extensiva de gado, assegurando a demarcação, a
posse e a produtividade da terra de forma barata (BILSBORROW; BARBIERI; PAN,
2004; TRITSCH; LE TOURNEAU, 2016). Estima-se que a concentração fundiária
corresponda a aproximadamente 20% do desmatamento observado nos municípios
amazônicos (DE SOUZA; MIZIARA; DE MARCO JUNIOR, 2013). Posteriormente,
com a valorização e a intensificação do uso do solo pela agricultura, essas propriedades
foram convertidas em plantações de larga escala. Outro aspecto que reforça a teoria de
fronteiras é o crescimento do êxodo rural e da urbanização nos munícipios próximos
(BILSBORROW; BARBIERI; PAN, 2004; TRITSCH; LE TOURNEAU, 2016).
Há que se considerar ainda que o desmatamento na Amazônia ocorre com baixos níveis
tecnológicos e muitos municípios da região apresentam baixos níveis de produção
agrícola, disponibilidade de trabalho e emprego e absorção de mão de obra, indicando
uma subutilização da terra. O chamado Arco do Desmatamento representa os
municípios onde esse processo de colonização é mais agressivo e a referida prática de
baixa tecnologia acaba se vinculando à perpetuação da retirada da vegetação nativa e a
concentração da estrutura fundiária. Essa relação de baixo investimento tecnológico
associado a altos níveis de desmatamento é explicada principalmente pela criação
extensiva de gado e/ou agricultura pouco tecnificada (DE SOUZA; MIZIARA; DE
MARCO JUNIOR, 2013).
23
Mais recentemente, após os anos 2000, houve alguma diminuição no desmatamento da
Amazônia, devido ao aumento no número de áreas de proteção ambiental, queda nos
preços internacionais de commodities e aumento de controle por parte do governo
brasileiro (DE SOUZA; MIZIARA; DE MARCO JUNIOR, 2013).
24
2. Metodologia
2.1. Visão geral
Estudo exploratório realizado nas regiões de fronteira de ocupação da Amazônia,
especificamente, em municípios do chamado Arco do Desmatamento, entre os anos de
1970 e 2015. Inicialmente, buscou-se identificar diferentes fases da fronteira de
ocupação para depois, a partir dos dados disponíveis, relacionar as variáveis que melhor
explicam o desmatamento na região.
2.2. Amostra selecionada
Segundo o Ministério do Meio Ambiente, o Governo Federal, por meio do Decreto n°
6.321 de 21 de dezembro de 2007, estabeleceu uma série de ações de forma a prevenir,
monitorar e controlar o desmatamento ilegal no bioma Amazônia. Dentre tais ações,
cita-se a Lista de Municípios Prioritários e a Lista de Municípios com Desmatamento
Monitorado e sob Controle, as quais recebem os municípios em que serão priorizadas as
medidas de monitoramento e controle do desmatamento pelos órgãos federais.
Para fins de análise, foram considerados todos os municípios inseridos nas listas
publicadas em 14/10/2013, exceto o município Mucajaí, único do estado de Roraima,
conforme pode ser visto na Figura 1.
25
Figura 1 – Municípios prioritários e monitorados na Amazônia
Fonte: http://www.mma.gov.br/informma/item/8645-lista-de-munic%C3%ADpios-priorit%C3%A1rios-da-amaz%C3%B4nia acesso em 07/07/2016
26
Os municípios selecionados estão apresentados nos anexos (Anexo 1- Lista de Municípios
com Desmatamento Monitorado e Sob Controle (atualizada em 14/10/2013) e Anexo 2- Lista
de Municípios Prioritários da Amazônia (atualizado em 14/10/2013), páginas 86 e 87)
juntamente com o ano de entrada e saída, no caso daqueles que apresentam desmatamento sob
controle, e número de portaria do Ministério do Meio Ambiente que o considerou e
sumarizados nas tabelas 1 e 2, apresentadas a seguir:
Tabela 1- Lista de Municípios com Desmatamento Monitorado e Sob Controle
(atualizada em 14/10/2013)
Mato Grosso Pará
*Querência
*Marcelândia
*Brasnorte
*Alta Floresta
*Feliz Natal
*Ulianópolis
*Santana do Araguaia
*Paragominas
*Dom Eliseu
*Brasil Novo
*Tailândia
Fonte: http://www.mma.gov.br/informma/item/8645-lista-de-munic%C3%ADpios-priorit%C3%A1rios-da-
amaz%C3%B4nia acesso em 07/07/2016
Tabela 2- Lista de Municípios Prioritários (atualizada em 14/10/2013)
Amazonas Maranhão Mato Grosso Pará Rondônia
*Lábrea
*Boca do
Acre
*Amarante do
Maranhão
*Grajaú
*Vila Rica
*São Félix do
Araguaia
*Porto dos Gaúchos
*Peixoto de Azevedo
*Paranaíta
*Nova Ubiratã
*Nova Maringá
*Nova Bandeirantes
*Juína
*Gaúcha do Norte
*Cotriguaçu
*Confresa
*Colniza
*Aripuanã
*Juara
*Tapurah
*São Félix do Xingu
*Santa Maria das
Barreiras
*Rondon do Pará
*Novo Repartimento
*Novo Progresso
*Cumaru do Norte
*Altamira
*Pacajá
*Marabá
*Itupiranga
*Moju
*Senador José Porfírio
*Anapu
*Porto Velho
*Pimenta Bueno
*Nova Mamoré
*Machadinho
D'oeste
27
*Santa Carmem
*Cláudia
*Alto Boa Vista
Fonte: http://www.mma.gov.br/informma/item/8645-lista-de-munic%C3%ADpios-priorit%C3%A1rios-da-
amaz%C3%B4nia acesso em 07/07/2016
2.3. Dados avaliados
Foram considerados três dimensões de análise, com as seguintes variáveis:
1- Variáveis de fronteiras:
o Evolução do capitalismo – avaliada a partir da proporção de terras declaradas próprias
em relação às terras ocupadas, arrendadas ou em parceria. As variáveis utilizadas estão
nomeadas e descritas por:
� TerArrend - Área do estabelecimento - terras arrendadas - Hectare - Fonte:
IBGE (acesso via http://www.ipeadata.gov.br )
� TerOcup - Área do estabelecimento - terras ocupadas - Hectare - Fonte: IBGE
(acesso via http://www.ipeadata.gov.br )
� TerParc - Área do estabelecimento - terras em parceira - Hectare - Fonte: IBGE
(acesso via http://www.ipeadata.gov.br )
� TerProp - Área do estabelecimento - terras proprias - Hectare - Fonte: IBGE
(acesso via http://www.ipeadata.gov.br )
o Mudanças no uso e coberturas do solo – avaliadas a partir da proporção de cultivo
predominante nos estabelecimentos e declaradas nos censos agropecuários e PAM
(Produção Agrícola Municipal) – IBGE:
� Floresta_Nat - Utilização das terras - matas e florestas naturais - área - Hectare
- Fonte: IBGE (acesso via http://www.ipeadata.gov.br )
� Floresta_Plant Utilização das terras - matas plantadas (artificiais) - área -
Hectare - Fonte: IBGE (acesso via http://www.ipeadata.gov.br )
� Past_Nat - Utilização das terras - pastagens naturais - área - Hectare - Fonte:
IBGE (acesso via http://www.ipeadata.gov.br )
� Past_Plant - Utilização das terras - pastagens plantadas (artificiais) - área -
Hectare - Fonte: IBGE (acesso via http://www.ipeadata.gov.br )
2- Variáveis demográficas:
o Razões de sexo
28
� PopTotal - População residente ressenceada para anos censitários - total ou
População residente estimada em 1º de julho - estimativas - Habitante - Fonte: IBGE
(acesso via http://www.ipeadata.gov.br ou https://www.ibge.gov.br)
� PopMulheres - População residente - mulheres - Habitante - Fonte: IBGE
(acesso via http://www.ipeadata.gov.br ou https://www.ibge.gov.br ).
� PopHomens - População residente - homens - Habitante - Fonte: IBGE (acesso
via http://www.ipeadata.gov.br ou https://www.ibge.gov.br )
� Rsexos - Razão entre o número de homens e o número de mulheres em uma
população – Calculada dos dados obtidos.
o Taxa de urbanização
� PopUrbana - População residente - urbana - Habitante - Fonte: IBGE (acesso
via http://www.ipeadata.gov.br ou https://www.ibge.gov.br ).
� PopRural - População residente - rural - Habitante - Fonte: IBGE (acesso via
http://www.ipeadata.gov.br ou https://www.ibge.gov.br ).
� TxUrban - Porcentagem da população da área urbana em relação à população
total – Calculada dos dados obtidos.
3- Variáveis relacionadas com impactos ambientais:
o Desmatamento – Taxas anuais de desmatamento da Amazônia legal disponibilizadas
pelo projeto PRODES e estimadas a partir dos incrementos de desmatamento identificados
em cada imagem de satélite que cobre a região, combinando dados de LANDSAT (20 a 30
metros de resolução espacial e taxa de revisita de 16 dias), imagens TM, do satélite
americano LANDSAT-5, imagens CCD do CBERS-2 e do CBERS-2B. Além disso, o
PRODES também fez uso de imagens LISS-3, do satélite indiano Resourcesat-1, e de
imagens do satélite inglês UK-DMC2. De modo que, a área mínima mapeada é de 6,25
hectares. (dados disponíveis em http://www.dpi.inpe.br/prodesdigital/prodesmunicipal.php
). Embora os dados sejam apresentados em km², para fins de análises, foram transformados
em hectares.
o Past_total - Área total de pastagem - Hectare – (acesso via https://pastagem.org).
Mapas de pastagens produzidos, em projeto de parceria LAPIG e MAPBIOMAS, a partir
de imagens Landsat 8, baseados em algoritmos aleatórios para classificação de florestas e
corrigidos através de máscaras de agricultura, área urbana e floresta plantada (PARENTE
et al., 2017).
29
Para fins de padronização de resultados, todas as variáveis com alguma medida relacionada à
área foram transformadas em hectares. Todas as análise foram realizadas utilizando o
software Stata/IC 14.2 para Windows tanto na escala macro do Arco do Desmatamento
quanto na escala individual dos municípios.
Os dados relativos às variáveis supracitadas foram obtidos de fontes secundárias como censos
populacionais, censos agropecuários, sistemas de estatísticas vitais, pesquisas por amostragem
domiciliar e imageamento satelitário disponíveis nas seguintes bases de dados:
� IBGE - Instituto Brasileiro de Geografia e Estatística
� IPEA – Instituto de Pesquisa Econômica Aplicada
� INPE - Instituto Nacional de Pesquisas Espaciais
� LAPIG (IESA/UFG) - Laboratório de Processamento de Imagens e Geoprocessamento
(Instituto de Estudos Socioambientais/ Universidade Federal de Goiás)
� PRODES – Projeto de Estimativa do Desmatamento da Amazônia por Satélite
2.4. Análises realizadas
Os dados disponíveis foram avaliados segundo técnicas estatísticas de análise descritiva,
análise de cluster e modelos de regressão e, sempre que possível, a visualização através de
mapas da região.
Estatística descritiva
Análises descritivas correspondem a técnicas destinadas a descrever e resumir um conjunto de
dados, possibilitando obter informações sobre padrões e características gerais registradas na
amostra. Além de contribuir para avaliar a consistência dos dados e realizar interpretações
iniciais. Dentre as principais ferramentas para realizar uma análise descritiva destacam-se o
uso de tabelas e gráficos (MAGALHÃES; LIMA, 2004). Para o estudo em questão optou-se
por utilizar como ferramentas visuais os gráficos de linhas, para expressar evoluções ao longo
do tempo, e de barras, para expressar frequências e números absolutos.
Análise de cluster
Já a análise de cluster é uma técnica de agrupamento para a qual nenhum pressuposto é
realizado em relação ao número de grupos ou estrutura do próprio agrupamento em si. A ideia
central é encontrar um agrupamento natural. Basicamente, os grupos são formados a partir de
30
medidas de distância (de similaridade ou dissimilaridade), bastando que essas medidas
possam ser calculadas (JOHNSON; WICHERN, 2007).
Muitos conceitos de distâncias podem ser utilizados para estimar a (dis)similaridade entre
observações ou mesmo entre variáveis. Em geral, a distância Euclidiana é a mais utilizada
para a realização da análise de cluster. Para tal, considere dois vetores de observações p-
dimensional �� = [��, ��, … , �] e �� = [��, ��, … , �]. A distância estatística entre essas
observações é dada por � �, �� = � � − ��′��� � − ��, onde S representa a matriz de
variâncias e covariâncias. Além de muitas medidas de distância, essa ferramenta também
possui muitas formas de aglomeração. As mais usuais são as técnicas de agrupamento
hierárquico que promovem sucessivas inclusões ou a separações dos elementos a serem
agrupados (JOHNSON; WICHERN, 2007).
Os métodos hierárquicos aglomerativos iniciam o agrupamento com cada elemento sendo um
cluster, então os objetos mais similares são agrupados formando novos clusters e esses grupos
vão sendo unidos de modo a manter a menor distância entre eles. Finalmente, todos os
subgrupos formam um único cluster. Nos métodos hierárquicos divisivos, os clusters são
formados no sentido inverso. Partindo de um único cluster com todas as observações, os
elementos são consecutivamente separados de acordo com a dissimilaridade entre si. O
processo continua até que cada observação seja considerada um cluster distinto. Os resultados
de ambos os processos podem ser visualizados por meio de dendrogramas, diagramas que
ilustram a junção ou separação realizada em cada nível do agrupamento (JOHNSON;
WICHERN, 2007).
Para o estudo em questão foi utilizado o método aglomerativo denominado average linkage.
Os métodos de ligação costumam ser bastante sensíveis agrupando itens ou variáveis. Entre os
mais comuns estão single linkage (distância mínima entre elementos), complete linkage
(distância máxima entre os elementos) e average linkage (distância média entre os elementos)
(JOHNSON; WICHERN, 2007).
A ligação pela distância média (average linkage) considera a distância entre dois grupos como
a distância média entre todos os pares de itens onde os elementos de cada par pertencem a
cada cluster existente. O algoritmo funciona exatamente como no caso geral, buscando uma
matriz de distâncias D={dik} para encontrar os objetos mais próximos, U e V, por exemplo.
Esses objetos passam a formar um único cluster (UV). Então a distância entre (UV) e um
31
cluster W é determinada por � ���,� = ∑ ∑ �����
� �����, onde � ! é a distância do objeto " no cluster
(UV) ao objeto # do cluster W, respectivamente.
Segundo Johnson & Wichern (2007), o método average linkage costuma apresentar uma
configuração muito semelhante ao complete linkage, porém como a distância é definida de
forma diferente, as junções ocorrem em níveis distintos. A escolha pelo método average
linkage foi por apresentar menos valores extremos, embora simulações tenham sido realizadas
com o método complete linkage, e de fato, obtido resultados análogos .
Modelo de regressão linear
Análise de regressão é a parte central de muitos projetos de pesquisa e neste caso não é
diferente. Regressão é o estudo de relações de dependência entre variáveis. Essas relações,
quando existem, podem assumir vários padrões. No entanto o modelo mais comumente
utilizado é o de regressão linear. Um ponto fundamental para visualizar essas relações, é
plotar os dados em gráficos apropriados, os chamados diagramas de dispersão, muito úteis
quando dispõe-se de apenas uma variável resposta e uma variável explicativa. Os diagramas
de dispersão auxiliam, de modo bastante razoável, na decisão de que a variável resposta possa
ser independente da variável apresentada do eixo das abcissas, quando os pontos se mostram
totalmente aleatórios, ou ainda, quando apresentam relações fortes. Além de identificar
possíveis pontos discrepantes ou influentes (outliers). E, no caso linear, em que a tendência é
de formar uma reta, é fácil verificar se o modelo está bem ajustado e a direção da relação. As
relações lineares podem ser diretas, quando ambas as variáveis crescem ou decrescem
simultaneamente, ou inversa, quando uma cresce à medida que outra decresce
(MONTGOMERY; RUNGER, 2003; WEISBERG, 2005).
Considere um problema envolvendo a regressão entre duas variáveis: uma explicativa, ou
independente, e uma resposta, ou variável dependente, genericamente denominadas X e Y,
respectivamente. Os dados consistem de todos os valores � , � �, " = 1, 2, … , & de (X,Y). O
objetivo da regressão é entender como os valores de Y mudam à medida que os valores de X
variam. Essa variação pode ser representada por um modelo probabilístico dados por ' =
() + (�� + +, onde + representa o termo aleatório do erro. Um aspecto importante dessa
distribuição é a função média definida por: , '|. = �� = () + (�� (lê-se: o valor esperado
da variável resposta dado um valor fixo, x, para a variável preditora). Em particular, essa
função média contém dois parâmetros, o intercepto, (),e o coeficiente angular, (�,
32
denominados coeficientes da regressão. A variância de Y dado um valor de X é expressa por
/01 '|. = �� = / +� = 2². Desse modo, a variabilidade de Y para algum valor particular �,
é determinada apenas pela variância do erro, que é constante e normalmente distribuída com
média igual a zero. Também é um pressuposto que os erros aleatórios correspondentes a
diferentes observações sejam variáveis aleatória não correlacionadas (MONTGOMERY;
RUNGER, 2003; WEISBERG, 2005).
Em geral, os parâmetros da regressão são estimados a partir dos dados disponíveis. O método
mais comum para a estimação desses parâmetros foi proposto por Karl Gauss (1777-1855) e é
denominado método dos mínimos quadrados. E consiste em minimizar as somas quadráticas
dos desvios dos valores observados em relação à reta ajustada. No caso do modelo
supracitado, os coeficientes formam o modelo de regressão linear simples ajustado. Ou seja,
representam uma reta, com somente uma variável explicativa. Modelos lineares múltiplos
representam uma reta, porém com mais variáveis regressoras. Nesses casos, e dependendo da
quantidade de variáveis independentes, a visualização por meio de gráficos de dispersão
costuma não ser possível (MONTGOMERY; RUNGER, 2003; WEISBERG, 2005).
33
3. Resultados e discussões
As análises das variáveis selecionadas foram realizadas tanto no âmbito global da região do
Arco do Desmatamento quanto no nível particular de cada município. Para as avaliações
generalistas os valores atribuídos a cada variável correspondem à média dos valores
individuais dos municípios.
3.1 Variáreis de fronteiras
A análise da evolução da fronteira de uso e ocupação do solo foi realizada a partir dos dados
disponíveis nos censos agropecuários realizados pelo IBGE nos anos 1970, 1980, 1995 e
2006. Embora existam outros dados disponíveis no intervalo de tempo avaliado, foram
considerados apenas esses anos por serem os mais próximos dos censos/contagens
populacionais, a fim de possibilitar uma melhor comparação com as variáveis demográficas.
Para avaliar a evolução do modo de produção capitalista e predominância da frente de
expansão ou da frente pioneira foram utilizados os dados referentes às áreas das propriedades
e separados por tipo de ocupação nos municípios selecionados. Avaliação semelhante é
realizada para identificar as mudanças referentes ao uso do solo, considerando a área das
propriedades destinadas ao cultivo de pastagens, lavouras ou florestas.
Os dados estão sumarizados por meio de gráficos ao longo do tempo e, maiores detalhes sobre
os valores utilizados estão disponíveis no Anexo 3- Variáveis de fronteiras, página 88.
Evolução do capitalismo
Segundo os modelos apresentados, à medida que a fronteira avança sobre os territórios, evolui
de uma organização agropecuária extensiva e de subsistência para culturas mais tecnificadas.
Esse desenvolvimento, do ponto de vista econômico, corresponde inicialmente a um sistema
rudimentar regulado pela produção de excedentes até um sistema completamente
mercantilista regulado pelo capital. Nas fases iniciais da fronteira é comum que grande parte
das terras sejam ocupadas por posseiros, havendo ainda uma porção residual que pode ser
tanto arrendada como cultivada em parcerias. Nas fases mais capitalizadas, as terras
correspondem, basicamente, a propriedades privadas que compõem os latifúndios
(BARBIERI, 2007; DINIZ, 2002; JUSYS, 2016; MARTINS, 1996; MIZIARA, 2000, 2006).
Para facilitar a visualização dessa evolução
seguir estão apresentados os gráficos de
terras em parceria, arrendadas, ocupadas ou próprias.
separadas por ano no Gráfico
separados por municípios e por unidade da federação a que pertencem e exibidos para cada
um dos anos considerados, mostrados no
Gráfico 1 – Arco do Desmatamento: área dos estabelecimentos segundo a posse da terra
Fonte: IBGE
Em 1970, aproximadamente 60%
Desmatamento correspondiam a propriedades próprias e as áreas ocupadas representavam
20% do total de estabelecimentos. Terras utilizadas
do total e juntamente com as pro
1980, as propriedades privadas já respondem por quase 80% do total, não houve grandes
alterações em relação à proporção de áreas ocupadas, mas as terras arrendadas sofrem uma
drástica redução e as utili
residual e, a partir de então, são praticamente inexistentes.
das propriedades privadas é superior a 95% das terras, mas ainda há uma pequena proporção
de terras ocupadas. Finalmente, em 2006, as áreas ocupadas são ainda mais reduzidas,
perdendo espaço para terras arrendadas que apresentam ligeira alta. Enquanto isso, as
propriedades privadas representam quase a totalidade
são condizentes com aqueles observados por
áreas de estudos sejam diferentes desta pesquisa. Na ocasião, os autores avaliaram 221
municípios da Amazônia Legal a partir de 1970.
