Nosso estudo considerou duas bases de dados de imóveis rurais para execução do modelo do CF: base do Serviço Florestal Brasileiro (baixada em janeiro de 2024)1 e a base processada do Instituto de Manejo e Certificação Florestal e Agrícola (IMAFLORA)2. De ambas as bases foram considerados apenas registros do tipo IRU (Imóveis Rurais), excluindo, portanto, assentamentos (AST) e territórios quilombolas (PCT). Após tratamento cartográfico das bases de dados, foram desconsiderados os cadastros sobrepostos às unidades de conservação (exceto Áreas de Proteção Ambiental – APAs e Reserva Particular do Patrimônio Natural – RPPNs), terras indígenas, e florestas públicas tipo B (aqui referidas como terras públicas sem destinação – TPSD), considerando-se os limiares do protocolo do MPF3. Em ambas as bases de dados, também não foram incluídos os registros de status cancelado. A malha processada do IMAFLORA, além de remover sobreposições de IRUs a assentamentos e áreas quilombolas do INCRA, também inclui um processo de limpeza de sobreposições entre diferentes tipos de IRUs, por meio de cálculos de métricas e definição de hierarquias, visando mitigar as inconsistências espaciais entre os registros autodeclarados do SICAR. As fontes das bases de dados de áreas protegidas estão na tabela abaixo.
O modelo também usa como mapas de entrada: limites estaduais e municipais, módulos fiscais municipais, limite da Amazônia Legal, distribuição da vegetação, hidrografia, uso da terra, desmatamento e áreas protegidas5-16. Utilizamos o mapa de municípios do IBGE (Instituto Brasileiro de Geografia e Estatística), para atribuir o geocódigo do município a cada registro CAR. Como cada município brasileiro tem um tamanho para o módulo fiscal, o geocódigo permite atribuir o tamanho do módulo fiscal ao CAR. O CF considera como propriedade pequena aquelas de 1 a 4 módulos fiscais10, como média aquelas entre 4 e 15 módulos fiscais, e grandes propriedades aquelas maiores que 15 módulos fiscais.
Unidades de conservação públicas (exceto APAs) e terras indígenas homologadas e regularizadas foram utilizadas para calcular a área coberta por áreas protegidas por município e por estado, e os números resultantes foram atribuídos ao código CAR via geocódigo.
O limite da Amazônia Legal foi estendido diversas vezes como resultado de mudanças na divisão política do país. Para o exercício do nosso modelo, o limite da Amazônia Legal do IBGE11 foi usado para definir a porcentagem da Reserva Legal (RL) para fins de restauração.
As formações vegetacionais do PRODES são usadas para determinar a porcentagem de RL na Amazônia Legal, i.e., 80% para formações florestais, e 35% para outro tipo de vegetação. Fora da Amazônia Legal, o CF estabelece 20% do imóvel rural para RL. Quando uma propriedade sobrepõe a mais de uma fitofisionomia, é aplicada uma média ponderada. Especificamente no estado do Piauí foi considerado o valor de 30% dentro do domínio do bioma Cerrado devido à Lei Estadual nº 5.699 de 26 de novembro de 200717. No mapa de porcentagem de RL para restauração foi incluída a classe de 50% que representa as regiões aptas à redução de RL para fins de regularização segundo art. 13 do CF. Para a identificação destas áreas foram utilizadas bases de dados de áreas prioritárias para conservação da biodiversidade18 e dos ZEEs estaduais aprovados pelo poder público federal.
Para calcular os requisitos de conservação e restauração de APP, nós usamos os mapas de hidrografia, incluindo rede de drenagem, nascentes e corpos d’água, da Agência Nacional de Águas e Saneamento Básico (ANA)7,8. O mapa de uso da terra é um mosaico composto por corpos d’água, vegetação nativa remanescente e áreas agrícolas (chamadas “áreas consolidadas”) do Mapbiomas (ano 2008 da coleção 8.0)12, e mapas de desmatamento do PRODES-Brasil, PRODES-Amazônia Legal, e PRODES-Cerrado13-15. Também são consideradas as bases complementares do PRODES-bioma Amazônia16, incluindo polígonos de supressão menores que 6,25 hectares e os que ocorreram em áreas de não-floresta. Além disso, a classe de área desmatada após 2008 é filtrada para remoção de áreas menores que 6,25 hectares antes de sua incorporação ao mosaico de uso da terra.
