Palavras-chaves: análise fatorial, atividade, culturas de subsistência.

(1)

II CAMAER’2016  ISBN 978-85-7295-109-8  www.camaer.com.br

ANÁLISE MULTIVARIADA E IDENTIFICAÇÃO DOS PADRÕES DE DESFLORESTAMENTO NO MUNICÍPIO DE ALTAMIRA- PA, 2000 A 2012.

ECONOMIA AMBIENTAL D. L. FARIAS

Universidade do Estado do Pará (UEPA) – Belém, PA – Brasil Danielle de Lima Farias; Karla Karoline Leite do Rosário

RESUMO

As considerações sobre o desflorestamento no município de Altamira no Estado do Pará têm apontado a pecuária e as culturas de subsistência como principais responsáveis pela transformação de primeiras florestas. O presente estudo teve por objetivo avaliar a veracidade da afirmação anterior, assim como de outras que giram em torno da mesma; e comprovar a real interação entre as atividades como pressuposto teórico. De maneira ampla investiga, através de um modelo de análise fatorial multivariada reproduzido por um software e um método de regressão na plataforma excel, que fatores podem ser considerados interferentes no processo de desflorestamento que ocorre no município supracitado. A utilização destas técnicas revelou um elevado peso da atividade pecuária e culturas de subsistência na explicação do processo anteriormente citado.

1

Palavras-chaves: análise fatorial, atividade, culturas de subsistência. INTRODUÇÃO.

O desmatamento é uma prática recorrente na Amazônia, há anos esse tipo de atividade vem causando danos ao meio ambiente e a população local.

De acordo com a legislação da SUDAM, no artigo 2º da Lei 5.173 de 27.10.1966, a Amazônia brasileira, para efeito de planejamento econômico e execução do plano definido nesta lei, abrange a região compreendida pelos Estados do Pará e do Amazonas, pelos territórios federais do Acre, Amapá, Guaporé e Rio Branco, e ainda, a parte do Estado de Mato Grosso a norte do paralelo 16º, a do Estado de Goiás a norte do paralelo 13º e do Maranhão a oeste do meridiano de 44º.

Mais adiante a SUDAM introduziu a Lei Complementar nº 31 DE 11.10.1977 com o Art. 45 evidencia que, a Amazônia, que se refere o artigo 2º da lei nº 5.173, de 27 de outubro de 1966, compreenderá também toda a área do Estado de Mato Grosso. De tal forma que a

1

Acadêmica do quinto ano do curso de graduação em Engenharia Ambiental da Universidade do Estado do Pará. Danielle.ambiental@hotmail.com.

² Acadêmica do quinto ano do curso de graduação em Engenharia Ambiental da Universidade do Estado do Pará. Karlaleite93@gmail.com.

(2)

Amazônia compreende os Estados do Acre, Amapá, Amazonas, Mato Grosso, Pará, Rondônia, Roraima, Tocantins e parte do Maranhão (oeste do meridiano de 44º).

Segundo o IBGE (2010), Altamira é um município brasileiro localizado no Estado do Pará, na Região Norte do país. Até 2009, foi o maior município do mundo em extensão territorial, com uma área de 159.695,938 km², ultrapassando vários países como Portugal, Islândia, Irlanda, Suíça, entre outros. Fica a uma altitude de 109 metros, latitude 03º12’12” sul e longitude 52º12'23’’oeste. Sua população em 2014 era de 106.768 habitantes.

De acordo com IBAMA, desmatamento é a operação que objetiva a supressão total da vegetação nativa de determinada área para o uso alternativo do solo. Considera-se nativa toda vegetação original, remanescente ou regenerada, caracterizada pelas florestas, capoeiras, cerradões, cerrados, campos, campos limpos, vegetações rasteiras, etc. Entende-se de que qualquer descaracterização que venha a suprimir toda vegetação nativa de uma determinada área deve ser interpretada como desmatamento.

Diante deste cenário é possível notar a importância deste estudo, o qual tem por objetivo analisar dados de pesquisas anteriores e explicar a razão e quais atividades econômicas mais influenciam no desflorestamento no município estudado, Altamira.