Para facilitar a visualização dessa evolução de ocupação do solo no Arco do Desmatament
seguir estão apresentados os gráficos de barras, contendo a proporção de
em parceria, arrendadas, ocupadas ou próprias. Para a avaliação global as barras foram
Gráfico 1 e para a avaliação individual dos municípios
separados por municípios e por unidade da federação a que pertencem e exibidos para cada
, mostrados no Gráfico 2.
Arco do Desmatamento: área dos estabelecimentos segundo a posse da terra
Em 1970, aproximadamente 60% das terras nos municípios selecionados no Arco do
correspondiam a propriedades próprias e as áreas ocupadas representavam
20% do total de estabelecimentos. Terras utilizadas arrendadas eram um pouco mais
do total e juntamente com as propriedades em parceria somavam aproximadamente
, as propriedades privadas já respondem por quase 80% do total, não houve grandes
alterações em relação à proporção de áreas ocupadas, mas as terras arrendadas sofrem uma
drástica redução e as utilizadas em parceria passam a representar apenas uma quantidade
residual e, a partir de então, são praticamente inexistentes. A partir de 1995, a predominância
das propriedades privadas é superior a 95% das terras, mas ainda há uma pequena proporção
ocupadas. Finalmente, em 2006, as áreas ocupadas são ainda mais reduzidas,
perdendo espaço para terras arrendadas que apresentam ligeira alta. Enquanto isso, as
propriedades privadas representam quase a totalidade das terras utilizadas.
são condizentes com aqueles observados por Ferreira, Ferreira e Miziara (2007)
áreas de estudos sejam diferentes desta pesquisa. Na ocasião, os autores avaliaram 221
municípios da Amazônia Legal a partir de 1970.
34
no Arco do Desmatamento, a
barras, contendo a proporção de propriedades com
Para a avaliação global as barras foram
para a avaliação individual dos municípios os gráficos foram
separados por municípios e por unidade da federação a que pertencem e exibidos para cada
Arco do Desmatamento: área dos estabelecimentos segundo a posse da terra
nos municípios selecionados no Arco do
correspondiam a propriedades próprias e as áreas ocupadas representavam
um pouco mais de 10%
somavam aproximadamente 20%. Em
, as propriedades privadas já respondem por quase 80% do total, não houve grandes
alterações em relação à proporção de áreas ocupadas, mas as terras arrendadas sofrem uma
zadas em parceria passam a representar apenas uma quantidade
A partir de 1995, a predominância
das propriedades privadas é superior a 95% das terras, mas ainda há uma pequena proporção
ocupadas. Finalmente, em 2006, as áreas ocupadas são ainda mais reduzidas,
perdendo espaço para terras arrendadas que apresentam ligeira alta. Enquanto isso, as
das terras utilizadas. Esses resultados
Ferreira, Ferreira e Miziara (2007), embora as
áreas de estudos sejam diferentes desta pesquisa. Na ocasião, os autores avaliaram 221
35
Nos anos iniciais, podemos supor que o padrão observado se refere ao período de transição
entre a frente de expansão e frente pioneira. O padrão observado nos últimos anos de análise
sugere a consolidação da frente pioneira na região. No entanto, apreciações individuais dos
municípios podem sugerir diferenças mais acentuadas. A averiguação está apresentada no
Gráfico 2.
Gráfico 2 - Áreas dos estabelecimentos segundo a posse da terra: municípios selecionados
1970
1980
1995
2006
Fonte: IBGE
Áreas dos estabelecimentos segundo a posse da terra: municípios
36
Áreas dos estabelecimentos segundo a posse da terra: municípios
37
É possível observar padrões bem semelhantes aos globais, sendo que em 1970 e 1980, quase
todos os municípios estudados apresentavam uma proporção relevante de propriedades
ocupadas, sugerindo que a fronteira estava mais acentuada na fase da frente de expansão. Os
casos mais chamativos são Lábrea e Boca do Acre, no estado do Amazonas, Itupiranga, Moju
e São Félix do Xingu, no Pará, e, Porto Velho e Pimenta Bueno, em Rondônia, com mais do
que 30% de terras ocupadas. Em outros, como Amarante do Maranhão, Grajaú, Aripuanã,
Porto dos Gaúchos e Paragominas, já apresentavam alta proporção de terras próprias
corroborando o período de transição evidenciado na análise geral da região.
Já em 1995 e 2006, poucos municípios apresentam mais do que 20% do total de propriedades
com terras ocupadas. Em 1995, apenas Confresa e Juara, no estado do Mato Grosso, cumprem
essa condição e, em 2006, somente Alto Boa Vista e Feliz Natal, no Mato Grosso, e Novo
Progresso, no Pará. E, conforme esperado, a maior parte das áreas dos estabelecimentos nos
municípios correspondem terras próprias indicando a predominância da frente pioneira.
Uso do solo
À medida em que a fronteira avança sobre os territórios, também são esperadas mudanças no
uso do solo. Com a terra ocupada por pequenos produtores (posseiros, colonos, migrantes) é
comum que a maior parte das propriedades apresente ainda muita vegetação nativa que acaba
sendo convertida em pastagens, tendo em vista que a ocupação é caracterizada principalmente
pela presença do gado. Há ainda, uma parcela da terra destina ao cultivo de lavouras de curta
duração destinadas ao consumo próprio e do rebanho (BARBIERI, 2007; DINIZ, 2002;
JUSYS, 2016; MARTINS, 1996; MIZIARA, 2000, 2006).
Assim sendo, para avaliar a mudança de uso do solo nas propriedades, a região e os
municípios foram avaliados ao longo do tempo, considerando a parcela de área destinada ao
cultivo de pastagens (nativas e plantadas), floresta (nativas e plantada) e lavouras (temporárias
e permanentes). Os gráficos 3 e 4 apresentam a proporção de área, em hectares, que cada
cultura representa nas propriedades estão logo a seguir:
Gráfico 3 – Arco do Desmatamento:
Fonte: IBGE
O gráfico apresentado é bastantes
fronteiras em relação ao uso do solo. Ao longo dos anos, as propriedades passam a destinar
uma área maior para o cultivo de pastagens plantadas e lavouras temporárias em detrimento
das áreas destinadas à floresta nativa, principalmente.
Inicialmente, a região do Arco do Desmatamento contemplava uma área superior a 80% de
floresta nativa, as pastagens (nativas e plantadas) representavam quase 20% da área e, parcela
pouco significativa era destinada ao culti
de subsistência ou, no máximo, de excedentes.
destinada às pastagens plantada
áreas de florestas. De modo ger
permanentes e às florestas plantadas são insignificantes. Por fim, ocorre ligeiro aumento das
áreas de lavouras temporárias, indicando uma produção mais voltada para o comércio de
commodities e uma redução mais drástica das áreas de florestas nativas.
As avaliações particulares dos municípios estão exibidas
.
Arco do Desmatamento: uso e cobertura do solo
O gráfico apresentado é bastantes condizente com as teorias já apresentadas sobre as
fronteiras em relação ao uso do solo. Ao longo dos anos, as propriedades passam a destinar
uma área maior para o cultivo de pastagens plantadas e lavouras temporárias em detrimento
floresta nativa, principalmente.
, a região do Arco do Desmatamento contemplava uma área superior a 80% de
floresta nativa, as pastagens (nativas e plantadas) representavam quase 20% da área e, parcela
pouco significativa era destinada ao cultivo de lavouras temporárias, indicando uma produção
de subsistência ou, no máximo, de excedentes. Á medida que os anos passam
plantadas começa a aumentar gradativamente e avançando sobre as
De modo geral, as áreas dos estabelecimentos destinadas às lavouras
permanentes e às florestas plantadas são insignificantes. Por fim, ocorre ligeiro aumento das
áreas de lavouras temporárias, indicando uma produção mais voltada para o comércio de
edução mais drástica das áreas de florestas nativas.
ções particulares dos municípios estão exibidas no Gráfico 4.
38
condizente com as teorias já apresentadas sobre as
fronteiras em relação ao uso do solo. Ao longo dos anos, as propriedades passam a destinar
uma área maior para o cultivo de pastagens plantadas e lavouras temporárias em detrimento
, a região do Arco do Desmatamento contemplava uma área superior a 80% de
floresta nativa, as pastagens (nativas e plantadas) representavam quase 20% da área e, parcela
vo de lavouras temporárias, indicando uma produção
Á medida que os anos passam, a proporção
gradativamente e avançando sobre as
al, as áreas dos estabelecimentos destinadas às lavouras
permanentes e às florestas plantadas são insignificantes. Por fim, ocorre ligeiro aumento das
áreas de lavouras temporárias, indicando uma produção mais voltada para o comércio de
Gráfico 4 - Uso e cobertura do solo: municípios selecionados
1970
1980
1995
2006
Fonte: IBGE
Uso e cobertura do solo: municípios selecionados
39
40
Os municípios individualmente apresentam características bastante próximas do
comportamento geral da região. Em 1970, em cada município as propriedades contemplavam
vastas áreas de florestas e pastagens nativas e, em alguns casos, uma parcela pouco
significativa destinada ao cultivo de lavouras temporárias, indicando uma produção de
subsistência. Em 1980, a proporção destinada às lavouras temporárias diminui e a de
pastagem plantada começa a aumentar, mas ainda não é visível uma redução acentuada nas
áreas de florestas nativas. Fato que sugere a intensificação do uso solo com a conversão na
cultura da pastagem nativa para plantada.
Já em 1995, mesmo nos novos municípios (criado em sua maioria com a Constituição de
1988), é possível observar áreas significativas destinadas às pastagens plantadas, com poucas
áreas destinadas às pastagens nativas ou lavouras temporárias e proporções menores
destinados às florestas nativas. Indicando a conversão de mais áreas de florestas em pastagens
já intensificadas. A visualização das mudanças de uso do solo nas fases mais iniciais da
fronteira, pode ter sido perdida para esses municípios devido ao intervalo de tempo maior
entre os censos de 1980 e 1995 (15 anos).
Finalmente, o ápice do padrão de evolução da fronteira é observado no ano de 2006, onde é
nítido que em todos os municípios avaliados uma grande parte de área é destinada às
pastagens plantadas e lavouras temporárias, com uma quantidade bastante reduzida de área
destinada às florestas nativas. Essa área maior destinada às lavouras indica uma produção já
em larga escala voltada para o comércio e não mais a produção de subsistência e de
excedentes do início da ocupação.
3.2 Variáreis demográficas
As análises demográficas contemplam os anos em que foram realizados censos ou contagens
populacionais pelo IBGE (1970, 1980, 1991, 1996, 2000, 2007 e 2010). Foram utilizados os
dados referentes à população residente separados por sexo e local de residência nos
municípios selecionados para o cálculo de indicadores como a ‘Razão de Sexos’ e ‘Taxa de
Urbanização’. A evolução desses indicadores pode ser visualizada em gráficos ao longo do
tempo e, maiores detalhes sobre os dados utilizados estão disponíveis no
Anexo 4- Variáveis demográficas
região como um todo e por município
resultados os municípios foram agrupados segundo a unidade da federação a que pertencem.
Também foram realizadas
Mato Grosso e Pará, isso porque
linhas de tendência ficou comprometida. No entanto, essa análise foi realizada apenas par
anos de 1996 e 2010, sendo que a escolha do primeiro ano é devido
já ter sido criado e, portanto, representa uma fração significativa da amostra total e,
do segundo, é justificada por ser o
Razão de sexos
A razão de sexos, ou coeficiente de masculinidade, representa o número de homens para cada
mulher, em determinado espaço geográfico, no ano considerado. Segundo o IBGE, é obtida a
partir do quociente entre o total de homens pel
Desse modo, valores maiores que 1 indicam a predominância masculina na população.
Seguem as razões de sexos obti
Gráfico 5 - Arco do Desmatamento:
O recorte temporal avaliado inicia com valores bem altos para a razão de sexo, indicando a
ocorrência média de 122 homens para grupo de 100 mulheres na região. Em 1980 esse
número cai para menos de 114 homens para
apresentando um segundo pico em 1996. Em 2010, a média para o Arco do Desmatamento
ainda é alta, mas apresenta tendências de queda.
Variáveis demográficas, página 95. As análises também foram realizadas para a
região como um todo e por município. A fim de facilitar a visualização e interpretação desses
resultados os municípios foram agrupados segundo a unidade da federação a que pertencem.
análises de cluster para os municípios referentes aos estados de
Mato Grosso e Pará, isso porque vários municípios estão contemplados e
comprometida. No entanto, essa análise foi realizada apenas par
anos de 1996 e 2010, sendo que a escolha do primeiro ano é devido à maioria dos municípios
e, portanto, representa uma fração significativa da amostra total e,
por ser o ano mais recente dos dados disponíveis
A razão de sexos, ou coeficiente de masculinidade, representa o número de homens para cada
, em determinado espaço geográfico, no ano considerado. Segundo o IBGE, é obtida a
partir do quociente entre o total de homens pelo total de mulheres na população residente.
Desse modo, valores maiores que 1 indicam a predominância masculina na população.
Seguem as razões de sexos obtidas para o Arco do Desmatamento, apresentadas no Gráfico 5.
Arco do Desmatamento: razões de sexos
O recorte temporal avaliado inicia com valores bem altos para a razão de sexo, indicando a
ocorrência média de 122 homens para grupo de 100 mulheres na região. Em 1980 esse
número cai para menos de 114 homens para cada 100 mulheres e depois volta a subir
ntando um segundo pico em 1996. Em 2010, a média para o Arco do Desmatamento
ainda é alta, mas apresenta tendências de queda.
41
s análises também foram realizadas para a
fim de facilitar a visualização e interpretação desses
resultados os municípios foram agrupados segundo a unidade da federação a que pertencem.
para os municípios referentes aos estados de
estão contemplados e a visualização das
comprometida. No entanto, essa análise foi realizada apenas para os
maioria dos municípios
e, portanto, representa uma fração significativa da amostra total e, a escolha
disponíveis.
A razão de sexos, ou coeficiente de masculinidade, representa o número de homens para cada
, em determinado espaço geográfico, no ano considerado. Segundo o IBGE, é obtida a
o total de mulheres na população residente.
Desse modo, valores maiores que 1 indicam a predominância masculina na população.
das para o Arco do Desmatamento, apresentadas no Gráfico 5.
O recorte temporal avaliado inicia com valores bem altos para a razão de sexo, indicando a
ocorrência média de 122 homens para grupo de 100 mulheres na região. Em 1980 esse
cada 100 mulheres e depois volta a subir
ntando um segundo pico em 1996. Em 2010, a média para o Arco do Desmatamento
42
O equilíbrio entre as proporções da população residente tende a acontecer em regiões de
fronteiras quando outros membros da família migram para acompanhar os homens que
chegam primeiro. Na Amazônia brasileira os primeiros ocupantes estavam em busca de terras
e outras formas de uso do solo. Além da agricultura, atividades como mineração e extração
madeireira eram predominantes. Tais atividades contemplam situações de trabalho em que
prevalece a mão de obra masculina (BILSBORROW; BARBIERI; PAN, 2004).
A avaliação específica sobre os municípios é apresentada na Figura 2 adiante:
Figura 2- Razões de sexos: municípios
Assim como no caso geral, os municípios também iniciam o período de análise com valores
mais elevados para a razão de sexos, indicando que a população residente contempla mais
homens do que mulheres, e, ao longo dos anos esses
balanceamento entre a proporção de gêneros
Razões de sexos: municípios selecionados
Assim como no caso geral, os municípios também iniciam o período de análise com valores
mais elevados para a razão de sexos, indicando que a população residente contempla mais
homens do que mulheres, e, ao longo dos anos esses valores passam a indicar um maior
to entre a proporção de gêneros.
43
Assim como no caso geral, os municípios também iniciam o período de análise com valores
mais elevados para a razão de sexos, indicando que a população residente contempla mais
valores passam a indicar um maior
44
Os municípios referentes aos estados de Amazonas, Maranhão e Rondônia não apresentaram
grandes variações ao longo do período, sendo que a maioria apresentou valores
compreendidos entre 1.0 e 1.1 nos anos avaliados. E, mesmo entre aqueles que assumem
valores fora desse intervalo, como Machadinho D’Oeste e Nova Mamoré (ambos em
Rondônia), não assumem valores muito maiores.
Já os municípios do estado do Mato Grosso apresentam uma amplitude maior de valores,
embora a tendência de decrescimento seja visível ao longo dos anos. Em 1996, a maioria
apresenta valores maiores do que 1.2 e, em 2010, grande parte dos municípios já contemplava
taxas de masculinidade compreendidas entre 1.05 e 1.2, aproximadamente.
Finalmente, no Pará, as razões de sexos são as mais variáveis. Alguns municípios
apresentaram picos seguidos de intenso decréscimo de população masculina, como Senador
José Porfírio entre 1991 e 1996, Santa Maria das Barreiras entre 1996 e 2000, Novo Progresso
entre 2000 e 2007, e, em particular, o município de São Félix do Xingu, com valores
oscilando entre picos e vales desde 1980.
As exceções, dentre os municípios avaliados, são Tapurah (MT) e Cumaru do Norte (PA) que
apresentaram fortes tendências de crescimento.
A seguir estão os dendrogramas para as razões de sexo nos municípios dos estados do Mato
Grosso e Pará, nos anos de 1996 e 2010.
45
Figura 3 - D
endrogramas para as razões de sexos: m
unicípios selecionados (M
T e P
A)
0 .05 .1 .15 .2Dissimilaridade
Alta Floresta
Juina
Sao Felix Do Araguaia
Juara
Paranaita
Peixoto De Azevedo
Alto Boa Vista
Querencia
Aripuana
Brasnorte
Porto Dos Gauchos
Claudia
Vila Rica
Marcelandia
Tapurah
Confresa
Cotriguacu
Nova Bandeirantes
Nova Maringa
Santa Carmem
Razão de sexos - M
T (1996)
0 .1 .2 .3Dissimilaridade
Alta Floresta
Feliz Natal
Juina
Alto Boa Vista
Claudia
Peixoto De Azevedo
Juara
Porto Dos Gauchos
Santa Carmem
Sao Felix Do Araguaia
Vila Rica
Aripuana
Brasnorte
Paranaita
Colniza
Confresa
Querencia
Marcelandia
Cotriguacu
Gaucha Do Norte
Nova Bandeirantes
Nova Maringa
Nova Ubirata
Tapurah
Razão de sexos - M
T (2010)
0 .05 .1 .15 .2 .25Dissimilaridade
Altamira
Tailandia
Moju
Senador Jose Porfirio
Itupiranga
Novo Repartimento
Santana Do Araguaia
Pacaja
Ulianopolis
Brasil Novo
Sao Felix Do Xingu
Dom Eliseu
Paragominas
Rondon Do Para
Maraba
Cumaru Do Norte
Novo Progresso
Santa Maria Das BarreirasR
azão de sexos - PA
(1996)
0 .1 .2 .3Dissimilaridade
Altamira
Paragominas
Maraba
Dom Eliseu
Rondon Do Para
Tailandia
Ulianopolis
Anapu
Novo Progresso
Senador Jose Porfirio
Sao Felix Do Xingu
Pacaja
Brasil Novo
Santana Do Araguaia
Itupiranga
Novo Repartimento
Moju
Santa Maria Das Barreiras
Cumaru Do Norte
Razão de sexos - P
A (2010)
46
Para os municípios do estado de Mato Grosso, em 1996, é possível identificar nitidamente a
existências de três grandes grupos: um formado pelos municípios de Alta Floresta, São Félix
do Araguaia, Juína, Juara, Paranaíta e Peixoto de Azevedo; outro, contemplando os
municípios de Alto Boa Vista, Querência, Brasnorte, Porto dos Gaúchos, Cláudia, Vila Rica,
Marcelândia, Tapurah e, posteriormente, Confresa e Cotriguaçu e, finalmente, o terceiro
grupo com os municípios Nova Bandeirantes, Nova Maringá e Santa Carmem. Já em 2010, os
grupos estão mais segmentados, indicando mais similaridades entre os municípios, inclusive
com menor medida de dissimilaridade em relação ao ano de 1996. Além disso, houve
alteração no agrupamento em si. Por exemplo, o município de Cláudia em 2010 que apresenta
valores próximos de Peixoto de Azevedo, sendo que antes estavam relativamente diferentes e,
os municípios de Marcelândia e Tapurah, que mudaram de semelhantes para bastante
distintos. Em especial, o município de Tapurah, evidenciado tanto no cluster quanto nas linhas
de tendências como o mais discrepante em relação aos demais.
