Remanescentes de ecossistemas naturais em % da área total, por município.

APÊNDICE B: BENEFÍCIOS AMBIENTAIS

Mapa 16: Remanescentes de ecossistemas naturais em % da área total, por município.

Fonte: Elaboração própria a partir de PRODES/INPE, SOS Mata Atlântica e PMDBBS/MMA.

Neste estudo, os remanescentes florestais foram obtidos a partir de informações sobre o desmatamento anual em cada bioma. Foi utilizada a base de dados do “Projeto

21 _{Uma forma alternativa de entender o Mapa 16 é percebê-lo como a distribuição do}

desmatamento acumulado em cada região do Brasil. Como é fartamente apresentado na literatura, o desmatamento distribui-se de forma bastante desigual entre os diferentes biomas. A Mata Atlântica apresenta a pior performance, seguida pela parte meridional do Cerrado. Amazônia e Pantanal apresentam as maiores percentagens de remanescentes de ecossistemas. O Mapa 16 também mostra as desigualdades internas aos biomas. O exemplo mais evidente é a situação do Cerrado, onde o desmatamento está fortemente concentrado na parte Sul/Sudoeste, em contraste com áreas ainda extensas de remanescentes nas porções Norte/Nordeste. Também fica evidente que o desmatamento é muito mais presente no “Arco do Desmatamento” do que no resto da Amazônia. Mesmo na Mata Atlântica percebe-se diferenças significativas, com as áreas de relevo mais acentuado apresentando maiores taxas de remanescentes florestais.

175 de Monitoramento do Desmatamento nos Biomas Brasileiros por Satélite - PMDBBS” (MMA) -, que define os remanescentes florestais e/ou taxas médias de desmatamento para todos os municípios do Brasil separados por bioma. As informações do bioma amazônico são oriundas do sistema PRODES, organizado pelo Instituto Nacional de Pesquisas Espaciais (INPE) (INPE, 2014).

O segundo passo consistiu em estimar uma linha de base (LB) para avaliar qual seria o desmatamento potencial e onde ele ocorreria. Como linhas de base foram propostas duas projeções alternativas: uma projeção assintótica em zero do desmatamento (modelo SISGEMA) e uma projeção com base no software de modelagem espacial e ambiental Dinamica EGO.

Uma vez em posse das projeções espaciais de desmatamento, é possível estimar o quanto seria possível reduzir em área desmatada em função de um PSA para conservação florestal.

O potencial de redução do desmatamento depende do valor por hectare pago pelo PSA. Esse valor foi estabelecido arbitrariamente na mediana do custo de oportunidade da terra. Deste modo, a questão que será respondida mais adiante é: dadas as projeções de desmatamento, qual seria a redução da área desmatada mediante ao pagamento por serviços ambientais no valor de R$ 402,57/ha/ano?

O cruzamento das informações referentes à área desmatada e ao custo de oportunidade da terra também permite estimar o custo de se zerar o desmatamento dentro dos prazos estabelecidos recentemente pelo Governo Federal. Isto é, quais seriam os custos totais de: (i) zerar o desmatamento no bioma Amazônia até 2020; (ii) de zerar o desmatamento nos demais biomas até 2030. Os resultados desse exercício também serão apresentados no Anexo 2.1 desta seção.

Vale notar que os dois exercícios propostos seguem lógicas inversas. No primeiro caso, optou-se por fixar o valor do PSA (na mediana do custo de oportunidade) e calcular o potencial de redução de desmatamento associado. No segundo, optou-se por fixar a quantidade de desmatamento a ser reduzida para então calcular o custo total (somatório dos custos de oportunidade) desta ação.

Por fim, a partir do cálculo da redução do desmatamento, foi possível estimar a emissão de carbono que seria evitada em função da implementação de um PSA para conservação florestal. O valor total do benefício, medido em termos de toneladas de carbono, foi obtido segundo a equação 11, a seguir:

176 Equação 11.

E = D * A

Onde:

E = Redução de carbono emitido por conservação florestal (em toneladas de carbono);

D = Densidade de carbono acima do solo (em toneladas de carbono/hectare) (MCT, 2010);

A = Redução da área desmatada dado o estabelecimento de um PSA (em hectares);

A densidade de carbono acima do solo foi obtida a partir do estudo da Fundação de Ciência, Aplicações e Tecnologias Espaciais – FUNCATE (MCT, 2010). O potencial de desmatamento evitado é calculado por bioma, em toneladas de carbono.

