DETERMINANTES DO DESMATAMENTO NA MATA ATLÂNTICA: Uma Análise Econômica
Ana Carolina Marzullo Neves Dissertação de Mestrado submetida ao Programa de Pós-Graduação em Ciências Econômicas do Instituto de Economia da Universidade Federal do Rio de Janeiro – UFRJ, como parte dos requisitos para obtenção do título de Mestre em Economia da Indústria e da Tecnologia. Orientador Carlos Eduardo Frickmann Young
Rio de Janeiro Dezembro/2006
DETERMINANTES DO DESMATAMENTO NA Mata Atlântica: Uma Análise Econômica
Ana Carolina Marzullo Neves
Orientador
Carlos Eduardo Frickmann Young
Dissertação de Mestrado submetida ao Programa de Pós-Graduação em Ciências Econômicas do Instituto de Economia da Universidade Federal do Rio de Janeiro – UFRJ, como parte dos requisitos para obtenção do Título de Mestre em Economia da Indústria e da Tecnologia. Aprovada por: ________________________________________________________
Prof º Carlos Eduardo Frickmann Young, D. Phil (IE-UFRJ) Presidente da Banca (orientador)
________________________________________________________
Prof º Lúcia Kubrusly, D. Sc (IE-UFRJ) ________________________________________________________
Prof º Jorge Madeira Nogueira, D. Sc (UnB)
Rio de Janeiro Dezembro/2006
2
Neves, Ana Carolina Marzullo
Determinantes do Desmatamento da Mata Atlântica: Uma Análise
Econômica./Ana Carolina Marzullo Neves – Rio de Janeiro: UFRJ/IE,
2006.
xiii, 86 p. ; il, tab.; 31 cm
Orientador: Carlos Eduardo Frickmann Young
Dissertação (Mestrado) – UFRJ/IE Programa de Pós-Graduação
em Economia da Indústria e da Tecnologia, 2006.
Referências Bibliográficas: pp. 84-86
1. Mata Atlântica. 2. Causas do Desmatamento. 3. Modelo
de Regressão Linear Múltipla. 4. Padrões de Desmatamento. I. Young,
Carlos. II. Universidade Federal do Rio de Janeiro. III. Título.
3
As opiniões expressas nesse trabalho são de exclusiva responsabilidade do autor.
4
Dedicatória
Dedico este trabalho aos meus Pais, Ana Maria Marzullo Neves e Silvio Panno Neves, por todo apoio que me deram na minha formação pessoal e profissional.
5
Agradecimento
Gostaria de agradecer à equipe do Funbio- Fundo Brasileiro para a Biodiversidade, especialmente à Marina Carlota Amorim Machado, Danielle Duarte, Karine Gonçalves e Leonardo Geluda, pela amizade, carinho, companheirismo, prontidão e aprendizado nos sete meses em que trabalhamos juntos. Aos meus amigos do mestrado, da faculdade e do Colégio Santo Agostinho agradeço pela amizade, aprendizado e apoio em todas as situações. À Fernanda Cabral, minha amiga e companheira de trabalho, por sua ajuda, dicas e ensinamentos. À Bárbara Oliveira, por toda a força e incentivo que me deu. E à Ana Beatriz Kazniakowski por proporcionar momentos de muita alegria e descontração. Não poderia de deixar de agradecer aos meus pais, irmã, amigos e namorado pelo amor, carinho e apoio que tanto contribuíram para a minha formação pessoal e profissional. E também pela compreensão que tiveram (e, assim, puderam me suportar) nos momentos de dificuldade e apreensão. Agradeço também à professora Lúcia Kubrusly por sua ajuda essencial na parte econométrica deste trabalho e, em especial ao meu orientador Carlos Eduardo Frickmann Young por todo aprendizado, por sua amizade e por ser minha referência profissional.
6
A Mata, Manuel Bandeira
“A mata agita-se, revoluteia, contorce-se toda e sacode-se! A mata hoje tem alguma coisa para dizer. E ulula, e contorce-se toda, como a atriz de uma pantomima trágica. Cada galho rebelado Inculca a mesma perdida ânsia. Todos eles sabem o mesmo segredo pânico. Ou então - é que pedem desesperadamente a mesma instante coisa.
Que saberá a mata? Que pedirá a mata? Pedirá água? Mas a água despenhou-se há pouco, fustigando-a, escorraçando-a, saciando-a como aos alarves.
Pedirá o fogo para a purificação das necroses milenárias? Ou não pede nada, e quer falar e não pode? Ter surpreendido o segredo da terra pelos ouvidos finíssimos das suas raízes?
A mata agita-se, revuloteia, controce-se toda e sacode-se! A mata está hoje como uma multidão em delírio coletivo.
Só uma touça de bambus, à parte, Balouça... levemente... levemente... levemente... E parece sorrir do delírio geral.”
7
RESUMO
DETERMINANTES DO DESMATAMENTO NA MATA ATLÂNTICA: Uma Análise Econômica
Ana Carolina Marzullo Neves
Orientador: Prof. Carlos Eduardo Frickmann Young
Resumo da Dissertação de Mestrado submetida ao Programa de Pós-Graduação em Ciências Econômicas do Instituto de Economia da Universidade Federal do Rio de Janeiro – UFRJ, como parte dos requisitos necessários à obtenção do Título de Mestre em Economia da Indústria e da Tecnologia. A história do desmatamento da Mata Atlântica nos revela os múltiplos fatores que levaram à sua depredação. Atualmente, restam apenas 7% de sua vegetação original, os quais se encontram espalhados ao longo da faixa litorânea das regiões Sul e Sudeste, principalmente. O objetivo desta dissertação é verificar quais são, de fato, os fatores propulsores do desmatamento recente dessa biota. Após efetuar resenha da literatura sobre florestas tropicais, o trabalho utiliza dois ferramentais econométricos, a correlação e o modelo de regressão linear múltipla, para identificar os tipos de relações entre as variáveis para os municípios de domínio da Mata Atlântica nos estados do Rio de Janeiro, Espírito Santo, São Paulo, Paraná, Santa Catarina e Rio Grande do Sul. Busca-se verificar se os fatores relevantes para explicar o desmatamento atlântico são aqueles já apontados pela literatura, tais como a conversão de florestas para uso agropecuário e a extração de madeira. Os resultados da análise confirmaram estudos prévios que dissociavam o processo de desmatamento de indicadores de emprego rural, e que está positivamente relacionado à pecuária e, em alguns estados, à mecanização agrícola. A existência de fontes de madeira em toras, que são predominante oriundas de plantações de espécies exóticas - Pinus e eucalipto -, está fortemente correlacionada com menores níveis de desmatamento, indicando que plantações industriais reduziram a pressão de extração de espécies madeireiras nativas. Uma conclusão importante, inédita em relação aos estudos anteriores, é a correlação negativa entre desmatamento e o IDH municipal no período analisado. Além disso, mostra-se que os fatores relevantes no desmatamento da Região Sudeste são distintos daqueles da Região Sul. Merece destaque o fato de que quando ambas as regiões são consideradas, o padrão de desmatamento se aproxima ao da Região Sudeste. Isso indica que uma política de conservação e preservação ambiental apresentará maiores impactos quando aplicada com base nas especificidades regionais. Palavras-Chave: Mata Atlântica, Causas do desmatamento, modelo de regressão linear múltipla, Padrões de desmatamento.
Rio de Janeiro Dezembro/2006
8
ABSTRACT
DETERMINANTS OF ATLANTIC FOREST'S DEFORASTATION: An Economic Analysis
Ana Carolina Marzullo Neves
Orientador: Prof. Carlos Eduardo Frickmann Young
Abstract da Dissertação de Mestrado submetida ao Programa de Pós-Graduação em Ciências Econômicas do Instituto de Economia da Universidade Federal do Rio de Janeiro – UFRJ, como parte dos requisitos necessários à obtenção do Título de Mestre em Economia da Indústria e da Tecnologia. The history of the Brazilian Atlantic Forest destruction reveals the multiple factors that has caused its depredation. Currently, only 7% of its original vegetation remains, most of it spread along the Brazilian south and southeast coast line. The objective of this work is to verify what are the main causes of the recent deforestation in this biome. After reviewing the literature on the causes of tropical deforestation, this thesis uses two econometric approaches, correlation analysis and multiple regression model, to identify the types of relations that exists among the variables for “municípios” located in the Atlantic Forest in the states of Rio de Janeiro, Espírito Santo, São Paulo, Paraná, Santa Catarina and Rio Grande do Sul. The results confirmed previous studies that showed that deforestation is not correlated with rural employment, even though it is positively related to cattle ranching and, in some states, to agriculture mechanization. The existence of wood supplies, which are mostly from plantations of exotic Pinus and eucalyptus, is strongly correlated to smaller levels of deforestation, indicating that industrial plantations have lessened the pressure for harvesting native timber species. One important conclusion, unseen in previous studies, is the negative correlation between deforestation and the municipal HDI for the period. Moreover, the results also show that the relevant factors for deforestation in the Southeast Region are different from the ones in the South Region. When both regions are considered altogether, the pattern of deforestation resembles more likely the one from the Southeast Region. This indicates that conservation and preservation polices will impact more significantly when applied based on regional specifities. Key-Words: Atlantic Forest, Causes of Deforestation, Multiply linear regression model, patterns of deforestment.
Rio de Janeiro December/2006
9
Lista de Tabelas Tabela 1 – Extensão original e percentagem dos tipos de floresta na Mata Atlântica (MMA, 2006 b) ................................................................................................... 10 Tabela 2 – Desempenho econômico dos municípios que mais desmataram em seis estados das regiões Sul e Sudeste, no período de 1985-1995/96. ........................ 38 Tabela 3 – Síntese das variáveis dependentes e independentes utilizadas em cada modelo. ................................................................................................................ 42 Tabela 4 – Número de Municípios em cada Estado e Região ..................46 Tabela 5 - “Sinais Esperados” das Correlações com o Desmatamento ... 47 Tabela 6 – Resultados das Regiões Sul e Sudeste. ............................. 58 Tabela 7– Resultados Região Sudeste. ............................................... 60 Tabela 8 – Resultados da Região Sul. ................................................. 61 Tabela 9 – Resultados do Rio de Janeiro. .............................................. 63 Tabela 10 - Contribuição da agricultura para o PIB estadual (em %)..... 64 Tabela 11 – Resultados do Espírito Santo. ............................................ 65 Tabela 12 – Resultados de São Paulo. ................................................... 66 Tabela 13 – Resultados do Paraná. ........................................................ 67 Tabela 14 – Resultados de Santa Catarina. ............................................ 68 Tabela 15 – Resultados do Rio Grande do Sul. ..................................... 69 Tabela 16 – Coeficiente de Determinação (R2) das Regressões. ........... 69 Tabela 17 – Resumo das Variáveis Significativas das regressões. ....... 70
10
Apêndice de Tabelas Tabela 1 – Matriz de correlação para todos os estados. .......................... 78, 79 Tabela 2 – Matriz de correlação da Região Sudeste. .............................. 79,80 Tabela 3 – Matriz de correlação da Região Sul. ..................................... 81,82 Tabela 4– Matriz de correlação do Rio de Janeiro. ................................ 82, 83 Tabela 5 – Matriz de correlação do Espírito Santo. ................................ 83, 84 Tabela 6 – Matriz de correlação de São Paulo. ...................................... 84, 85 Tabela 7 – Matriz de correlação do Paraná. ........................................... 85, 86 Tabela 8 – Matriz de correlação de Santa Catarina. ............................... 86,87 Tabela 9 – Matriz de correlação do Rio Grande do Sul. ........................ 87,88
11
12
1
Sumário Sumário .................................................................................................... 1
Introdução................................................................................................. 3
Capítulo 1 – A História da Mata Atlântica: Evolução do Processo de
Desmatamento..................................................................................................... 8
1.1 A História da Mata Atlântica.................................................... 9
1.1.1 Elementos geográfico-ambientais............................ 9
1.1.2 Elementos histórico-institucionais.......................... 13
1.1.3 Elementos sócio-econômicos................................... 15
1.2 A Cultura Esgotadora do Modelo Colonial: Nascimento da Crítica
Ambiental.......................................................................................... 18
1.3 Perspectivas Futuras de Conservação da Mata
Atlântica............................................................................................ 20
1.4 Conclusão........................................................................................ 21
Capítulo 2 - Determinantes do Desmatamento na Mata Atlântica: uma revisão da
bibliografia ........................................................................................................ 23
2.1 Revisão Bibliográfica................................................................. 23
2.1.1 Trabalhos sem modelagem econométrica............... 23
2.1.2 Trabalhos com modelagem econométrica.............. 28
2.2 Um estudo empírico para a mata atlântica.................................. 35
2.3 Conclusão....................................................................................... 41
2
Capítulo 3 – Modelo de Desmatamento para a Mata
Atlântica................................................................................................... 44
3.1 Correlação entre as variáveis ............................................ 48
3.1.1 Análise dos Resultados .................................... 48
3.1.2 Destacando os principais Resultados ............. 53
3.2 Modelo de Regressão Múltipla ........................................ 53
3.2.1 Metodologia................................................. 53
3.2.2 Resultados ................................................... 57
3.3 Conclusão........................................................................ 70
Conclusão ............................................................................ 72
Referências Bibliográficas ................................................. 75
Apêndice de Tabelas .......................................................... 78
3
Introdução
As florestas de todo o planeta se encontram sob pressão. De acordo com dados do
censo global de 1990 (O Livro dos 500 anos, 1996)1, as florestas tropicais eram anualmente
desmatadas numa área de aproximadamente 150.000 km2 por ano. Em geral, este rápido
desaparecimento de grandes áreas de vegetação nativa se deve aos modos de produção e
ocupação da terra.
No Brasil, são três os principais biomas que sofrem pressões de desmatamento:
Amazônia, Cerrado e Mata Atlântica. Nestes, podem se destacar alguns fatores comuns que
induziram o desflorestamento, tais como “a existência de um excedente estrutural de mão de
obra rural, a luta por estender direitos de propriedade da terra, e pressões governamentais para
converter florestas em áreas de cultivo ou pastagens” (Young, 2002). Contudo, os processos
de desmatamento nesses biomas apresentam características diferenciadas no que diz respeito a
elementos sociais, econômicos, geográficos, ambientais, históricos e institucionais.
A Mata Atlântica é uma área de desmatamento antigo, onde se encontram poucas
áreas preservadas, sendo um dos biomas mais ameaçados de todo o planeta. Sua trajetória de
devastação tem início no século XVI, com a chegada dos portugueses no país. Dean (1996)
destaca que o primeiro ato dos portugueses foi derrubar uma árvore e confeccionar uma cruz.
Nesta data, sua área original cobria cerca de 1,36 milhões de Km². É provável que, antes do
descobrimento, a Mata Atlântica ocupasse uma área um pouco mais extensa, mas não há
dados que comprovem tal hipótese.
Atualmente em estado crítico, a área florestal remanescente, de acordo com dados da
Fundação SOS Mata Atlântica, do Instituto Nacional de Pesquisas Espaciais e do Instituto
Socioambiental (1998), é de aproximadamente 7% de sua cobertura original. Tal devastação
1Informação obtida por meio de pesquisa no site: http://www.tree4life.com/desmata3.htm
4
foi provocada por séculos de ação antrópica, que exerceu uma pressão sem limites sob todos
os recursos florestais até levar a seu quase sumiço. A área original desse ecossistema
correspondia a cerca de 16% do território brasileiro e estava espalhada por 17 estados das
Regiões Sul, Sudeste, Centro-Oeste e Nordeste.
Em 1995, a estimativa era de que os 98.878 km2 de florestas remanescentes
encontravam-se dispostas esparsamente ao longo da costa brasileira (Fundação SOS Mata
Atlântica, Instituto Nacional de Pesquisas Espaciais e Instituto Socioambiental, 1998). Apesar
da drástica redução de sua cobertura florestal original, a Mata Atlântica é um dos mais
importantes repositórios de biodiversidade, não apenas do país como de todo planeta. Dessa
forma, por ser considerada uma prioridade para a conservação, já que é uma área ameaçada e
rica em biodiversidade, a ONG Conservation International conferiu à Mata Atlântica o título
de hotspot – área que concentra grande parte da biodiversidade do planeta, mas que se
encontra sob ameaça extrema (Câmara, 2003).
A história da devastação da Mata Atlântica está intrinsecamente associada à história
econômica do Brasil, a começar pelo próprio nome do país, derivado de uma árvore do bioma
extraída até sua quase extinção. Contudo, apesar da grande importância econômica e histórica
da Mata Atlântica, um problema para se tratar desse ecossistema é que ainda são poucos os
trabalhos e a disponibilidades de dados sobre ele, em contraste com a relativa abundância de
estudos e dados disponíveis sobre a Amazônia. Em particular, a ausência de estudos
econométricos que tratassem do bioma foi uma importante motivação para a escolha do tema
dessa dissertação.
Atualmente está em debate o papel da política ambiental no processo de
desenvolvimento econômico do país. Muitas vezes, tal política é culpada por impedir ou
prejudicar o crescimento econômico. Entretanto, uma série de estudos empíricos, realizado
pelo Grupo de Economia do Meio Ambiente (Instituto de Economia, Universidade Federal do
Rio de Janeiro), com apoio da Fundação SOS Mata Atlântica, mostrou que alguns mitos sobre
5
a incompatibilidade entre desenvolvimento econômico e preservação do meio ambiente não se
sustentam (Young, 2004).
As conclusões desta etapa foram suficientes para comprovar a inexistência de uma
relação automática entre o crescimento econômico e desmatamento. Entretanto, apesar dos
resultados obtidos, até então, claramente apontarem a existência de uma dissociação entre
desmatamento e aumento da atividade agropecuária, reconhecia-se que havia ainda a
necessidade da realização de uma análise estatística mais sofisticada. Sendo assim, numa
segunda etapa, Andrade (2003) e Cabral (2004), deram continuidade ao trabalho.
Andrade (2003) engajou-se na aplicação de técnicas de Estatística Multivariada,
tais como a Análise de Grupamento e de Discriminante, para os estados da Região Sul do
país. Visando complementar à referida pesquisa, Cabral (2004) incorporou indicadores
sociais à análise, com o intuito de examinar se existe alguma correlação entre desmatamento e
melhoria das condições de vida da população rural. Mais uma vez, os resultados apontaram
para as seguintes conclusões: desmatamento e crescimento econômico caminham em lados
opostos, e mais desmatamento não garante melhores condições de vida para a população
rural.
Entretanto, ainda havia uma questão a ser respondida: quais seriam os fatores
determinantes do desmatamento recente na Mata Atlântica? Este é o objetivo dessa
dissertação que, com o uso da econometria, busca construir um Modelo de Regressão Linear
Múltipla para o desmatamento afim de descobrir que variáveis são relevantes e significativas
para explicar o desmatamento da Mata Atlântica no período de 1985-1995/96. Além dessa
introdução, da conclusão e das referências bibliográficas, esta dissertação é composta por três
capítulos.
O primeiro capítulo conta a história do desmatamento da Mata Atlântica e sua
evolução desde o descobrimento do país até o período atual. Após uma breve introdução, a
6
primeira seção visa abordar a história da Mata Atlântica destacando os elementos geográfico-
ambiental, histórico-institucional e sócio-econômico presentes no processo de desmatamento
do bioma. Já a segunda faz uma reflexão da crítica ambiental que, curiosamente, surgiu ainda
na época do Brasil colônia. A terceira seção trata das iniciativas atuais sobre a conservação e
o uso sustentável dos remanescentes florestais da floresta atlântica. Em seguida, a quarta
seção traz as conclusões deste primeiro capítulo.
Já no segundo capítulo buscam-se selecionar quais são as variáveis relevantes para
explicar o desmatamento. Além da introdução, este capítulo possui mais três seções. A
primeira trata da revisão bibliográfica que aborda tanto trabalhos sem modelagem
econométrica quanto aqueles com modelagem, aos quais se dedica maior atenção. O objetivo
dessa revisão bibliográfica é a seleção das variáveis explicativas relevantes e a busca de um
modelo econométrico adequado.
Na segunda seção é exposto um trabalho feito pelo GEMA/UFRJ, junto com a
Fundação SOS Mata Atlântica, que tinha como objetivo explicar se existia alguma relação
empírica entre desmatamento e crescimento econômico. A fim de complementar esse estudo
inicial, mais dois trabalhos foram feitos com o intuito de desmistificar as afirmações usadas
pela bancada ruralista para incentivar o acelerado desmatamento. Entretanto, esses trabalhos
não utilizaram uma abordagem econométrica mais sofisticada, com o intuito de encontrar
relações estatísticas entre as variáveis do modelo, o qual é o propósito do terceiro capítulo da
dissertação. Por fim, a terceira seção se dedica à conclusão do segundo capítulo.
No terceiro capítulo o objetivo é estimar um modelo de regressão múltipla do
desmatamento Além da introdução, este capítulo consta de mais três seções. Na primeira
secção serão realizados testes de correlação entre as variáveis independentes escolhidas e o
desmatamento. A análise do coeficiente de correlação foi realizada para os estados das
Regiões Sul e Sudeste em conjunto, por região e individualmente. Em seguida, na segunda
seção é estimado o modelo de desmatamento. Primeiramente será exposta a metodologia
7
utilizada e, depois serão analisados os resultados obtidos. Por fim, na última seção, são
expostas as considerações finais.
Em seguida, são apresentadas as conclusões finais desta dissertação. Nela são
evidenciadas as conclusões obtidas em cada um dos capítulos. Conclui-se que: (i) apesar da
Mata Atlântica ser uma área de desmatamento antigo, a recente pressão (anos 80 e 90) por
redução das suas áreas florestadas é preocupante; (ii) para explicar o desmatamento é
necessário que se escolham variáveis de uso da terra, tais como área de lavoura e pastagem, e,
variáveis de contexto social, como IDH e custo de transporte; (iii) desmatamento e
subdesenvolvimento estão econometricamente associados, isto é, regiões onde há menos
empregos agrícolas e piores condições de vida (baixo IDH) desmatam mais. Por fim, são
expostas as referências bibliográficas.
8
1 Capítulo 1 - A História da Mata Atlântica: Evolução do Processo
de Desmatamento
Ao chegarem ao Brasil, os portugueses se encantaram com a floresta que percorria
o litoral atlântico de norte ao sul do país. A rica e distinta biodiversidade da Mata Atlântica
logo despertou o interesse econômico dos primeiros invasores estrangeiros.
Lamentavelmente, a coexistência entre o homem e a floresta tropical sempre foi problemática,
visto que a ação antrópica sobre a natureza foi baseada em ações degradadoras, predatórias e
insustentáveis (Dean, 1996). A primeira espécie a ser explorada na floresta, o pau-brasil, que
deu o nome ao nosso país, foi praticamente extinta das áreas litorâneas em menos de um
século. Em seguida foram a cana-de-açúcar, a mineração, a pecuária e o café, que avançaram
no território e levaram consigo a destruição da floresta. Hoje, mais de cinco séculos após a
chegada destes no território brasileiro, a exuberante floresta foi praticamente toda devastada:
restam aproximadamente 7% da mata original, quase toda já demonstrando um elevado grau
de interferência antrópica (Dean, 1996).