No estado do Pará, ocorre o oposto ao que ocorreu em Mato Grosso, partindo de um
agrupamento mais segmentado em 1996 para uma estrutura mais adensada em 2010,
indicando diferenças maiores entre os grupos. Neste último ano, é possível visualizar dois
grandes conglomerados: o primeiro formado por Altamira, Paragominas, Marabá, Dom
Eliseu, Rondon do Pará, Tailândia e Ulianópolis, e o segundo, formado por Anapu, Novo
Progresso, Senador José Porfírio, São Félix do Xingu, Pacajá, Brasil Novo, Santana do
Araguaia, Itupiranga, Novo Repartimento e Moju. Além desses dois grupos, os municípios de
Santa Maria das Barreiras e Cumaru do Norte são visualizados no cluster como mais
dissimilar dos demais. Em relação à estrutura de similaridade, não houve grandes alterações
entre os anos.
Taxa de urbanização
Segundo o IBGE, a taxa de urbanização é obtida a partir da porcentagem da população
residente em áreas urbanas em relação à população total da localidade. Assim sendo, essa taxa
assume valores que variam entre zero e um, e, quanto mais próximo do limite superior, maior
será o nível de urbanização do município avaliado.
A análise sobre a taxa de urbanização na escala macro do Arco do Desmatamento é mostrada no Gráfico 6, a seguir:
Gráfico 6 - Arco do Desmatamento: taxas de urbanização
No período avaliado, a região amazônica apresentou as maiores taxas de crescimento urbano e
aumento populacional do Brasil, evidenciado, inclusive, pelo desmembramento e criação de
novos municípios (ALVES et al., 2010; AMARAL; CÂMARA; VIEIRA, 2001)
a região ainda apresenta baixa qualidade de vida, com baixos índices de saúde, educação e
salários (AMARAL; CÂMARA; VIEIRA, 2001)
e nos assentamentos urbanos constituem
Amazônia (BECKER, 2005)
Em particular, para a região do Arco do Desmatamento não é diferente do que é descrito na
literatura. O crescimento do número de residentes vivendo nas cidades é nítido partindo de
aproximadamente 25% da população em 1970 e atingindo, em mé
2010. A rápida urbanização pode ser vista como consequência dos investimentos em
infraestrutura nas décadas de 1970 e 1980, dos sucessivos ciclos de uso e cobertura da terra e
dos elevados índices de desmatamento e concentração fundiária, principalmente em regiões
onde o meio rural e o urbano se mesclam mais intensamente.
D’ANTONA, 2014; TRITSCH; LE TOURNEAU, 2016)
Para os municípios em particular, s
tempo para a taxa de urbanização
Arco do Desmatamento: taxas de urbanização
No período avaliado, a região amazônica apresentou as maiores taxas de crescimento urbano e
aumento populacional do Brasil, evidenciado, inclusive, pelo desmembramento e criação de
(ALVES et al., 2010; AMARAL; CÂMARA; VIEIRA, 2001)
a região ainda apresenta baixa qualidade de vida, com baixos índices de saúde, educação e
(AMARAL; CÂMARA; VIEIRA, 2001). Sendo que as condições de vida nas cidades
assentamentos urbanos constituem um dos maiores e piores problemas ambientais na
(BECKER, 2005).
Em particular, para a região do Arco do Desmatamento não é diferente do que é descrito na
literatura. O crescimento do número de residentes vivendo nas cidades é nítido partindo de
25% da população em 1970 e atingindo, em média, mais de 60% no ano de
2010. A rápida urbanização pode ser vista como consequência dos investimentos em
infraestrutura nas décadas de 1970 e 1980, dos sucessivos ciclos de uso e cobertura da terra e
os índices de desmatamento e concentração fundiária, principalmente em regiões
onde o meio rural e o urbano se mesclam mais intensamente. (ALVES et al., 2010; CÔRTES;
D’ANTONA, 2014; TRITSCH; LE TOURNEAU, 2016).
Para os municípios em particular, seguem os gráficos das linhas de tendência ao lo
tempo para a taxa de urbanização, compondo a Figura 4.
47
No período avaliado, a região amazônica apresentou as maiores taxas de crescimento urbano e
aumento populacional do Brasil, evidenciado, inclusive, pelo desmembramento e criação de
(ALVES et al., 2010; AMARAL; CÂMARA; VIEIRA, 2001). No entanto,
a região ainda apresenta baixa qualidade de vida, com baixos índices de saúde, educação e
. Sendo que as condições de vida nas cidades
um dos maiores e piores problemas ambientais na
Em particular, para a região do Arco do Desmatamento não é diferente do que é descrito na
literatura. O crescimento do número de residentes vivendo nas cidades é nítido partindo de
dia, mais de 60% no ano de
2010. A rápida urbanização pode ser vista como consequência dos investimentos em
infraestrutura nas décadas de 1970 e 1980, dos sucessivos ciclos de uso e cobertura da terra e
os índices de desmatamento e concentração fundiária, principalmente em regiões
(ALVES et al., 2010; CÔRTES;
os gráficos das linhas de tendência ao longo do
Figura 4 - Taxas de urbanização: municípios selecionados
Assim como na visão global, as
ascendentes, indicando tanto
quanto o êxodo rural. Esse crescimento ocorreu de forma vertiginosa em alguns município e
pode ser explicado, inclusive, pelo grande número de migrantes atraídos pelas políticas de
interiorização das décadas anteriores
Taxas de urbanização: municípios selecionados
ssim como na visão global, as taxas de urbanização, em sua maioria, apresentam tendências
ascendentes, indicando tanto a expansão de áreas metropolitanas e de centros urbanos isolados
Esse crescimento ocorreu de forma vertiginosa em alguns município e
plicado, inclusive, pelo grande número de migrantes atraídos pelas políticas de
interiorização das décadas anteriores
48
taxas de urbanização, em sua maioria, apresentam tendências
a expansão de áreas metropolitanas e de centros urbanos isolados
Esse crescimento ocorreu de forma vertiginosa em alguns município e
plicado, inclusive, pelo grande número de migrantes atraídos pelas políticas de
49
Nos estados do Amazonas, Maranhão e Rondônia os municípios apresentam tendências de
crescimento bem semelhantes entre si. Em 2010, Pimenta Bueno (RO) e Porto Velho (RO) já
apresentavam taxa de urbanização superior a 90%. Amarante do Maranhão (MA) é o que
apresenta menor percentual de pessoas vivendo em áreas urbanas, com aproximadamente
40% do total e, os demais variam entre 60% e 75%. No Mato Grosso, ocorre uma urbanização
mais rápida e, em 2010, a maioria dos municípios já apresentava taxas superiores a 60%. No
estado do Pará, o crescimento urbano é um pouco mais lento e não são visíveis grandes
alterações entre os anos de 1991 e 2010. Inclusive, é observada uma nítida separação onde um
grupo de municípios está acima do percentil de 50% e outro que se mantém abaixo ao longo
dos anos, ambos com leve crescimento. Dentre os municípios que não atingiram ao menos
50% de urbanização estão Amarante do Maranhão (MA), Cotriguaçu (MT), Gaúcha do Norte
(MT), Nova Bandeirantes (MT), Querência (MT), Anapu (PA), Brasil Novo (PA), Cumaru do
Norte (PA), Itupiranga (PA), Moju (PA), Pacajá(PA) e Santa Maria das Barreiras (PA).
A seguir, na Figura 5, está a avaliação da urbanização dos municípios a partir da técnica de
análise de clusters realizada para os municípios pertencentes aos estados do Mato Grosso e
Pará, nos anos de 1996 e 2010.
50
Figura 5 - D
endrogramas para taxas de urbanização: municípios selecionados (M
T e P
A)
0 .1 .2 .3 .4Dissimilaridade
Alta Floresta
Brasnorte
Vila Rica
Santa Carmem
Sao Felix Do Araguaia
Claudia
Marcelandia
Paranaita
Aripuana
Querencia
Porto Dos Gauchos
Juara
Juina
Peixoto De Azevedo
Alto Boa Vista
Confresa
Cotriguacu
Nova Bandeirantes
Nova Maringa
Tapurah
Taxa de urbanização - M
T (1996)
0 .1 .2 .3Dissimilaridade
Alta Floresta
Juara
Juina
Alto Boa Vista
Aripuana
Marcelandia
Colniza
Nova Ubirata
Peixoto De Azevedo
Confresa
Vila Rica
Sao Felix Do Araguaia
Tapurah
Brasnorte
Claudia
Feliz Natal
Santa Carmem
Cotriguacu
Gaucha Do Norte
Nova Bandeirantes
Nova Maringa
Paranaita
Porto Dos Gauchos
Querencia
Taxa de urbanização - M
T (2010)
0 .1 .2 .3 .4Dissimilaridade
Altamira
Paragominas
Maraba
Rondon Do Para
Dom Eliseu
Santana Do Araguaia
Tailandia
Ulianopolis
Brasil Novo
Novo Progresso
Sao Felix Do Xingu
Itupiranga
Pacaja
Senador Jose Porfirio
Santa Maria Das Barreiras
Cumaru Do Norte
Moju
Novo Repartimento
Taxa de urbanização - P
A (1996)
0 .1 .2 .3 .4Dissimilaridade
Altamira
Sao Felix Do Xingu
Novo Repartimento
Dom Eliseu
Ulianopolis
Maraba
Paragominas
Novo Progresso
Rondon Do Para
Tailandia
Anapu
Moju
Senador Jose Porfirio
Santana Do Araguaia
Brasil Novo
Itupiranga
Pacaja
Santa Maria Das Barreiras
Cumaru Do Norte
Taxa de urbanização - P
A (2010)
51
Os municípios do Mato Grosso saem de dois grandes grupos em 1996 para uma estrutura com
mais grupos em 2010. No entanto, é possível identificar três grandes grupos: em um extremo
estão Nova Floresta, Juara e Juína, em outro estão Cotriguaçu, Gaúcha do Norte e Nova
Bandeirantes e, os demais centralizados entre os dois primeiros. Porém, o grupo central pode
ainda ser dividido em, pelo menos, outros três subgrupos homogêneos.
No Pará, assim como evidenciado nas linhas de tendência, a estrutura continua basicamente a
mesma entre os anos. São formados dois grupos, semelhantemente segmentados: um
corresponde aos munícipios com taxas inferiores a 50% e, outro, aos demais municípios.
Análise conjunta: razão de sexos e taxa de urbanização
A evolução simultânea ao longo dos anos entre razão de sexos e taxa de urbanização pode ser
visualizada através dos mapas dos municípios apresentados na Figura 6 a seguir:
Figura 6 - Razões de sexos e taxas de urbanização: municípios selecionados
1970
Razões de sexos e taxas de urbanização: municípios selecionados
1980
52
Figura 6 (cont.) - Razões de sexos e taxas de urbanização: municípios selecionados
1991
Razões de sexos e taxas de urbanização: municípios selecionados
1996
53
Figura 6 (cont.) - Razões de sexos e taxas de urbanização: municípios selecionados
2000
urbanização: municípios selecionados
2007
54
Figura 6 (cont.) - Razões de sexos e taxas de urbanização: municípios selecionados
2010
Razões de sexos e taxas de urbanização: municípios selecionados
55
56
Os resultados observados condizem com as teorias das fronteiras, sendo nítida a relação
inversa entre razão de sexos e taxa de urbanização. Ou seja, quanto maior é a predominância
masculina na população residente, menor é a urbanização do local. Indicando assim o
aumento da quantidade de homens em regiões de primeira ocupação. Esse aumento é,
principalmente, devido a migração de jovens em busca de terras e trabalho (CÔRTES;
D’ANTONA, 2014). Com o passar dos anos, à medida que a fronteira avança, os municípios
passar a oferecer melhores condições de vida, trabalho e educação, atraindo assim os
familiares dos primeiros ocupantes. Com esses novos migrantes a razão de sexos tende a se
equiparar.
Por meio dessas variáveis que privilegiam a dimensão demográfica da Fronteira, podemos
perceber, de modo geral, uma dinâmica na qual alguns municípios antecipam o processo. A
partir desses municípios “pioneiros” a Fronteira (nessa perspectiva) vai se expandindo para os
demais municípios. Assim, mesmo que a tendência geral seja a urbanização e a paridade na
razão de sexo é possível identificar dinâmicas com tempos diferentes. Pesquisas específicas
poderão identificar os fatores que explicam essa dinâmica irregular entre os distintos
municípios.
3.3 Sobre o desmatamento
A fim de avaliar a existência de uma relação de dependência linear entre áreas desmatadas no
Arco do Desmatamento e as variáveis disponíveis, foram considerados modelos de regressão
lineares, onde a variável resposta corresponde à área total desmatada nos municípios, cujos
dados foram obtidos entre os anos de 2000 e 2015 e estão disponíveis no sítio
http://www.dpi.inpe.br/prodesdigital/prodesmunicipal.php. Já as variáveis explicativas (ou
regressoras) foram representadas tanto pelas demográficas (razão de sexos e taxa de
urbanização) quanto pelas de fronteiras (área total das propriedades, áreas destinadas às
lavouras permanentes, áreas destinadas às lavouras temporárias, áreas pastoreáveis, áreas de
propriedades ocupadas e áreas de propriedades próprias) obtidas pelo IBGE nos censos e
contagens populacionais, censos agropecuários e pesquisas periódicas. No entanto, as
correlações foram ajustadas somente para os anos cujos dados estavam disponíveis, e,
consequentemente variam entre si. As áreas pastoreáveis foram obtidas a partir de um projeto
do MAPBIOMAS em parceria com o LAPIG (UFG).
Primeiramente, cada variável foi testada individualmente. E depois, a partir das mais
explicativas, tentou-se ajustar um modelo múltiplo.
57
Seguem os gráficos de dispersão, juntamente com a reta dos modelos simples ajustados,
compondo a Figura 7.
Figura 7- Arco do Desmatamento: diagramas de dispersão e modelos ajustados
05
0000
01
.0e+
061
.5e+
062.
0e+
06
1 1.1 1.2 1.3 1.4 1.5Rsexos
DesmatadoHa Fitted values
Desmatamento vs Razão de Sexos
05
0000
01
.0e+
061
.5e+
062.
0e+
06
.2 .4 .6 .8 1TxUrban
DesmatadoHa Fitted values
Desmatamento vs Urbanização
050
000
01
.0e+
061
.5e+
062
.0e+
06
0 500000 1.0e+06 1.5e+06Area_Est_Total
DesmatadoHa Fitted values
Desmatamento vs Área dos estatelecimentos
050
000
01
.0e+
061
.5e+
062
.0e+
06
0 5000 10000 15000 20000LavPerm
DesmatadoHa Fitted values
Desmatamento vs Lavouras permanentes
05
0000
01
.0e+
061
.5e+
062.
0e+
06
0 200000 400000 600000LavTemp
DesmatadoHa Fitted values
Desmatamento vs Lavouras temporárias
05
0000
01
.0e+
061
.5e+
062.
0e+
06
6 8 10 12 14lntemp
DesmatadoHa Fitted values
Desmatamento vs Lavouras temporárias (dados transformados)
58
Figura 7 (cont.) - Arco do Desmatamento: diagramas de dispersão e modelos ajustados
Os modelos de regressão foram ajustados com as variáveis originais (dados não
transformados) e os pressupostos da técnica foram testados segundo os testes de
heterocedasticidade de Breusch–Pagan e Cook–Weisberg, disponível no software Stata/IC
14.2 para Windows. O teste em questão avalia simultaneamente se existem evidências contra
a hipótese nula de que o erro da regressão apesenta variância constante (4 = 0 na expressão
601 7� = 2²exp <4�) e também o pressuposto de que os resíduos são normais e
identicamente distribuídos (STATACORP, 2015). Desse modo, p-valores maiores que o nível
de significância de 5% indicam a não rejeição dos pressupostos e, portanto, a validade da
regressão estimada.
A tabela 3 com os modelos ajustados está apresentada logo a seguir:
050
000
01
.0e+
061
.5e+
062
.0e+
06
0 20000 40000 60000 80000TerOcup
DesmatadoHa Fitted values
Desmatamento vs Terras ocupadas
05
0000
01.
0e+
061
.5e+
062
.0e+
06
0 500000 1.0e+06 1.5e+06
DesmatadoHa Fitted values
Desmatamento vs Terras próprias
05
0000
01
.0e+
061
.5e+
062.
0e+
06
0 500000 1.0e+06 1.5e+06Past_Total
DesmatadoHa Fitted values
Desmatamento vs Pastagem total
59
Tabela 3 - Arco do Desmatamento: equações dos modelos simples ajustados
Variáveis regressoras
p-valor Teste de Breusch–
Pagan / Cook–Weisberg
p-valor Regressão
r² Coeficiente
de determinação
r Coeficiente
de correlação de Pearson
equação
Razão de sexos 0.1020 0.0436 0.0270 0.1643 y=-460129.1x+873446.8
Taxa de urbanização
0.0000* 0.0002 0.0879 0.2965 y=384446.7x+126369
Área dos estabelecimentos
0.0000* 0.0000 0.5788 0.7608 y=0.61x+90595.41
Lavouras permanentes
0.0121* 0.1085** 0.0043 0.0656 y=3.91x+348483.3
Lavouras temporárias
0.0015* 0.3881** 0.0012 0.0346 y=0.14x+353771.6
Lavouras temporárias (dados transformados)
0.0760 0.0001 0.0260 0.1612 y=29627.54x+79782.47
Pastagem total 0.3780 0.0000 0.8059 0.8977 y=1.02x+128885
Terras ocupadas 0.0000* 0.2938** 0.0239 0.1546 y=2.3x+365604.1
Terras próprias 0.0000* 0.0000 0.5635 0.7507 y=0.62x+105513.4 *Não satisfeitos os pressupostos da regressão
**Regressão não significativa
Apenas as variáveis ‘Razão de sexos’ e ‘Pastagem total’ apresentaram válidos os pressupostos
da regressão. Para as demais, tentou-se utilizar a transformação logarítmica que foi eficaz
somente para a variável ‘Lavouras temporárias. Assim, optou-se por apresentar os resultados
e o gráfico de dispersão tanto com os dados originais quanto transformados para essa variável.
Para todas as demais, manteve-se apenas os dados originais.
Como esperado, a variável ‘Pastagem total’ é a que melhor explica o desmatamento ocorrido
nos municípios. Esse modelo consegue captar mais de 80% da variação ocorrida no período
(r²=80.6%) e as variáveis estão altamente correlacionadas linearmente (r≈90%).
As variáveis ‘Razão de sexos’ e ‘Lavouras temporárias’ (com dados transformados para a
escala logarítmica), embora correspondam a uma regressão válida e estatisticamente
significante, não são capazes de descrever muito do desmatamento registrado na região já que
os coeficiente de determinação são aproximadamente 3% e não apresentam uma correlação
linear forte com o desmatamento.
60
As variáveis ‘Lavouras permanentes’, ‘Lavouras temporárias’ (dados originais) e ‘Terras
ocupadas’ além de terem os pressupostos da regressão violados não apresentaram regressões
significativas e, portanto, não contribuem para explicar o desmatamento na região.
As variáveis ‘Taxa de urbanização’, ‘Área dos estabelecimentos’ e ‘Terras próprias’ embora
apresentem ao menos um dos pressupostos infringidos, correspondem a regressões
significativas. Como pode ser observado também nos gráficos, é verdade que a taxa de
urbanização não consegue explicar muito da variabilidade dos dados nem apresenta uma
correlação linear forte. No entanto, a área total dos estabelecimentos e as áreas de terras
declaradas como próprias apresentam comportamentos bastante similares e respondem por
mais de 56% da variabilidade total e com uma correlação linear superior a 75%. E essa
proximidade de resultados é bastante plausível, já que no período em questão, os únicos dados
disponíveis para ambas são relativos ao ano de 2006, onde as propriedades privadas
representavam quase a totalidade das áreas dos estabelecimentos na região (vide item 3.1,
Gráfico 1, página 34). Contudo, para fins de um estudo sobre a fronteira, as áreas das
propriedades próprias são mais relevantes porque representam o avanço do capitalismo sobre
a região.
Diante do exposto, optou-se por modelar o desmatamento a partir de uma regressão linear
múltipla, considerando como variáveis independentes a área total de pastagem, denominada
‘A’, e as propriedades próprias dos municípios, representada por ‘B’ na Tabela 4 - Arco do
Desmatamento: equação do modelo múltiplo ajustado.
Tabela 4 - Arco do Desmatamento: equação do modelo múltiplo ajustado
Variáveis regressoras
p-valor Teste de Breusch–Pagan /
Cook–Weisberg
p-valor Regressão
r² Coeficiente de determinação
equação
A + B 0.56 0.0000 0.8214 y=0.73A+0.26B+87414.12
A regressão obtida é válida porque o teste de Breusch–Pagan / Cook–Weisberg não rejeita a
hipótese de variância constante. A equação ajustada é significativa e representa mais de 82%
da variação dos dados. Embora, apresente poucos ganhos em relação ao modelo simples
somente para pastagem, também pode ser utilizada para explicar o desmatamento na região.