3.1.1.1.Projeção de Desmatamento no Modelo SISGEMA

3.1.1.1.1 Metodologia

Para calcular o total de emissões que seriam evitados por conservação florestal, fez-se necessária a construção de dois cenários hipotéticos: (i) um cenário business as

usual, revelando a trajetória de desmatamento tendencial (na ausência de um PSA); (ii)

um cenário desejável, estimando a trajetória das taxas de desmatamento em um contexto marcado pela presença de um PSA.

A literatura apresenta diferentes métodos para a projeção do desmatamento em diferentes biomas do país e para o Brasil como um todo (Cunha et al, 2015; Lima, 2014, WWF, 2014; Yanai et al, 2012; FAS, 2013). Nesta subseção, optou-se por um modelo obtido pela inversa da função exponencial, cujas projeções apontaram para uma redução assintótica das taxas de desmatamento ao longo do período 2016 – 2030. A escolha desse modelo reside na sua aparente compatibilidade com a teoria da transição florestal22 (figura 15).

22_{Ao que parece, os biomas brasileiros estão localizados entre o 2º e o 3º estágios da transição} florestal, intervalo onde a curva de cobertura florestal apresenta um comportamento claramente assintótico.

177 Figura 15: Estágios da transição florestal

Fonte: adaptado de Angelsen (2008).

3.1.1.1.2 Resultados da projeção SISGEMA

As projeções de desmatamento consolidadas para o Brasil, estimadas a partir do modelo SISGEMA, apesar de apresentarem uma tendência declinante do desmatamento, revelam uma perda estimada de remanescentes florestais da ordem de 1,18 milhões de hectares em 2030 (figura 16). No período 2016-2030, a perda de remanescentes florestais superaria os 20 milhões de hectares.

178 Figura 16: Cenários de projeção para as taxas de desmatamento – com e sem PSA

Fonte: elaboração própria

Este cenário se contrapõe aos compromissos firmados recentemente pelo Governo Federal de zerar o desmatamento em todos os biomas brasileiros até o ano de 2030, em que pese o prazo ainda mais exíguo para o bioma Amazônia23. A diferença entre a trajetória projetada para as taxas de desmatamento e a que seria necessária para atender aos compromissos firmados revela a insuficiência dos atuais instrumentos em operação, de onde se depreende a possibilidade de preencher tais lacunas por meio de uma política nacional de pagamentos por serviços ambientais voltados à conservação florestal.

Alternativamente ao cenário business as usual, supôs-se um PSA pagando o valor máximo equivalente à mediana do custo de oportunidade da terra (R$ 402,57/ha/ano), isto é, focando os esforços da política nos dois quartis onde a conservação florestal seria mais barata. Os resultados mostraram que mediante ao pagamento desse valor, seria possível reduzir o desmatamento total no período em aproximadamente 17 milhões de hectares, o que equivale a 82,74% do desmatamento projetado (vide figura 16).

Neste bioma, o prazo para zerar o desmatamento foi estabelecido em 2020. 0 2.000.000 4.000.000 6.000.000 8.000.000 10.000.000 12.000.000 14.000.000 16.000.000 18.000.000 0 200.000 400.000 600.000 800.000 1.000.000 1.200.000 1.400.000 1.600.000 1.800.000 20 16 20 17 20 18 20 19 20 20 20 21 20 22 20 23 20 24 20 25 20 26 20 27 20 28 20 29 20 30 D es mat ame n to acu mu lad o (h a) D es mat ame n to (h a)

179 É possível estimar o valor anual da política em função do custo de oportunidade da terra das áreas que seriam desmatadas entre 2016 e 2030 (Figura 17). Nota-se que custo de um PSA de até R$ 402,57/ha/ano seria de aproximadamente R$ 3,3 bilhões de reais anuais. Essa cifra consiste no pagamento das áreas para as quais foram projetadas perdas de remanescentes florestais e revela o custo de se evitar hoje um desmatamento que poderia ocorrer em qualquer ponto do tempo, deste momento até 2030.

Figura 17: Distribuição anual dos custos do PSA

Fonte: elaboração própria.