No espaço ocupado pela floresta nativa estão as grandes cidades, os centros
urbanos, além de pastos e áreas agricultáveis que, em grandes parcelas hoje, apresentam uma
baixa produtividade e valor da produção. Assim, podemos usar a história do Brasil como
reveladora de crescentes degradações do território, como é o caso da devastação da Mata
Atlântica. A história desse bioma não é uma história natural, que explica a integração entre os
seres que habitam a floresta, mas sim uma história que mostra a relação entre sociedade e o
meio ambiente.
Além dessa introdução esse capítulo apresenta três seções e a conclusão. A primeira
seção visa abordar a história da Mata Atlântica destacando os elementos geográfico-
ambiental, histórico-institucional e sócio-econômico presentes no processo de desmatamento
do bioma. Já a segunda faz uma reflexão da crítica ambiental que, curiosamente, surgiu na
9
época do Brasil colônia. Em seguida, a terceira seção trata das iniciativas atuais sobre a
conservação e o uso sustentável dos remanescentes florestais da floresta atlântica. Por fim,
são expostas as conclusões deste capítulo.
1.1 A História da Mata Atlântica
1.1.1 Elementos Geográfico-ambientais
Ao longo de toda a costa brasileira, tanto na Região litorânea como nos planaltos e
serras do interior, está presente a floresta Mata Atlântica. Segundo dados da Fundação SOS
Mata Atlântica (SOS Mata Atlântica et alli, 1998), sua área original cobria continuamente
uma área de 1.363.000 mil Km2, que correspondia a 16% do território brasileiro. Sua
extensão abrangia, total ou parcialmente, 17 estados do país: Piauí, Ceará, Rio Grande do
Norte, Paraíba, Pernambuco, Alagoas, Sergipe, Bahia, Espírito Santo, Minas Gerais, Rio de
Janeiro, São Paulo, Paraná, Santa Catarina, Rio Grande do Sul, Goiás e Mato Grosso do Sul.
A biota Atlântica é uma área de desmatamento antigo, onde se encontram poucas áreas
preservadas, sendo por isso um dos biomas mais ameaçados. A chegada dos portugueses no
país, no século XVI, marca o início da sua trajetória de devastação. De acordo com os dados
mais recentemente publicados, a área remanescente foi estimada em 7,3% da cobertura
original. Entretanto, segundo Câmara (2003), é provável que o percentual da floresta original
remanescente seja bem menor, já que além das formações primárias esse percentual inclui
tanto as florestas plantadas quanto as florestas secundárias, que apresentam uma composição
flora e faunística reduzida e empobrecida em termos quantitativos e qualitativos.
Em toda sua extensão, este bioma apresenta uma variedade de formações de vegetação
latifoliares englobando um conjunto de ecossistemas florestais de estruturas e composições
florísticas bastante diversificado. Segundo Dean (1996), a Mata Atlântica e a Amazônia, em
conjunto, “formavam uma zona biogeográfica diferente e mais rica em espécies que as outras
florestas tropicais do planeta, situadas na África e no Sudeste Asiático. A Mata Atlântica era
10
em si mesma de uma diversidade extraordinária, levando-se em conta seu tamanho
relativamente modesto” (Dean, 1996: 25).
Os seus estuários de menor proporção, tais como as planícies de restinga, dunas,
mangues, lagunas estão localizados próximos ao oceano. Na Região Sudeste temos a Serra do
Mar cuja vegetação grande e imponente a faz aparentar uma “muralha”. No Sul do país, a
Mata Atlântica adquire um caráter inteiramente diferente. Nessa área há o predomínio da
primitiva e resistente conífera Araucaria angustifolia (pinheiro do Paraná) que forma uma
floresta aberta. A tabela abaixo mostra as diferentes formações e seu respectivo percentual
em área de domínio de Mata Atlântica.
Tabela 1: Extensão original e porcentagem dos tipos de florestas na Mata Atlântica (MMA, 2006b)
Tipo de Floresta Extensão (Km2) Percentual (%)Floresta Ombrófila
Densa e Aberta 237530 18,18 Floresta Ombrófila
Mista 168916 12,93 Floresta Sazonal e
Semidecídua 635552 48,65 Área de Tensão
Ecológica 157747 12,07 Outros 106676 8,17 Total 1306421 100
Fonte: Elaboração Própria com dados extraídos de Câmara e Leal (2003)
Ao analisarmos a Tabela 1 acima percebemos que a floresta atlântica é principalmente
composta pela floresta sazonal e semidecídua. Em seguida, podemos enumerar a seguinte
ordem de importância e prevalecência florística: floresta ombrófila densa e aberta; floresta
ombrófila mista; área de tensão ecológica, que correspondem às áreas de transição entre as
formações florestais; e, outros ecossistemas associados, como as restingas e manguezais.
Essa grande diversidade presente nas composições florestais da biota atlântica se deve
a três fatores: latitude, altitude e variação longitudinal. O seu grande âmbito de latitude, norte
11
e sul, permitiu que a temperatura e a insolação agissem como importantes gradientes na
formação de diferentes tipos de relevo que associados a determinados regimes de vento e
correntes oceânicas implicaram no surgimento de uma paisagem de flora e fauna um tanto
peculiar e específica para cada região.
A Mata Atlântica cobre terrenos que variam do nível do mar a 2700 m, tornando o
gradiente da altitude mais um fator propulsor da diversidade ambiental. Assim, uma árvore de
uma dada espécie nascida ao nível do mar difere de uma árvore desta mesma espécie no topo
da serra. Por fim, a variação longitudinal é outro gradiente importante: as florestas de interior
são significativamente diferentes das que estão próximas do litoral.
Se variações de latitude, altitude e longitude, sozinhas ou conjuntas, já exercem
influencia significativa sobre as espécies, é possível imaginar o que a diferença de
pluviosidade, temperatura, fertilidade dos solos2, relevo, iluminação, entre muitas outras,
gerou em termos de diversidade de flora, fauna, microorganismos, e os ecossistemas que estes
compõem, ao longo do litoral brasileiro (Dean, 1996). Esta é uma das mais importantes razões
pela qual a Mata Atlântica é tão rica em sua biodiversidade3.
Entretanto, apesar da grande diversidade de flora e fauna a Mata Atlântica é um dos
biomas mais ameaçados do planeta. É provável que a destruição prematura e inconseqüente
da floresta deve ter extinguido muitas espécies, antes mesmo destas serem catalogadas pela
ciência. Assim, por ser considerada uma área prioritária para a conservação, já que é uma área
2 “O solo foi menos determinante que a chuva e a temperatura no estabelecimento da Mata Atlântica. Exceto pelas faixas litorâneas de dunas, seus solos tiveram origens graníticas, basálticas e gnáissicas antigas, altamente intemperizados e, consequentemente, de baixa fertilidade. Chuva abundante e clima quente formaram solos profundos e argilosos, ricos em ferro e, por isto, tipicamente avermelhados. Possuem pouca capacidade de reter água ou nutrientes e apenas de má vontade os concedem às plantas” (Dean, 1996: 27). 3De acordo com artigo 2 da Convenção sobre a Diversidade Biológica (1992) podemos definir a 'biodiversidade' ou 'diversidade biológica' como “a variabilidade de organismos vivos de todas as origens, compreendendo, dentre outros, os ecossistemas terrestres, marinhos e outros ecossistemas aquáticos e os complexos ecológicos de que fazem parte; compreendendo ainda a diversidade de espécies, entre espécies e de ecossistemas”.
12
ameaçada e importante repositório de biodiversidade, a ONG Conservation International
conferiu à Mata Atlântica o título de hotspot (Câmara, 2003).
Critérios importantes para um bioma ser determinado como um hotspot são a
existência de, pelo menos, 1500 espécies endêmicas de plantas e a perda de mais de ¾ da sua
vegetação original4. A Mata Atlântica representa uma grande riqueza de patrimônio genético
e paisagístico, que pode ser demonstrada por alguns índices: 55% das espécies arbóreas e
40% para espécies não arbóreas são endêmicas. Podemos destacar algumas espécies, tanto da
flora quanto da fauna, que são específicas da Mata Atlântica, e estão aos poucos
desaparecendo:
Fauna: Garça-branca-pequena, Mico-leão-de-cara-dourada,Bicho-preguiça,Gato-do-
mato,Tié-sangue, Borboleta, Tamanduá-bandeira ,Sagui-da-serra, Tatu-peludo,
Caranguejo-guaiamu, Mono-carvoeiro, Jaguatirica, Tucano, Cobras.
Flora: Caixeta, Pinheiro-do-Paraná, Guapuruvu, Quaresmeira e Manacá, Cássia,
Orquídeas, Araucária, Urucum, Jequitibá-rosa, Embaúba, Pau-brasil, Orelha-de-pau,
Sibipiruna, Cedro, Ipê-amarelo, Jacarandá, Manacá-da-serra, Palmito-juçara, Pau-
ferro.
Conforme descreve Dean (1996), se pudéssemos voar de volta ao tempo, na época que os
portugueses descobriram o país teríamos a seguinte impressão:
“De um 747 que voasse de volta no tempo, o viajante teria olhado para um interminável tapete verde, salpicado pela glória de árvores inteiras em plena floração – o rosa-púrpura de sapucaias, o branco e vermelho de copaíbas, o amarelo de guapiruvus, o violeta de jacarandás. Seus habitantes originais a chamavam de caáete, a floresta verdadeira, a floresta ilesa – um cenário muito parecido com o amazônico, salvo pelos cumes e escarpas” (Dean, 1996: 20).
Entretanto, essa não é mais a realidade paisagística da Mata Atlântica. Depois de séculos de
uma profunda destruição, movida por atender a ambições e satisfações humanas, a floresta
4No Brasil, além da Mata Atlântica, o bioma Cerrado também é considerado um Hotspot, isto é, uma área ameaçada e rica em biodiversidade e, então, prioritária para a conservação.
13
atlântica se encontra significativamente reduzida: aproximadamente 93% da vegetação
exuberante e verdejante sumiram com o uso da força, insensata e ignorante, do machado
humano.
Na atual paisagem esfarrapada estendem-se voçorocas provenientes da agricultura e pecuária
impiedosas, que durante séculos derrubaram a mata original e a esquadrinharam em busca de
animais e plantas para escambo e venda. Hoje, os 7% que restam da Mata Atlântica são as
últimas testemunhas da paisagem que antecedeu a civilização e seus triunfos (Dean, 1996). As
subseções seguintes avançam na exposição de outros fatores determinantes do desmatamento
desta então exuberante e rica floresta.
1.1.2 Elementos histórico-institucionais
Na exposição da história de devastação da Mata Atlântica dois elementos essenciais para essa
análise são os fatores histórico-institucionais. Não se pode negar que o fato do Brasil ser
abundante em recursos naturais de valor econômico apreciáveis implicou que fosse uma
colônia de exploração. A fartura de recursos, conseqüentemente, tornou-se uma vantagem
comparativa da nação caracterizando-a, durante séculos, como exportadora de produtos
primários (pau-brasil, açúcar, café,...). Por outro lado, as formas como esses recursos foram
explorados também foram decisivas para o atraso econômico e a acelerada destruição
ambiental do país.
Assim, ao se instalarem no país, os colonizadores perceberam que a exploração direta da
natureza seria o principal eixo da busca por riquezas nessa parte da América. De acordo com
Pádua (2003), em “Um Sopro de Destruição: Pensamento Político e Crítica Ambiental no
Brasil Escravista (1786-1888)”, em diferentes regiões do planeta, as colônias de exploração
sempre se caracterizaram pela exploração imediatista e brutal dos seus recursos naturais por
dois fatores: pelo impacto direto das atividades coloniais sobre os ecossistemas previamente
14
existentes (ex: exploração do pau-brasil, e de outros recursos extraídos da natureza); e, pela
introdução de espécies exóticas (ex: introdução das lavouras de cana-de-açúcar e do café).
Os colonizadores viam a Mata Atlântica como um universo que jamais se consumiria, ou seja,
a floresta era uma fronteira para sempre aberta ao avanço da produção econômica e da
ocupação social. Assim, o patrimônio ambiental era consumido num ritmo acelerado, e sem a
menor preocupação com as gerações futuras. Somado a isso, estava o uso de técnicas
produtivas descuidadas e extensivas, e da mão de obra escrava. Dada a abundância da
biomassa florestal, o método mais barato para o estabelecimento das grandes plantações eram
as queimadas. Essas opções tecnológicas e organizativas constituíram uma agricultura
rudimentar, extensiva e predatória no Brasil.
Pádua (2003) associa um fator jurídico-institucional à sensação de inesgotabilidade dos
recursos naturais: a facilidade na concessão de terras para a elite colonial. Este autor, cita
José João Teixeira Coelho (Pádua, 2003: 74), segundo o qual: “a facilidade que tem havido
na concessão das sesmarias tem sido muito prejudicial, porque se têm queimado os matos
melhores, e os mais próximos às povoações, as quais já sentem a falta das madeiras, das
lenhas e dos capins”. Apesar de existirem no país muitas sesmarias sem a menor produção, os
povos continuavam pedindo novas terras. Isto é, a concessão fácil de novas terras estimulava
a prática de explorá-las de maneira pouco cuidadosa e depois abandoná-las.
Assim, o modelo predatório de ocupação organizava o modo de apropriação da parte do
território submetida ao sistema colonial, garantindo para a elite local os benefícios
econômicos possíveis no contexto do pacto colonial. A relação que era estabelecida com a
terra era meramente utilitária: não se buscava mecanismos que favorecessem o enraizamento
da população no novo ambiente. O sentido de cidadania e responsabilidade pelo espaço
coletivo estava ausente da sociedade em formação no Brasil (Pádua, 2003).
15
1.1.3 Elementos sócio-econômicos
Como foi mostrado nas duas seções anteriores, a história da devastação da Mata Atlântica está
intrinsecamente associada à história econômica do Brasil. O notável potencial do país residia
quase que exclusivamente na sua natureza e, no entanto, a realidade social e econômica que se
estendia sobre esse fundo natural chocava pelo atraso, pela violência e pela destruição.
Ao reconhecer que qualquer atividade econômica incide no ecossistema, quer pela extração de
recursos, quer pelo lançamento de dejetos sob a forma de matéria ou energia degradada,
conclui-se que o processo econômico deve respeitar limites. Os ciclos econômicos brasileiros,
no período colonial e pós-colonial, impactaram negativamente no patrimônio florestal do país.
Cada ciclo apresentava um modo próprio de produção e distribuição dos produtos. O primeiro
desses ciclos foi o do pau Brasil, produto de grande interesse comercial dos portugueses. Essa
espécie nativa da Mata Atlântica foi intensamente explorada ao longo do século XVI e, tão
logo, se encontrou escassa. O impacto da extração desse recurso causou danos ambientais
irreversíveis na área florestada.
Em seguida, foi a vez do ciclo da cana - de - açúcar, que por ser uma espécie exótica causou
pressão sobre a Mata Atlântica como um todo. A produção da cana de açúcar era baseada no
tripé: monocultura, grande latifúndio (grandes propriedades rurais) e trabalho escravo. A
floresta era desmatada para dar lugar as lavouras de cana e também para se obter lenha, que
era usada como combustível nos engenhos de açúcar (Dean, 1996).
Os ciclos do gado e do ouro foram importantes para estabelecer a população no interior do
país. Entretanto, exerceram pressões devastadoras sobre a vegetação original: a atividade
pecuária queimava grandes áreas férteis para abrir novas áreas de pastagens e a atividade
mineradora, além de utilizar madeira e lenha, usava técnicas muito defasadas para explorar as
jazidas (Dean, 1996).
16
Por fim, temos o ciclo do café, outra espécie exótica introduzida nos domínios de Mata
Atlântica. Apesar de ter se tornado a atividade mais rentável do Brasil, as técnicas de
exploração utilizadas aceleraram a perda de áreas de floresta. Dessa forma, observa-se, desde
o período colonial, a prática de uma agricultura do tipo “lavoura de derrubada e queimada”,
que, em seguida, dá lugar à atividade pecuária. Ou seja, a agricultura é praticada numa
determinada área enquanto a terra é fértil. Assim que a terra perde sua fertilidade, a lavoura
avança, de maneira itinerante, para novas áreas de mata virgem e as terras antigas se
transformam em pastagens. Conforme afirma Young (2002):
“Nessa perspectiva, apesar da freqüente alternância da mercadoria geradora da dinâmica da economia colonial e, posteriormente, imperial e republicana, percebe-se um padrão de “auge e crise” a partir da exploração direta ou indireta dos recursos naturais encontrados: a abundância do recurso em questão induz à sua rápida exploração predatória, o que por sua vez leva ao declínio de longo prazo, seja por escassez crescente do que antes era farto, ou seja porque o aumento abrupto de oferta da mercadoria em questão resulta em uma tendência de depreciação contínua do seu preço nos mercados doméstico e internacional.” (Young, 2002).
Entretanto, os métodos destrutivos não se restringiram aos momentos de decadência,
implicando que a destruição ambiental foi um elemento constitutivo da própria lógica da
ocupação colonial do Brasil. Assim, com a independência do Brasil em 1822, muitos
pensavam que o Brasil se livraria das práticas ambientais devastadoras o que, na realidade,
não ocorreu (Pádua , 2003).
Na época do Brasil Império e República, as queimadas para o cultivo de café não
foram os únicos instrumentos utilizados na devastação da Mata Atlântica. Durante esse
período, o comércio de café induziu o crescimento demográfico, a urbanização e logo a
industrialização e a construção de ferrovias (Dean, 1996). Apesar das mudanças sociais,
políticas e econômicas que ocorreram no país, como o fim da escravidão e a implantação da
República, a forma de explorar a floresta atlântica não mudou. Pelo contrário, deu-se início a
um dos períodos mais devastadores da paisagem florestal.
17
Assim, podemos afirmar que a industrialização brasileira foi concomitante à
devastação da Mata Atlântica. Associada ao crescimento demográfico ambos os fenômenos
exerciam uma intensa pressão sobre os, cada vez mais escassos, remanescentes florestais. A
lógica presente nas políticas desenvolvimentistas implantadas no país após a Segunda Guerra
Mundial foi uma ameaça ao seu patrimônio natural. Estas privilegiaram como meta o
crescimento econômico em vez da distribuição da riqueza, intensificando a concentração da
renda. Assim, o ônus ambiental imposto pela industrialização, como o desmatamento e a
poluição, não era considerado relevante se o progresso do país, com a construção de novas
fábricas e a urbanização das regiões, estivesse associado.
A estratégia de crescimento econômico do Brasil estava baseada numa industralização
por substituição de importações (ISI), por meio da qual o nosso país importava dos países
desenvolvidos as indústrias intensivas em emissões. Apesar da motivação do processo de ISI
ter sido a diversificação da base industrial e, consequentemente, a redução do uso de recursos
naturais, não foi isso que se observou na prática. A industrialização brasileira esteve calcada
no uso indireto de energia e matérias-primas baratas.
Ademais, as políticas públicas e macroeconômicas (monetárias e fiscais, ambas
restritivas), também podem ser citadas como propulsoras do desmatamento. As políticas de
empréstimos subsidiados (anos 60 e 70), de preços mínimos para produtos agrícolas e
subsídios para insumos (anos 80) levaram um aumento da destruição dos remanescentes
florestais ao apoiar atividades agrícolas economicamente ineficiente. A política monetária
restritiva, ao elevar as taxas de juros, induz o proprietário rural a dar preferência por
atividades de curto prazo (Young, 2002).
Essa postura de privilegiar com intensidade o presente vai contra a lógica do
desenvolvimento sustentável e acelera a perda de áreas de florestas. Por sua vez, as políticas
fiscais de redução dos gastos do governo também afetam as florestas (Young, 2002). Segundo
Young (2000), “o corte de despesas dificultam a contratação de guarda-parques suficientes e a
18
aquisição dos recursos necessários para o manejo e a fiscalização das áreas protegidas”. As
seções seguintes tratam das críticas às práticas de cultivo devastadoras presentes no período
colonial e das atuais perspectivas de preservação desse tão importante bioma.
1.2 A Cultura Esgotadora do Modelo Colonial: Nascimento da Crítica Ambiental
No final da década de 60 (século XX), a questão ambiental passou a ser discutida
internacionalmente e com certa urgência por políticos e cientistas. Um dos eventos que
marcaram esta preocupação foi a primeira Conferência das Nações Unidas sobre Meio
Ambiente e Desenvolvimento, realizada em Estocolmo em 1972. No entanto, ao contrário do
que muitos pensam, as críticas e preocupações com a natureza não são um fenômeno recente.
O estudo realizado por Pádua (2003), identificou muitos elementos de críticas ao mau
uso do meio ambiente em discursos de políticos luso-brasileiros do período escravocrata. O
alvo principal dos “críticos ambientais” foi o modelo colonial produtivo explorado na seção
anterior. O autor destaca como principais pontos de mudanças a necessidade de diversificar a
agricultura pela valorização de espécies nativas e pela aclimatação de exóticas, a divisão das
terras (reforma agrária), o aumento da povoação, a instrução pública (promoção de educação)
e o fim da escravidão.
De acordo com o autor, na medida em que essa tradição crítica foi se sofisticando,
uma relação direta com a crítica ao sistema escravista se estabeleceu. Os “críticos ambientais'
destacam três motivos básicos que tornavam a escravidão africana incompatível com o
progresso do Brasil: “(i) a escravidão colocava em risco a segurança do Estado; (ii) a
escravidão apresentava um impacto deletério sobre a sociedade brasileira, não havia no Brasil
uma classe que se podia chamar de “povo”; e (iii) a escravidão expressava a crença de que
seria possível avançar economicamente uma sociedade calcada no trabalho servil” (Pádua,
2003: 124 - 125 ).
19
Nessa época, a escravidão era vista como o fator estrutural determinante para o
conjunto dos aspectos perversos da vida nacional, ou seja, para o atraso do país. A
monocultura de exportação destruía a saúde da paisagem, que só poderia ser mantida por
meio da diversificação produtiva5. A grande propriedade havia concorrido apenas para o
“atraso agrícola e industrial do nosso país e sua educação” (Pádua, 2003).
Assim, os problemas da agricultura eram inseparáveis dos males do escravismo. A
superação gradual do trabalho escravo abriria espaço para a construção de uma agricultura e
de uma indústria diversificadas e eficientes. A substituição da mão-de-obra escrava se daria
pela imigração de colonos livres e pela modernização da economia, que envolveria tanto a
racionalização tecnológica da lavoura quanto a revitalização das minas e o surgimento de
manufaturas mecanizadas (Pádua, 2003).
A conclusão dos autores da crítica ambiental brasileira era que escravismo impedia o
surgimento de uma relação saudável entre o homem e a terra. No entanto, conforme constata
Pádua (2003), apesar da rápida transição para o trabalho livre, a permanência das queimadas
e das monoculturas continuou produzindo intensa destruição que foi intensificada pela
abertura de novas regiões florestais e pela maior capacidade de impacto fornecida pela
tecnologia industrial. Ou seja, o fim do escravismo não representou um marco de ruptura com
a herança da devastação.
