Upload
nguyendieu
View
212
Download
0
Embed Size (px)
Citation preview
MMOODDEELLAAGGEEMM DDAA
RREENNTTAABBIILLIIDDAADDEE DDAA
EEXXTTRRAAÇÇÃÃOO MMAADDEEIIRREEIIRRAA NNAA
AAMMAAZZÔÔNNIIAA BBRRAASSIILLEEIIRRAA SimMadeira - modelo e cenários
Produto 3
Belo Horizonte, 5 de Fevereiro de 2014
1
Equipe
Letícia Santos de Lima, M.Sc.
Britaldo S. Soares Filho, Dr.
Frank Merry, Dr.
Hermann Oliveira Rodrigues
Ricardo Scott Varella Malta
Christiane Martins dos Santos Damaceno
2
SSuummáárriioo
Lista de Figuras ..................................................................................................................................... 4
Lista de Tabelas ..................................................................................................................................... 5
Abreviaturas e Siglas ............................................................................................................................. 6
Vocabulário adotado............................................................................................................................. 7
Introdução............................................................................................................................................. 8
Plataforma de modelagem ................................................................................................................... 9
Suporte aos usuários....................................................................................................................... 10
Pacote de Dados ................................................................................................................................. 11
Modelo SimMadeira ........................................................................................................................... 12
Dados de entrada ............................................................................................................................ 12
Mapas ......................................................................................................................................... 13
Tabelas ........................................................................................................................................ 15
Constantes .................................................................................................................................. 16
Opções do Modelo ...................................................................................................................... 17
Funcionamento do modelo ............................................................................................................. 17
Submodelos ................................................................................................................................ 19
Definição das sedes madeireiras ................................................................................................ 19
Mapa de fricção .......................................................................................................................... 20
Definição da área de influência das sedes madeireiras .............................................................. 23
Cálculo dos custos totais ............................................................................................................. 25
Receita líquida ............................................................................................................................. 26
Criação das Unidades de Manejo Florestal e Unidades de Produção Anual .............................. 27
Cálculo da receita líquida média por UPA ................................................................................... 28
Cálculo da capacidade de extração da sede ............................................................................... 29
Extração de volumes selecionados ............................................................................................. 30
Cálculo do volume remanescente ............................................................................................... 31
Atualização das estradas ............................................................................................................. 32
Dados de saída ............................................................................................................................ 32
Limitações da Modelagem .............................................................................................................. 35
Limitações computacionais ......................................................................................................... 35
Limitações conceituais ................................................................................................................ 36
Limitações relativas aos dados de entrada ................................................................................. 37
Wizard ................................................................................................................................................. 39
Cenários .............................................................................................................................................. 40
3
Descrição Geral ............................................................................................................................... 40
Ajustes adotados ............................................................................................................................. 42
Ajustes de mapas ........................................................................................................................ 42
Ajustes de valores ....................................................................................................................... 43
Resultados – Cenários com dados IMAZON .................................................................................... 45
Cenário de governança com exploração em Flonas - IMAZON................................................... 45
Cenário de governança sem exploração em Flonas - IMAZON ................................................... 46
Cenário de governança e business-as-usual com exploração em Flonas - IMAZON .................. 46
Cenário de governança e business-as-usual sem exploração em Flonas - IMAZON ................... 47
Gráficos comparativos ................................................................................................................ 48
Resultados – Cenários com dados IBGE .......................................................................................... 50
Cenário de governança com exploração em Flonas - IBGE ......................................................... 50
Cenário de governança sem exploração em Flonas - IBGE ......................................................... 50
Cenário de governança e business-as-usual com exploração em Flonas - IBGE ......................... 51
Cenário de governança e business-as-usual sem exploração em Flonas - IBGE ......................... 52
Gráficos Comparativos ................................................................................................................ 52
Competição da exploração convencional com o manejo nas florestas nacionais ...................... 54
Rentabilidade simulada das florestas nacionais ......................................................................... 56
Receita negativa .................................................................................................................................. 56
Receita líquida baixa ........................................................................................................................... 56
Receita líquida alta .............................................................................................................................. 56
Comparação por Estados ............................................................................................................ 57
Discussão ............................................................................................................................................ 59
Comparação de Cenários ................................................................................................................ 60
Aspectos Gerais ........................................................................................................................... 60
Desempenho do modelo ................................................................................................................ 61
Adequabilidade dos dados .............................................................................................................. 61
Conclusões .......................................................................................................................................... 63
Referências Bibliográficas ................................................................................................................... 64
Anexos ................................................................................................................................................. 68
4
LLiissttaa ddee FFiigguurraass
Figura 1 - Interface gráfica e Wizard tutorial do Dinamica EGO. ........................................................ 10
Figura 2 - Modelo SimMadeira na interface da plataforma de modelagem Dinamica EGO. ............. 12
Figura 3 – Núcleo central do modelo. ................................................................................................. 19
Figura 4 – Cálculo de fricção. .............................................................................................................. 21
Figura 5 - Exemplo de um mapa de fricção. ........................................................................................ 23
Figura 6 – Definição da área de influência das sedes madeireiras. .................................................... 24
Figura 7 - Exemplo de áreas de influência (manchas em verde) de sedes madeireiras (círculos
amarelos) em Rondônia. ..................................................................................................................... 25
Figura 8 – Criação de estradas e cálculo de custos. ............................................................................ 26
Figura 9 – Cálculo de receitas. ............................................................................................................ 27
Figura 10 - Exemplo de UMFs (esq.) e UPAs (dir.) criadas pelo modelo. ............................................ 28
Figura 11 - Representação da conversão da receita por pixel para receita por UPA. ........................ 28
Figura 12 - Exemplo de seleção das UPAs mais rentáveis (em preto) em cada UMF. ........................ 29
Figura 13 – Módulo da seleção das UPAs mais rentáveis no modelo................................................. 29
Figura 14 – Cálculo da capacidade da sede madeireira. ..................................................................... 30
Figura 15 – Módulo de execução da exploração. ............................................................................... 31
Figura 16 - Exemplo de execução da exploração. ............................................................................... 31
Figura 17 - Mapas de volume comercial de Rondônia simulados para dois anos distintos. .............. 32
Figura 18 - Exemplo de expansão de estradas. ................................................................................... 32
Figura 19 - Exemplo da tabela final resultante do modelo. ................................................................ 34
Figura 20 - Wizard do modelo SimMadeira. ....................................................................................... 39
Figura 21 – Formato e referência espacial dos mapas de entrada. .................................................... 42
Figura 22 - Volume explorado nos cenários com dados IMAZON. ..................................................... 48
Figura 23 – Área explorada nos cenários com dados IMAZON. .......................................................... 49
Figura 24 – Área explorada acumulada nos cenários com dados IMAZON. ....................................... 49
Figura 25 – Volume explorado nos cenários com dados IBGE. ........................................................... 53
Figura 26 – Área explorada nos cenários com dados IBGE. ................................................................ 53
Figura 27 – Área explorada acumulada nos cenários com dados IBGE. ............................................. 54
Figura 28 - Comparação cenários GOV+BAU e GOV para Flona de Tefé. ........................................... 55
Figura 29 - Comparação cenários GOV+BAU e GOV para Flona do Iquiri. .......................................... 55
Figura 30 - Florestas Nacionais mais rentáveis segundo a receita líquida por hectare simulada
(GOV+BAU_CF_IBGE, ano 2009). ........................................................................................................ 57
Figura 31 - Volume extraído simulado por estado para o cenário GOV+BAU_CF_IBGE. Maranhão e
Tocantins não são apresentados. ....................................................................................................... 58
Figura 32 - Volume extraído simulado por estado para o cenário GOV+BAU_CF_IMAZON. Maranhão
e Tocantins não são apresentados. .................................................................................................... 58
5
LLiissttaa ddee TTaabbeellaass Tabela 1 – Cenários. ............................................................................................................................ 41
Tabela 2 – Ajuste de valores constantes no modelo. ......................................................................... 43
Tabela 3 – Valores de fricção adotados nas simulações. .................................................................... 43
Tabela 4 – Resultados do cenário GOV_CF_IMAZON. ........................................................................ 46
Tabela 5 – Resultados do cenário GOV_SF_IMAZON. ........................................................................ 46
Tabela 6 – Resultados do cenário GOV+BAU_CF_IMAZON. ............................................................... 47
Tabela 7 – Resultados do cenário GOV+BAU_SF_IMAZON. ............................................................... 47
Tabela 8 – Resultados do cenário GOV_CF_IBGE. .............................................................................. 50
Tabela 9 – Resultados do cenário GOV_SF_IBGE. ............................................................................... 51
Tabela 10 – Resultados do cenário GOV+BAU_CF_IBGE. ................................................................... 51
Tabela 11 – Resultados do cenário GOV+BAU_SF_IBGE. .................................................................... 52
Tabela 12 - Florestas Nacionais mais e menos rentáveis segundo a receita líquida por hectare
simulada (GOV+BAU_CF_IBGE, ano 2009). ......................................................................................... 56
6
AAbbrreevviiaattuurraass ee SSiiggllaass BAU – business as usual
CNFP – Cadastro Nacional de Florestas Públicas
CSR – Centro de Sensoriamento Remoto
CSV – comma-separated-values
DOF – Documento de Origem Florestal
EGO – Environment for Geoprocessing Objects
Flonas – Florestas Nacionais
Flotas – Florestas Estaduais
GOV – governança
HydroSHEDS – Hydrological data and maps based on Shuttle Elevation Derivatives at
multiple Scales
IBAMA – Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais
IBGE – Instituto Brasileiro de Geografia e Estatística
IMAZON – Instituto do Homem e Meio Ambiente da Amazônia
INCRA – Instituto Nacional de Colonização e Reforma Agrária
INPE – Instituto Nacional de Pesquisas Espaciais
Pixel – menor elemento gráfico de uma imagem digital.
MT – Ministério dos Transportes
PRODES – monitoramento da floresta Amazônica brasileira por satélite
PNLT – Programa Nacional de Logística e Transportes
RADAM – Projeto Radar na Amazônia
SimMadeira – modelo de simulação da rentabilidade da extração madeireira
SIPAM – Sistema de Proteção da Amazônia
SisFlora – Sistema de Comercialização e Transporte de Produtos Florestais
SFB – Serviço Florestal Brasileiro
UFMG – Universidade Federal de Minas Gerais
UMF – unidade de manejo florestal
UPA – unidade de produção anual
WWF – World Wild Foundation
7
VVooccaabbuulláárriioo aaddoottaaddoo
Área de influência da sede: área sobre a qual a sede madeireira é influente, recebendo
madeira extraída em seus arredores.
Business-as-usual: tendências exploratórias históricas, com ênfase na exploração
convencional e não sustentável.
Custo de oportunidade: renda que seria recebida caso o investimento fosse feito em
outra atividade econômica qualquer que gerasse um rendimento médio segundo o
mercado.
Fricção: valores que refletem a dificuldade de travessia em um tipo de cobertura ou
uso da terra.
Geocódigo: codificação municipal adotada pelo Instituto Brasileiro de Geografia e
Estatística.
Volume rentável: volume de madeira comercial cuja receita líquida é superior a zero.
Volume rentável disponível: volume comercial rentável existente em áreas passíveis de
exploração madeireira, ou seja, excluindo-se as áreas proibidas para exploração e
aquelas cuja receita líquida é inferior a zero.
Volume disponível na iteração: volume comercial disponível para ser explorado em um
dado passo de tempo (ano) da simulação.
Sede madeireira: sede municipal existente que comercializa madeira em tora extraída
no município ou em suas imediações. No modelo, uma nova sede pode surgir fora de
uma sede municipal quando emigra de uma sede extinta.
Receita líquida: diferença entre total arrecadado (receita bruta) e o custo pago por
volume.
Unidade de Manejo Florestal (UMF): área a ser explorada, definida através de um
plano de manejo florestal sustentável.
Unidade de Produção Anual (UPA): parcela da UMF a ser explorada ao longo de um
ano. A UMF é dividida em parcelas anuais que totalizem o ciclo de corte especificado.
8
IInnttrroodduuççããoo
O modelo matemático computacional SimMadeira é um simulador da rentabilidade da
exploração madeireira desenvolvido para servir como ferramenta de suporte às
tomadas de decisão referentes ao setor madeireiro na Amazônia. É baseado no
modelo de Merry et al. (2009) e Giudice et al. (2012) e foi desenvolvido sobre a
plataforma do software Dinamica EGO (Soares-Filho et al. 2013). O modelo abrange
toda a Amazônia Legal e tem como objetivo produzir estimativas espaciais e temporais
da rentabilidade do manejo sustentável de madeira comercial sob diferentes cenários
de custos e preços, demanda de mercado e áreas produtivas. O modelo simula uma
série de procedimentos que representam o manejo sustentável bem como a
exploração convencional, de forma que proporciona a possibilidade de comparação de
resultados e impactos de ambos modos de exploração.
Através do modelo SimMadeira é possível: projetar, temporal e espacialmente, as
tendências do setor madeireiro segundo diferentes cenários de exploração madeireira;
verificar as regiões que oferecem maior retorno econômico; observar os entraves
logísticos relativos aos meios de transporte que podem promover uma redução de
receita; comparar os impactos da exploração ilegal versus legal em longo prazo;
verificar o retorno econômico potencial de áreas específicas; verificar os efeitos da
implementação e melhoria da infraestrutura de rodovias e/ou hidrovias sobre a
rentabilidade; observar a importância das áreas protegidas na contenção do avanço do
desmatamento.
O modelo tem como finalidade apoiar as estratégias nacionais de uso sustentável da
floresta Amazônica e, portanto, foi desenvolvido com recursos computacionais que
facilitam o uso da ferramenta por técnicos e agentes envolvidos na gestão de florestas
públicas no Brasil.
9
PPllaattaaffoorrmmaa ddee mmooddeellaaggeemm
O SimMadeira foi desenvolvido sobre a plataforma de modelagem Dinamica EGO,
criada e mantida pelo Centro de Sensoriamento Remoto da UFMG. Essa plataforma foi
escolhida por possuir notáveis possibilidades para a construção de modelos
geoespaciais (Mas et al. 2013). Através do Dinamica EGO (EGO - Environment for
Geoprocessing Objects) é possível desenvolver uma gama de modelos espaço-
temporais que demandam operações analíticas e/ ou operações dinâmicas complexas
como: iterações aninhadas, feedbacks, abordagens multi-escalares, manipulação e
combinação algébrica de dados em vários formatos (mapas, tabelas, matrizes e
constantes), processos de decisão para bifurcação e união de fluxos de execução,
álgebra de mapas e a aplicação de uma série de algoritmos para a análise e simulação
de fenômenos ambientais (Soares-Filho et al. 2009; 2013). Escrito em linguagem C++ e
Java, o software possui uma biblioteca de operadores chamados de functores
(funtors), que podem ser entendidos como um processo que atua sobre um conjunto
de dados de entrada, sobre o qual é aplicado um número finito de operações,
produzindo como saída um novo conjunto de dados (Rodrigues et al. 2007; Soares-
Filho et al. 2013). Na interface gráfica, os modelos criados assumem um aspecto de
diagrama, cuja execução segue uma cadeia de fluxo de dados. Devido à flexibilidade e
à usabilidade dessa interface visual, uma vez que o usuário adquire domínio sobre o
manuseio da plataforma, qualquer modelo desenvolvido nela pode ser
modificado/adaptado de acordo com as necessidades do usuário. Isso permite,
inclusive, que o usuário possa alterar operações internas, substituir variáveis e rodar o
modelo com dados de entrada advindos de diferentes fontes.
