MMOODDEELLAAGGEEMM DDAA … · Descrição Geral ... Cenário de governança com exploração em...

MMOODDEELLAAGGEEMM DDAA

RREENNTTAABBIILLIIDDAADDEE DDAA

EEXXTTRRAAÇÇÃÃOO MMAADDEEIIRREEIIRRAA NNAA

AAMMAAZZÔÔNNIIAA BBRRAASSIILLEEIIRRAA SimMadeira - modelo e cenários

Produto 3

Belo Horizonte, 5 de Fevereiro de 2014

1

Equipe

Letícia Santos de Lima, M.Sc.

Britaldo S. Soares Filho, Dr.

Frank Merry, Dr.

Hermann Oliveira Rodrigues

Ricardo Scott Varella Malta

Christiane Martins dos Santos Damaceno

2

SSuummáárriioo

Lista de Figuras ..................................................................................................................................... 4

Lista de Tabelas ..................................................................................................................................... 5

Abreviaturas e Siglas ............................................................................................................................. 6

Vocabulário adotado............................................................................................................................. 7

Introdução............................................................................................................................................. 8

Plataforma de modelagem ................................................................................................................... 9

Suporte aos usuários....................................................................................................................... 10

Pacote de Dados ................................................................................................................................. 11

Modelo SimMadeira ........................................................................................................................... 12

Dados de entrada ............................................................................................................................ 12

Mapas ......................................................................................................................................... 13

Tabelas ........................................................................................................................................ 15

Constantes .................................................................................................................................. 16

Opções do Modelo ...................................................................................................................... 17

Funcionamento do modelo ............................................................................................................. 17

Submodelos ................................................................................................................................ 19

Definição das sedes madeireiras ................................................................................................ 19

Mapa de fricção .......................................................................................................................... 20

Definição da área de influência das sedes madeireiras .............................................................. 23

Cálculo dos custos totais ............................................................................................................. 25

Receita líquida ............................................................................................................................. 26

Criação das Unidades de Manejo Florestal e Unidades de Produção Anual .............................. 27

Cálculo da receita líquida média por UPA ................................................................................... 28

Cálculo da capacidade de extração da sede ............................................................................... 29

Extração de volumes selecionados ............................................................................................. 30

Cálculo do volume remanescente ............................................................................................... 31

Atualização das estradas ............................................................................................................. 32

Dados de saída ............................................................................................................................ 32

Limitações da Modelagem .............................................................................................................. 35

Limitações computacionais ......................................................................................................... 35

Limitações conceituais ................................................................................................................ 36

Limitações relativas aos dados de entrada ................................................................................. 37

Wizard ................................................................................................................................................. 39

Cenários .............................................................................................................................................. 40

3

Descrição Geral ............................................................................................................................... 40

Ajustes adotados ............................................................................................................................. 42

Ajustes de mapas ........................................................................................................................ 42

Ajustes de valores ....................................................................................................................... 43

Resultados – Cenários com dados IMAZON .................................................................................... 45

Cenário de governança com exploração em Flonas - IMAZON................................................... 45

Cenário de governança sem exploração em Flonas - IMAZON ................................................... 46

Cenário de governança e business-as-usual com exploração em Flonas - IMAZON .................. 46

Cenário de governança e business-as-usual sem exploração em Flonas - IMAZON ................... 47

Gráficos comparativos ................................................................................................................ 48

Resultados – Cenários com dados IBGE .......................................................................................... 50

Cenário de governança com exploração em Flonas - IBGE ......................................................... 50

Cenário de governança sem exploração em Flonas - IBGE ......................................................... 50

Cenário de governança e business-as-usual com exploração em Flonas - IBGE ......................... 51

Cenário de governança e business-as-usual sem exploração em Flonas - IBGE ......................... 52

Gráficos Comparativos ................................................................................................................ 52

Competição da exploração convencional com o manejo nas florestas nacionais ...................... 54

Rentabilidade simulada das florestas nacionais ......................................................................... 56

Receita negativa .................................................................................................................................. 56

Receita líquida baixa ........................................................................................................................... 56

Receita líquida alta .............................................................................................................................. 56

Comparação por Estados ............................................................................................................ 57

Discussão ............................................................................................................................................ 59

Comparação de Cenários ................................................................................................................ 60

Aspectos Gerais ........................................................................................................................... 60

Desempenho do modelo ................................................................................................................ 61

Adequabilidade dos dados .............................................................................................................. 61

Conclusões .......................................................................................................................................... 63

Referências Bibliográficas ................................................................................................................... 64

Anexos ................................................................................................................................................. 68

4

LLiissttaa ddee FFiigguurraass

Figura 1 - Interface gráfica e Wizard tutorial do Dinamica EGO. ........................................................ 10

Figura 2 - Modelo SimMadeira na interface da plataforma de modelagem Dinamica EGO. ............. 12

Figura 3 – Núcleo central do modelo. ................................................................................................. 19

Figura 4 – Cálculo de fricção. .............................................................................................................. 21

Figura 5 - Exemplo de um mapa de fricção. ........................................................................................ 23

Figura 6 – Definição da área de influência das sedes madeireiras. .................................................... 24

Figura 7 - Exemplo de áreas de influência (manchas em verde) de sedes madeireiras (círculos

amarelos) em Rondônia. ..................................................................................................................... 25

Figura 8 – Criação de estradas e cálculo de custos. ............................................................................ 26

Figura 9 – Cálculo de receitas. ............................................................................................................ 27

Figura 10 - Exemplo de UMFs (esq.) e UPAs (dir.) criadas pelo modelo. ............................................ 28

Figura 11 - Representação da conversão da receita por pixel para receita por UPA. ........................ 28

Figura 12 - Exemplo de seleção das UPAs mais rentáveis (em preto) em cada UMF. ........................ 29

Figura 13 – Módulo da seleção das UPAs mais rentáveis no modelo................................................. 29

Figura 14 – Cálculo da capacidade da sede madeireira. ..................................................................... 30

Figura 15 – Módulo de execução da exploração. ............................................................................... 31

Figura 16 - Exemplo de execução da exploração. ............................................................................... 31

Figura 17 - Mapas de volume comercial de Rondônia simulados para dois anos distintos. .............. 32

Figura 18 - Exemplo de expansão de estradas. ................................................................................... 32

Figura 19 - Exemplo da tabela final resultante do modelo. ................................................................ 34

Figura 20 - Wizard do modelo SimMadeira. ....................................................................................... 39

Figura 21 – Formato e referência espacial dos mapas de entrada. .................................................... 42

Figura 22 - Volume explorado nos cenários com dados IMAZON. ..................................................... 48

Figura 23 – Área explorada nos cenários com dados IMAZON. .......................................................... 49

Figura 24 – Área explorada acumulada nos cenários com dados IMAZON. ....................................... 49

Figura 25 – Volume explorado nos cenários com dados IBGE. ........................................................... 53

Figura 26 – Área explorada nos cenários com dados IBGE. ................................................................ 53

Figura 27 – Área explorada acumulada nos cenários com dados IBGE. ............................................. 54

Figura 28 - Comparação cenários GOV+BAU e GOV para Flona de Tefé. ........................................... 55

Figura 29 - Comparação cenários GOV+BAU e GOV para Flona do Iquiri. .......................................... 55

Figura 30 - Florestas Nacionais mais rentáveis segundo a receita líquida por hectare simulada

(GOV+BAU_CF_IBGE, ano 2009). ........................................................................................................ 57

Figura 31 - Volume extraído simulado por estado para o cenário GOV+BAU_CF_IBGE. Maranhão e

Tocantins não são apresentados. ....................................................................................................... 58

Figura 32 - Volume extraído simulado por estado para o cenário GOV+BAU_CF_IMAZON. Maranhão

e Tocantins não são apresentados. .................................................................................................... 58

5

LLiissttaa ddee TTaabbeellaass Tabela 1 – Cenários. ............................................................................................................................ 41

Tabela 2 – Ajuste de valores constantes no modelo. ......................................................................... 43

Tabela 3 – Valores de fricção adotados nas simulações. .................................................................... 43

Tabela 4 – Resultados do cenário GOV_CF_IMAZON. ........................................................................ 46

Tabela 5 – Resultados do cenário GOV_SF_IMAZON. ........................................................................ 46

Tabela 6 – Resultados do cenário GOV+BAU_CF_IMAZON. ............................................................... 47

Tabela 7 – Resultados do cenário GOV+BAU_SF_IMAZON. ............................................................... 47

Tabela 8 – Resultados do cenário GOV_CF_IBGE. .............................................................................. 50

Tabela 9 – Resultados do cenário GOV_SF_IBGE. ............................................................................... 51

Tabela 10 – Resultados do cenário GOV+BAU_CF_IBGE. ................................................................... 51

Tabela 11 – Resultados do cenário GOV+BAU_SF_IBGE. .................................................................... 52

Tabela 12 - Florestas Nacionais mais e menos rentáveis segundo a receita líquida por hectare

simulada (GOV+BAU_CF_IBGE, ano 2009). ......................................................................................... 56

6

AAbbrreevviiaattuurraass ee SSiiggllaass BAU – business as usual

CNFP – Cadastro Nacional de Florestas Públicas

CSR – Centro de Sensoriamento Remoto

CSV – comma-separated-values

DOF – Documento de Origem Florestal

EGO – Environment for Geoprocessing Objects

Flonas – Florestas Nacionais

Flotas – Florestas Estaduais

GOV – governança

HydroSHEDS – Hydrological data and maps based on Shuttle Elevation Derivatives at

multiple Scales

IBAMA – Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais

IBGE – Instituto Brasileiro de Geografia e Estatística

IMAZON – Instituto do Homem e Meio Ambiente da Amazônia

INCRA – Instituto Nacional de Colonização e Reforma Agrária

INPE – Instituto Nacional de Pesquisas Espaciais

Pixel – menor elemento gráfico de uma imagem digital.

MT – Ministério dos Transportes

PRODES – monitoramento da floresta Amazônica brasileira por satélite

PNLT – Programa Nacional de Logística e Transportes

RADAM – Projeto Radar na Amazônia

SimMadeira – modelo de simulação da rentabilidade da extração madeireira

SIPAM – Sistema de Proteção da Amazônia

SisFlora – Sistema de Comercialização e Transporte de Produtos Florestais

SFB – Serviço Florestal Brasileiro

UFMG – Universidade Federal de Minas Gerais

UMF – unidade de manejo florestal

UPA – unidade de produção anual

WWF – World Wild Foundation

7

VVooccaabbuulláárriioo aaddoottaaddoo

Área de influência da sede: área sobre a qual a sede madeireira é influente, recebendo

madeira extraída em seus arredores.

Business-as-usual: tendências exploratórias históricas, com ênfase na exploração

convencional e não sustentável.

Custo de oportunidade: renda que seria recebida caso o investimento fosse feito em

outra atividade econômica qualquer que gerasse um rendimento médio segundo o

mercado.

Fricção: valores que refletem a dificuldade de travessia em um tipo de cobertura ou

uso da terra.

Geocódigo: codificação municipal adotada pelo Instituto Brasileiro de Geografia e

Estatística.

Volume rentável: volume de madeira comercial cuja receita líquida é superior a zero.

Volume rentável disponível: volume comercial rentável existente em áreas passíveis de

exploração madeireira, ou seja, excluindo-se as áreas proibidas para exploração e

aquelas cuja receita líquida é inferior a zero.