Dessa forma, uma leitura a posteriori da crítica ambiental poderia levar a duas
interpretações distintas: (i) a de que os críticos ambientais superestimaram o peso específico
da escravidão nos aspectos mais negativos da formação social brasileira – tanto que muitos
5“É fato constante que a produção dos vegetais que entre nós se manufaturam, como a cana por exemplo, tornam em pouco tempo improdutiva a terra, quando é sabido que as terra cansam em breve esse não se alteram as plantações, mas que nunca cansam se esta alternação tem lugar de tempos a tempos: é isto um benefício da natureza que quer que os homens tenham não um só, mas muitos e diversos gêneros de alimentos. Demais, é evidente que tanto mais diversificadas forem as substâncias alimentares vegetais, tanto mais se aproveitará o terreno, tanto mais recursos terão os povos e tanto menos sofrerão dos acasos funestos das secas ou das chuvas excessivas, sendo parte dos vegetais suscetíveis de resitirem à secas e outros a quem não causam danos as grandes águas” (Pádua, 2003: 229 - 230)
20
desses aspectos, como a concentração fundiária, a marcante desigualdade social e a
destrutividade ambiental, revelaram-se perfeitamente capazes de sobreviver após a abolição, e
(ii) que a obra da escravidão é fundamental para entender a permanência desses aspectos ao
longo do século XX.
Não se pode negar o impacto que a mão - de – obra escrava produziu no bioma
atlântico. Contudo, afirmar que foi o fator mais relevante no processo de destruição do
ecossistema é arriscado, além de restritivo. A depredação da Mata Atlântica foi impulsionada
por múltiplos fatores que, a depender do contexto histórico, eram mais ou menos relevantes.
Atualmente, esse processo está ligado ao desemprego e más condições de vida das populações
rurais. Percebe-se que, em geral, o desmatamento está associado a aspectos do
subdesenvolvimento.
1.3 Perspectivas Futuras de Conservação da Mata Atlântica
Após a exposição da história de devastação da Mata Atlântica e dos elementos -
geográfico-ambientais, histórico-institucionais e sócio-econômicos - que caracterizaram esse
processo, percebeu-se a necessidade de conservar o pouco que ainda resta desse bioma. As
conseqüências da destruição florestal iam além da perda de espécies valiosas implicando na
necessidade de uma reforma geral do caráter predatório da economia brasileira. Não se tratava
de impedir o avanço da agricultura, mas sim de separar uma “pequena parte” do terreno para a
conservação.
Já no período colonial havia a percepção de que era necessário encontrar um equilíbrio
entre a conservação florestal e os desmatamentos necessários para o progresso econômico. Ou
seja, era necessário proteger os remanescentes das matas e promover sua restauração (Pádua,
2003). Conforme afirma Pádua (2003):
“a conservação das florestas deve ser, e é, um dos primeiros interesse da sociedade e, por conseguinte, um dos primeiros deveres do governo. Todas as necessidade da vida se ligam a sua conservação. Necessárias aos indivíduos, as florestas não são menos aos Estados;
21
sua existência é um benefício inapreciável para os países que as possuem”. (Pádua, 2003: 215). Assim, apesar da atual situação da Mata Atlântica não ser muito favorável, nota-se
algumas melhorias. Primeiramente, merece destaque a evolução da legislação ambiental, que
vem se aprimorando para garantir importantes mecanismos para a preservação das áreas
florestais remanescentes. Como exemplos podem ser citadas a lei de crimes contra o
ambiente (Lei nº. 9.605/98), a lei de recursos hídricos (Lei nº. 9433/97) e a lei da Mata
Atlântica. Esta última acaba de ser aprovada no congresso.
Também se pode verificar um grande esforço no desenvolvimento e na implementação
de mecanismos financeiros. Entre esses estão o ICMS Ecológico, o Imposto de Renda
Ecológico e o Pagamento por Serviços Ambientais. O objetivo comum desses mecanismos é
gerar uma receita extra-orçamentária que seja usada para financiar a conservação e o uso
sustentável da biodiversidade. Dessa forma, as iniciativas de reflorestamento e de criação de
Unidades de Conservação nas áreas de domínio de Mata Atlântica seriam estimuladas e
facilitadas.
Atualmente, algumas florestas dos países desenvolvidos apresentam experiências de
recuperação da paisagem natural para se recuperarem da devastação do passado. Seria
interessante aplicar esta experiência para o reflorestamento da Mata Atlântica cujos
remanescentes florestais hoje não ultrapassam 7% da vegetação original. Entretanto, enquanto
as matas temperadas são de fácil reconstituíção, as tropicais se recuperam dificilmente dadas
as diversidade e abundância florestal do bioma atlântico6. Resta apenas que o governo
brasileiro junto com a iniciativa privada unam esforços para garantir que os mecanismos
financeiros e a legislação ambiental criada sejam implementados e se façam prevalecer.
6Conforme descreve Dean (1996, pp. 23): “ Os relatos sobre essas florestas famintas dizem respeito à resistência
de pioneiros desesperados, não ao estabelecimento de grandes santuários da viada. Elas são tão resistentes e descomplicadas que toda a devastação imposta pelos homens não as impede de se reconstituírem, a menos que sejam cobertas com asfalto. Essa circunstância atenua a apreensão do observador consciente quando vê uma floresta centenária de abetos e ciprestes cair diante da motoserra ou se incediar – em breve, ela retornará. O mesmo não se pode esperar em relação às florestas tropicais, que podem quase certamente ser destruídas mas talvez nunca se restabeleçam nos lugares onde foram eliminadas. (...)”.
22
1.4 Conclusão
Esse capítulo buscou abordar a história da Mata Atlântica com enfoque nos elementos
que determinaram o insensato e acelerado desmatamento dessa rica e exuberante floresta.
Além disso, foram expostos o surgimento da consciência ambiental no país e as expectativas
presentes de preservação do bioma.
Da primeira seção e de suas subseções podemos concluir que é muito difícil eleger
somente um fator responsável pelo desmatamento da Mata Atlântica. A causa da devastação
dessa biota está intrinsecamente relacionada com a interação perversa dos diversos fatores
enumerados. A favorável e desconcertante natureza do bioma, somente, pode ser considerada
um fator propulsor do desmatamento, visto que se pode extrair dela espécies de muito valor
comercial. Como exemplos históricos, podemos citar os principais ciclos agrícolas do Brasil,
da extração do pau-brasil ao cultivo do café.
Na seção seguinte evidenciou-se como fator principal do desmatamento o uso da mão-
de-obra escrava. Essas eram ignorantes e faziam uso de técnicas agrícolas ultrapassadas que
castigavam o solo. Entretanto, percebeu-se que mesmo com o fim da escravidão, o
desmatamento continuou de maneira acelerada.
Já a última seção abordou as atuais iniciativas de preservação e uso sustentável do
meio ambiente. Dentre as ações que estão sendo implementadas, vale destacar: Lei da Mata
Atlântica, ICMS ecológico e IR ecológico. Com essas medidas, busca-se diminuir o ritmo de
desmatamento nesse bioma, e, quem sabe, recuperar parte do que foi perdido.
23
2 Capítulo 2 - Determinantes do Desmatamento na Mata Atlântica:
uma revisão da bibliografia
Uma característica da literatura sobre desmatamento é a ausência de trabalhos
econométricos sobre a Mata Atlântica. A maioria dos estudos trata de outros biomas
brasileiros, como a Amazônia e o Cerrado, ou de Florestas Tropicais como um todo. Esse
capítulo faz uma revisão bibliográfica dos principais trabalhos que abordam as causas do
desmatamento e está dividido em duas seções. A primeira trata da revisão bibliográfica, que
inclui tanto trabalhos sem modelagem econométrica quanto aqueles com modelagem, aos
quais se dedicou maior atenção. O objetivo dessa revisão bibliográfica foi a seleção das
variáveis explicativas relevantes e a busca de um modelo econométrico adequado.
Na segunda seção são expostos trabalhos feito pelo Grupo de Economia do Meio
Ambiente e Desenvolvimento Sustentável (GEMA) do Instituto de Economia da UFRJ com
apoio da Fundação SOS Mata Atlântica, que tinham como objetivo examinar se existia
alguma correlação empírica entre desmatamento e crescimento econômico. Tais trabalhos
foram feitos com o intuito de desmistificar as afirmações usadas pela bancada ruralista para
reduzir a área de reserva legal, sob o argumento de que desmatamento era condição necessária
para subdesenvolvimento. Entretanto, esses trabalhos não buscaram identificar os
determinantes do desmatamento da Mata Atlântica, que é o propósito do terceiro capítulo da
dissertação.
2.1 Revisão Bibliográfica
2.1.1 Trabalhos sem Modelagem Econométrica
Nos anos 70 e 80, muitos trabalhos buscaram explicar as causas do desmatamento em
florestas tropicais e, em especial, na Amazônia. Estes apresentaram um forte consenso em
relação às principais forças determinantes do desflorestamento, dentre os quais destacam-se:
24
as políticas públicas, em especial os incentivos fiscais a empreendimentos privados na
Amazônia, os créditos rurais subsidiados, os programas oficiais de colonização agrícola, e os
investimentos em infra-estrutura (com destaque para estradas), os quais atraíram
empreendedores e milhares de migrantes em busca de terras para a Região. Já na década de
90, verificou-se que, apesar das altas taxas de desmatamento, muitas dessas variáveis
reduziram significativamente sua importância, indicando a presença de fatores subjacentes
determinando a acelerada perda de áreas de florestas (Viana Rodrigues, 2004).
O estudo realizado por Viana Rodrigues (2004) investigou, com base na literatura
revisada, as principais variáveis responsáveis pelo desmatamento nos anos 90 na Amazônia.
A hipótese testada é a de que as variáveis subjacentes (políticas públicas, institucionais,
tecnológicas, econômicas e demográficas) e suas interações seriam as forças determinantes do
desflorestamento na Amazônia. Primeiramente, o objetivo do autor era desenvolver um
modelo de regressão que determinasse a importância de cada variável explicativa no
desmatamento recente na Amazônia. Entretanto, devido a problemas com a base de dados,
optou-se por fazer uma análise teórica de cada variável com base na metodologia
desenvolvida por Angelsen & Kaimowitz (1999).
Estes autores construíram um quadro conceitual dos processos de desflorestamento
que estabelece as relações entre os principais tipos de variáveis e proporciona uma abordagem
lógica para a análise do desflorestamento em três diferentes níveis: fontes, seriam as ações dos
agentes do desmatamento, como pequenos agricultores, pecuaristas, madeireiros e grandes
áreas de plantio; causas imediatas, focalizam os parâmetros de decisão, ou seja, o conjunto de
fatores disponíveis como preços, tecnologia, instituições, novas informações, acessos a
serviços e a infra-estrutura, os quais interferem na tomada de decisão dos agentes; e causas
subjacentes, influenciam as decisões dos agentes via diversos canais, destacando-se: o
mercado; a disseminação de novas tecnologias e informação; o desenvolvimento de infra-
estrutura; e as instituições, particularmente o regime de propriedade.
25
Segundo os autores, a distinção clara entre estes três níveis é necessária, em razão de
facilitar a discriminação dos parâmetros que afetam diretamente os tomadores de decisão, na
identificação do tipo de modelo utilizado (i.e. modelos microeconômicos focam as causas
imediatas, enquanto os modelos macroeconômicos focam as causas subjacentes), evitando,
assim, confusão nas relações de causa envolvidas. Ademais, modelos macroeconômicos, que
tratam de causas subjacentes, apresentam resultados menos conclusivos que àqueles que
utilizam fontes e causas imediatas.
A metodologia desenvolvida possibilitou sintetizar os resultados de mais de 140
modelos econômicos sobre as causas do desflorestamento tropical. De acordo com Angelsen
& Kaimowitz (1999), apesar destes modelos ajudarem a entender melhor as causas do
desflorestamento, os resultados obtidos são questionáveis dadas a fraca metodologia aplicada
e a baixa qualidade dos dados. Mesmo assim, concluíram que o desmatamento tende a ser
maior quando: as terras são mais acessíveis (por rodovias); os preços dos produtos agrícolas e
da madeira são mais altos; os salários são mais baixos; e, existe escassez de empregos fora da
área rural. Alertaram, então, para a importância de se repensar as causas do desmatamento
afim de verificar os impactos de alguns fatores macroeconômicos, tais como o mercado de
crédito, as mudanças tecnológicas, a redução da pobreza e uso da terra.
O estudo de Vianna Rodrigues (2004) analisa apenas as causas subjacentes. Logo pode
ser considerado um modelo macroeconômico para explicar as causas do desmatamento
recente da Amazônia. Conforme a metodologia desenvolvida por Angelsen & Kaimowitz
(1998; 1999), as variáveis subjacentes analisadas pelo autor foram:
• Demografia (crescimento população; densidade);
• Políticas de governo (i.e. taxas exportação; ITR; impostos; políticas de concessão e de
posse da terra; restrições à extração de madeira; salário mínimo; subsídios de crédito;
investimentos de infra-estrutura; gastos totais do governo; políticas de taxa de câmbio;
política monetária; déficit público);
26
• Preços do mercado mundial;
• Variáveis macroeconômicas (PIB, nível e taxa de crescimento; taxas de câmbio; de juros);
• Tecnologia;
• Distribuição de renda.
Os resultados obtidos corroboraram a hipótese de que as variáveis subjacentes são
principais causas do desmatamento recente na Amazônia, o que possibilitou o
estabelecimento de relações e a importância relativa de cada variável subjacente ao
desmatamento. Destacou-se a forte presença do Estado na Amazônia Legal7 como um
importante fator de pressão do desflorestamento. Isto é, as políticas de governo, tais como
políticas de concessão e de posse da terra; salário mínimo; subsídios de crédito; investimentos
de infra-estrutura; gastos totais do governo; políticas macroeconômicas; dentre outras, seriam
as responsáveis por facilitar e propiciar o avanço acelerado da perda da cobertura vegetal da
Região. A única exceção se refere à análise da participação dos agricultores itinerantes e dos
pequenos agricultores no desflorestamento, classificados como agentes do desflorestamento.
A justificativa para a inclusão destes atores está relacionada ao fato de não haver consenso na
literatura sobre estes agentes.
De acordo com Parayil & Tong (1998), a recente aceleração do desmatamento na
Amazônia Brasileira (anos 1990/91), em comparação com o período 1978-88, se deve
fundamentalmente à recessão econômica do Brasil. Os autores afirmam que a principal causa
do desaparecimento de vegetação nativa entre as décadas de 1960 e 1980 era a conversão de
áreas de floresta em formação de pastagens. Atualmente, entretanto, esse processo é mais
complexo. Outros fatores, tais como a extração de madeira, a mineração, e as atividades
industriais, quando combinados podem levar a floresta a sua destruição em poucas décadas.
7 A Região da Amazônia Legal é composta pelos seguintes estados: Acre, Amapá, Amazonas, Pará, Rondônia, Roraima, além de partes dos estados de Mato Grosso, Tocantins e Maranhão.
27
Isso mostra que o desmatamento envolve múltiplos meios que se inter-relacionam entre eles,
acelerando seu processo de destruição.
Os autores exploram a dinâmica sócio-ambiental da mudança do processo de
desmatamento na Amazônia Brasileira antes promovido pela pecuária, e, agora, pela extração
de madeira. As trajetórias das causas desse fenômeno também são investigadas. Essas
mudanças foram identificadas com base em três abordagens teóricas que analisam problemas
ambientais no terceiro mundo, que são: (i) teoria Neo-malthusiana da dinâmica da
população;(ii) reformulação de Garrett Hardin sobre a 'tragédia dos comuns', e; (iii) análise
sócio ecológicas das mudanças ambientais de Peter Taylor e Garcia-Barrios.
A teoria Neo-malthusiana atribui a crescente pressão do aumento da população sobre
os recursos florestais como causa para o problema da sobreexploração das terras e a
conseqüente degradação ambiental. De acordo com essa tese existe uma relação causal muito
forte entre crescimento da população, pobreza e degradação ambiental, e, no entanto, ignora
os fatores econômicos e sócio-políticos que determinaram a pobreza rural e o processo de
degradação do meio ambiente. Assim, a pressão do aumento da população sobre as terras
desmatadas e cultivadas forçaria a população 'a mais' a praticar atividades destrutivas, como o
desmatamento. Entretanto, Parayil & Tong (1998) afirmam que a perda de florestas na
Amazônia Brasileira não sustenta relação com o grande crescimento populacional. Ademais,
de acordo com dados estatísticos, as taxas de crescimento da população brasileira caíram nos
anos 70 e 80, quando o desmatamento se mostrou intenso. A causa do desmatamento estaria,
assim, relacionada com a distribuição desigual da terra cultivável fora da Região Amazônia e
não com a sobrepopulação.
Segundo a teoria da 'Tragédia dos Comuns' de Hardin, recursos de uso comum, tais
como pastagens, florestas, oceanos, estão sujeitos a sobreexploração. Assim, cada indivíduo
busca maximizar seu ganho na utilização do bem comum, e quanto mais indivíduos agirem
dessa maneira, maior e mais sério será a sobreexploração e a depleção dos recursos. Segundo
28
essa tese, a trajetória causal da degradação ambiental se deve a ausência de regulação coerciva
e de práticas capitalistas. Isto é, a causa do desflorestamento é a ausência de relações e
direitos de propriedades nas florestas. Porém, na Amazônia ocorre o oposto: a conversão de
florestas nessa Região está associada à privatização da floresta pública, que, em geral,
favorece o estabelecimento de grandes propriedades rurais em detrimento dos pequenos e
médios produtores.
Uma carência das duas primeiras abordagens é que elas não são capazes de captar a
complexidade do desmatamento da Amazônia. Assim, a última linha teórica seguida por
Parayil & Tong (1998) buscou analisar as mudanças ambientais a partir de uma perspectiva
social, econômica, política e ecológica. Comparada as teorias expostas anteriormente, a tese
de Taylor e Garcia-Barrios fornece maior embasamento para analisar as trajetórias que
causam o desmatamento, ao argumentarem que fatores estruturais e políticos afetam a
sustentabilidade do gerenciamento dos recursos. Em geral, as condições estruturais agem
discriminando as populações rurais gerando deficiências institucionais, pobreza e degradação
ambiental. Isso porque, as questões ambientais são conseqüências de uma série de fatores
(sociais, políticos, econômicos e ecológicos) e processos.
2.1.2 Trabalhos com Modelagem Econométrica
De acordo com Reis (1996), o desmatamento recente na Amazônia foi causado por
políticas de desenvolvimento regional dentre as quais se destacam as iniciativas do governo
em projetos de geração de energia elétrica e extração de minérios. Um importante projeto
implementado nos anos 80 foi o “Programa Grande Carajás” cujas principais conseqüências
ambientais foram o desmatamento e a degradação das florestas tropicais. A industrialização e
a urbanização induzidas pelos investimentos do projeto de Carajás (PSC) estimulam o
desmatamento. Essas ações geram a necessidade de expansão das áreas agrícolas e da
degradação da cobertura florestal original, já que há uma maior demanda por madeira,
alimentos e matérias-primas que deve ser suprida.
29
Assim, o objetivo foi tratar dos efeitos indiretos do Pólo Siderúrgico de Carajás (PSC)
sobre o desmatamento. Para tal, foi construído um modelo econométrico estimado e simulado
em nível municipal, que abrange a Amazônia Legal e as subregiões identificadas como
Corredor da Estrada de Ferro Carajás e a Área de Influência de Carajás. O autor adotou duas
hipóteses básicas para o seu modelo: (i) o crescimento e a expansão da malha rodoviária são
os motores da ocupação econômica da Amazônia; e que, (ii) a utilização agropecuária das
terras constitui a principal causa imediata do desmatamento. A variável exógena, ou seja,
aquela que explicaria o desmatamento é a expansão da malha rodoviária que pode ser
considerada uma proxy dos investimentos realizados na Região. O modelo consta de seis
blocos de equações: (1) expansão da malha rodoviária; (2) dinâmica populacional; (3) produto
das atividades urbanas; (4) utilização da terra, produtividade e produto nas atividades
agropecuárias; (5) desflorestamento; e, (6) emissões de dióxido de carbono. A determinação
dessas equações necessitou de um vasto conjunto de variáveis, tais como, percentual de
estradas pavimentadas, produto das atividades urbanas e rurais, população urbana e rural,
vetor de variáveis econômicas e geo-ecológicas, dentre outras.
O intuito desse modelo foi analisar as interações entre os processos de desmatamento,
ocupação agropecuária, urbanização e industrialização. Assim, a avaliação dos impactos do
Pólo Siderúrgico de Carajás (PSC) foi realizada comparando as simulações desse conjunto de
equações para dois cenários alternativos, no período de 1990/2010: cenário básico e cenário
potencial. No cenário básico, simula-se o comportamento demográfico e econômico da
Região supondo a inexistência do PSC. Já o cenário potencial, supõe a existência do
programa de Carajás. Os resultados apontaram para os seguintes impactos: (i) o aumento da
população é insignificante; (ii) o PIB apresentou excelentes projeções, entretanto restrito às
atividades urbanas e referente ao produto gerado numa região e não a renda apropriada pelos
seus habitantes; (iii) o uso da terra nas atividades agropecuárias apresentou impactos
relativamente pequenos; (iv) projetam-se cifras dramáticas de desmatamento, ou seja, o
30
projeto apresenta perdas ambientais lastimáveis; e (v) as emissões de gás carbônico são
pequenas (pouco impacto no aquecimento do planeta).
Na década de 60, o governo brasileiro deu início a um programa de desenvolvimento
para integrar a região Amazônica às demais regiões do país. O resultado desse programa foi o
crescimento dramático do produto, da população e do desmatamento. Com o intuito de
explicar o trade-off entre crescimento econômico e desmatamento imposto pelas políticas
ambientais executadas na Amazônia Legal, Andersen e Reis (1997) desenvolveram um
modelo econométrico de dois setores, rural e urbano. Supõe-se que tal trade-off não seja o
mesmo para todas as políticas, ou seja, em alguns casos o desmatamento pode ter levado ao
crescimento econômico.
Segundo os autores o setor rural utiliza como insumos a terra desflorestada e os
trabalhadores rurais, enquanto o setor urbano usa trabalhadores urbanos e o produto agrícola
como insumos. A demanda por produtos agrícolas do setor urbano é responsável por causar
desmatamento indireto. O modelo consiste de seis equações: (i) demanda do setor rural por
terra agrícola, (ii) dinâmica da população rural, (iii) dinâmica da população urbana, (iv)
produto rural, (v) produto urbano, e (vi) preço da terra. As variáveis utilizadas para construir
essas equações foram: floresta natural, floresta plantada, plantação temporária, pasto natural e
plantado, população urbana e rural, produto rural e preços da terra, condições de infraestrutura
e dados sobre crédito. A equação principal do modelo é a (i) que prevê a demanda por terra
nova desmatada na Região i, no tempo t, com base em características passadas dessa Região
(tais como acessibilidade, disponibilidade de terras, perspectivas econômicas) e de vizinhos
próximos (distância entre as regiões e extensão da malha rodoviária, por exemplo). Assim, a
extensão de terras desmatadas recentemente seria determinada pela demanda por novas terras
agricultáveis.