MATERIAL E METODOLOGIA Seleção das variáveis

Para que a análise multivariada dos fatores que interferem no desmatamento do município de Altamira se concretizasse, inicialmente foi necessário realizar a seleção das variáveis independentes e dependente que participaram da sumarização; no intervalo de tempo que foi do ano de 2000 a 2012.

No Sistema IBGE de Recuperação Automática – SIDRA foram coletados dados acerca da área plantada da lavoura temporária, da área colhida da lavoura permanente e do número de bovinos; estes referem-se as suas respectivas variáveis independentes utilizadas nesse trabalho, as quais são: abacaxi, amendoim (em casca), arroz (em casca), cana-de-açúcar, feijão (em grão), mandioca, melancia, melão, milho (em grão), soja (em grão), tomate, banana (cacho), cacau (em amêndoa), café (em grão) total, castanha de caju, coco-da-baía, guaraná (semente), laranja, mamão, maracujá, pimenta-do-reino, urucum (semente), madeira em tora, pecuária e carvão vegetal.

(3)

A variável dependente em questão é o desmatamento, e os dados contidos nesse estudo foram retirados do Projeto de monitoramento do desmatamento da Amazônia Legal – PRODES. Este contêm informações acerca do desmatamento ocorrido em todo território amazônico, entretanto retiraram-se apenas informações que dizem respeito ao município supracitado.

Após a obtenção desses dados, os mesmos foram alocados em duas planilhas diferentes na plataforma Excel: uma para as variáveis independentes e outra para a variável dependente; de modo que as linhas indicavam os anos e as colunas indicavam as variáveis. Modelo de análise fatorial

Segundo Vicini (2005), a análise fatorial é desenvolvida por um conjunto de técnicas estatísticas, e possui como objetivo diminuir o número de variáveis iniciais com a menor perda possível de informação e, em outras palavras, pode-se dizer que uma análise fatorial é aplicada à busca de identificação de fatores num conjunto de medidas realizadas pelo pesquisador.

Os dados referentes às variáveis independentes, as quais anteriormente foram alocadas em uma planilha, nesta etapa, foram submetidas ao software Portable IBMM SPSS Statics versão 19, o qual, além dos fatores que representam as variáveis, gerou também uma série de ferramentas para interpretação dos resultados; das quais as que ganharam importância neste artigo foram: comunalidade, rotação de componente, KMO e variância total explicada.

A parcela explicada pelos fatores comuns recebe o nome de comunalidade, e a parcela não explicada é chamada de especificidade. As comunalidades podem variar de zero a um, sendo que valores próximos de zero indicam que os fatores comuns não explicam a variância e valores próximos de um indicam que todas as variâncias são explicadas pelos fatores comuns (HAIR et al 1998, apud PENA, data desconhecida). Dessa maneira, nas comunalidades, as variáveis que apresentaram valores medianos (0,5) ou superiores, foram mantidas por serem consideradas relevantes para a análise.

A rotação de componente é outro instrumento que pode ser ortogonal ou oblíquo. De acordo com Hoffmann 1999, apud Pena, o objetivo da rotação ortogonal é obter uma estrutura simples, ou seja, obter uma nova matriz n x m de coeficientes de fatores, de maneira que os valores absolutos dos elementos de cada coluna dessa matriz se aproximem, na medida do possível, de zero ou um. Para esta rotação utilizou-se o método de varimax, pois esse método é o mais comumente utilizado e minimiza o número de variáveis, com altas cargas sobre o

(4)

fator, reforçando a interpretabilidade dos fatores (PENA 2011, apud PENA, data desconhecida). Quanto a interpretação do método, as variáveis que apresentaram, numericamente, os maiores valores (escores fatorial) em seus determinados fatores indicaram forte correlação com os mesmos, desse modo passaram a constitui-los, conforme os valores.