A eficácia de um PSA pagando o valor máximo de R$ 402.57/ha/ano é bastante desigual em termos espaciais. Isto se deve às diferenças regionais nos custos de oportunidade da terra. No mapa 17 é possível ver qual seria a região de êxito da política. Fundamentalmente, se desenhada nesses termos, o PSA seria ineficaz para reduzir o desmatamento nos biomas Pampa e Mata Atlântica, onde os custos de oportunidade dos municípios ali localizados excedem, em sua grande maioria, o valor máximo anual do benefício que seria pago por hectare. Enquanto no bioma Amazônia e Caatinga mais de 96% dos desmatamentos acumulados no período seriam evitados, na Mata Atlântica e no Pampa não mais que 3,06% e 2,55%, respectivamente, deixariam de ocorrer. O Cerrado também apresentaria um alto percentual de abatimento do desmatamento, explicado, sobremaneira, pelo baixo custo de oportunidade da parcela mais ao norte deste bioma. Em parcelas mais centrais e ao sul, a política seria pouco funcional, diante

R$ 0 R$ 200 R$ 400 R$ 600 R$ 800 R$ 1.000 R$ 1.200 R$ 1.400 R$ 1.600 R$ 1.800 R$ 2.000 R$ 0 R$ 1 R$ 2 R$ 3 R$ 4 R$ 5 R$ /h a/ an o

180 da alta lucratividade da terra nestas localidades, geralmente empregada para a produção intensiva de grãos para exportação.

Mapa 17: Distribuição espacial do desmatamento evitado (abaixo da mediana) e residual (acima da mediana) no período 2016-2030

Fonte: elaboração própria

O potencial de conservação do carbono florestal dessa política é significativo. O hipotético cenário em que 17 milhões de hectares deixariam de ser desmatados conduziria a uma situação em que 4,77 bilhões de toneladas de CO2 deixariam de ser emitidas na atmosfera entre 2016-2030 (Figura 18). Deste total, a Amazônia e o Cerrado responderiam conjuntamente por mais de 92%. É evidente que, ao focar o PSA nos dois primeiros quartis da distribuição do custo de oportunidade da terra, uma parcela significativa das emissões que seriam evitadas adviria das áreas onde a conservação é mais barata. Este padrão é claramente reforçado para Amazônia, em função da alta densidade de tonelada de carbono por hectare nesse bioma, justamente o inverso do que se verificaria para a Caatinga. A participação do Cerrado, por sua vez seria justificada muito mais pela extensão da área de desmatamento que seria evitada nesse bioma (11 milhões de hectares), do que propriamente em função de sua densidade de carbono por hectare.

181 Figura 18: Distribuição quantílica dos custos do PSA e emissões de CO2

evitadas

Fonte: elaboração própria

A quantidade de emissões seria evitada varia de acordo com a extensão da área que seria conservada, e esta última é função do custo de oportunidade da terra. De tal sorte, é possível relacionar estas três grandezas, ainda que de forma indireta. A Figura 19 revela o preço da tonelada do CO2 capaz de igualar o custo de oportunidade da terra de uma determinada área. Em outros termos, trata-se de uma curva de oferta de REDD ou, ainda, de uma curva de custo de abatimento24. Por meio desta, é possível notar que com um preço de aproximadamente R$ 23,30 por tCO2 seria possível gerar um volume de recursos capaz de eliminar o desmatamento nos dois primeiros quartis do custo de oportunidade da terra entre 2016 e 2030. Alternativamente, com um preço de R$ 50,00 por tCO2eq., seria possível zerar praticamente todo o desmatamento projetado nesse período.

Terminologia usada em Borner et al. (2010).

R$ 0 R$ 500 R$ 1.000 R$ 1.500 R$ 2.000 R$ 2.500 R$ 3.000 R$ 3.500 R$ 4.000 0 1 2 3 4 5 6 R$ /h a/ an o GtCO₂eq acumuladas

182 Figura 19: Curva de custo de abatimento de emissões potenciais de

desmatamento

Fonte: Elaboração própria

O Mapa 18 retrata o preço mínimo da tCO2eq capaz de induzir a conservação florestal. Isto é, revela o preço por tonelada capaz de equiparar o valor presente líquido do custo de oportunidade da terra no período 2016-2030. A distribuição de valores no mapa está fortemente relacionada com dois fatores:

(i) a densidade de carbono acima do solo (tCO/ha);

(ii) o custo de oportunidade da terra.

