Upload
lamphuc
View
218
Download
0
Embed Size (px)
Citation preview
1
AVALIAÇÃO DOS NÍVEIS DE DEGRADAÇÃO AMBIENTAL NO EST ADO
DO MATO GROSSO
APRESENTACAO ORAL-Agropecuária, Meio-Ambiente, e Desenvolvimento
Sustentável
VANESSA DA FONSECA PEREIRA; TALLES GIRARDI DE MENDONÇA; JOÃO
EUSTÁQUIO DE LIMA; VIVIANI SILVA LÍRIO.
UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA - MG - BRASIL.
Avaliação dos níveis de degradação ambiental no estado do Mato Grosso1
Resumo O crescimento das atividades econômicas no estado do Mato Grosso, principalmente agropecuárias, e o aumento da população do Estado possuem conseqüências sobre o meio ambiente. Esse processo torna-se de maior importância em função de o estado fazer parte da Amazônia Brasileira. Desse modo, este trabalho buscou quantificar o nível de degradação ambiental dos municípios do Estado do Mato Grosso. Para tanto, variáveis econômicas, demográficas e biológicas formaram quatro indicadores básicos, utilizados para gerar o Índice de Degradação (ID), por meio de procedimentos de análise fatorial. Posteriormente, os municípios foram agrupados em três clusters, com base no desempenho relativo nos quatro indicadores básicos. Os municípios do Mato Grosso possuem um ID médio de 71,20%, o qual indica expressivo nível de degradação ambiental. Os principais fatores que afetam a degradação no estado são os níveis de atividade agrícola e pecuária, o que é reflexo da expansão da cultura da soja e da criação de gado. Ademais, houve semelhança entre os níveis de degradação dos municípios, o que implica na necessidade de medidas ambientais de âmbito estadual. Palavras-chave: Índice de Degradação, indicadores ambientais, Estado do Mato Grosso. JEL: Q50, R10. Abstract Evaluation of environmental degradation levels in the state of Mato Grosso, Brazil The growth of economic activities in the state of Mato Grosso, mainly agricultural, and the growth of the state’s population have consequences on the environment. This process becomes more important because the state is part of the Brazilian Amazon. 1 Os autores agradecem à Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) o apoio financeiro que permitiu a participação no evento.
2
Thus, this study aimed to quantify the level of environmental degradation of the municipalities of Mato Grosso. Therefore, economic, demographic and biological variables formed four basic indicators used to generate the Degradation Index (DI), by using factor analysis procedures. Subsequently, the municipalities were grouped into three clusters according to the relative performance in four core indicators. The municipalities of Mato Grosso have an average DI of 71.20%, which indicates a considerable level of environmental degradation. The main factors affecting the deterioration in the state are the levels of agricultural and livestock activities, which reflects the expansion of soybean cultivation and cattle breeding. Moreover, there was similarity between the levels of degradation of the municipalities, which implies the need for environmental measures statewide. Key words: Degradation Index, Environmental indicators, Mato Grosso. 1. Introdução
A expansão da produção agropecuária no Brasil, possibilitada pela integração
de novas áreas, tem levado a questionamentos por parte de pesquisadores de diversas
áreas sobre os custos ambientais desse processo e os níveis de degradação por ele
gerados. Isso porque boa parte dessas áreas compreende regiões dos Estados que
compõem a Amazônia brasileira.2 A integração dessas áreas, em geral, é marcada por
intenso processo de degradação ambiental, causada, sobretudo, pelo desmatamento, que
visa à retirada da cobertura vegetal nativa e sua substituição por pastagens e por
lavouras.
Margulis (2003) destacou que o principal determinante do desmatamento na
região amazônica é a expansão das áreas de pastagem. Segundo o autor, com base em
dados do Censo Agropecuário referentes ao ano de 1995, a incorporação das terras
desmatadas com pastagens chegou a 70%.
A pecuária tem sido a atividade dominante na Amazônia e foi a atividade que
mais cresceu em área entre os censos de 1985 e 1995 – cerca de 77%. A pecuária como
atividade dominante e de maior expansão na Amazônia acarreta conseqüências diretas
no desmatamento, uma vez que a pecuária extensiva, com baixo nível tecnológico,
aumenta sua produção por meio da expansão da área, já que aumentos de produtividade
têm efeito secundário sobre seu crescimento. Com as atuais taxas de produtividade,
2 Os Estados brasileiros que fazem parte da Amazônia são: Acre, Amapá, Amazonas, Maranhão, Mato Grosso, Pará, Rondônia, Roraima e Tocantins.
3
associadas ao aumento da demanda de carne e à participação da Amazônia no
abastecimento do mercado interno, a pecuária deverá continuar sua expansão,
mantendo-se como a principal atividade responsável pelo desmatamento na região
(RODRIGUES, 2004).
Fearnside (2005) enfatizou que o crédito barato impulsionou o processo de
desmatamento na região amazônica durante toda a década de 1970 e metade da década
de 1980, quando o crédito agrícola oficial subsidiado tornou-se escasso. Outro ponto
destacado pelo autor é que, nos anos da hiperinflação, a aquisição de terras por motivos
especulativos na região reforçou o processo até 1987. A partir daí, a recessão econômica
dificultou a continuidade dos investimentos em infra-estrutura por parte do governo,
reduzindo o avanço do desmatamento na região até 1991. A retomada do crescimento
em 1995 gerou um pico de desmatamento, ao passo que a estabilização da economia, a
partir desse mesmo ano, contribuiu para reduzir o preço da terra, tornando-a pouco
atrativa para fins especulativos, o que gerou queda no processo de desmatamento até
2002, quando houve acentuado crescimento do preço internacional de soja e carne,
retomando o processo.