Assumiu-se que todas as equações são da forma log-linear, e, então, foram realizados
procedimentos econométricos tais como estimação e testes de especificação. Procedeu-se da
31
seguinte forma: ao nível de significância de 1% foram incluídas todas as variáveis
explicativas teoricamente relevantes. Em seguida, as variáveis foram sendo deletadas na
medida em que seus coeficientes não fossem estaticamente significantes ao nível estabelecido.
Com base nos resultados, concluiu-se que políticas governamentais que se baseiam no acesso
ao crédito subsidiado fazem com que os custos do desmatamento sejam menores que os seus
benefícios.
Pfaff (1994) também analisou os determinantes do desmatamento na Amazônia
Brasileira. O autor busca responder às seguintes questões: (1) como e por que as florestas
estão sendo destruídas, e (2) se as políticas públicas afetam a taxa de desmatamento. Dessa
forma, sugere que além da população, outros fatores econômicos de pressão tais como
estradas, crédito e qualidade do solo, são causas do desmatamento na Região. Para tal,
derivou e, em seguida, estimou uma equação de desmatamento usando dados em nível
municipal para os anos entre 1975 e 1988. As variáveis utilizadas nessa equação foram:
desmatamento, população, preços de produção, salários, produção, área de lavoura e
pastagem, estrada e crédito.
A equação de terra desmatada foi derivada em nível municipal e com base no
ferramental de otimização dinâmica. Supõe-se que a população é uma variável endógena, isto
é, população e desmatamento são determinados conjuntamente e por outros fatores. A partir
do resultado foram realizadas inferências econométricas que levaram às seguintes conclusões:
a grande distância do centro da cidade é associado a um baixo desmatamento; quanto melhor
for a qualidade do solo, maior o desmatamento; e, quanto maior a densidade das estradas
maior o desmatamento.
Já Castro de Rezende (2002) desenvolveu um modelo de mercado de terra com
produção de terra específico para o Cerrado. A hipótese básica é que a atual expansão agrícola
nessa região do país se deve ao baixo preço da terra em comparação com as demais regiões do
país. Assim, busca-se explicar as características da estrutura fundiária dessa região, que são
32
claramente concentradoras, ou seja, absorve pouca mão de obra e produz em larga escala
(agricultura mecanizada). O modelo abrange três tipos de terra: de primeira, de segunda e
virgem (terra de floresta). A terra de segunda pode ser convertida em terra de primeira por
meio de investimento de capital. Para cada mercado de terra foi estimado um sistema de
equações que utilizam as seguintes variáveis: quantidade demandada de terra i, quantidade
ofertada de serviços da terra i , valor do aluguel da terra i, valor de venda de uma unidade de
estoque da terra i, taxas de juros real, valor de venda de uma unidade de estoque da terra j,
dentre outras.
A solução desses sistemas envolve a determinação do valor do aluguel da terra que
junto com o valor da taxa de juros real determinaria o preço da terra i. A condição de
equilíbrio de longo prazo requer que a produção da terra de primeira, por exemplo, seja num
montante absoluto igual à depreciação anual do estoque. O autor afirma que, “o preço dessa
terra (de primeira) será tão menor quanto mais barata for a terra de segunda e quanto menor
for o custo de ‘produção’ dessa terra de primeira” (Castro de Rezende, 2002, pp.16). Logo,
quanto maior a aptidão agrícola maior o custo de oportunidade em se preservar florestas. O
resultado da queda do custo de conversão de terra de segunda ou de terra virgem em terra
agrícola de qualidade superior foi uma elevação no estoque de terra de primeira na região
centro-oeste do país. Consequentemente, o preço da terra de primeira caiu e aumentou a
competitividade regional.
É consenso que o desmatamento tropical está se acelerando em todo o mundo. De
acordo com dados estatísticos, há evidências de que a temperatura mundial está sendo afetada.
Ademais, a biodiversidade vem sendo ameaçada, visto que a perda de florestas leva a extinção
de muitas espécies da fauna e da flora. Na década de 80, o meio ambiente foi adversamente
afetado pela recessão mundial no crescimento econômico e deterioração social, eventos que
impactaram negativamente nas práticas de uso da terra e no estado da floresta tropical
mundial.
33
Tole (1998) investiga as causas do desflorestamento tropical usando dados de cross-
section para 90 países em desenvolvimento no período de 1981-1990. Com os resultados da
regressão pode-se concluir que: (i) o desmatamento se acelera com a expansão da
infraestrutura, da dívida externa, do comércio e do investimento em capital humano, ou seja,
com o desenvolvimento econômico dos países; e, (ii) a perda de florestas também está
associada à escassez relativa ou absoluta, que se manifesta nas pressões de crescimento da
população, na falta de alimentos e de terra, na dependência de madeira como combustível e na
desigualdade de acesso a terra.
Para a análise do modelo de regressão a variável escolhida como dependente foi o
desmatamento. As variáveis explicativas, ou independentes, foram divididas em dois grupos:
• Variáveis de uso da terra: expansão agrícola, produção de madeira,
desenvolvimento em infraestrutura e tamanho da floresta.
• Variáveis de contexto social: fatores econômicos, produtividade rural e
propriedade da terra, pobreza e pressões demográficas e representação política.
Assim, Tole (1998) supõe que uma variável que seja significante na maioria das
regressões terá maior poder explicativo do que uma variável que seja significante em apenas
algumas regressões. Assim, foram rodadas diversas regressões com diferentes combinações
das variáveis explicativas. As regressões encontraram padrões de desmatamento entre os
países. Caso nenhum padrão fosse encontrado, isso significaria que as causas do processo de
desmatamento são diferentes em todos os países analisados.
As regressões buscaram estabelecer correlações entre as variáveis explicativas e o
desmatamento. Aqui, é preciso atentar que correlação não implica, necessariamente, em
causalidade. Os resultados apontaram que: variáveis de uso da terra são positiva e fortemente
correlacionadas com o desmatamento e que variáveis de infra-estrutura, tais como construção
de estradas e eletricidade, não são significantes.
34
Durante os anos 90, enquanto os países da América Latina estavam ocupados em
desmontar o Estado intervencionista da era de substituição de importações, os países do leste
asiático baseavam seu modelo de desenvolvimento focando no crescimento com forte
intervenção do Estado nos mercados de produto e fatores e com o único e claro objetivo de
promover a industrialização via expansão das exportações. A América Latina perdeu muito
espaço no comércio internacional para esses países.
Dentre os produtos exportados pelos asiáticos destaca-se a madeira. Assim, o
desmatamento asiático pode ser explicado pela excessiva extração de madeira. No entanto, de
acordo com Southgate (1991), na América Latina o processo de desmatamento é um
fenômeno primariamente agrícola. Assim, o autor questiona como a expansão da fronteira
agrícola pode ser acomodada. Para tal, realiza uma regressão para analisar as causas desse
fenômeno em 23 países da América Latina.
A variável dependente é o crescimento da área usada para lavoura. As variáveis
independentes são: crescimento da população, crescimento da agricultura de exportação,
crescimento do produto. Além dessas, há a inclusão de uma variável dummy que indica que o
“fechamento” da fronteira agrícola ocorreu ou está próximo. O modelo de regressão múltipla
foi estimado pelo método de Mínimos Quadrados Ordinários - MQO (Ordinary Least Square
- OLS). Os resultados das estimações realizadas apontam que tanto o crescimento da
população quanto o da agricultura para exportação possuem uma relação positiva com o
desmatamento, enquanto que as demais variáveis têm relação negativa com a variável
dependente. Ou seja, existem relações importantes e complementares entre o desenvolvimento
agrícola e a conservação das florestas tropicais na Região.
No trabalho realizado por Palo e Lehto (1996) os objetivos foram: fazer uma revisão
dos recursos florestais da Ásia Tropical, encontrar as causas do desmatamento na Região e
analisar o desmatamento futuro. Com o intuito de explicar o desmatamento foram estimados
oito modelos em três cenários distintos. As variáveis utilizadas para estimar as equações
35
desses modelos foram: taxa de desmatamento, cobertura florestal, pressão da população,
renda, custo e risco de desmatamento. A taxa de desmatamento pode ser definida como a
razão entre a área desmatada e a área florestal média e é uma variável de fluxo. Já a cobertura
florestal, definida como a razão entre a área de floresta e a área de terra, é uma variável de
estoque. Nos modelos estimados, tanto a taxa de desmatamento quanto a cobertura florestal
foram usadas como variáveis dependentes, as quais se propõem explicar.
Na modelagem do processo de desmatamento foi utilizado um modelo de regressão
múltipla com estimação de Mínimos Quadrados Ordinários- MQO (Ordinary Least Square
ou OLS). As conclusões empíricas apontaram que enquanto a pressão demográfica e a renda
elevam o desmatamento, o aumento do custo e do risco do desmatamento diminuem a
intensidade desse processo. Em 2020, prevê-se que 38% da área de floresta asiática estará
desmatada.
2.2 Um estudo empírico sobre a Mata Atlântica
Apesar da grande importância histórica da Mata Atlântica, a bibliografia sobre esse
bioma ainda é escassa. Trabalhos que utilizam o ferramental econométrico, para determinar as
causas do desmatamento, são inéditos. Sendo assim, um estudo empírico (Young, 2002)
objetivou preencher essa lacuna, com o resultado da pesquisa “Economia e Desmatamento:
Aspectos Sócio-Econômicos da Ocupação da Mata Atlântica”.
O intuito deste trabalho era mostrar que alguns mitos sobre a incompatibilidade entre
desenvolvimento econômico e preservação do meio ambiente não se sustentam. Para tanto,
buscou examinar as relações teóricas e empíricas entre o contínuo desmatamento nas áreas de
domínio da Mata Atlântica e as características sócio-econômicas dessas mesmas regiões.
Assim, a motivação principal do trabalho era discutir até que ponto a conversão recente de
áreas florestadas tem efetivamente resultado em mais postos de trabalho e numa melhor
36
qualidade de vida para as populações rurais. Dentre os mitos defendidos pela Bancada
Ruralista do Congresso Nacional e, que o trabalho buscou refutar destacam-se:
• o maior fator de pressão sobre o desmatamento é o crescimento demográfico nas áreas
rurais;
• o crescimento econômico nas áreas rurais só é possível por meio do desmatamento; e
• o desmatamento é necessário para a geração de emprego e garantia de melhores condições
de vida da população rural.
Merece destaque o fato do trabalho ter sido realizado utilizando variáveis em nível
municipal, o que exigiu um longo processo de tratamento dos dados. Entretanto, além de
evitar contra-argumentos, as informações encontradas foram mais relevantes e conclusivas.
Assim, a primeira etapa dessa pesquisa consistiu na construção da base de dados para seis
estados das Regiões Sul e Sudeste do Brasil - Rio Grande do Sul, Santa Catarina, Paraná, São
Paulo, Rio de Janeiro e Espírito Santo.
Os dados coletados eram referentes às seguintes variáveis: desmatamento total entre
1985-95 e indicadores econômicos- pessoal ocupado nos estabelecimentos agrícolas, efetivo
de bovinos, utilização das terras para lavouras e pastagens- dos Censos Agropecuários de
1985 e 1995/96. Nesse período muitos novos municípios foram criados e, a fim de
compatibilizar as variáveis dos dois censos para compará-los, os dados do censo de 1995/96
foram reagregados para a malha municipal de 1985 (Cabral, 2004).
Após essa etapa, foram obtidas duas bases de dados: uma com os dados em 1985 e
outra com os dados em 1995/96, já reagregados para a malha de 1985. A partir destas foi
montada uma tabela com as variações de todas as variáveis no período 1985-1995/96. Em
seguida, os municípios foram ordenados de forma decrescente de acordo com as variações
observadas em cada uma das variáveis. Assim, foram elaborados rankings da seguinte forma:
o município que apresentou o maior aumento, recebeu a primeira posição, e,
consequentemente, ao de menor aumento, foi concedida a última colocação. A justificativa
37
para este procedimento está na dificuldade de se comparar as variáveis dos Censos
Agropecuários de anos distintos, dadas as mudanças metodológicas sofridas8.
A terceira etapa contou com a construção de tabelas com os dez municípios líderes de
cada um dos rankings - desmatamento total, variação do pessoal ocupado, variação do efetivo
de bovino, variação da utilização de terras para a lavoura e pastagens - com suas respectivas
posições no ordenamento das outras variáveis pesquisadas. Os resultados desta etapa
referentes aos estados da Região Sul (Rio Grande do Sul, Santa Catarina e Paraná) estão
contidos em Young (2002), um dos primeiros trabalhos acadêmicos realizados com a base de
dados de desmatamento elaborada pelo Grupo de Pesquisa.
Este exercício foi realizado, posteriormente, para três estados da Região Sudeste: São
Paulo, Rio de Janeiro e Espírito Santo. O estado de Minas Gerais não foi inserido na análise
em função de problemas metodológicos de classificação dos municípios de domínio de Mata
Atlântica. A elaboração dos exercícios procedeu-se da mesma maneira daquele realizado para
os estados da Região Sul do país. Assim, as conclusões desta etapa foram suficientes para
comprovar a inexistência de uma relação automática entre o crescimento econômico e
desmatamento, por meio de uma análise descritiva dos resultados.
De forma geral, os municípios que mais desmataram não apresentaram criação de
postos de trabalho no campo ou melhoria dos demais indicadores econômicos. Elaborando
rankings com relação às demais variáveis observou-se a mesma dissociação. Destaca-se que
os municípios que apresentaram as melhores posições relativas nos rankings não
apresentaram altas taxas de desmatamento, sinalizando que este processo não foi condição
necessária para a geração de emprego no campo ou para o crescimento econômico.
8 Young (2002) ressalta que, em particular, o censo mais recente (1995/96) é problemático visto ter sido executado em época diferente do ano (julho a junho, e não janeiro a dezembro), além de ter havido outras alterações no procedimento da pesquisa em relação aos censos anteriores.
38
Tabela 2: Desempenho econômico dos municípios que mais desmataram em seis estados das regiões Sul e Sudeste no período de 1985-95/96.
Município em 1985
Desmatamento total (ha)
Variação Pessoal
Ocupado
VariaçãoLavoura
Variação Bovino
Variação Pastagem
9857 -430 -129230 4323 -1430 Itaiópolis-SC
10211 -930 -22982 64486 48903 Laranjeiras do Sul -PR
7726 -414 3835 -35166 -40487 Vacaria -RS
6873 -1850 -1821 918 1932 Iguape - SP
13850 -2553 -3542 -71 -7898 Trajano de Morais - RJ
Linhares - ES 6645 -5537 -13562 28168 -2626
Fonte: Elaboração Própria, a partir de resultados contidos em Young, 2002.
A tabela 2 destaca o município líder em desmatamento, em cada um dos seis estados
das regiões Sul e Sudeste, e o seu respectivo desempenho econômico no período de 1985-
1995/96. Podemos observar que em todos esses municípios houve perda de pessoal ocupado
em atividades rurais, e, exceto o município de Vacaria (RS), todos os demais também
perderam área de lavoura. Entretanto, apesar dos resultados obtidos apontarem claramente a
existência de uma dissociação entre desmatamento e aumento da atividade agropecuária,
reconhecia-se que havia ainda a necessidade da realização de uma análise estatística mais
sofisticada. Sendo assim, numa segunda etapa, Andrade (2003) e Cabral (2004), deram
continuidade à pesquisa.
Andrade (2003) engajou-se na aplicação de técnicas de Estatística Multivariada, tais
como a Análise de Grupamento e de Discriminante, para os estados da Região Sul do país, a
fim de obter uma descrição mais geral dos dados, que procurasse estabelecer padrões entre as
observações como um todo. Com o uso da análise de grupamento foi possível identificar dois
grupos distintos: o grupo 1, constituído por municípios com desmatamento pouco expressivo,
ganho de pessoal ocupado, de área de lavoura e madeira em toras; e, o grupo 2, caracterizado
39
por municípios que desmataram muito e apresentaram perdas de pessoal ocupado, de área de
lavoura e uma perda, ainda que comparativamente não muito expressiva, de madeira em toras.
As variáveis mais determinantes para a separação entre os grupos foram o
desmatamento e o pessoal ocupado9. Merece destaque o fato que no grupo 2 está presente a
grande maioria dos municípios (500 de 604), enquanto apenas 104 municípios se encaixam no
caso 1. Ou seja, a maior parte dos municípios apresenta um padrão de desmatamento elevado
associado a um baixo desempenho das variáveis sócio-econômicas. Segundo o autor, isso está
ligado ao padrão da agricultura familiar da Região Sul e ao fato de que há uma grande
assimetria entre os grupos.
Em seguida, na análise de discriminante, foi feito um modelo que prevê o grupo no
qual cada município estaria associado. Como um dos grupos está associado a expressivo
desmatamento, a classificação de um município como 2, significa que ele potencialmente
pode apresentar problemas de desmatamento. As variáveis que foram usadas como preditoras
foram: variação de pessoal ocupado, variação de bovinos, variação de pastagens, variação de
área de lavouras e variação de tratores. A análise não incluiu o total de desmatamento, pois a
intenção é captar se o município tem ou não um potencial de desmatamento.
A análise forneceu um bom modelo de pressão antrópica já que determinou com
grande acurácia10 se um município pertence ao grupo mais crítico, quanto à devastação da
floresta, sem que seja necessária a presença da variável desmatamento. Assim, mais uma vez,
os resultados apontaram para as seguintes conclusões: o desmatamento foi acompanhado por
perda no emprego rural, a pecuária foi a atividade mais associada à devastação da floresta e
9 De acordo com Andrade (2003), a maior parte das observações localiza-se abaixo da média de
desmatamento e acima em pessoal ocupado (citando as variáveis de maior peso para a classificação). 10Segundo os resultados obtidos por Andrade (2003), o acerto foi de 90,7%, ou seja, em apenas 9,3% das observações o modelo atribuiu 1 ao que originalmente foi classificado como 2 e 2 ao que originalmente foi classificado 1.
40
que a conversão de áreas para lavoura não foi muito significativa. E, que desmatamento e
crescimento econômico caminharam em lados opostos.
Visando complementar à referida pesquisa, Cabral (2004) incorporou indicadores
sociais à análise, com o intuito de examinar se existe alguma correlação entre desmatamento e
melhoria das condições de vida da população rural, argumento defendido pela bancada
ruralista. Assim, às bases de dados já referidas, foi somada mais uma variável: o Índice de
Desenvolvimento Humano Municipal (IDHM) que engloba as dimensões educação,
longevidade e renda, afim de mensurar a qualidade de vida.
Em seguida, foram realizados dois exercícios. O primeiro exercício foi baseado na
performance dos dez municípios que mais desmataram em cada um dos estados, no período
1985-95. Revelou-se que a maior parte deles caracteriza-se por apresentar uma piora ou
constância, em termos relativos, de seus níveis de desenvolvimento. Dessa forma, de acordo
com Cabral (2004) não se pode dizer que, nos municípios de maior desmatamento, este
processo gerou melhores condições de vida à população rural. Os argumentos de que
desmatamento implica em melhores condições de vida para a população rural, em crescimento
econômico e em mais postos de trabalho não se verificaram empiricamente ao se tomar por
referência os municípios que mais desmataram.11
O segundo exercício englobou todos os municípios analisados. Foi estimado um
modelo de regressão linear simples no qual a melhora do IDHM seria a variável dependente
ou explicada e, o desmatamento a variável explicativa. Verificou-se que inexiste uma relação
de causalidade entre o processo de desmatamento e a geração de melhores condições de vida.
Ou seja, Cabral (2004) conclui que o aumento do desmatamento no período 1990-95, em
comparação com o período 1985-90, não é capaz de explicar a melhora dos índices de
Desenvolvimento Humano obtidos pelos municípios em 2000.
11 Segundo Cabral “Justamente por basear-se apenas na performance dos municípios líderes em desmatamento, ou seja, em casos “críticos”, o exercício anterior poderia dar espaço a certos tipos de contra-argumentos, como o de que, se a análise fosse feita de forma mais geral, o resultado seria distinto”.
41
Assim, buscando sofisticar a análise e fortalecer a crítica aos argumentos usados por
aqueles que defendem que o desmatamento é importante para impulsionar o crescimento do
país, o presente trabalho busca encontrar relações estatisticamente significantes entre
desmatamento e variáveis de desempenho sócio-econômico. No próximo capítulo são
apresentados o modelo de desmatamento a ser testado empiricamente, a base de dados e a
metodologia utilizadas.
2.3 Conclusão
Esse capítulo procurou fazer uma investigação dos principais trabalhos que tratam das
causas do desmatamento. Buscou-se maior ênfase naqueles que fizeram uso de algum
instrumental econométrico. Estes, na sua maioria, adotaram como hipótese de pressão do
desmatamento a conversão de áreas de florestas para uso agropecuário, a extração de madeira,
políticas públicas e a recessão econômica. A tabela 3 faz um resumo das variáveis relevantes
de cada um dos modelos tratados na primeira seção desse capítulo.
42
Tabela 3: Síntese das variáveis dependentes e independentes utilizadas em cada modelo
Autor (es) Variáveis dependentes e independentes
Modelo
Reis (1996)
Percentual de estradas pavimentadas, produto das atividades urbanas e rurais, população urbana e rural, vetor de variáveis econômicas e geoecológicas, dentre outras.
Modelo Econométrico, para variáveis em nível municipal. Simulações para dois cenários alternativos: básico e potencial. Análise Cross-Section.
Andersen & Reis (1997)
Floresta natural, floresta plantada, plantação temporária, pasto natural e plantado, população urbana e rural, produto rural e preços da terra, condições de infra-estrutura e dados sobre crédito.
Modelo econométrico com seis equações da forma log-linear. Análise Cross-Section.
Pfaff (1994)
Desmatamento, população, preços de produção, salários, produção, área de lavoura e pastagem, estrada e crédito.
Estimação de uma equação de desmatamento para dados municipais, no período de 1975 a 1988.
Castro de Rezende (2002)
Quantidade demandada de terra i, quantidade ofertada de serviços da terra i , valor do aluguel da terra i, valor de venda de uma unidade de estoque da terra i, taxas de juros real, valor de venda de uma unidade de estoque da terra j, dentre outras.
Modelo de mercado de terra: equação diferencial e otimização dinâmica.
Tole (1998)
Expansão agrícola, produção de madeira, desenvolvimento em infraestrutura, tamanho da floresta, fatores econômicos, produtividade rural e propriedade da terra, pobreza e pressões demográficas e representação política.
Análise de Cross-Section para 90 países em desenvolvimento entre os anos de 1981-1990. Análise dos padrões de desmatamento.
Southgate (1991)
Área de lavoura, população, agricultura de exportação e produto agrícola.
Modelo de regressão múltipla estimado para pelo método de Mínimos Quadrados Ordinários.
Taxa de desmatamento, cobertura florestal, população, renda, custo e risco do desmatamento.
Modelo de regressão múltipla estimado para pelo método de Mínimos Quadrados Ordinários para 3 cenários.
Palo & Lehto(1996)
Fonte: Elaboração Própria a partir de informações obtidas nas resenhas bibliográficas.