A partir do perímetro do CAR, nós aplicamos as regras e definições do Código Florestal (CF)19 para cada IRU da base de dados do CAR (SFB e Imaflora). Ao fazer isso, nós providenciamos estimativas do nível de conformidade em relação ao CF, i.e., déficits – áreas que devem ser reflorestadas às custas dos proprietários, ou excedentes, áreas de vegetação nativa que excedam os requisitos de conservação do CF (Fig. 1).
Para tanto, desenvolvemos um conjunto de ferramentas de geoprocessamento que lida com grandes conjuntos de dados (Big Geodata), usando as extensões PostgreSQL e PostGIS, e o software livre Dinamica EGO 7*20. Dinamica EGO utiliza processamento paralelo intrusivo21. O sistema de execução do Dinamica EGO usa um número variável de threads de execução (chamados de workers) impulsionado por algoritmos task-stealing para fornecer balanceamento de carga e aumentar a flexibilidade para rodar tarefas em paralelo. Em teoria, todos os componentes do modelo podem rodar em paralelo, incluindo operadores, loops e map tiles independentes22,23.
Melhorias substanciais na nossa capacidade computacional, incluindo o desenvolvimento de ferramentas de modelagem, permitiram uma reanálise do CF24,25 em escala fina, tornando viável estimar o balanço do CF; i.e., nível de conformidade, por todo território brasileiro na escala do imóvel rural. Esses avanços nos permitiram sair de uma resolução espacial de 60 metros24 para uma de 5 metros (a largura mínima de APP para restauração). Todos os componentes do modelo rodaram utilizando os recursos computacionais do Centro de Sensoriamento Remoto da Universidade Federal de Minas Gerais26. O modelo (csr.ufmg.br/radiografia_do_car) pode ser inspecionado e replicado via interface gráfica do Dinamica EGO, garantindo uma metodologia aberta, transparente e acessível.
Para calcular o balanço florestal (déficit e excedente), o modelo primeiro calcula a área total de cada IRU onde a lei é aplicável. Depois o modelo gera buffers de largura mínima da APP necessária tanto para conservação como para restauração ao longo dos rios e ao redor de nascentes e corpos d’água (Fig. 1). Para definir os tamanhos de buffer, o modelo utiliza o tamanho da IRU (definida em número ou módulo fiscal conforme especificado para cada município) e largura do rio. Para calcular o tamanho do buffer de restauração para APP ripária, o modelo aplica uma série de regras chamadas de ‘’escadinha’’ de acordo com o tamanho da propriedade (definida em número ou módulo fiscal conforme especificado para cada município) e largura do rio.
Depois disso, o modelo aplica as regras do CF de acordo com o tamanho das propriedades para definir os requisitos da RL. No bioma Amazônico, nós consideramos o aumento do tamanho da Reserva Legal (RL) de 50% para 80% estabelecida pela Medida Provisória 1.511 de 1996 e 2.166-67 de 2001 para fins de conservação. No entanto, o artigo 68 do CF estabelece que proprietários que suprimiram a vegetação nativa respeitando a legislação em vigor naquele momento não precisam recuperar a RL até a porcentagem determinada na lei atual, i.e., 80%. Isso corrigiu a legislação anterior conflitante para trazer à legalidade “propriedades empurradas para o status ilegal”. Ademais, o CF estabelece que a RL para fins de restauração pode ser reduzida em até 50% em municípios que têm mais de 50% de seu território ocupado por unidades de conservação ou reserva indígena (Art. 12, II – § 4) e especifica uma porcentagem máxima da propriedade para restauração de APP (Art. 61-B), dependendo do total de sua APP ripária (Art. 15). O CF também estabelece que a porcentagem de RL para restauração pode ser reduzida para 50% nos estados da Amazônia Legal que têm Zoneamento Ecológico Econômico (ZEE) aprovado. Por fim, a Lei isenta pequenos proprietários (até 4 módulos fiscais) de restaurar o déficit de RL (Art. 67).