Seguindo o mesmo processo de análise, regressões simples foram calculadas para cada
município individualmente, considerando apenas as áreas de pastagens como variável
61
explicativa. Os gráficos de dispersão dos pontos e as retas ajustadas estão a seguir na Figura
8.
Figura 8 - Diagramas de dispersão e modelos ajustados – Desmatamento x Pastagens:
municípios selecionados
4600
0047
0000
480
000
490
000
500
000
Fitt
ed v
alue
s
3500
0040
0000
450
000
500
000
Des
ma
tado
Ha
0 100000 200000 300000 400000Past_Total
DesmatadoHa Fitted values
Alta Floresta
4000
0050
0000
6000
0070
0000
8000
0090
0000
Fitt
ed v
alue
s
2000
0040
0000
6000
0080
0000
Des
ma
tado
Ha
0 200000 400000 600000Past_Total
DesmatadoHa Fitted values
Altamira
950
0010
000
01
0500
011
0000
115
000
Fitt
ed v
alue
s
800
0090
000
100
000
110
000
120
000
Des
ma
tado
Ha
70000 80000 90000 100000 110000 120000Past_Total
DesmatadoHa Fitted values
Alto Boa Vista
180
000
190
000
200
000
210
000
220
000
230
000
Fitt
ed v
alue
s
1800
0019
0000
2000
0021
0000
220
000
230
000
Des
ma
tado
Ha
80000 100000 120000 140000 160000 180000Past_Total
DesmatadoHa Fitted values
Amarante do Maranhão
160
000
180
000
2000
002
2000
024
0000
Fitt
ed v
alue
s
500
0010
0000
150
000
200
000
250
000
Des
ma
tado
Ha
0 50000 100000 150000 200000Past_Total
DesmatadoHa Fitted values
Anapu25
0000
300
000
350
000
400
000
450
000
Fitt
ed v
alue
s
200
000
250
000
3000
003
5000
040
0000
Des
ma
tado
Ha
100000 150000 200000 250000 300000 350000Past_Total
DesmatadoHa Fitted values
Aripuanã
1200
0014
0000
1600
0018
0000
200
000
220
000
Fitt
ed v
alue
s
1000
0015
0000
200
000
250
000
Des
ma
tado
Ha
100000 120000 140000 160000 180000Past_Total
DesmatadoHa Fitted values
Boca do Acre
2000
0022
0000
2400
0026
0000
Fitt
ed v
alue
s
1000
0015
0000
200
000
250
000
300
000
Des
ma
tado
Ha
0 50000 100000 150000 200000Past_Total
DesmatadoHa Fitted values
Brasil Novo
62
Figura 8 (cont.) - Diagramas de dispersão e modelos ajustados – Desmatamento x
Pastagens: municípios selecionados
300
000
350
000
4000
0045
0000
5000
00F
itte
d va
lues
250
000
300
000
3500
0040
0000
4500
00D
esm
atad
oHa
200000 250000 300000 350000Past_Total
DesmatadoHa Fitted values
Brasnorte
135
000
140
000
1450
0015
0000
1550
00F
itte
d va
lues
120
000
1300
001
4000
015
0000
160
000
Des
mat
adoH
a
70000 75000 80000 85000 90000Past_Total
DesmatadoHa Fitted values
Cláudia
100
000
200
000
3000
0040
0000
5000
00F
itte
d va
lues
1000
002
0000
03
0000
04
0000
050
0000
Des
mat
adoH
a
0 100000 200000 300000 400000Past_Total
DesmatadoHa Fitted values
Colniza
250
000
300
000
3500
0040
0000
Fitt
ed
valu
es
250
000
300
000
3500
0040
0000
Des
mat
adoH
a
200000 250000 300000 350000Past_Total
DesmatadoHa Fitted values
Confresa
1000
001
5000
02
0000
02
5000
0F
itted
val
ues
500
0010
000
01
5000
020
0000
Des
ma
tado
Ha
0 50000 100000 150000 200000Past_Total
DesmatadoHa Fitted values
Cotriguaçu
4000
0050
0000
600
000
700
000
800
000
Fitt
ed v
alue
s
4000
0050
0000
600
000
700
000
800
000
Des
ma
tado
Ha
400000 500000 600000 700000Past_Total
DesmatadoHa Fitted values
Cumaru do Norte
2500
0030
000
03
5000
0F
itted
val
ues
2500
003
0000
03
5000
0D
esm
ata
doH
a
120000 140000 160000 180000 200000Past_Total
DesmatadoHa Fitted values
Dom Eliseu
1200
0014
0000
1600
0018
0000
2000
0022
0000
Fitt
ed v
alue
s
1000
0015
0000
200
000
250
000
Des
ma
tado
Ha
30000 40000 50000 60000 70000 80000Past_Total
DesmatadoHa Fitted values
Feliz Natal
63
Figura 8 (cont.) - Diagramas de dispersão e modelos ajustados – Desmatamento x
Pastagens: municípios selecionados
280
000
3000
0032
000
03
4000
0F
itte
d va
lues
200
000
250
000
3000
0035
0000
Des
mat
adoH
a
200000 220000 240000 260000 280000 300000Past_Total
DesmatadoHa Fitted values
Gaúcha do Norte
112
000
114
000
1160
0011
8000
1200
00F
itte
d va
lues
800
001
0000
012
0000
1400
0016
0000
Des
mat
adoH
a
120000 140000 160000 180000 200000Past_Total
DesmatadoHa Fitted values
Grajaú
300
000
350
000
4000
0045
0000
5000
00F
itte
d va
lues
300
000
350
000
4000
0045
0000
5000
00D
esm
atad
oHa
150000 200000 250000 300000 350000Past_Total
DesmatadoHa Fitted values
Itupiranga
650
000
700
000
7500
0080
0000
8500
00F
itte
d va
lues
550
000
600
000
650
000
7000
0075
0000
8000
00D
esm
atad
oHa
300000 400000 500000 600000 700000Past_Total
DesmatadoHa Fitted values
Juara
340
0003
6000
0380
0004
0000
0420
0004
4000
0F
itted
val
ues
3000
0035
0000
400
000
450
000
Des
ma
tado
Ha
260000 280000 300000 320000 340000 360000Past_Total
DesmatadoHa Fitted values
Juína
1500
0020
0000
2500
0030
0000
3500
00F
itted
val
ues
1000
0020
0000
3000
0040
0000
Des
mat
adoH
a
100000 150000 200000 250000 300000Past_Total
DesmatadoHa Fitted values
Lábrea
1500
0020
000
02
5000
03
0000
0F
itted
val
ues
1500
0020
0000
250
000
300
000
350
000
Des
ma
tado
Ha
100000 150000 200000 250000Past_Total
DesmatadoHa Fitted values
Machadinho D'Oeste
6000
0065
0000
7000
0075
0000
800
000
850
000
Fitt
ed v
alue
s
6000
0065
0000
700
0007
5000
0800
0008
5000
0D
esm
ata
doH
a
400000 500000 600000 700000Past_Total
DesmatadoHa Fitted values
Marabá
64
Figura 8 (cont.) - Diagramas de dispersão e modelos ajustados – Desmatamento x
Pastagens: municípios selecionados
2500
0030
0000
3500
0040
0000
Fitt
ed v
alue
s
2000
0025
0000
3000
0035
0000
Des
mat
adoH
a
140000 160000 180000 200000 220000 240000Past_Total
DesmatadoHa Fitted values
Marcelândia
3500
0040
0000
4500
0050
0000
Fitt
ed v
alue
s
2500
0030
0000
3500
0040
0000
4500
00D
esm
atad
oHa
0 50000 100000 150000Past_Total
DesmatadoHa Fitted values
Moju
2400
0026
0000
2800
0030
0000
3200
0034
0000
Fitt
ed v
alue
s
1500
0020
0000
2500
0030
0000
3500
00D
esm
atad
oHa
0 100000 200000 300000Past_Total
DesmatadoHa Fitted values
Nova Bandeirantes
1500
0020
0000
2500
0030
0000
3500
00F
itted
val
ues
1500
0020
0000
2500
0030
0000
3500
00D
esm
atad
oHa
100000 150000 200000 250000Past_Total
DesmatadoHa Fitted values
Nova Mamoré
1500
0020
0000
250
000
300
000
350
000
Fitt
ed v
alue
s
1500
0020
0000
250
000
300
000
350
000
Des
ma
tado
Ha
80000 100000 120000 140000 160000Past_Total
DesmatadoHa Fitted values
Nova Maringá
3700
0038
0000
3900
0040
0000
4100
00F
itted
val
ues
2500
0030
0000
3500
0040
0000
4500
00D
esm
atad
oHa
120000 140000 160000 180000 200000Past_Total
DesmatadoHa Fitted values
Nova Ubiratã
3000
0040
0000
5000
0060
000
070
0000
Fitt
ed
valu
es
2000
0030
0000
4000
0050
0000
6000
00D
esm
atad
oHa
100000 200000 300000 400000 500000Past_Total
DesmatadoHa Fitted values
Novo Progresso
4000
005
0000
060
0000
700
000
800
000
Fitt
ed v
alue
s
3000
0040
0000
5000
0060
0000
700
000
800
000
Des
ma
tado
Ha
100000 200000 300000 400000 500000Past_Total
DesmatadoHa Fitted values
Novo Repartimento
65
Figura 8 (cont.) - Diagramas de dispersão e modelos ajustados – Desmatamento x
Pastagens: municípios selecionados
3500
0040
0000
4500
0050
0000
5500
0060
0000
Fitt
ed v
alue
s
1000
0020
0000
3000
0040
0000
5000
0060
0000
Des
mat
adoH
a
0 100000 200000 300000Past_Total
DesmatadoHa Fitted values
Pacajá
7000
0075
0000
8000
0085
0000
9000
00F
itted
val
ues
7000
0075
0000
8000
0085
0000
9000
00D
esm
atad
oHa
300000 350000 400000 450000 500000Past_Total
DesmatadoHa Fitted values
Paragominas
1900
0020
0000
2100
0022
0000
2300
0024
0000
Fitt
ed v
alue
s
1400
0016
0000
1800
0020
0000
2200
0024
0000
Des
mat
adoH
a
0 50000 100000 150000 200000Past_Total
DesmatadoHa Fitted values
Paranaíta
2000
0025
0000
3000
0035
0000
Fitt
ed v
alue
s
2000
0025
0000
3000
0035
0000
Des
mat
adoH
a
100000 150000 200000 250000 300000Past_Total
DesmatadoHa Fitted values
Peixoto de Azevedo
190
000
200
0002
1000
02
2000
023
0000
2400
00F
itted
val
ues
1800
0020
0000
220
000
240
000
Des
ma
tado
Ha
180000 190000 200000 210000 220000Past_Total
DesmatadoHa Fitted values
Pimenta Bueno
1500
0020
0000
250
000
300
000
350
000
Fitt
ed v
alue
s
1500
0020
0000
250
000
300
000
Des
ma
tado
Ha
60000 80000 100000 120000 140000Past_Total
DesmatadoHa Fitted values
Porto dos Gaúchos
4000
0050
0000
600
000
700
000
800
000
900
000
Fitt
ed v
alue
s
400
000
500
000
6000
0070
0000
8000
0090
0000
Des
ma
tado
Ha
200000 300000 400000 500000 600000Past_Total
DesmatadoHa Fitted values
Porto Velho
4550
0046
0000
4650
0047
0000
4750
00F
itted
val
ues
3000
0035
0000
4000
0045
0000
5000
00D
esm
atad
oHa
150000 200000 250000 300000 350000 400000Past_Total
DesmatadoHa Fitted values
Querência
66
Figura 8 (cont.) - Diagramas de dispersão e modelos ajustados – Desmatamento x
Pastagens: municípios selecionados
4400
0046
0000
4800
0050
0000
5200
0054
0000
Fitt
ed v
alue
s
4000
0045
0000
5000
0055
0000
Des
mat
adoH
a
260000 280000 300000 320000 340000 360000Past_Total
DesmatadoHa Fitted values
Rondon do Pará
1250
0013
0000
1350
00F
itted
val
ues
8000
010
0000
1200
0014
0000
1600
00D
esm
atad
oHa
40000 50000 60000 70000 80000Past_Total
DesmatadoHa Fitted values
Santa Carmem
4500
0050
0000
5500
0060
0000
Fitt
ed v
alue
s
4000
0045
0000
5000
0055
0000
6000
00D
esm
atad
oHa
400000 450000 500000 550000 600000Past_Total
DesmatadoHa Fitted values
Santa Maria das Barreiras
5000
0055
0000
6000
0065
0000
7000
0075
0000
Fitt
ed v
alue
s
4500
0050
0000
5500
0060
0000
6500
0070
0000
Des
mat
adoH
a
400000 450000 500000 550000 600000 650000Past_Total
DesmatadoHa Fitted values
Santana do Araguaia
3900
0040
0000
410
000
420
000
430
000
Fitt
ed v
alue
s
350
000
400
000
4500
00D
esm
ata
doH
a
300000 350000 400000 450000 500000Past_Total
DesmatadoHa Fitted values
São Félix do Araguaia
8000
0010
0000
0120
0000
1400
0001
6000
0018
0000
0F
itted
val
ues
5000
001.
0e+
061.
5e+
062.
0e+
06D
esm
ata
doH
a
600000 800000 1000000 1200000 1400000 1600000Past_Total
DesmatadoHa Fitted values
São Félix do Xingu
500
0060
000
7000
080
000
900
00F
itted
val
ues
200
004
0000
6000
080
000
100
000
Des
ma
tado
Ha
0 20000 40000 60000Past_Total
DesmatadoHa Fitted values
Senador José Porfírio
1400
0016
0000
1800
0020
0000
220
000
240
000
Fitt
ed v
alue
s
1400
001
6000
01
8000
020
0000
220
000
Des
ma
tado
Ha
40000 60000 80000 100000 120000Past_Total
DesmatadoHa Fitted values
Tailândia
67
Figura 8 (cont.) - Diagramas de dispersão e modelos ajustados – Desmatamento x
Pastagens: municípios selecionados
A grande maioria dos municípios avaliados apresenta relações positivas entre o aumento do
desmatamento e as áreas pastoreáveis, as exceções são Cláudia e Tapurah, ambos no estado
do Mato Grosso. Outro padrão visível é que em determinados municípios, durante algum
tempo, a área desmatada aumentou enquanto as áreas pastoreáveis permaneceram
praticamente constantes como no caso de Alta Floresta (MT), Anapu (PA), Juara (MT), Nova
Bandeirantes (MT), Paranaíta (MT) e Senador José Porfírio (PA). Para esses municípios em
específico posteriormente será apresentada as análises de existência de relações de causa e
efeito entre desmatamento e outras variáveis disponíveis. E, há ainda aqueles que aparentam
tendências lineares bastante fortes, sugerindo que um modelo de regressão linear seja
adequado, outros em que a dispersão dos pontos se encontra mais distante de uma tendência
linear, mas ainda é possível visualizar um padrão e aqueles em é difícil inclusive visualizar
qualquer padrão.
A seguir, na tabela 5, estão os modelos de regressão estimados.
1600
0017
0000
1800
0019
0000
2000
0021
0000
Fitt
ed v
alue
s
1200
0014
0000
1600
0018
0000
2000
00D
esm
atad
oHa
40000 60000 80000 100000 120000Past_Total
DesmatadoHa Fitted values
Tapurah
2800
0030
0000
3200
0034
0000
3600
00F
itted
val
ues
2500
0030
0000
3500
00D
esm
atad
oHa
50000 100000 150000 200000Past_Total
DesmatadoHa Fitted values
Ulianópolis
3000
0035
0000
4000
0045
0000
5000
00F
itted
val
ues
3000
0035
0000
4000
0045
0000
5000
00D
esm
atad
oHa
250000 300000 350000 400000Past_Total
DesmatadoHa Fitted values
Vila Rica
68
Tabela 5- Equações dos modelos simples ajustados – Desmatamento x Pastagens:
municípios selecionados
Municipio
p-valor
Teste de Breusch–
Pagan / Cook–
Weisberg
p-valor
Regressão
r²
Coeficiente
de
determinação
r
Coeficiente
de
correlação
de Pearson
equação
Alta Floresta 0.1815 0.1727** 0.1285 0.3585 y=0.09x+462452.4
Altamira 0.5318 0.0000 0.7268 0.8525 y=0.95x+345254.4
Alto Boa Vista 0.0004* 0.0087 0.3983 0.6311 y=0.4x+68019.75
Amarante Do Maranhão
0.886 0.0000 0.9412 0.9702 y=0.45x+145525
Anapu 0.185 0.0105 0.3839 0.6196 y=0.56x+157122.6
Aripuanã 0.4442 0.0000 0.8266 0.9092 y=0.99x+118480.1
Boca do Acre 0.1594 0.0000 0.8801 0.9381 y=1.02x+29439.48
Brasil Novo 0.3343 0.2375** 0.0981 0.3132 y=0.3x+202302.7
Brasnorte 0.3016 0.0000 0.8364 0.9145 y=1.18x+63899.86
Cláudia 0.8943 0.1169** 0.1663 0.4078 y=-0.96x+223261.6
Colniza 0.2779 0.0000 0.9232 0.9608 y=1.1x+98160.51
Confresa 0.0331* 0.0000 0.9304 0.9646 y=0.91x+75188.66
Cotriguaçu 0.4392 0.0000 0.8286 0.9103 y=0.96x+63641.44
Cumaru do Norte 0.7657 0.0000 0.9245 0.9615 y=0.96x+82284.94
Dom Eliseu 0.8108 0.0000 0.7068 0.8407 y=1.62x+34273.24
Feliz Natal 0.7234 0.0001 0.6909 0.8312 y=1.97x+60489.59
Gaúcha do Norte 0.0044* 0.0566** 0.2357 0.4855 y=0.66x+143777.9
Grajaú 0.2592 0.6658** 0.0137 0.1170 y=0.14x+93731.07
Itupiranga 0.4258 0.0000 0.7509 0.8665 y=0.83x+193087.3
Juara 0.1189 0.0125 0.3695 0.6079 y=0.46x+522591.1
Juína 0.1804 0.0000 0.9832 0.9916 y=1.2x+14630.93
Lábrea 0.0894 0.0000 0.8843 0.9404 y=1.11x+28167.41
Machadinho D’Oeste
0.2567 0.0000 0.9314 0.9651 y=0.95x+79392.87
Marabá 0.7332 0.0003 0.6131 0.7830 y=0.83x+281960
Marcelândia 0.6872 0.0000 0.9776 0.9887 y=1.34x+43299.63
Moju 0.4213 0.0012 0.5417 0.7360 y=0.97x+315345.7
Nova Bandeirantes
0.1719 0.0175 0.3411 0.5840 y=0.36x+231578.3
Nova Mamoré 0.228 0.0000 0.9760 0.9879 y=1.12x+38284.55
Nova Maringá 0.3171 0.0000 0.9113 0.9546 y=2.09x+-2416.999
Nova Ubiratã 0.0544 0.5357** 0.0280 0.1673 y=0.52x+307271.4
69
Municipio
p-valor
Teste de Breusch–
Pagan / Cook–
Weisberg
p-valor
Regressão
r²
Coeficiente
de
determinação
r
Coeficiente
de
correlação
de Pearson
equação
Novo Progresso 0.3825 0.0001 0.6986 0.8358 y=0.85x+228942.2
Novo Repartimento
0.5296 0.0000 0.8929 0.9449 y=1.08x+229196.4
Pacajá 0.378 0.0019 0.5083 0.7130 y=1.01x+291687.5
Paragominas 0.1785 0.0000 0.8648 0.9299 y=1.15x+342944.1
Paranaíta 0.1906 0.0960** 0.1853 0.4305 y=0.2x+194113.4
Peixoto de Azevedo
0.0295* 0.0000 0.9803 0.9901 y=0.74x+129196
Pimenta Bueno 0.2441 0.0000 0.8755 0.9357 y=1.25x+-37670.4
Porto Dos Gaúchos
0.8964 0.0000 0.8778 0.9369 y=1.84x+58982.71
Porto Velho 0.0761 0.0000 0.9013 0.9494 y=1.2x+115216.9
Querência 0.1357 0.7550** 0.0072 0.0849 y=0.07x+445029.7
Rondon do Para 0.8833 0.0000 0.8433 0.9183 y=1.24x+96098.17
Santa Carmem 0.0888 0.6650** 0.0138 0.1175 y=0.21x+117351.3
Santa Maria das Barreiras
0.272 0.0000 0.7721 0.8787 y=0.78x+132400.5
Santana do Araguaia
0.7093 0.0000 0.9308 0.9648 y=0.91x+144558
São Felix do Araguaia
0.012* 0.2999** 0.0764 0.2764 y=0.22x+323414.7
São Felix do Xingu
0.0649 0.0000 0.9806 0.9903 y=1.04x+184609.8
Senador Jose Porfirio
0.1724 0.0228 0.3185 0.5644 y=0.58x+52147.43
Tailândia 0.5142 0.0000 0.9747 0.9873 y=1.25x+93318.57
Tapurah 0.1064 0.0262 0.3060 0.5532 y=-0.86x+247822.9
Ulianópolis 0.3567 0.0008 0.5640 0.7510 y=0.57x+229704.6
Vila Rica 0.1082 0.0000 0.9194 0.9589 y=0.95x+88648.07
*Não satisfeitos os pressupostos da regressão. **Regressão não significativa
Infelizmente não foi possível comprovar os pressupostos do modelo de regressão para os
municípios Alto Boa Vista, Confresa, Gaúcha do Norte, Peixoto de Azevedo e São Felix do
Araguaia. Foi avaliado a possibilidade de realizar a transformação logarítmica, mas os
pressupostos continuavam violados. Então, optou-se por manter apenas a análise relativa aos
dados originais. Em particular, para os municípios de Gaúcha do Norte e São Felix do
Araguaia, além de não cumprir os pressupostos, a regressão não se mostrou significativa,
indicando que de fato não estava adequada ao conjunto de dados, fato que também estava
visível nos gráficos de dispersão de pontos. No entanto, Confresa e Peixoto de Azevedo
70
apresentaram uma regressão estatisticamente significativa, inclusive, com alto valores para o
coeficiente de correlação de Pearson e coeficiente de determinação.