Volume disponível na iteração: volume comercial disponível para ser explorado em um

dado passo de tempo (ano) da simulação.

Sede madeireira: sede municipal existente que comercializa madeira em tora extraída

no município ou em suas imediações. No modelo, uma nova sede pode surgir fora de

uma sede municipal quando emigra de uma sede extinta.

Receita líquida: diferença entre total arrecadado (receita bruta) e o custo pago por

volume.

Unidade de Manejo Florestal (UMF): área a ser explorada, definida através de um

plano de manejo florestal sustentável.

Unidade de Produção Anual (UPA): parcela da UMF a ser explorada ao longo de um

ano. A UMF é dividida em parcelas anuais que totalizem o ciclo de corte especificado.

8

IInnttrroodduuççããoo

O modelo matemático computacional SimMadeira é um simulador da rentabilidade da

exploração madeireira desenvolvido para servir como ferramenta de suporte às

tomadas de decisão referentes ao setor madeireiro na Amazônia. É baseado no

modelo de Merry et al. (2009) e Giudice et al. (2012) e foi desenvolvido sobre a

plataforma do software Dinamica EGO (Soares-Filho et al. 2013). O modelo abrange

toda a Amazônia Legal e tem como objetivo produzir estimativas espaciais e temporais

da rentabilidade do manejo sustentável de madeira comercial sob diferentes cenários

de custos e preços, demanda de mercado e áreas produtivas. O modelo simula uma

série de procedimentos que representam o manejo sustentável bem como a

exploração convencional, de forma que proporciona a possibilidade de comparação de

resultados e impactos de ambos modos de exploração.

Através do modelo SimMadeira é possível: projetar, temporal e espacialmente, as

tendências do setor madeireiro segundo diferentes cenários de exploração madeireira;

verificar as regiões que oferecem maior retorno econômico; observar os entraves

logísticos relativos aos meios de transporte que podem promover uma redução de

receita; comparar os impactos da exploração ilegal versus legal em longo prazo;

verificar o retorno econômico potencial de áreas específicas; verificar os efeitos da

implementação e melhoria da infraestrutura de rodovias e/ou hidrovias sobre a

rentabilidade; observar a importância das áreas protegidas na contenção do avanço do

desmatamento.

O modelo tem como finalidade apoiar as estratégias nacionais de uso sustentável da

floresta Amazônica e, portanto, foi desenvolvido com recursos computacionais que

facilitam o uso da ferramenta por técnicos e agentes envolvidos na gestão de florestas

públicas no Brasil.

9

PPllaattaaffoorrmmaa ddee mmooddeellaaggeemm

O SimMadeira foi desenvolvido sobre a plataforma de modelagem Dinamica EGO,

criada e mantida pelo Centro de Sensoriamento Remoto da UFMG. Essa plataforma foi

escolhida por possuir notáveis possibilidades para a construção de modelos

geoespaciais (Mas et al. 2013). Através do Dinamica EGO (EGO - Environment for

Geoprocessing Objects) é possível desenvolver uma gama de modelos espaço-

temporais que demandam operações analíticas e/ ou operações dinâmicas complexas

como: iterações aninhadas, feedbacks, abordagens multi-escalares, manipulação e

combinação algébrica de dados em vários formatos (mapas, tabelas, matrizes e

constantes), processos de decisão para bifurcação e união de fluxos de execução,

álgebra de mapas e a aplicação de uma série de algoritmos para a análise e simulação

de fenômenos ambientais (Soares-Filho et al. 2009; 2013). Escrito em linguagem C++ e

Java, o software possui uma biblioteca de operadores chamados de functores

(funtors), que podem ser entendidos como um processo que atua sobre um conjunto

de dados de entrada, sobre o qual é aplicado um número finito de operações,

produzindo como saída um novo conjunto de dados (Rodrigues et al. 2007; Soares-

Filho et al. 2013). Na interface gráfica, os modelos criados assumem um aspecto de

diagrama, cuja execução segue uma cadeia de fluxo de dados. Devido à flexibilidade e

à usabilidade dessa interface visual, uma vez que o usuário adquire domínio sobre o

manuseio da plataforma, qualquer modelo desenvolvido nela pode ser

modificado/adaptado de acordo com as necessidades do usuário. Isso permite,

inclusive, que o usuário possa alterar operações internas, substituir variáveis e rodar o

modelo com dados de entrada advindos de diferentes fontes.

O Dinamica EGO também possui ferramentas de visualização de dados geoespaciais

que permitem ao usuário acessar prontamente os resultados gerados e executar

pequenas operações de sobreposição de mapas para uma interpretação visual

preliminar. Entre essas ferramentas inclui-se também uma função que permite ao

usuário criar uma animação com os resultados gerados, favorecendo a apresentação

de processos temporais. Recentemente, foi disponibilizada uma interface em wizard

(assistente tutorial) que favorece a apresentação e personalização do modelo, seus

dados de entrada e suas saídas gráficas e numéricas (Figura 1). O wizard permite, entre

outras coisas, que o usuário introduza gráficos e textos explicativos a respeito do

modelo e seus produtos, permitindo, ainda, a inserção de hiperlinks para vídeos e

textos na web.

10

Figura 1 - Interface gráfica e Wizard tutorial do Dinamica EGO.

SSuuppoorrttee aaooss uussuuáárriiooss

A plataforma de modelagem Dinamica EGO vem sendo continuamente aprimorada ao

longo dos anos, desde o seu lançamento. A equipe de desenvolvimento do software

conta com quatro programadores exclusivamente dedicados à melhoria constante da

plataforma, priorizando os aspectos de eficiência, flexibilidade e usabilidade do

software. Neste quesito, a plataforma oferece: (i) um conteúdo de auxílio embutido na

estrutura do software (Menu Help); (ii) um Guidebook em três idiomas, com lições de

aprendizado gradual, disponível na instalação do software e acompanhado por um

pacote de dados e exemplos para execução das lições; (iii) uma Wiki Page que pode ser

acessada online através da página principal do projeto (www.csr.ufmg.br/dinamica);

(iv) uma lista de discussão entre usuários e desenvolvedores para a solução de dúvidas

pertinentes ao uso do software; (v) canal de contato entre os desenvolvedores e os

usuários através do email [email protected].

http://www.csr.ufmg.br/dinamica

mailto:[email protected]

11

PPaaccoottee ddee DDaaddooss

O presente relatório acompanha um conjunto de arquivos organizados na seguinte

estrutura:

Projeto

Termo de Referência

Relatório Produto 1 – Projeto Executivo

Relatório Produto 2 – Banco de Dados

Relatório Produto 3 – Modelo e Cenários

Apresentação Produto 2 – Banco de Dados

Apresentação Produto 3 – Modelo e Cenários

Layouts

Imagens

Inputs

Mapas

Tabelas

Cenarios

Cenario 1

Analise

Resultados

Submodels

Wizard

Cenario 2

Cenario ...

Dinamica EGO.exe

12

MMooddeelloo SSiimmMMaaddeeiirraa

O modelo SimMadeira foi desenvolvido para servir como uma ferramenta de auxílio à

tomada de decisão em relação ao setor florestal, especificamente no que se refere à

exploração de madeira em tora em florestas públicas da Amazônia. O SimMadeira,

baseado em Merry et al. 2009, está fundamentado no balanço entre custos da

atividade e sua receita potencial e simula a rentabilidade da extração de madeira em

tora de forma espacializada, ou seja, ao longo do espaço geográfico. Os custos são

diretamente influenciados pelas condições logísticas para o transporte da madeira em

tora desde o local de exploração até a sede municipal associada a ele. O modelo parte

de dados observados sobre a extração de madeira em tora nos municípios, tais como

quantidade extraída no ano de inicialização, preços médios e custos de exploração

locais. Neste capítulo, os dados de entrada necessários e seus formatos são descritos

e, em seguida, o modelo (Figura 2) é detalhado em seus componentes.

Figura 2 - Modelo SimMadeira na interface da plataforma de modelagem Dinamica EGO.

DDaaddooss ddee eennttrraaddaa

Os dados de entrada utilizados no Dinamica são de três tipos: (1) mapas em formato

raster, ou seja, matriciais; (2) tabelas em formato comma-separated-values; (3)

constantes, ou seja, valores inteiros ou fracionários.

O Dinamica buscará os dados de entrada através do caminho de diretórios indicado

pelo usuário através dos operadores “Folder” e “Workdir”. Em seguida, o operador

13

“Load Map” é utilizado para o carregamento de um mapa específico, onde o usuário

informará o nome do mapa. Da mesma forma, o operador “Load Lookup Table” é

utilizado para fazer o carregamento de tabelas do tipo chave-valor.

Os "geocódigos" estabelecidos pelo Instituto Brasileiro de Geografia e Estatística –

IBGE, foram selecionados como os indexadores adequados para estabelecer os

vínculos entre dados tabulares e mapas de entrada, de maneira que futuras análises e

comparações de dados estatísticos municipais e estaduais sejam facilitadas. Dessa

forma, todos os dados referentes a unidades político-administrativas que são utilizados

no SimMadeira são associados aos respectivos geocódigos, os quais funcionam como

uma excelente chave de consulta a dados tabulares em nível municipal,

microrregional, regional e estadual, permitindo a associação de valores tabulares de

diferentes fontes e a análise de dados estatísticos de diversas instituições públicas.

Mapas

O Dinamica EGO foi desenvolvido para executar operações sobre mapas matriciais, ou

seja, em formato raster (extensões: .tif, .ers, .asc, .img, .bil, entre outros). Todos os

mapas raster a serem utilizados no modelo devem ter o mesmo número de linhas e o

mesmo número de colunas (no entanto, não é necessário que seja um mapa

quadrado), devem ter a mesma resolução espacial e mesma projeção cartográfica.

Adicionalmente, os mapas devem estar recortados para a mesma região de estudo,

com seus vértices ancorados nos mesmos pontos. Isso é um pré-requisito porque o

Dinamica executa as operações pixel a pixel. No SimMadeira, todos os mapas de

entrada devem ser armazenados na mesma pasta e o diretório dessa pasta deve ser

informado no operador “Folder” chamado “Diretório de Mapas”.

Os mapas relacionados a seguir são aqueles necessários para a execução do modelo.

Detalhes adicionais sobre formato e valores específicos de pixels para os mapas

categóricos, bem como procedimento de criação de cada mapa, podem ser

encontrados nos metadados dos mapas na pasta de inputs.

Limites da área de estudo: mapa que indica a área de estudo, assinalando-a com pixel

igual a 1 e áreas externas ao limite indicadas por valor nulo. Utilizado para servir de

base nos cálculos do modelo.

Sedes municipais (IBGE): mapa cujos valores diferentes de zero correspondem aos

geocódigos de municípios da região em estudo. Os municípios são representados

apenas por um ponto (pixel) que corresponde à localização de sua sede, segundo o

IBGE.

14

Florestas públicas por tipo de proteção (CNFP/SFB): mapa cujos valores de pixel

representam os tipos de proteção constantes na tabela de atributos da shapefile do

Cadastro Nacional de Florestas Públicas.

Terras indígenas (CNFP/SFB): mapa cujos valores de pixel representam duas classes:

terras indígenas ou não. Originado a partir do mapa do Cadastro Nacional de Florestas

Públicas.

Flonas e Flotas (CNFP/SFB): mapa cujos valores de pixel representam Florestas

Nacionais ou Florestas Estaduais e cuja origem é o Cadastro Nacional de Florestas

Públicas.