Por fim, o autor destaca que o avanço das lavouras de soja, o crescimento da
pecuária e da extração de madeira na região e os movimentos migratórios, possibilitados
por amplos investimentos em infra-estratura são determinantes recentes da degradação
ambiental na Amazônia brasileira.
O Estado do Mato Grosso vem liderando, há anos, o ranking do desmatamento
na Amazônia Legal e, somente no ano de 2003, de acordo com dados do Instituo
Nacional de Pesquisas Espaciais referentes ao ano de 2005, contribuiu com 43% do
total desmatado na região amazônica (FERREIRA, 2006).
No Estado do Mato Grosso, assim como nos demais estados que compõem a
Amazônia brasileira, a pecuária desempenha importante papel como determinante do
desmatamento. A atividade no Mato Grosso é de caráter extensivo e emprega baixa
tecnologia, e só se faz lucrativa à medida que o custo inicial de implantação de uma
pastagem seja quase zero. O custo próximo a zero é possibilitado pela aquisição de
terras por parte dos fazendeiros por meio da grilagem3, prática comum nos municípios
ao norte do Mato Grosso. Outro importante determinante do desmatamento no Estado,
tanto em áreas de floresta como nas áreas onde a vegetação predominante é o cerrado, é
3 Grilagem é o processo de apropriação de terras públicas por meio da falsificação de títulos de propriedade.
4
o cultivo da soja. Esta cultura tem ocupado áreas destinadas à pecuária, levando a
atividade a se deslocar para áreas de fronteira, o que permite concluir que a expansão do
cultivo da soja tem efeito indireto sobre o desmatamento na região (FERREIRA, 2006).
É importante destacar que a expansão da atividade agropecuária no Estado do
Mato Grosso impulsionou os movimentos migratórios em direção a esse Estado,
sobretudo nas décadas de 70 e 80. Segundo Cunha et. al (2002), nessas décadas, a
região norte do Estado apresentava maior dinamismo demográfico ao passo que a região
Sul, área mais consolidada, apresentava menores taxas de crescimento demográfico. Já
na década de 90, conforme destacado pelo autor, as regiões ao Sul mantiveram baixas
taxas de crescimento populacional, exceção feita às microrregiões de Rondonópolis e
Cuiabá (onde as atividades industriais e o setor de serviços são mais desenvolvidos) que
cresceram a taxas próximas a 2% ao ano. Já na região central do Estado, as culturas da
soja, algodão e milho, levaram a um crescimento demográfico mais vigoroso, com
destaque para as microrregiões de Parecis, Primavera do Leste, e Alto Teles Pires, todas
com taxas de crescimento populacional anual acima dos 7%. Por fim, a região norte do
Estado perdeu seu dinamismo demográfico, sendo que as microrregiões Alta Floresta e
Colíder, que na década de 80 apresentaram taxas de crescimento de dois dígitos, nos
anos 90 cresceram 0,5% e -0,8%, respectivamente.
Considerando-se a expansão acelerada das atividades agropecuárias, na região
amazônica e em áreas de cerrado, e seus efeitos sobre o meio ambiente, torna-se
relevante determinar o nível de degradação ambiental causado por essas atividades.
Desse modo, este trabalho pretende quantificar o nível de degradação
ambiental dos municípios do Estado do Mato Grosso. A opção por este Estado levou em
consideração sua importância no processo de desmatamento que vem ocorrendo na
região amazônica. Especificamente pretende-se calcular indicadores econômicos,
populacionais e biológicos para caracterizar a degradação; calcular um índice que
permita determinar o nível de degradação ambiental nos municípios e agrupá-los de
acordo com suas características comuns.
O artigo está subdividido em mais três seções além desta introdução. A seção
seguinte trata da metodologia empregada na pesquisa utilizada para obtenção dos
indicadores. Em seguida são apresentados os principais resultados obtidos e, por fim, na
última seção, são apresentadas algumas conclusões.
2. Metodologia
5
A análise da degradação ambiental no presente trabalho é feita com base na
metodologia proposta por Lemos (2000). Vários trabalhos utilizaram-se desses índices
para medir o grau de degradação ambiental em diferentes regiões e estados do Brasil.
Dentre eles podem ser citados Silva e Ribeiro (2004) que calcularam o índice de
degradação ambiental para os municípios do Acre, Fernandes et. al (2005) que
calcularam o índice para os municípios de Minas Gerais e Lopes et. al (2005) que
utilizaram o mesmo índice para avaliar a degradação no Estado do Pará.
O Índice de Degradação (ID), mede a proporção de degradação da área de
determinado município e, segundo este autor, representa uma evolução, do ponto de
vista metodológico, em relação ao Índice de Desertificação por ele desenvolvido
anteriormente. Segundo Lemos (1995), o Índice de Desertificação não captava o
percentual de devastação a que cada um dos municípios de seu campo de estudo (região
nordeste) estava sendo submetido, contudo, o uso do ID não possui esta restrição.
Neste sentido, a construção do ID foi feita em duas etapas. Na primeira,
desenvolveu-se, por meio de procedimento de análise multivariada, o Índice Parcial de
Degradação (IPD). Com base no IPD foram estimados os pesos atribuídos a cada uma
das variáveis que entraram na composição do ID. As estimativas foram obtidas pelo
método dos mínimos quadrados ordinários restritos (MQR).