Na Amazônia, como o custo de oportunidade da terra tende a ser mais baixo e a densidade de carbono tende a ser elevada, a conservação poderia ser induzida com um baixo preço da tCO2eq. Esta realidade não se aplica ao Pampa e a parcelas significativas do Cerrado e Mata Atlântica. No Cerrado, as regiões produtoras de grão apresentam um elevado custo de oportunidade da terra, em que pese o fato da densidade de carbono desse bioma ser, em média, quase metade da densidade observada no bioma Amazônia. R$ 0 R$ 5 R$ 10 R$ 15 R$ 20 R$ 25 R$ 30 R$ 35 R$ 40 R$ 45 R$ 50 0 5.000.000 10.000.000 15.000.000 20.000.000 R$ /t C O2 eq

183 Mapa 18: Custo de Oportunidade do REDD em áreas ameaçadas por

Desmatamento

Fonte: Elaboração própria

A Tabela 32 apresenta os resultados resumidos dos custos e benefícios de um PSA nacional pelo modelo SISGEMA. Por meio desta, é possível ver a contribuição desigual dos biomas no tocante as emissões que seriam evitadas, bem como o custo associado às políticas necessárias para a conservação do carbono florestal. Como se pode notar, a relação entre custo e benefício do PSA é virtuosa na Amazônia, de modo que em um contexto de recursos orçamentários limitados, torna-se provável – e até mesmo desejável, do ponto de vista da eficiência econômica – que o foco de um PSA nacional para conservação florestal recaia sobre esse bioma.

184 Tabela 32: Resumo dos resultados para um PSA focado nos dois quartis mais baratos – Modelo SISGEMA

Fonte: elaboração própria

3.1.1.2. Projeções de desmatamento pelo modelo Dinamica EGO 3.1.1.2.1 Metodologia

Na presente subseção, apresenta-se um modelo alternativo de projeção de desmatamento para cada bioma brasileiro a partir de um modelo econômico e ambiental de expansão de desmatamento, segundo a proposta por Soares-Filho, Cerqueira e Pennachi (2002) e Soares-Filho et al. (2006). Para executá-lo empregou-se o software de modelagem espacial e ambiental Dinamica EGO. O Dinamica EGO é uma plataforma de simulação espacial para dinâmicas da paisagem. Este software emprega o modelo de autômatos celulares,25 para trabalhar em diferentes escalas e gerar regras de mudança segundo as características das células vizinhas. Também incorpora retornos espaciais (feedback) junto como um programa de simulações de múltiplas etapas, para calcular probabilidades de transição ao longo do tempo (Soares-Filho, Cerqueira e Pennachi 2002).

Segundo Mas et al. (2014), os diferentes modelos de mudança de uso de solo e cobertura, seguem em geral três passos: calibragem, simulação e avaliação. A Figura 20 identifica as etapas no processo de modelagem de mudanças de uso e cobertura da terra.

25_{Um autômato celular é um modelo discreto que consiste em uma rede de células que podem tomar} diferentes valores segundo algumas regras definidas. Por exemplo, uma célula catalogada como floresta passaria para um valor de não floresta no caso de se identificar mudança de uso do solo, segundo um padrão determinado.

VARIÁVEL AMAZÔNIA CAATINGA CERRADO MATA ATLÂNTICA PAMPA PANTANAL BRASIL

Desmatamento projetado (ha) 2.759.357 2.853.910 14.416.121 11.239 175.605 332.244 20.548.476 Desmatamento evitado acumulado (ha) 2.651.558,53 2.844.738,48 11.220.319,68 344,38 4.481,18 281.001,23 17.002.443 Desmatamento residual acumulado (ha) 107.798 9.171 3.195.802 10.895 171.124 51.243 3.546.032 Porcentual de abatimento (%) 96,1% 99,7% 77,8% 3,1% 2,6% 84,6% 82,7%

Custo total anual do PSA R$ 500.094.657 R$ 294.356.130 R$ 2.458.410.943 R$ 99.844 R$ 1.623.016 R$ 72.200.385 R$ 3.326.784.975 tCO2eq evitadas 1.611.543.890 300.289.364 2.818.019.198 124.834 173.977 42.742.514 4.772.893.778

185 Figura 20: Diagrama de fluxo dos procedimentos gerais empregados na

modelagem de Mudanças de Uso e Cobertura da Terra (LUCC).26

Fonte: Mas et al. (2014)

Para Soares-Filho et al. (2009), o processo de simulação de mudanças pode ser resumido em 10 dez passos, descritos na Figura 21.

26_{Os retângulos indicam um processo, e os paralelogramos indicam entrada e saída de insumos desde os} processos.

186 Figura 21: Dez passos do modelo de simulação de mudanças no uso e

cobertura da terra.