Rodovias por tipo e condições (PNLT/MT): mapa cujos valores de pixel representam os

tipos de rodovias e suas condições (planejada, implantada, pavimentada, leito natural,

etc).

Rodovias não pavimentadas (CSR/UFMG): mapa derivado de imagem LANDSAT

classificada, indicando as rodovias não pavimentadas. Valores de pixel diferentes de

zero indicam rodovias.

Hidrovias por condições (PNLT/MT): mapa cujos valores de pixel representam os tipos

de hidrovias e suas condições (navegável, navegação inexpressiva, etc.).

Cobertura da terra (PRODES/INPE): mapa de cobertura da terra reamostrado e

reclassificado a partir do raster original do PRODES/INPE. O raster final indica as áreas

de floresta, áreas desmatadas e outros tipos de cobertura.

Hidrografia (HydroSHEDS/WWF e SIPAM): originado a partir da fusão de dois

produtos: o raster de fluxo acumulado para América do Sul (HydroSHEDS, WWF)

(resolução espacial original 30 arco-seg), reamostrado para resolução de 0,009° e

convertido em mapa binário (valores 0 ou 1) utilizando ferramenta “conditional”

(spatial analyst, ArcGIS) para extração de rede de drenagem com fluxo acumulado

superior a 500 “pixels”; e o raster originado a partir do mapa vetorial “Hidrografia

Bifiliar” - Espacialização da rede de drenagem bifiliar do Bioma Amazônico, isto é, rios

cujas larguras são muito extensas (SIPAM - Sistema de Proteção da Amazônia).

Volume comercial (Merry et al. 2009): quantidade de madeira comercial informada

em m3/ha. Mapa criado com base no mapa de biomassa de Saatchi (2007) e

parâmetros de vegetação obtidos do projeto RADAM Brasil.

Assentamentos (INCRA): mapa que indica presença/ausência de assentamentos pelo

INCRA. Pixels iguais a zero indicam ausência de assentamento.

15

Tabelas

O SimMadeira utiliza cinco tabelas como dados de entrada, entre as quais, quatro

devem ser fornecidas externamente e uma (tabela de fricção) está ajustada para que

seus valores sejam alterados na interface gráfica do software. As tabelas do formato

comma-separated-values (CSV) possuem uma coluna 'chave', que informa o vínculo

geo-espacial do dado em questão e uma ou mais colunas de valores. Valores são

separados por vírgulas ou ponto-vírgulas. Essas tabelas podem ser abertas e editadas

não apenas nos editores típicos de tabelas (ex. Microsoft Excel), como também em

editores de notas ou de códigos de programação (ex. Bloco de Notas; Notepad++).

Municípios: tabela de municípios da área de estudo. A tabela pode conter informações

gerais sobre os municípios, no entanto, o geocódigo municipal é necessariamente a

primeira coluna, ou coluna chave.

Quantidade produzida [m3/ano]: a quantidade produzida de madeira em tora reflete a

capacidade da sede municipal em comercializar a madeira e, por isso, é um dado

utilizado para definir se a sede municipal constitui uma sede madeireira. A quantidade

produzida é utilizada no modelo para listar as sedes madeireiras, bem como para

estabelecer os valores da capacidade inicial de cada sede. Esses dados podem ser

obtidos por meio do Documento de Origem Florestal (DOF) e SisFlora, levantamentos

por entidades não governamentais (ex. realizados pelo IMAZON), ou através da

pesquisa da “Produção da Extração Vegetal e da Silvicultura” pelo IBGE.

Custo de exploração [R$/m3]: o custo de exploração da madeira em tora se refere ao

“valor pago para a extração da madeira na floresta até o carregamento em veículo de

transporte” (IMAZON 2009) e inclui gastos com derrubada, arraste e carregamento.

Esse custo pode ser obtido por meio de levantamentos regionais. Na ausência de

valores observados, pode-se recorrer a valores médios ponderados com base nos

dados observados de regiões vizinhas.

Preço médio da madeira em tora [R$/m3]: se refere ao preço médio da madeira em

tora listado para cada município considerado sede madeireira. Idealmente, o preço

médio deve ser calculado por ponderação com base no preço médio das classes de

valor da madeira e com base nos volumes relativos normalmente obtidos em cada

região produtora. No entanto, para isso, é necessário contar com dados discretizados e

abrangentes para toda a área em estudo. Possíveis fontes para essa informação

incluem levantamentos de campo, Documento de Origem Florestal ou cálculos

indiretos por meio de levantamentos do IBGE. A limitação referente à primeira opção

se deve à abrangência do levantamento; na segunda opção, a limitação se refere aos

potenciais erros nos dados devido ao fato de se tratar de auto-declaração do

16

madeireiro; e em relação à terceira opção, o qual é feita pela divisão da receita bruta

anual gerada pela quantidade produzida no ano, se refere também a possíveis erros de

levantamento.

Fricção por tipo de uso/cobertura da terra [R$/m3/km]: os valores de fricção refletem

o custo de travessia de um determinado meio, sendo que para as vias de transporte,

adotam-se valores conhecidos na literatura e, para os demais meios (ou seja, aqueles

que não constituem vias de transporte), adotam-se valores arbitrários que reflitam a

dificuldade de travessia ou de criação de novas estradas nesses meios.

Constantes

Constantes são valores ajustados para o modelo antes de sua inicialização. São valores

únicos indicados em operadores na interface do Dinamica EGO e também através dos

campos fornecidos no Wizard (assistente de execução). Os valores seguintes devem

ser informados pelo usuário do SimMadeira:

Ano de inicialização: primeiro ano a ser simulado.

Número de anos a serem simulados: se refere à extensão temporal da simulação em

anos.

Ciclo de corte [anos]: se refere ao número de anos para um ciclo de corte em manejo.

Distância mínima da sede madeireira [m]: distância mínima a partir da qual pode

surgir uma nova sede madeireira caso a original tenha encerrado atividades.

Distância máxima da sede madeireira [m]: distância máxima para o surgimento de

uma nova sede madeireira caso a original tenha encerrado atividades.

Intensidade máxima de corte [m3/ha/ano]: intensidade máxima permitida para

extração de madeira em áreas de manejo florestal.

Tamanho da UPA [ha]: tamanho da unidade de produção anual, 1/n vezes o tamanho

da UMF, onde n é o número de anos do ciclo de corte.

Tamanho da UMF [ha]: tamanho médio da unidade de manejo florestal.

Capacidade inicial de novas sedes [m3/ano]: capacidade hipotética inicial para as

sedes madeireiras que surgem após a extinção de uma outra sede.

Taxa de expansão da capacidade: crescimento potencial anual da capacidade de

extração de toras das sedes madeireiras. Valor decimal entre 0 e 1.

17

Taxa de juros [adim]: representa o custo de oportunidade em termos de lucro

renunciado caso o dinheiro investido no setor madeireiro fosse aplicado em um fundo

de investimento padrão. Indicado em forma de valor fracionário.

Opções do Modelo

Após o ajuste dos caminhos para os mapas e tabelas a serem utilizados, bem como

ajuste dos valores constantes na interface ou através do Wizard, o usuário ajustará as

opções em relação à simulação que deseja executar. Essas opções definem critérios

para os cenários a serem simulados e são respondidas na forma de 'Sim/Não' através

de um ícone da interface ao estilo 'liga-desliga':

Manejo florestal sustentável em áreas privadas?

Impede exploração em áreas de proteção integral, áreas militares e terras

indígenas?

Transportes – melhorias já implementadas? (Refere-se às melhorias planejadas

no PNLT 2010)

Transportes – Rodovias planejadas já implementadas? (Refere-se à

implementação de rodovias planejadas no PNLT 2010)

Transportes – utilizar hidrovias?

Explorar áreas não destinadas?

Se explorar áreas não destinadas, manejo florestal sustentável nessas áreas?

Explorar Flonas? (Florestas Nacionais, CNFP)

Explorar Flotas? (Florestas Estaduais, CNFP)

Explora demais áreas da classe uso sustentável do CNFP além de Flonas?

(Terras indígenas não entram na conta caso a exploração nessas áreas já tenha

sido impedida em opção anterior)

Manejo sustentável nas áreas da classe uso sustentável do CNFP? (Se não, a

exploração será convencional)

Explorar assentamentos?

Manejo florestal sustentável em assentamentos?

FFuunncciioonnaammeennttoo ddoo mmooddeelloo

A execução do SimMadeira começa pela alteração de mapas iniciais, considerando as

opções feitas pelo usuário na definição dos cenários. Além disso, nessa etapa, o mapa

18

de fricção inicial é construído tendo como base os valores de fricção por tipo de

cobertura ajustados pelo usuário. Em seguida, o modelo inicia as iterações temporais,

ou seja, as funções que são executadas repetidamente a cada passo de tempo, neste

caso, a cada ano simulado. O modelo inicia as iterações definindo as áreas de

influência de cada sede madeireira, as quais constituem as regiões em que são

calculados separadamente os custos, receitas e volumes a serem explorados.

Os cálculos por região (Figura 3) começam com a identificação de quais volumes serão

explorados por meio de manejo florestal sustentável e quais serão exploradas por

meios convencionais. Em seguida, os custos totais por pixel são calculados associando

os custos de exploração, custos de oportunidade e de transporte. Um módulo

adicional executa a criação de novas estradas em direção aos pontos que foram

explorados no passo de tempo anterior ao corrente alterando, assim, a fricção até tais

pontos e atualizando os custos de transporte. Outro módulo adicional particiona toda

a região das sedes madeireiras em unidades de manejo florestal e em unidades de

produção anual que serão tomadas em conta nas áreas onde o manejo sustentável foi

definido como a forma de exploração. Nessas áreas, o modelo é impedido de explorar

mais do que 1/n da área de uma unidade de manejo (onde n é o número de anos do

ciclo de corte) por ano. Calculados custos e volumes, calcula-se a receita líquida

potencial e, em seguida,é feita a seleção de unidades de produção anual a partir das

regras da exploração sob manejo, considerando as áreas mais rentáveis. O volume

disponível total para exploração na iteração é calculado e utilizado para atualizar a

capacidade das sedes madeireiras. Por fim, o modelo executa a exploração de acordo

com a capacidade de cada sede e obtém as estatísticas de volume total explorado,

custos por pixel explorado e receita líquida obtida. Em seguida, os mapas gerados são

atualizados para as iterações seguintes e salvos em arquivo.

19

Figura 3 – Núcleo central do modelo.

Submodelos

O modelo SimMadeira vem acompanhado de uma pasta chamada “Submodels”. Nela

estão presentes estruturas chamadas de submodelos que são utilizadas para a

execução do modelo geral. A pasta Submodels deverá estar sempre presente na

mesma pasta raiz que o modelo geral para que o programa seja capaz de reconhecer

os componentes e associá-los ao abrir o SimMadeira. Submodelos constituem,

portanto, componentes do modelo principal que aparecem na interface como se

fossem operadores do Dinamica, mas que, na verdade, são pequenos modelos criados

para executar funções específicas dentro de um modelo maior.

Definição das sedes madeireiras

A simulação da atividade madeireira no modelo começa pela suposição de que toda

madeira extraída será levada até uma sede municipal que tenha infraestrutura para o

seu processamento e/ou comercialização. Portanto, o modelo acessa a tabela de

municípios produtores de madeira em tora e a correlaciona com o mapa raster de

sedes municipais da Amazônia (IBGE). As sedes municipais estão referenciadas pelo

seu geocódigo para facilitar a associação do mapa raster com as informações obtidas

por fontes oficiais de levantamento de dados municipais. As sedes madeireiras podem

ser definidas a partir de dados que indiquem qualquer transação comercial de madeira

em tora nos municípios ou pode levar em conta somente aqueles municípios que são

20

considerados polos madeireiros segundo levantamentos diversos (ex. lista de polos do

IMAZON). Em qualquer caso, o modelo funcionará sem impedimentos.