2.1. Estimação do Índice Parcial de Degradação (IPD)
Para estimar o IPD associado a cada um dos municípios do Estado do Mato
Grosso, empregou-se o método de análise fatorial por Componentes Principais.
Genericamente, um modelo de análise fatorial é apresentado da seguinte forma:
111 pxrxpxrpx fAX ε+= , (1)
em que )',...,,( 21 pXXXX = é o vetor transposto das variáveis aleatórias observáveis;
f é o vetor transposto de fatores comuns, os quais não são observáveis,
)',...,,( 21 pffff = ; A é uma matriz de coeficientes fixos denominados cargas fatoriais;
)',...,,( 21 pεεεε = é um vetor transposto de erros aleatórios, formados pelos fatores
6
específicos mais o erro. Tem-se a condição necessária de que o número de fatores seja
inferior ao número de variáveis, ou seja, .pr <
Devem ser destacadas algumas pressuposições do chamado modelo de análise
fatorial ortogonal. Primeiro, 0)()( == jfEE ε , ou seja, o termo de erro aleatório e
todos os fatores têm média zero. A ortogonalidade é garantida pela pressuposição
,)( IfCovVar =− que demonstra que os fatores não são correlacionados.
Segundo Mingoti (2005), em alguns casos, a interpretação dos fatores pode
não ser tarefa muito fácil, o que ocorre quando a partição das variáveis originais em m
grupos não é muito clara ou é difícil de ser justificada. Em situações como estas, pode-
se realizar a transformação ortogonal dos fatores originais, em busca de uma estrutura
mais simples de ser interpretada. A rotação ortogonal mantém as comunalidades4 e não
altera a “qualidade do ajuste” obtido pela matriz A, visto que a matriz residual não é
alterada. No presente trabalho, utilizou-se o método de rotação “varimax” 5, o qual
forma um novo sistema de eixos ortogonais com o mesmo número de fatores e permite
que a relação entre variáveis e fatores apareça com maior nitidez.
Para a construção do IPD, estimaram-se os escores associados aos fatores
obtidos após a rotação ortogonal da estrutura fatorial inicial (LEMOS, 2001). Por
definição, o escore fatorial irá situar cada observação no espaço dos fatores comuns.
Deste modo, para cada fator if , o i-ésimo escore fatorial que pode ser extraído é
definido por iF e pode ser expresso por:
∑∑= =
=n
i
p
jijji XbF
1 1
, com .,...,2,1;...,,2,1 pjni == , (2)
em que jb são os coeficientes de regressão e ijX são as p variáveis observáveis.
Como a variável iF é não observável, tem-se que estimá-la por meio das
técnicas de análise fatorial, com base na matriz X de variáveis observáveis. Neste
sentido, utilizando-se a forma matricial, pode-se reescrever a equação (2) da seguinte
forma:
4 A comunalidade no modelo representa a variabilidade de Xj explicada pelos r fatores comuns. 5 Maiores informações acerca deste e de outros métodos de rotação são encontradas em Johnson e Wichern (1988).
7
)()()( . pxqnxpnxq BXF = (3)
Uma vez que nas equações (2) e (3) os escores fatoriais serão afetados tanto
pela magnitude quanto pelas unidades em que as variáveis iX são medidas, substitui-se
a variável X pela variável normalizada Z , podendo-se reescrever a equação (3) como
segue:
]/)[(XiXiiij XZ σµ−= , (3.a)
em que Xiµ é a média de iX e Xiσ é o seu desvio padrão.
A partir dessa transformação, a equação (3) é modificada, sendo expressa da
seguinte maneira:
)()()( . pxqnxpnxq ZF β= . (4)
Na equação (4), o vetor β substitui o vetor dos coeficientes de regressão B ,
da equação (3), pois as variáveis estão normalizadas em ambos os lados da equação. Ao
se multiplicar os dois lados da equação (4) por ')/1( Zn , tem-se:
βZZnFZn t)/1(')/1( = , (5)
em que n é o número de observações e 'Z é a matriz transposta de Z .
O primeiro membro da equação (5), FZn t)/1( , é a matriz de correlações entre
os termos de iX , a qual, a partir de agora, será representada por R . Já a matriz
ZZn t)/1( representa a correlação existente entre os escores fatoriais e os próprios
fatores, e será identificada por Λ . Assim, pode-se reescrever a equação (5) da seguinte
forma:
BR.=Λ (6)
8
Supondo que a matriz R seja não-singular, ou seja, 0≠R , podem-se
multiplicar ambos os lados de (6) pela inversa de R , dada por ( 1−R ), obtendo-se a
seguinte equação:
Λ= − .1Rβ (7)
A estimativa do vetor β é substituída na equação (4). Esse procedimento
fornece, então, os escores fatoriais associados a cada observação.
2.2. Construção do IPD
Para a elaboração do IPD, utilizou-se da propriedade de ortogonalidade dos
escores fatoriais estimados, destacando-se que a ortogonalidade associada à matriz de
fatores não implica necessariamente na ortogonalidade dos escores fatoriais. Portanto,
deve-se testar se os escores fatoriais são ortogonais, observando-se a matriz de variância
e covariância entre esses escores, a qual deve ser uma identidade para que os escores
fatoriais sejam ortogonais (LEMOS, 2001).
O IPD foi estimado pela seguinte equação:
2/1
1 1
2
= ∑∑
= =
n
i
p
jiji FIPD , com pjni ...,,2,1;,...,2,1 == (8)
em que iIPD é o índice parcial de degradação associado ao i-ésimo município do Mato
Grosso; ijF são os escores fatoriais estimados segundo o procedimento de
decomposição em componentes principais.