A diferença na definição da RL pelo artigo 68 do CF é a razão pela qual separamos o desmatamento antes de 2002 e deste ano em diante. O desmatamento antes e depois da lei deve ser analisado respeitando diferentes especificações no tamanho da RL. Nota-se que o tempo de ocorrência do desmatamento também é uma evidência para o artigo 68 do CF de 2012 como especificado no Parágrafo 1, a seguir:
“Os proprietários ou possuidores de imóveis rurais poderão provar essas situações consolidadas por documentos tais como a descrição de fatos históricos de ocupação da região, registros de comercialização, dados agropecuários da atividade, contratos e documentos bancários relativos à produção, e por todos os outros meios de prova em direito admitidos”19.
A sequência principal para obter o balanço do CF é mostrada na figura 1. Para cada IRU o modelo subtrai a área total obrigatória para RL das áreas de vegetação nativa remanescente dentro de cada propriedade particular, e das áreas de vegetação nativa dentro dos buffers de APP para chegar ao nível de conformidade. Nós definimos como resultado positivo o excedente ambiental e como resultado negativo o déficit ambiental. Reservas legais declaradas fora dos imóveis rurais não foram avaliadas. Incertezas nas estimativas do CF surgem das sobreposições de propriedades e diferentes bases de dados de drenagem, bem como da acurácia e escala cartográfica dos mapeamentos de uso da terra.
Para fins de rastreabilidade e verificação da regularidade ambiental dos fornecedores de commodities agrícolas, os resultados do balanço do CF por imóvel rural são integrados aos mapas de desmatamento13-16, mapas de uso da terra do projeto Mappia e cultivos (Mapbiomas, coleção 8)12,27-29, registros de fiscalização ambiental (e.g., embargos), autorizações de supressão de vegetação nativa, dentre outros dados federais e estaduais relevantes para a transparência das cadeias produtivas. As análises permitem identificar a ocorrência de desmatamento, distinguindo ainda o desmatamento legal e ilegal (sem autorização de supressão de vegetação nativa). Atualmente, três estados já utilizam as tecnologias oferecidas pela plataforma, Pará, Minas Gerais e Maranhão, e outras versões da plataforma estão em desenvolvimento para outros estados.
Análises usando o SeloVerde indicam, por exemplo, que os produtos da agricultura de Minas Gerais apresentam um alto nível de conformidade com o Código Florestal. De modo transparente, o SeloVerde mostra que as cinco commodities monitoradas atualmente podem ser consideradas como livres de desmatamento ou oferecendo baixo risco de acordo com regulamentações internacionais (e.g., União Europeia e Reino Unido).
Por meio da plataforma SeloVerde, qualquer usuário pode acessar e fazer o download de um relatório oficial com indicadores do nível de conformidade socioambiental do imóvel rural e de sua produção, além de um mapa do imóvel que, na versão online, é interativo. Para isso, basta digitar o código CAR do registro no site, no caso das plataformas SeloVerde PA e SeloVerde MG.
Por ser pública e gratuita, a plataforma pode ser facilmente usada para se fazer due diligence das cadeias das commodities disponíveis: gado e soja no Pará; café, silvicultura, cana, soja e gado em Minas Gerais.
Por sua vez, o CAR 2.0 utiliza modelos espacialmente explícitos baseados em mapeamento de uso da terra em alta resolução para apoiar a análise e validação do CAR30. É uma ferramenta desenvolvida para analisar automaticamente todos os imóveis rurais inscritos em um território e monitorar o cumprimento da legislação, identificando eventuais impedimentos ou passivos ambientais a serem sanados pelos proprietários ou posseiros.
Os produtores que tiverem suas análises automáticas concluídas (sem impedimentos ambientais ou com ativos de RL) podem ainda utilizar os resultados para pleitear taxas de juros reduzidas no crédito rural, em conformidade com o Plano Safra31. Atualmente, essa solução de inteligência territorial já foi implementada em dois estados, Pará e Minas Gerais, e está em desenvolvimento para outros estados do Brasil.
A análise automática permite que as autoridades priorizem a análise dos CARs com potenciais irregularidades socioambientais, de modo a apontar prontamente as soluções necessárias para a regularização do registro.
A partir do CAR 2.0, o número de cadastros com análise concluída em Minas Gerais saltou de 0,02% para 36,78%. Com isso, cerca de 387 mil imóveis rurais já são elegíveis aos benefícios econômicos por estarem em conformidade ambiental.