Durante a execução do modelo, assume-se que uma sede municipal que comercializa

madeira em tora pode deixar de comercializá-la, ou seja, deixar de ser uma sede

madeireira, a partir do momento em que já não se encontre madeira potencialmente

rentável disponível para ser extraída na área de influência da sede. Nessa situação, a

capacidade da sede, a qual acompanha o volume rentável disponível, será reduzida a

zero. Quando isso acontece, o modelo define tal sede madeireira como extinta e busca

por regiões potencialmente rentáveis em um determinado raio de distância da sede

que se extinguiu e estabelece uma nova sede nessa área. A busca por áreas rentáveis

leva em conta não somente a existência de madeira que pode ser extraída, mas

também a existência de acessos que façam com que o custo compense a extração. As

novas sedes madeireiras podem surgir fora de sedes municipais pré-existentes,

ocupando regiões remotas da Amazônia. O número de novas sedes está ajustado para

ser igual ao número de sedes que se extinguiram a cada iteração anual do modelo.

Com a extinção e criação de novas sedes, o mapa de sedes madeireiras é

continuamente atualizado.

Observações:

- o modelo funciona com qualquer fonte de dados municipais que forneça, no mínimo:

levantamento da quantidade produzida de madeira em tora, preço médio de madeira

em tora e custos de exploração, todos em tabelas do tipo '.csv' cujas chaves sejam os

geocódigos municipais. É de livre escolha do usuário se a fonte dos dados será o IBGE,

DOF, IMAZON ou outro, desde que a estrutura de dados no modelo seja mantida.

Parâmetros ajustáveis:

- distância mínima e máxima (m) para surgimento de uma nova sede nas imediações

de uma sede extinta.

Mapa de fricção

O modelo acessa os mapas de uso da terra (PRODES ou outra fonte de interesse), áreas

protegidas, rodovias e hidrovias e atribui a cada tipo de uso ou cobertura um valor de

fricção expresso em R$/m3/km (onde m3 se refere a volume de toras). A Figura 4

apresenta o módulo que calcula o mapa de fricção. No caso de rodovias e suas classes,

bem como no caso das hidrovias, os valores de fricção se referem aos custos de

transporte por esses meios obtidos da literatura. Na ausência de valores para as

demais classes de uso da terra, como é o caso de ocupações que não são vias de

21

transporte, são assumidos valores fictícios que, em realidade, buscam retratar o grau

de dificuldade de travessia daquele meio ou dificuldade de criação de novas vias por

ali. O resultado é um mapa que combina as diferentes fricções por tipo/classe de

uso/cobertura expressos em unidades monetárias por metro cúbico de tora por

quilômetro (Figura 5).

Atribui-se primeiro valores de fricção para rodovias e hidrovias. Em seguida, atribui-se

a fricção por tipo de proteção em unidades de conservação e, ao final, no que restar, a

fricção relativa à cobertura segundo o mapa reclassificado de cobertura da terra pelo

PRODES.

Figura 4 – Cálculo de fricção.

Observações:

- os valores de fricção (custo em R$/m3/km), para os meios pelos quais efetivamente

há transporte de madeira, influenciam fortemente no custo de transporte final e nos

resultados de rentabilidade da atividade.

- hidrovias navegáveis somente em determinada época do ano não são consideradas

como vias favoráveis para transporte de carga e, portanto, como padrão recebem um

valor de fricção mais alto, o que significa que não serão consideradas para transporte

de madeira.

- neste modelo, por simplificação, a direção de fluxo do rio não é considerada em

termos da dificuldade de tráfego. No entanto, na prática, transporte rio acima tem

maior custo.

22

- a representatividade da fricção está intimamente ligada à qualidade dos dados de

caracterização da superfície: ou seja, quão precisos e acurados são os mapas de vias de

transporte e de cobertura da terra.

- devido à resolução espacial dos mapas de entrada, um mesmo pixel pode englobar

diferentes coberturas, no entanto, a ele será assinalado apenas a principal cobertura

em questão.

- a classe “nuvem” do mapa de cobertura da terra do PRODES é convertida para classe

“floresta” neste modelo, visto que não há meios fáceis para definir a real cobertura da

terra naquele local.

- a classe “resíduo” do mapa de cobertura da terra do PRODES é convertido em classe

“não-floresta”.

- as rodovias não pavimentadas (que se encontram em mapa separado daquele do

PNLT) são mescladas ao mapa de rodovias por situação (PNLT 2010), sendo

incorporadas e convertidas para classe “leito natural” correspondente no mapa do

PNLT.

- a fricção de rodovias “planejadas” do PNLT 2010 será semelhante à fricção

estabelecida para as rodovias de “leito natural” caso sejam consideradas já

implantadas (cenário futuro, uma vez que não há meios de saber se a implantação

inclui pavimentação imediata), ou serão tomadas como não existentes (não

implantadas, cenário atual).

- a fricção de rodovias “em obras de pavimentação” no PNLT 2010 serão semelhantes à

fricção estabelecida para as rodovias de “leito natural” caso não sejam consideradas já

pavimentadas (cenário atual) ou serão semelhantes à fricção para rodovias

“pavimentadas” caso as obras sejam tidas como finalizadas (cenário com melhorias de

logística).

23

Figura 5 - Exemplo de um mapa de fricção.

Definição da área de influência das sedes madeireiras

O modelo acessa o mapa de sedes madeireiras (um mapa que possui valores iguais ao

geocódigo do município que é sede de uma sede madeireira e valor igual a zero para

os demais pixels). Com este mapa, o modelo calcula o custo acumulado de transporte

para sair de qualquer ponto da superfície e chegar a qualquer sede madeireira

utilizando os meios de menor fricção. Dessa forma, o modelo gera um mapa contínuo

de valores em que os pontos que se aproximam de zero são aqueles cujo transporte

até uma sede será mais barato e os pontos com valores mais altos representam

regiões em que é mais caro se dirigir a qualquer sede. Os pontos que apresentam os

valores mais altos de uma vizinhança de pixels podem ser tomados como “topos-de-

morro” em termos monetários, fazendo uma analogia com a geomorfologia. Seguindo

essa analogia, considerando a direção e sentido para o qual os valores se reduzem, é

possível delinear uma área a partir de seus “divisores” de custo, tal como os divisores

topográficos dividem uma bacia hidrográfica. Esse procedimento permite que sejam

definidas as áreas de influência de cada sede madeireira com base no custo para se

atingir a sede (Figura 7).

As áreas de influência servirão como o mapa base para a regionalização dos processos

dentro do Dinamica EGO, ou seja, a cada ano simulado, o processo em cada sede é

executado separadamente como forma de melhorar o desempenho computacional do

modelo. Ao final de cada ano simulado, os mapas gerais são recompostos pela

combinação das partes que foram executadas separadamente.

24

Devido à simulação da ampliação da rede de pequenas estradas de acesso até os

pontos de exploração, o mapa de fricção é atualizado a cada ano e, com ele, o mapa de

custo acumulado de transporte. Com isso, a cada iteração anual, a abrangência, ou

seja, o tamanho da área de influência das sedes madeireiras, é recalculada. Isso

significa que as sedes podem ampliar a sua área de influência ou reduzi-la devido à

competição com sedes vizinhas. A Figura 6 apresenta o módulo no qual as novas sedes

são criadas e o custo até elas, bem como a área de influência de cada uma é calculada.

Figura 6 – Definição da área de influência das sedes madeireiras.

Observações:

- a definição da área de influência das sedes é fortemente influenciada pelos valores

de fricção (custo específico) para cada classe de uso/cobertura e também pelo grau de

representatividade dos mapas de vias de transporte. Ou seja, caso os mapas não

estejam bem atualizados, a definição das áreas de influência das sedes pode ficar

comprometida.

25

Figura 7 - Exemplo de áreas de influência (manchas em verde) de sedes madeireiras (círculos amarelos) em Rondônia.

Cálculo dos custos totais

O custo total da madeira em tora é um valor expresso em R$/m3 de tora e possui três

componentes: (1) custos de exploração; (2) custos de transporte e (3) custo de

oportunidade. Os custos de exploração representam o valor gasto com derrubada,

arraste e transporte da tora até o pátio da empresa e são obtidos da literatura e/ou

levantamentos de dados de campo. Os custos de exploração podem ser espacialmente

variáveis. Portanto, o modelo está ajustado para receber uma tabela na qual há um

valor de custo de exploração para cada sede madeireira. Os custos de transporte são

calculados baseando-se nos valores de fricção por tipo de cobertura ou via de

transporte, acumulando-se os valores desde a sede até cada um dos pixels da área de

influência da sede, obtendo, ao final, um custo expresso em R$/m3 para cada pixel do

mapa. O custo de oportunidade é expresso como uma taxa de juros correspondente ao

rendimento médio a que um investimento de capital estaria sujeito e é representado

no modelo como uma taxa aplicada sobre o somatório dos custos de transporte e

exploração. O custo de oportunidade, dessa forma, reflete o quanto seria ganho se o

dinheiro aplicado no pagamento pela madeira em pé fosse investido em outra

atividade econômica. Por fim, o custo total é calculado para cada pixel do mapa,

considerando que o custo de transporte varia espacialmente e é alterado a cada

iteração devido à atualização das estradas de acesso às áreas exploradas (Figura 8).

26

Figura 8 – Criação de estradas e cálculo de custos.


- custo de oportunidade: taxa de juros - retorno financeiro médio de investimento em

uma atividade econômica. É fornecido como valor decimal.

- custo de exploração: pode ser ajustado para refletir o custo da exploração

convencional, da exploração de baixo impacto, para simulação comparada de cenários

em que o custo aumenta ou reduz em uma ou outra região ou mesmo para um cenário

em que o custo é igual em todos os municípios.

- custos de transporte por tipo e condição das vias: são parâmetros associados

inicialmente com o mapa de fricção e, em seguida, calculados como custo acumulado

de transporte. Podem ser ajustados nas tabelas de fricção que são ajustadas como

dado de entrada no modelo.

Receita líquida

Após o cálculo do custo total, o volume comercial (m3/ha) é multiplicado pelo tamanho

da área de cada pixel (ha) para obtenção do total de volume por pixel (m3), o qual, em

seguida, é multiplicado pelo preço do m3 de tora para obtenção da receita bruta. Em

seguida, desse valor subtrai-se o custo total e obtém-se a receita líquida por pixel. A

receita liquida das áreas exploradas sob manejo e sem manejo são calculadas

separadamente. O mapa de receita líquida, cuja unidade está em R$ por pixel,

direcionará a exploração para as áreas mais rentáveis (Figura 9).

27

Figura 9 – Cálculo de receitas.

Criação das Unidades de Manejo Florestal e Unidades de Produção Anual

No cenário de governança, toda a região passível de exploração madeireira é ajustada

para que a exploração seja feita com base em parcelas anuais como pré-requisito para

o manejo florestal sustentável. Nos cenários business-as-usual, os quais refletem as

tendências tais como tem sido observadas nos últimos anos (incluindo a exploração

convencional e ilegal), somente as áreas que serão destinadas a concessões florestais

seguem a divisão do terreno em parcelas de manejo, sendo que a exploração em

propriedades privadas não é dividida em unidades de produção anual, seguindo,

porém, os padrões da exploração convencional.