43
Os textos pesquisados e estudados, somados à base de dados do trabalho do GEMA –
IE/UFRJ apontaram na direção da escolha das seguintes variáveis para montar o modelo de
desmatamento para a Mata Atlântica: remanescentes florestais de Mata Atlântica; pessoal
ocupado nos estabelecimentos agropecuários; áreas de lavouras e pastagem; rebanho bovinos;
número de tratores; extração de lenha; extração de madeira em toras; PIB municipal total,
industrial, de serviços e agrícola; variação da produtividade agrícola; produtividade agrícola
média; Indice de Desenvolvimento Humano Municipal (IDHM); e Custo de transporte da
sede do municipio até a capital do estado.
Como este trabalho é uma primeira modelagem do desmatamento da Mata Atlântica,
optou-se por realizar um modelo de regressão múltipla com estimação de Mínimos Quadrados
Ordinários (MQO), conforme foi utilizado nos trabalhos de Tole e Southgate. Entretanto,
devido à restrição da base de dados não foi possível realizar análises do tipo cross-section ou
painel. Apesar da simplicidade da modelagem, os resultados obtidos atendem ao propósito do
trabalho. Fica assim, um espaço aberto para futuras aprimorações econométricas do modelo
de desmatamento da Mata Atlântica.
44
3 Capítulo 3 - Modelo de Desmatamento para a Mata Atlântica
A modelagem econométrica do processo de desmatamento na Mata Atlântica é um
passo importante para verificar quais são, de fato, as principais causas desse fenômeno. A
hipótese adotada, de acordo com a literatura, é de que a conversão de áreas de florestas para
uso agropecuário é um fator determinante do desmatamento na Região de Mata Atlântica. O
ciclo trágico do avanço da fronteira agrícola se dá da seguinte maneira. Primeiramente, temos
a mata nativa e intocada. Em seguida, o homem avança sobre a vegetação para implantar a
agricultura e quando esta se encontra decadente suas áreas são convertidas em pastagens.
Assim, busca-se verificar se essa hipótese se confirma e se existem outros fatores de pressão
do desmatamento na biota atlântica.
O objetivo deste capítulo é estimar uma regressão múltipla cuja variável dependente
seja o desmatamento. Para tal, foram utilizadas variáveis das seguintes fontes: (i) Censos
Agropecuários: Pessoal ocupado nos estabelecimentos agropecuários; Utilização das terras
para lavouras; Utilização das terras para pastagens; Efetivo de bovinos; número de tratores;
extração de lenha; e, extração de madeira em toras; (ii) Evolução dos Remanescentes
Florestais de Mata Atlântica: Remanescentes de Mata Atlântica; e (iii) IPEA Data: Pib
municipal; Pib municipal industrial; Pib municipal de serviços; Pib municipal agrícola; Índice
de Desenvolvimento Humano Municipal (IDH); e Custo de transporte da sede do municipio
até a capital do estado.
Todas essas variáveis foram selecionadas para dois anos: 1985 e 1995/96 12. A base de
dados inicial constava do primeiro e do segundo grupo de variáveis. Esta foi construída e
12 Algumas exceções são as variáveis: custo de transporte que foi selecionada para os anos de 1980 e 1995, já que não foram encontrados dados para o ano de 1985, logo os valores podem estar subestimados; IDH, que foi encontrado para o ano de 1991, logo pode ser visto como um valor médio de referência para o período da análise; dummy município problema e dummies estaduais.
45
utilizada no trabalho realizada pelo GEMA – IE/UFRJ com intuito de verificar,
empiricamente, se havia uma relação automática entre desmatamento e crescimento
econômico. Outros trabalhos do grupo, com um viés estatístico, utilizaram a mesma base de
dados.
A análise bibliográfica, realizada no capítulo 2, apontou para a necessidade de se
adicionar algumas variáveis à base de dados já existente. Estas se mostraram extremamente
relevantes em trabalhos econométricos que buscam relacionar desmatamento com
desempenho sócio-econômico. Assim, para realizar os exercícios desse capítulo foram
adicionadas as seguintes variáveis: PIB municipal total, industrial, de serviços e agrícola;
Índice de Desenvolvimento Humano Municipal; Custo de transporte; produtividade agrícola
média; variação da produtividade agrícola; dummy município problema e dummies estaduais
(RJ, ES, SP, PR SC e RG).
Em função da dificuldade de encontrar determinados dados foram criadas algumas
variáveis. A variável produtividade das terras agrícolas foi criada com a função de captar o
custo da terra, isto é, essa variável seria uma “proxy” do preço da terra em cada município.
Essa variável pode ser definida como: Pib municipal/ área agrícola, onde a área agricola é
igual a soma das áreas de pastagem e lavoura. Assim, a partir dessa variável foram criados
dois indicadores: a produtividade agrícola média e a variação da produtividade agrícola. O
primeiro é uma “proxy” da média dos preços da terra no período de 1985/1995-96, e, o
segundo buscou captar a variação dos preços da terra para o mesmo período.
O fato da base de dados ser municipal acarreta alguns problemas o que levou à criação
das seguintes variáveis dummies:
Dummy para os municípios problemas (dum): recebeu ‘1’ o município que em 1996
manteve a área original de 1985, isto é, não foi desmembrado; e ‘0’ aqueles
46
municípios que foram desmembrados em 1996 e por isso tiveram que ser reagregados
para o município original de 1985;
Dummy Rio de Janeiro (drj): recebeu 1 se o município for do RJ e 0 se não;
Dummy São Paulo (dsp): recebeu 1 se o município for de SP e 0 se não;
Dummy Espírito Santo (des): recebeu 1 se o município for do ES e 0 se não;
Dummy Paraná (dpr): recebeu 1 se o município for do PR e 0 se não;
Dummy Santa Catarina (des): recebeu 1 se o município for de SC e 0 se não;
Dummy Rio Grande do Sul (drgs): recebeu 1 se o município for do RGS e 0 se não.
A opção por usar a regressão múltipla como modelagem se deu em função do grande
número de observações (1430 municípios, no total), número significativo de variáveis e
apenas dois instantes no tempo. A tabela abaixo destaca o número de observações
(municípios)que cada regressão utilizou.
Tabela 4: Número de Municípios em cada Estado e Região
Estado/Região Número de Municípios
Rio de Janeiro 63
Espírito Santo 57
São Paulo 557
Região Sudeste 677
Paraná 310
Santa Catarina 199
Rio Grande do Sul 244
Região Sul 753
Regiões Sul e Sudeste 1430
Fonte: Elaboração Própria
47
De acordo com Gujarati (2000), embora a análise de regressão múltipla lide com a
dependência entre uma variável com relação à outras variáveis, ela não implica
necessariamente causalidade. Para atribuir causalidade, deve-se recorrer a considerações
apriorísticas ou teóricas. Assim, antes de buscar relações de causalidade entre as variáveis é
muito importante realizar uma análise de correlação, que apesar de estar intimamente ligada a
análise de regressão é conceitualmente muito diferente.
Além dessa introdução, este capítulo consta de mais três seções. Na primeira secção,
serão realizados testes de correlação entre as variáveis independentes escolhidas e o
desmatamento. A análise do coeficiente de correlação foi realizada para os estados das regiões
Sul e Sudeste (excluindo Minas Gerais) em conjunto, por região e individualmente. A tabela
abaixo diz quais são os sinais esperados das correlações entre desmatamento e variáveis de
uso da terra e de contexto social. Em seguida, na segunda seção é estimado o modelo de
desmatamento. Primeiramente será exposta a metodologia utilizada e depois serão analisados
os resultados obtidos. Por fim, na última seção, são expostas as considerações finais.
Tabela 5: “Sinais Esperados” das Correlações com o Desmatamento
Variáveis Sinais esperados PO -
LAV + BOV + PAST + TRAT + LEN + TOR + PIB -
PIBIND - PIBSERV - PIBAGR -
VARPROD - PRODMED -
IDH - CT +
Fonte: Elaboração Própria.
48
3.1 Correlação entre as variáveis
3.1.1 Análise dos Resultados
Em diversas investigações deseja-se avaliar a relação entre duas medidas quantitativas.
Três propósitos principais de tais investigações podem ser: (i) para verificar se os valores
estão associados; (ii) para predizer o valor de uma variável a partir de um valor conhecido da
outra; e, (iii) para descrever a relação entre variáveis. O grau de associação linear entre duas
variáveis é avaliado usando correlação. Enquanto na análise de regressão as variáveis
dependentes e explicativas são tratadas de forma assimétrica, na correlação quaisquer duas
variáveis são tratadas simetricamente, não havendo distinção entre dependente e explicativa13.
Seja x1 , x2 , x3 ,...xn , o conjunto das medidas de uma das variáveis, e seja y1 , y2 , y3
,...,yn as medidas da outra variável. A mensuração do grau de associação linear entre duas
variáveis é obtida por meio de um indicador: o coeficiente de correlação, definido como:
r = Sxy / Sx Sy
onde Sx e Sy representam os desvios padrões amostrais dos dois conjuntos de dados avaliados.
O valor de r está sempre entre -1 e +1, com r = 0 correspondendo à não associação
linear. Valores negativos de r (quando r < 0) indicam uma associação negativa, ou seja, à
medida que x cresce, y decresce (em média). Por outro lado, quando r > 0 temos uma
correlação positiva e à medida que x cresce, y também cresce. Quanto maior o valor de r
(positivo ou negativo), mais forte é a associação linear entre as variáveis.
Dessa forma, na investigação das causas do processo de desmatamento recente da
Mata Atlântica, a análise do coeficiente de correlação é uma primeira abordagem importante e
necessária para verificar se existe alguma relação entre as variáveis aqui analisadas. As
correlações foram obtidas com a utilização do software econométrico STATA e foram
13 De acordo com GUJARATI (2000), isso ocorre porque a maior parte da teoria da correlação se baseia na hipótese de aleatoriedade das variáveis , enquanto a maior parte da teoria da regressão está condicionada a hipótese de que a variável dependente seja estocástica, mas que as variáveis explicativas sejam fixadas ou não-estocásticas.
49
realizadas para todos os estados do Sul e do Sudeste em conjunto, por região e
individualmente. As tabelas representando as matrizes de correlação se encontram no
apêndice de tabelas. Os valores dos coeficientes de correlação que apresentam o símbolo ‘*’
são aqueles relevantes para um nível de significância de 5%.
Considerando todos os estados (tabela 1 do apêndice), as correlações relevantes são
aquelas entre dados de desmatamento e:
• pessoal ocupado (-0,1802);
• lavoura (-0,1793);
• rebanho bovino (-0,1729);
• tratores (+0,1206);
• madeira em toras (-0,1432);
• variação da produtividade agrícola (+0,0978);
• produtividade agrícola média (+0,0840);
• IDH (-0,1729);
• custo de transporte (+0,1538);
• dummy para município problema (-0,1834); e
• dummies estaduais (exceto dummy Espírito Santo).
A análise desses dados permite a conclusão de que o desmatamento apresenta uma
correlação bem fraca (positiva ou negativa, dependendo do caso) com essas variáveis. Ao
contrário do que se esperava, não se verificou nenhuma associação linear entre desmatamento
e área de pastagem. Uma possível explicação para a inexistência de correlação significativa
entre desmatamento e área de pastagem se deve ao fato de que as variáveis rebanho bovino e
área de pastagem são fortemente correlacionadas (0,7423). Assim, uma variável captaria o
50
efeito da outra, pois se há um aumento do rebanho bovino, a área de pastagem deve ser maior,
a não ser que se pratique uma pecuária mais intensiva.
Outra explicação plausível seria em relação às áreas de lavoura. Estas podem estar
ocupando espaços antes ocupados pelas áreas de pastagens. Ou seja, que haja uma conversão
de áreas de pastagem em áreas de lavoura, implicando que esta variável esteja negativamente
correlacionada com o desmatamento.
A análise dos coeficientes de correlação em níveis regional e estadual mostra
resultados mais relevantes e com diferentes tendências. É interessante observar que “todos os
estados” se parece muito a Região Sudeste e, em particular, com o estado de São Paulo.
Provavelmente, isso se deve ao fato de que o estado de São Paulo possui quase 50% dos
dados da amostra. Os resultados para as Regiões Sudeste e Sul se mostraram bem diferentes.
A um nível de significância de 5%, as variáveis da Região Sudeste (tabela 2 do
apêndice) que apresentaram correlações mais significativas com o desmatamento foram:
pessoal ocupado na área rural, área de lavoura, rebanho bovino, lenha, madeira em toras, PIB
agrícola, variação da produtividade agrícola, produtividade agrícola média, dummy município
problema e dummies para os estados do Rio de Janeiro, São Paulo e Espírito Santo. Já os
estados da Região Sul (tabela 3 do apêndice), apresentaram coeficiente de correlação
relevante com área de lavoura, rebanho bovino, trator, madeira em toras, PIB agrícola, IDH,
custo de transporte, dummy município problema e dummies para Santa Catarina e Rio Grande
do Sul.
Esse resultado é bastante significativo, pois na Região Sul há predomínio de uma
agricultura mais familiar. Sendo assim, o setor agrícola não é um grande empregador de mão
de obra e, nesse contexto, a variável ‘variação do pessoal ocupado’ perde um pouco sua
relevância. Por sua vez, a Região Sudeste é uma área já saturada, onde não há novas terras
51
para expandir as fronteiras agrícolas. Assim, as variáveis de produtividade agrícola são
relevantes nessa região e se correlacionam com o desmatamento.
A seguir, são apresentados os resultados das análises estaduais. Para o estado do Rio
de Janeiro (tabela 4 do apêndice), as correlações significativas, ao nível de 5%, foram entre
desmatamento e: área de lavoura (-0,3675), madeira em toras (-0,3666), PIB municipal
industrial (0,3763) e custo de transporte (0,3176). No caso da lavoura, quanto maior é o uso
intensivo da terra (mais lavoura), menor é a necessidade de atividades predatórias para
geração de renda (assumindo-se que as áreas mais apropriadas ao cultivo já foram há muito
convertidas, e os remanescentes florestais estão em áreas de pouca aptidão para o cultivo).
Já no caso da madeira em toras, quanto maior é a sua disponibilidade (proveniente de
plantações exóticas), menor é o desmatamento. Isso indica que boa parte da pressão sobre
remanescentes florestais é por madeira. Ademais, o Estado do Rio de Janeiro destaca-se por
ser o único no qual desmatamento esteve positivamente associado ao crescimento do PIB
municipal – contudo, do PIB industrial e não do agrícola, como nos demais estados.
Os resultados do Espírito Santo se encontram na tabela 5 do apêndice de tabelas. As
variáveis que apresentaram associação relevante com o desmatamento foram: pessoal
ocupado (-0,3396), área de lavoura (-0,3564), rebanho bovino (0,5067), tratores (0,2895),
madeira em toras (-0,2643) e PIB municipal agrícola (0,4540). Por outro lado, algumas
relações não significantes foram entre desmatamento e: pastagem, extração de lenha, PIB
municipal total, industrial e de serviços, variação da produtividade agrícola, produtividade
agrícola média, IDHM, custo de transporte e dummy para “município problema”.
Merece destaque a correlação entre desmatamento e rebanho bovino que apresenta
valor positivo e de intensidade moderada. Ou seja, quanto maior é o número de cabeças de
gados, mais se desmata. Mas, como a correlação entre desmatamento e áreas de lavoura é
negativa, é provável que haja uma conversão de áreas de lavoura para uso pecuário (para
52
acomodar o maior rebanho). Por essa razão, a correlação positiva entre desmatamento e PIB
agrícola precisa ser melhor qualificada, como será demonstrado na análise de regressão.
Em São Paulo (tabela 6 do apêndice), o desmatamento apresentou correlação
significativa com o número de pessoal ocupado nas áreas rurais (-0,2256), com a extração de
madeira em toras (-0,2325), com o IDH (-0,1169) e com a dummy para município problema (-
0,1655). O desempenho de todos os coeficientes revelou um baixo grau de associação
negativa entre as variáveis. As variáveis pessoal ocupado e IDH apresentaram o sinal
esperado: quanto mais se desmata, há menos empregos e piores são as condições de vida da
população rural., conforme haviam demonstrado em trabalhos anteriores.
Os resultados para os estados da Região Sul se encontram nas tabelas 7, 8 e 9 do
apêndice de tabelas, que se encontra ao final deste trabalho abaixo. No Paraná (tabela 7),
destacaram-se os coeficientes de correlação entre desmatamento e: pessoal ocupado (-0,1127),
rebanho bovino (0,4090), tratores (0,4678), lenha (0,1946), madeira em toras (-0,1748), PIB
municipal agrícola (0,3399), IDH (-0,1333), Custo de Transporte (0,2627), dummy para
município problema (-0,1728).
Já para Santa Catarina (tabela 8), as variáveis que apresentam coeficientes de
correlação relevantes, ao nível de significância de 5%, com o desmatamento são: lavoura (-
0,5892), pastagem (-0,3168), trator (0,3696), madeira em toras (-0,1618), Pib municipal
agrícola (0,1477), IDH (-0,1789), Custo de Transporte (0,1707) e dummy para município
problema (-0,2404).
Por fim, no Rio do Grande do Sul (tabela 9) verificou-se que o desmatamento
apresenta associação linear significativa com as seguintes variáveis de desempenho sócio-
econômico: área de pastagem (-0,1466), tratores (0,3143), lenha (-0,1513), madeira em toras
(-0,4986), PIB municipal agrícola (0,2704), custo de transporte (0,1814) e dummy para
53
município problema (-0,2397). A seção a seguir destaca os resultados mais relevantes dessa
primeira análise das causas do desmatamento da Mata Atlântica.
3.1.2 Destacando os Principais Resultados
A análise acima também confirmou uma tendência regional: enquanto para os estados do
Sudeste as correlações mais relevantes são entre desmatamento e pessoal ocupado, lavoura e
madeira em toras; para os estados da Região Sul os coeficientes mais significativos foram
entre desmatamento e área de pastagem, tratores, lenha, madeira em toras e PIB agrícola. Esse
resultado aponta para o fato do desmatamento, na Região Sudeste, estar ligado à fatores
relacionados com a especulação imobiliária e de infra-estrutura, e não tanto com variáveis de
desempenho agrícola.
Essa primeira análise foi importante para direcionar a abordagem que seria adotada para
a regressão. Como cada estado verificou uma tendência muito particular optou-se por rodar
modelos de regressão definidos: (i) para todos os municípios, (ii) por região, e (iii) para cada
estado, conforme foi feito anteriormente para a correlação. A seção a seguir aborda esse
tópico.
3.2 Modelo de Regressão Múltipla
3.2.1 Metodologia
O exercício que será apresentado a seguir buscou verificar quais são, de fato, os
fatores propulsores do desmatamento na Mata Atlântica, no período de 1985-95/96. Para tal
foi realizado um modelo de regressão linear múltipla onde se contrastou, para o período de
1985-95/96, dados referentes ao desmatamento ocorrido nos municípios das Regiões Sul e
Sudeste14 do Brasil com variáveis de desempenho sócio-econômico, obtidas para os mesmos
estados.
14Devido a um problema metodológica, o estado de Minas Gerais não foi inserido nessa análise. Mais explicações podem ser obtidas em: Young, 2002.
54
Um modelo de regressão linear é considerado múltiplo quando a variável dependente
'Y' depende de duas ou mais variáveis explicativas. Além das hipóteses básicas do modelo
clássico, aquele com apenas uma variável explicativa, supomos que:
• O modelo de regressão múltipla seja linear nos parâmetros. Isto é, as variáveis não
precisam ser lineares, podem assumir outras formas funcionais como logarítmicas ou
quadráticas, por exemplo. Entretanto, os seus coeficientes devem ser lineares.
• Os valores das variáveis explicativas (ou, regressores) devem ser fixados em amostragem
repetida.
• Haja variabilidade suficiente em valores dos regressores.
O modelo de regressão linear múltipla proposto foi o seguinte:
Y = ά + βX1 + β 2 X2 + β3X3 +β 4 X4 + β 5 X5 + β 6X6 + β7X7 + β8X8+β9X9 +β10X10 +β11X11
+β12 X12 +β13X13 +β14X14 +β15X15 + β16X16 + ε
Onde:
Y = variação absoluta do desmatamento entre os períodos 1985-90 e 1990-95 (DESMAT);
X1 = variação absoluta do número de pessoas ocupadas no setor agropecuário nos anos de
1985 e 1995/96 (PO);
X2= variação absoluta do rebanho bovino nos anos de 1985 e 1995/96 (BOV);
X3 = variação absoluta da área de lavoura nos anos de 1985 e 1995/96 (LAV);
X4 = variação absoluta da área de pastagem nos anos de 1985 e 1995/96 (PAST);
X5 = variação absoluta do número de tratores do setor agropecuário nos anos de 1985 e
1995/96 (TRAT);
55
X6 = variação absoluta de lenha15 nos anos de 1985 e 1995/96 (LEN);
X7 = variação absoluta de madeira em toras 16nos anos de 1985 e 1995/96 (TOR);
X8= variação absoluta do PIB municipal nos anos de 1985 e 1995/96 (PIB);
X9= variação absoluta do PIB municipal industrial nos anos de 1985 e 1995/96 (PIBIND);
X10=variação absoluta do PIB municipal de serviços nos anos de 1985 e 1995/96 (PIBSERV);
X11=variação absoluta do PIB municipal agrícola nos anos de 1985 e 1995/96 (PIBAGR);
X12=variação absoluta da produtividade agrícola nos anos de 1985 e 1995/96 (VARPROD);
X13= produtividade agrícola média nos anos de 1985 e 1995/96 (PRODMED);
X14= Índice de Desenvolvimento Humano (IDH), para o ano de 1991 (IDH);
X15= variação absoluta do custo de transporte nos anos de 1980 e 1995/96 (CT);
X16= dummy para município problema (DUM);
ά = coeficiente de intercepto;
βi = declividade do valor médio de Y com relação a Xi, mantendo as demais variáveis
constantes, onde i =1,2,3,...,15,16;
ε = erro aleatório.
Ou seja, tomando-se o desmatamento como variável dependente e o número de
pessoal ocupado, o rebanho bovino, as áreas de pastagem e lavoura, o número de tratores, a
extração de madeira em toras e lenha, Pib municipal total, industrial, de serviços e agrícola,
IDH, custo de transporte e dummy para município problema como variáveis explicativas17,
buscou-se verificar quais destas apresentam uma relação forte e significativa com o
desmatamento. Essa relação pode ser mensurada pelos coeficientes das variáveis, os βi 's.
Estes medem a mudança do valor médio da variável dependente 'Y' a partir de uma variação
unitária na variável explicativa Xi, mantendo as demais variáveis explicativas constantes.
15 Os dados de lenha não são especificados com relação ao percentual de lenha obtida por extrativismo vegetal e
de silvicultura. 16 Idem ao 17. 17Ademais, haviam sido criadas algumas variáveis dummies estaduais. Mas como a análise de regressão optou
por uma abordagem estadual e regional, essas variáveis não foram inseridas nas regressões.