O Dinamica EGO também possui ferramentas de visualização de dados geoespaciais
que permitem ao usuário acessar prontamente os resultados gerados e executar
pequenas operações de sobreposição de mapas para uma interpretação visual
preliminar. Entre essas ferramentas inclui-se também uma função que permite ao
usuário criar uma animação com os resultados gerados, favorecendo a apresentação
de processos temporais. Recentemente, foi disponibilizada uma interface em wizard
(assistente tutorial) que favorece a apresentação e personalização do modelo, seus
dados de entrada e suas saídas gráficas e numéricas (Figura 1). O wizard permite, entre
outras coisas, que o usuário introduza gráficos e textos explicativos a respeito do
modelo e seus produtos, permitindo, ainda, a inserção de hiperlinks para vídeos e
textos na web.
10
Figura 1 - Interface gráfica e Wizard tutorial do Dinamica EGO.
SSuuppoorrttee aaooss uussuuáárriiooss
A plataforma de modelagem Dinamica EGO vem sendo continuamente aprimorada ao
longo dos anos, desde o seu lançamento. A equipe de desenvolvimento do software
conta com quatro programadores exclusivamente dedicados à melhoria constante da
plataforma, priorizando os aspectos de eficiência, flexibilidade e usabilidade do
software. Neste quesito, a plataforma oferece: (i) um conteúdo de auxílio embutido na
estrutura do software (Menu Help); (ii) um Guidebook em três idiomas, com lições de
aprendizado gradual, disponível na instalação do software e acompanhado por um
pacote de dados e exemplos para execução das lições; (iii) uma Wiki Page que pode ser
acessada online através da página principal do projeto (www.csr.ufmg.br/dinamica);
(iv) uma lista de discussão entre usuários e desenvolvedores para a solução de dúvidas
pertinentes ao uso do software; (v) canal de contato entre os desenvolvedores e os
usuários através do email [email protected].
11
PPaaccoottee ddee DDaaddooss
O presente relatório acompanha um conjunto de arquivos organizados na seguinte
estrutura:
Projeto
Termo de Referência
Relatório Produto 1 – Projeto Executivo
Relatório Produto 2 – Banco de Dados
Relatório Produto 3 – Modelo e Cenários
Apresentação Produto 2 – Banco de Dados
Apresentação Produto 3 – Modelo e Cenários
Layouts
Imagens
Inputs
Mapas
Tabelas
Cenarios
Cenario 1
Analise
Resultados
Submodels
Wizard
Cenario 2
Cenario ...
Dinamica EGO.exe
12
MMooddeelloo SSiimmMMaaddeeiirraa
O modelo SimMadeira foi desenvolvido para servir como uma ferramenta de auxílio à
tomada de decisão em relação ao setor florestal, especificamente no que se refere à
exploração de madeira em tora em florestas públicas da Amazônia. O SimMadeira,
baseado em Merry et al. 2009, está fundamentado no balanço entre custos da
atividade e sua receita potencial e simula a rentabilidade da extração de madeira em
tora de forma espacializada, ou seja, ao longo do espaço geográfico. Os custos são
diretamente influenciados pelas condições logísticas para o transporte da madeira em
tora desde o local de exploração até a sede municipal associada a ele. O modelo parte
de dados observados sobre a extração de madeira em tora nos municípios, tais como
quantidade extraída no ano de inicialização, preços médios e custos de exploração
locais. Neste capítulo, os dados de entrada necessários e seus formatos são descritos
e, em seguida, o modelo (Figura 2) é detalhado em seus componentes.
Figura 2 - Modelo SimMadeira na interface da plataforma de modelagem Dinamica EGO.
DDaaddooss ddee eennttrraaddaa
Os dados de entrada utilizados no Dinamica são de três tipos: (1) mapas em formato
raster, ou seja, matriciais; (2) tabelas em formato comma-separated-values; (3)
constantes, ou seja, valores inteiros ou fracionários.
O Dinamica buscará os dados de entrada através do caminho de diretórios indicado
pelo usuário através dos operadores “Folder” e “Workdir”. Em seguida, o operador
13
“Load Map” é utilizado para o carregamento de um mapa específico, onde o usuário
informará o nome do mapa. Da mesma forma, o operador “Load Lookup Table” é
utilizado para fazer o carregamento de tabelas do tipo chave-valor.
Os "geocódigos" estabelecidos pelo Instituto Brasileiro de Geografia e Estatística –
IBGE, foram selecionados como os indexadores adequados para estabelecer os
vínculos entre dados tabulares e mapas de entrada, de maneira que futuras análises e
comparações de dados estatísticos municipais e estaduais sejam facilitadas. Dessa
forma, todos os dados referentes a unidades político-administrativas que são utilizados
no SimMadeira são associados aos respectivos geocódigos, os quais funcionam como
uma excelente chave de consulta a dados tabulares em nível municipal,
microrregional, regional e estadual, permitindo a associação de valores tabulares de
diferentes fontes e a análise de dados estatísticos de diversas instituições públicas.
Mapas
O Dinamica EGO foi desenvolvido para executar operações sobre mapas matriciais, ou
seja, em formato raster (extensões: .tif, .ers, .asc, .img, .bil, entre outros). Todos os
mapas raster a serem utilizados no modelo devem ter o mesmo número de linhas e o
mesmo número de colunas (no entanto, não é necessário que seja um mapa
quadrado), devem ter a mesma resolução espacial e mesma projeção cartográfica.
Adicionalmente, os mapas devem estar recortados para a mesma região de estudo,
com seus vértices ancorados nos mesmos pontos. Isso é um pré-requisito porque o
Dinamica executa as operações pixel a pixel. No SimMadeira, todos os mapas de
entrada devem ser armazenados na mesma pasta e o diretório dessa pasta deve ser
informado no operador “Folder” chamado “Diretório de Mapas”.
Os mapas relacionados a seguir são aqueles necessários para a execução do modelo.
Detalhes adicionais sobre formato e valores específicos de pixels para os mapas
categóricos, bem como procedimento de criação de cada mapa, podem ser
encontrados nos metadados dos mapas na pasta de inputs.
Limites da área de estudo: mapa que indica a área de estudo, assinalando-a com pixel
igual a 1 e áreas externas ao limite indicadas por valor nulo. Utilizado para servir de
base nos cálculos do modelo.
Sedes municipais (IBGE): mapa cujos valores diferentes de zero correspondem aos
geocódigos de municípios da região em estudo. Os municípios são representados
apenas por um ponto (pixel) que corresponde à localização de sua sede, segundo o
IBGE.
14
Florestas públicas por tipo de proteção (CNFP/SFB): mapa cujos valores de pixel
representam os tipos de proteção constantes na tabela de atributos da shapefile do
Cadastro Nacional de Florestas Públicas.
Terras indígenas (CNFP/SFB): mapa cujos valores de pixel representam duas classes:
terras indígenas ou não. Originado a partir do mapa do Cadastro Nacional de Florestas
Públicas.
Flonas e Flotas (CNFP/SFB): mapa cujos valores de pixel representam Florestas
Nacionais ou Florestas Estaduais e cuja origem é o Cadastro Nacional de Florestas
Públicas.
Rodovias por tipo e condições (PNLT/MT): mapa cujos valores de pixel representam os
tipos de rodovias e suas condições (planejada, implantada, pavimentada, leito natural,
etc).
Rodovias não pavimentadas (CSR/UFMG): mapa derivado de imagem LANDSAT
classificada, indicando as rodovias não pavimentadas. Valores de pixel diferentes de
zero indicam rodovias.
Hidrovias por condições (PNLT/MT): mapa cujos valores de pixel representam os tipos
de hidrovias e suas condições (navegável, navegação inexpressiva, etc.).
Cobertura da terra (PRODES/INPE): mapa de cobertura da terra reamostrado e
reclassificado a partir do raster original do PRODES/INPE. O raster final indica as áreas
de floresta, áreas desmatadas e outros tipos de cobertura.
Hidrografia (HydroSHEDS/WWF e SIPAM): originado a partir da fusão de dois
produtos: o raster de fluxo acumulado para América do Sul (HydroSHEDS, WWF)
(resolução espacial original 30 arco-seg), reamostrado para resolução de 0,009° e
convertido em mapa binário (valores 0 ou 1) utilizando ferramenta “conditional”
(spatial analyst, ArcGIS) para extração de rede de drenagem com fluxo acumulado
superior a 500 “pixels”; e o raster originado a partir do mapa vetorial “Hidrografia
Bifiliar” - Espacialização da rede de drenagem bifiliar do Bioma Amazônico, isto é, rios
cujas larguras são muito extensas (SIPAM - Sistema de Proteção da Amazônia).
Volume comercial (Merry et al. 2009): quantidade de madeira comercial informada
em m3/ha. Mapa criado com base no mapa de biomassa de Saatchi (2007) e
parâmetros de vegetação obtidos do projeto RADAM Brasil.
Assentamentos (INCRA): mapa que indica presença/ausência de assentamentos pelo
INCRA. Pixels iguais a zero indicam ausência de assentamento.
15
Tabelas
O SimMadeira utiliza cinco tabelas como dados de entrada, entre as quais, quatro
devem ser fornecidas externamente e uma (tabela de fricção) está ajustada para que
seus valores sejam alterados na interface gráfica do software. As tabelas do formato
comma-separated-values (CSV) possuem uma coluna 'chave', que informa o vínculo
geo-espacial do dado em questão e uma ou mais colunas de valores. Valores são
separados por vírgulas ou ponto-vírgulas. Essas tabelas podem ser abertas e editadas
não apenas nos editores típicos de tabelas (ex. Microsoft Excel), como também em
editores de notas ou de códigos de programação (ex. Bloco de Notas; Notepad++).
Municípios: tabela de municípios da área de estudo. A tabela pode conter informações
gerais sobre os municípios, no entanto, o geocódigo municipal é necessariamente a
primeira coluna, ou coluna chave.
Quantidade produzida [m3/ano]: a quantidade produzida de madeira em tora reflete a
capacidade da sede municipal em comercializar a madeira e, por isso, é um dado
utilizado para definir se a sede municipal constitui uma sede madeireira. A quantidade
produzida é utilizada no modelo para listar as sedes madeireiras, bem como para
estabelecer os valores da capacidade inicial de cada sede. Esses dados podem ser
obtidos por meio do Documento de Origem Florestal (DOF) e SisFlora, levantamentos
por entidades não governamentais (ex. realizados pelo IMAZON), ou através da
pesquisa da “Produção da Extração Vegetal e da Silvicultura” pelo IBGE.
Custo de exploração [R$/m3]: o custo de exploração da madeira em tora se refere ao
“valor pago para a extração da madeira na floresta até o carregamento em veículo de
transporte” (IMAZON 2009) e inclui gastos com derrubada, arraste e carregamento.
Esse custo pode ser obtido por meio de levantamentos regionais. Na ausência de
valores observados, pode-se recorrer a valores médios ponderados com base nos
dados observados de regiões vizinhas.
Preço médio da madeira em tora [R$/m3]: se refere ao preço médio da madeira em
tora listado para cada município considerado sede madeireira. Idealmente, o preço
médio deve ser calculado por ponderação com base no preço médio das classes de
valor da madeira e com base nos volumes relativos normalmente obtidos em cada
região produtora. No entanto, para isso, é necessário contar com dados discretizados e
abrangentes para toda a área em estudo. Possíveis fontes para essa informação
incluem levantamentos de campo, Documento de Origem Florestal ou cálculos
indiretos por meio de levantamentos do IBGE. A limitação referente à primeira opção
se deve à abrangência do levantamento; na segunda opção, a limitação se refere aos
potenciais erros nos dados devido ao fato de se tratar de auto-declaração do
16
madeireiro; e em relação à terceira opção, o qual é feita pela divisão da receita bruta
anual gerada pela quantidade produzida no ano, se refere também a possíveis erros de
levantamento.
Fricção por tipo de uso/cobertura da terra [R$/m3/km]: os valores de fricção refletem
o custo de travessia de um determinado meio, sendo que para as vias de transporte,
adotam-se valores conhecidos na literatura e, para os demais meios (ou seja, aqueles
que não constituem vias de transporte), adotam-se valores arbitrários que reflitam a
dificuldade de travessia ou de criação de novas estradas nesses meios.
Constantes
Constantes são valores ajustados para o modelo antes de sua inicialização. São valores
únicos indicados em operadores na interface do Dinamica EGO e também através dos
campos fornecidos no Wizard (assistente de execução). Os valores seguintes devem
ser informados pelo usuário do SimMadeira:
Ano de inicialização: primeiro ano a ser simulado.
Número de anos a serem simulados: se refere à extensão temporal da simulação em
anos.
Ciclo de corte [anos]: se refere ao número de anos para um ciclo de corte em manejo.
Distância mínima da sede madeireira [m]: distância mínima a partir da qual pode
surgir uma nova sede madeireira caso a original tenha encerrado atividades.
Distância máxima da sede madeireira [m]: distância máxima para o surgimento de
uma nova sede madeireira caso a original tenha encerrado atividades.
Intensidade máxima de corte [m3/ha/ano]: intensidade máxima permitida para
extração de madeira em áreas de manejo florestal.
Tamanho da UPA [ha]: tamanho da unidade de produção anual, 1/n vezes o tamanho
da UMF, onde n é o número de anos do ciclo de corte.
Tamanho da UMF [ha]: tamanho médio da unidade de manejo florestal.
Capacidade inicial de novas sedes [m3/ano]: capacidade hipotética inicial para as
sedes madeireiras que surgem após a extinção de uma outra sede.
Taxa de expansão da capacidade: crescimento potencial anual da capacidade de
extração de toras das sedes madeireiras. Valor decimal entre 0 e 1.
17
Taxa de juros [adim]: representa o custo de oportunidade em termos de lucro
renunciado caso o dinheiro investido no setor madeireiro fosse aplicado em um fundo
de investimento padrão. Indicado em forma de valor fracionário.