As áreas sob manejo florestal sustentável são divididas no modelo em blocos que

buscam reproduzir o que seriam as unidades de manejo florestal (UMFs) e suas

unidades de produção anual (UPAs). O modelo está ajustado para dividir uma UMF em

n UPAs, considerando um ciclo de n anos (ou seja, se o ciclo for de 30 anos, a UMF será

dividida em 30 UPAs). Devido a simplificações necessárias, as UMFs e UPAs são sempre

quadradas (mesmo número de colunas e linhas), embora em realidade as UMFs sigam

muitas vezes algumas feições do terreno, como o delineamento por corpos d’água

(Figura 10). Essa disposição das concessões em blocos dá a possibilidade de reproduzir

uma exploração manejada ao longo do ciclo de corte, controlando a exploração ano a

ano e impedindo que toda a área seja explorada de uma só vez. Atribui-se a cada UMF

de uma sede madeireira um código único e a cada UPA de uma UMF também um

código único. As UPAs de uma UMF se diferenciam daquelas de outras UMFs por

receberem ao final, um código que é a combinação do código da UMF e o seu próprio.

É necessário enfatizar que essa divisão do terreno é feita para finalidades logísticas do

modelo e não pretende, de forma alguma, ser um meio de obtenção de resultados

locais em nível de unidades de manejo. Ou seja, embora o modelo divida o espaço

28

dessa forma, seus resultados só devem ser interpretados em níveis regionais e não

locais/pontuais.

Figura 10 - Exemplo de UMFs (esq.) e UPAs (dir.) criadas pelo modelo.


- tamanho médio das unidades de manejo florestal [ha]

- ciclo de corte [anos]

Cálculo da receita líquida média por UPA

A seleção de áreas a serem exploradas segue dois critérios no modelo: a demanda

total da sede madeireira e a distribuição espacial das áreas mais rentáveis. Em áreas

sob manejo florestal sustentável, a escolha das UPAs a serem exploradas a cada ano se

dá pela seleção da UPA mais rentável de cada UMF da sede. Isso é feito calculando-se

a receita líquida média da UPA considerando o valor de receita de cada um de seus

pixels, excluindo-se aqueles por onde passam os principais rios. Observa-se, na Figura

11, que os pixels da imagem à direita parecem maiores, o que, na verdade, representa

o fato de que os valores por pixel foram convertidos em valores médios para cada UPA.

Figura 11 - Representação da conversão da receita por pixel para receita por UPA.

Em seguida, o modelo seleciona, para cada UMF, a UPA ainda não explorada que

possui a maior receita líquida média, entre aquelas cuja receita líquida é superior a

zero (isto é condicionado para que o modelo não execute a exploração caso a receita

29

seja negativa) (Figura 12 - UPAs selecionadas marcadas em preto). O conjunto de UPAs

selecionadas de todas as UMFs da sede - somado às demais áreas passíveis de

exploração sem manejo em cenários business-as-usual - é repassado para o operador

que executa a extração para toda a sede. A Figura 13 apresenta o componente do

modelo que executa essas funções.

Figura 12 - Exemplo de seleção das UPAs mais rentáveis (em preto) em cada UMF.

Figura 13 – Módulo da seleção das UPAs mais rentáveis no modelo.

Cálculo da capacidade de extração da sede

O conjunto de UPAs selecionadas em áreas de manejo sustentável combinado com as

demais áreas privadas passíveis de exploração não-sustentável – no caso business-as-

usual, excluindo-se as áreas indisponíveis segundo cada cenário e áreas não rentáveis,

– constitui a área total disponível para a exploração madeireira. Por meio do mapa que

representa essa área total disponível, calcula-se o volume rentável total disponível

para ser explorado na iteração em execução. A capacidade de produção de madeira

em tora da sede madeireira varia em função desse volume rentável disponível para

exploração da seguinte maneira: cada sede possui uma capacidade inicial definida com

base na extração total registrada no ano de inicialização do modelo (ex: suponha que o

município de Sinop tenha extraído um total de toras equivalente a 150 mil m3 no ano

de 2009, então essa é a capacidade inicial de Sinop, caso esse seja o ano de

30

inicialização do modelo). A cada passo de tempo da simulação (a cada ano), a

capacidade pode expandir até uma determinada taxa, se caso ainda for inferior ao

volume rentável disponível para exploração na iteração considerada na área de

influência daquela sede. A capacidade atinge seu valor máximo quando se iguala ao

volume rentável remanescente disponível para exploração. Dessa forma, à medida que

o volume rentável remanescente se reduz, o mesmo ocorre com a capacidade da sede

que acompanha essa disponibilidade até o ponto em que é zerada devido à

indisponibilidade de volumes para extração. Nessa situação, a sede é fechada e ocorre

uma possível migração para regiões adjacentes. A Figura 14 apresenta o componente

do modelo no qual esses cálculos são efetuados.

Figura 14 – Cálculo da capacidade da sede madeireira.


- capacidade inicial de cada sede madeireira;

- taxa anual de expansão da capacidade (reflete o quão favorável está o mercado ao

setor madeireiro).

Extração de volumes selecionados

O modelo executa a extração considerando a capacidade da sede atualizada segundo

aquela iteração como cota total a ser explorada (Figura 15). Os pontos que serão

explorados são fornecidos pelo mapa de volumes disponíveis para explorar, nos quais

estão anulados todos os pontos impedidos para exploração que, por sua vez, incluem

também as UPAs que já foram exploradas em iterações passadas e UPAs cuja

rentabilidade é menor ou igual a zero (Figura 16). O modelo procura atingir a cota

definida buscando sempre as áreas mais rentáveis, podendo, no entanto, oferecer

alguns resíduos em relação ao explorado (isso se deve à resolução espacial dos dados).

31

Uma vez que tais resíduos, em geral, não são significativos perante o total explorado,

eles podem ser desconsiderados.

Figura 15 – Módulo de execução da exploração.

Figura 16 - Exemplo de execução da exploração.

Cálculo do volume remanescente

Após a exploração, é contabilizado o volume total que efetivamente foi extraído, bem

como a área total explorada. O mapa de volume comercial remanescente é calculado e

repassado para a próxima iteração (Figura 17). As áreas exploradas em concessões

ficam marcadas para que estejam indisponíveis para a próxima iteração, segundo as

regras de manejo. A regeneração não é calculada, uma vez que o modelo é feito para

rodar apenas um ciclo de corte, no entanto, módulos futuros adicionais podem ser

incorporados ao modelo para simular uma possível regeneração.

32

Figura 17 - Mapas de volume comercial de Rondônia simulados para dois anos distintos.

Atualização das estradas

Considerando as áreas que foram efetivamente exploradas, na iteração seguinte, são

criadas as estradas de acesso até os respectivos pontos e recalculado o custo de

transporte considerando a existência dessas novas estradas. A elas é atribuído o valor

de custo de transporte referente a estradas em leito natural. Iterações seguintes irão

construir acessos aos novos pontos de exploração, sempre com base na rede de

estradas atualizadas da iteração anterior (Figura 18). Parte-se do pressuposto de que o

custo de construção da estrada está previamente embutido no custo de exploração e,

portanto, não é contabilizado por km construído, mas sim, por metro cúbico

explorado. A criação de novas estradas leva a uma alteração na superfície de fricção,

reduzindo o custo de acesso aos pontos de exploração. Com isso, a área de influência

de cada sede é recalculada considerando o custo acumulado atualizado.

Figura 18 - Exemplo de expansão de estradas.

Todo o processo é repetido a cada iteração até completar o ciclo de corte. Os mapas

são gravados em passo de tempo anual para toda a Amazônia Brasileira e a tabela

gerada constitui um conjunto de estatísticas gerais para cada sede a cada ano.

Dados de saída

O SimMadeira produz como resultados finais um conjunto de mapas e uma tabela

geral, os quais são inicialmente salvos na pasta “Resultados” presente na pasta raiz

33

onde o modelo se encontra. O local para salvar resultados pode ser alterado pelo

usuário através da indicação do caminho de pastas dentro do operador “Folder”

nomeado como “Diretório de Resultados”. É importante que o usuário verifique se o

diretório está corretamente ajustado antes de rodar o modelo.

A tabela gerada pelo SimMadeira é chamada “resultados.csv” e contém uma série de

dados organizados segundo o ano de simulação e a sede madeireira a qual se refere. O

formato “comma-separated-values” (.csv) apresenta a separação de dados por meio

de vírgulas, o que dificulta uma visualização inicial. No entanto, esse arquivo pode ser

convertido em uma planilha do Microsoft Excel e seus dados podem ser visualizados

através de colunas utilizando o recurso do Excel chamado “Texto para Colunas” e

selecionando a vírgula como o separador original (Figura 19). Modelos auxiliares são

fornecidos junto ao pacote de dados para que o usuário possa processar a tabela de

resultados gerais e obter outras perspectivas sobre os resultados brutos.

A tabela “resultados.csv” conterá as seguintes colunas:

*Ano; *Sede_madeireira (ambas constituem colunas-chaves e por isso são

identificadas com um asterisco na tabela final).

volume explorável total [m3]: referente a todo volume comercial

remanescente explorável na área de influência da sede madeireira no ano em

análise. OBS: Incrementos entre dois anos consecutivos significam que a área

de influência da sede madeireira se expandiu em detrimento de outras.

volume disponível na iteração [m3]: volume que pode ser explorado na

iteração corrente, ou seja, excluindo-se áreas protegidas e também UPAs não

selecionadas para exploração na iteração corrente.

capacidade da sede [m3/ano]: quantidade de madeira em tora que a sede

madeireira é capaz de extrair no ano.

volume efetivamente extraído [m3]: quantidade de madeira em tora extraída

no ano pela sede madeireira.

área explorada [ha]: área total explorada no ano na área de influência da sede

madeireira.

custo total [R$]: custo total de todo o volume extraído na sede madeireira.

custo específico [R$/m3]: custo médio por metro cúbico extraído.

receita líquida total [R$]: receita líquida total obtida na extração naquele ano

na referida sede madeireira.

receita líquida específica [R$/m3]: receita líquida média obtida por metro

cúbico de tora extraída.

34

Figura 19 - Exemplo da tabela final resultante do modelo.

Os mapas gerados pelo modelo também estarão em formato raster e constituem

resultados espacializados, ou seja, cada pixel do mapa conterá um valor referente ao

resultado da variável simulada naquela área. É importante mencionar que muitos

mapas não conterão resultados para todos os pixels da área de estudo, sendo que

pixels sem resultados serão visualizados como “null” (valor nulo) no mapa visualizado.

Os seguintes mapas são gerados como resultados finais do modelo:

Área de influência das sedes madeireiras [categórico]: delimitada de acordo

com os custos de sair de qualquer ponto do mapa e atingir uma sede

madeireira.

Sedes madeireiras atualizadas [categórico]: sedes pré-existentes são

identificadas por seu geocódigo e novas sedes são identificadas por numeração

sequencial.

Código UMF UPA [categórico]: mapa de UMFs e UPAs criadas em toda a região.

Enumeradas segundo códigos únicos para cada área de influência de sedes.

Não constitui um produto de interesse para análise, mas somente um auxiliar

para verificação do funcionamento do modelo.