De acordo com Vicini (2005) há uma medida de adequação dos dados, muito importante, sugerida por Kaiser-Meyer-Olkin Measure of Adequacy (KMO). O KMO serve para avaliar o valor de entrada das variáveis para o modelo, sendo que seu valor possibilita prover resultados no alcance de 0,5 a 0,9, se se obtiver valores nesse intervalo, então as variáveis podem ser utilizadas para realizar a análise fatorial.

Outro ferramental gerado foi a variância total explicada, a qual avalia a contribuição do fator ao modelo construído pela análise fatorial. Se a explicação da variância pelo fator for alta, existe uma alta explicação desse fator ao modelo, se for baixa, existe uma baixa explicação do fator ao modelo (PEREIRA, 2001 apud VICINI, 2005).

Análise de Regressão linear

Com a sumarização das variáveis independentes foram gerados quatros fatores, estes por sua vez, juntamente com a variável dependente (desmatamento) e os seus respectivos anos, foram alocados em uma nova planilha na plataforma excel e, sobre eles foi aplicado o método de regressão. De acordo com Dosualdo (2003) a técnica de regressão tem como objetivo predizer o valor de um atributo-meta numérico baseado em um conjunto de atributos de entrada. Dessa maneira, aplicando este método aos dados coletados, obteve-se coeficientes como resultados, dos quais os que foram considerados mais relevantes para efeito deste artigo são: R – quadrado ajustado, F de significação e valor – P.

RESULTADOS E DISCUSSÕES Análise estatística

Neste estudo o teste de KMO apresentou o valor da ordem de 0,506; deste modo apontando que o conjunto de dados utilizados foi suficiente para que o modelo fatorial pudesse ser aplicado.

O método de extração de fatores

Aplicou-se o modelo de raiz latente para definir os fatores subjacentes que explicam o desflorestamento no município de Altamira. Inicialmente foram utilizadas 25 variáveis, entretanto devido ao baixo de correlação de algumas, este número foi reduzido para 12

(5)

variáveis, as quais após submetidas ao modelo de análise fatorial apresentaram quatro fatores que conjuntamente respondem por 93,494%, como mostra a Tabela 1, da variância total, ou seja, altamente significativa e recomendada para o fenômeno.

Tabela1- Total da variância explicada pelo conjunto dos fatores obtidos pela análise fatorial. Total Variance Explained

Component

Initial Eigenvalues Extraction Sums of Squared Loadings

Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 6,093 50,777 50,777 6,093 50,777 50,777 4,955 41,291 41,291 2 2,940 24,496 75,274 2,940 24,496 75,274 3,083 25,688 66,979 3 1,164 9,700 84,973 1,164 9,700 84,973 1,822 15,182 82,161 4 1,022 8,520 93,494 1,022 8,520 93,494 1,360 11,332 93,494 5 ,329 2,746 96,239 6 ,208 1,735 97,974 7 ,120 ,999 98,974 8 ,084 ,701 99,674 9 ,035 ,294 99,968 10 ,003 ,022 99,990 11 ,001 ,006 99,995 12 ,001 ,005 100,000

Fonte: Resultado do estudo (software Portable IBMM SPSS Statics versão 19).

De um total de 12 variáveis, quatro delas ganharam destaque quanto ao valor do seu peso de explicação do desmatamento segundo atividades produtivas de acordo com a sua vinculação em cada fator, as quais são: a variável cacau respondeu por 90,3% do fator pecuária-agricultura familiar; coco-da-baía respondeu por 94,6% do fator culturas extensas; abacaxi respondeu por 96,9% do fator abacaxi; mandioca respondeu por 97,5% do fator mandioca; como mostra a Tabela 2.

Tabela 2: Matriz de cargas fatoriais rotacionadas das principais atividades do município de Altamira.