Opções do Modelo
Após o ajuste dos caminhos para os mapas e tabelas a serem utilizados, bem como
ajuste dos valores constantes na interface ou através do Wizard, o usuário ajustará as
opções em relação à simulação que deseja executar. Essas opções definem critérios
para os cenários a serem simulados e são respondidas na forma de 'Sim/Não' através
de um ícone da interface ao estilo 'liga-desliga':
Manejo florestal sustentável em áreas privadas?
Impede exploração em áreas de proteção integral, áreas militares e terras
indígenas?
Transportes – melhorias já implementadas? (Refere-se às melhorias planejadas
no PNLT 2010)
Transportes – Rodovias planejadas já implementadas? (Refere-se à
implementação de rodovias planejadas no PNLT 2010)
Transportes – utilizar hidrovias?
Explorar áreas não destinadas?
Se explorar áreas não destinadas, manejo florestal sustentável nessas áreas?
Explorar Flonas? (Florestas Nacionais, CNFP)
Explorar Flotas? (Florestas Estaduais, CNFP)
Explora demais áreas da classe uso sustentável do CNFP além de Flonas?
(Terras indígenas não entram na conta caso a exploração nessas áreas já tenha
sido impedida em opção anterior)
Manejo sustentável nas áreas da classe uso sustentável do CNFP? (Se não, a
exploração será convencional)
Explorar assentamentos?
Manejo florestal sustentável em assentamentos?
FFuunncciioonnaammeennttoo ddoo mmooddeelloo
A execução do SimMadeira começa pela alteração de mapas iniciais, considerando as
opções feitas pelo usuário na definição dos cenários. Além disso, nessa etapa, o mapa
18
de fricção inicial é construído tendo como base os valores de fricção por tipo de
cobertura ajustados pelo usuário. Em seguida, o modelo inicia as iterações temporais,
ou seja, as funções que são executadas repetidamente a cada passo de tempo, neste
caso, a cada ano simulado. O modelo inicia as iterações definindo as áreas de
influência de cada sede madeireira, as quais constituem as regiões em que são
calculados separadamente os custos, receitas e volumes a serem explorados.
Os cálculos por região (Figura 3) começam com a identificação de quais volumes serão
explorados por meio de manejo florestal sustentável e quais serão exploradas por
meios convencionais. Em seguida, os custos totais por pixel são calculados associando
os custos de exploração, custos de oportunidade e de transporte. Um módulo
adicional executa a criação de novas estradas em direção aos pontos que foram
explorados no passo de tempo anterior ao corrente alterando, assim, a fricção até tais
pontos e atualizando os custos de transporte. Outro módulo adicional particiona toda
a região das sedes madeireiras em unidades de manejo florestal e em unidades de
produção anual que serão tomadas em conta nas áreas onde o manejo sustentável foi
definido como a forma de exploração. Nessas áreas, o modelo é impedido de explorar
mais do que 1/n da área de uma unidade de manejo (onde n é o número de anos do
ciclo de corte) por ano. Calculados custos e volumes, calcula-se a receita líquida
potencial e, em seguida,é feita a seleção de unidades de produção anual a partir das
regras da exploração sob manejo, considerando as áreas mais rentáveis. O volume
disponível total para exploração na iteração é calculado e utilizado para atualizar a
capacidade das sedes madeireiras. Por fim, o modelo executa a exploração de acordo
com a capacidade de cada sede e obtém as estatísticas de volume total explorado,
custos por pixel explorado e receita líquida obtida. Em seguida, os mapas gerados são
atualizados para as iterações seguintes e salvos em arquivo.
19
Figura 3 – Núcleo central do modelo.
Submodelos
O modelo SimMadeira vem acompanhado de uma pasta chamada “Submodels”. Nela
estão presentes estruturas chamadas de submodelos que são utilizadas para a
execução do modelo geral. A pasta Submodels deverá estar sempre presente na
mesma pasta raiz que o modelo geral para que o programa seja capaz de reconhecer
os componentes e associá-los ao abrir o SimMadeira. Submodelos constituem,
portanto, componentes do modelo principal que aparecem na interface como se
fossem operadores do Dinamica, mas que, na verdade, são pequenos modelos criados
para executar funções específicas dentro de um modelo maior.
Definição das sedes madeireiras
A simulação da atividade madeireira no modelo começa pela suposição de que toda
madeira extraída será levada até uma sede municipal que tenha infraestrutura para o
seu processamento e/ou comercialização. Portanto, o modelo acessa a tabela de
municípios produtores de madeira em tora e a correlaciona com o mapa raster de
sedes municipais da Amazônia (IBGE). As sedes municipais estão referenciadas pelo
seu geocódigo para facilitar a associação do mapa raster com as informações obtidas
por fontes oficiais de levantamento de dados municipais. As sedes madeireiras podem
ser definidas a partir de dados que indiquem qualquer transação comercial de madeira
em tora nos municípios ou pode levar em conta somente aqueles municípios que são
20
considerados polos madeireiros segundo levantamentos diversos (ex. lista de polos do
IMAZON). Em qualquer caso, o modelo funcionará sem impedimentos.
Durante a execução do modelo, assume-se que uma sede municipal que comercializa
madeira em tora pode deixar de comercializá-la, ou seja, deixar de ser uma sede
madeireira, a partir do momento em que já não se encontre madeira potencialmente
rentável disponível para ser extraída na área de influência da sede. Nessa situação, a
capacidade da sede, a qual acompanha o volume rentável disponível, será reduzida a
zero. Quando isso acontece, o modelo define tal sede madeireira como extinta e busca
por regiões potencialmente rentáveis em um determinado raio de distância da sede
que se extinguiu e estabelece uma nova sede nessa área. A busca por áreas rentáveis
leva em conta não somente a existência de madeira que pode ser extraída, mas
também a existência de acessos que façam com que o custo compense a extração. As
novas sedes madeireiras podem surgir fora de sedes municipais pré-existentes,
ocupando regiões remotas da Amazônia. O número de novas sedes está ajustado para
ser igual ao número de sedes que se extinguiram a cada iteração anual do modelo.
Com a extinção e criação de novas sedes, o mapa de sedes madeireiras é
continuamente atualizado.
Observações:
- o modelo funciona com qualquer fonte de dados municipais que forneça, no mínimo:
levantamento da quantidade produzida de madeira em tora, preço médio de madeira
em tora e custos de exploração, todos em tabelas do tipo '.csv' cujas chaves sejam os
geocódigos municipais. É de livre escolha do usuário se a fonte dos dados será o IBGE,
DOF, IMAZON ou outro, desde que a estrutura de dados no modelo seja mantida.
Parâmetros ajustáveis:
- distância mínima e máxima (m) para surgimento de uma nova sede nas imediações
de uma sede extinta.
Mapa de fricção
O modelo acessa os mapas de uso da terra (PRODES ou outra fonte de interesse), áreas
protegidas, rodovias e hidrovias e atribui a cada tipo de uso ou cobertura um valor de
fricção expresso em R$/m3/km (onde m3 se refere a volume de toras). A Figura 4
apresenta o módulo que calcula o mapa de fricção. No caso de rodovias e suas classes,
bem como no caso das hidrovias, os valores de fricção se referem aos custos de
transporte por esses meios obtidos da literatura. Na ausência de valores para as
demais classes de uso da terra, como é o caso de ocupações que não são vias de
21
transporte, são assumidos valores fictícios que, em realidade, buscam retratar o grau
de dificuldade de travessia daquele meio ou dificuldade de criação de novas vias por
ali. O resultado é um mapa que combina as diferentes fricções por tipo/classe de
uso/cobertura expressos em unidades monetárias por metro cúbico de tora por
quilômetro (Figura 5).
Atribui-se primeiro valores de fricção para rodovias e hidrovias. Em seguida, atribui-se
a fricção por tipo de proteção em unidades de conservação e, ao final, no que restar, a
fricção relativa à cobertura segundo o mapa reclassificado de cobertura da terra pelo
PRODES.
Figura 4 – Cálculo de fricção.
Observações:
- os valores de fricção (custo em R$/m3/km), para os meios pelos quais efetivamente
há transporte de madeira, influenciam fortemente no custo de transporte final e nos
resultados de rentabilidade da atividade.
- hidrovias navegáveis somente em determinada época do ano não são consideradas
como vias favoráveis para transporte de carga e, portanto, como padrão recebem um
valor de fricção mais alto, o que significa que não serão consideradas para transporte
de madeira.
- neste modelo, por simplificação, a direção de fluxo do rio não é considerada em
termos da dificuldade de tráfego. No entanto, na prática, transporte rio acima tem
maior custo.
22
- a representatividade da fricção está intimamente ligada à qualidade dos dados de
caracterização da superfície: ou seja, quão precisos e acurados são os mapas de vias de
transporte e de cobertura da terra.
- devido à resolução espacial dos mapas de entrada, um mesmo pixel pode englobar
diferentes coberturas, no entanto, a ele será assinalado apenas a principal cobertura
em questão.
- a classe “nuvem” do mapa de cobertura da terra do PRODES é convertida para classe
“floresta” neste modelo, visto que não há meios fáceis para definir a real cobertura da
terra naquele local.
- a classe “resíduo” do mapa de cobertura da terra do PRODES é convertido em classe
“não-floresta”.
- as rodovias não pavimentadas (que se encontram em mapa separado daquele do
PNLT) são mescladas ao mapa de rodovias por situação (PNLT 2010), sendo
incorporadas e convertidas para classe “leito natural” correspondente no mapa do
PNLT.
- a fricção de rodovias “planejadas” do PNLT 2010 será semelhante à fricção
estabelecida para as rodovias de “leito natural” caso sejam consideradas já
implantadas (cenário futuro, uma vez que não há meios de saber se a implantação
inclui pavimentação imediata), ou serão tomadas como não existentes (não
implantadas, cenário atual).
- a fricção de rodovias “em obras de pavimentação” no PNLT 2010 serão semelhantes à
fricção estabelecida para as rodovias de “leito natural” caso não sejam consideradas já
pavimentadas (cenário atual) ou serão semelhantes à fricção para rodovias
“pavimentadas” caso as obras sejam tidas como finalizadas (cenário com melhorias de
logística).
23
Figura 5 - Exemplo de um mapa de fricção.
Definição da área de influência das sedes madeireiras
O modelo acessa o mapa de sedes madeireiras (um mapa que possui valores iguais ao
geocódigo do município que é sede de uma sede madeireira e valor igual a zero para
os demais pixels). Com este mapa, o modelo calcula o custo acumulado de transporte
para sair de qualquer ponto da superfície e chegar a qualquer sede madeireira
utilizando os meios de menor fricção. Dessa forma, o modelo gera um mapa contínuo
de valores em que os pontos que se aproximam de zero são aqueles cujo transporte
até uma sede será mais barato e os pontos com valores mais altos representam
regiões em que é mais caro se dirigir a qualquer sede. Os pontos que apresentam os
valores mais altos de uma vizinhança de pixels podem ser tomados como “topos-de-
morro” em termos monetários, fazendo uma analogia com a geomorfologia. Seguindo
essa analogia, considerando a direção e sentido para o qual os valores se reduzem, é
possível delinear uma área a partir de seus “divisores” de custo, tal como os divisores
topográficos dividem uma bacia hidrográfica. Esse procedimento permite que sejam
definidas as áreas de influência de cada sede madeireira com base no custo para se
atingir a sede (Figura 7).
As áreas de influência servirão como o mapa base para a regionalização dos processos
dentro do Dinamica EGO, ou seja, a cada ano simulado, o processo em cada sede é
executado separadamente como forma de melhorar o desempenho computacional do
modelo. Ao final de cada ano simulado, os mapas gerais são recompostos pela
combinação das partes que foram executadas separadamente.
24
Devido à simulação da ampliação da rede de pequenas estradas de acesso até os
pontos de exploração, o mapa de fricção é atualizado a cada ano e, com ele, o mapa de
custo acumulado de transporte. Com isso, a cada iteração anual, a abrangência, ou
seja, o tamanho da área de influência das sedes madeireiras, é recalculada. Isso
significa que as sedes podem ampliar a sua área de influência ou reduzi-la devido à
competição com sedes vizinhas. A Figura 6 apresenta o módulo no qual as novas sedes
são criadas e o custo até elas, bem como a área de influência de cada uma é calculada.
Figura 6 – Definição da área de influência das sedes madeireiras.
Observações:
- a definição da área de influência das sedes é fortemente influenciada pelos valores
de fricção (custo específico) para cada classe de uso/cobertura e também pelo grau de
representatividade dos mapas de vias de transporte. Ou seja, caso os mapas não
estejam bem atualizados, a definição das áreas de influência das sedes pode ficar
comprometida.
25
Figura 7 - Exemplo de áreas de influência (manchas em verde) de sedes madeireiras (círculos amarelos) em Rondônia.
Cálculo dos custos totais
O custo total da madeira em tora é um valor expresso em R$/m3 de tora e possui três
componentes: (1) custos de exploração; (2) custos de transporte e (3) custo de
oportunidade. Os custos de exploração representam o valor gasto com derrubada,
arraste e transporte da tora até o pátio da empresa e são obtidos da literatura e/ou
levantamentos de dados de campo. Os custos de exploração podem ser espacialmente
variáveis. Portanto, o modelo está ajustado para receber uma tabela na qual há um
valor de custo de exploração para cada sede madeireira. Os custos de transporte são
calculados baseando-se nos valores de fricção por tipo de cobertura ou via de
transporte, acumulando-se os valores desde a sede até cada um dos pixels da área de
influência da sede, obtendo, ao final, um custo expresso em R$/m3 para cada pixel do
mapa. O custo de oportunidade é expresso como uma taxa de juros correspondente ao
rendimento médio a que um investimento de capital estaria sujeito e é representado
no modelo como uma taxa aplicada sobre o somatório dos custos de transporte e
exploração. O custo de oportunidade, dessa forma, reflete o quanto seria ganho se o
dinheiro aplicado no pagamento pela madeira em pé fosse investido em outra
atividade econômica. Por fim, o custo total é calculado para cada pixel do mapa,
considerando que o custo de transporte varia espacialmente e é alterado a cada
iteração devido à atualização das estradas de acesso às áreas exploradas (Figura 8).
26
Figura 8 – Criação de estradas e cálculo de custos.
Parâmetros ajustáveis:
- custo de oportunidade: taxa de juros - retorno financeiro médio de investimento em
uma atividade econômica. É fornecido como valor decimal.
- custo de exploração: pode ser ajustado para refletir o custo da exploração
convencional, da exploração de baixo impacto, para simulação comparada de cenários
em que o custo aumenta ou reduz em uma ou outra região ou mesmo para um cenário
em que o custo é igual em todos os municípios.