Para os municípios de Alta Floresta, Brasil Novo, Cláudia, Grajaú, Nova Ubiratã, Paranaíta,
Querência e Santa Carmem, embora apresentem variância homocedástica e resíduos
normalmente distribuídos, a regressão linear não é estatisticamente significante e é aparente
nos gráficos que a linha de tendência, de fato, não está bem ajustada.
Dentre os municípios em que foram confirmados os pressupostos da regressão destacam-se
treze para os quais foram observados coeficientes de correlação de Pearson e coeficiente de
determinação superiores a 90% (Amarante do Maranhão, Colniza, Cumaru do Norte, Juína,
Machadinho D’Oeste, Marcelândia, Nova Mamoré, Nova Maringá, Porto Velho, Santana do
Araguaia, São Félix do Xingu, Tailândia e Vila Rica). Em particular, Juína e São Felix do
Xingu que apresentaram, inclusive, coeficiente de Person superior a 99%, indicando que
praticamente toda área desmatada foi convertida em pastagem. Em adição aos mais
relevantes, pode-se incluir outros quinze, cujos coeficientes de correlação linear foram
superiores a 80% e os coeficientes de determinação também apresentaram valores bastante
razoáveis (Aripuanã, Boca do Acre, Brasnorte, Cotriguaçu, Dom Eliseu, Feliz Natal,
Itupiranga, Lábrea, Novo Progresso, Novo Repartimento, Paragominas, Pimenta Bueno, Porto
dos Gaúchos, Rondon do Pará e Santa Maria das Barreiras). Assim sendo, aproximadamente
55% dos municípios avaliados (28 de 51) apresentaram uma correlação linear forte e
estatisticamente significativa entre as áreas desmatadas e as áreas destinadas às pastagens.
A Figura 9 corresponde aos coeficientes de correlação linear de Pearson obtido para as
regressões entre desmatamento e pastagens supracitadas.
71
Figura 9 - Coeficientes de correlações lineares – Desmatamento x Pastagens: municípios
selecionados
Os municípios cujas correlações foram mais fortes entre pastagem e desmatamento
apresentam maiores proximidades geográficas entre si, indicando a continuidade do processo
de conversão da floresta nativa em pastagens. As regiões mais críticas para essa conversão no
Arco do Desmatamento são as divisas entre os estados do Amazonas, Rondônia e Mato
Grosso, o estado do Pará como um todo, inclusive nos municípios limites com os estados de
Maranhão e do Mato Grosso. Em particular, essa região do estado do Pará que faz divisa com
o estado do Mato Grosso apresenta alta concentração de terras, situação que contempla
estreita relação de dependência com o desmatamento (FERREIRA; FERREIRA; MIZIARA,
2007).
72
Para os municípios para os quais a correlação entre desmatamento e pastagem foi fraca
(r<65%) ou não foi significativa, tentou-se explicar o desmatamento através das áreas de
lavouras temporárias e/ou permanentes. Essas variáveis foram escolhidas tendo em vista que
são as que apresentam maior quantidade de dados disponíveis, tornando possível avaliar
segundo um modelo de regressão. Para as demais, dispomos de poucas medições, o que
inviabiliza esse tipo de ajuste de modelo.
Os gráficos de dispersão juntamente com a reta ajustada estão apresentados no Figura 10.
Figura 10- Diagramas de dispersão e modelos ajustados – Desmatamento x Lavouras
Temporárias: subamostra
3500
0040
0000
450
000
500
000
0 5000 10000 15000 20000LavTemp
DesmatadoHa Fitted values
Alta Floresta50
000
1000
0015
0000
2000
0025
0000
1000 2000 3000 4000 5000 6000LavTemp
DesmatadoHa Fitted values
Anapu
1000
001
5000
02
0000
025
000
03
0000
0
500 1000 1500 2000 2500 3000LavTemp
DesmatadoHa Fitted values
Brasil Novo
1200
0013
000
0140
0001
5000
0160
0001
7000
0
0 50000 100000 150000LavTemp
DesmatadoHa Fitted values
Cláudia
73
Figura 10 (cont.) - Diagramas de dispersão e modelos ajustados – Desmatamento x Lavouras Temporárias: subamostra
2000
0025
0000
300
000
350
000
400
000
0 50000 100000 150000 200000LavTemp
DesmatadoHa Fitted values
Gaúcha do Norte
800
0010
0000
120
000
140
000
160
000
10000 15000 20000 25000LavTemp
DesmatadoHa Fitted values
Grajaú
5500
0060
0000
6500
0070
0000
750
000
800
000
0 10000 20000 30000 40000LavTemp
DesmatadoHa Fitted values
Juara
150
000
200
000
2500
003
0000
03
5000
0
0 2000 4000 6000LavTemp
DesmatadoHa Fitted values
Nova Bandeirantes
250
000
300
000
350
000
400
000
4500
0050
0000
100000 200000 300000 400000 500000 600000LavTemp
DesmatadoHa Fitted values
Nova Ubiratã
1000
0015
0000
200
000
250
000
0 5000 10000 15000LavTemp
DesmatadoHa Fitted values
Paranaíta
3000
0040
0000
5000
0060
0000
0 100000 200000 300000 400000LavTemp
DesmatadoHa Fitted values
Querência
800
0010
000
012
0000
140
000
1600
00
0 50000 100000 150000LavTemp
DesmatadoHa Fitted values
Santa Carmem
74
Figura 10 (cont.) - Diagramas de dispersão e modelos ajustados – Desmatamento x Lavouras Temporárias: subamostra
Os gráficos indicam que os municípios de Alta Floresta, Anapu, Brasil Novo, Nova
Bandeirantes, Paranaíta e Senador José Porfírio apresentam relações negativas entre as áreas
de lavouras temporárias e o desmatamento. E, para os municípios de Juara, São Félix do
Araguaia e Tapurah, embora a regressão seja positiva, é visivelmente pouco explicativa e
como o objetivo deste trabalho é identificar os fatores que mais influenciam o desmatamento
na região amazônica, esses municípios não serão modelados segundo essa variável.
Para os municípios de Cláudia, Gaúcha do Norte, Grajaú, Nova Ubiratã, Querência e Santa
Carmem, a análise visual sugere uma correlação razoável e os modelos ajustados para as áreas
de lavouras temporárias foram testados e estão apresentados na Tabela 6 a seguir:
3500
0040
000
04
5000
05
0000
0
0 50000 100000 150000 200000 250000LavTemp
DesmatadoHa Fitted values
São Felix do Araguaia
200
004
0000
6000
080
000
100
000
1000 2000 3000 4000 5000LavTemp
DesmatadoHa Fitted values
Senador José Porfírio
1200
001
4000
01
6000
018
0000
200
000
0 50000 100000 150000 200000 250000LavTemp
DesmatadoHa Fitted values
Tapurah
75
Tabela 6- Equações dos modelos simples ajustados – Desmatamento x Lavouras
Temporárias: subamostra
Municipio p-valor
Teste de Breusch–Pagan / Cook–Weisberg
p-valor Regressão
r² Coeficiente
de determinação
r Coeficiente
de correlação de Pearson
equação
Cláudia 0.6389 0.0045 0.5703 0.7552 y=0.31x+ 128518.5
Gaúcha do Norte 0.6513 0.0390 0.3931 0.6270 y=0.63x+ 271378.8
Grajaú 0.9168 0.0000 0.8858 0.9412 y=4.35x+ 25184.15
Nova Ubiratã 0.2953 0.0004 0.7296 0.8542 y=0.43x+ 253182.3
Querência 0.8398 0.0033 0.5953 0.7716 y=0.48x+ 378270.8
Santa Carmem 0.5172 0.0019 0.6344 0.7965 y=0.64x+ 82617.45
Todos os modelos ajustados cumprem os pressupostos de uma análise de regressão e,
conforme indicavam os gráficos, todas as equações ajustadas são significativas. Grajaú e
Nova Ubiratã apresentaram uma correlação bastante forte entre o desmatamento e as lavouras
temporárias, inclusive, com modelos bem ajustados (r²>72%) e representado grande parte da
variação dos dados. Gaúcha do Norte foi o município que apresentou a correlação mais fraca
(r≈63%). Para os demais municípios (Cláudia, Querência e Santa Carmem) a correlação foi
moderada com valores razoáveis para o coeficiente de determinação do modelo ajustado.
Diante do exposto, o desmatamento nesses municípios pode ser melhor explicado pelas áreas
de lavouras temporárias do que pela pastagem.
Foi realizada uma análise semelhante para a variável lavoura permanente, cujos gráficos estão
apresentados a seguir:
76
Figura 11- Diagramas de dispersão e modelos ajustados – Desmatamento x Lavouras
Permanentes: subamostra
3500
0040
0000
4500
0050
0000
0 5000 10000 15000LavPerm
DesmatadoHa Fitted values
Alta Floresta
5000
010
0000
1500
0020
0000
2500
00
1000 2000 3000 4000 5000 6000LavPerm
DesmatadoHa Fitted values
Anapu
1000
0015
0000
200
000
250
000
300
000
4000 4500 5000 5500 6000LavPerm
DesmatadoHa Fitted values
Brasil Novo
120
000
130
000
1400
0015
0000
160
000
0 50 100LavPerm
DesmatadoHa Fitted values
Cláudia
2000
0025
000
03
0000
03
5000
0
500 1000 1500 2000LavPerm
DesmatadoHa Fitted values
Gaúcha do Norte
8000
01
0000
012
0000
140
000
160
000
300 400 500 600 700 800LavPerm
DesmatadoHa Fitted values
Grajaú
5500
0060
0000
6500
0070
0000
750
000
800
000
50 100 150 200LavPerm
DesmatadoHa Fitted values
Juara
1500
002
0000
025
0000
300
000
350
000
2000 4000 6000 8000 10000LavPerm
DesmatadoHa Fitted values
Nova Bandeirantes
77
Figura 11 (cont.) - Diagramas de dispersão e modelos ajustados – Desmatamento x Lavouras Permanentes: subamostra
Os municípios de Alta Floresta, Grajaú, Nova Bandeirantes, Nova Ubiratã, Paranaíta, Santa
Carmem e São Felix do Araguaia apresentam relações inversas entre as áreas de lavouras
permanentes e o desmatamento. De modo que, à medida que o desmatamento nesses
250
000
3000
0035
0000
400
000
450
000
0 200 400 600 800LavPerm
DesmatadoHa Fitted values
Nova Ubiratã
140
0001
6000
0180
0002
0000
0220
0002
4000
0
500 1000 1500 2000 2500LavPerm
DesmatadoHa Fitted values
Paranaíta
3000
0040
0000
500
000
600
000
1000 1500 2000 2500LavPerm
DesmatadoHa Fitted values
Querência
800
0010
0000
1200
001
4000
01
6000
0
0 50 100 150 200LavPerm
DesmatadoHa Fitted values
Santa Carmem
350
000
400
000
4500
00
0 200 400 600LavPerm
DesmatadoHa Fitted values
São Felix do Araguaia
200
004
0000
6000
080
000
100
000
500 1000 1500 2000LavPerm
DesmatadoHa Fitted values
Senador José Porfírio
1200
001
4000
01
6000
018
0000
200
000
0 500 1000 1500 2000LavPerm
DesmatadoHa Fitted values
Tapurah
78
municípios aumenta, diminui a área de lavoura permanente. E, para os municípios de Brasil
Novo, Gaúcha do Norte, Juara, Senador José Porfírio e Tapurah, embora a regressão seja
positiva, é visivelmente pouco explicativa e também não serão modelados. Restando apenas
Anapu, Cláudia e Querência para avaliação da regressão ajustada, que está logo a segui:
Tabela 7- Equações dos modelos simples ajustados – Desmatamento x Lavouras
Permanentes: subamostra
Municipio
p-valor Teste de Breusch–
Pagan / Cook–Weisberg
p-valor Regressão
r² Coeficiente
de determinação
r Coeficiente
de correlação de Pearson
equação
Anapu 0.7206 0.0722* 0.3154 0.5616 y=0.26x+ 717.2325
Cláudia 0.0913 0.0026 0.6529 0.8080 y=4.32x+ 1047.666
Querência 0.3620 0.0033 0.6346 0.7966 y=1.34x+ 2444.782 *Regressão não significativa
Embora os três modelos ajustados apresentem válidos os pressupostos da regressão, apenas
Cláudia e Querência apresentaram uma equação estatisticamente significativa e bastante
semelhantes entre si, cuja correlação linear entre áreas desmatadas e áreas destinadas às
lavouras permanentes foram de aproximadamente 80%. De modo que, nesses dois municípios
em particular, o desmatamento pode ser explicado tanto por lavouras temporárias quanto por
lavouras permanentes.
Finalmente, dentre os municípios amostrados no Arco do Desmatamento, não foi possível
identificar nas variáveis estudadas uma explicação direta para a remoção das áreas de floresta
nativa em Alta Floresta, Brasil Novo, Juara, Nova Bandeirantes, Paranaíta, São Felix do
Araguaia, Senador José Porfírio e Tapurah. Isso porque o desmatamento se mostrou pouco ou
não relacionado positivamente com as áreas de pastagens, lavouras permanente ou lavouras
temporária. Esses municípios representam aproximadamente 16% (8 em 51) da amostra
considerada e para os quais o desmatamento é devido a outros fatores sociais ou econômicos
não considerados nesta pesquisa, como por exemplo, a ocorrência de garimpos ou exploração
madeireira na região.
79
4. Conclusão
Essa pesquisa teve como objetivo principal avaliar os impactos sobre o desmatamento da
Amazônia a partir de variáveis demográficas e sociais. Os municípios selecionados na
amostra são aqueles definidos como prioritários ou com desmatamento monitorado no
chamado Arco do Desmatamento, embora muitos outros municípios também façam parte
dessa região. O período geral de estudo contempla os anos entre 1970 e 2015 em que foram
realizados censos populacionais e/ou agropecuários. No entanto, informações relativas às
áreas desmatadas foram consideradas apenas para o período entre 2000 e 2015. Nos anos
iniciais a pesquisa buscou identificar os diferentes estágios da fronteira de uso e ocupação do
solo a partir de uma análise descritiva detalhada e caracterizar a frente de expansão e a frente
pioneira nos municípios selecionados para o Arco do Desmatamento. Resultados semelhantes
foram obtidos entre os municípios isoladamente e a região como um todo, refletindo a
validade interna desta pesquisa.
De acordo com os resultados obtidos, com o passar dos anos, as proporções de áreas ocupadas
no Arco do Desmatamento foram convertidas em propriedades privadas e, quando a fronteira
já estava consolidada, as propriedades próprias já correspondiam quase a totalidade das terras
utilizadas. Simultaneamente, as propriedades passaram a destinar uma área maior para o
cultivo de pastagens plantadas e lavouras temporárias em detrimento das áreas destinadas à
floresta nativa, principalmente. Esse padrão também fora evidenciado por Ferreira, Ferreira e
Miziara (2007), porém em uma região de estudo contemplando mais municípios da Amazônia
legal.
Do ponto de vista demográfico, indicadores como a razão de sexos e a taxa de urbanização
também se mostraram bastante úteis, auxiliando concomitantemente na identificação da fase
predominante da fronteira em um determinado momento. Na fase de expansão, os municípios,
e o Arco do Desmatamento com o um todo, apresentaram valores mais elevados para a razão
de sexos e mais baixos para as taxas de urbanização. Indicando que a população residente era
predominantemente masculina e rural, dispondo de pouca ou nenhuma estrutura. À medida
que a fronteira evolveu para a frente pioneira, os valores passaram a indicar um maior
balanceamento entre a proporção de gêneros e taxas crescentes de urbanização. Toda essa
dinâmica é irregular e ocorre em tempos diferentes, sendo que alguns municípios antecipam
esse processo. A partir desses municípios “pioneiros” a Fronteira (nessa perspectiva) vai se
expandindo para as demais localidades vizinhas.
80
Quanto aos impactos ambientais dessas mudanças no Arco do Desmatamento, optamos por
avaliar a existência de uma relação de dependência linear entre áreas cuja floresta foi retirada
e as variáveis disponíveis. Constatamos que as variáveis demográficas são pouco explicativas
para as taxas de desmatamento. Dentre as variáveis sociais, apenas a que descreve as áreas de
estabelecimentos próprios se mostrou mais informativa nesse sentido. Como esperado, a
variável ‘Pastagem total’ é a que melhor explica o desmatamento ocorrido nos municípios.
Isso porque na fase de expansão, a floresta é removida e o gado é utilizado para demarcar a
posse da propriedade. Quando a fronteira avança para a frente pioneira e com a intensificação
do uso do solo, mais terras são convertidas em pastagens. Esse modelo para a região como um
todo consegue captar mais de 80% da variação ocorrida no período (r²=80.6%) e as variáveis
pastagem e desmatamento estão altamente correlacionadas linearmente (r≈90%).
Ao nível dos municípios, a grande maioria apresentou relações positivas entre o aumento do
desmatamento e as áreas pastoreáveis. Aproximadamente 55% dos municípios avaliados (28
de 51) apresentaram correlações lineares fortes e estatisticamente significativas entre as áreas
desmatadas e as áreas destinadas às pastagens. Esse municípios mostraram também maiores
proximidades geográficas entre si, indicando a continuidade do processo de remoção da
floresta. As regiões mais críticas no Arco do Desmatamento para essa conversão em pastagem
são as divisas entre os estados do Amazonas, Rondônia e Mato Grosso, o estado do Pará
como um todo, inclusive nos municípios limites com os estados de Maranhão e do Mato
Grosso.
Para aproximadamente 12% dos municípios (6 em 51), apesar de correlacionados
positivamente, as áreas de pastagem não foram muito explicativas para os desmatamentos
registrados. Nesses, a retirada da floresta pôde ser melhor representada pelas áreas de lavouras
temporárias ou lavouras permanentes do que pela pastagem. E houve ainda aqueles em que
não foi possível identificar uma explicação direta para a remoção das vegetação nativa. Em
aproximadamente 16% (8 em 51) da amostra o desmatamento se mostrou pouco ou não
relacionado positivamente com as áreas de pastagens, lavouras permanente ou lavouras
temporária. Para esses municípios, o desmatamento pode ser devido a outros fatores sociais
ou econômicos não considerados nesta pesquisa, isso porque as condições de ocupação
amazônica variam muito no decorrer da história..
Finalmente, podemos concluir que, de modo geral, a variável pastagem é a que melhor explica
o desmatamento. Embora, as áreas destinadas às propriedades próprias também possam ser
81
utilizadas para modelar o evento. As variáveis demográficas não são boas preditoras mas,
juntamente com as variáveis sociais, funcionam bem como indicadoras da fase em que se
encontra a fronteira. E, para alguns casos isolados, outras as informações como áreas
destinadas às lavouras (temporárias ou permanentes) podem justificar melhor a retirada da
floresta.
82
Referências Bibliográficas
1. ALVES, P. A. et al. Explorando as relações entre a dinâmica demográfica, estrutura
econômica e mudanças no uso e cobertura da terra no sul do Pará: lições para o distrito
florestal sustentável da BR-163. Geografia (Rio Claro), [s. l.], v. 35, n. 1, p. 165–
182, 2010.
2. AMARAL, S.; CÂMARA, G.; VIEIRA, A. M. M. Análise Espacial do Processo de
Urbanização da Amazônia. [s.l: s.n.].
3. ANACLETO, T. C. S.; MIZIARA, F. EXPANSÃO DE FRONTEIRAS E
IMPACTOS SÓCIOAMBIENTAIS NO CERRADO MATOGROSSENSE.
Geografia (Rio Claro), [s. l.], v. 31, n. 3, p. 527–538, 2006.