56
Isto é, este coeficiente fornece o efeito “direto” da mudança em uma unidade em Xi
sobre o valor médio de Y, líquido do efeito das demais variáveis explicativas. Assim, a
obtenção de um estimador com alto nível de significância corroboraria a hipótese sustentada
por este trabalho, uma vez que se rejeitaria a hipótese nula (H0: βi = 0). A rejeição da
hipótese nula sinaliza que há a variável i é relevante para explicar o desmatamento.
Para a regressão foram calculadas as variações absolutas do desmatamento e das
demais variáveis entre os anos de 1985 e 1995/96. Algumas exceções são: o custo de
transporte, cujo período de variação é de 1980/1995; o IDH, que foi usado para o ano de
1991, podendo ser interpretado como uma média entre os anos utilizados (1985-1995/96); e, a
variável dummy para município problema, que é atemporal. A fim de tornar as variáveis
homogêneas para todas as regressões, nesse exercício não foram utilizadas as dummies
estaduais, já que seu uso não seria relevante na regressão para cada estado.
Assim, as questões a serem respondidas são as seguintes: (i) a variação do
desmatamento no período 1985-95 é explicada pelas variações das variáveis de uso da terra e
contexto social no período 1985-1995/96?, e (ii) quais destas variáveis são significativas para
explicar o maior desmatamento do período?
A regressão foi rodada no programa E-VIEWS, versão 4.1, e foram usadas as
seguintes especificações: método dos mínimos quadrados ordinários (OLS) com a opção de
coeficiente do tipo White (heterocedasticity consistent coefficient covariance). Os resultados
para o teste de significância dos βι's foram obtidos por estado, por Região (Sul e Sudeste) e
para ambas as regiões, e os resultados se encontram na seção seguinte.
É importante destacar que num modelo de regressão linear múltipla, além do teste de
hipótese individual para cada coeficiente podem ser realizados testes para: (i) verificar se
todos os coeficientes são conjuntamente iguais a zero (teste global); (ii) verificar se dois ou
mais coeficientes são iguais; (iii) saber se os coeficientes satisfazem certas restrições; (iv) a
estabilidade do modelo, e (v) a forma funcional. Assim, se reconhece que este modelo é um
57
tanto simplista e que um tratamento mais apurado dos dados tornaria o trabalho mais preciso.
Seria interessante ter realizado outros tipos de testes, entretanto como o objetivo do trabalho é
verificar quais são as variáveis relevantes e significativas para explicar o desmatamento, o
teste de hipóteses para os parâmetros individuais atende o objetivo aqui proposto.
3.2.2. Análise dos Resultados
O teste de hipótese individual é um teste que utiliza uma estatística t-student para
testar uma hipótese sobre qualquer coeficiente de regressão parcial individual. Ou seja, o
objetivo do teste de hipótese é verificar se a relação entre as duas variáveis tem ou não
importância. As hipóteses que são testadas são a hipótese nula (H0: βi = 0) e a hipótese
alternativa (H1: βi é diferente de zero). A hipótese nula diz que, mantendo as demais variáveis
explicativas constantes, a variável Xi não tem nenhuma influência sobre Y. Ou seja, essa
hipótese tem por objetivo verificar se a variável explicativa tem realmente uma relação com
Y, a variável explicada. Assim, a decisão de aceitar ou não H0 é tomada com base no valor da
estatística teste obtida com os dados disponíveis (Gujarati, 2000).
Nesse trabalho, foram testadas quais são as variáveis explicativas que têm relação
relevante e significativa com o desmatamento. Esta hipótese nula é facilmente testada pelas
abordagens do intervalo de confiança (probabilidade do intervalo conter o verdadeiro valor do
parâmetro), do teste t e do p-valor18. As tabelas abaixo apresentam os valores encontrados
para os βi's, as estatísticas t e os p-valores.
Assumiu-se que todas as equações são da forma linear-linear, e, então, foi estimado
um modelo de regressão múltipla com estimação de mínimos quadrados ordinários. Ao nível
de significância de 10% foram incluídas todas as variáveis explicativas teoricamente
relevantes. Em seguida, as variáveis foram sendo excluídas na medida em que seus
18 Uma outra maneira de realizar o teste de hipótese, de acordo com GUJARATI (2000), é através da adoção da
regra de significância “2 – t”. Segundo essa regra se o número de graus de liberdade de uma amostra for pelo menos 20 e o nível de significância ά for 5%, então a hipótese nula β i= 0 pode ser rejeitada caso o valor da estatística t for maior que 2 em valor absoluto.
58
coeficientes não fossem estaticamente significantes ao nível estabelecido, ou seja, quando
seus p-valores fossem maiores que 0,10. Também foi analisada uma situação mais restritiva,
em que o nível de significância é de 5%.
Ao analisarmos a quarta coluna da tabela 6 abaixo, temos o p-valor das variáveis da
regressão para os estados das Regiões Sul e Sudeste. O p-valor (valor da probabilidade) é
definido como o mais baixo nível de significância com o qual a hipótese nula pode ser
rejeitada. Compara-se o p-valor com um nível de significância considerado razoável, que no
caso desse exercício, está sendo considerado um nível de 10% e de 5%. Assim, se o valor
imaginado para o nível de significância superar o p-valor, a hipótese nula é rejeitada.
Nesse caso em que todos os estados são considerados verificamos que todas as
variáveis são significativas a 5% e, a esse nível, todas elas rejeitam a hipótese nula. Em outras
palavras: o desmatamento recente nas Regiões Sul e Sudeste da Mata Atlântica pode ser
explicado pela variação do número de pessoas ocupadas em estabelecimentos agropecuários,
pela variação do rebanho bovino e da área de pastagem, pela extração de madeira em toras,
pela variação da produtividade agrícola, pelo IDH e pela dummy para municípios problemas.
Esta última variável apresenta a seguinte interpretação: os municípios criados em 1996 que
não apresentaram problemas para serem reagregados para malha municipal de 1985
contribuíram para a redução do desmatamento nos estados das Regiões Sul e Sudeste.
Tabela 6: Resultados das Regiões Sul e Sudeste
Variável Estimativa Estatística t p-valor C 3699.64 6.12 0.00
PO -0.07 -2.93 0.00 BOV 0.05 5.19 0.00 PAST -0.04 -4.64 0.00 TOR -5.58 -4.46 0.00
VARPROD 0.02 2.07 0.04 IDH -4123.07 -5.21 0.00
DUM -506.67 -3.86 0.00
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
59
Com respeito à tendência geral de desmatamento para os estados das Regiões Sudeste
e Sul em conjunto, temos a seguinte conclusão: os municípios que mais desmatam são os que
tiveram maior perda de pessoas ocupadas no campo, maior crescimento do rebanho bovino,
menor aumento das áreas de pastagem, menor aumento na oferta de extração de madeira em
toras, maior crescimento da produtividade em terras agrícolas e menor IDH. Este resultado
evidência, mais uma vez, a relação econométrica entre desmatamento e aspectos do
subdesenvolvimento: ocupação na agricultura e IDH são menores onde as florestas foram
mais atacadas, apesar do aumento do rebanho e da produtividade.
É de se destacar também a relação entre madeira em toras e desmatamento. Vários
críticos das plantações de árvores exóticas apontam essa atividade como causadora de
desmatamento, o que seria descrito por uma relação positiva entre essas variáveis. Entretanto,
os dados resultantes do exercício econométrico apontam para uma forte relação negativa. Isso
se deve ao fato de que, se há maior oferta de madeira plantada, deve haver menor pressão para
desmatar para obter madeira nativa. O mesmo raciocínio vale para a relação entre a lenha e o
desmatamento. Esse resultado é muito importante em termos de política de conservação da
biodiversidade, pois mostra que o reflorestamento industrial pode ser encarado como uma
atividade complementar à conservação e uso sustentável dos remanescentes florestais da Mata
Atlântica.
Outra relação teórica importante é entre produtividade das terras agrícolas e
desmatamento, cujo sinal esperado é negativo. Quando a produtividade aumenta, aumenta o
lucro da atividade agrícola, e este, por sua vez, aumentaria a demanda e o preço das terras,
desencadeando um processo especulativo que acaba estimulando a perda de florestas. Esse
fenômeno já havia sido descrito para a Amazônia (Young, 1997), e demonstrou-se ser válido
também para a Mata Atlântica.
As Regiões Sul e Sudeste são áreas de ocupação antiga e onde a Mata Atlântica
predominava. A intervenção dos diversos ciclos econômicos na mata levou à sua destruição e
60
decadência. Atualmente, a população rural sofre com a ausência de empregos e com a baixa
qualidade de vida a que está condenada. Entretanto, na Região Sul ainda existem algumas
fronteiras agrícolas que acomodam o excedente de mão de obra rural. Logo, não se verifica a
associação entre desemprego e desmatamento. Assim, o próximo exercício foi realizado para
cada região.
Para a Região Sudeste (tabela 7), ao nível de significância de 5%, relevantes para
explicar o desmatamento são pessoal ocupado, rebanho bovino, área de pastagem, madeira em
toras, variação da produtividade agrícola, IDH e dummy para “municípios problemas”.
Observa-se que estes resultados são muito parecidos com aqueles obtidos para os estados do
Rio de Janeiro e de São Paulo: quanto menos pessoas ocupadas, mais rebanho bovino, menos
áreas de pastagem, menos toras, maior produtividade das terras agrícolas, e menor IDH, maior
o desmatamento.
Ou seja, para essa Região o desmatamento está associado ao subdesenvolvimento
(desemprego e piores condições de vida para a população), embora também ligado a maior
rebanho e produtividade. A variável dummy tem a seguinte explicação: os municípios criados
em 1996 que vieram de apenas um município (1985) contribuíram para reduzir o
desmatamento do estado no montante de 491,76 ha. Conforme esperado, o resultado da
Região Sudeste foi muito parecido com o das Regiões Sul e Sudeste juntas. Isso já havia sido
evidenciado na análise de correlação e foi confirmado novamente pela regressão.
Tabela 7: Resultados da Região Sudeste
Variável Estimativa Estatística t p-valor C 4932.04 5.11 0.00
PO -0.17 -3.48 0.00 BOV 0.04 3.11 0.00 PAST -0.04 -2.31 0.02 TOR -5.98 -2.67 0.01
VARPROD 0.02 2.31 0.02 IDH -6001.81 -4.24 0.00
DUM -491.76 -2.27 0.02
61
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
A tabela 8 mostra os resultados do teste de hipótese para a Região Sul. Mais uma vez,
as variáveis relevantes para explicar o desmatamento atendem ambos os níveis de
significância, implicando que elas sejam estatisticamente significantes para um nível de 5%.
Tabela 8: Resultados da Região Sul
Variável Estimativa Estatística t p-valor C 2548.26 3.41 0.00
LAV -0.03 -2.93 0.00 BOV 0.04 3.31 0.00 PAST -0.03 -3.51 0.00 TRAT 3.20 5.81 0.00 TOR -4.38 -3.72 0.00
PIBSERV 0.00 3.50 0.00 PIBAGR 0.01 2.40 0.02
VARPROD -0.03 -2.21 0.03 IDH -2840.60 -2.91 0.00
DUM -357.66 -2.54 0.01
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Assim, o desmatamento da Região Sul pode ser explicado pela variação das seguintes
variáveis: áreas de lavoura e pastagem, rebanho bovino, número de tratores, madeira em toras,
PIB municipal de serviços e agrícola, variação da produtividade agrícola, IDH e dummy para
município problema. Ao contrário da Região Sudeste, para a Região Sul não foi verificado
nenhuma relação entre desmatamento e pessoal ocupado. Isso também estar ligado à
mecanização da agricultura: o desmatamento e o número de tratores possuem uma relação
significativa. Assim, é provável que a mecanização do campo esteja reduzindo a necessidade
de mão-de-obra neste setor e o desmatamento, ainda que tenha algum efeito sobre a atividade
econômica (PIB), não melhora as condições de vida da população (relação negativa com o
IDH). Da mesma forma que na Região Sudeste, a variável dummy teve sinal negativo para os
estados da Região Sul. Isso significa que os municípios criados em 1996 que vieram de
62
apenas um município (1985) contribuíram para mitigar o desmatamento da região. Esta
redução do desmatamento foi da magnitude de 357,66 ha.
Para a Região Sul temos as seguintes conclusões: quanto menores as áreas de lavoura
e pastagem, maiores os rebanhos bovinos, mais tratores, menor extração de madeira em toras,
maior PIB municipal de serviços e agrícola, menor produtividade da terra e menor IDH, mais
se desmata na Região Sul. Ou seja, desmatamento também está associado a
subdesenvolvimento, mas num estágio de ocupação da terra diferente do da Região Sudeste.
A análise das regressões para cada região apontou algumas tendências que podem ser
confirmadas na análise econométrica estadual. Percebemos, por exemplo, que enquanto a
variável pessoal ocupado é significativa em todas as regressões dos estados da Região
Sudeste, esta não aparece em nenhuma regressão para os estados da Região Sul. Assim, para
verificar se existe alguma tendência de desmatamento estadual, que pudesse orientar uma
política mais focada, foram realizadas regressões para cada um dos seis estados das Regiões
Sul e Sudeste.
Observando a quarta coluna da tabela 9 abaixo, obtemos o p-valor para cada
coeficiente da regressão do estado do Rio de Janeiro. A um nível de significância de 10%,
observa-se na tabela 14 que a hipótese nula é rejeitada para todas as variáveis. Ou seja, o
desmatamento no estado do Rio de Janeiro pode ser explicado pela variação do pessoal
ocupado, das áreas de lavoura e pastagem, pela extração de madeira em toras, pela variação
da produtividade agrícola e pelo IDH. Os mais baixos dos p-valores foram para as variáveis:
área de lavoura, área de pastagem, extração de madeira em toras e variação da produtividade
agrícola. Reduzindo o nível de significância para 5%, apenas a variável IDH deixa de
apresentar relação significativa com o desmatamento.
63
Tabela 9: Resultados do Rio de Janeiro
Variável Estimativa Estatística t p-valor C 11208.71 1.99 0.05
PO 0.15 2.04 0.05 LAV -0.18 -3.73 0.00 PAST -0.15 -3.60 0.00 TOR -1098.30 -3.08 0.00
VARPROD 0.03 6.73 0.00 IDH -13869.57 -1.71 0.09
DUM -360.46 -0.42 0.67
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
A segunda coluna dessa tabela contem os valores dos �i's, ou seja, o valor dos
coeficientes das variáveis explicativas relevantes. Como esperado, o IDH é relacionado
inversamente com o desmatamento. Isto é, quanto piores são as condições de vida da
população maior será o desmatamento no município. Ou seja, o desmatamento é muito mais
fruto do empobrecimento do que do enriquecimento.
A correlação entre desmatamento e áreas de lavoura e pastagem é negativa, mas
positiva com produtividade das terras agrícolas. Isso indica que o aumento de produtividade
leva, como esperado, à maior demanda de terra; porém, quanto maior a disponibilidade de
terras já convertidas, menor é a pressão por desmatamento. Do mesmo modo, a correlação
negativa entre desmatamento e o crescimento no volume de madeira em toras indica que onde
é maior a disponibilidade de madeira, em regiões onde predominam plantações industriais,
menor é a pressão para desmatar. Esse resultado é consistente em quase todas as regressões e
sugere que as plantações de espécies exóticas (Pinus e eucalipto, principalmente) tiveram um
papel importante para reduzir a pressão sobre os esparsos fragmentos de Mata Atlântica
remanescentes.
Um resultado diferenciado do estado do Rio de Janeiro está associação positiva entre
desmatamento e o número de pessoas ocupadas no campo: em São Paulo e Espírito Santo esta
relação é negativa, e na Região Sul ela não é significativa. Uma possível explicação está na
64
relativa estagnação agrícola fluminense. O processo de ocupação do Estado do Rio de Janeiro
é um dos mais antigos do país, atravessando inúmeros ciclos econômicos de extração e de
produção, predominando o ciclo perverso de avanço da fronteira agrícola: ‘mata-agricultura-
pastagem’. A cobertura original de mata Atlântica, que era de quase 100%, foi reduzida para
cerca de 20%, um número relativamente alto, mas que está fortemente concentrado em áreas
montanhosas de difícil acesso, baixa aptidão agrícola e grande propensão à erosão.
A cafeicultura no século XIX foi particularmente perversa para os solos dos vales
onde era praticada, diminuindo incrivelmente sua fertilidade. A abertura de novas fronteiras e
o aumento da produção dessa commodity levou à queda dos preços e, consequentemente, à
redução da lucratividade. Em seguida, as áreas com os solos degradados foram abandonadas
ou ocupadas por atividades de baixíssima produtividade, principalmente pecuária extensiva.
No Norte fluminense, o principal cultivo era o de cana de açúcar. Mas, incapaz de competir
com os produtores paulistas, muito melhor estruturados, essa atividade também entrou em
declínio. Atualmente, as principais atividades do estado se concentram nos setores de serviços
e indústria (inclusive extração de petróleo), e a agricultura possui papel bastante marginal na
economia do estado: menos de 1% do PIB estadual (ver tabela 10).
Tabela 10: Contribuição da agricultura para o PIB estadual (em %), 2000
Estado % do PIB Estadual
Rio de Janeiro 0,7
São Paulo 4,1
Espírito Santo 8,8
Rio Grande do Sul 12,0
Paraná 13,7
Santa Catarina 13,8
Fonte: IBGE, Contas Regionais 2000
65
Comparando com o Rio de Janeiro, o estado do Espírito Santo (tabela 11) apresentou
um padrão ligeiramente diferente de desmatamento. No estado capixaba, a variação do
número de pessoal ocupado na agricultura, do rebanho bovino, das áreas de pastagem e da
extração de lenha estão correlacionados com o desmatamento ao nível de 5%, e a dummy para
“município problema” com significância de 10%. .
Tabela 11: Resultados do Espírito Santo
Variável Estimativa Estatística t p-valor C 467.38 2.17 0.03
PO -0.18 -3.22 0.00 BOV 0.13 4.10 0.00 PAST -0.11 -2.59 0.01 LEN -4.24 -5.18 0.00 DUM -198.86 -0.79 0.43
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Como já alertado antes, o desemprego na agricultura foi maior onde houve mais
desmatamento. Combinado com a informação de que o crescimento do rebanho bovino
também foi positivamente relacionado ao desmatamento, identifica-se claramente na pecuária
uma forte pressão para conversão de florestas em pastagens. Como no caso do Rio de Janeiro,
a maior disponibilidade de áreas de pastagens (já convertidas, obtidas em sua maioria pela
conversão de antigas áreas de cultivo) é um freio ao desmatamento. No caso capixaba,
madeira em toras não apresenta significância, mas seu papel é substituído por lenha: quanto
maior o crescimento de sua disponibilidade (também oriundo basicamente de plantações
florestais), menor o desmatamento.
Segundo estatísticas mais recentes, o estado do Espírito Santo perdeu 1,19% de sua
Mata Atlântica no período de 1995-2000. A conservação da flora e da fauna é prejudicada
pela grande fragmentação das matas. Assim como o Rio de Janeiro, este estado vem
apresentando uma significativa redução de suas áreas de pastagem devido ao declínio das
66
antigas regiões de fronteira agropecuária. Contudo, o aumento do rebanho bovino no estado
indica a prática de uma pecuária intensiva (mais bois em menores áreas de pastagens).
A tabela 12 contém os resultados para o estado de São Paulo. No teste de hipótese,
todas as variáveis rejeitam a hipótese nula com um nível de significância de 5% . A variável
variação da produtividade agrícola foi a que apresentou o mais baixo p-valor, mas seu
coeficiente é praticamente nulo. As seguintes variáveis apresentaram correlação significativa:
pessoal ocupado em estabelecimentos rurais (-), extração de madeira em toras (-),
produtividade agrícola (+) e IDH (-), um padrão semelhante ao dos casos anteriores.
Tabela 12: Resultados de São Paulo
Variável Estimativa Estatística t p-valor C 1894.60 2.96 0.00
PO -0.08 -2.40 0.02 TOR -5.95 -2.71 0.01
VARPROD 0.00 4.10 0.00 IDH -2065.41 -2.53 0.01
DUM -300.63 -2.06 0.04
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Segundo dados do Ministério do Meio Ambiente, o estado de São Paulo apresentava,
originalmente, 82% do seu território coberto por vegetação florestal. A introdução da lavoura
do café e sua expansão em meados do século XIX aceleraram a perda de florestas no estado.
Somado a isso, a desordenada e crescente expansão urbana atingem os remanescentes
florestais das regiões periféricas e serranas.
Assim, o ciclo perverso da fronteira agrícola foi cumprido no estado e, atualmente, a
conversão de florestas para fins agropecuários não é uma pressão para o desmatamento
paulista. A decadência econômica do setor rural implica na redução dos postos de trabalho e
numa baixa qualidade de vida das populações rurais (baixo IDH). As poucas áreas de plantio
e pasto que ainda restam possuem preços elevados, o que é refletido pela maior produtividade
agrícola.
67
Com um nível de significância de 5%, o desmatamento paranaense (tabela 13) pode
ser explicado pela variação da área de lavoura (+) e pastagem (-), pelo rebanho bovino (+),
pela variação no número de tratores (+), pela extração de madeira em toras (-) e pela variação
da produtividade das terras agrícolas (+). Ao considerarmos um nível de significância de
10%, temos que variável IDH também se mostra significativa (-). Ou seja, no Paraná temos
que o maior desmatamento está associado a: maior área de lavoura, maior rebanho bovino,
menor área de pastagem, mais tratores, menor extração de madeira em toras, maior
produtividade da área agricultável e menor IDH.
Tabela 13: Resultados do Paraná
Variável Estimativa Estatística t p-valor C 2810.82 1.99 0.05
LAV 0.05 2.88 0.00 BOV 0.06 3.67 0.00 PAST -0.04 -3.43 0.00 TRAT 4.06 4.03 0.00 TOR -4.44 -3.49 0.00
VARPROD 0.02 2.21 0.03 IDH -3581.61 -1.73 0.08
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Ao contrário dos estados da Região Sudeste, os resultados do Paraná apontam para um
avanço da fronteira agrícola, sendo o único caso onde se constatou relação positiva entre
desmatamento e áreas de lavoura, que são mais intensivas em mão de obra. Nesse estado, o
ciclo ainda não foi finalizado e o desmatamento ainda avança sobre os remanescentes
florestais expandindo as áreas de lavoura, que apresentam uma maior produtividade agrícola
(preço elevado, em função da escassez de terras agricultáveis).
Pela mesma razão, existe correlação positiva entre desmatamento e o crescimento no
número de tratores, indicando forte mecanização. Por essas razões, a relação positiva entre
desmatamento e cultivo não se traduziu em aumento do pessoal ocupado na agricultura: se
houve aumento da área, foi ocupado por tratores, não por trabalhadores. E a correlação
68
negativa com o IDH mostra que o desmatamento tampouco melhorou as condições de vida da
população rural. Como nos casos anteriores, o crescimento do rebanho bovino acelera, mas o
das áreas de pastagem freia o desmatamento. O crescimento da oferta de madeira em toras
também segue o padrão dos demais estados.