- custos de transporte por tipo e condição das vias: são parâmetros associados
inicialmente com o mapa de fricção e, em seguida, calculados como custo acumulado
de transporte. Podem ser ajustados nas tabelas de fricção que são ajustadas como
dado de entrada no modelo.
Receita líquida
Após o cálculo do custo total, o volume comercial (m3/ha) é multiplicado pelo tamanho
da área de cada pixel (ha) para obtenção do total de volume por pixel (m3), o qual, em
seguida, é multiplicado pelo preço do m3 de tora para obtenção da receita bruta. Em
seguida, desse valor subtrai-se o custo total e obtém-se a receita líquida por pixel. A
receita liquida das áreas exploradas sob manejo e sem manejo são calculadas
separadamente. O mapa de receita líquida, cuja unidade está em R$ por pixel,
direcionará a exploração para as áreas mais rentáveis (Figura 9).
27
Figura 9 – Cálculo de receitas.
Criação das Unidades de Manejo Florestal e Unidades de Produção Anual
No cenário de governança, toda a região passível de exploração madeireira é ajustada
para que a exploração seja feita com base em parcelas anuais como pré-requisito para
o manejo florestal sustentável. Nos cenários business-as-usual, os quais refletem as
tendências tais como tem sido observadas nos últimos anos (incluindo a exploração
convencional e ilegal), somente as áreas que serão destinadas a concessões florestais
seguem a divisão do terreno em parcelas de manejo, sendo que a exploração em
propriedades privadas não é dividida em unidades de produção anual, seguindo,
porém, os padrões da exploração convencional.
As áreas sob manejo florestal sustentável são divididas no modelo em blocos que
buscam reproduzir o que seriam as unidades de manejo florestal (UMFs) e suas
unidades de produção anual (UPAs). O modelo está ajustado para dividir uma UMF em
n UPAs, considerando um ciclo de n anos (ou seja, se o ciclo for de 30 anos, a UMF será
dividida em 30 UPAs). Devido a simplificações necessárias, as UMFs e UPAs são sempre
quadradas (mesmo número de colunas e linhas), embora em realidade as UMFs sigam
muitas vezes algumas feições do terreno, como o delineamento por corpos d’água
(Figura 10). Essa disposição das concessões em blocos dá a possibilidade de reproduzir
uma exploração manejada ao longo do ciclo de corte, controlando a exploração ano a
ano e impedindo que toda a área seja explorada de uma só vez. Atribui-se a cada UMF
de uma sede madeireira um código único e a cada UPA de uma UMF também um
código único. As UPAs de uma UMF se diferenciam daquelas de outras UMFs por
receberem ao final, um código que é a combinação do código da UMF e o seu próprio.
É necessário enfatizar que essa divisão do terreno é feita para finalidades logísticas do
modelo e não pretende, de forma alguma, ser um meio de obtenção de resultados
locais em nível de unidades de manejo. Ou seja, embora o modelo divida o espaço
28
dessa forma, seus resultados só devem ser interpretados em níveis regionais e não
locais/pontuais.
Figura 10 - Exemplo de UMFs (esq.) e UPAs (dir.) criadas pelo modelo.
Parâmetros ajustáveis:
- tamanho médio das unidades de manejo florestal [ha]
- ciclo de corte [anos]
Cálculo da receita líquida média por UPA
A seleção de áreas a serem exploradas segue dois critérios no modelo: a demanda
total da sede madeireira e a distribuição espacial das áreas mais rentáveis. Em áreas
sob manejo florestal sustentável, a escolha das UPAs a serem exploradas a cada ano se
dá pela seleção da UPA mais rentável de cada UMF da sede. Isso é feito calculando-se
a receita líquida média da UPA considerando o valor de receita de cada um de seus
pixels, excluindo-se aqueles por onde passam os principais rios. Observa-se, na Figura
11, que os pixels da imagem à direita parecem maiores, o que, na verdade, representa
o fato de que os valores por pixel foram convertidos em valores médios para cada UPA.
Figura 11 - Representação da conversão da receita por pixel para receita por UPA.
Em seguida, o modelo seleciona, para cada UMF, a UPA ainda não explorada que
possui a maior receita líquida média, entre aquelas cuja receita líquida é superior a
zero (isto é condicionado para que o modelo não execute a exploração caso a receita
29
seja negativa) (Figura 12 - UPAs selecionadas marcadas em preto). O conjunto de UPAs
selecionadas de todas as UMFs da sede - somado às demais áreas passíveis de
exploração sem manejo em cenários business-as-usual - é repassado para o operador
que executa a extração para toda a sede. A Figura 13 apresenta o componente do
modelo que executa essas funções.
Figura 12 - Exemplo de seleção das UPAs mais rentáveis (em preto) em cada UMF.
Figura 13 – Módulo da seleção das UPAs mais rentáveis no modelo.
Cálculo da capacidade de extração da sede
O conjunto de UPAs selecionadas em áreas de manejo sustentável combinado com as
demais áreas privadas passíveis de exploração não-sustentável – no caso business-as-
usual, excluindo-se as áreas indisponíveis segundo cada cenário e áreas não rentáveis,
– constitui a área total disponível para a exploração madeireira. Por meio do mapa que
representa essa área total disponível, calcula-se o volume rentável total disponível
para ser explorado na iteração em execução. A capacidade de produção de madeira
em tora da sede madeireira varia em função desse volume rentável disponível para
exploração da seguinte maneira: cada sede possui uma capacidade inicial definida com
base na extração total registrada no ano de inicialização do modelo (ex: suponha que o
município de Sinop tenha extraído um total de toras equivalente a 150 mil m3 no ano
de 2009, então essa é a capacidade inicial de Sinop, caso esse seja o ano de
30
inicialização do modelo). A cada passo de tempo da simulação (a cada ano), a
capacidade pode expandir até uma determinada taxa, se caso ainda for inferior ao
volume rentável disponível para exploração na iteração considerada na área de
influência daquela sede. A capacidade atinge seu valor máximo quando se iguala ao
volume rentável remanescente disponível para exploração. Dessa forma, à medida que
o volume rentável remanescente se reduz, o mesmo ocorre com a capacidade da sede
que acompanha essa disponibilidade até o ponto em que é zerada devido à
indisponibilidade de volumes para extração. Nessa situação, a sede é fechada e ocorre
uma possível migração para regiões adjacentes. A Figura 14 apresenta o componente
do modelo no qual esses cálculos são efetuados.
Figura 14 – Cálculo da capacidade da sede madeireira.
Parâmetros ajustáveis:
- capacidade inicial de cada sede madeireira;
- taxa anual de expansão da capacidade (reflete o quão favorável está o mercado ao
setor madeireiro).
Extração de volumes selecionados
O modelo executa a extração considerando a capacidade da sede atualizada segundo
aquela iteração como cota total a ser explorada (Figura 15). Os pontos que serão
explorados são fornecidos pelo mapa de volumes disponíveis para explorar, nos quais
estão anulados todos os pontos impedidos para exploração que, por sua vez, incluem
também as UPAs que já foram exploradas em iterações passadas e UPAs cuja
rentabilidade é menor ou igual a zero (Figura 16). O modelo procura atingir a cota
definida buscando sempre as áreas mais rentáveis, podendo, no entanto, oferecer
alguns resíduos em relação ao explorado (isso se deve à resolução espacial dos dados).
31
Uma vez que tais resíduos, em geral, não são significativos perante o total explorado,
eles podem ser desconsiderados.
Figura 15 – Módulo de execução da exploração.
Figura 16 - Exemplo de execução da exploração.
Cálculo do volume remanescente
Após a exploração, é contabilizado o volume total que efetivamente foi extraído, bem
como a área total explorada. O mapa de volume comercial remanescente é calculado e
repassado para a próxima iteração (Figura 17). As áreas exploradas em concessões
ficam marcadas para que estejam indisponíveis para a próxima iteração, segundo as
regras de manejo. A regeneração não é calculada, uma vez que o modelo é feito para
rodar apenas um ciclo de corte, no entanto, módulos futuros adicionais podem ser
incorporados ao modelo para simular uma possível regeneração.
32
Figura 17 - Mapas de volume comercial de Rondônia simulados para dois anos distintos.
Atualização das estradas
Considerando as áreas que foram efetivamente exploradas, na iteração seguinte, são
criadas as estradas de acesso até os respectivos pontos e recalculado o custo de
transporte considerando a existência dessas novas estradas. A elas é atribuído o valor
de custo de transporte referente a estradas em leito natural. Iterações seguintes irão
construir acessos aos novos pontos de exploração, sempre com base na rede de
estradas atualizadas da iteração anterior (Figura 18). Parte-se do pressuposto de que o
custo de construção da estrada está previamente embutido no custo de exploração e,
portanto, não é contabilizado por km construído, mas sim, por metro cúbico
explorado. A criação de novas estradas leva a uma alteração na superfície de fricção,
reduzindo o custo de acesso aos pontos de exploração. Com isso, a área de influência
de cada sede é recalculada considerando o custo acumulado atualizado.
Figura 18 - Exemplo de expansão de estradas.
Todo o processo é repetido a cada iteração até completar o ciclo de corte. Os mapas
são gravados em passo de tempo anual para toda a Amazônia Brasileira e a tabela
gerada constitui um conjunto de estatísticas gerais para cada sede a cada ano.
Dados de saída
O SimMadeira produz como resultados finais um conjunto de mapas e uma tabela
geral, os quais são inicialmente salvos na pasta “Resultados” presente na pasta raiz
33
onde o modelo se encontra. O local para salvar resultados pode ser alterado pelo
usuário através da indicação do caminho de pastas dentro do operador “Folder”
nomeado como “Diretório de Resultados”. É importante que o usuário verifique se o
diretório está corretamente ajustado antes de rodar o modelo.
A tabela gerada pelo SimMadeira é chamada “resultados.csv” e contém uma série de
dados organizados segundo o ano de simulação e a sede madeireira a qual se refere. O
formato “comma-separated-values” (.csv) apresenta a separação de dados por meio
de vírgulas, o que dificulta uma visualização inicial. No entanto, esse arquivo pode ser
convertido em uma planilha do Microsoft Excel e seus dados podem ser visualizados
através de colunas utilizando o recurso do Excel chamado “Texto para Colunas” e
selecionando a vírgula como o separador original (Figura 19). Modelos auxiliares são
fornecidos junto ao pacote de dados para que o usuário possa processar a tabela de
resultados gerais e obter outras perspectivas sobre os resultados brutos.
A tabela “resultados.csv” conterá as seguintes colunas:
*Ano; *Sede_madeireira (ambas constituem colunas-chaves e por isso são
identificadas com um asterisco na tabela final).
volume explorável total [m3]: referente a todo volume comercial
remanescente explorável na área de influência da sede madeireira no ano em
análise. OBS: Incrementos entre dois anos consecutivos significam que a área
de influência da sede madeireira se expandiu em detrimento de outras.
volume disponível na iteração [m3]: volume que pode ser explorado na
iteração corrente, ou seja, excluindo-se áreas protegidas e também UPAs não
selecionadas para exploração na iteração corrente.
capacidade da sede [m3/ano]: quantidade de madeira em tora que a sede
madeireira é capaz de extrair no ano.
volume efetivamente extraído [m3]: quantidade de madeira em tora extraída
no ano pela sede madeireira.
área explorada [ha]: área total explorada no ano na área de influência da sede
madeireira.
custo total [R$]: custo total de todo o volume extraído na sede madeireira.
custo específico [R$/m3]: custo médio por metro cúbico extraído.
receita líquida total [R$]: receita líquida total obtida na extração naquele ano
na referida sede madeireira.
receita líquida específica [R$/m3]: receita líquida média obtida por metro
cúbico de tora extraída.
34
Figura 19 - Exemplo da tabela final resultante do modelo.
Os mapas gerados pelo modelo também estarão em formato raster e constituem
resultados espacializados, ou seja, cada pixel do mapa conterá um valor referente ao
resultado da variável simulada naquela área. É importante mencionar que muitos
mapas não conterão resultados para todos os pixels da área de estudo, sendo que
pixels sem resultados serão visualizados como “null” (valor nulo) no mapa visualizado.
Os seguintes mapas são gerados como resultados finais do modelo:
Área de influência das sedes madeireiras [categórico]: delimitada de acordo
com os custos de sair de qualquer ponto do mapa e atingir uma sede
madeireira.
Sedes madeireiras atualizadas [categórico]: sedes pré-existentes são
identificadas por seu geocódigo e novas sedes são identificadas por numeração
sequencial.
Código UMF UPA [categórico]: mapa de UMFs e UPAs criadas em toda a região.
Enumeradas segundo códigos únicos para cada área de influência de sedes.
Não constitui um produto de interesse para análise, mas somente um auxiliar
para verificação do funcionamento do modelo.
Custo acumulado até sede [R$]: custo total de qualquer ponto no mapa até a
sede mais próxima (próxima em termos de menor custo).
Receita líquida por pixel [R$]: receita total potencial de cada pixel do mapa da
área de estudo. Atualizado segundo os volumes explorados e custos.
Volume upas selecionadas [m3]: apresenta quais foram as UPAs selecionadas
nas áreas sob manejo para exploração na iteração corrente.
Pixels explorados [categórico]: mapa em que pixels iguais a zero correspondem
a pixels não explorados na iteração corrente e pixels iguais a 1 são aqueles que
foram explorados na iteração corrente.
Pixels explorados acumulados [categórico]: pixels iguais a zero são pixels que
nunca foram explorados e pixels iguais a 1 correspondem a pixels explorados
em qualquer iteração passada. Estão presentes todos os pixels explorados
desde o início da simulação.
35
Volume explorado por pixel [m3]: apresenta somente os valores de volumes
totais por pixel que foram explorados na iteração corrente. Volumes
inalterados ou que foram alterados em iterações passadas não são
apresentados.
Volume comercial atualizado [m3/ha]: mapa atualizado de volume comercial
por hectare, considerando o volume atualizado de todos os pontos que já
foram explorados em iterações passadas. Pontos não explorados têm o volume
intacto.
Custo total por pixel explorado [R$]: custo total associado a cada pixel
explorado na iteração corrente.
Receita líquida pixels explorados [R$]: apresenta somente a receita total dos
pixels explorados na iteração corrente.
Rodovias geradas [categórico]: rodovias em leito natural geradas até os pontos
explorados em cada iteração.
Rodovias atualizadas [categórico]: mapa de rodovias iniciais alterado com as
novas rodovias criadas em leito natural (todas as rodovias criadas até a iteração
corrente). Este mapa inclui também as hidrovias navegáveis que recebem
código de classe igual a 11.
Fricção atualizada [R$/m3/km]: mapa de valores de fricção alterados segundo a
criação de novas rodovias em leito natural.