- Serviço Florestal Brasileiro – SFB (2024) Sistema Nacional de Cadastro Ambiental Rural. Brasília: SFB. Disponível em: <https://consultapublica.car.gov.br/publico/estados/downloads>.
- Instituto de Manejo e Certificação Florestal e Agrícola – Imaflora (2024) Base de dados processada do CAR do Brasil. São Paulo: Imaflora. Disponibilidade via solicitação.
- Ministério Público Federal – MPF (2020) Protocolo de monitoramento de fornecedores de gado da Amazônia. Brasília: MPF. Disponível em: <https://www.mpf.mp.br/atuacao-tematica/ccr4/dados-da-atuacao/grupos-de-trabalho/amazonia-legal/Protocolodemonitoramentodegadov.12.05.2020.pdf/view>.
- Serviço Florestal Brasileiro (2023) Cadastro Nacional de Florestas Públicas de 2022. Brasília: SFB. Disponível em: <https://www.gov.br/florestal/pt-br/assuntos/cadastro-nacional-de-florestas-publicas/cadastro-nacional-de-florestas-publicas-atualizacao-2022/cnfp-2022>.
- Fundação Nacional dos Povos Indígenas – FUNAI (2023) Terras indígenas. Brasília: FUNAI. Disponível em: <https://geoserver.funai.gov.br/geoserver/web/wicket/bookmarkable/org.geoserver.web.demo.MapPreviewPage?1&filter=falsefonte_entidade>.
- Ministério do Meio Ambiente – MMA (2023) Unidades de conservação. Brasília: MMA. Disponível em: <https://dados.mma.gov.br/dataset/44b6dc8a-dc82-4a84-8d95-1b0da7c85dac/resource/9ec98f66-44ad-4397-8583-a1d9cc3a9835/download/shp_cnuc_2023_07-1.zipfonte_entidade>.
- Agência Nacional de Águas – ANA (2017) Base Hidrográfica Ottocodificada 1:250.000 (BHO250). Brasília: ANA. Disponível em: <https://metadados.snirh.gov.br/geonetwork/srv/por/catalog.search#/metadata/0f57c8a0-6a0f-4283-8ce3-114ba904b9fe>.
- Agência Nacional de Águas – ANA (2019) Massas d’água – versão 2019. Brasília: ANA. Disponível em:<https://metadados.snirh.gov.br/geonetwork/srv/por/catalog.search;jsessionid=2D7CA1AA9B2C516E7BA71AE6BF8A65B0#/metadata/7d054e5a-8cc9-403c-9f1a-085fd933610c>.
- Instituto Brasileiro de Geografia e Estatística – IBGE (2022) Malha Municipal. Rio de Janeiro: IBGE. Disponível em: <https://www.ibge.gov.br/geociencias/organizacao-do-territorio/malhas-territoriais/15774-malhas.html>.
- Instituto Nacional de Colonização e Reforma Agrária – INCRA (2013) Módulos fiscais por município do Brasil. Brasília: INCRA. Disponível em: <https://www.gov.br/incra/pt-br/assuntos/governanca-fundiaria/modulo-fiscal>.
- Instituto Brasileiro de Geografia e Estatística – IBGE (2022) Limites da Amazônia Legal. Rio de Janeiro: IBGE. Disponível em: <https://www.ibge.gov.br/geociencias/organizacao-do-territorio/estrutura-territorial/15819-amazonia-legal.html?edicao=30963&t=acesso-ao-produto>.
- Projeto de Mapeamento Anual da Cobertura e Uso do Solo no Brasil – MapBiomas (2023) Mapas de uso da terra – coleção 8.0. Disponível em: <https://brasil.mapbiomas.org/colecoes-mapbiomas/>.
- Instituto Nacional de Pesquisas Espaciais – INPE (2023) Projeto Prodes – Monitoramento do Desmatamento no Brasil por Satélite. São José dos Campos: INPE. Disponível em: <http://terrabrasilis.dpi.inpe.br/downloads/>.
- Instituto Nacional de Pesquisas Espaciais – INPE (2024) Projeto Prodes – Monitoramento do Desmatamento na Amazônia Legal por Satélite. São José dos Campos: INPE. Disponível em: <http://terrabrasilis.dpi.inpe.br/downloads/>.