Pecuária- agricultura familiar Culturas extensas Fator abacaxi Fator mandioca Comunalidades Abacaxi ,141 ,186 ,940 -,176 ,969

Arroz (em casca) ,718 -,036 ,622 -,094 ,913

Feijão (em grão) ,766 ,403 ,418 -,034 ,925

(6)

Milho (em grão) ,899 ,003 ,403 -,064 ,974

Cacau (em amêndoa) -,911 ,134 -,112 ,205 ,903 Coco-da-baía -,057 ,963 ,121 ,023 ,946 Laranja ,587 -,739 ,099 -,223 ,950 Pimenta-do-reino ,440 ,768 -,131 -,388 ,952 Madeira em tora (m³) ,858 ,253 -,020 ,039 ,802 Pecuária -,895 -,068 -,041 ,397 ,966 Carvão vegetal (ton) ,300 ,857 ,348 -,013 ,946

Os fatores, mediante suas variáveis com maior representatividade, já foram devidamente nomeados, no entanto é notório que, aproximadamente, 42% da explicação da variância total deve-se a apenas um fator ( pecuária-agricultura familiar), isto implica dizer que o município de Altamira apresentou elevada carga fatorial que responde por este fator, dessa maneira apresentando uma elevada influência no desflorestamento do mesmo.

Análise das dimensões fatoriais

No momento da obtenção dos resultados, através do modelo de análise fatorial, não se estabeleceu o número de fatores desejados; de todas as 12 variáveis, quatro dimensões foram extraídas, como mostra o screen plot (Figura 1), da matriz que correlacionou suas linhas e colunas.

Figura 1: Screen Plot

(7)

O primeiro fator denominado de pecuária-agricultura familiar, explicou 41,291% da variância total dos dados e englobou as seguintes variáveis: arroz (em casca), feijão (em grão), milho (em grão), cacau (em amêndoa), madeira em tora e pecuária, conforme mostra a Tabela 3. Nem todas variáveis apresentaram uma relação positiva com o fator, isto indica que, para o período apontado, nem todas as variações ocorreram no mesmo sentido no conjunto do fator.

Tabela 3: Matriz de cargas fatoriais rotacionada, autor valor, comunalidades e variância total explicada.

1 2 3 4 Comunalidades

Abacaxi ,141 ,186 ,940 -,176 ,969

Arroz (em casca) ,718 -,036 ,622 -,094 ,913

Feijão (em grão) ,766 ,403 ,418 -,034 ,925

Mandioca -,164 -,013 -,190 ,955 ,975

Milho (em grão) ,899 ,003 ,403 -,064 ,974

Cacau (em amêndoa) -,911 ,134 -,112 ,205 ,903

Coco-da-baía -,057 ,963 ,121 ,023 ,946

Laranja ,587 -,739 ,099 -,223 ,950

Pimenta-do-reino ,440 ,768 -,131 -,388 ,952

Madeira em tora (m³) ,858 ,253 -,020 ,039 ,802

Pecuária -,895 -,068 -,041 ,397 ,966

Carvão vegetal (ton) ,300 ,857 ,348 -,013 ,946

Auto-valor 4,955 3,083 1,822 1,360 11,220

Variância explicada 41,291 25,688 15,182 11,332 93,494

As variáveis cacau (em amêndoa) e milho (em grão) apresentaram as maiores cargas fatoriais na primeira dimensão, desse modo caracterizam de fato a agricultura no município de Altamira.

O segundo fator denominado de culturas extensas responde por 25,688% da variância total, sendo composto pelas variáveis: coco-da-baía, laranja, pimenta-do-reino e carvão vegetal, na devida ordem de cargas fatoriais; a maioria das variáveis, com exceção da laranja apenas, possuem relação positiva com o fator. O coco-da-baía apresenta uma elevada carga

(8)

fatorial, o que sugere que essa variável sem sobressaia perante as demais, bem como a que mais cresce.

O terceiro fator denominado de fator abacaxi explica 15,182% da variância total e se dimensiona positivamente, envolvendo apenas uma variável: abacaxi; Este fator tem elevada importância, pois implica dizer que apenas a cultura de abacaxi é responsável por uma boa parcela de desmatamento no município.