LLiimmiittaaççõõeess ddaa MMooddeellaaggeemm
O modelo de rentabilidade madeireira é uma ferramenta de grande utilidade para a
tomada de decisões em relação às concessões florestais e ao controle da atividade
madeireira ilegal. No entanto, como toda ferramenta, existem limitações que devem
ser tomadas em conta. São três os tipos de limitações que, em geral, podem ser
encontradas em qualquer modelo matemático e que aqui assumem os seguintes
aspectos:
Limitações computacionais
As limitações computacionais podem ser referentes à máquina ou ao software sobre o
qual se desenvolve o modelo (neste caso, o Dinamica EGO). Em termos de máquina,
podem existir limitações de capacidade e velocidade de processamento e, em termos
do software, podem existir limitações relativas à sua estrutura, design conceitual,
flexibilidade, usabilidade.
36
O Dinamica EGO executa as operações de forma discretizada tanto em termos de
iterações representativas de processos repetitivos quanto em termos do espaço. No
espaço, como mencionado anteriormente, essa discretização se dá através do cálculo
de processos pixel a pixel. Em termos temporais, os processos são concebidos e
construídos pensando em uma unidade temporal (dias, meses ou anos) e o modelo
conserva o estado final de cada iteração, de forma que esse estado pode ser usado na
iteração temporal seguinte. A discretização confere limitações representativas, o que
significa, de forma geral, que os processos em nível de "sub-pixel" (menor que a área
representada por um pixel) ou a variabilidade que pode haver em uma escala menor
do que a unidade temporal escolhida para o modelo não são representados. Essa
limitação é inerente a qualquer trabalho de modelagem e, portanto, as escolhas de
escalas a serem usadas devem ser tomadas em conta no momento da definição dos
objetivos e expectativas quanto ao modelo.
O Dinamica EGO atende com alta confiabilidade e excelente performance todos os
requisitos para execução do modelo SimMadeira e não apresenta limitações
significativas para sua execução ou manipulação. É necessário ressaltar, no entanto,
que o software foi desenvolvido somente para ambiente Windows e, no momento,
não há instalador disponível para outros sistemas. Em termos de capacidade
computacional, sugere-se que o modelo seja executado em máquinas de 64 bits com
múltiplos processadores. É necessário considerar também o espaço requerido em
termos de memória. Por exemplo, cada simulação para toda a Amazônia, em resolução
espacial de 1 km e 30 anos de execução requer aproximadamente 2 Gb de espaço em
disco.
Limitações conceituais
Todo modelo computacional parte de um conjunto de conceitos e regras que definem
a lógica do sistema modelado. Essa estrutura conceitual depende da forma como o
pesquisador ou equipe de pesquisadores concebe o problema em estudo e em que
profundidade compreende o sistema. O modelo, muitas vezes, se torna uma
assinatura dos pesquisadores que o desenvolveram, uma vez que reflete as
concepções e o estilo de modelagem dos autores. Esses fatores influenciam na
acurácia e precisão do modelo. Além disso, outros fatores podem acarretar limitações
conceituais, tais como: (1) a quantidade e qualidade dos dados disponíveis: influencia
diretamente no número de processos e variáveis que podem ser representados no
modelo; (2) o tempo disponível para desenvolvimento do modelo: modelos mais
complexos demandam mais tempo para sua criação e validação; (3) a escala para a
qual o modelo foi desenvolvido: a confiabilidade dos resultados do modelo está
37
limitada pela escala geográfica para a qual o modelo foi desenvolvido (ex. modelos
climáticos globais não representam microclimas urbanos).
Em termos de limitações conceituais nesta versão do SimMadeira é necessário
ressaltar as que se seguem: (1) o modelo foi desenvolvido para análises regionais e não
locais, e.g. nível de concessões florestais; (2) não há simulação dos processos que
governam a demanda por madeira no mercado; (3) não há simulação de regeneração
florestal, muito embora essa opção possa ser desenvolvida posteriormente; (4)
assume-se que as únicas regras que condicionam a escolha pela área a ser explorada
seja a relação custo-benefício – representada pela receita líquida potencial – e as
regras de ocupação do espaço definidas em lei; (5) não há variabilidade do preço ao
longo do ciclo, por opção default; (6) os preços são apresentados em termos de valores
médios e, no momento, não tomam em conta as classes de madeira, uma vez que não
há dados suficientes sobre o volume explorado de cada classe para cada sede
madeireira da Amazônia. Se há disponibilidade de dados, executa-se uma média
ponderada com referência aos volumes relativos de cada classe de valor da madeira.
Limitações relativas aos dados de entrada
A resolução espacial dos mapas de entrada condiciona o grau de detalhamento que é
possível obter nos resultados finais. A resolução espacial define o tamanho da área
real representada pelo pixel e o valor contido representa uma média (ou valor
predominante) para tal área. Dessa forma, a variabilidade interna que existiria em uma
área representada por um pixel é substituída por um valor médio ou predominante.
Por exemplo, se uma dada área representada por apenas um pixel apresenta terra
firme e corpo d’água, o pixel correspondente à categoria de uso da terra dessa área
conterá o valor referente ao uso da terra predominante (terra firme ou corpo d’água).
Essa é uma limitação inerente à representação espacial por meio de mapas raster.
Outro exemplo: em mapas de altimetria o valor em um pixel será a média das
elevações na área representada, o que significa que qualquer variabilidade de altitude
naquela área será desprezada. Diante do exposto, é evidente que a qualidade dos
produtos finais depende, em grande parte, da qualidade e resolução espacial dos
dados utilizados como entrada.
Mapas de entrada podem ser construídos a partir de amostragens seguidas de
extrapolações para a área de estudo devido à carência de dados obtidos para cada
célula (pixel) do mapa. No entanto, isso implica que se a amostragem for baixa e pouco
representativa, os produtos finais não terão valores representativos em nível de pixel e
deverão ser interpretados em nível de regiões.
38
Diferentes fontes para um mesmo dado podem resultar em diferentes resultados
devido à metodologia utilizada para geração do dado. Portanto, é necessário ter
cuidado com as fontes de obtenção de dados a serem utilizados como entrada para o
modelo. Os usuários finais podem construir seu próprio banco de dados para alimentar
o modelo, desde que estejam cientes dos requisitos já mencionados para o correto
funcionamento dos modelos.
39
WWiizzaarrdd
O SimMadeira vem acompanhado por um "wizard" que é uma ferramenta do Dinamica
EGO destinada a auxiliar a compreensão e execução de modelos. O wizard (Figura 20)
atua como um assistente de execução e pode ser alterado e personalizado para cada
modelo, permitindo que o usuário adicione textos descritivos a respeito dos conceitos,
contexto e detalhamentos do modelo, inclusive com a possibilidade de adição de
imagens em geral, links para sítios da web, mapas e diagramas explicativos. O wizard
permite, ainda, vincular à sua interface todos os pontos em que o modelo requer
dados de entradas ou ajustes para que o usuário faça suas alterações diretamente do
wizard, sem precisar alterar o modelo diretamente na interface gráfica. Por fim, o
usuário pode conduzir a execução do modelo também através da interface do wizard
e, por fim, visualizar diretamente alguns dos resultados selecionados por meio da
ferramenta de visualização de mapas e gráficos atrelada ao wizard.
No SimMadeira, portanto, o wizard apresenta uma descrição dos principais processos
envolvidos na simulação da rentabilidade madeireira, assim como uma descrição dos
dados de entrada do modelo e uma série de opções que permitem ao usuário executar
o SimMadeira por meio da interface do wizard. Sempre que o usuário abrir o
SimMadeira pela interface gráfica, o programa perguntará se o usuário deseja abrir o
wizard associado ao modelo.
Figura 20 - Wizard do modelo SimMadeira.
40
CCeennáárriiooss Um cenário constitui um conjunto de condições e regras que define um contexto
representativo da realidade em algum de seus aspectos (e.g. econômico, político, etc.).
Os cenários podem ser utilizados como condições iniciais para uma simulação que irá
projetar tendências futuras de um dado sistema. Embora os cenários não descrevam
todas as condições envolvidas nos processos em estudo, eles representam as
principais e quando são analisados em conjunto servem de base comparativa para
estudar alternativas nos processos de decisões estratégicas.
Um conjunto de cenários, aplicados a simulações com diferentes fontes de dados, e os
resultados de suas projeções para o setor madeireiro são apresentados e analisados
neste capítulo. O objetivo é enfatizar a funcionalidade do modelo na representação da
atividade do setor e mostrar como diferentes pressupostos e condições iniciais podem
influenciar nos resultados finais das simulações. Os cenários aqui expostos não
esgotam as inúmeras possibilidades de estudos do setor madeireiro, sendo possível,
com pequenos e fáceis ajustes, trabalhar com uma ampla variedade de condições
iniciais.
DDeessccrriiççããoo GGeerraall
Foram executados dois conjuntos de simulações para fins de teste do modelo, cada um
utilizando uma fonte de dados diferente para a listagem de sedes madeireiras (uma
com dados do IMAZON e outra com dados do IBGE), contemplando dois cenários: um
cenário de governança (GOV) onde o manejo florestal é simulado para toda área
explorável; e um cenário que contempla governança em áreas públicas, porém com
exploração convencional em áreas privadas, o que caracterizaria uma tendência de
business-as-usual, ou seja, tendências usuais no setor (BAU+GOV). O mesmo
procedimento foi repetido, porém, em simulações em que as florestas nacionais
(Flonas) não são exploradas (S/ FLONAS, Tabela 1). Isso foi feito para verificar qual é o
impacto produtivo das Flonas em relação ao setor como um todo. Ajustou-se a taxa
anual de expansão da capacidade das sedes madeireiras para 20% para refletir um
contexto favorável para o setor, embora não corresponda às recentes taxas
observadas. Neste conjunto de simulações foi permitida a exploração em áreas de uso
sustentável (incluindo assentamentos e reservas extrativistas; excluindo-se as terras
indígenas e áreas militares) e também foi permitida a exploração em áreas não
destinadas. Por fim, uma outra característica dessas simulações é o fato de que os
preços são mantidos constantes, ou seja, não há nenhuma simulação da variabilidade
41
de preços no modelo. O conjunto de cenários e as respectivas siglas identificadoras são
apresentados na Tabela 1.
Tabela 1 – Cenários.
Simulações com dados do IMAZON para definição de polos madeireiros
Cenário 1 GOV C/ FLONAS GOV_CF_IMAZON Cenário 2 GOV+BAU C/ FLONAS GOV+BAU_CF_IMAZON Cenário 3 GOV S/ FLONAS GOV_SF_IMAZON Cenário 4 GOV+BAU S/ FLONAS GOV+BAU_SF_IMAZON
Simulações com dados do IBGE para definição de sedes madeireiras
Cenário 1 GOV C/ FLONAS GOV_CF_IBGE Cenário 2 GOV+BAU C/ FLONAS GOV+BAU_CF_ IBGE Cenário 3 GOV S/ FLONAS GOV_SF_ IBGE Cenário 4 GOV+BAU S/ FLONAS GOV+BAU_SF_ IBGE
Alguns aspectos gerais caracterizam o manejo e a exploração convencional nessas
simulações:
Manejo Florestal Sustentável: a área sob manejo é dividida em parcelas iguais ao
número de anos do ciclo de corte, ou seja, em unidades de produção anual. Em uma
única unidade de manejo, não é permitida a remoção de todo o volume em um único
ano. A intensidade máxima de corte não ultrapassa o limite de 0,86 m3/ha/ano de
acordo com o disposto na Resolução CONAMA n. 406/2009. Uma vez removido o
volume comercial legal em uma área sob manejo, não há retorno para exploração
antes de ser completado o ciclo de corte (nesta simulação: 30 anos) no caso da
exploração sob manejo florestal sustentável.
Exploração Convencional: não há intensidade máxima de corte, dessa forma, todo
volume comercial presente na área em exploração é removido. Não há divisão do
espaço em unidades de manejo. A exploração é direcionada para as áreas mais
rentáveis, sem restrição por meio de parcelas anuais.
Os cenários de Governança (GOV) buscam reproduzir as regras básicas de manejo
florestal sustentável e são definidos a partir das seguintes premissas: a exploração
madeireira não ocorre nas seguintes florestas públicas que constituem Unidades de
Conservação de Proteção Integral, Áreas militares e Terras indígenas. A exploração
ocorre em áreas não destinadas. Em toda a área com volume comercial disponível para
exploração, a exploração madeireira é feita sob manejo florestal sustentável, mesmo
em áreas privadas.
Os cenários de Governança + Business-as-usual (GOV+BAU) refletem tendências usuais
do setor e são definidos a partir das seguintes premissas: a exploração madeireira não
42
ocorre nas florestas públicas que constituem Unidades de Conservação de Proteção
Integral, Áreas Militares, Terras Indígenas. Exploração madeireira sob manejo florestal
sustentável é restrita às áreas publicas passiveis de exploração, no entanto, as áreas
não destinadas são tratadas como terras privadas. A exploração madeireira em áreas
privadas é feita sob regime convencional.
AAjjuusstteess aaddoottaaddooss
Ajustes de mapas
Para a execução desse conjunto de cenários, foi definido um padrão específico para os
mapas que constituem os dados de entrada (Figura 21):
1. Especificações do Sistema de Referência:
Sistema de coordenadas geográficas (latitude/longitude): Sistema de Referência
Geocêntrico para as Américas – SIRGAS 2000. Units: ângulos decimais. Prime Meridian:
Greenwich (0, 0); Datum: D_SIRGAS_2000; Spheroid: GRS_1980; Semimajor axis:
6378137,0; Semiminor axis: 6356752,314140356; Inverse Flattening: 298,257222101.
2. Formato do mapa matricial:
Formato: GeoTIFF; Resolução da célula: 0.009° (aprox. 1 km2); Número de linhas: 2601;
Número de colunas: 3612; Coordenada do canto superior esquerdo: (Y= 5.309, X= -74);
Coordenada do canto inferior direito: (Y= -41.492, X= -18.1).
Figura 21 – Formato e referência espacial dos mapas de entrada.
43
Ajustes de valores
Os seguintes valores constantes e dados tabulares foram adotados nesse conjunto de
simulações (Tabela 2):
Tabela 2 – Ajuste de valores constantes no modelo.
Constantes Unidade Valor
Resolução espacial dos mapas raster graus decimais 0,09 Ano de inicialização - 2009 Número de anos simulados anos 30 Ciclo de corte anos 30 Capacidade inicial de novas sedes madeireiras m
3/ano 50000
Intensidade máxima de corte (sob manejo florestal) m3/ha/ano 0,86
Tamanho das unidades de manejo florestal hectares 27000 Tamanho das unidades de produção anual hectares 900 Variação temporal do preço da madeira em tora %/ano 0 Incremento potencial da capacidade %/ano 20 Distância mínima para surgimento de nova sede madeireira m 200000
Distância máxima para surgimento de nova sede madeireira [m]: adotou-se 500.000
m como distância máxima para surgimento de novas sedes.