De acordo com Lemos (2001), como se espera que os escores associados aos
municípios tenham distribuição simétrica em torno da média zero, metade deles terá
sinais negativos e a outra metade terá sinais positivos, sendo que os municípios que
apresentarem os menores índices de degradação parcial terão escores fatoriais
negativos. Para evitar que os altos escores fatoriais negativos elevem a magnitude dos
índices associados a estes municípios, torna-se necessária a transformação mostrada
abaixo, tendo por objetivo inseri-los todos no primeiro quadrante:
9
( ))( minmax
min*
FF
FFF ij
ij −−
= (9)
em que minF e maxF são os valores máximo e mínimo observados para os escores
fatoriais associados aos municípios do Mato Grosso.
Vale ressaltar que o IPD , definido desta forma, é de utilidade para fazer o
ordenamento dos municípios do Mato Grosso quanto ao nível de degradação (LEMOS,
2001). Porém, não permite estimar o percentual de degradação que é observado em cada
um dos municípios, o que é feito utilizando-se o ID , cuja formulação será apresentada a
seguir.
2.3. Construção do ID
Para construir o ID , associado ao i-ésimo município do Mato Grosso,
utilizou-se a seguinte equação:
= ∑
=
p
jijji XPID
1
, com .,..,2,1 ni = e ∑=
=p
jjP
1
1, (10)
em que os pesos jP são estimados por regressão múltipla, cuja variável dependente é o
iIPD e as variáveis explicativas são os indicadores utilizados para a construção do ID .
A restrição do somatório dos coeficientes deve ser imposta, de modo que a soma dos
pesos seja igual à unidade.
2.4. Construção dos Indicadores de Degradação
No presente trabalho o termo degradação ambiental pode ser entendido como
os danos gerados ao meio ambiente por atividades econômicas, aspectos populacionais
e fatores biológicos, ou seja, a degradação ambiental pode ser considerada como um
processo caracterizado por desmatamentos para atender à demanda da população para
novas áreas onde possam fixar-se, por derrubada da floresta e queima da vegetação
tendo por objetivo aumentar áreas limpas para atender atividades econômicas como
10
agricultura e pecuária. Neste sentido, para construir o ID, foram levados em
consideração quatro indicadores: um biológico, dois econômicos e um demográfico.
Seguindo-se a metodologia de Lemos (2000), o indicador biológico
(DECOBV) refere-se à cobertura vegetal existente em cada município do Mato Grosso.
Os dois indicadores econômicos foram definidos pela produtividade das lavouras
(DEVAVE) e animal (DEVANI). Já o indicador demográfico (DEMORU) refere-se à
capacidade das áreas com lavouras (perenes e temporárias) e de pastagens (naturais e
plantadas) suportarem um maior contingente de trabalhadores nas atividades
agropecuárias. Quanto mais degradadas estiverem as áreas, menores serão as
capacidades dessas áreas em suportar uma maior quantidade de trabalhadores por
unidade.
Segundo Lemos (2001), para se construir um Índice de Degradação seria
necessário ter uma informação a priori de quais seriam os níveis ideais de preservação
associados aos indicadores que são utilizados para a sua construção. Esta seria uma
tarefa extremamente difícil, até porque variaria de acordo com quem estivesse fazendo a
análise e dependeria de um forte nível de subjetividade.
Para contornar esta situação, foi adotado o critério de hierarquização,
estabelecido com base nos 10% dos municípios melhores posicionados em cada um dos
indicadores utilizados para aferir a degradação. Estimou-se uma média aritmética de
cada indicador para estes municípios melhores posicionados, assumindo-se essas
médias como referência de preservação. Logo, para cada um dos quatro indicadores,
tomando-se como base o município i, quanto maior a distância entre o indicador do
município i em relação ao valor médio de referência, mais degradado estará o
município, no que se refere a este indicador específico (LEMOS, 2001).
Com base na descrição acima, definem-se os seguintes indicadores:
• COBVi : Cobertura vegetal do município, que representa o quociente entre o
somatório das áreas com matas e florestas (nativas e cultivadas), e com lavouras
(perenes e temporárias), e a área total do i-ésimo município do Estado do Mato
Grosso;
• COBVREF: Média da cobertura vegetal dos 14 municípios melhores posicionados
em relação a este indicador;
• VAVE i : Quociente entre o valor da produção vegetal do i-ésimo município do
Estado do Mato Grosso e o somatório das áreas com lavouras, perenes e
temporárias;
11
• VAVEREF: Média do indicador anterior dos 14 municípios melhores
posicionados em relação a ele;
• VANI i: Quociente entre o valor da produção animal do i-ésimo município do
Estado do Mato Grosso e a área total com pastagens, naturais e cultivadas;
• VANI REF: Média do indicador anterior dos 14 municípios melhores posicionados
em relação a ele;
• MORUi: Quociente entre o total da mão-de-obra empregada no meio rural do i-
ésimo município e a soma das áreas com lavouras e pastagens;
• MORUREF: Média do indicador anterior dos 14 municípios melhores
posicionados em relação a ele.