O quarto fator denominado de fator mandioca explica 11,332% da variância total e apresenta uma elevada carga fatorial e, assim como o fator três, apresenta características diferentes dos demais e por isso atua de forma isolada, com apenas uma variável: a mandioca. Análise da regressão linear

De acordo com Peternelli (data desconhecida), a análise de regressão consiste na obtenção de uma equação que tenta explicar a variação da variável dependente pela variação dos níveis das variáveis independentes. Neste estudo, obteve-se a seguinte equação:

D = 5111,66 - 1565,88F1 + 336,3487065F2 - 450,40568F3 + 234,329641F4

Onde na equação, D é a área desmatada em quilômetros quadrado (Km²), F1 é o fator pecuário-agricultura familiar, o F2 é o fator culturas extensas, o F3 é o fator abacaxi e o F4 é o fator mandioca.

Para este modelo o R-quadrado apresentou um valor de aproximadamente 97%, isto indica que o modelo utilizado é adequado para descrever o fenômeno do desflorestamento no município de Altamira, pois aproxima-se do 100%. O F de significação gerou um valor na ordem de 2,434E-07, mostrando então que a equação obtida é significativamente aderente, uma vez que este valor é considerado baixo. O valor p, no modelo aplicado apresentou valores de ordem de 1,41E-12; 2,36E-08; 1,75E-03; 2,69E-04 e 1,25E-02 para a variável dependente, o fator 1, o fator 2, o fator 3 e o fator 4, respectivamente, dessa maneira foram considerados significativos para o modelo.

CONCLUSÕES

A partir do estudo, pode se concluir que as variáveis mais influentes, ou seja, que mais contribuem para o desflorestamento, em Altamira são: pecuária-agricultura familiar, culturas extensas, cultivo de abacaxi e cultivo de mandioca.

Portanto, pode-se perceber que os fatores supracitados estão, intrinsecamente, ligados à pecuária extensiva, ou seja, são atividades que necessitam de espaços livres para serem

(9)

praticadas/executadas, de tal forma que para pôr em práticas essas ações é necessário que seja feito a supressão vegetal da área. Haja vista que dessa forma são fortes atividades contribuintes para o desflorestamento da área. Fica sabido que para os cultivos tanto de abacaxi, quanto para mandioca, são necessárias grandes áreas, assim como para as culturas extensas. Contudo o fator que mais influencia no desflorestamento municipal é a pecuária-agricultura familiar, sendo esta a variável que apresentou maior índice dentre as outras variáveis, sendo ela a variável mais influente para o desmatamento.

REFERENCIAS

DOSUALDO, D.G. Análise da precisão de métodos de regressão. Universidade de São Paulo, 2003.

IBAMA. Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis. 2014. Disponível em < http://www.ibama.gov.br/areas-tematicas/desmatamento > Acesso em: 18 de dez. de 2014.

IBGE. Instituto Brasileiro de Geografia e Estatísticas. 2010. Disponível em < http://www.ibge.gov.br >. Acesso em: 17 de dez. de 2014.

LEMOS, A.L.F. Desmatamento na Amazônia Legal: Evolução, Causas, Monitoramento e Possibilidades de Mitigação Através do Fundo Amazônia. Universidade Federal Rural do Rio de Janeiro – UFRRJ, 2011. 2 e 3 p.

PENA, H.W.A. Análise multivariada e identificação dos padrões de desflorestamento no Estado do Pará-Amazônia-Brasil, 2000 a 2009. Data desconhecida.

PERTENELLI, L.A, Estatística I. Viçosa, data desconhecida.

PRODES. Projeto de monitoramento do desmatamento da Amazônia Legal. 2014. Disponível em < http://www.obt.inpe.br/prodes.>. Acesso em: 17 de dez. de 2014.

SISTEMA DE KÖPPEN. 2012. Disponível em <

http://geoconceicao.blogspot.com.br/2012/05/classificacao-climatica-de-koppen.html>. Acesso em: 18 de dez. de 2014.

SUDAM. Superintendência do Desenvolvimento da Amazônia. 2010. Disponível em < http://www.sudam.gov.br/amazonia-legal >. Acesso em: 18 de dez. de 2014.

VICINI, L. Análise multivariada da teoria à prática. Santa Maria: Monografia de especialização apresentada à Universidade Federal de Santa Maria, 2005.