4. BARBIERI, A. F. Mobilidade populacional, meio ambiente e uso da terra em áreas de
fronteira: uma abordagem multiescalar. R.bras.Est.Pop., [s. l.], v. 24, n. 2, p. 225–
246, 2007.
5. BARBIERI, A. F.; CARR, D. L.; BILSBORROW, R. E. Migration within the frontier:
The second generation colonization in the Ecuadorian Amazon. Population Research
and Policy Review, [s. l.], v. 28, n. 3, p. 291–320, 2009.
6. BECKER, B. K. Geopolítica da Amazônia. Estudos Avançados, [s. l.], v. 19, n. 53, p.
71–86, 2005.
7. BILSBORROW, R. E.; BARBIERI, A. F.; PAN, W. Changes in population and land
use over time in the Ecuadorian Amazon. Acta Amazonica, [s. l.], v. 34, n. 4, p. 635–
647, 2004.
8. BROWDER, J. O. et al. Revisiting Theories of Frontier Expansion in the Brazilian
Amazon: A Survey of the Colonist Farming Population in Rond??nia’s Post-Frontier,
1992-2002. World Development, [s. l.], v. 36, n. 8, p. 1469–1492, 2008.
9. CHÁVEZ, A. B.; BROADBENT, E. N.; ALMEYDA ZAMBRANO, A. M.
Smallholder policy adoption and land cover change in the southeastern Peruvian
Amazon: A twenty-year perspective. Applied Geography, [s. l.], v. 53, p. 223–233,
2014. Disponível em:
<http://www.sciencedirect.com/science/article/pii/S0143622814001337>. Acesso em:
10 jun. 2015.
10. CÔRTES, J. C.; D’ANTONA, Á. de O. Dinâmicas no uso e cobertura da terra:
perspectivas e desafios da Demografia. Revista Brasileira de Estudos de População,
[s. l.], v. 31, n. 1, p. 191–210, 2014. Disponível em:
83
<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-
30982014000100011&lng=pt&nrm=iso&tlng=en>
11. D’ANTONA, A.; VANWEY, L.; LUDEWIGS, T. Polarização da estrutura fundiária e
mudanças no uso e na cobertura da terra na Amazônia. Acta Amazonica, [s. l.], v. 41,
n. 2, p. 223–232, 2011.
12. DE SOUZA, R. A.; MIZIARA, F.; DE MARCO JUNIOR, P. Spatial variation of
deforestation rates in the Brazilian Amazon: A complex theater for agrarian
technology, agrarian structure and governance by surveillance. Land Use Policy, [s.
l.], v. 30, n. 1, p. 915–924, 2013. Disponível em:
<http://www.sciencedirect.com/science/article/pii/S0264837712001251>. Acesso em:
10 jul. 2015.
13. DINIZ, A. (UFMG/Depto. de G. Migração e Evolução da Fronteira Agrícola. In: XIII
ENCONTRO DA ASSOCIAÇÃO BRASILEIRA DE ESTUDOS POPULACIONAIS
2002, Ouro Preto, MG. Anais... Ouro Preto, MG Disponível em:
<http://www.abep.nepo.unicamp.br/docs/anais/pdf/2002/GT_MIG_ST33_Diniz_texto.
pdf>
14. ESPÍRITO SANTO FILHO, K. Desenvolvimento sustentável no estado de Goiás.
2011. Universidade Federal de Goiás, [s. l.], 2011.
15. FERREIRA, N. C.; FERREIRA, L. G.; MIZIARA, F. Deforestation Hotspots in the
Brazilian Amazon: Evidence and Causes as Assessed from Remote Sensing and
Census Data. Earth Interactions, [s. l.], v. 11, n. 1, p. 1–16, 2007. Disponível em:
<http://journals.ametsoc.org/doi/abs/10.1175/EI201.1>
16. GUEDES, G. et al. Ciclo de vida domiciliar, ciclo do lote e mudanças no uso da terra
da Amazônia: revisão crítica da literatura. Revista Brasileira de Estudos de
População - REBEP, [s. l.], v. 28, n. 1, p. 231–240, 2011.
17. GUIMARÃES, E. N.; LEME, H. J. de C. Caracterização histórica e configuração
espacial da estrutura produtiva do Centro-Oeste. In: Migração e meio ambiente no
Centro-Oeste. Campinas: NEPO/ UNICAMP: PRONEX, 2002. p. 17–85.
18. HOGAN, D. J. Demographic dynamics and environmental change in Brazil.
Ambiente & sociedade, [s. l.], v. 13, n. 1, p. 01–28, 2001.
19. JOHNSON, R.; WICHERN, D. Applied Multivariate Statistical Analysis. 6th. ed.
New Jersey: Pearson Prentice Hall, 2007.
20. JUSYS, T. Fundamental causes and spatial heterogeneity of deforestation in Legal
84
Amazon. Applied Geography, [s. l.], v. 75, p. 188–199, 2016. Disponível em:
<http://dx.doi.org/10.1016/j.apgeog.2016.08.015>
21. MAGALHÃES, M. N.; LIMA, A. C. P. De. Noções de Probabilidade e Estatística.
6a ed. São Paulo: Edusp, 2004. Disponível em:
<http://www.edusp.com.br/detlivro.asp?ID=720259>
22. MARTINS, J. D. S. O tempo da fronteira: retorno à controvérsia sobre o tempo
histórico da frente de expansão e da frente pioneira. Tempo Social; Rev. Sociologia.
USP, [s. l.], v. 8, n. 1, p. 25–70, 1996.
23. MELLO, L. F. De; SATHLER, D. A demografia ambiental e a emergência dos
estudos sobre população e consumo. Revista Brasileira de Estudos de População, [s.
l.], v. 32, n. 2, p. 357–380, 2015. Disponível em:
<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-
30982015000200357&lng=pt&nrm=iso&tlng=en>
24. MIZIARA, F. Condições estuturais e opções individuais na formulação do conceito de
“fronteira agrícola”. In: SILVA, L. S. D. Da (Ed.). Relações Cidade-Campo:
Fronteiras. 1a ed. Goiânia: Editora UFG, 2000. p. 1–16.
25. MIZIARA, F. Expansão de Fronteiras e Ocupação do Espaço no Cerrado : o caso de
Goiás. In: GUIMARÃES, L.; SILVA, M. A. D.; ANACLETO, T. C. S. (Eds.).
Natureza Viva Cerrado. 1a ed. Goiânia: UCG, 2006. p. 169–196.
26. MONTGOMERY, D. C.; RUNGER, G. C. Applied Statistics and Probability for
Engineers. 3rd. ed. New York: John Wiley & Sons, Inc., 2003.
27. PARENTE, L. et al. Monitoring the brazilian pasturelands: A new mapping approach
based on the landsat 8 spectral and temporal domains. International Journal of
Applied Earth Observation and Geoinformation, [s. l.], v. 62, n. June, p. 135–143,
2017. Disponível em:
<http://linkinghub.elsevier.com/retrieve/pii/S0303243417301290>
28. SANTOS, M. A. Dos et al. Dinâmica demográfica e uso da terra no cerrado brasileiro:
reflexões a partir da experiência do Padap. Revista de Economia e Sociologia Rural,
[s. l.], v. 50, n. 2, p. 319–331, 2012.
29. STATACORP. Stata Statistical Software: Release 14, 2015.
30. TRITSCH, I.; LE TOURNEAU, F.-M. Population densities and deforestation in the
Brazilian Amazon: New insights on the current human settlement patterns. Applied
Geography, [s. l.], v. 76, p. 163–172, 2016. Disponível em:
85
<http://linkinghub.elsevier.com/retrieve/pii/S0143622816304568>
31. WEISBERG, S. Applied Linear Regression. 3rd. ed. New Jersey: John Wiley &
Sons, Inc., 2005. Disponível em: <http://www.qiagen.com/products/catalog/sample-
technologies/protein-sample-technologies/detection-kits-and-antibodies/penta-his-
antibody-bsa-free>
86
ANEXOS
Anexo 1- Lista de Municípios com Desmatamento Monitorado e Sob Controle
(atualizada em 14/10/2013)
UF NOME ANO DE ENTRADA
ANO DE SAÍDA
PORTARIA DE ENTRADA
PORTARIA DE SAÍDA
MT Querência 2008 2011 n28/2008 n139/2011 MT Marcelândia 2008 2013 n28/2008 n412/2013 MT Brasnorte 2008 2013 n28/2008 n412/2013 MT Alta Floresta 2008 2012 n28/2008 n187/2012 MT Feliz Natal 2009 2013 n102/2009 n412/2013 PA Ulianópolis 2008 2012 n28/2008 n324/2012 PA Santana Do
Araguaia 2008 2012 n28/2008 n187/2012
PA Paragominas 2008 2010 n28/2008 n67/2010 PA Dom Eliseu 2008 2012 n28/2008 n324/2012 PA Brasil Novo 2008 2013 n28/2008 n412/2013 PA Tailândia 2009 2013 n102/2009 n412/2013
87
Anexo 2- Lista de Municípios Prioritários da Amazônia (atualizado em 14/10/2013)
UF NOME ANO DE ENTRADA PORTARIA DE ENTRADA AM Lábrea 2008 n28/2008 AM Boca Do Acre 2011 n175/2011 MA Amarante Do Maranhão 2009 n102/2009 MA Grajaú 2011 n175/2011 MT Vila Rica 2008 n28/2008 MT São Félix Do Araguaia 2008 n28/2008 MT Porto Dos Gaúchos 2008 n28/2008 MT Peixoto De Azevedo 2008 n28/2008 MT Paranaíta 2008 n28/2008 MT Nova Ubiratã 2008 n28/2008 MT Nova Maringá 2008 n28/2008 MT Nova Bandeirantes 2008 n28/2008 MT Juína 2008 n28/2008 MT Gaúcha Do Norte 2008 n28/2008 MT Cotriguaçu 2008 n28/2008 MT Confresa 2008 n28/2008 MT Colniza 2008 n28/2008 MT Aripuanã 2008 n28/2008 MT Juara 2009 n102/2009 MT Tapurah 2011 n175/2011 MT Santa Carmem 2011 n175/2011 MT Cláudia 2011 n175/2011 MT Alto Boa Vista 2011 n175/2011 PA São Félix Do Xingu 2008 n28/2008 PA Santa Maria Das Barreiras 2008 n28/2008 PA Rondon Do Pará 2008 n28/2008 PA Novo Repartimento 2008 n28/2008 PA Novo Progresso 2008 n28/2008 PA Cumaru Do Norte 2008 n28/2008 PA Altamira 2008 n28/2008 PA Pacajá 2009 n102/2009 PA Marabá 2009 n102/2009 PA Itupiranga 2009 n102/2009 PA Moju 2011 n175/2011 PA Senador José Porfírio 2012 n323/2012 PA Anapu 2012 n323/2012 RO Porto Velho 2008 n28/2008 RO Pimenta Bueno 2008 n28/2008 RO Nova Mamoré 2008 n28/2008 RO Machadinho D'oeste 2008 n28/2008 RR Mucajaí 2009 n102/2009
Anexo 3- Variáveis de fronteiras
Municipio / UF Ano Area_Estab Floresta_Nat Floresta_Plant Lav_Perm Lav_Temp Past_Nat Past_Plant Ter_Arrend Ter_Ocup Ter_Parc TerProp Altamira / PA 1970 76945.4 63685.1 283.3 406.2 1708.7 616 3971.7 37350.9 39594.5 Amarante Do Maranhao /
MA 1970 111752.9 13237.1 56.4 362.1 5082.2 24695.6 6975.5 7626.7 104126.2
Aripuana / MT 1970 493346.6 291294.2 2.4 14.8 238 101442 170 18081.8 1210.2 474054.6 Boca Do Acre /
AM 1970 668243.4 570091.2 104.8 695.5 3122.4 1624 1805.5 488063 152209.4 1141 26830
Grajau / MA 1970 507837.7 93377 208 986.6 12141.1 138334.6 18784.5
44556.1 463281.6 Itupiranga /
PA 1970 131573.4 118990.4 90.7 92.3 1251.5 60 7922.3 3600 39805.4 88168
Labrea / AM 1970 168851.8 159164.3 133 227 1856.5 229 411 25961.7 133179.1 268 9443 Maraba / PA 1970 665167.7 613542.4
189.7 3351.1 171 45792 22682.5 117708.8 125506 399270.4
Moju / PA 1970 68062.6 18467.3 15.5 603.6 5005.8 399.7 124.1 1432.9 25192.1 113.3 41324.3 Paragominas /
PA 1970 711048.2 565063.4 418.3 91.2 8261.2 5374.4 124978 14.5 73220.1 7097.3 630716.3
Porto Dos Gauchos / MT
1970 37549.9 6549.4
1923.9 1667.9 123.2 3677.2 9.6 4400.1 5 33135.2
Porto Velho / RO
1970 1223547 765416.6 334.5 11775 27104.4 12094.5 35050.5 141461.7 264392 241834 575859
Santana Do Araguaia / PA
1970 442983.4 168484.5 28.4 128.3 2069.7 48896.8 34720.7
20428.4 5.4 422549.6
Sao Felix Do Xingu / PA
1970 12931 12333
59.5 159 213 16 10 4181
8740
Senador Jose Porfirio / PA
1970 8808.2 5057.1 5 5.4 419 2995.5 268.6 803 763.3 1.2 7240.7
Alta Floresta / MT
1980 461662.9 392815.6
15852.6 7413.483 386.545 14029.03 3251.12 2545.74 6649.00 449217.02
Altamira / PA 1980 444124.3 355808.8 50 4889.32 10419.288 5785 46494.41 358.80 41686.98 220.00 401858.48 Amarante Do Maranhao /
MA 1980 184995.3 110722.4
189.291 9348.544 13428.97 24711.62 284.96 4731.16 7.35 179971.85
Aripuana / MT 1980 870380.7 732033.9 50 3928.26 7229.398 12770.09 39380.27 2881.17 157593.99 131.27 709774.26
89
Municipio / UF Ano Area_Estab Floresta_Nat Floresta_Plant Lav_Perm Lav_Temp Past_Nat Past_Plant Ter_Arrend Ter_Ocup Ter_Parc TerProp Boca Do Acre /
AM 1980 488469.6 384121 107.5 6207.62 14320.115 3367.5 31443.46 52527.86 151897.24 55.00 283989.53
Grajau / MA 1980 735142.7 280055 60 1202.25 37802.028 60625.59 73786.8 2586.60 161923.97 708.77 569923.34 Itupiranga /
PA 1980 347852.9 220533.2
1957.83 6196.026 132.14 59737.31
119614.21
228238.66
Labrea / AM 1980 1892037 1660209 88.9 1087.87 3879.1 806.5 917 109653.50 732630.64 1393.00 1048360.17 Maraba / PA 1980 1060444 775947.3 1314.1 9417.444 17737.43 221449.7 20.00 22909.26 1358.80 1036155.50
Moju / PA 1980 178263.7 105597.4 2952.36 13213.655 913 2019 662.88 78290.06 271.50 99039.30 Paragominas /
PA 1980 1580426 988641.3 19.36 1009.59 13956.792 33004.37 447574.2 2888.72 129358.77 314.60 1447863.81
Pimenta Bueno / RO
1980 834472.1 654103 14.52 11632 16108.374 20089.53 105627.4 1030.03 425443.31 2388.62 405610.13
Porto Dos Gauchos / MT
1980 261094.9 214990.5
8470.4 4861.683 3457.072 26822.86 108873.38 682.52 1599.62 149939.35
Porto Velho / RO
1980 519558.6 379071.9 73 5160.18 14324.535 3905.85 83929.07 3817.60 426871.49 180.00 88689.47
Santana Do Araguaia / PA
1980 1253786 777112.2 250 2964.65 8079.106 78910 267309.9
153905.92 242.00 1099638.48
Sao Felix Do Araguaia / MT
1980 1426195 704648.7 10 270.162 7923.278 139260 360983.8 2000.00 36813.48 12.50 1387368.67
Sao Felix Do Xingu / PA
1980 446689.3 385859.9 805.595 2369.984 22 20109.67 72000.00 86717.78 287971.50
Senador Jose Porfirio / PA
1980 167220.4 130654.4 941.438 3387.57 207.5 25568.51
28232.18 138988.24
Alta Floresta / MT
1995 822846.9 471301.7 213.19 11073.8 17166.692 1662.516 283157 11263.53 3857.59
804792.00
Altamira / PA 1995 600420.8 430486.6 818.5 3575.58 8326.489 7466.425 119549.9 317.18 25669.80
571484.97 Alto Boa Vista
/ MT 1995 617095 247971.3 30 1171.83 3340.538 37711.24 294361.1
11297.94
604747.07
Amarante Do Maranhao /
MA 1995 218180.4 98540.37 968.359 625.645 9815.637 13040.39 62311.67 503.35 10313.43
207245.02
Aripuana / MT 1995 2415730 2187611 22.42 3912.19 5443.266 2970.265 213477.2 114.60 956.42
2414608.29 Boca Do Acre /
AM 1995 401429.2 314404.9
1796.65 3814.648 19856.54 45450.53 232.00 10690.12
390407.07
90
Municipio / UF Ano Area_Estab Floresta_Nat Floresta_Plant Lav_Perm Lav_Temp Past_Nat Past_Plant Ter_Arrend Ter_Ocup Ter_Parc TerProp Brasil Novo /
PA 1995 287664.6 181787.4 730.5 4359.01 6550.519 1354.47 81719.22 17.42 112.99
287534.20
Brasnorte / MT 1995 414310.1 255189.1
48.285 43662.13 7800.938 67188.47 2118.52 43101.72
369089.83 Claudia / MT 1995 377029.1 288350 278.14 283.768 508.698 95.59 72868.03 1372.14 249.26
332956.03
Confresa / MT 1995 398409.5 204894.6
11324.9 14501.973 14778.25 99810.09 1495.57 172605.49
224291.52 Cotriguacu /
MT 1995 85211.04 64908.53 14.68 680.111 1829.821 125.82 16667.54
194.98
85016.06
Cumaru Do Norte / PA
1995 445210.6 215409.8 30.84 408.14 1670.34 6027.3 199470.5 9.68 96.80
445104.08
Dom Eliseu / PA
1995 240111 101066.6 6238.76 2967.44 2648.312 5192.872 111265.5 14930.58 189.97
224990.49
Grajau / MA 1995 387811 102593.1 6 599.053 12405.376 66250.91 62462.16 11587.27 1404.18
880329.85 Itupiranga /
PA 1995 320201.3 140935.2 628.162 3311.4 10859.726 17120.93 109560.7 6399.06 22102.70
1245875.25
Juara / MT 1995 893321.3 552505.6 5.082 399.765 2673.558 3039.865 296593.1 3834.43 19209.38
60718.54 Juina / MT 1995 1275711 1039315 106.964 3866.47 4613.388 1895.46 215726.1 243.22 6397.93
385424.92
Labrea / AM 1995 83762.35 74761.13
365.71 2250.583 2568.914
508.55 5183.29
528323.55 Machadinho Doeste / RO
1995 392769.5 309449.3 470.45 15425.3 7802.263 2499.325 47299.2 2653.06 174.24
659129.55
Maraba / PA 1995 535375.4 231688.9 589.619 1732.37 8946.174 2092.567 263356.5 55.25 7024.28
251255.12 Marcelandia /
MT 1995 662022.2 492122.7 44.77 519.939 2434.844 13896.44 131274.5 46.86 385.02
363338.75
Moju / PA 1995 258390.2 100008.3 522.35 10776 11893.078 4049.017 10139.89 136.00 1554.34
153472.24 Nova
Bandeirantes / MT
1995 363796 276474.3 0.1 3489.36 804.851 10281.21 54519.7 0.00 2940.00
346830.40
Nova Mamore / RO
1995 156001.2 98754.93 156 2255.32 4858.101 692.5 46062.26
Nova Maringa / MT
1995 351970.4 159577.4
3074 241.5
53023.9 129.26 5989.76
294194.18
Nova Ubirata / MT
1995
96.80 2723.58
412098.81
Novo Progresso / PA
1995 300318.2 199061 249.42 2095.4 3003.574 6112.46 61342.82 1648.30 9871.81
392849.19
91
Municipio / UF Ano Area_Estab Floresta_Nat Floresta_Plant Lav_Perm Lav_Temp Past_Nat Past_Plant Ter_Arrend Ter_Ocup Ter_Parc TerProp Novo
Repartimento / PA
1995 414967.6 249902 1185.835 3037.11 14768.915 7482.968 102367.8 102.44 24.20
331369.16
Pacaja / PA 1995 404493.5 241337.3 1818.88 3741.79 9741.057 6266.295 103500.7 40913.06 3840.06
246767.20 Paragominas /
PA 1995 331495.8 151476.9 161.64 299.551 9519.645 30324.85 104722.4 1212.36 63999.78
723611.87
Paranaita / MT 1995 291682 216244
1496.65 4343.517 2874.618 60876.29 2660.40 19264.91
625565.35 Peixoto De