Os indicadores descritos acima são a base para a construção do IPD e do ID,
os quais são definidos conforme segue (LEMOS, 2001):
• DECOBV (Xi1) = 0, se COBV ≥ COBVREF;
• DECOBV (Xi1) = [1 - (COBV / COBVREF)*100, nos demais casos;
• DEVAVE (X i2) = 0, se VAVE ≥ VAVEREF;
• DEVAVE (X i2) = [1 - (VAVE / VAVEREF)*100, nos demais casos;
• DEVANI (X i3) = 0, se VANI ≥ VANIREF;
• DEVANI (X i3) = [1 - (VANI / VANI REF)*100, nos demais casos;
• DEMORU (Xi4) = 0, se MORU ≥ MORUREF;
• DEMORU (Xi4) = [1 - (MORU / MORUREF)*100, nos demais casos.
Observa-se que o IPD e o ID são índices relativos de degradação, cujas
referências são os resultados obtidos pelos 14 municípios melhores posicionados em
cada indicador que os compõe.
Tomando-se como base a relação entre o IPD (Y) e os indicadores DECOBV
(X1), DEVAVE (X2), DEVANI (X3) e DEMORU (X4), têm-se as seguintes condições
de estabilidade do modelo:
.00,0,04321
>∂∂>
∂∂>
∂∂>
∂∂
X
Ye
X
Y
X
Y
X
Y (11)
2.5. Método de Agrupamento
12
De acordo com Mingoti (2005), a análise de agrupamentos, também conhecida
como análise de conglomerados, classificação ou cluster, tem como objetivo dividir os
elementos da amostra em grupos, de modo que os elementos pertencentes ao mesmo
grupo sejam similares entre si, com respeito às características que nele foram medidas, e
os elementos em grupos diferentes sejam heterogêneos, em relação a estas mesmas
características. Adicionalmente, Johnson e Wichern (1992) destacaram que o objetivo
principal da análise é descobrir o agrupamento natural das variáveis.
Segundo Migoti (2005), a descrição da similaridade (ou dissimilaridade) entre
elementos amostrais, que possuem informações para p-variáveis armazenadas em um
vetor, pode ser feita por meio de medidas matemáticas que possibilitem a comparação
dos vetores, como as medidas de distância.
No presente trabalho, utiliza-se a medida de similaridade mais simples, a
distância Euclidiana. Considerando-se um conjunto de n elementos amostrais e a
disponibilidade de informações para p-variáveis aleatórias em cada um deles, tem-se,
para cada elemento amostral j, o vetor de medidas Xj, definido por:
,,...,2,1,]'...[ 21 njXXXX pjjjj == (12)
onde Xij representa o valor observado da variável i medida no elemento j. A distância
Euclidiana entre dois elementos Xl e Xk, l ≠ k, é definida por:
,)]()'[(),( 2/1klklkl XXAXXXXd −−= (13)
em que Apxp é uma matriz de ponderação, positiva definida. No caso da distância
Euclidiana simples, utilizada neste estudo, a matriz Apxp é a matriz identidade.
A partir das medidas de similaridade, os métodos mais comuns para agrupar os
elementos são o método de ligação simples; ligação completa; ligação pela média;
centróide; e método de Ward, ou método de “mínima variância”. Todos eles foram
testados no presente trabalho, mas aquele que apresentou melhor diferenciação entre os
grupos foi o método de Ward.
2.6 Fonte dos dados
13
Os dados utilizados foram obtidos junto ao Instituto Brasileiro de Geografia e
Estatística (IBGE), oriundos da Pesquisa Pecuária Municipal (PPM) e da Produção
Agrícola Municipal, ambas do ano de 2006. As áreas municipais referem-se à definição
da Resolução do IBGE nº 05, de 10 de outubro de 2002. Do total de 141 municípios
existentes no Estado do Mato Grosso, no ano de 2006, dois (Itanhangá e Ipiranga do
Norte) foram criados no ano de 2005. Em virtude da indisponibilidade de dados das
áreas desses dois municípios, optou-se por excluí-los do estudo.
3. Resultados
Para testar a adequabilidade dos dados ao método de análise fatorial, utilizou-
se o teste de esfericidade de Bartlett. A rejeição da hipótese nula de que a matriz de
correlação é uma matriz identidade, ou seja, de que as variáveis não são
correlacionadas, a 1% de probabilidade, indicou que a amostra utilizada é adequada ao
procedimento de análise.
A aplicação da análise fatorial com rotação de fatores permitiu resumir as
quatro variáveis iniciais em dois fatores, de forma que cada um deles se relacionasse
mais distintamente com um par diferente de variáveis. As cargas fatoriais resultantes da
rotação são apresentadas na Tabela 1. O primeiro fator possui maior correlação com as
variáveis de Degradação da Cobertura Vegetal (DECOBV) e Degradação da Atividade
Animal (DEVANI) e o segundo, com as variáveis Degradação da Cobertura Vegetal
(DEVAVE) e Degradação da Mão-de-obra rural (DEMORU), esta última refere-se à
intensidade de utilização de mão-de-obra. O primeiro fator explica 32,76% da variação
total dos dados, enquanto o segundo, 32,41%, de forma que, em conjunto, eles
representam 65,17% da variação total observada nos quatro indicadores usados como
base para a análise.
Cabe ressaltar que a ortogonalidade dos fatores foi ratificada, visto que a
matriz de variância e covariância para o primeiro e o segundo fator foi uma matriz
identidade.
Tabela 1 - Cargas fatoriais e coeficientes estimados da regressão para os escores
fatoriais rotacionados, Mato Grosso, 2006.