Fricção [R$/m3/km]: valores adotados para fricção incluem custo de transporte
levantado em bibliografia para os principais tipos de vias e valores arbitrários adotados
para usos do solo que não constituem vias de transporte e para tipos de vias cujos
custos não são encontrados em literatura (Tabela 3).
Tabela 3 – Valores de fricção adotados nas simulações.
Fricção por tipo de floresta pública
Classe Nome da Classe Fricção [R$/m3/km]
1 Uso sustentável 0,8 2 Sem destinação 0,8 3 Proteção integral 5000 4 Uso militar 5000
Fricção por cobertura Prodes
0 Indefinido 0,7 15 Desmatamento 0,7 27 Não-floresta 0,7 41 Floresta 0,8 62 Resíduo 0,7 68 Hidrografia 2
Fricção por condição de rodovias
1 Pavimentada 0,3 2 Leito natural 0,5 7 Duplicada 0,2 8 Travessia 0,3 5 Indefinido 0,5
Fricção por condição de hidrovias
1 Navegável principal 0,1 2 Navegação inexpressível 1
44
3 Navegável somente em cheias 1
Outros
Terras Indígenas 5000 Fricção arbitrária 0,8
Custo exploração [R$/m3]: foram adotados os valores de custo de exploração
levantados pelo IMAZON em 2009 (Acompanhamento de preços - IMAZON, 2009) para
as principais praças madeireiras na Amazônia. Considerando a ausência de dados para
muitas sedes madeireiras, adotou-se o valor médio obtido no levantamento
mencionado como custo de exploração para os municípios sem dados.
Preços médios da madeira em tora [R$/m3]: considerando as diversas fontes para
obtenção do preço da madeira em tora, suas limitações e erros, optou-se, nesse
conjunto de simulações, pela seguinte forma de obtenção de preço médio: preços
levantados pelo IMAZON (Acompanhamento de preços - IMAZON, 2009) foram
mantidos; municípios para os quais não há levantamento de preço da madeira em
tora, tiveram seus preços calculados pela divisão da receita bruta anual da extração da
madeira em tora pela quantidade produzida, de acordo com dados do IBGE (2009). Em
seguida, todos os valores obtidos inferiores a R$100 foram removidos da tabela e a
média geral foi calculada. Essa média foi utilizada para substituir os valores para
municípios cujos preços encontrados foram inferiores a R$100. A substituição de
valores inferiores a R$100 foi feita considerando que, de acordo com dados
observados de levantamentos diversos, o menor preço da madeira em tora
dificilmente foi inferior a R$100 no ano de 2009.
Capacidade das sedes madeireiras [m3/ano]: nessas simulações, foi adotada a
capacidade das sedes madeireiras como aquela equivalente ao volume total extraído
em cada sede no ano de inicialização do modelo, o qual, neste caso, foi o ano de 2009.
No primeiro conjunto de simulações, o levantamento da quantidade de madeira em
tora produzida presente no relatório Fatos Florestais (Pereira et al., 2010) foi utilizado
como fonte de dados para definição das sedes madeireiras e suas capacidades, as
quais, neste caso correspondem a 70 polos madeireiros. No segundo conjunto, os
dados da produção da extração vegetal do IBGE para o ano de 2009 foram utilizados
para definir os municípios produtores e suas capacidades iniciais.
Detalhamento das fontes:
IBGE – Produção da Extração Vegetal e da Silvicultura
Tabela 290 - Valor da produção na extração vegetal por tipo de produto
extrativo; Variável - Valor da produção na extração vegetal; Tipo de produto
extrativo - 7.3 - Madeira em tora.
45
Tabela 289 - Quantidade produzida na extração vegetal por tipo de produto
extrativo; Variável - Quantidade produzida na extração vegetal (Metros
cúbicos); Tipo de produto extrativo - 7.3 - Madeira em tora
IMAZON – Instituto do Homem e Meio Ambiente da Amazônia (2009)
Acompanhamento dos preços médios de madeira em tora extraída de florestas
naturais da Amazônia. Relatório Técnico Parcial, Produto 1. Contrato
Administrativo 06/2009 com Serviço Florestal Brasileiro. IMAZON, Brasília.
Novembro 2009. Produto 2: Relatório Parcial; Tabela: 2, pag. 11 – preços;
Tabela 3, pag. 12 – custos de exploração.
IMAZON – Instituto do Homem e Meio Ambiente da Amazônia (2010)
Pereira D, Santos D, Vedoveto M, Guimarães J, Veríssimo A. 2010. Fatos
Florestais da Amazônia, IMAZON, Belém, Brasil. Tabelas 16 a 19, páginas 40 –
47.
RReessuullttaaddooss –– CCeennáárriiooss ccoomm ddaaddooss IIMMAAZZOONN
Os cenários com dados do IMAZON representam os 70 polos madeireiros (segundo
Pereira et al. 2010) no ano de 2009 e, portanto, municípios com uma baixa produção
madeireira não são considerados na definição dos polos.
Os mapas que representam a rentabilidade espacialmente distribuída no ano de 2009,
bem como as áreas exploradas até 2038, são apresentados nos anexos.
Cenário de governança com exploração em Flonas - IMAZON
O GOV_CF_IMAZON (Tabela 4) representa um cenário de governança, favorável ao
setor (taxa de crescimento máxima de 20% ao ano), no qual toda a exploração é feita
por meio de manejo florestal sustentável e a exploração madeireira é permitida em
todas as áreas protegidas de uso sustentável exceto em terras indígenas, áreas
militares e unidades de proteção integral. A exploração também é permitida em áreas
não destinadas. Sedes madeireiras são definidas pela lista de polos madeireiros do
relatório Fatos Florestais (Pereira et al. 2010 - IMAZON).
46
Tabela 4 – Resultados do cenário GOV_CF_IMAZON.
Variável simulada 2009 2038 Acumulado
30 anos
Volume total explorável [m3] 2,91 bilhões 2,07 bilhões
Volume explorável no ano [m3/ano] 50,5 milhões 25,1 milhões -
Capacidade total [m3/ano] 14,1 milhões 25,1 milhões -
Volume explorado [m3/ano] 13,2 milhões 25,1 milhões 868,1 milhões
Área explorada [ha/ano] 890 mil 1,80 milhões 61,94 milhões
Receita líquida [R$/ano] 1,16 bilhão 1,21bilhão 52,78 bilhões
Custo médio [R$/m3] 106,3 126,95 -
Receita líquida média [R$/m3] 88,22 48,24 -
Cenário de governança sem exploração em Flonas - IMAZON
O GOV_SF_IMAZON representa um cenário de governança, favorável ao setor (taxa de
crescimento máxima de 20% ao ano), no qual toda a exploração é feita por meio de
manejo florestal sustentável e a exploração madeireira é permitida em todas as áreas
protegidas de uso sustentável exceto nas florestas nacionais, terras indígenas, áreas
militares e unidades de proteção integral. A exploração também é permitida em áreas
não destinadas. Sedes madeireiras são definidas pela lista de polos madeireiros do
relatório Fatos Florestais (Pereira et al. 2010 - IMAZON). Os resultados são
apresentados na Tabela 5.
Tabela 5 – Resultados do cenário GOV_SF_IMAZON.
Variável simulada 2009 2038 Acumulado
30 anos
Volume total explorável [m3] 2,69 bilhões 1,90 bilhão -
Volume explorável no ano [m3/ano] 47,85 milhões 21,96 milhões -
Capacidade total [m3/ano] 14,1 milhões 21,69 milhões -
Volume explorado [m3/ano] 13,1 milhões 21,69 milhões 805 milhões
Área explorada [ha/ano] 889,6 mil 1,58 milhão 58,4 milhões
Receita líquida [R$/ano] 1,15 bilhão 1,07 bilhão 50,42 bilhões
Custo médio [R$/m3] 106,7 126,72 -
Receita líquida média [R$/m3] 87,99 49,39 -
Cenário de governança e business-as-usual com exploração em Flonas - IMAZON
O GOV+BAU_CF_IMAZON representa um cenário favorável ao setor (taxa de
crescimento máxima de 20% ao ano), no qual a exploração em áreas públicas é feita
por meio de manejo florestal sustentável e nas áreas privadas a exploração segue o
padrão convencional. A exploração madeireira é permitida em todas as áreas
protegidas de uso sustentável exceto em terras indígenas, áreas militares e unidades
de proteção integral. A exploração também é permitida em áreas não destinadas.
47
Sedes madeireiras são definidas pela lista de polos madeireiros do relatório Fatos
Florestais (Pereira et al. 2010 - IMAZON). Os resultados são apresentados na Tabela 6.
Tabela 6 – Resultados do cenário GOV+BAU_CF_IMAZON.
Variável simulada 2009 2038 Acumulado
30 anos
Volume total explorável [m3] 2,91 bilhões 2,05 bilhões -
Volume explorável no ano [m3/ano] 691,6 milhões 59,9 milhões -
Capacidade total [m3/ano] 14,1 milhões 21,5 milhões -
Volume explorado [m3/ano] 14,2 milhões 21,55 milhões 882 milhões
Área explorada [ha/ano] 977,5 mil 1,38 milhão 63,89 milhões
Receita líquida [R$/ano] 1,4 bilhão 898,3 milhões 56,9 bilhões
Custo médio [R$/m3] 95,17 136,19 -
Receita líquida média [R$/m3] 98,77 41,67 -
Cenário de governança e business-as-usual sem exploração em Flonas - IMAZON
O GOV+BAU_SF_IMAZON representa um cenário favorável ao setor (taxa de
crescimento máxima de 20% ao ano), no qual a exploração em áreas públicas é feita
por meio de manejo florestal sustentável e nas áreas privadas a exploração segue o
padrão convencional. A exploração madeireira é permitida em todas as áreas
protegidas de uso sustentável, exceto em florestas nacionais, terras indígenas, áreas
militares e unidades de proteção integral. A exploração também é permitida em áreas
não destinadas. Sedes madeireiras são definidas pela lista de polos madeireiros do
relatório Fatos Florestais (Pereira et al. 2010 - IMAZON). Os resultados são
apresentados na Tabela 7.
Tabela 7 – Resultados do cenário GOV+BAU_SF_IMAZON.
Variável simulada 2009 2038 Acumulado
30 anos
Volume total explorável [m3] 2,69 bilhões 1,83 bilhão -
Volume explorável no ano [m3/ano] 688,1 milhões 48,17 milhões -
Capacidade total [m3/ano] 14,1 milhões 19,23 milhões -
Volume explorado [m3/ano] 14,19 milhões 19,22 milhões 881 milhões
Área explorada [ha/ano] 961,79 mil 1,35 milhão 64,1 milhões
Receita líquida [R$/ano] 1,38 bilhão 704 milhões 56,13 bilhões
Custo médio [R$/m3] 96,61 135,6 -
Receita líquida média [R$/m3] 97,38 36,62 -
48
Gráficos comparativos
A evolução da extração madeireira segue trajetórias consideravelmente distintas entre
os cenários de governança e aqueles que consideram a exploração convencional em
áreas privadas. De forma geral, os cenários de governança apresentam uma
exploração mais controlada, enquanto os cenários BAU são mais irregulares em termos
do volume extraído e área explorada (Erro! Fonte de referência não encontrada.). Nesses
últimos, a produção atinge um pico em torno dos 50 milhões de metros cúbicos em
2020 e nos cenários de governança a maior produção acontece por volta de 2025
atingindo aproximadamente 35 milhões de metros cúbicos (com exploração em
flonas).
Figura 22 - Volume explorado nos cenários com dados IMAZON.
A produção madeireira nos cenários BAU começa a apresentar queda cinco anos antes
da produção sob governança e suas oscilações são maiores (Figura 23). Após 30 anos
simulados, embora ambos os cenários apresentem a redução na exploração, os
cenários de governança sustentam maior volume explorado do que os cenários com
exploração convencional. A área explorada em ambos os cenários segue um padrão
semelhante ao volume total explorado. É importante ressaltar que existe uma
diferença fundamental (que não é representada nas simulações) a respeito da área
explorada em cenários de governança e BAU. Nos primeiros, toda a área é explorada
sob manejo florestal sustentável, o que resulta em impacto ambiental
substancialmente menor.
49
Figura 23 – Área explorada nos cenários com dados IMAZON.
Em termos de área total explorada ao final de 30 anos (Figura 24), é interessante notar
que nos cenários BAU a exploração em flonas não faz diferença significativa na área
explorada total (compare GOV+BAU_SF e GOV+BAU_CF), mostrando que as flonas,
nesse contexto, não são objetos preferenciais de exploração, devido à competição com
a exploração convencional. Isso pode ser comprovado se compararmos com as curvas
referentes aos cenários de governança com e sem flonas (compare GOV_SF e
GOV_CF). Nesses cenários há uma diferença significativa de área total explorada em
consideração à presença ou ausência de flonas entre as áreas disponíveis.
Figura 24 – Área explorada acumulada nos cenários com dados IMAZON.
50
RReessuullttaaddooss –– CCeennáárriiooss ccoomm ddaaddooss IIBBGGEE
As simulações com definição de sedes madeireiras através de dados do IBGE diferem
daquelas feitas utilizando dados do IMAZON principalmente no que se refere à
abrangência e distribuição espacial das áreas produtoras. Uma vez que os dados do
IMAZON tratam apenas dos grandes polos e a migração para novas áreas esta restrita
a 300 km de distancia da unidade que foi extinta, a produção tende a se concentrar no
entorno das sedes desses polos e, por isso, não atinge regiões mais remotas da
Amazônia. Nos cenários com dados do IBGE a distribuição da produção é retratada
para todo e qualquer município que produziu madeira em 2009 e, por isso, até mesmo
as regiões produtoras mais remotas são representadas nas simulações.
Os mapas que representam a rentabilidade espacialmente distribuída no ano de 2009,
bem como as áreas exploradas até 2038, são apresentados nos anexos.
Cenário de governança com exploração em Flonas - IBGE
O GOV_CF_IBGE representa um cenário favorável ao setor (taxa de crescimento
máxima de 20% ao ano), no qual toda a exploração é feita por meio de manejo
florestal sustentável e a exploração madeireira é permitida em todas as áreas
protegidas de uso sustentável exceto em terras indígenas, áreas militares e unidades
de proteção integral. A exploração também é permitida em áreas não destinadas.
Sedes madeireiras são definidas pelo levantamento de quantidade produzida da
madeira em tora no ano 2009 pelo IBGE. Os resultados são apresentados na Tabela 8.