Custo acumulado até sede [R$]: custo total de qualquer ponto no mapa até a

sede mais próxima (próxima em termos de menor custo).

Receita líquida por pixel [R$]: receita total potencial de cada pixel do mapa da

área de estudo. Atualizado segundo os volumes explorados e custos.

Volume upas selecionadas [m3]: apresenta quais foram as UPAs selecionadas

nas áreas sob manejo para exploração na iteração corrente.

Pixels explorados [categórico]: mapa em que pixels iguais a zero correspondem

a pixels não explorados na iteração corrente e pixels iguais a 1 são aqueles que

foram explorados na iteração corrente.

Pixels explorados acumulados [categórico]: pixels iguais a zero são pixels que

nunca foram explorados e pixels iguais a 1 correspondem a pixels explorados

em qualquer iteração passada. Estão presentes todos os pixels explorados

desde o início da simulação.

35

Volume explorado por pixel [m3]: apresenta somente os valores de volumes

totais por pixel que foram explorados na iteração corrente. Volumes

inalterados ou que foram alterados em iterações passadas não são

apresentados.

Volume comercial atualizado [m3/ha]: mapa atualizado de volume comercial

por hectare, considerando o volume atualizado de todos os pontos que já

foram explorados em iterações passadas. Pontos não explorados têm o volume

intacto.

Custo total por pixel explorado [R$]: custo total associado a cada pixel

explorado na iteração corrente.

Receita líquida pixels explorados [R$]: apresenta somente a receita total dos

pixels explorados na iteração corrente.

Rodovias geradas [categórico]: rodovias em leito natural geradas até os pontos

explorados em cada iteração.

Rodovias atualizadas [categórico]: mapa de rodovias iniciais alterado com as

novas rodovias criadas em leito natural (todas as rodovias criadas até a iteração

corrente). Este mapa inclui também as hidrovias navegáveis que recebem

código de classe igual a 11.

Fricção atualizada [R$/m3/km]: mapa de valores de fricção alterados segundo a

criação de novas rodovias em leito natural.

LLiimmiittaaççõõeess ddaa MMooddeellaaggeemm

O modelo de rentabilidade madeireira é uma ferramenta de grande utilidade para a

tomada de decisões em relação às concessões florestais e ao controle da atividade

madeireira ilegal. No entanto, como toda ferramenta, existem limitações que devem

ser tomadas em conta. São três os tipos de limitações que, em geral, podem ser

encontradas em qualquer modelo matemático e que aqui assumem os seguintes

aspectos:

Limitações computacionais

As limitações computacionais podem ser referentes à máquina ou ao software sobre o

qual se desenvolve o modelo (neste caso, o Dinamica EGO). Em termos de máquina,

podem existir limitações de capacidade e velocidade de processamento e, em termos

do software, podem existir limitações relativas à sua estrutura, design conceitual,

flexibilidade, usabilidade.

36

O Dinamica EGO executa as operações de forma discretizada tanto em termos de

iterações representativas de processos repetitivos quanto em termos do espaço. No

espaço, como mencionado anteriormente, essa discretização se dá através do cálculo

de processos pixel a pixel. Em termos temporais, os processos são concebidos e

construídos pensando em uma unidade temporal (dias, meses ou anos) e o modelo

conserva o estado final de cada iteração, de forma que esse estado pode ser usado na

iteração temporal seguinte. A discretização confere limitações representativas, o que

significa, de forma geral, que os processos em nível de "sub-pixel" (menor que a área

representada por um pixel) ou a variabilidade que pode haver em uma escala menor

do que a unidade temporal escolhida para o modelo não são representados. Essa

limitação é inerente a qualquer trabalho de modelagem e, portanto, as escolhas de

escalas a serem usadas devem ser tomadas em conta no momento da definição dos

objetivos e expectativas quanto ao modelo.

O Dinamica EGO atende com alta confiabilidade e excelente performance todos os

requisitos para execução do modelo SimMadeira e não apresenta limitações

significativas para sua execução ou manipulação. É necessário ressaltar, no entanto,

que o software foi desenvolvido somente para ambiente Windows e, no momento,

não há instalador disponível para outros sistemas. Em termos de capacidade

computacional, sugere-se que o modelo seja executado em máquinas de 64 bits com

múltiplos processadores. É necessário considerar também o espaço requerido em

termos de memória. Por exemplo, cada simulação para toda a Amazônia, em resolução

espacial de 1 km e 30 anos de execução requer aproximadamente 2 Gb de espaço em

disco.

Limitações conceituais

Todo modelo computacional parte de um conjunto de conceitos e regras que definem

a lógica do sistema modelado. Essa estrutura conceitual depende da forma como o

pesquisador ou equipe de pesquisadores concebe o problema em estudo e em que

profundidade compreende o sistema. O modelo, muitas vezes, se torna uma

assinatura dos pesquisadores que o desenvolveram, uma vez que reflete as

concepções e o estilo de modelagem dos autores. Esses fatores influenciam na

acurácia e precisão do modelo. Além disso, outros fatores podem acarretar limitações

conceituais, tais como: (1) a quantidade e qualidade dos dados disponíveis: influencia

diretamente no número de processos e variáveis que podem ser representados no

modelo; (2) o tempo disponível para desenvolvimento do modelo: modelos mais

complexos demandam mais tempo para sua criação e validação; (3) a escala para a

qual o modelo foi desenvolvido: a confiabilidade dos resultados do modelo está

37

limitada pela escala geográfica para a qual o modelo foi desenvolvido (ex. modelos

climáticos globais não representam microclimas urbanos).

Em termos de limitações conceituais nesta versão do SimMadeira é necessário

ressaltar as que se seguem: (1) o modelo foi desenvolvido para análises regionais e não

locais, e.g. nível de concessões florestais; (2) não há simulação dos processos que

governam a demanda por madeira no mercado; (3) não há simulação de regeneração

florestal, muito embora essa opção possa ser desenvolvida posteriormente; (4)

assume-se que as únicas regras que condicionam a escolha pela área a ser explorada

seja a relação custo-benefício – representada pela receita líquida potencial – e as

regras de ocupação do espaço definidas em lei; (5) não há variabilidade do preço ao

longo do ciclo, por opção default; (6) os preços são apresentados em termos de valores

médios e, no momento, não tomam em conta as classes de madeira, uma vez que não

há dados suficientes sobre o volume explorado de cada classe para cada sede

madeireira da Amazônia. Se há disponibilidade de dados, executa-se uma média

ponderada com referência aos volumes relativos de cada classe de valor da madeira.

Limitações relativas aos dados de entrada

A resolução espacial dos mapas de entrada condiciona o grau de detalhamento que é

possível obter nos resultados finais. A resolução espacial define o tamanho da área

real representada pelo pixel e o valor contido representa uma média (ou valor

predominante) para tal área. Dessa forma, a variabilidade interna que existiria em uma

área representada por um pixel é substituída por um valor médio ou predominante.

Por exemplo, se uma dada área representada por apenas um pixel apresenta terra

firme e corpo d’água, o pixel correspondente à categoria de uso da terra dessa área

conterá o valor referente ao uso da terra predominante (terra firme ou corpo d’água).

Essa é uma limitação inerente à representação espacial por meio de mapas raster.

Outro exemplo: em mapas de altimetria o valor em um pixel será a média das

elevações na área representada, o que significa que qualquer variabilidade de altitude

naquela área será desprezada. Diante do exposto, é evidente que a qualidade dos

produtos finais depende, em grande parte, da qualidade e resolução espacial dos

dados utilizados como entrada.

Mapas de entrada podem ser construídos a partir de amostragens seguidas de

extrapolações para a área de estudo devido à carência de dados obtidos para cada

célula (pixel) do mapa. No entanto, isso implica que se a amostragem for baixa e pouco

representativa, os produtos finais não terão valores representativos em nível de pixel e

deverão ser interpretados em nível de regiões.

38

Diferentes fontes para um mesmo dado podem resultar em diferentes resultados

devido à metodologia utilizada para geração do dado. Portanto, é necessário ter

cuidado com as fontes de obtenção de dados a serem utilizados como entrada para o

modelo. Os usuários finais podem construir seu próprio banco de dados para alimentar

o modelo, desde que estejam cientes dos requisitos já mencionados para o correto

funcionamento dos modelos.

39

WWiizzaarrdd

O SimMadeira vem acompanhado por um "wizard" que é uma ferramenta do Dinamica

EGO destinada a auxiliar a compreensão e execução de modelos. O wizard (Figura 20)

atua como um assistente de execução e pode ser alterado e personalizado para cada

modelo, permitindo que o usuário adicione textos descritivos a respeito dos conceitos,

contexto e detalhamentos do modelo, inclusive com a possibilidade de adição de

imagens em geral, links para sítios da web, mapas e diagramas explicativos. O wizard

permite, ainda, vincular à sua interface todos os pontos em que o modelo requer

dados de entradas ou ajustes para que o usuário faça suas alterações diretamente do

wizard, sem precisar alterar o modelo diretamente na interface gráfica. Por fim, o

usuário pode conduzir a execução do modelo também através da interface do wizard

e, por fim, visualizar diretamente alguns dos resultados selecionados por meio da

ferramenta de visualização de mapas e gráficos atrelada ao wizard.

No SimMadeira, portanto, o wizard apresenta uma descrição dos principais processos

envolvidos na simulação da rentabilidade madeireira, assim como uma descrição dos

dados de entrada do modelo e uma série de opções que permitem ao usuário executar

o SimMadeira por meio da interface do wizard. Sempre que o usuário abrir o

SimMadeira pela interface gráfica, o programa perguntará se o usuário deseja abrir o

wizard associado ao modelo.

Figura 20 - Wizard do modelo SimMadeira.

40

CCeennáárriiooss Um cenário constitui um conjunto de condições e regras que define um contexto

representativo da realidade em algum de seus aspectos (e.g. econômico, político, etc.).

Os cenários podem ser utilizados como condições iniciais para uma simulação que irá

projetar tendências futuras de um dado sistema. Embora os cenários não descrevam

todas as condições envolvidas nos processos em estudo, eles representam as

principais e quando são analisados em conjunto servem de base comparativa para

estudar alternativas nos processos de decisões estratégicas.

Um conjunto de cenários, aplicados a simulações com diferentes fontes de dados, e os

resultados de suas projeções para o setor madeireiro são apresentados e analisados

neste capítulo. O objetivo é enfatizar a funcionalidade do modelo na representação da

atividade do setor e mostrar como diferentes pressupostos e condições iniciais podem

influenciar nos resultados finais das simulações. Os cenários aqui expostos não

esgotam as inúmeras possibilidades de estudos do setor madeireiro, sendo possível,

com pequenos e fáceis ajustes, trabalhar com uma ampla variedade de condições

iniciais.