Fonte: Soares Filho et al. (2009)

O processo inicia com a identificação de um mapa de uso e cobertura da terra para um período inicial (t0) e para um período posterior (t1). Comparando esses mapas é possível identificar o quanto tem variado o uso de solo na paisagem escolhida em num período de tempo. Essas variações, dispostas em forma de matriz (matriz de transição), servem como base para as projeções futuras. Alternativamente, outra forma de calcular a matriz de transição é empregar os coeficientes de uma regressão econométrica contendo o conjunto de variáveis explicativas e determinar as taxas de mudança entre tipos de uso de solo numa paisagem ao longo do tempo.

Na fase que Mas et al. (2014) identificam como calibragem, é possível identificar quais são as variáveis que vão ser incluídas nas análises dos pesos de evidência. Para fazê-lo, primeiro faz-se uma análise de correlação das variáveis para excluir aquelas que tenham uma alta correlação. Segundo, é calculado o quanto cada variável contribui na probabilidade de mudança de uso do solo (peso de evidência). Exemplos de variáveis calculadas com essa metodologia são: distância de estradas, distância de rios, distância de cidades ou centros povoados, altitude, declividade, entre outras. Esses pesos são ajustados para cada variável segundo um intervalo de valores determinado, e posteriormente são analisados em conjunto para gerar um mapa de probabilidade. O mapa de probabilidade indica os locais com maior probabilidade de ocorrer desmatamento futuro.

187 Conhecendo como a probabilidade de desmatamento foi distribuída na área de estudo, pode-se iniciar a etapa de simulação (Mas et. al, 2014). Nessa etapa empregaram-se as variáveis físicas e socioeconômicas escolhidas nessa mesma área, gerando primeiro um mapa de desmatamento para o período t0 e projetando a dinâmica de desmatamento até o período t1. Depois, foi feita a validação, onde identificou-se a similaridade entre o mapa t1 simulado e o t1 observado para identificar a acurácia (fase de avaliação, segundo Mas et al., 2014).

O software Dinamica EGO emprega um análise de ajuste de similaridade dos mapas simulado e observado a partir de análises em diferentes janelas ou grupos de pixels. Assim, “se o mesmo número de células de mudança é encontrado dentro da janela, o ajuste terá valor de 1, não importando suas localizações” (Soares-Filho et al., 2009). Para o exercício em questão, isso foi feito empregando grupos cada vez maiores de pixels, o que representa uma análise em uma janela de resolução menor - o tamanho da janela deve ser selecionado empregando uma função de decaimento constante.

Realizada a análise de similaridade, foi possível rodar de novo o modelo incluindo a expansão das áreas de desmatamento no mapa (empregando o “functor expander”) ou a formação de novas áreas de desmatamento (empregando o “functor patcher”). Finalmente, foi possível gerar uma projeção de desmatamento até o ano desejado. As análises feitas empregaram como base os anos 2002 e 2008, para os períodos t0 e t1.

Após a revisão de informação secundária para determinantes do desmatamento nos biomas brasileiros, foram encontradas as referências bibliográficas que identificaram diferentes variáveis relacionadas com as taxas de desmatamento, e a metodologia empregada para realizar as análises. Essas informações estão resumidas na Tabela 33.

Tabela 33: Relação de variáveis explicativas do desmatamento nos biomas brasileiros.

Autor Ano Bioma Metodologia Variável Independente Fonte

LIMA, T. C. 2014 Cerrado

Modelagem Econométrica e Modelagem Espacial de desmatamento utilizando software Dinamica EGO.

188

LIMA, T. C. 2014 Cerrado

Modelagem Econométrica e Modelagem Espacial de desmatamento utilizando software Dinamica EGO.

Declividade Calculado com QGIS e Dinamica EGO

LIMA, T. C. 2014 Cerrado

Modelagem Econométrica e Modelagem Espacial de desmatamento utilizando software Dinamica EGO.

Atração Urbana Calculado com QGIS e Dinamica EGO

LIMA, T. C. 2014 Cerrado

Modelagem Econométrica e Modelagem Espacial de desmatamento utilizando software Dinamica EGO.

Distância a desmatamentos SIAD/MODIS LIMA, T. C. 2014 Cerrado Modelagem Econométrica e Modelagem Espacial de desmatamento utilizando software Dinamica EGO.

Distancia a Vegetação nativa SIAD/MODIS LIMA, T. C. 2014 Cerrado Modelagem Econométrica e Modelagem Espacial de desmatamento utilizando software Dinamica EGO.

Efetivo Bovino IBGE

CASTRO, M. C. 2012 Cerrado