Tabela 8 – Resultados do cenário GOV_CF_IBGE.
Variável simulada 2009 2038 Acumulado
30 anos
Volume total explorável [m3] 2,91 bilhões 1,72 bilhões -
Volume explorável no ano [m3/ano] 101,1 milhões 73,8 milhões -
Capacidade total [m3/ano] 12,92 milhões 63,4 milhões -
Volume explorado [m3/ano] 11,46 milhões 63,04 milhões 1,25 bilhões
Área explorada [ha/ano] 781,5 mil 4 milhões 84,6 milhões
Receita líquida [R$/ano] 1,07 bilhão 3,92 bilhões 90 bilhões
Custo médio [R$/m3] 90,06 112,98 -
Receita líquida média [R$/m3] 93,21 62,98 -
Cenário de governança sem exploração em Flonas - IBGE
O GOV_SF_IBGE representa um cenário favorável ao setor (taxa de crescimento
máxima de 20% ao ano), no qual toda a exploração é feita por meio de manejo
51
florestal sustentável e a exploração madeireira é permitida em todas as áreas
protegidas de uso sustentável exceto em florestas nacionais, terras indígenas, áreas
militares e unidades de proteção integral. A exploração também é permitida em áreas
não destinadas. Sedes madeireiras são definidas pelo levantamento de quantidade
produzida da madeira em tora no ano 2009 pelo IBGE. Os resultados são apresentados
na Tabela 9.
Tabela 9 – Resultados do cenário GOV_SF_IBGE.
Variável simulada 2009 2038 Acumulado
30 anos
Volume total explorável [m3] 2,69 bilhões 1,56 bilhão -
Volume explorável no ano [m3/ano] 96,13 milhões 66,34 milhões -
Capacidade total [m3/ano] 12,92 milhões 57,72 milhões -
Volume explorado [m3/ano] 11,5 milhões 57,5 milhões 1,19 bilhões
Área explorada [ha/ano] 783,3 mil 3,69 milhões 81,5 milhões
Receita líquida [R$/ano] 1,08 bilhão 3,62 bilhões 86,74 bilhões
Custo médio [R$/m3] 89,33 113,32 -
Receita líquida média [R$/m3] 93,82 63,03 -
Cenário de governança e business-as-usual com exploração em Flonas - IBGE
O GOV+BAU_CF_IBGE representa um cenário favorável ao setor (taxa de crescimento
máxima de 20% ao ano), no qual a exploração em áreas públicas é feita por meio de
manejo florestal sustentável e nas áreas privadas a exploração segue o padrão
convencional. A exploração madeireira é permitida em todas as áreas protegidas de
uso sustentável exceto em terras indígenas, áreas militares e unidades de proteção
integral. A exploração também é permitida em áreas não destinadas. Sedes
madeireiras são definidas pelo levantamento de quantidade produzida da madeira em
tora no ano 2009 pelo IBGE. Os resultados são apresentados na Tabela 10.
Tabela 10 – Resultados do cenário GOV+BAU_CF_IBGE.
Variável simulada 2009 2038 Acumulado
30 anos
Volume total explorável [m3] 2,91 bilhões 1,65 bilhão -
Volume explorável no ano [m3/ano] 1,5 bilhão 577,6 milhões -
Capacidade total [m3/ano] 12,92 milhões 61 milhões -
Volume explorado [m3/ano] 12,97 milhões 61,2 milhões 1,32 bilhões
Área explorada [ha/ano] 972,4 mil 3,55 milhões 91,1 milhões
Receita líquida [R$/ano] 1,32 bilhão 4,35 bilhões 106,9 bilhões
Custo médio [R$/m3] 83,5 104,78 -
Receita líquida média [R$/m3] 101,74 71,12 -
52
Cenário de governança e business-as-usual sem exploração em Flonas - IBGE
O GOV+BAU_SF_IBGE representa um cenário favorável ao setor (taxa de crescimento
máxima de 20% ao ano), no qual a exploração em áreas públicas é feita por meio de
manejo florestal sustentável e nas áreas privadas a exploração segue o padrão
convencional. A exploração madeireira é permitida em todas as áreas protegidas de
uso sustentável exceto em florestas nacionais, terras indígenas, áreas militares e
unidades de proteção integral. A exploração também é permitida em áreas não
destinadas. Sedes madeireiras são definidas pelo levantamento de quantidade
produzida da madeira em tora no ano 2009 pelo IBGE. Os resultados são apresentados
na Tabela 11.
Tabela 11 – Resultados do cenário GOV+BAU_SF_IBGE.
Variável simulada 2009 2038 Acumulado
30 anos
Volume total explorável [m3] 2,69 bilhões 1,5 bilhão -
Volume explorável no ano [m3/ano] 1,49 bilhão 596,8 milhões -
Capacidade total [m3/ano] 12,92 milhões 53,5 milhões -
Volume explorado [m3/ano] 12,99 milhões 53,5 milhões 1,24 bilhão
Área explorada [ha/ano] 972,5 mil 3,13 milhões 86,6 milhões
Receita líquida [R$/ano] 1,34 bilhão 3,94 bilhões 102,6 bilhões
Custo médio [R$/m3] 82,3 103,9 -
Receita líquida média [R$/m3] 102,88 73,63 -
Gráficos Comparativos
Os resultados utilizando listagem de sedes produtoras de madeira em tora pelo IBGE
diferem significativamente daqueles gerados utilizando a listagem de polos
madeireiros do IMAZON. Nos cenários com dados do IBGE, a exploração atinge uma
área mais ampla devido à distribuição geográfica dos municípios que produzem a
madeira.
Nota-se que a produção atingiria um pico por volta de 2036 nos cenários BAU e após
2038 nos cenários de governança. O volume total explorado em toda a Amazônia não
difere em muito nos cenários GOV ou BAU, no entanto, a exploração sob cenários de
governança segue uma trajetória mais regular e suave (Figura 25 e Figura 26). Em
ambos os cenários GOV e BAU, as florestas nacionais impactam a produção em termos
de volume total explorado, ou seja, caso as flonas não sejam exploradas, independente
de qual cenário seja, haverá uma redução no potencial para o setor.
53
Figura 25 – Volume explorado nos cenários com dados IBGE.
Figura 26 – Área explorada nos cenários com dados IBGE.
Os cenários de business-as-usual com dados do IBGE apresentam uma área explorada
total em 30 anos próxima daquela dos cenários de governança (Figura 27). Em
especial, um cenário de GOV+BAU sem exploração em flonas resultaria em uma área
total explorada próxima de um cenário de governança com exploração em florestas
nacionais. Essa semelhança é confirmada através da comparação do volume total
explorado em 30 anos no cenário de governança e exploração em flonas (1,25 bilhão
54
de metros cúbicos, Tabela 8) e o cenário GOV+BAU sem exploração em flonas, o qual
apresenta um volume total explorado inferior (1,24 bilhão, Tabela 11).
Figura 27 – Área explorada acumulada nos cenários com dados IBGE.
Competição da exploração convencional com o manejo nas florestas nacionais
A comparação entre os cenários permite verificar que as condições representadas nos
cenários business-as-usual implicam não somente em perda florestal significativa -
considerando os impactos causados pela exploração convencional -, mas também em
perdas econômicas para o governo brasileiro devido à competição da exploração
dentro e fora das concessões florestais. Comparando as simulações que incluem
tendências business-as-usual (GOV+BAU) com os cenários de governança (GOV), é
notável a redução da exploração nas florestas nacionais quando há competição no
entorno em condições de exploração convencional. Isso pode ser observado através
dos mapas de pontos explorados acumulados, os quais mostram que se há uma área
sob exploração convencional no entorno de uma área sob manejo florestal, haverá
uma tendência de exploração no entorno em detrimento da exploração da área sob
manejo.
Exemplos desse resultado podem ser dados pelas Florestas Nacionais de Tefé e Iquiri,
no estado do Amazonas (Figura 28 e Figura 29). A Flona de Tefé é circundada por uma
área não destinada estadual, a qual, nas simulações executadas, foi considerada como
passível de exploração, sendo que nas simulações GOV+BAU esta área foi explorada de
forma convencional e irrestrita e nas simulações GOV foi explorada com manejo
florestal. O resultado da exploração irrestrita no entorno da flona é visível e destaca a
perda de exploração no contexto da competição entre áreas manejadas e não
manejadas.
55
Figura 28 - Comparação cenários GOV+BAU e GOV para Flona de Tefé.
Figura 29 - Comparação cenários GOV+BAU e GOV para Flona do Iquiri.
56
Rentabilidade simulada das florestas nacionais
A receita líquida obtida em qualquer ponto da área de estudo, está em função do
volume de madeira disponível na região e dos custos para a sua obtenção, ou seja, em
função de sua rentabilidade. A receita líquida pode assumir valores negativos - quando
a exploração não é viável devido aos altos custos - até valores positivos muito altos em
regiões cuja proximidade com a sede é maior e o acesso é mais fácil, além da presença
de boa quantidade de madeira em uma região com preços favoráveis. A rentabilidade
varia com o tempo devido à abertura de novas estradas de acesso, ao surgimento de
um novo polo, ou mesmo pela remoção do volume comercial previamente existente
em uma região.
Dessa forma, é possível avaliar a "atratividade" das florestas nacionais em termos de
potencial para exploração madeireira através de sua rentabilidade. A receita líquida
média de cada floresta nacional pode servir, portanto, como um dos indicadores para a
seleção de florestas nacionais para futuras concessões.
A comparação entre as receitas líquidas médias por hectare de floresta, simuladas para
o ano de 2009 no cenário GOV+BAU_CF_IBGE indicam que algumas florestas nacionais
não seriam rentáveis considerando o contexto ilustrado por este cenário, enquanto
outras apresentam uma rentabilidade favorável para a exploração madeireira (Tabela
12). É importante ressaltar, no entanto, que esses resultados estão fortemente
influenciados pelos mapas de rodovias e, portanto, depende de sua precisão e
atualização.
Tabela 12 - Florestas Nacionais mais e menos rentáveis segundo a receita líquida por hectare simulada (GOV+BAU_CF_IBGE, ano 2009).
Receita negativa Receita líquida baixa Receita líquida alta
Flona do Amazonas - RR Flona de Altamira - PA Flona do Jatuarana - AM
Flona de Pau-Rosa - AM Flona do Amanã - PA Flona do Jamari - RO
Flona de Sta. Rosa do Purus - AC Flona do Macauã - AC Flona de Caxiuanã - PA
Flona do Crepori - PA Flona de Itaituba I - PA Flona do Purus - AM
Flona do Itacaiunas - PA Flona de Anauá - RR Flona do Tapajós - PA
Flona de São Francisco - AC Flona de Humaitá - RO Flona do Amapá - AP
A receita líquida simulada (R$/ha) das 25 florestas nacionais mais rentáveis em 2009
parte de valores em torno de R$400/ha (Floresta Nacional do Amanã) e atinge valores
próximos de R$1400/ha (Floresta Nacional do Amapá) (Figura 30). Entre essas 25
flonas mais rentáveis, 11 estão localizadas no estado do Pará e 8 no estado do
Amazonas. A receita líquida, obviamente, está diretamente ligada ao volume comercial
estimado para a região, podendo haver imprecisões locais devido ao fato de que o
mapa de volume comercial é um produto de sensoriamento remoto.
57
Figura 30 - Florestas Nacionais mais rentáveis segundo a receita líquida por hectare simulada (GOV+BAU_CF_IBGE, ano 2009).
Comparação por Estados
A extração da madeira evolui temporalmente nas simulações, de acordo com as
alterações nos custos de acesso aos locais de extração e de acordo com os volumes
remanescentes. No cenário GOV+BAU_CF_IBGE (Figura 31), o estado com maior
volume extraído inicialmente é o Pará, seguido pelo Mato Grosso. No entanto, admite-
se que, com a expansão das estradas de acesso e a migração de polos, regiões antes
remotas se tornem mais acessíveis e, portanto, mais rentáveis. As simulações indicam
que esse parece ser o caso do estado do Amazonas, cuja produção inicial simulada é
baixa em relação aos dois produtores mencionados, porém, cresce e ultrapassa a
ambos por volta do ano 2020. Embora a taxa de incremento da capacidade das sedes
madeireiras considerada nessa simulação não represente o impulso atual do setor, os
cenários simulados mostram que o estado do Amazonas teria condições de despontar
como grande produtor caso o mercado estivesse aquecido. Segundo os resultados,
esse estado seria responsável por mais da metade da produção total de madeira em
2035.
58
Figura 31 - Volume extraído simulado por estado para o cenário GOV+BAU_CF_IBGE. Maranhão e
Tocantins não são apresentados.
Comparando-se os cenários GOV+BAU_CF_IBGE e GOV+BAU_CF_IMAZON é possível
verificar que a simulação considerando apenas os polos madeireiros (dados IMAZON,
Figura 32) é definitivamente diferente daquela que considera todos os municípios
produtores, mesmo aqueles municípios com produção inicial irrelevante ou baixa
(dados IBGE). Essa diferença impacta principalmente o alcance da expansão do setor
em áreas remotas, como anteriormente mencionado, o que é visível na comparação
de resultados para o estado do Amazonas. Nas simulações com dados do IMAZON, o
estado do Pará seguiria como o maior produtor de madeira até 2030, quando seria
ultrapassado, ainda que por pouco, pelo estado do Amazonas.
Figura 32 - Volume extraído simulado por estado para o cenário GOV+BAU_CF_IMAZON. Maranhão e
Tocantins não são apresentados.
59
DDiissccuussssããoo
Os cenários ilustrados neste trabalho constituem exercícios de modelagem para fins de
demonstração do modelo, uma vez que os dados utilizados para essas simulações
ainda necessitam de aprimoramento e ajustes que possam refletir de forma mais
consistente a realidade do setor. Nesse exercício, consideramos uma alta capacidade
de expansão das sedes madeireiras e também uma significativa disponibilidade de
áreas exploráveis (baixa restrição de terras). Isso foi feito para que fosse possível
representar uma situação de visível competição entre áreas sob manejo e áreas sem
manejo.
Em ambos os conjuntos de simulações é possível observar que se o manejo florestal
sustentável fosse feito em toda a região, a exploração seguiria uma trajetória mais
suave e regular, produzindo resultados menos impactantes sobre as áreas exploradas,
visto que a exploração seria feita de forma mais gradual. A irregularidade observada
nos gráficos que apresentam os volumes explorados em função do tempo nos cenários
GOV+BAU é devida ao fato de que a única regra que define a exploração sob regime
convencional no modelo é a busca por áreas mais rentáveis, sem limites de parcelas
anuais a serem exploradas e sem limite máximo de volume por hectare. Os picos de
produção podem ser explicados pela conversão de uma área que antes não era
rentável em área rentável devido à gradual expansão na malha das estradas que levam
aos pontos de exploração.