DDeessccrriiççããoo GGeerraall

Foram executados dois conjuntos de simulações para fins de teste do modelo, cada um

utilizando uma fonte de dados diferente para a listagem de sedes madeireiras (uma

com dados do IMAZON e outra com dados do IBGE), contemplando dois cenários: um

cenário de governança (GOV) onde o manejo florestal é simulado para toda área

explorável; e um cenário que contempla governança em áreas públicas, porém com

exploração convencional em áreas privadas, o que caracterizaria uma tendência de

business-as-usual, ou seja, tendências usuais no setor (BAU+GOV). O mesmo

procedimento foi repetido, porém, em simulações em que as florestas nacionais

(Flonas) não são exploradas (S/ FLONAS, Tabela 1). Isso foi feito para verificar qual é o

impacto produtivo das Flonas em relação ao setor como um todo. Ajustou-se a taxa

anual de expansão da capacidade das sedes madeireiras para 20% para refletir um

contexto favorável para o setor, embora não corresponda às recentes taxas

observadas. Neste conjunto de simulações foi permitida a exploração em áreas de uso

sustentável (incluindo assentamentos e reservas extrativistas; excluindo-se as terras

indígenas e áreas militares) e também foi permitida a exploração em áreas não

destinadas. Por fim, uma outra característica dessas simulações é o fato de que os

preços são mantidos constantes, ou seja, não há nenhuma simulação da variabilidade

41

de preços no modelo. O conjunto de cenários e as respectivas siglas identificadoras são

apresentados na Tabela 1.

Tabela 1 – Cenários.

Simulações com dados do IMAZON para definição de polos madeireiros

Cenário 1 GOV C/ FLONAS GOV_CF_IMAZON Cenário 2 GOV+BAU C/ FLONAS GOV+BAU_CF_IMAZON Cenário 3 GOV S/ FLONAS GOV_SF_IMAZON Cenário 4 GOV+BAU S/ FLONAS GOV+BAU_SF_IMAZON

Simulações com dados do IBGE para definição de sedes madeireiras

Cenário 1 GOV C/ FLONAS GOV_CF_IBGE Cenário 2 GOV+BAU C/ FLONAS GOV+BAU_CF_ IBGE Cenário 3 GOV S/ FLONAS GOV_SF_ IBGE Cenário 4 GOV+BAU S/ FLONAS GOV+BAU_SF_ IBGE

Alguns aspectos gerais caracterizam o manejo e a exploração convencional nessas

simulações:

Manejo Florestal Sustentável: a área sob manejo é dividida em parcelas iguais ao

número de anos do ciclo de corte, ou seja, em unidades de produção anual. Em uma

única unidade de manejo, não é permitida a remoção de todo o volume em um único

ano. A intensidade máxima de corte não ultrapassa o limite de 0,86 m3/ha/ano de

acordo com o disposto na Resolução CONAMA n. 406/2009. Uma vez removido o

volume comercial legal em uma área sob manejo, não há retorno para exploração

antes de ser completado o ciclo de corte (nesta simulação: 30 anos) no caso da

exploração sob manejo florestal sustentável.

Exploração Convencional: não há intensidade máxima de corte, dessa forma, todo

volume comercial presente na área em exploração é removido. Não há divisão do

espaço em unidades de manejo. A exploração é direcionada para as áreas mais

rentáveis, sem restrição por meio de parcelas anuais.

Os cenários de Governança (GOV) buscam reproduzir as regras básicas de manejo

florestal sustentável e são definidos a partir das seguintes premissas: a exploração

madeireira não ocorre nas seguintes florestas públicas que constituem Unidades de

Conservação de Proteção Integral, Áreas militares e Terras indígenas. A exploração

ocorre em áreas não destinadas. Em toda a área com volume comercial disponível para

exploração, a exploração madeireira é feita sob manejo florestal sustentável, mesmo

em áreas privadas.

Os cenários de Governança + Business-as-usual (GOV+BAU) refletem tendências usuais

do setor e são definidos a partir das seguintes premissas: a exploração madeireira não

42

ocorre nas florestas públicas que constituem Unidades de Conservação de Proteção

Integral, Áreas Militares, Terras Indígenas. Exploração madeireira sob manejo florestal

sustentável é restrita às áreas publicas passiveis de exploração, no entanto, as áreas

não destinadas são tratadas como terras privadas. A exploração madeireira em áreas

privadas é feita sob regime convencional.

AAjjuusstteess aaddoottaaddooss

Ajustes de mapas

Para a execução desse conjunto de cenários, foi definido um padrão específico para os

mapas que constituem os dados de entrada (Figura 21):

1. Especificações do Sistema de Referência:

Sistema de coordenadas geográficas (latitude/longitude): Sistema de Referência

Geocêntrico para as Américas – SIRGAS 2000. Units: ângulos decimais. Prime Meridian:

Greenwich (0, 0); Datum: D_SIRGAS_2000; Spheroid: GRS_1980; Semimajor axis:

6378137,0; Semiminor axis: 6356752,314140356; Inverse Flattening: 298,257222101.

2. Formato do mapa matricial:

Formato: GeoTIFF; Resolução da célula: 0.009° (aprox. 1 km2); Número de linhas: 2601;

Número de colunas: 3612; Coordenada do canto superior esquerdo: (Y= 5.309, X= -74);

Coordenada do canto inferior direito: (Y= -41.492, X= -18.1).

Figura 21 – Formato e referência espacial dos mapas de entrada.

43

Ajustes de valores

Os seguintes valores constantes e dados tabulares foram adotados nesse conjunto de

simulações (Tabela 2):

Tabela 2 – Ajuste de valores constantes no modelo.

Constantes Unidade Valor

Resolução espacial dos mapas raster graus decimais 0,09 Ano de inicialização - 2009 Número de anos simulados anos 30 Ciclo de corte anos 30 Capacidade inicial de novas sedes madeireiras m

3/ano 50000

Intensidade máxima de corte (sob manejo florestal) m3/ha/ano 0,86

Tamanho das unidades de manejo florestal hectares 27000 Tamanho das unidades de produção anual hectares 900 Variação temporal do preço da madeira em tora %/ano 0 Incremento potencial da capacidade %/ano 20 Distância mínima para surgimento de nova sede madeireira m 200000

Distância máxima para surgimento de nova sede madeireira [m]: adotou-se 500.000

m como distância máxima para surgimento de novas sedes.

Fricção [R$/m3/km]: valores adotados para fricção incluem custo de transporte

levantado em bibliografia para os principais tipos de vias e valores arbitrários adotados

para usos do solo que não constituem vias de transporte e para tipos de vias cujos

custos não são encontrados em literatura (Tabela 3).

Tabela 3 – Valores de fricção adotados nas simulações.

Fricção por tipo de floresta pública

Classe Nome da Classe Fricção [R$/m3/km]

1 Uso sustentável 0,8 2 Sem destinação 0,8 3 Proteção integral 5000 4 Uso militar 5000

Fricção por cobertura Prodes

0 Indefinido 0,7 15 Desmatamento 0,7 27 Não-floresta 0,7 41 Floresta 0,8 62 Resíduo 0,7 68 Hidrografia 2

Fricção por condição de rodovias

1 Pavimentada 0,3 2 Leito natural 0,5 7 Duplicada 0,2 8 Travessia 0,3 5 Indefinido 0,5

Fricção por condição de hidrovias

1 Navegável principal 0,1 2 Navegação inexpressível 1

44

3 Navegável somente em cheias 1

Outros

Terras Indígenas 5000 Fricção arbitrária 0,8

Custo exploração [R$/m3]: foram adotados os valores de custo de exploração

levantados pelo IMAZON em 2009 (Acompanhamento de preços - IMAZON, 2009) para

as principais praças madeireiras na Amazônia. Considerando a ausência de dados para

muitas sedes madeireiras, adotou-se o valor médio obtido no levantamento

mencionado como custo de exploração para os municípios sem dados.

Preços médios da madeira em tora [R$/m3]: considerando as diversas fontes para

obtenção do preço da madeira em tora, suas limitações e erros, optou-se, nesse

conjunto de simulações, pela seguinte forma de obtenção de preço médio: preços

levantados pelo IMAZON (Acompanhamento de preços - IMAZON, 2009) foram

mantidos; municípios para os quais não há levantamento de preço da madeira em

tora, tiveram seus preços calculados pela divisão da receita bruta anual da extração da

madeira em tora pela quantidade produzida, de acordo com dados do IBGE (2009). Em

seguida, todos os valores obtidos inferiores a R$100 foram removidos da tabela e a

média geral foi calculada. Essa média foi utilizada para substituir os valores para

municípios cujos preços encontrados foram inferiores a R$100. A substituição de

valores inferiores a R$100 foi feita considerando que, de acordo com dados

observados de levantamentos diversos, o menor preço da madeira em tora

dificilmente foi inferior a R$100 no ano de 2009.

Capacidade das sedes madeireiras [m3/ano]: nessas simulações, foi adotada a

capacidade das sedes madeireiras como aquela equivalente ao volume total extraído

em cada sede no ano de inicialização do modelo, o qual, neste caso, foi o ano de 2009.

No primeiro conjunto de simulações, o levantamento da quantidade de madeira em

tora produzida presente no relatório Fatos Florestais (Pereira et al., 2010) foi utilizado

como fonte de dados para definição das sedes madeireiras e suas capacidades, as

quais, neste caso correspondem a 70 polos madeireiros. No segundo conjunto, os

dados da produção da extração vegetal do IBGE para o ano de 2009 foram utilizados

para definir os municípios produtores e suas capacidades iniciais.

Detalhamento das fontes:

IBGE – Produção da Extração Vegetal e da Silvicultura

Tabela 290 - Valor da produção na extração vegetal por tipo de produto

extrativo; Variável - Valor da produção na extração vegetal; Tipo de produto

extrativo - 7.3 - Madeira em tora.

45

Tabela 289 - Quantidade produzida na extração vegetal por tipo de produto

extrativo; Variável - Quantidade produzida na extração vegetal (Metros

cúbicos); Tipo de produto extrativo - 7.3 - Madeira em tora

IMAZON – Instituto do Homem e Meio Ambiente da Amazônia (2009)

Acompanhamento dos preços médios de madeira em tora extraída de florestas

naturais da Amazônia. Relatório Técnico Parcial, Produto 1. Contrato

Administrativo 06/2009 com Serviço Florestal Brasileiro. IMAZON, Brasília.

Novembro 2009. Produto 2: Relatório Parcial; Tabela: 2, pag. 11 – preços;

Tabela 3, pag. 12 – custos de exploração.

IMAZON – Instituto do Homem e Meio Ambiente da Amazônia (2010)

Pereira D, Santos D, Vedoveto M, Guimarães J, Veríssimo A. 2010. Fatos

Florestais da Amazônia, IMAZON, Belém, Brasil. Tabelas 16 a 19, páginas 40 –

47.

RReessuullttaaddooss –– CCeennáárriiooss ccoomm ddaaddooss IIMMAAZZOONN

Os cenários com dados do IMAZON representam os 70 polos madeireiros (segundo

Pereira et al. 2010) no ano de 2009 e, portanto, municípios com uma baixa produção

madeireira não são considerados na definição dos polos.

Os mapas que representam a rentabilidade espacialmente distribuída no ano de 2009,

bem como as áreas exploradas até 2038, são apresentados nos anexos.

Cenário de governança com exploração em Flonas - IMAZON

O GOV_CF_IMAZON (Tabela 4) representa um cenário de governança, favorável ao

setor (taxa de crescimento máxima de 20% ao ano), no qual toda a exploração é feita

por meio de manejo florestal sustentável e a exploração madeireira é permitida em

todas as áreas protegidas de uso sustentável exceto em terras indígenas, áreas

militares e unidades de proteção integral. A exploração também é permitida em áreas

não destinadas. Sedes madeireiras são definidas pela lista de polos madeireiros do

relatório Fatos Florestais (Pereira et al. 2010 - IMAZON).

46

Tabela 4 – Resultados do cenário GOV_CF_IMAZON.