- Instituto Nacional de Pesquisas Espaciais – INPE (2024) Projeto Prodes – Monitoramento de Desmatamento no Cerrado. São José dos Campos: INPE. Disponível em: <http://terrabrasilis.dpi.inpe.br/downloads/>.
- Instituto Nacional de Pesquisas Espaciais – INPE (2024) Projeto Prodes – Monitoramento do Desmatamento no bioma Amazônia por Satélite. São José dos Campos: INPE. Disponível em: <http://terrabrasilis.dpi.inpe.br/downloads/>.
- Piauí (2007) Lei Nº 5.699 (26 de novembro de 2007). Disponível em: <https://sapl.al.pi.leg.br/media/sapl/public/normajuridica/2007/480/480_texto_integral.pdf>.
- Ministério do Meio Ambiente – MMA (2019) 2ª Atualização das Áreas Prioritárias para Conservação da Biodiversidade 2018. Brasília: MMA. Disponível em: <https://www.gov.br/mma/pt-br/assuntos/servicosambientais/ecossistemas-1/conservacao-1/areas-prioritarias/2a-atualizacao-das-areas-prioritarias-para-conservacao-da-biodiversidade-2018>.
- Brasil (2012) Lei Federal Nº 12.651 (25 de maio de 2012). Disponível em: <https://www.planalto.gov.br/ccivil_03/_ato2011-2014/2012/lei/L12651.htm>.
- Soares-Filho BS, Rodrigues HO, Follador M (2013) A hybrid analytical-heuristic method for calibrating land-use change models. Environmental Modelling & Software 43, 80-87.
- Leite-Filho AT, Soares-Filho BS, Davis JS, Rodrigues HO (2020). Guidebook 2.0 Dinamica EGO. Disponível em: <https://www.csr.ufmg.br/dinamica/dokuwiki/doku.php?id=guidebook_start>.
- Rana S (1993) A distributed solution of the distributed termination problem. Information Processing Letter 17, 43-46.
- Blumofe R, Leiserson C (1999) Scheduling multithreaded computations by work stealing. Journal of Association for computing Machinery 46, 720-748.
- Soares-Filho BS, Rajão R, Macedo M, Carneiro A, Costa WLS, Coe M, Rodrigues HO, Alencar A (2014) Cracking Brasil’s Forest Code. Science 344, 363-364.
- Soares-Filho BS, Rajão R, Merry F, Rodrigues H, Davis J, Lima L, Macedo M, Coe M, Carneiro A, Santiago L (2016) Brazil’s Market for trading forest certificates. Plos One 11(4): e0152311.
- Centro de Sensoriamento Remoto da Universidade Federal de Minas Gerais (CSR/UFMG). Disponível em: <www.csr.ufmg.br>.
- Empresa de Assistência Técnica e Extensão Rural do Estado de Minas Gerais – EMATER (2020) Mapeamento do parque cafeeiro de Minas Gerais. Disponível em: https://portaldocafedeminas.emater.mg.gov.br/.
- Instituto Estadual de Florestas de Minas Gerais – IEF-MG (2023) Mapeamento de Florestas plantadas do estado de Minas Gerais. Disponibilidade via solicitação.
- Associação das Indústrias Sucroenergéticas de Minas Gerais – SIAMIG (2024) Mapeamento de Cana-de-açúcar do estado de Minas Gerais. Disponibilidade via solicitação.
- Instituto Estadual de Florestas – IEF, Centro de Sensoriamento Remoto da Universidade Federal de Minas Gerais – CSR-UFMG (2024) CAR 2.0: Impulsionando a Análise do Cadastro Ambiental Rural (CAR) com ciência e tecnologia no estado de Minas Gerais. Belo Horizonte: CSR/UFMG. Disponível em: <https://csr.ufmg.br/car20_mg/wp-content/uploads/2024/06/nota_tecnica-car2-0.pdf>.
- Ministério da Agricultura e Pecuária – MAPA (2024) Governo Federal lança Plano Safra 24/25 com R$ 400,59 bilhões para agricultura empresarial. Brasília: MAPA. Disponível em: <https://www.gov.br/agricultura/pt-br/assuntos/noticias/governo-federal-lanca-plano-safra-24-25-com-r-400-59-bilhoes-para-agricultura-empresarial>.