É importante ressaltar que embora o modelo não apresente diferenciação entre o
aspecto final das áreas exploradas em regime convencional e aquelas exploradas sob
manejo florestal sustentável, o que ocorre, na realidade, é que as áreas sob manejo
sustentável são bem menos impactadas pela exploração.
Foi possível verificar que algumas florestas nacionais não constituem focos de
interesse inicial para a exploração madeireira devido à sua localização e,
consequentemente, elevado custo de acesso (mapas em anexo). Isso pode ser
observado principalmente nas florestas nacionais do leste do estado do Amazonas. A
baixa atratividade das flonas é fortemente influenciada pela presença de exploração
convencional em seu entorno (cenários business-as-usual).
60
CCoommppaarraaççããoo ddee CCeennáárriiooss
Aspectos Gerais
A adoção de dois conjuntos de dados de entrada para as simulações no SimMadeira foi
importante para demonstrar como diferentes dados podem alterar substancialmente
os resultados obtidos. Isso pode ser observado, por exemplo, ao se comparar a curva
de volumes explorados em função do tempo entre os cenários que utilizam dados do
IMAZON e aqueles que utilizam dados do IBGE. Isso demonstra a necessidade de
escolher o conjunto de dados mais representativo possível para a execução das
simulações.
Nas simulações utilizando dados do IMAZON, a produção atingiria um pico por volta do
ano 2020 nos cenários GOV+BAU_CF (aprox. 50 milhões de m3) e por volta de 2025 nos
cenários GOV_CF (36 milhões de m3). Já nas simulações utilizando dados do IBGE, a
produção atingiria um pico por volta do ano 2036 nos cenários GOV+BAU_CF (aprox.
70 milhões de m3) e após o ano 2038 no cenário GOV_CF (aprox. 63 milhões de m3).
Essa diferença de trajetórias está diretamente relacionada com o fato de que as
simulações com dados do IBGE retratam a atividade em mais de 500 municípios cuja
produção foi registrada em 2009 enquanto que, no caso das simulações com dados do
IMAZON, a produção é representada por conjuntos de municípios que concentram a
atividade em torno de polos produtivos e, dessa forma, a simulação da expansão e
migração fica comprometida.
A diferença entre os dados de entrada resultou em uma baixa representatividade da
atividade em certas regiões como, por exemplo, no interior do estado do Amazonas
quando dados do IMAZON foram utilizados. Simulações com tais dados não
representam a atividade nessa região devido ao fato de que os municípios produtores
dali não se encontram contemplados na listagem de polos produtivos, ainda que sejam
produtores de madeira em tora. Em longo prazo, isso reflete fortemente na área
explorada simulada para o estado, a qual aparece de forma mais significativa quando
os dados do IBGE são utilizados (mapas em anexo).
Ainda em relação aos cenários do IBGE e com enfoque no interior do estado do
Amazonas, é interessante notar a diferença significativa entre os cenários GOV e
GOV+BAU se caso as áreas não destinadas fossem exploradas. Nos cenários GOV+BAU
tais áreas são exploradas sob regime convencional e o impacto em termos de
desmatamento é evidente (mapas em anexo). Os cenários, neste caso, funcionam
também como uma ferramenta de visualização do impacto que a exploração não
convencional pode causar sobre a floresta caso a ilegalidade não seja coibida.
61
A comparação entre os cenários GOV e GOV+BAU permite verificar a influência da
exploração convencional em terras privadas sobre a atratividade das áreas sob manejo
florestal (mapas em anexo). Torna-se visível que existe uma concentração da atividade
nas áreas privadas, no caso do cenário BAU, em detrimento daquelas manejadas de
forma sustentável. Os mapas de áreas exploradas (Figura 28, Figura 29 e Anexos)
mostram, de forma bem evidente, que se caso toda a região fosse explorada de forma
regularizada e sustentável, não haveria aquilo que chamamos de 'fuga', ou seja,
direcionamento preferencial da atividade para áreas privadas em detrimento das áreas
públicas.
Entre os estados produtores, Pará e Amazonas são apontados pelos resultados como
futuros focos para o setor florestal. O estado do Amazonas, em especial, consideradas
as melhorias nas condições de infraestrutura, poderia fornecer mais da metade da
madeira em tora produzida na Amazônia. No entanto, essa situação só seria possível
caso houvesse exploração nas áreas não destinadas do estado.
DDeesseemmppeennhhoo ddoo mmooddeelloo
Testes feitos em background (utilizando o recurso Console Launcher do Dinamica) em
um laptop Dell Latitude com processador Intel Core i5 mostraram que o tempo de
execução do modelo para toda a Amazônia Legal, em resolução espacial de 1 km e um
período simulado de 30 anos varia entre 4:30 e 7:00 horas.
AAddeeqquuaabbiilliiddaaddee ddooss ddaaddooss
Os resultados deste conjunto de simulações foram visivelmente influenciados pela
qualidade dos dados utilizados. Em especial, a carência de atualização dos mapas de
rodovias e a grande variabilidade encontrada nas fontes de levantamento do setor
madeireiro foram os dois principais motivos de imprecisão nas simulações.
Foi observado que o mapa de rodovias do PNLT (2010) apresenta algumas
inconsistências e imprecisões, tais como a falta de clareza na definição da situação de
algumas rodovias. Além disso, sabe-se que as pequenas estradas em leito natural
proliferam em grande velocidade na Amazônia. Dessa forma, o mapa utilizado para
caracterização das estradas não-pavimentadas (neste caso, utilizou-se o mapa do
CSR/UFMG, 2006) deverá ser alterado para um mapa mais atualizado em simulações
futuras.
As fontes de levantamento de dados da atividade do setor florestal também
contribuíram para uma variabilidade muito grande nos resultados. No primeiro
62
conjunto de simulações, foi utilizada a distribuição espacial de 70 polos madeireiros
segundo dados levantados pelo IMAZON (2010) e, no segundo conjunto, utilizamos
dados do IBGE que consideraram todos os municípios com algum volume de madeira
em tora produzido. Por fim, a possibilidade de uso dos dados do Documento de
Origem Florestal (DOF) foi inicialmente desconsiderada devido ao prazo para execução
das simulações, considerando que tais dados requerem um certo tempo para
processamento, devido ao fato de que não se encontram vinculados por geocódigo e,
além disso, deveriam ser complementados com dados dos SisFloras de alguns estados.
Simulações futuras poderão vir a contemplar o uso desses dados.
Uma das maiores dificuldades relativas a dados do setor é o estabelecimento de
preços da madeira em tora por município. Estudos feitos através de entrevistas
específicas (tais como o Acompanhamento de Preços executado pelo IMAZON em
2009 e 2010) costumam estar restritos em termos de abrangência espacial. Por outro
lado, levantamentos do IBGE, embora mais abrangentes, nem sempre constituem
fontes adequadas para a obtenção de preços. Por fim, será interessante verificar de
como a informação de preços obtida através do DOF poderá se configurar em uma
fonte mais precisa para futuras simulações.
É importante mencionar também que os volumes comerciais disponíveis são
retratados no modelo a partir de um mapa (Merry et al. 2009) obtido por meio da
combinação de parâmetros da vegetação e sensoriamento remoto da biomassa
(Saatchi et al. 2007). Por esse motivo, tais dados estão sujeitos a incertezas inerentes
aos métodos utilizados para sua criação, o que influencia diretamente no cálculo da
rentabilidade das diferentes regiões da Amazônia.
63
CCoonncclluussõõeess
Através do presente conjunto de simulações foi possível demonstrar a capacidade do
SimMadeira em servir como uma ferramenta de suporte na análise da rentabilidade da
atividade da extração madeireira em uma perspectiva espacial mais abrangente. O
modelo oferece uma visão também abrangente em termos temporais, através da qual
é possível refletir a respeito de como determinadas decisões a respeito do setor
podem vir a influenciar e impactar não somente a rentabilidade da atividade como
também toda a paisagem amazônica.
O SimMadeira oferece uma série de possibilidades que podem ser exploradas pelos
usuários a partir do manejo das opções apresentadas na interface. A capacitação para
utilização do modelo permitirá aos técnicos do Serviço Florestal Brasileiro aprender a
manejar as opções presentes no modelo, executá-lo e interpretar corretamente seus
resultados finais, resultando na elaboração de cenários mais precisos sobre o setor
através do uso de dados mais representativos. Dessa forma, o SFB estará apto para
definir seus próprios cenários a partir das múltiplas opções e utilizá-los de forma
autônoma para orientar suas políticas para as concessões florestais.
64
RReeffeerrêênncciiaass BBiibblliiooggrrááffiiccaass
CONAMA (Conselho Nacional de Meio Ambiente). Resolução n. 406 de 2 de fevereiro de 2009. "Estabelece parâmetros técnicos a serem adotados na elaboração, apresentação, avaliação técnica e execução de Plano de Manejo Florestal Sustentável - PMFS com fins madeireiros, para florestas nativas e suas formas de sucessão no bioma Amazônia." - Publicação DOU nº 26, de 06/02/2009, p. 100.
Giudice R, Soares-Filho BS, Merry F, Rodrigues H, Bowman M. 2012.Timber concessions in Madre de Dios: Are they a good deal? Ecological Economics. doi:10.1016/j.ecolecon.2012.02.024
Holmes TP, Blate GM, Zweede JC, Pereira Junior R. 2002. Custos e beneficios financeiros da exploração de impacto reduzido em comparação à exploração florestal convencional na Amazônia Oriental. 2ª ed, 66 p. Belém: Fundação Floresta Tropical.
IBGE (Instituto Brasileiro de Geografia e Estatística). 2009. Produção da Extração Vegetal e da Silvicultura. Disponível em: http://www.sidra.ibge.gov.br/. Tabela 290 - Valor da produção na extração vegetal por tipo de produto extrativo; Variável - Valor da produção na extração vegetal; Tipo de produto extrativo - 7.3 - Madeira em tora; Tabela 289 - Quantidade produzida na extração vegetal por tipo de produto extrativo; Variável - Quantidade produzida na extração vegetal (Metros cúbicos). Tipo de produto extrativo - 7.3 - Madeira em tora.
IMAZON (Instituto do Homem e Meio Ambiente da Amazônia). 2009. Acompanhamento dos preços médios de madeira em tora extraída de florestas naturais da Amazônia. Produto 2: Relatório Técnico Parcial; Tabela: 2, pag. 11 – preços; Tabela 3, pag. 12 – custos de exploração. Contrato Administrativo 06/2009 com Serviço Florestal Brasileiro. IMAZON, Brasília. Novembro 2009.
Pereira D, Santos D, Vedoveto M, Guimarães J, Veríssimo A. 2010. Fatos Florestais da Amazônia, IMAZON, Belém, Brasil. Tabelas 16 a 19, páginas 40 – 47.
Lentini M, Pereira D, Celentano D, Pereira R. 2005. Fatos Florestais da Amazônia. Belém: IMAZON, 141 p.
Mas JF, Soares-Filho BS, Pontius Jr RG, Gutiérrez MF, Rodrigues HO. 2013. A Suite of Tools for ROC Analysis of Spatial Models. ISPRS International Journal of Geo-Information, 2(3):869-887.
Merry F, Soares-Filho BS, Nepstad D, Amacher G, Rodrigues H. 2009. Balancing Conservation and Economic Sustainability: The Future of the Amazon Timber Industry. Environmental Management. 44 (3): 395-407.
MMA (Ministério do Meio Ambiente). 2007. Áreas Prioritárias para Conservação, Uso Sustentável e Repartição de Benefícios da Biodiversidade Brasileira: Atualização – Portaria MMA n. 9, de 23 de janeiro de 2007.
MT (Ministério dos Transportes). 2010. Plano Nacional de Logística e Transportes - PNLT. Disponível em: http://www.transportes.gov.br/conteudo/36604.
65
Pereira D, Santos D, Vedoveto M, Guimarães J, Veríssimo A. 2010. Fatos Florestais da Amazônia. Belém, IMAZON, 125 p.
Saatchi S, Houghton R, dos Santos Alvala R, Soares J, Yu Y. 2007. Distribution of
aboveground live biomass in the Amazon basin. Global Change Biology, 13:816–837.
SBF (Serviço Florestal Brasilerio). 2011. Plano de Outorga Florestal 2012, Brasília, MMA, SBF. 130 p.
SBF (Serviço Florestal Brasilerio). 2012. Cadastro Nacional de Florestas Públicas 2012, Brasília, SFB. Disponível em: http://www.florestal.gov.br/informacoes-florestais/cadastro-nacional-de-florestas-publicas/cadastro-nacional-de-florestas-publicas
Soares-Filho BS, Rodrigues HO, Costa WLS. 2009. Modeling Environmental Dynamics with Dinamica EGO. Available at www.csr.ufmg.br/dinamica. ISBN: 978-85-910119-0-2.
Soares Filho BS, Rodrigues H, Follador M. 2013. A hybrid analytical-heuristic method
for calibrating land-use change models. Environmental Modelling & Software,
http://dx.doi.org/10.1016/j.envsoft.2013.01.010.
ANEXO 1 - RENTABILIDADE EM 2009 - CENÁRIO GOVERNANÇA + BUSINESS AS USUAL SEM EXPLORAÇÃO EM FLONAS – DADOS IBGE
1
ANEXO 2 - RENTABILIDADE EM 2009 - CENÁRIO GOVERNANÇA + BUSINESS AS USUAL COM EXPLORAÇÃO EM FLONAS – DADOS IBGE
2
ANEXO 3 - RENTABILIDADE EM 2009 - CENÁRIO GOVERNANÇA + BUSINESS AS USUAL SEM EXPLORAÇÃO EM FLONAS – DADOS IMAZON
3
ANEXO 4 - RENTABILIDADE EM 2009 - CENÁRIO GOVERNANÇA + BUSINESS AS USUAL COM EXPLORAÇÃO EM FLONAS – DADOS IMAZON
6
ANEXO 3 - ÁREA EXPLORADA ATÉ 2038 - CENÁRIO GOVERNANÇA + BUSINESS-AS-USUAL COM EXPLORAÇÃO EM FLONAS – DADOS IMAZON
7
ANEXO 4 - ÁREA EXPLORADA ATÉ 2038 - CENÁRIO GOVERNANÇA + BUSINESS-AS-USUAL SEM EXPLORAÇÃO EM FLONAS – DADOS IMAZON
10
ANEXO 7 - ÁREA EXPLORADA ATÉ 2038 - CENÁRIO GOVERNANÇA + BUSINESS-AS-USUAL COM EXPLORAÇÃO EM FLONAS – DADOS IBGE