A destruição das florestas no estado de Santa Catarina acelerou-se no século XX,
quando ocorreu expansão da população e avanço da fronteira agrícola. Para este estado,
observando a tabela 14 e considerando um nível de significância de 10%, as variáveis que são
relevantes para explicar o maior desmatamento são: área de lavoura (-), rebanho bovino (+),
área de pastagem (-) e custo de transporte (-). Dentre estas, apenas a variável área de lavoura
é a única que é relevante ao nível de significância de 5%.
Um resultado interessante de Santa Catarina é o de que o desmatamento tende a ser
menor em áreas onde o custo de transporte é mais alto (ou seja, mais remotas). Esse resultado
é típico da literatura sobre desmatamento em áreas de fronteira agricultura, indicando que a
ocupação da fronteira catarinense ainda não se esgotou completamente. Nesse caso,
investimentos em infra-estrutura, especialmente de transportes, podem induzir o aumento do
desmatamento e agravar os impactos ambientais na Região.
Tabela 14: Resultados de Santa Catarina
Variável Estimativa Estatística t p-valor C 1034.93 2.54 0.01
LAV -0.06 -8.9 0.00 BOV 0.09 1.89 0.06 PAST -0.06 -1.63 0.10
CT -0.99 -1.72 0.09 DUM -788.65 -1.88 0.06
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Para o estado do Rio Grande do Sul (tabela 15), as variáveis relevantes para explicar o
desmatamento são: área de lavoura (-) e pastagem (-), número de tratores (+), extração de
madeira em toras (-) e PIB municipal agrícola (+). Todas essas variáveis rejeitam a hipótese
69
nula para o nível de significância de 5%. O Rio Grande de Sul apresenta semelhanças com os
casos do Paraná e Santa Catarina. Contudo, trata-se do único caso onde uma relação positiva,
embora de coeficiente muito baixo, foi encontrada entre desmatamento e crescimento do PIB
agrícola municipal. Por outro lado, não se deve ignorar que o desmatamento também está
associado à mecanização (medida pelo número de tratores) e ao aumento da produtividade.
Portanto, se houve algum ganho econômico, ele não se refletiu em termos sociais – nem o
emprego rural nem o IDH mostraram correlação significativa com o desmatamento.
Tabela 15: Resultados do Rio Grande do Sul
Variável Estimativa Estatística t p-valor
C 113.93 2.09 0.04 LAV -0.03 -3.94 0.00 PAST -0.01 -2.28 0.02 TRAT 2.43 3.71 0.00 TOR -119.80 -8.27 0.00
PIBAGR 0.01 2.04 0.04
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
A tabela 16 abaixo apresenta o coeficiente de determinação de cada regressão (R2).
Em seguida, a tabela 17 faz um resumo das variáveis significativas (para um nível de
significância de 10%) em todas as regressões acima apresentadas.
Tabela 16: Coeficiente de Determinação (R2) das Regressões
Estado/Região R2
Rio de Janeiro 37% Espírito Santo 53%
São Paulo 14% Região Sudeste 20%
Paraná 43% Santa Catarina 42%
Rio Grande do Sul 44% Região Sul 35%
Regiões Sul e Sudeste 18% Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
70
Tabela 24: Resumo das Variáveis Significativas das Regressões
Variável/Estado RJ ES SP PR SC RS Sudeste Sul Sudeste + SulPO + - - - - LAV - + - - - BOV + + + + + + PAST - - - - - - - - TRAT + + + LEN - TOR - - - - - - - PIB PIBIND PIBSERV + PIBAGR + + VARPROD + + + + - + PRODMED IDH - - - - - - CT - DUM - - - - - - -
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA. 3.3. Conclusões
Este capítulo teve como objetivos fazer as análises das correlações entre
desmatamento, variáveis de uso da terra e de contexto social, além de estimar um modelo de
regressão múltipla para o desmatamento. Foi escolhida como variável a ser explicada a
variação do desmatamento nos estados das Regiões Sul e Sudeste, no período de 1985-95/96.
Como variáveis explicativas foram selecionadas variáveis de uso da terra, tais como: extração
de lenha e madeira em toras, áreas de lavoura e pastagem, e variáveis de contexto social, tais
como: PIB municipal, IDH, produtividade das terras agrícolas, pessoal ocupado, dentre
outras.
Com base nessas variáveis foram estimados modelos de regressão do desmatamento
para ambas as regiões, para cada região e para cada estado. Os resultados deste capítulo
mostram que estados da mesma região apresentam uma tendência de desmatamento
semelhante. Entretanto, quando todos os estados são considerados conjuntamente, a análise
71
dos resultados leva à conclusão de que o desmatamento recente na Mata Atlântica no período
1985/95-96, está econometricamente associado ao subdesenvolvimento, isto é, desemprego e
baixo IDH.
Em geral, o desmatamento pode ser explicado pela diminuição do número de pessoas
ocupadas na área rural, pelo maior rebanho bovino, pela diminuição das áreas de pastagem,
pela menor extração de madeira em toras e pelo baixo IDH. Em outras palavras, regiões rurais
e pobres, com menos população ocupada, mas com maior rebanho bovino em menores áreas
de pastagem e menos extração de madeira em toras, desmatam mais. Assim, a questão que se
coloca é se, dentro desse quadro que caracteriza a história da exploração predatória dos
recursos naturais em níveis estadual, regional e nacional, existe alguma esperança de que haja
uma inversão do atual estado de depredação da Mata Atlântica.
72
Conclusão
O ser humano necessita das florestas. Particularmente, as pessoas que vivem nas áreas
rurais e nas suas proximidades, dependem intensamente delas para sobreviverem. Contudo, o
acelerado desmatamento vem provocando uma redução muito rápida dos recursos florestais,
além de ameaçar a biodiversidade com as elevadas emissões anuais de gás carbônico. A Mata
Atlântica é um bioma no qual a população rural, apesar de menor, vem sofrendo muitos
impactos negativos, tais como: pobreza, desemprego e menor renda. Assim, esse trabalho
busca estimular as pessoas a repensarem o preço do desenvolvimento às custas da destruição
dos ecossistemas.
Na primeira parte deste trabalho o objetivo foi enumerar as variáveis que seriam
relevantes para explicar o desmatamento atlântico. A história do desmatamento da Mata
Atlântica, descrita no primeiro capítulo, nos revela os múltiplos fatores que levaram a sua
depredação. Assim, é muito difícil eleger somente um fator responsável pelo desmatamento
da Mata Atlântica. A causa da devastação dessa biota está intrinsecamente relacionada com a
interação perversa dos diversos fatores enumerados: geográfico-ambientais, sócio-econômicos
e histórico-institucionais.
Como a Mata Atlântica é uma área de desmatamento antigo, verificou-se que o
colonialismo foi a principal causa do desmatamento. De acordo com Pádua (2003), a
ignorância dos escravos e as técnicas agrícolas arcaicas por eles utilizadas acabavam com a
fertilidade do solo. Logo, era necessário desmatar terras mais férteis para dar continuidade a
exploração.
Mais tarde percebeu-se que, mesmo com o fim da escravidão, o desmatamento
continuou de maneira acelerada. O Brasil avançava no seu processo de industrialização, mas a
agricultura praticada ainda era precária. Isso implicou, por muitas décadas, na continuação
73
acelerada do desmatamento. O desmatamento passou a ser causado pelos incentivos
econômicos que se podiam obter com a expansão da agricultura. Tanto ricos como pobres
destroem florestas na espera de obter lucros, mas os retornos apresentados são muito
variáveis.
No segundo capítulo foi realizada uma revisão bibliográfica dos textos que tratavam
de causas de desmatamento com o intuito de selecionar as variáveis relevantes para explicar o
desmatamento. Assim, os textos pesquisados e estudados apontaram na direção da escolha das
seguintes variáveis para montar o modelo de desmatamento para a Mata Atlântica:
remanescentes florestais de Mata Atlântica; pessoal ocupado nos estabelecimentos
agropecuários; áreas de lavouras e pastagem; rebanho bovinos; número de tratores; extração
de lenha; extração de madeira em toras; PIB municipal total, industrial, de serviços e agrícola;
produtividade média rural; variação da produtividade rural; Indice de Desenvolvimento
Humano (IDH); e Custo de transporte da sede do municipio até a capital do estado.
A segunda parte desta dissertação foi dedicada à estimação de um modelo de regressão
linear múltipla para o desmatamento da Mata Atlântica, com estimação de Mínimos
Quadrados Ordinários (MQO). A variação do desmatamento nos estados das regiões Sul e
Sudeste, no período de 1985-95/96, foi escolhida como variável a ser explicada. As demais
variáveis, de uso da terra e de contexto social, foram utilizadas como explicativas. Com base
nessas variáveis foram estimados modelos de regressão do desmatamento em nível estadual,
em nível regional e para ambas as regiões.
A análise dos resultados levou a conclusão de que o desmatamento da Mata Atlântica
no período 1985/95-96, está econometricamente associado ao subdesenvolvimento, isto é,
desemprego e baixo IDH, ao contrário do que apregoam os que defendem abrandamento da
legislação ambiental. Em geral, o desmatamento pode ser explicado pela diminuição do
número de pessoas ocupadas na área rural, pelo maior rebanho bovino, pela diminuição das
áreas de pastagem, pela menor extração de madeira em toras e pelo baixo IDH. Em outras
74
palavras, regiões rurais, longínquas e pobres, com menos população ocupada, mas com maior
rebanho bovino, menor área de pastagem e menos extração de madeira em toras, desmatam
mais.
Por meio dos resultados, observou-se que estados da mesma região apresentam uma
tendência de desmatamento próxima. Isso é um importante indicador de que a política
ambiental a ser implementada para a Mata Atlântica deve se focar nas idiossincrasias de cada
estado, e, no máximo na região a que o estado pertence. Dessa forma, os impactos de tais
políticas serão muito maiores. Contudo, em geral, o avanço da destruição se dá da seguinte
forma: as lavouras que são abandonadas ficam sujeitas aos efeitos perversos da erosão e se
transformam em pastagens de baixíssimo dinamismo econômico, e desempregando
trabalhadores. Completa-se, assim, o ciclo trágico: ‘mata-agricultura-pasto’.
É importante destacar que o modelo de regressão linear múltipla utilizado é um tanto
simplista e que um tratamento mais apurado dos dados tornaria o trabalho mais preciso. Isso
deixa um espaço aberto para futuras aprimorações. Seria interessante realizar outros tipos
testes de hipótese, fazer um modelo com painel ou cross-section além de análise de previsão.
Percebe-se, claramente, que a biota atlântica necessita de um fortalecimento urgente
da governança das florestas. Na atual sistemática, a devastação poderá ser retardada, mas não
eliminada. É preciso preservar o que ainda resta da Mata Atlântica e melhorar as perspectivas
econômicas da população rural com a criação de empregos e melhores condições de vida.
Atualmente já se verificam algumas iniciativas de preservação e uso sustentável do meio
ambiente. Dentre as ações que estão sendo implementadas, vale destacar: lei da Mata
Atlântica, ICMS ecológico e IR ecológico. Com essas medidas, busca-se diminuir o ritmo de
desmatamento nesse bioma, e, quem sabe, recuperar parte do que foi perdido.
75
Referências Bibliográficas
ANDERSEN, E. L. & REIS, E. J., 1997, Deforestation and Government Policy in the Brazilian Amazon: an Econometric Analysis. Texto para discussão, nº 513, IPEA.
ANDRADE, M.T.N., É Preciso Desmatar para Crescer? Evidências Empíricas para a Região Sul do Brasil. Graduação em Economia. Universidade Federal do Rio de Janeiro, UFRJ, Brasil, 2003.
ANGELSEN, A. & KAIMOWITZ, D., 1999. "Rethinking the causes of Deforestation: Lessons from Economic Models". The World Bank Research Observer, v. 14, n. 1, pp.73-98.
CABRAL, F. S. Desenvolvimento econômico, pobreza e desmatamento: Evidências Empíricas para as Regiões Sul e Sudeste no período 1991-2000. Graduação em Economia. Universidade Federal do Rio de Janeiro, UFRJ, Brasil, 2004.
CÂMARA, I.G., Brief History of Conservation in the Atlantic Forest, in: The Atlantic Forest of South America: Biodiversity Status, Threats and Outlook. Edited by Carlos Galindo-Leal and Ibsen de Gusmão Câmara. Center for Applied Biodiversity Science at Conservation International 2003 Ed.: Island Press, Washington, cap. 4, pp.31- 43.
CASTRO DE REZENDE, G. “Ocupação Agrícola e Estrutura Agrária no Cerrado: o papel do Preço da Terra, dos Recursos e da Tecnologia”. DIMAC/IPEA. Texto para discussão, n 114. Agosto, 2002.
DEAN, W., A Ferro e Fogo, A História e a Devastação da Mata Atlântica Brasileira. São Paulo: Companhia das Letras, 1996.
DORE, M., JOHNSTON, M. and STEVENS, H., 1996. Global Tropical Relations and the Phenomenon of Tropical Deforestation. Internet (http://spartan.ac.brocku.ca/~dore/tropical_deforestation)
FERRAZ, C. M., 2000. Measuring the Causes of Deforestation, Agriculture, Land Conversion and Cattle Ranching Growth: Evidence from the Amazon. IPEA, Draft.
FUNDAÇÃO SOS Mata Atlântica, Instituto Nacional de Pesquisas Espaciais e Instituto Socioambiental (1998). Atlas da evolução dos remanescentes florestais e ecossistemas associados no Domínio de Mata Atlântica no período 1985-1995. São Paulo: SOS Mata Atlântica
GEIST, H. J. & LAMBIM, E. F., 2002, "Proximate Causes Underlying Driving Forces of Tropical Deforestation", BioScience, v.52, n. 2, pp. 143-150.
GUJARATI, D.N., Econometria Básica. São Paulo: Pearson Eduacation do Brasil, 2000.
LEAL, C.G.; CÂMARA, I.G. Atlantic Forest Hotspot Status: An Overview. In: The Atlantic Forest of South America: Biodiversity Status, Threats and Outlook. Edited by Carlos Galindo-Leal and Ibsen de Gusmão Câmara. Center for Applied Biodiversity Science at Conservation International 2003 Ed.: Island Press, Washington, cap. 1, p.3-11.
76
MARGULLIS, S., 2003, Causas do Desmatamento da Amazônia Brasileira, Banco Mundial, Brasília.
PÁDUA, J. A. Um sopro de destruição: pensamento político e crítica ambiental no Brasil escravista (1786-1888). Rio de Janeiro, Jorge Zahar Editor, 2002.
PALO, M. & LEHTO, E. “ Tropical Asian Deforestation and Sustainability Prospects”. Finnish forest Research Prospects, Finland, 1996.
PARAYIL, G. & TONG, F. “ Pasture-led to Logging-led deforestation in the Brazilian Amazon: the dynamics of socio-environmental change”. Global Environmental Change, Vol.8. no 1, pp. 63-79, 1998.
PFAFF, A. “ What Drives deforestation in the Brazilian Amazon?”. MIT Department of Economics, April 1994.
REIS, E. J. and MARGULLIS, S., 1991. Options for Slowing Amazon Jungle Clearing. In: Economic Policy Responses to Global Warming. R. Dornbusch and J. Poterba (ed.) Cambridge, MA., MIT Press.
REIS, E. J., 1996. Os Impactos do Pólo Siderúrgico de Carajás no desflorestamento da Amazônia Brasileira. In: A Economia Brasileira em Perspectiva. Rio de Janeiro, IPEA, v.2, pp. 691-715.
SOUTHGATE, D. “Tropical Deforestation and Agricultural Development in Latin America”. The World Bank Environment Department. Divisional, Working Paper, number 1991-20. March 1991.
TOLE, L. “Sources of Deforestation in Tropical Development Countries”. Institute of Ecology & Resource Management, University of Edinburgh. Environmental Management, Vol. 22, no 1, pp. 19-33, 1998.
YOUNG, C. E. F., Economic adjustment policies and the environment: a case study of Brazil, Doutorado in Economics, University of London, 1997.
YOUNG, C. E. F. Public Policies and Deforestation in the Brazilian Amazon. In: Planejamento e Políticas Públicas, nº 18. IPEA, 1998.
YOUNG, C. E. F., Causas Sócio-Econômicas do Desflorestamento em Áreas de Mata Atlântica In: Carlos Galindo-Leal; Ibsen de Gusmão Câmara. (Org.). Mata Atlântica: biodiversidade, ameaças e perspectivas. Belo Horizonte e São Paulo: Conservação Internacional e Fundação SOS Mata Atlântica, 2005, v., p. 103-118.
YOUNG, C. E. F., Is Deforestation a solution for growth in rural areas? Evidence from the Brazilian Mata Atlantic, Working Paper Series, No. CBS-36-02, Centre for Brazillian Studies, University of., 2002.
YOUNG, C.E.F., Economia do Extrativismo em áreas de Mata Atlântica. In (eds): Sustentável Mata Atlântica. A exploração de seus recursos florestais. p173-184. São Paulo: Editora SENAC, 2002.
YOUNG, C.E.F. Desenvolvimento e Meio Ambiente: Uma Falsa Incompatibilidade. Revista Ciência Hoje 211 – dez /2004.
77
VIANNA RODRIGUES, R.L. Análise dos fatores determinantes do desflorestamento na Amazônia legal e cenários das emissões brutas de gases de efeito estufa em razão da conversão de florestas em atividades de agricultura e pecuária na Região em 2020. Rio de Janeiro, 2004 - COPPE/UFRJ.
78
Apêndice de Tabelas
Tabela 1: Matriz de correlações para todos os estados
desmat po lav bov past trat lendesmat 1,0000
po -0.1802* 1,0000lav -0.1793* 0.4028* 1,0000bov 0.1729* -0,0074 0.0944* 1,0000past -0,0436 0.0739* 0.1852* 0.7423* 1,0000trat 0.1206* 0.0716* 0.1031* 0.1591* 0.1215* 1,0000len -0,0148 -0,0057 -0,0180 -0,0214 -0,0180 -0,0167 1,0000tor -0.1432* -0,0254 0,0440 -0,0107 -0,0016 -0,0364 0,0405pib 0,0129 -0,0252 -0,0021 -0,0102 0,0054 -0.0529* 0,0011
pibind 0,0141 -0,0106 -0,0021 -0,0037 0,0086 -0,0478 -0,0004pibserv 0,0111 -0,0354 -0,0035 -0,0144 0,0037 -0.0566* 0,0021pibagr 0,0496 0.1297* 0.1433* 0,0110 -0,0265 0.1495* -0,0167
varprod 0.0978* -0,0224 0,0143 -0,0066 -0,0023 -0,0469 0,0055prodmed 0.0840* -0,0075 0,0260 -0,0083 0,0012 -0,0498 0,0074
idh -0.1729* 0.0649* 0,0108 -0.2346* -0.1741* -0,0255 -0,0091ct 0.1538* -0.2433* -0.2137* 0.0657* -0,0152 0,0485 0,0128
Município -0.1834* 0.2386* 0.2250* - 0,0208 0.0594* -0,0499 -0,0349drj 0.3587* -0.1568* -0,0362 0,0036 -0,0384 -0,0517 0,0172des 0,0418 -0,0135 -0,0250 0,0054 0,0108 0,0001 0,0163dsp -0.2146* 0.1909* 0.1453* -0,0442 0,0004 -0,0465 0.0639*dpr 0.0616* -0.1025* 0,0385 0.2007* 0.2208* 0.0845* 0,0421dsc 0.0654* 0.1137* -0,0465 0,0513 0,0327 0.0948* -0.1991*drg -0.0669* -0.1473* -0.1549* -0.2145* -0.2571* -0.0914* 0,0363
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA. Tabela 1: Matriz de correlações para todos os estados (continuação)
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0000 1,0000
pibind -0,0021 0.9797* 1,0000pibserv 0,0012 0.9916* 0.9458* 1,0000pibagr 0,0124 -0.0613* -0.0726* -0.0624* 1,0000
varprod 0,0063 0.4797* 0.4470* 0.4905* -0,0276 1,0000prodmed 0,0085 0.4235* 0.3684* 0.4500* -0,0467 0.8573* 1,0000
idh 0.0634* 0.0897* 0.0726* 0.0978* 0,0340 0.0666* 0.0856*ct -0,0007 0,0075 0,0158 0,0023 -0,0232 0,0026 0,0188
Município| -0.0247 - -0,0039 -0,0077 0,0013 0,0296 0,0067 0,0180drj 0,0177 0,0101 -0,0081 0,0219 -0,0283 0.0809* 0.0929*des 0,0124 -0,0017 -0,0003 -0,0040 -0,0099 -0,0135 -0,0183dsp 0,0421 0,0034 -0,0073 0,0106 -0,0127 0,0333 0.0528*dpr -0,0435 -0,0049 0,0026 -0,0090 -0,0444 -0,0296 -0,0415dsc -0.0619* -0,0008 0,0078 -0,0072 0.0909* -0,0265 -0,0348drg 0,0339 -0,0029 0,0040 -0,0071 0,0021 -0,0232 -0,0321
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA.
79
Tabela 1: Matriz de correlações para todos os estados (continuação)
idh ct m drj des dsp dpridh 1,0000ct 0.0862* 1,0000
Município| -0.0568* - 0.5472* 1,0000drj -0.0653* -0,0380 -0,0275 1,0000des -0.2525* -0,0322 -0,0382 -0,0437 1,0000dsp 0.2945* -0.2416* 0.1834* -0.1715* -0.1628* 1,0000dpr -0.4445* 0.0723* 0,0298 -0.1129* -0.1072* -0.4202* 1,0000dsc 0.1228* 0.0961* -0.0677* -0.0863* -0.0819* -0.3212* -0.2115*drg 0.1591* 0.1831* -0.1731* -0.0974* -0.0924* -0.3623* -0.2386*
unic m
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA. Tabela 1: Matriz de correlações para todos os estados (continuação)
dsc drgdsc 1,0000drg -0.1824* 1,0000
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 2: Matriz de Correlações Região Sudeste
desmat po lav bov past trat lendesmat 1,0000
po -0,0584 1,0000lav -0.1639* 0.3859* 1,0000bov 0.2017* 0,0294 0.1706* 1,0000past -0,0475 0.0878* 0.2333* 0.7715* 1,0000trat 0.3749* 0.1770* 0.2513* 0.3418* 0.2633* 1,0000len -0,0158 -0,0196 -0,0307 -0,0211 -0,0186 -0,0242 1,0000tor -0.1729* -0,0459 0,0483 -0,0107 0,0046 -0.0801* 0,0411pib 0,0030 -0,0256 -0,0092 -0,0022 0,0018 -0,0472 0,0069
pibind -0,0117 -0,0305 -0,0275 0,0207 0,0244 -0,0305 0,0060pibserv -0,0050 -0,0316 -0,0070 -0,0226 -0,0110 -0,0692 0,0081pibagr 0.2625* 0.2052* 0.1434* 0.1636* 0,0238 0.3487* -0,0289
varprod -0,0317 0,0178 0,0252 -0,0193 -0,0026 -0,0551 0,0080prodmed -0,0357 0,0216 0,0292 -0,0208 -0,0016 -0,0608 0,0092
idh -0.1293* 0,0082 -0,0239 -0.2632* -0.1896* -0,0682 -0,0290ct 0.1993* -0.3021* -0.2548* 0.1013* 0,0004 0.0782* 0,0405
Município -0.1787* 0.2566* 0.2029* - 0,0094 0,0565 -0,0694 -0,0575drj .* .* .* .* .* .* .*des .* .* .* .* .* .* .*dsp .* .* .* .* .* .* .*dpr 0,0623 -0,0686 0.1277* 0.2394* 0.2676* 0.1229* 0.0925*dsc 0.0722* 0.2299* -0,0023 0,0449 0,0331 0.1561* -0.1846*drg -0.1336* -0.1445* -0.1321* -0.2940* -0.3126* -0.2763* 0.0766*
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
80
Tabela 2: Matriz de Correlações Região Sudeste (continuação)
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0085 1,0000
pibind 0,0014 0.8175* 1,0000pibserv 0,0086 0.9586* 0.6231* 1,0000pibagr 0,0392 0,0071 -0,0659 -0,0146 1,0000
varprod 0,0086 0.7542* 0.6563* 0.7035* 0,0003 1,0000prodmed 0,0099 0.7809* 0.6511* 0.7425* 0,0014 0.9932* 1,0000
idh 0,0668 0.1780* 0.1127* 0.1881* -0,0188 0.1280* 0.1503*ct 0,0431 0,0274 0,0708 0,0069 -0.0815* -0,0120 -0,0169
Município -0.0454 - -0,0180 0,0548 0,0012 0,0247 0,0035 0,0126drj .* .* .* .* .* .* .*des .* .* .* .* .* .* .*dsp .* .* .* .* .* .* .*dpr -0,0219 -0,0220 -0,0427 -0,0013 -0.1330* 0,0050 -0,0030dsc -0,0506 0,0241 0,0560 -0,0047 0.1715* -0,0344 -0,0291drg 0,0708 0,0004 -0,0079 0,0057 -0,0217 0,0271 0,0305
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo gropecuário (IBGE) e do IPEADATA. A
Tabela 2: Matriz de Correlações Região Sudeste
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA.