14
Variáveis Cargas fatoriais após a rotação
varimax Coeficientes utilizados para
estimar os escores
Fator 1 Fator 2 Fator 1 Fator 2
DECOBV 0,7517 -0,4288 0,5581 -0,3478
DEVAVE -0,1761 0,6938 -0,1097 0,5388
DEVANI 0,8126 0,3271 0,6315 0,2333
DEMORU 0,2326 0,7240 0,2032 0,5525
Fonte: Resultados da pesquisa.
A Tabela 2 mostra os coeficientes obtidos na regressão do IPD em relação aos
indicadores de degradação, os quais representam os pesos de cada indicador na
formação do IPD. Os valores das elasticidades demonstram que as variáveis biológicas
e demográficas foram as que mais influenciaram o IPD, de forma que os fatores
econômicos apresentaram-se com menor relevância. Observa-se que variações de 1% no
índice de Degradação da Cobertura Vegetal resultariam em variações de 0,32% do IPD.
Similarmente, alterações de 1% na variável Degradação da Cobertura Vegetal
ocasionariam mudanças de 0,22% no IPD.
Tabela 2 – Pesos e elasticidades associados ao IPD
Variáveis Pesos Elasticidades
DECOBV 0,43 0,32
DEVAVE 0,29 0,22
DEVANI 0,13 0,12
DEMORU 0,14 0,10
Fonte: Resultados da pesquisa.
A partir dos resultados para o Indicador Parcial de Degradação, foram obtidos
os valores para o Índice de Degradação. Os índices gerados para todos os municípios
são resumidos na Tabela 3, na qual são apresentadas as médias e medidas de dispersão.
Observa-se que os municípios do Estado do Mato Grosso possuem ID médio de
71,20%. Esse resultado pode ser comparado aqueles obtidos em trabalhos
desenvolvidos a partir do ano 2000, que também seguiram a metodologia proposta por
Lemos (2001), para outros Estados do Brasil. Assim, constata-se que a degradação
ambiental no Mato Grosso é superior à do Acre, com um ID médio de 30,74% (Silva e
15
Ribeiro, 2004); à do Estado do Pará, cujo ID médio foi de 52,54% (Lopes et al., 2005).
Por outro lado, a degradação do Estado do Mato Grosso é inferior à de Minas Gerais,
cujo ID médio foi de 85,8% (Fernandes et al., 2005).
Essas diferenças nos níveis de degradação refletem, entre outros fatores, as
diferenças nas concentrações demográficas e nos níveis de atividade econômica entre
esses estados. O estado do Acre, com menor ID, é um estado relativamente novo e
caracteriza-se por menor grau de desenvolvimento econômico, além de baixos índices
de concentração demográfica. No outro extremo está o estado de Minas Gerais, cuja
ocupação já atingiu níveis expressivos em todo o território, e a economia é
expressivamente mais desenvolvida, com destaque para as atividades agrícolas e
pecuárias.
A média global de 71,20% é um valor expressivo, considerando-se os contextos
econômico e demográfico do estado do Mato Grosso. A expansão das atividades de
agricultura e pecuária no estado configura-se como um movimento marcante e veloz,
assim como os movimentos populacionais em direção a região. O crescimento da
cultura da soja e da pecuária extensiva, com baixa tecnologia, possuem efeitos negativos
sobre a conservação ambiental, o que ocorre, também, como conseqüência do aumento
dos trabalhadores na região.
Ainda com base na Tabela 3, nota-se que o indicador de degradação da
atividade animal (DEVANI) foi o que apresentou maior média entre os municípios, o
que demonstra os expressivos efeitos das atividades pecuárias sobre a degradação
ambiental no Estado. O indicador de degradação da cobertura vegetal (DEVAVE) foi o
segundo de maior relevância média. Desse modo, tem-se um indicativo de que os
fatores econômicos contribuíram mais significativamente que os aspectos biológicos e
demográficos para a degradação ambiental no Mato Grosso.
Em relação à variabilidade dos resultados, constata-se que o indicador de
degradação da mão-de-obra rural (DEMORU) foi o que apresentou maior diferenciação
entre os municípios, o que mostra que a distribuição demográfica não é uniforme no
Estado. Já o IPD e o ID não oscilaram expressivamente entre os 139 municípios,
apresentando coeficiente de variação de 0,15.
Tabela 3 – Estatísticas descritivas dos indicadores básicos, IPD e ID.
Medidas de dispersão Indicadores Índices (%)
16
DECOBV DEVAVE DEVANI DEMORU IPD ID Mínimo 0 0 0 0 0,43 23,27 Média 69,25 71,42 83,20 64,47 0,94 71,20 Máximo 95,98 99,40 99,74 97,52 1,16 92,05 Desvio padrão 16,80 20,58 18,62 26,15 0,14 10,34 C.V. 0,24 0,29 0,22 0,41 0,15 0,15
Fonte: Resultados da pesquisa.
A Tabela 4 apresenta os valores dos indicadores e índices e, em função do
elevado número de municípios no estado do Mato Grosso, optou-se por apresentar os
resultados médios para mesorregiões e microrregiões. Conforme sugerido pelas medidas
de dispersão dos índices (Tabela 3), não há discrepâncias expressivas entre os IDs
médios das mesorregiões (Tabela 4, em negrito). Os maiores indicadores e índices de
degradação referem-se ao Nordeste Mato-grossense, impulsionados, principalmente,
pela elevada taxa de degradação resultante das atividades pecuárias na região. As quatro
demais regiões apresentam IDs médios semelhantes.
Tabela 4 – Indicadores e Índices de Degradação Ambiental, Mato Grosso, 2006.
