Contexto
Foi realizada a correlação entre a intensificação da agropecuária e o desmatamento nos municípios do Mato Grosso (MT). Destaca-se que dados de desmatamento não estão disponíveis para os anos de 2009 e 2011. Dessa forma, foi feita a imputação dos dados de desmatamento utilizando um modelo de regressão linear.
Para as propriedades selecionadas, foi utilizada a área de vegetação nativa (2008) e a área de desmatamento (2008 a 2017) para estimar a área de vegetação nativa no período de 2013 a 2017. A área de vegetação nativa, para cada ano, foi calculada subtraindo a área de vegetação do ano anterior pelo desmatamento também do ano anterior. Dessa forma, entende-se por área de floresta como a área remanescente no início do ano em análise, e área de desmatamento como a área total desmatada no ano em análise.
Destaca-se que os dados de vegetação nativa e os dados de desmatamento provêm de bases de dados distintas. Para avaliar possíveis discrepâncias entre as bases de dados foi feita a comparação entre a área de vegetação nativa e a área do desmatamento acumulado, considerando o período 2008 a 2017 (com os dados imputados). Foram identificadas 58 propriedades nas quais a área de desmatamento foi maior que a área de vegetação nativa, essas propriedades representam 1,65% do banco de dados. Neste caso, optou-se pela exclusão desses dados. Além dos dados anuais de desmatamento, foram considerados os valores médios anuais dos preços de milho, soja, bezerro e boi gordo no período de 1 de janeiro de 2013 a 31 de dezembro de 2017.
Ajustes de Modelos de Regressão Lineares
A seguir, são apresentados os resultados do ajuste do modelo de regressão linear múltipla, onde a variável resposta é a intensificação. Diferentes modelos de regressão foram ajustados considerando diferentes subconjuntos dos dados. A tabela abaixo apresenta o resultado do ajuste de modelos de regressão utilizando a intensificação como variável resposta e as variáveis tamanho de floresta, desmatamento, número de multas aplicadas no município, preço médio anual do boi gordo e preço médio anual do milho. Em cinza estão indicadas as variáveis não significativas (estatisticamente não significativas, utilizando um nível de significância de 5%). O modelo que utiliza os dados de todas as propriedades apresenta as variáveis floresta, multas e preço do boi gordo significativas.
Em geral, quanto maior a área de floresta menor a intensificação; quanto maior o número de multas do município menor a intensificação e quanto maior o preço do boi gordo maior a intensificação. Nas propriedades de até 4 módulos fiscais (MF), o mesmo comportamento se observa com relação ao ajuste do modelo linear. Nas propriedades de 5 a 14 MF, somente as variáveis floresta e preço do boi gordo se mostraram significativas. O resultado indica que, quanto maior a área de floresta, menor a intensificação e quanto maior o preço do boi gordo, maior a intensificação. Finalmente, para as propriedades com área igual ou maior que 15 MF, além da variável área de floresta, o número anual de multas no município se mostrou estatisticamente significativo. O modelo indica que quanto maior o número multas menor a intensificação.
A tabela a seguir apresenta análise similar à apresentada acima. Entretanto, considera somente os dados onde a classe prioritária da propriedade é o abate. Por esta razão, o tamanho amostral é menor quando comparado com o resultado anterior. Em geral, os resultados apresentados na Tabela 2 são similares aos resultados apresentados na Tabela 1, embora existam pequenas variações. Destaca-se que todos os modelos apresentados nas Tabelas 1 e 2 apresentam coeficientes de determinação ajustados (R2Adjusted) muito reduzidos, indicando que os modelos explicam uma pequena porção da variabilidade da variável resposta (intensificação).
A figura a seguir apresenta o comportamento da média da intensificação para os diferentes anos com os seus respectivos intervalos de confiança (95%) considerando todas as propriedades. Em ambos os casos, há evidência estatística que os valores médios das intensificações são distintos (P-valor = 0.00000000000143 utilizando o método ANOVA para todas as propriedades e P-valor = 0.000000245 utilizando o método ANOVA para as propriedades onde a classe prioritária é o abate).
Ajustes de Modelos de Regressão Logística
Foram ajustados modelos de regressão logística sendo a variável dependente a ocorrência (Y=1) ou não (Y=0) do desmatamento. Semelhante à análise com os modelos de regressão linear, foram utilizados modelos para os diferentes tamanhos de propriedade e considerando somente as propriedades com classe prioritária igual a abate.
Como medida da qualidade do ajuste dos modelos logísticos foi utilizada a estatística AUC (Area Under the Curve), que apresenta um comportamento semelhante ao coeficiente de determinação. O limite superior da AUC é a unidade (1). Um modelo logístico que se comporta segundo uma escolha aleatória apresenta uma AUC próxima de 0,50 (50%) .
A tabela abaixo apresenta os resultados dos modelos logísticos. Considerando todas as propriedades, sem distinção do tamanho, as variáveis área de floresta, intensificação e preço do boi gordo apresentaram significância estatística ao nível de significância de 5%. Em geral, quanto maior a área de floresta maior a chance de desmatamento, quanto maior a intensificação menor a chance de desmatamento e quanto maior o preço do boi gordo, menor a chance de desmatamento. Considerando as propriedades de até 4 MF, ocorreu uma inversão do sinal do coeficiente associado às multas, indicando que quanto maior o número de multas no município, maior a chance de desmatamento. Nas propriedades de 5 a 14 MF somente a variável floresta foi estatisticamente significativa. Para as propriedades com tamanho igual ou maior que 15 MF, além da variável área de floresta, as variáveis intensificação, multas e preço do boi gordo contribuem para a redução da ocorrência do desmatamento.
Por fim, a tabela abaixo apresenta os resultados dos modelos logísticos, considerando somente as propriedades onde a classe prioritária é o abate. Diferente dos resultados apresentados na Tabela 3, para as propriedades com tamanho entre 5 a 14 MF as variáveis multas e preço do boi gordo apresentaram significância estatística. Para essas propriedades, quanto maior o número de multas, menor a chance de desmatamento e quanto maior o preço do boi gordo, maior a chance de desmatamento. Para os demais tamanhos de propriedades, somente a variável área de floresta se mostrou estatisticamente significativa indicando que quanto maior a área de floresta, maior a chance de desmatamento.
Para mais detalhes sobre os resultados obtidos acesse abaixo a publicação completa.