Tabela 2:
idh ct m drj des dsp dpridh 1,0000ct 0.1620* 1,0000
-0.1494* - 0.7707* 1,0000drj .* .* .* .des .* .* .* .* .dsp .* .* .* .* .* .dpr -0.5669* -0.0845* 0.1509* .* .* .* 1,0000dsc 0.2695* -0,0062 -0,0126 .* .* .* -0.5014*
unic m
munic io_~
drg 0.3421* 0.0946* -0.1467* .* .* .* -0.5792*
Matriz de Correlações Região Sudeste
ados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
dsc drgdsc 1,0000
Fonte: Elaboração Própria, a partir de ddrg -0.4150* 1,0000
81
Tabela 3: Matriz de Correlações Região Sul
desmat po lav bov past trat lendesmat 1,0000
po -0,0584 1,0000lav -0.1639* 0.3859* 1,0000bov 0.2017* 0,0294 0.1706* 1,0000past -0,0475 0.0878* 0.2333* 0.7715* 1,0000trat 0.3749* 0.1770* 0.2513* 0.3418* 0.2633* 1,0000len -0,0158 -0,0196 -0,0307 -0,0211 -0,0186 -0,0242 1,0000tor -0.1729* -0,0459 0,0483 -0,0107 0,0046 -0.0801* 0,0411pib 0,0030 -0,0256 -0,0092 -0,0022 0,0018 -0,0472 0,0069
pibind -0,0117 -0,0305 -0,0275 0,0207 0,0244 -0,0305 0,0060pibserv -0,0050 -0,0316 -0,0070 -0,0226 -0,0110 -0,0692 0,0081pibagr 0.2625* 0.2052* 0.1434* 0.1636* 0,0238 0.3487* -0,0289
varprod -0,0317 0,0178 0,0252 -0,0193 -0,0026 -0,0551 0,0080prodmed -0,0357 0,0216 0,0292 -0,0208 -0,0016 -0,0608 0,0092
idh -0.1293* 0,0082 -0,0239 -0.2632* -0.1896* -0,0682 -0,0290ct 0.1993* -0.3021* -0.2548* 0.1013* 0,0004 0.0782* 0,0405
-0.1787* 0.2566* 0.2029* - 0,0094 0,0565 -0,0694 -0,0575drj .* .* .* .* .* .* .*des .* .* .* .* .* .* .*dsp .* .* .* .* .* .* .*dpr 0,0623 -0,0686 0.1277* 0.2394* 0.2676* 0.1229* 0.0925*dsc 0.0722* 0.2299* -0,0023 0,0449 0,0331 0.1561* -0.1846*drg -0.1336* -0.1445* -0.1321* -0.2940* -0.3126* -0.2763* 0.0766*
munic io_~
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 3: Matriz de Correlações Região Sul (continuação) tor pib pibind pibserv pibagr varprod prodmed
tor 1,0000pib 0,0085 1,0000
pibind 0,0014 0.8175* 1,0000pibserv 0,0086 0.9586* 0.6231* 1,0000pibagr 0,0392 0,0071 -0,0659 -0,0146 1,0000
varprod 0,0086 0.7542* 0.6563* 0.7035* 0,0003 1,0000prodmed 0,0099 0.7809* 0.6511* 0.7425* 0,0014 0.9932* 1,0000
idh 0,0668 0.1780* 0.1127* 0.1881* -0,0188 0.1280* 0.1503*ct 0,0431 0,0274 0,0708 0,0069 -0.0815* -0,0120 -0,0169
-0.0454 - -0,0180 0,0548 0,0012 0,0247 0,0035 0,0126drj .* .* .* .* .* .* .*des .* .* .* .* .* .* .*dsp .* .* .* .* .* .* .*dpr -0,0219 -0,0220 -0,0427 -0,0013 -0.1330* 0,0050 -0,0030dsc -0,0506 0,0241 0,0560 -0,0047 0.1715* -0,0344 -0,0291drg 0,0708 0,0004 -0,0079 0,0057 -0,0217 0,0271 0,0305
munic io_~
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
82
Tabela 3: Matriz de Correlações Região Sul (continuação)
dados do Atlas de Remanescentes Florestais, do Censo gropecuário (IBGE) e do IPEADATA
Tabela 3:
idh ct m drj des dsp dpridh 1,0000ct 0.1620* 1,0000
-0.1494* - 0.7707* 1,0000drj .* .* .* .des .* .* .* .* .dsp .* .* .* .* .* .dpr -0.5669* -0.0845* 0.1509* .* .* .* 1,0000dsc 0.2695* -0,0062 -0,0126 .* .* .* -0.5014*drg 0.3421* 0.0946* -0.1467* .* .* .* -0.5792*
unic m
munic io_~
Fonte: Elaboração Própria, a partir de A
Matriz de Correlações Região Sul (continuação)
a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuáro (IBGE) e do IPEADATA.
Tabela 4:
dsc drgdsc 1,0000drg -0.4150* 1,0000
Fonte: Elaboração Própria,
Matriz de Correlações Rio de Janeiro
dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
desmat po lav bov past trat lendesmat 1,0000
po -0,1345 1,0000lav -0.3675* 0.6343* 1,0000bov 0,2042 -0.2807* -0.6621* 1,0000past 0,0317 -0.2999* -0.5730* 0.8376* 1,0000trat -0,0343 0,0427 0,0118 -0,0280 -0,0562 1,0000len 0,0127 0,0695 0,0489 -0,0755 -0,1239 0.2570* 1,0000tor -0.3666* 0.3690* 0.6873* -0.7698* -0.6759* -0,0422 -0,0757pib -0,0121 -0.2586* -0,0150 -0,1447 -0,0035 -0,0920 -0,0391
pibind 0.3763* -0,0086 -0,0383 0,1379 -0,1243 -0,0248 -0,0022pibserv -0,0795 -0.2550* -0,0124 -0,1635 0,0213 -0,0831 -0,0381pibagr -0,0480 0.7106* 0.5405* -0,1742 -0.2499* -0,1618 0,0710
varprod 0,2318 -0,0637 -0,0082 -0,0236 -0,0357 -0,0668 -0,0449prodmed 0,2009 -0,0540 0,0137 -0,0351 -0,0247 -0,0630 -0,0562
idh -0,1557 -0,0273 -0,0370 -0,1461 -0,0912 0,1523 -0,0043ct 0.3176* -0.2610* -0.3053* 0,1687 0,1384 -0,1015 -0,0010
Fonte: Elaboração Própria, a partir de Município -0,1753 0,1249 0.2992* - 0,1191 -0,0435 -0,0191 -0,1107
83
Tabela 4: Matriz de Correlações Rio de Janeiro (continuação)
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0304 1,0000
pibind 0,0140 -0,0614 1,0000pibserv 0,0251 0.9835* -0,2409 1,0000pibagr 0,2001 -0.5061* 0,0216 -0.5027* 1,0000
varprod 0,0266 -0,0522 0,0414 -0,0582 0,0197 1,0000prodmed 0,0377 0,0040 0,0094 0,0021 0,0077 0.9856* 1,0000
idh 0,0054 0.3950* -0,1150 0.4045* -0,1569 -0,1564 -0,0981ct -0,2002 0,1549 0,0969 0,1343 -0,2170 0,0456 0,0607
1340 0,0421 0,2317 0,0440 0,0616Município 0,1830 -0,0205 0,
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo
Tabela 4:
Agropecuário (IBGE) e do IPEADATA.
Matriz de Correlações Rio de Janeiro (continuação)
idh ct m Município
1944 - 0.3483* 1,0000
idh 1,0000ct -0,0479 1,0000
Município -0.Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 5: Matriz de Correlação Espírito Santo
desmat po lav bov past trat lendesmat 1,0000
po -0.3453* 1,0000lav -0.3631* 0.3965* 1,0000bov 0.5066* -0,0474 -0,0738 1,0000past -0,0252 -0,0271 0,1573 0.5439* 1,0000trat 0.2930* 0,0574 -0.4017* 0,0294 -0.3341* 1,0000len -0,2249 0,0015 0,0030 -0,0361 0,0201 -0,1714 1,0000tor -0.2691* 0,1121 0,0957 -0,0568 0,1262 -0,2160 0.5509*pib -0,0561 0,0532 0,1104 -0,0767 -0,0615 -0,1422 0,0308
pibind 0,0515 -0,0552 -0,0134 0,0163 0,0548 0,0127 0,0056pibserv -0,0346 -0,0489 -0,0489 0,0423 0,1435 -0,1363 0,0497pibagr -0.4540* 0.3324* 0.5409* -0.3938* -0,0925 -0.3166* 0,1598
varprod -0,0103 -0,0490 -0,0784 -0,0096 -0,0606 -0,0457 0,0207prodmed -0,0493 -0,0206 -0,0373 -0,0386 -0,0986 -0,1077 0,0382
156* 0,0894 0,1197 -0.3215* 0,0236
idh 0,0287 0,0699 -0,0723 -0,0573 -0.2918* 0,2032 0,0143ct 0,0999 0,0186 -0.3135* 0,1459 0,0089 0,0178 -0,0989
Município -0.0158 0,1280 0.5Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
84
abela 5T : Matriz de Correlação Espírito Santo (continuação)
dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 5
Fonte: Elaboração Própria, a partir de
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0329 1,0000
pibind -0,0849 0.4717* 1,0000pibserv 0,0365 -0.4327* -0,0995 1,0000pibagr 0.2781* 0,0580 -0,1128 -0,0308 1,0000
varprod 0,0271 -0.2810* -0,2255 0.8481* -0,0851 1,0000prodmed 0,0709 0,0047 -0,2596 0.6822* -0,0593 0.9327* 1,0000
idh 0,1681 0.3701* 0,0437 -0,1147 -0,0379 -0,0098 0,1561ct -0,1553 0,1060 -0,0148 -0,0984 -0,1449 -0,0212 0,0008
Município -0,0317 -0,0138 0,0620 0,0162 0.3068* 0,0093 0,0547
: Ma
ados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
triz de Correlação Espírito Santo (continuação)
Fonte: Elaboração Própria, a partir de d
idh ct m Municípioidh 1,0000ct 0,0234 1,0000
Município -0,0563 0.5183* 1,0000
Tabela 6: Matriz de Correlações São Paulo
Fonte: Elaboração Própria, a partir de da
desmat po lav bov past trat lendesmat 1,0000
po -0.2256* 1,0000lav 0,0029 0.3604* 1,0000bov 0,0655 0,0174 -0,0158 1,0000past -0,0181 0.1994* 0.1075* 0.6160* 1,0000trat -0,0034 0,0202 0,0170 0,0361 0,0138 1,0000len 0,0292 0,0447 0.1328* 0,0516 0,0697 0,0079 1,0000tor -0.2325* -0,0068 -0,0032 0,0048 -0,0268 0,0046 -0,0155pib 0,0363 -0,0321 -0,0042 -0,0172 0,0185 -0,0576 0,0761
pibind 0,0305 -0,0187 0,0024 -0,0153 0,0241 -0,0550 0.0838*pibserv 0,0397 -0,0401 -0,0095 -0,0171 0,0156 -0,0593 0,0700pibagr -0,0188 -0,0284 0.1407* -0.1194* -0.1259* 0.1046* -0,0158
varprod 0,0448 -0,0113 0,0306 0,0004 0,0237 -0,0535 0,0056prodmed 0,0394 0,0157 0,0479 0,0028 0,0330 -0,0523 0,0068
idh -0.1169* 0,0144 -0,0705 -0.2095* -0.2235* 0,0128 -0,0095ct 0,0734 -0.0939* 0,0185 -0,0827 -0.1130* 0,0021 -0,0046
Município -0.1655* 0.2212* 0.1452* - 0,0163 0.1174* -0,0249 0,0207
dos do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
85
Tabela 6: Matriz de Correlações São Paulo (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo gropecuário (IBGE) e do IPEADATA.
Tabela 6
ecuário (IBGE) e do IPEADATA.
Tabela 6
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib -0,0023 1,0000
pibind -0,0035 0.9860* 1,0000pibserv -0,0013 0.9942* 0.9625* 1,0000pibagr -0,0146 -0,0731 -0.0921* -0,0678 1,0000
varprod 0,0050 0.6397* 0.5926* 0.6607* -0,0454 1,0000prodmed 0,0069 0.5352* 0.4682* 0.5711* -0,0726 0.7684* 1,0000
idh 0,0494 0.1409* 0.1351* 0.1415* 0.1202* 0.1708* 0.1702*ct -0,0764 0,0139 0,0172 0,0114 0,0134 0,0465 0.1007*
Município -0.0002 - -0,0085 -0,0038 0,0111 -0,0321 -0,0193 -0,0059
A
: Ma
ados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 7
triz de Correlações São Paulo (continuação)
Fonte: Elaboração Própria, a partir de d
idh ct m Municípioidh 1,0000ct 0.1598* 1,0000
Município -0,0728 0,0374 1,0000
: Matriz de Correlações Paraná
dados do Atlas de Remanescentes Florestais, do Censo gropecuário (IBGE) e do IPEADATA.
Fonte: Elaboração Própria, a partir de
desmat po lav bov past trat lendesmat 1,0000
po -0.1127* 1,0000lav 0,1104 0.3191* 1,0000bov 0.4090* -0.2567* -0.3230* 1,0000past -0,0272 -0.1384* -0.3074* 0.5593* 1,0000trat 0.4678* -0.1328* 0.1443* 0.2469* -0,0069 1,0000len 0.1946* 0,0117 -0.1746* 0.4413* 0.3705* 0.1290* 1,0000tor -0.1748* -0,0402 0,0323 -0,0070 0,0047 -0,0960 -0,0293pib -0,0060 -0,0140 0,0051 -0,0214 -0,0273 -0,0802 -0,0023
pibind -0,0293 0,0005 -0,0170 -0,0153 -0,0123 -0.1316* -0,0135pibserv -0,0110 -0,0239 0,0035 -0,0353 -0,0229 -0,0652 0,0003pibagr 0.3399* 0,0630 0.2497* 0.2292* -0.2166* 0.2845* 0,0637
varprod -0,0276 0,0012 0,0136 -0,0327 -0,0264 -0,0888 -0,0076prodmed -0,0282 0,0009 0,0145 -0,0337 -0,0272 -0,0870 -0,0089
idh -0.1333* -0,0861 0,0900 -0.2419* -0,0854 0,0134 -0.1411*ct 0.2627* -0.2432* -0.2684* 0.3751* 0.2793* 0.2536* 0.1925*
Município -0.1728* 0.2332* 0.1145* - 0.2378* -0.1656* -0.1611* -0.1207*
A
86
Tabela 7: Matriz de Correlações Paraná (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo
tor pib pibind pibserv pibagr varprod prodmed
pibind -0,0043pibserv 0,0100pibagr 0,0738
varprod 0,0065 1,0000
85* -0.2016* 0.1954* 0.1985*ct 0,0292 -0,0016 -0,0032 0,0034 -0,0825 -0,0108 -0,0114
0,0745 0,0208 0,0217
tor 1,0000pib 0,0079 1,0000
0.9477* 1,00000.9862* 0.8843* 1,00000,0306 -0,0021 -0,0044 1,0000
0.9766* 0.9036* 0.9759* -0,0003prodmed 0,0066 0.9751* 0.8996* 0.9757* -0,0010 0.9999* 1,0000
idh 0,0355 0.2042* 0.1411* 0.23
Município -0,0675 0,0154 0,0120 0,0127
Agropecuário (IBGE) e do IPEADATA. Tabela 7: Matriz de Correlações Paraná (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
Tabela 8: Matriz de Correlações Santa Catarina
idh ct m Municípioidh 1,0000ct 0.1801* 1,0000
Município -0.0392 - 0.7412* 1,0000
desmat po lav bov past trat lendesmat 1,0000
po -0,0934 1,0000lav -0.5892* 0.1453* 1,0000bov 0,0296 -0.2579* 0.2030* 1,0000
len -0,0048 0,0727 -0,0475 -0,0761 -0,0684 0,0103 1,0000tor -0.1618* -0,0507 0,1252 0,0962 0.1882* -0,0775 0,0588pib 0,0079 -0,1097 -0,0719 -0,0230 -0,0097 -0,0700 0,0413
pibind -0,0207 -0.1407* -0,0606 0,0902 0,0500 -0,0660 0,0328pibserv 0,0132 -0,0405 -0,0350 -0,0869 -0,0452 -0,0703 0,0292pibagr 0.1477* 0,1117 -0,1020 -0.2852* -0.1454* 0.2319* 0,0047
varprod -0,0472 -0,0285 -0,0003 -0,0955 0,0055 -0,1137 0,0394prodmed -0,0585 -0,0070 0,0187 -0,1028 0,0123 -0,1205 0,0404
-0,1082 0,05580.1922* 0,0841
Município -0.2404* 0.1977* 0.1988* - 0.2289* 0,0348 -0.2429* -0,1167
past -0.3168* -0.1993* 0.4611* 0.5818* 1,0000trat 0.3696* 0,0250 -0.2781* 0,0373 -0.1825* 1,0000
idh -0.1789* 0,0047 0,1105 -0.1977* 0,0287ct 0.1707* -0.2523* -0.1837* 0.3456* 0,0057
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
87
Tabela 8: Matriz de Correlações Santa Catarina (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo
Tabela 8
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib 0,0274 1,0000
pibind 0,0224 0.7506* 1,0000pibserv 0,0157 0.7809* 0.1814* 1,0000pibagr 0,0257 -0,1317 -0.3166* -0,0153 1,0000
varprod 0,0325 0.7266* 0.1984* 0.9064* -0,0554 1,0000prodmed 0,0337 0.5141* 0,1221 0.6599* -0,0421 0.7651* 1,0000
idh 0.1755* 0.3059* 0,0871 0.3887* -0,1044 0.3838* 0.4018*ct 0,0938 0,0675 0,1358 -0,0131 -0.1513* -0,0015 -0,0431
Município -0.0422 - -0,0229 0,0739 0,0269 0,0906 -0,0043 0,0520
Agropecuário (IBGE) e do IPEADATA.
: Matriz de Correlações Santa Catarina (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo Agropecuário (IBGE) e do IPEADATA.
idh ct m Municípioidh 1,0000ct -0,0219 1,0000
Município -0,0733 0.8169* 1,0000
Tabela 9: Matriz de Correlações Rio Grande do Sul
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo gropecuário (IBGE) e do IPEADATA.
desmat po lav bov past trat lendesmat 1,0000
po -0,0362 1,0000lav -0,0286 0.6928* 1,0000bov -0,0920 0.2919* 0.4264* 1,0000past -0.1466* 0.2513* 0.3939* 0.8771* 1,0000trat 0.3143* 0.3810* 0.6366* 0.3856* 0.3590* 1,0000len -0.1513* 0.3547* 0.2771* 0.1620* 0.2707* -0,0486 1,0000tor -0.4986* 0,0123 -0,0160 0,0801 0,0841 -0,1035 0,0538pib 0,0209 -0,0383 0,0128 0,0291 0,0353 -0,0272 -0,0493
pibind 0,0413 -0,0725 0,0019 0,0718 0,0799 0,0771 -0,1192pibserv -0,0004 -0,0383 -0,0037 -0,0035 0,0015 -0,0824 -0,0201pibagr 0.2704* 0.4123* 0.4410* 0.3314* 0.3224* 0.5641* 0,0403
varprod -0,0451 0,0907 0,0784 0,0161 0,0402 -0,0251 0,0532prodmed -0,0538 0,1034 0,0924 0,0217 0,0498 -0,0342 0,0671
idh -0,0198 0,0127 0,0086 -0,0881 -0,0359 0,0600 -0,0731ct 0.1814* -0.4151* -0.3141* -0,1164 -0,1237 -0,0352 -0.2469*
*Município -0.2397* 0.3351* 0.2165* 0,0929 0,0868 -0,0183 0.1913
A
88
Tabela 9: Matriz de Correlações Rio Grande do Sul (continuação)
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo gropecuário (IBGE) e do IPEADATA.
Tabela 9:
, do Censo gropecuário (IBGE) e do IPEADATA.
Tabela 9:
tor pib pibind pibserv pibagr varprod prodmedtor 1,0000pib -0,0078 1,0000
pibind -0,0181 0.6735* 1,0000pibserv 0,0009 0.9658* 0.4613* 1,0000pibagr -0,0983 0,0327 0,0846 -0,0316 1,0000
varprod 0,0254 0.3021* 0.3233* 0.2499* 0,0314 1,0000prodmed 0,0304 0.3908* 0.3025* 0.3629* 0,0376 0.9798* 1,0000
idh 0,0376 0.1723* 0,0761 0.1804* -0,0028 0.1357* 0.1737*ct -0,1092 0,0546 0.1464* 0,0169 -0,0361 -0,0270 -0,0398
Município 0.1855* - -0,0521 0.1287* - 0,0161 -0,0569 -0,0149 0,0090
AA
Matriz de Correlações Rio Grande do Sul (continuação) idh ct m Município
idh 1,0000ct 0.1873* 1,0000
Município -0.2070* - 0.7789* 1,0000
Fonte: Elaboração Própria, a partir de dados do Atlas de Remanescentes Florestais, do Censo gropecuário (IBGE) e do IPEADATA.
A