Mesorregiões microrregiões
Indicadores Índices (%) DECOBV DEVAVE DEVANI DEMORU IPD ID
Norte 65,63 74,27 84,54 61,46 0,94 70,24 Aripuanã 75,01 77,22 92,74 43,58 0,94 73,92 Alta Floresta 66,84 65,53 87,68 49,95 0,90 67,11 Colíder 68,27 70,71 83,79 41,48 0,86 67,56 Parecis 62,94 71,30 87,56 77,55 0,98 70,79 Arinos 70,02 64,29 93,41 55,50 0,97 69,68 Alto Teles Pires 55,44 72,48 57,31 80,76 0,84 64,07 Sinop 57,57 82,61 84,22 70,94 0,96 70,41 Paranatinga 72,49 91,73 96,23 88,13 1,12 83,53 Nordeste 72,40 76,82 93,38 82,48 1,06 77,99 Norte Araguaia 71,56 73,62 92,53 81,10 1,04 76,38 Canarana 73,44 80,21 93,21 81,61 1,06 79,28 Médio Araguaia 73,54 82,73 97,78 91,26 1,12 82,00 Sudoeste 70,83 70,66 70,35 53,07 0,85 68,33 Alto Guaporé 68,01 87,15 79,40 70,09 0,96 75,47 Tangará da Serra 73,96 53,37 88,64 37,92 0,87 65,18 Jauru 70,71 70,99 58,95 52,30 0,80 66,67 Centro-Sul 79,97 61,53 87,73 52,93 0,94 72,05 Alto Paraguai 75,29 52,44 82,01 49,36 0,88 66,09 Rosário Oeste 73,98 66,63 92,41 38,22 0,91 69,62 Cuiabá 80,04 74,13 85,90 48,36 0,93 74,89 Alto Pantanal 90,21 53,34 93,65 74,15 1,04 77,78 Sudeste 64,57 66,82 77,73 71,58 0,91 68,01 Primavera do Leste 46,85 65,94 45,10 73,83 0,72 55,80 Tesouro 70,14 70,42 88,45 83,17 1,02 74,54
17
Rondonópolis 64,41 63,53 72,62 54,54 0,83 63,98 Alto Araguaia 60,09 65,34 80,93 80,73 0,93 67,32 Fonte: Resultados da pesquisa.
Com base nas semelhanças e diferenças relativas aos indicadores DECOBV,
DEVAVE, DEVANI e DEMORU, foram formados agrupamentos de municípios.
Buscou-se unir aqueles municípios mais similares, ao mesmo tempo em que se
pretendeu separar aqueles mais diferentes. Contudo, conforme destacado sobre as
estatísticas descritivas dos indicadores, cabe ressaltar que os municípios não apresentam
dispersões expressivas, o que tende a gerar grupos não muito distintos entre si. Assim, a
divisão dos elementos que garantiu maior heterogeneidade entre os agrupamentos,
mantendo a homogeneidade interna, foi obtida com três clusters (Tabela 5).
O cluster 1 é formado por 37 municípios e pode ser indicado como o grupo de
menor nível de degradação ambiental. Observa-se que este possui os menores
indicadores médios DEVAVE e DEVANI, o que indica que o agrupamento se destaca
pelos menores níveis de degradação advinda das atividades agropecuárias. Uma vez que
o IPD se mostrou mais sensível a esses indicadores econômicos (Tabela 2), como
conseqüência, observam-se as menores taxas médias de IPD e ID. Este cluster é
composto, em sua maior parte, pelos municípios das regiões Nordeste e Norte do
Estado, os quais representam 32,43% e 29,73%, respectivamente.
Tabela 5 – Clusters ambientais dos municípios do Mato Grosso, 2006
Clusters Indicadores Índice
DECOBV DEVAVE DEVANI DEMORU IPD % ID % Cluster 1 (37 municípios) Mínimo 38,47 0 0 0 0,44 42,82 Média 68,62 68,94 82,56 64,83 0,93 70,16 Máximo 89,21 98,88 97,64 95,24 1,10 85,38 Desvio Padrão 13,58 22,58 21,99 28,02 0,15 8,93 C.V. 0,20 0,33 0,27 0,43 0,16 0,13 Cluster 2 (78 municípios) Mínimo 0 0 2,83 0 0,43 23,27 Média 68,27 71,67 83,81 63,24 0,94 70,77 Máximo 95,98 99,40 99,44 97,21 1,16 92,05 Desvio Padrão 18,85 20,77 16,88 26,39 0,14 10,93 C.V. 0,28 0,29 0,20 0,42 0,15 0,15 Cluster 3 (24 municípios) Mínimo 22,30 44,24 37,36 10,38 0,70 47,23 Média 73,44 74,45 82,16 67,93 0,96 74,22 Máximo 90,41 96,20 99,74 97,52 1,15 88,41
18
Desvio Padrão 13,86 16,70 19,15 22,92 0,15 10,27 C.V. 0,19 0,22 0,23 0,34 0,16 0,14
Fonte: Resultados da pesquisa.
Por outro lado, o cluster 3, formado por 24 municípios, engloba aqueles com
maiores níveis de degradação, medidos tanto pelo IPD, como pelo ID. Mais
especificamente, os municípios deste grupo têm as maiores médias para os indicadores
DECOBV, DEVAVE e DEMORU. A maior parte dos elementos deste grupo advém da
região Norte Mato-grossense, cuja parcela no cluster é de 41,67%, e da região Sudoeste,
com 29,17%.