Azevedo / MT 1995 789095.8 580830.3 4.598 1066.57 5648.999 1003.888 126485.1 1620.00 462.29
414216.37
Pimenta Bueno / RO
1995 653032 358683.6 3590.884 7929.99 11305.517 9610.757 231232.4 401.12 2539.93
773574.82
Porto Dos Gauchos / MT
1995 416308.7 300619.8 2.5 3121.94 2414.47 718.7 104032.4 1308.50
564188.18
Porto Velho / RO
1995 777527.7 640189.5 752.2 3465.17 6390.679 12437.41 94865.37 140.36 1471.40
528922.19
Querencia / MT
1995 565496.7 309978.9 0.7 1948.11 12146.67 24255.4 190742.3 78250.03
286486.17
Rondon Do Para / PA
1995 530534 247014.3 215.331 1061.45 4689.263 4400.192 252537.7 2686.20 58355.39
665712.81
Santa Carmem / MT
1995 365043.5 263293.2 2000 90.047 2957.894 459.8 40540.73 91.96 101184.20
768269.22
Santa Maria Das Barreiras /
PA 1995 733024.6 336999.1 441.988 549.519 9530.887 91340.99 258644.2 506.48 36809.56
982619.32
Santana Do Araguaia / PA
1995 920413.8 552040.2 812.668 666.69 6884.846 14685.94 311102.8 392.04 93474.53
647961.98
Sao Felix Do Araguaia / MT
1995 1021429 469705.8 2 746.53 3854.43 176676.6 304311.7 204.00 686.11
197840.73
Sao Felix Do Xingu / PA
1995 742094.7 536517 533.942 1410.31 17357.134 4274.488 165881 290.40 72.60
196900.92
Senador Jose Porfirio / PA
1995 198730.8 151650.1 113.982 486.997 8308.165 1065.95 33338.58 3299.00 332.14
497504.08
Tailandia / PA 1995 200211.5 121660.8 181.72 15355.7 2355.165 4591.156 46499.23
189706.54 Tapurah / MT 1995 501165.2 321164 30 2225.81 27137.61 1530 97685.14 858.36 40125.39
672259.75
Ulianopolis / 1995 189706.5 113183 48.4 7.26 653.84 8592.36 51769.54
92
Municipio / UF Ano Area_Estab Floresta_Nat Floresta_Plant Lav_Perm Lav_Temp Past_Nat Past_Plant Ter_Arrend Ter_Ocup Ter_Parc TerProp PA
Vila Rica / MT 1995 715645.3 421111.2 10.5 4604.95 8038.972 3097.2 241969.1
Alta Floresta / MT
2006 535321 237583 1101 4133.0 4140.0 4242 280360 14506.0 6614.0 3145.0 507677.0
Altamira / PA 2006 1014593 542990 1256 6188.0 13125.0 69066 243914 2832.0 10370.0 954.0 994593.0 Alto Boa Vista
/ MT 2006 140552 53424
30.0 2702.0 5151 75037 1784.0 61276.0 304.0 60284.0
Amarante Do Maranhao /
MA 2006 179759 57994 261 261.0 11020.0 4342 93607 556.0 2439.0 300.0 160408.0
Anapu / PA 2006 308587 194218 163 3227 5271 14319 77319 1232 31834
220343 Aripuana / MT 2006 1018228 768789 137 518.0 8715.0 2146 228658 2737.0 5711.0 2749.0 976690.0 Boca Do Acre /
AM 2006 145181 83417 548 2725.0 2809.0 4492 38636
17958.0 218.0 123480.0
Brasil Novo / PA
2006 310588 142499 415 4783.0 836.0 126 152860
16122.0 111.0 267071.0
Brasnorte / MT 2006 523546 261355 1152 153.0 168243.0 2106 161046 5145.0 330.0
495684.0 Claudia / MT 2006 274773 167012 3749 96.0 36882.0 394 51101 13329.0 859.0 513.0 259548.0 Colniza / MT 2006 567014 421869 255 4392.0 14800.0 2573 122138
6634.0
554692.0
Confresa / MT 2006 455235 115963 455 50.0 17224.0 11764 304676 114.0 1274.0 257.0 422544.0 Cotriguacu /
MT 2006 350645 237138 1636 1314.0 7346.0 335 101649
99.0
299851.0
Cumaru Do Norte / PA
2006 693940 269017 5198 785.0 11900.0 43167 331078
392.0
661736.0
Dom Eliseu / PA
2006 148939 43980 1390 1740.0 18675.0 11931 68050 3296.0 11.0
143075.0
Feliz Natal / MT
2006 176046 118200
2.0 42753.0 3409 11104 3847.0 49771.0
112400.0
Gaucha Do Norte / MT
2006 721777 394099
1000.0 35780.0 8395 245933 12639.0
13218.0 695256.0
Grajau / MA 2006 250702 129119 1598 456.0 20558.0 17064 53972 2602.0 1885.0 3593.0 231828.0 Itupiranga /
PA 2006 291171 89840 469 2485.0 24420.0 23587 153891 284.0 956.0 662.0 279505.0
Juara / MT 2006 999358 496245 894 205.0 2825.0 35535 442073 14833.0 2445.0 375.0 979014.0
93
Municipio / UF Ano Area_Estab Floresta_Nat Floresta_Plant Lav_Perm Lav_Temp Past_Nat Past_Plant Ter_Arrend Ter_Ocup Ter_Parc TerProp Juina / MT 2006 649350 356778 315 2234.0 6630.0 1551 271456 3604.0 980.0 317.0 643651.0
Labrea / AM 2006 437506 172089 9960 565.0 5638.0 52053 179746 2145.0 8060.0 613.0 404936.0 Machadinho Doeste / RO
2006 359883 157412 6199 11960.0 11029.0 4979 157275 576.0 3444.0 1057.0 334484.0
Maraba / PA 2006 597935 125669 1228 1175.0 10427.0 23920 411398 190.0 13941.0 30.0 542623.0 Marcelandia /
MT 2006 647658 441540 399 56.0 11450.0 22952 169101 6227.0 5676.0
630806.0
Moju / PA 2006 201412 79750 71 16528.0 3125.0 4981 20273 3059.0 12378.0 263.0 183147.0 Nova
Bandeirantes / MT
2006 562415 383375 28 1147.0 1864.0 10008 164230 264.0 754.0 278.0 506922.0
Nova Mamore / RO
2006 161136 61272 119 1402.0 4135.0 3736 81583 420.0 1387.0 2138.0 153446.0
Nova Maringa / MT
2006 413264 261574 517 263.0 74701.0 24111 51323 9161.0 18564.0
377692.0
Nova Ubirata / MT
2006 906553 503938 659 450.0 275053.0 11252 91933 30157.0 5720.0
856897.0
Novo Progresso / PA
2006 305690 109658 1324 469.0 8310.0 24071 145205 605.0 70705.0
232360.0
Novo Repartimento /
PA 2006 454030 205032 612 7444.0 17357.0 14648 209710 10092.0 6398.0 707.0 411548.0
Pacaja / PA 2006 545137 257986 2375 4028.0 12935.0 15121 218778 556.0 4411.0
515796.0 Paragominas /
PA 2006 609576 257547 724 1879.0 41430.0 50618 240981 2099.0 311.0 1789.0 605171.0
Paranaita / MT 2006 367160 183017 99 1488.0 3155.0 517 176789 22748.0 1301.0 2006.0 341105.0 Peixoto De
Azevedo / MT 2006 520552 315452 271 175.0 3650.0 7823 184678 13982.0 542.0
504986.0
Pimenta Bueno / RO
2006 258494 131131 19 825.0 2494.0 5794 114464 555.0 497.0
257316.0
Porto Dos Gauchos / MT
2006 384028 208746 4383 416.0 47245.0 24077 86467 15109.0 600.0 1077.0 366700.0
Porto Velho / RO
2006 409662 197494 681 2496.0 11334.0 10842 138693 2570.0 3022.0 7739.0 373418.0
Querencia / 2006 765265 424856 101 1570.0 156035.0 27226 124081 15288.0 10498.0
716623.0
94
Municipio / UF Ano Area_Estab Floresta_Nat Floresta_Plant Lav_Perm Lav_Temp Past_Nat Past_Plant Ter_Arrend Ter_Ocup Ter_Parc TerProp MT
Rondon Do Para / PA
2006 459556 151487 644 635.0 8100.0 19299 253709 1302.0 173.0
453122.0
Santa Carmem / MT
2006 203156 114152 114 2.0 49742.0 1105 31808 8675.0 14.0
193471.0
Santa Maria Das Barreiras /
PA 2006 705934 188527 246 95.0 36440.0 103304 375642 1752.0 6984.0 920.0 607426.0
Santana Do Araguaia / PA
2006 756845 259342 526 432.0 17830.0 28661 437852 1226.0 16347.0 282.0 682968.0
Sao Felix Do Araguaia / MT
2006 725363 270952
40.0 17086.0 184123 221584 1102.0 1885.0 340.0 712357.0
Sao Felix Do Xingu / PA
2006 1581759 590899 1016 2830.0 11718.0 92663 822004 21656.0 52037.0 2962.0 1461191.0
Senador Jose Porfirio / PA
2006 83493 38972 673 618 4445 3219 19764 960 1421 2387 76923
Tailandia / PA 2006 111681 66034 1012 20743.0 2392.0 8472 28931
3300.0
108381.0 Tapurah / MT 2006 226847 75060
279 134208 1744 25146 36722
189125
Ulianopolis / PA
2006 108400 37171 7296 610.0 26308.0 12709 11876
106427.0
Vila Rica / MT 2006 578868 162762 53 26.0 10601.0 20920 294523 2194.0 1402.0
556102.0
95
Anexo 4- Variáveis demográficas
Municipio / UF Ano PopTotal PopUrbana PopRural PopMulheres PopHomens Rsexos TxUrban Altamira / PA 1970 15345 5905 9440 7438 7907 1.06 0.38 Amarante Do Maranhao / MA 1970 13859 1932 11899 6663 7168 1.08 0.14 Aripuana / MT 1970 2235 85 2150 806 1429 1.77 0.04 Boca Do Acre / AM 1970 20085 4105 15884 9718 10271 1.06 0.20 Grajau / MA 1970 33139 3987 29143 16356 16774 1.03 0.12 Itupiranga / PA 1970 5354 1447 3899 2097 3249 1.55 0.27 Labrea / AM 1970 16798 3010 13727 8005 8732 1.09 0.18 Maraba / PA 1970 24491 14569 9905 11096 13378 1.21 0.59 Moju / PA 1970 18060 927 17108 8494 9541 1.12 0.05 Paragominas / PA 1970 14171 1683 13014 6207 8490 1.37 0.12 Porto Dos Gauchos / MT 1970
140 1052 533 659 1.24
Porto Velho / RO 1970 84048 47888 36160 39303 44745 1.14 0.57 Santana Do Araguaia / PA 1970 7757 1661 7424 3835 5250 1.37 0.21 Sao Felix Do Xingu / PA 1970 2331 897 1435 1070 1262 1.18 0.38 Senador Jose Porfirio / PA 1970 3031 378 2593 1393 1578 1.13 0.12 Alta Floresta / MT 1980 23011 6624 16375 10575.0 12424.0 1.17 0.29 Altamira / PA 1980 46509 26905 19591 22402.0 24094.0 1.08 0.58 Amarante Do Maranhao / MA 1980 17007 2870 14139 8135.0 8874.0 1.09 0.17 Aripuana / MT 1980 13986 4323 9638 6318.0 7643.0 1.21 0.31 Boca Do Acre / AM 1980 21842 7073 14756 10498.0 11331.0 1.08 0.32 Grajau / MA 1980 57935 11062 46878 28283.0 29657.0 1.05 0.19 Itupiranga / PA 1980 15641 2804 12847 6922.0 8729.0 1.26 0.18 Labrea / AM 1980 22019 8251 13775 10813.0 11213.0 1.04 0.37 Maraba / PA 1980 59915 41752 18129 29204.0 30677.0 1.05 0.70 Moju / PA 1980 28628 3532 25112 13622.0 15022.0 1.10 0.12 Paragominas / PA 1980 48109 12357 35755 21144.0 26968.0 1.28 0.26 Pimenta Bueno / RO 1980 30019 10964 19029 13946.0 16047.0 1.15 0.37 Porto Dos Gauchos / MT 1980 15070 3652 11413 7045.0 8020.0 1.14 0.24 Porto Velho / RO 1980 133898 102593 31289 64121.0 69761.0 1.09 0.77 Santana Do Araguaia / PA 1980 12622 2639 9966 6016.0 6589.0 1.10 0.21 Sao Felix Do Araguaia / MT 1980 11062 3108 7955 4939.0 6124.0 1.24 0.28
96
Municipio / UF Ano PopTotal PopUrbana PopRural PopMulheres PopHomens Rsexos TxUrban Sao Felix Do Xingu / PA 1980 4982 1763 3191 2283.0 2671.0 1.17 0.35 Senador Jose Porfirio / PA 1980 6308 808 5583 2960.0 3431 1.16 0.13 Alta Floresta / MT 1991 66926 37504 29422 31739 35187 1.11 0.56 Altamira / PA 1991 72408 50145 22263 35196 37212 1.06 0.69 Amarante Do Maranhao / MA 1991 23102 7344 15758 11179 11923 1.07 0.32 Aripuana / MT 1991 13614 4467 9147 5868 7746 1.32 0.33 Boca Do Acre / AM 1991 25005 11296 13709 12004 13001 1.08 0.45 Brasnorte / MT 1991 6622 3710 2912 2993 3629 1.21 0.56 Claudia / MT 1991 9099 3713 5386 4175 4924 1.18 0.41 Dom Eliseu / PA 1991 24362 11806 12556 11704 12658 1.08 0.48 Grajau / MA 1991 54403 18133 36270 26855 27548 1.03 0.33 Itupiranga / PA 1991 37011 8431 28580 17815 19196 1.08 0.23 Juara / MT 1991 21712 15134 6578 10269 11443 1.11 0.70 Juina / MT 1991 36581 25822 10759 17043 19538 1.15 0.71 Labrea / AM 1991 33052 15444 17608 16024 17028 1.06 0.47 Machadinho Doeste / RO 1991 16765 4891 11874 7576 9189 1.21 0.29 Maraba / PA 1991 123668 102435 21233 61413 62255 1.01 0.83 Marcelandia / MT 1991 8889 4219 4670 3976 4913 1.24 0.47 Moju / PA 1991 44424 9748 34676 21035 23389 1.11 0.22 Nova Mamore / RO 1991 7248 3724 3524 3409 3839 1.13 0.51 Pacaja / PA 1991 30777 4160 26617 14532 16245 1.12 0.14 Paragominas / PA 1991 67075 40054 27021 32079 34996 1.09 0.60 Paranaita / MT 1991 12173 6626 5547 5525 6648 1.20 0.54 Peixoto De Azevedo / MT 1991 37240 32535 4705 16933 20307 1.20 0.87 Pimenta Bueno / RO 1991 48759 25505 23254 23111 25648 1.11 0.52 Porto Dos Gauchos / MT 1991 6558 3145 3413 3062 3496 1.14 0.48 Porto Velho / RO 1991 287534 229788 57746 141617 145917 1.03 0.80 Rondon Do Para / PA 1991 40879 26400 14479 19688 21191 1.08 0.65 Santa Maria Das Barreiras / PA 1991 7228 812 6416 3158 4070 1.29 0.11 Santana Do Araguaia / PA 1991 15923 8521 7402 7513 8410 1.12 0.54 Sao Felix Do Araguaia / MT 1991 14810 5657 9153 6979 7831 1.12 0.38 Sao Felix Do Xingu / PA 1991 24891 8198 16693 11068 13823 1.25 0.33 Senador Jose Porfirio / PA 1991 39010 2195 36815 16406 22604 1.38 0.06 Tailandia / PA 1991 17707 9657 8050 8293 9414 1.14 0.55
97
Municipio / UF Ano PopTotal PopUrbana PopRural PopMulheres PopHomens Rsexos TxUrban Tapurah / MT 1991 7323 1250 6073 3197 4126 1.29 0.17 Vila Rica / MT 1991 9461 4589 4872 4369 5092 1.17 0.49 Alta Floresta / MT 1996 58187 35053 23134 27664 30523 1.10 0.60 Altamira / PA 1996 78782 54235 24547 37510 41272 1.10 0.69 Alto Boa Vista / MT 1996 4907 1401 3506 2194 2713 1.24 0.29 Amarante Do Maranhao / MA 1996 29835 10085 19750 14193 15642 1.10 0.34 Aripuana / MT 1996 16764 6739 10025 7492 9272 1.24 0.40 Boca Do Acre / AM 1996 24460 13602 10858 11807 12653 1.07 0.56 Brasil Novo / PA 1996 13990 3067 10923 6385 7605 1.19 0.22 Brasnorte / MT 1996 9362 5632 3730 4222 5140 1.22 0.60 Claudia / MT 1996 12751 8009 4742 5781 6970 1.21 0.63 Confresa / MT 1996 17196 4461 12735 7573 9623 1.27 0.26 Cotriguacu / MT 1996 4758 565 4193 2072 2686 1.30 0.12 Cumaru Do Norte / PA 1996 3491 1255 2236 1539 1952 1.27 0.36 Dom Eliseu / PA 1996 35981 20095 15886 17481 18500 1.06 0.56 Grajau / MA 1996 56374 22769 33605 27626 28748 1.04 0.40 Itupiranga / PA 1996 37771 10109 27662 17765 20006 1.13 0.27 Juara / MT 1996 25710 18698 7012 12123 13587 1.12 0.73 Juina / MT 1996 32221 25415 6806 15268 16953 1.11 0.79 Labrea / AM 1996 27517 17515 10002 13190 14327 1.09 0.64 Machadinho Doeste / RO 1996 28949 7317 21632 13197 15752 1.19 0.25 Maraba / PA 1996 150095 123378 26717 74416 75679 1.02 0.82 Marcelandia / MT 1996 11678 7588 4090 5305 6373 1.20 0.65 Moju / PA 1996 45321 14381 30940 21516 23805 1.11 0.32 Nova Bandeirantes / MT 1996 5226 654 4572 2134 3092 1.45 0.13 Nova Mamore / RO 1996 13644 6670 6974 6326 7318 1.16 0.49 Nova Maringa / MT 1996 3161 562 2599 1335 1826 1.37 0.18 Novo Progresso / PA 1996 15568 3667 11901 6650 8918 1.34 0.24 Novo Repartimento / PA 1996 30059 9840 20219 14130 15929 1.13 0.33 Pacaja / PA 1996 26195 4522 21673 12231 13964 1.14 0.17 Paragominas / PA 1996 65931 47789 18142 32152 33779 1.05 0.72 Paranaita / MT 1996 8181 5239 2942 3850 4331 1.12 0.64 Peixoto De Azevedo / MT 1996 29237 25100 4137 13723 15514 1.13 0.86 Pimenta Bueno / RO 1996 48260 26686 21574 23018 25242 1.10 0.55
98
Municipio / UF Ano PopTotal PopUrbana PopRural PopMulheres PopHomens Rsexos TxUrban Porto Dos Gauchos / MT 1996 6036 3027 3009 2728 3308 1.21 0.50 Porto Velho / RO 1996 294227 238314 55913 147446 146781 1.00 0.81 Querencia / MT 1996 4221 1710 2511 1888 2333 1.24 0.41 Rondon Do Para / PA 1996 35221 27151 8070 17163 18058 1.05 0.77 Santa Carmem / MT 1996 3536 1935 1601 1497 2039 1.36 0.55 Santa Maria Das Barreiras / PA 1996 10364 1194 9170 4342 6022 1.39 0.12 Santana Do Araguaia / PA 1996 20844 11283 9561 9788 11056 1.13 0.54 Sao Felix Do Araguaia / MT 1996 10862 6057 4805 5149 5713 1.11 0.56 Sao Felix Do Xingu / PA 1996 40983 9599 31384 18868 22115 1.17 0.23 Senador Jose Porfirio / PA 1996 22884 4601 18283 10845 12039 1.11 0.20 Tailandia / PA 1996 29693 16189 13504 14136 15557 1.10 0.55 Tapurah / MT 1996 8816 1428 7388 4002 4814 1.20 0.16 Ulianopolis / PA 1996 9699 5848 3851 4527 5172 1.14 0.60 Vila Rica / MT 1996 13244 7658 5586 6008 7236 1.20 0.58 Alta Floresta / MT 2000 46982 37287 9695 22691 24291 1.07 0.79 Altamira / PA 2000 77439 62285 15154 38059 39380 1.03 0.80 Alto Boa Vista / MT 2000 6206 1961 4245 2930 3276 1.12 0.32 Amarante Do Maranhao / MA 2000 31292 10818 20474 14830 16462 1.11 0.35 Anapu / PA 2000 9407 3083 6324 4379 5028 1.15 0.33 Aripuana / MT 2000 27560 14872 12688 12391 15169 1.22 0.54 Boca Do Acre / AM 2000 26959 14614 12345 12882 14077 1.09 0.54 Brasil Novo / PA 2000 17193 4371 12822 7965 9228 1.16 0.25 Brasnorte / MT 2000 9815 6260 3555 4533 5282 1.17 0.64 Claudia / MT 2000 10249 7852 2397 4808 5441 1.13 0.77 Confresa / MT 2000 17841 6209 11632 8063 9778 1.21 0.35 Cotriguacu / MT 2000 8474 3707 4767 3763 4711 1.25 0.44 Cumaru Do Norte / PA 2000 5978 1374 4604 2600 3378 1.30 0.23 Dom Eliseu / PA 2000 39529 23801 15728 19248 20281 1.05 0.60 Feliz Natal / MT 2000 6769 5123 1646 3050 3719 1.22 0.76 Gaucha Do Norte / MT 2000 4605 1467 3138 2083 2522 1.21 0.32 Grajau / MA 2000 47155 26511 20644 23199 23956 1.03 0.56 Itupiranga / PA 2000 49655 14754 34901 23551 26104 1.11 0.30 Juara / MT 2000 30748 23087 7661 14618 16130 1.10 0.75 Juina / MT 2000 38017 30470 7547 17950 20067 1.12 0.80
99