Já o cluster 2, formado por 78 municípios, incorpora os que se encontram em
situação intermediária à dos dois outros grupos, ou seja, não se destacam por apresentar
indicadores de degradação maiores, nem menores. Neste grupo, a maior parte dos
municípios é da região Norte, com participação de 41,03%.
Tomando-se como base o conjunto dos 139 municípios em análise, constata-se
que a maioria deles, representada por 56,12%, insere-se nesse grupo intermediário. Por
outro lado, verifica-se que a minoria dos elementos, 17,27% do total, está inserida no
agrupamento de maiores taxas de degradação ambiental, o que impede que as médias
globais sejam superiores.
4. Conclusões
Com vistas em avaliar o nível de degradação ambiental no Estado do Mato
Grosso, foram calculados índices e indicadores para os municípios, baseados em
aspectos biológicos, demográficos e econômicos. Com base nesses indicadores, os
municípios foram agrupados e analisados quanto às suas semelhanças e diferenças.
Em termos gerais, o nível de degradação no estado pode ser considerado
significativo, visto que o ID médio foi de 71,24%. Mesmo entre os membros do
agrupamento caracterizado por menor grau de degradação, os índices médios são
expressivos. Os principais fatores que contribuíram para formar esse resultado foram as
atividades econômicas consideradas, quais sejam, a agricultura e a pecuária. Isso reflete
os efeitos da expansão da cultura da soja no estado, bem como do aumento da criação
de gado, em geral na forma extensiva, com baixo uso de tecnologia.
19
Os fatores biológicos e demográficos, apesar de terem apresentado menor
efeito que os fatores econômicos, também contribuíram para elevar a degradação
ambiental. O crescimento das atividades de extração de madeira na região possui efeitos
negativos sobre o nível de cobertura vegetal, assim como os constantes movimentos
populacionais, os quais ocorrem, na maioria das vezes, como conseqüência do
crescimento das atividades econômicas.
A análise de clusters, por sua vez, não demonstrou grandes variações na
degradação ambiental entre os municípios. Com isso, as medidas voltadas para o
controle da degradação podem ser implementadas com um enfoque no estado como um
todo.
Por fim, cabe observar que o estudo baseia-se em somente quatro indicadores
para construir o Índice de Degradação. A incorporação de outras variáveis poderia ter
resultados positivos sobre o nível de informações obtidas a partir do índice. Além disso,
o estudo poderia ser enriquecido com a análise do índice ao longo do tempo, de forma a
aferir a evolução do processo de degradação.
20
Referências Bibliográficas
CUNHA, J. M. P; ALMEIDA, G. M. R; RAQUEL, F. Migração e transformações
produtivas na fronteira: o caso de Mato Grosso. 2002. Disponível em:
http://www.abep.nepo.unicamp.br/docs/anais/pdf/2002/GT_MIG_ST33_Cunha_texto.p
df. Acesso em: 19 abr. 2009.
FEARNSIDE, P. M. Deforestation in Brazilian Amazônia: history, rates and
consequences. Conservation Biology. v. 19, n.3, p. 680-688, 2005.
FERNANDES, E. A; CUNHA, N. R. S; SILVA, R. G. Degradação ambiental no Estado
de Minas Gerais. Revista de Economia e Sociologia Rural. 2005. v. 43, n. 01, p.179-
198.
FERREIRA, D. A. C. Modelagem do desmatamento no noroeste mato-grossense.
2006. 99p. Dissertação (Mestrado em Biologia Tropical de Recursos Naturais).
Universidade Federal do Amazonas, Manaus, AM.
IBGE - Instituto Brasileiro de Geografia e Estatística. Pesquisa Pecuária Municipal
(PPM), 2006. Disponível em: www.ibge.gov.br. Acesso em: 15 mar. 2009.
IBGE - Instituto Brasileiro de Geografia e Estatística. Produção Agrícola Municipal
(PAM), 2006. Disponível em: www.ibge.gov.br. Acesso em: 15 mar. 2009.
JOHNSON, A; WICHERN, D. Applied Multivariate Statistical Analysis, New
Jersey, 1992. 642p.
21
LEMOS, J.J.S. Níveis de degradação no Nordeste brasileiro. Revista Econômica do
Nordeste, v. 32, n.3, p.406-429, 2001.
LOPES, M. L. B; SILVA, R. G; SANTOS, M. A. S. Estimativa de indicadores de
degradação ambiental no Estado do Pará: uma análise a partir de modelos estatísticos
multivariados. In: CONGRESSO BRASILEIRO DE ECONOMIA E SOCIOLOGIA
RURAL, Ribeirão Preto, 2005. Anais do XLIII Congresso Brasileiro de Economia e
Sociologia Rural, 2005.
MARGULIS, S. Causas do desmatamento da Amazônia brasileira. 1ª edição.
Brasília: Banco Mundial. 2003. 100p.
MINGOTI, S. A. Análise de dados através de métodos de estatística multivariada:
uma abordagem aplicada. Belo Horizonte: Editora UFMG, 2005. 295p.
RODRIGUES, R. L. V. Análise dos fatores determinantes do desflorestamento na
Amazônia Legal. 2004. 249p. Tese (Doutorado em Ciências em Engenharia).
Universidade Federal do Rio de Janeiro, Rio de Janeiro, RJ.
SILVA, R. G; RIBEIRO, C. G. Análise da degradação ambiental na Amazônia
Ocidental: um Estudo de caso dos Municípios do Acre. Revista de Economia e
Sociologia Rural, v. 42, n. 1, p. 93-112, 2004.