Municipio / UF Ano PopTotal PopUrbana PopRural PopMulheres PopHomens Rsexos TxUrban Labrea / AM 2000 28956 19276 9680 13848 15108 1.09 0.67 Machadinho Doeste / RO 2000 22739 10981 11758 10439 12300 1.18 0.48 Maraba / PA 2000 168020 134373 33647 83311 84709 1.02 0.80 Marcelandia / MT 2000 14448 9161 5287 6661 7787 1.17 0.63 Moju / PA 2000 52941 17626 35315 25161 27780 1.10 0.33 Nova Bandeirantes / MT 2000 6951 1872 5079 2994 3957 1.32 0.27 Nova Mamore / RO 2000 14778 7247 7531 6907 7871 1.14 0.49 Nova Maringa / MT 2000 3950 2624 1326 1751 2199 1.26 0.66 Nova Ubirata / MT 2000 5654 1635 4019 2367 3287 1.39 0.29 Novo Progresso / PA 2000 24948 9628 15320 9902 15046 1.52 0.39 Novo Repartimento / PA 2000 41817 15524 26293 19685 22132 1.12 0.37 Pacaja / PA 2000 28888 7604 21284 13510 15378 1.14 0.26 Paragominas / PA 2000 76450 58240 18210 37643 38807 1.03 0.76 Paranaita / MT 2000 10254 5505 4749 4726 5528 1.17 0.54 Peixoto De Azevedo / MT 2000 26156 20180 5976 12467 13689 1.10 0.77 Pimenta Bueno / RO 2000 31752 26423 5329 15666 16086 1.03 0.83 Porto Dos Gauchos / MT 2000 5665 3364 2301 2687 2978 1.11 0.59 Porto Velho / RO 2000 334661 273709 60952 167924 166737 0.99 0.82 Querencia / MT 2000 7274 3920 3354 3313 3961 1.20 0.54 Rondon Do Para / PA 2000 39870 30061 9809 19553 20317 1.04 0.75 Santa Carmem / MT 2000 3599 2148 1451 1639 1960 1.20 0.60 Santa Maria Das Barreiras / PA 2000 10955 1457 9498 4826 6129 1.27 0.13 Santana Do Araguaia / PA 2000 31218 17326 13892 14576 16642 1.14 0.56 Sao Felix Do Araguaia / MT 2000 10687 5916 4771 5068 5619 1.11 0.55 Sao Felix Do Xingu / PA 2000 34621 12530 22091 15534 19087 1.23 0.36 Senador Jose Porfirio / PA 2000 15721 5331 10390 7359 8362 1.14 0.34 Tailandia / PA 2000 38435 28128 10307 18318 20117 1.10 0.73 Tapurah / MT 2000 11561 4198 7363 5200 6361 1.22 0.36 Ulianopolis / PA 2000 19254 11909 7345 9019 10235 1.13 0.62 Vila Rica / MT 2000 15583 10030 5553 7161 8422 1.18 0.64 Alta Floresta / MT 2007 49140 41798 7342 23857 25117 1.05 0.85 Altamira / PA 2007 92105 68665 23440 44918 46788 1.04 0.75 Alto Boa Vista / MT 2007 5025 2985 2040 2317 2535 1.09 0.59 Amarante Do Maranhao / MA 2007 35727 14247 21480 16991 18565 1.09 0.40
100
Municipio / UF Ano PopTotal PopUrbana PopRural PopMulheres PopHomens Rsexos TxUrban Anapu / PA 2007 17787 7548 10239 7759 9296 1.20 0.42 Aripuana / MT 2007 19100 11556 7544 8674 10222 1.18 0.61 Boca Do Acre / AM 2007 29818 18070 11748 13779 15046 1.09 0.61 Brasil Novo / PA 2007 18749 7721 11028 8172 9295 1.14 0.41 Brasnorte / MT 2007 13975 7937 6038 6318 7376 1.17 0.57 Claudia / MT 2007 10670 8172 2498 5084 5577 1.10 0.77 Colniza / MT 2007 27882 15860 12022 12630 14828 1.17 0.57 Confresa / MT 2007 21361 9469 11892 9750 11318 1.16 0.44 Cotriguacu / MT 2007 13740 5506 8234 6248 7474 1.20 0.40 Cumaru Do Norte / PA 2007 10452 2500 7952 4405 5777 1.31 0.24 Dom Eliseu / PA 2007 38150 26231 11919 18892 19258 1.02 0.69 Feliz Natal / MT 2007 10279 7515 2764 4823 5391 1.12 0.73 Gaucha Do Norte / MT 2007 5816 2117 3699 2676 3092 1.16 0.36 Grajau / MA 2007 54135 32018 22117 26442 27519 1.04 0.59 Itupiranga / PA 2007 42002 18496 23506 19519 21793 1.12 0.44 Juara / MT 2007 32023 26252 5771 15274 16616 1.09 0.82 Juina / MT 2007 38422 32831 5591 18471 19871 1.08 0.85 Labrea / AM 2007 36909 21943 14966 17475 19327 1.11 0.59 Machadinho Doeste / RO 2007 31475 16370 15105 14424 16715 1.16 0.52 Marcelandia / MT 2007 14084 9001 5083 6574 7490 1.14 0.64 Moju / PA 2007 63821 22137 41684 29533 32668 1.11 0.35 Nova Bandeirantes / MT 2007 12742 4420 8322 5456 6882 1.26 0.35 Nova Mamore / RO 2007 21162 12159 9003 9444 10418 1.10 0.57 Nova Maringa / MT 2007 5554 3867 1687 2565 2968 1.16 0.70 Nova Ubirata / MT 2007 7782 3941 3841 3289 4176 1.27 0.51 Novo Progresso / PA 2007 21598 17587 4011 10024 11325 1.13 0.81 Novo Repartimento / PA 2007 51645 22957 28688 23994 26741 1.11 0.44 Pacaja / PA 2007 38365 13951 24414 17612 20700 1.18 0.36 Paragominas / PA 2007 90819 69677 21142 44618 45776 1.03 0.77 Paranaita / MT 2007 11540 6359 5181 5323 6217 1.17 0.55 Peixoto De Azevedo / MT 2007 28987 19760 9227 13740 15102 1.10 0.68 Pimenta Bueno / RO 2007 32893 28019 4874 16280 16608 1.02 0.85 Porto Dos Gauchos / MT 2007 6116 2827 3289 2867 3249 1.13 0.46 Porto Velho / RO 2007 369345 304228 65117 184172 182094 0.99 0.82
101
Municipio / UF Ano PopTotal PopUrbana PopRural PopMulheres PopHomens Rsexos TxUrban Querencia / MT 2007 10682 4902 5780 4861 5795 1.19 0.46 Rondon Do Para / PA 2007 45016 32430 12586 21914 23102 1.05 0.72 Santa Carmem / MT 2007 4319 3217 1102 1999 2241 1.12 0.74 Santa Maria Das Barreiras / PA 2007 16012 4768 11244 6931 8894 1.28 0.30 Santana Do Araguaia / PA 2007 49053 28632 20421 23503 25457 1.08 0.58 Sao Felix Do Araguaia / MT 2007 10713 6039 4674 4875 5540 1.14 0.56 Sao Felix Do Xingu / PA 2007 64281 45700 18581 30022 32534 1.08 0.71 Senador Jose Porfirio / PA 2007 59238 24837 34401 26828 31993 1.19 0.42 Tailandia / PA 2007 14302 6278 8024 6437 7398 1.15 0.44 Tapurah / MT 2007 10478 6448 4030 4413 6065 1.37 0.62 Ulianopolis / PA 2007 31881 24760 7121 15082 16799 1.11 0.78 Vila Rica / MT 2007 18934 13702 5232 8888 9828 1.11 0.72 Alta Floresta / MT 2010 49164 42718 6446 24175 24989 1.03 0.87 Altamira / PA 2010 87123 84092 14983 49256 49819 1.01 0.97 Alto Boa Vista / MT 2010 5247 3178 2069 2515 2732 1.09 0.61 Amarante Do Maranhao / MA 2010 37932 15004 22928 18150 19782 1.09 0.40 Anapu / PA 2010 20543 9833 10710 9551 10992 1.15 0.48 Aripuana / MT 2010 18656 11681 6975 8579 10077 1.17 0.63 Boca Do Acre / AM 2010 26420 19348 11284 14685 15947 1.09 0.73 Brasil Novo / PA 2010 15690 6899 8791 7376 8314 1.13 0.44 Brasnorte / MT 2010 12448 10038 5319 7072 8285 1.17 0.81 Claudia / MT 2010 11028 8442 2586 5300 5728 1.08 0.77 Colniza / MT 2010 23343 14987 11394 12297 14084 1.15 0.64 Confresa / MT 2010 21613 14229 10895 11777 13347 1.13 0.66 Cotriguacu / MT 2010 14983 5132 9851 7006 7977 1.14 0.34 Cumaru Do Norte / PA 2010 10466 2711 7755 4385 6081 1.39 0.26 Dom Eliseu / PA 2010 51319 32516 18803 24695 26624 1.08 0.63 Feliz Natal / MT 2010 10933 8123 2810 5353 5580 1.04 0.74 Gaucha Do Norte / MT 2010 6293 2196 4097 2850 3443 1.21 0.35 Grajau / MA 2010 62093 37041 25052 30397 31696 1.04 0.60 Itupiranga / PA 2010 51220 20490 30730 24194 27026 1.12 0.40 Juara / MT 2010 28066 26020 6771 15835 16956 1.07 0.93 Juina / MT 2010 36273 33960 5295 19119 20136 1.05 0.94 Labrea / AM 2010 37701 24207 13494 18063 19638 1.09 0.64
102
Municipio / UF Ano PopTotal PopUrbana PopRural PopMulheres PopHomens Rsexos TxUrban Machadinho Doeste / RO 2010 24903 16173 14962 14599 16536 1.13 0.65 Maraba / PA 2010 233669 186270 47399 115473 118196 1.02 0.80 Marcelandia / MT 2010 12006 7426 4580 5638 6368 1.13 0.62 Moju / PA 2010 52596 25162 44856 33352 36666 1.10 0.48 Nova Bandeirantes / MT 2010 11643 4062 7581 5265 6378 1.21 0.35 Nova Mamore / RO 2010 22546 13067 9479 10811 11735 1.09 0.58 Nova Maringa / MT 2010 6590 3421 3169 2991 3599 1.20 0.52 Nova Ubirata / MT 2010 9218 5930 3288 4086 5132 1.26 0.64 Novo Progresso / PA 2010 25124 17717 7407 11689 13435 1.15 0.71 Novo Repartimento / PA 2010 32602 27950 34100 29302 32748 1.12 0.86 Pacaja / PA 2010 39979 13747 26232 18380 21599 1.18 0.34 Paragominas / PA 2010 97819 76511 21308 48552 49267 1.01 0.78 Paranaita / MT 2010 10684 5652 5032 4943 5741 1.16 0.53 Peixoto De Azevedo / MT 2010 30812 19804 11008 14842 15970 1.08 0.64 Pimenta Bueno / RO 2010 31968 29417 4405 16781 17041 1.02 0.92 Porto Dos Gauchos / MT 2010 5449 2764 2685 2589 2860 1.10 0.51 Porto Velho / RO 2010 428527 390733 37794 210909 217618 1.03 0.91 Querencia / MT 2010 12603 5972 7061 6109 6924 1.13 0.47 Rondon Do Para / PA 2010 46964 34696 12268 22690 24274 1.07 0.74 Santa Carmem / MT 2010 4085 3081 1004 1938 2147 1.11 0.75 Santa Maria Das Barreiras / PA 2010 17206 6357 10849 7709 9497 1.23 0.37 Santana Do Araguaia / PA 2010 56153 29663 26490 26365 29788 1.13 0.53 Sao Felix Do Araguaia / MT 2010 9181 6178 4447 5063 5562 1.10 0.67 Sao Felix Do Xingu / PA 2010 47488 45113 46227 42649 48691 1.14 0.95 Senador Jose Porfirio / PA 2010 13045 6470 6575 6050 6995 1.16 0.50 Tailandia / PA 2010 79297 58713 20584 38306 40991 1.07 0.74 Tapurah / MT 2010 9382 6526 3866 4333 6059 1.40 0.70 Ulianopolis / PA 2010 43341 28525 14816 21132 22209 1.05 0.66 Vila Rica / MT 2010 21382 13962 7420 10194 11188 1.10 0.65
Anexo 5- Desmatamento entre 2000 e 2015
Municipio / UF 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 Alta Floresta /
MT 382530 411220 424570 437250 460450 472960 482620 488760 490340 491060 491350 491920 492090 492770 493720 494610
Altamira / PA 205880 263470 330900 392470 460270 514210 542860 579780 613880 652990 672600 696430 719420 749010 778410 809260 Alto Boa Vista
/ MT 82300 88560 91940 100900 105740 109480 110400 111110 112890 114270 114630 116620 117090 117280 117390 117430
Amarante Do Maranhao /
MA 182250 186950 191490 194430 198230 208820 210400 213070 219180 225180 226500 228070 228760 229920 231100 231980
Anapu / PA 86250 110420 113540 131680 148930 162330 176010 184190 191620 194290 202040 219400 221030 222940 226120 235680 Aripuana / MT 190780 208090 242960 283470 321820 355050 360240 368630 376760 380990 384180 387600 389740 393710 397710 402900 Boca Do Acre /
AM 120980 126470 137930 163680 176820 182970 190520 193930 197870 200320 205620 211630 217110 220640 227260 232010
Brasil Novo / PA
98710 100780 100780 207470 213410 228150 229800 241030 242780 248610 253610 257550 258440 261590 262470 263570
Brasnorte / MT 272010 275330 300520 345910 379450 403430 409980 415000 426720 428310 429460 430760 431730 432910 434550 437650 Claudia / MT 116300 120570 123890 131460 142550 147300 148360 148760 151420 153950 154790 155940 156340 158260 160430 162480 Colniza / MT 84280 96340 128090 177250 233870 285670 307350 333050 345550 353160 361020 369750 377850 393430 407980 433100
Confresa / MT 247730 274270 309330 322310 334420 348570 355510 362080 368600 369360 370670 373170 378150 380140 382520 384590 Cotriguacu /
MT 59920 69530 82510 108320 128360 157520 163650 176400 184160 187780 190520 192720 197170 201430 205930 211770
Cumaru Do Norte / PA
417250 460870 497580 532480 572700 630740 648260 677460 696080 699810 704170 710060 715960 719730 722250 726310
Dom Eliseu / PA
250040 255280 280170 286160 295250 310270 319950 326630 332050 336150 339880 342340 345310 346330 346910 347610
Feliz Natal / MT
102010 103940 112060 128690 151070 167470 172400 174560 196910 197270 200060 202830 204840 207030 211990 220360
Gaucha Do Norte / MT
205870 216580 242750 274150 300100 316940 322880 329800 349580 350510 350840 351810 352830 355340 358570 359660
Grajau / MA 84310 85860 93760 95810 98980 102270 105430 112730 118340 124190 133180 138240 142540 144850 147080 148190 Itupiranga /
PA 318020 332930 339090 360970 376270 378420 402180 415230 438000 446950 452150 458150 462410 468690 473520 476330
Juara / MT 552070 575240 617920 653410 689600 731440 752550 764290 776740 779840 781360 787130 788720 790290 793060 797690
104
Municipio / UF 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 Juina / MT 328660 338500 361940 376780 397970 415590 419580 424040 429430 431530 432540 433310 434720 437440 440770 445990
Labrea / AM 129720 148060 169240 212180 248130 268760 292670 303960 310660 315180 319230 326910 335450 348060 361610 385870 Machadinho Doeste / RO
155880 171990 189300 209090 227570 251820 263390 271290 276600 279490 281320 286780 293520 301630 307770 317600
Maraba / PA 581890 618750 644280 690780 715450 728270 754150 770760 805910 817070 825050 831540 836820 844890 848740 853350 Marcelandia /
MT 227160 233790 249770 266150 294640 309180 315440 323450 341270 341620 342220 344320 345560 349240 352760 357260
Moju / PA 268800 325750 333240 344980 357880 365920 376870 384800 396420 403150 414740 419030 423360 426910 429390 431960 Nova
Bandeirantes / MT
140620 148010 166890 189880 227470 256810 269510 283580 296150 301400 303150 308060 311430 317690 324700 328360
Nova Mamore / RO
131010 146170 161050 181930 215290 246410 254460 268360 275050 277980 284060 291820 299620 313010 326690 341610
Nova Maringa / MT
167770 171400 190730 213740 258380 296870 301090 302760 304540 305660 306240 307110 307650 312070 315700 319830
Nova Ubirata / MT
244640 260590 292940 329710 368010 393440 400710 402690 416800 419850 422130 431560 433540 434510 436070 438880
Novo Progresso / PA
178980 211680 276730 314660 388620 411420 436720 471530 495140 526730 531790 537140 544570 560880 572330 589260
Novo Repartimento /
PA 310580 377790 400540 452760 498610 519930 564520 600650 648880 677800 700200 718510 730610 745570 753370 760740
Pacaja / PA 155550 315670 321130 341400 367590 395560 416890 433710 459820 469940 497480 515930 519350 522340 530180 546760 Paragominas /
PA 721230 732230 747310 756730 783260 816610 825760 834910 841540 853670 860500 864100 865870 868950 870950 873370
Paranaita / MT 131380 142850 156150 168310 189130 204450 209970 216180 220310 221080 222050 223690 224280 225580 229510 231360 Peixoto De
Azevedo / MT 210950 220880 250640 262480 277190 301680 308400 319260 326370 328820 331100 336880 340940 346120 348450 352170
Pimenta Bueno / RO
182370 189520 193870 203570 214370 224890 227050 231420 235760 237180 237590 238020 241290 241930 242320 242980
Porto Dos Gauchos / MT
156150 174710 205860 235500 264350 287620 290800 292030 295050 295930 298080 300130 300910 302360 304030 307140
Porto Velho / RO
388830 422080 463380 512480 588570 654560 690850 734140 755570 766200 779700 812180 831760 863330 885820 914740
Querencia / 313360 334200 374890 425820 467470 482110 490590 494540 501750 502490 504720 506180 510060 511430 512960 514800
105
Municipio / UF 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 MT
Rondon Do Para / PA
415820 422560 469200 474960 496810 514890 519130 527680 533100 536160 541490 544170 545590 548470 550720 552610
Santa Carmem / MT
78030 80870 86490 104670 127160 137880 140150 141270 143700 144260 145370 146370 146650 149150 150030 150790
Santa Maria Das Barreiras /
PA 401810 444870 469630 489610 513230 541370 549430 561400 572060 574600 579380 582780 584750 586820 588820 590150
Santana Do Araguaia / PA
461470 496980 533950 567990 596480 644970 658610 680870 699990 702710 706740 710100 712440 716320 718710 720370
Sao Felix Do Araguaia / MT
339650 350030 357270 373180 392160 408470 413560 417700 438710 440470 441090 443010 444750 446380 448660 450720
Sao Felix Do Xingu / PA
703740 872770 999320 113113
0 123938
0 138017
0 145636
0 154411
0 162062
0 166506
0 170043
0 171448
0 173139
0 175343
0 176862
0 178854
0 Senador Jose Porfirio / PA
17560 25470 29880 39550 47940 53560 57680 63650 65130 65490 68350 75590 77490 78940 81480 87330
Tailandia / PA 144500 149530 164120 170660 179920 192880 196800 202610 209930 211590 216560 218480 219400 222720 223690 224360 Tapurah / MT 126750 135920 148730 163700 182040 190280 191450 192180 193230 193970 195330 197420 197860 199480 202810 204680 Ulianopolis /
PA 239990 247610 274650 276600 299160 309740 318490 321410 335150 339570 341500 343800 346950 348060 348340 350590
Vila Rica / MT 303940 323810 355420 387140 407940 433540 440120 450320 458160 458930 459570 460800 461940 462730 463210 463850