Variável simulada 2009 2038 Acumulado

30 anos

Volume total explorável [m3] 2,91 bilhões 2,07 bilhões

Volume explorável no ano [m3/ano] 50,5 milhões 25,1 milhões -

Capacidade total [m3/ano] 14,1 milhões 25,1 milhões -

Volume explorado [m3/ano] 13,2 milhões 25,1 milhões 868,1 milhões

Área explorada [ha/ano] 890 mil 1,80 milhões 61,94 milhões

Receita líquida [R$/ano] 1,16 bilhão 1,21bilhão 52,78 bilhões

Custo médio [R$/m3] 106,3 126,95 -

Receita líquida média [R$/m3] 88,22 48,24 -

Cenário de governança sem exploração em Flonas - IMAZON

O GOV_SF_IMAZON representa um cenário de governança, favorável ao setor (taxa de

crescimento máxima de 20% ao ano), no qual toda a exploração é feita por meio de

manejo florestal sustentável e a exploração madeireira é permitida em todas as áreas

protegidas de uso sustentável exceto nas florestas nacionais, terras indígenas, áreas



relatório Fatos Florestais (Pereira et al. 2010 - IMAZON). Os resultados são


Tabela 5 – Resultados do cenário GOV_SF_IMAZON.


30 anos

Volume total explorável [m3] 2,69 bilhões 1,90 bilhão -



Volume explorado [m3/ano] 13,1 milhões 21,69 milhões 805 milhões

Área explorada [ha/ano] 889,6 mil 1,58 milhão 58,4 milhões

Receita líquida [R$/ano] 1,15 bilhão 1,07 bilhão 50,42 bilhões

Custo médio [R$/m3] 106,7 126,72 -


Cenário de governança e business-as-usual com exploração em Flonas - IMAZON

O GOV+BAU_CF_IMAZON representa um cenário favorável ao setor (taxa de

crescimento máxima de 20% ao ano), no qual a exploração em áreas públicas é feita

por meio de manejo florestal sustentável e nas áreas privadas a exploração segue o

padrão convencional. A exploração madeireira é permitida em todas as áreas

protegidas de uso sustentável exceto em terras indígenas, áreas militares e unidades

de proteção integral. A exploração também é permitida em áreas não destinadas.

47

Sedes madeireiras são definidas pela lista de polos madeireiros do relatório Fatos

Florestais (Pereira et al. 2010 - IMAZON). Os resultados são apresentados na Tabela 6.

Tabela 6 – Resultados do cenário GOV+BAU_CF_IMAZON.


30 anos

Volume total explorável [m3] 2,91 bilhões 2,05 bilhões -





Receita líquida [R$/ano] 1,4 bilhão 898,3 milhões 56,9 bilhões

Custo médio [R$/m3] 95,17 136,19 -


Cenário de governança e business-as-usual sem exploração em Flonas - IMAZON

O GOV+BAU_SF_IMAZON representa um cenário favorável ao setor (taxa de

crescimento máxima de 20% ao ano), no qual a exploração em áreas públicas é feita

por meio de manejo florestal sustentável e nas áreas privadas a exploração segue o

padrão convencional. A exploração madeireira é permitida em todas as áreas

protegidas de uso sustentável, exceto em florestas nacionais, terras indígenas, áreas



relatório Fatos Florestais (Pereira et al. 2010 - IMAZON). Os resultados são


Tabela 7 – Resultados do cenário GOV+BAU_SF_IMAZON.


30 anos






Receita líquida [R$/ano] 1,38 bilhão 704 milhões 56,13 bilhões

Custo médio [R$/m3] 96,61 135,6 -


48

Gráficos comparativos

A evolução da extração madeireira segue trajetórias consideravelmente distintas entre

os cenários de governança e aqueles que consideram a exploração convencional em

áreas privadas. De forma geral, os cenários de governança apresentam uma

exploração mais controlada, enquanto os cenários BAU são mais irregulares em termos

do volume extraído e área explorada (Erro! Fonte de referência não encontrada.). Nesses

últimos, a produção atinge um pico em torno dos 50 milhões de metros cúbicos em

2020 e nos cenários de governança a maior produção acontece por volta de 2025

atingindo aproximadamente 35 milhões de metros cúbicos (com exploração em

flonas).

Figura 22 - Volume explorado nos cenários com dados IMAZON.

A produção madeireira nos cenários BAU começa a apresentar queda cinco anos antes

da produção sob governança e suas oscilações são maiores (Figura 23). Após 30 anos

simulados, embora ambos os cenários apresentem a redução na exploração, os

cenários de governança sustentam maior volume explorado do que os cenários com

exploração convencional. A área explorada em ambos os cenários segue um padrão

semelhante ao volume total explorado. É importante ressaltar que existe uma

diferença fundamental (que não é representada nas simulações) a respeito da área

explorada em cenários de governança e BAU. Nos primeiros, toda a área é explorada

sob manejo florestal sustentável, o que resulta em impacto ambiental

substancialmente menor.

49

Figura 23 – Área explorada nos cenários com dados IMAZON.

Em termos de área total explorada ao final de 30 anos (Figura 24), é interessante notar

que nos cenários BAU a exploração em flonas não faz diferença significativa na área

explorada total (compare GOV+BAU_SF e GOV+BAU_CF), mostrando que as flonas,

nesse contexto, não são objetos preferenciais de exploração, devido à competição com

a exploração convencional. Isso pode ser comprovado se compararmos com as curvas

referentes aos cenários de governança com e sem flonas (compare GOV_SF e

GOV_CF). Nesses cenários há uma diferença significativa de área total explorada em

consideração à presença ou ausência de flonas entre as áreas disponíveis.

Figura 24 – Área explorada acumulada nos cenários com dados IMAZON.

50

RReessuullttaaddooss –– CCeennáárriiooss ccoomm ddaaddooss IIBBGGEE

As simulações com definição de sedes madeireiras através de dados do IBGE diferem

daquelas feitas utilizando dados do IMAZON principalmente no que se refere à

abrangência e distribuição espacial das áreas produtoras. Uma vez que os dados do

IMAZON tratam apenas dos grandes polos e a migração para novas áreas esta restrita

a 300 km de distancia da unidade que foi extinta, a produção tende a se concentrar no

entorno das sedes desses polos e, por isso, não atinge regiões mais remotas da

Amazônia. Nos cenários com dados do IBGE a distribuição da produção é retratada

para todo e qualquer município que produziu madeira em 2009 e, por isso, até mesmo

as regiões produtoras mais remotas são representadas nas simulações.

Os mapas que representam a rentabilidade espacialmente distribuída no ano de 2009,

bem como as áreas exploradas até 2038, são apresentados nos anexos.

Cenário de governança com exploração em Flonas - IBGE

O GOV_CF_IBGE representa um cenário favorável ao setor (taxa de crescimento

máxima de 20% ao ano), no qual toda a exploração é feita por meio de manejo

florestal sustentável e a exploração madeireira é permitida em todas as áreas

protegidas de uso sustentável exceto em terras indígenas, áreas militares e unidades

de proteção integral. A exploração também é permitida em áreas não destinadas.

Sedes madeireiras são definidas pelo levantamento de quantidade produzida da

madeira em tora no ano 2009 pelo IBGE. Os resultados são apresentados na Tabela 8.

Tabela 8 – Resultados do cenário GOV_CF_IBGE.


30 anos

Volume total explorável [m3] 2,91 bilhões 1,72 bilhões -



Volume explorado [m3/ano] 11,46 milhões 63,04 milhões 1,25 bilhões

Área explorada [ha/ano] 781,5 mil 4 milhões 84,6 milhões

Receita líquida [R$/ano] 1,07 bilhão 3,92 bilhões 90 bilhões

Custo médio [R$/m3] 90,06 112,98 -


Cenário de governança sem exploração em Flonas - IBGE

O GOV_SF_IBGE representa um cenário favorável ao setor (taxa de crescimento

máxima de 20% ao ano), no qual toda a exploração é feita por meio de manejo

51

florestal sustentável e a exploração madeireira é permitida em todas as áreas

protegidas de uso sustentável exceto em florestas nacionais, terras indígenas, áreas


não destinadas. Sedes madeireiras são definidas pelo levantamento de quantidade

produzida da madeira em tora no ano 2009 pelo IBGE. Os resultados são apresentados

na Tabela 9.

Tabela 9 – Resultados do cenário GOV_SF_IBGE.


30 anos





Área explorada [ha/ano] 783,3 mil 3,69 milhões 81,5 milhões

Receita líquida [R$/ano] 1,08 bilhão 3,62 bilhões 86,74 bilhões

Custo médio [R$/m3] 89,33 113,32 -


Cenário de governança e business-as-usual com exploração em Flonas - IBGE

O GOV+BAU_CF_IBGE representa um cenário favorável ao setor (taxa de crescimento

máxima de 20% ao ano), no qual a exploração em áreas públicas é feita por meio de

manejo florestal sustentável e nas áreas privadas a exploração segue o padrão

convencional. A exploração madeireira é permitida em todas as áreas protegidas de

uso sustentável exceto em terras indígenas, áreas militares e unidades de proteção

integral. A exploração também é permitida em áreas não destinadas. Sedes

madeireiras são definidas pelo levantamento de quantidade produzida da madeira em

tora no ano 2009 pelo IBGE. Os resultados são apresentados na Tabela 10.

Tabela 10 – Resultados do cenário GOV+BAU_CF_IBGE.


30 anos


Volume explorável no ano [m3/ano] 1,5 bilhão 577,6 milhões -

Capacidade total [m3/ano] 12,92 milhões 61 milhões -




Custo médio [R$/m3] 83,5 104,78 -


52

Cenário de governança e business-as-usual sem exploração em Flonas - IBGE

O GOV+BAU_SF_IBGE representa um cenário favorável ao setor (taxa de crescimento

máxima de 20% ao ano), no qual a exploração em áreas públicas é feita por meio de

manejo florestal sustentável e nas áreas privadas a exploração segue o padrão

convencional. A exploração madeireira é permitida em todas as áreas protegidas de

uso sustentável exceto em florestas nacionais, terras indígenas, áreas militares e

unidades de proteção integral. A exploração também é permitida em áreas não

destinadas. Sedes madeireiras são definidas pelo levantamento de quantidade

produzida da madeira em tora no ano 2009 pelo IBGE. Os resultados são apresentados

na Tabela 11.

Tabela 11 – Resultados do cenário GOV+BAU_SF_IBGE.


30 anos


Volume explorável no ano [m3/ano] 1,49 bilhão 596,8 milhões -


Volume explorado [m3/ano] 12,99 milhões 53,5 milhões 1,24 bilhão



Custo médio [R$/m3] 82,3 103,9 -


Gráficos Comparativos

Os resultados utilizando listagem de sedes produtoras de madeira em tora pelo IBGE

diferem significativamente daqueles gerados utilizando a listagem de polos

madeireiros do IMAZON. Nos cenários com dados do IBGE, a exploração atinge uma

área mais ampla devido à distribuição geográfica dos municípios que produzem a

madeira.

Nota-se que a produção atingiria um pico por volta de 2036 nos cenários BAU e após

2038 nos cenários de governança. O volume total explorado em toda a Amazônia não

difere em muito nos cenários GOV ou BAU, no entanto, a exploração sob cenários de

governança segue uma trajetória mais regular e suave (Figura 25 e Figura 26). Em

ambos os cenários GOV e BAU, as florestas nacionais impactam a produção em termos

de volume total explorado, ou seja, caso as flonas não sejam exploradas, independente

de qual cenário seja, haverá uma redução no potencial para o setor.

53

Figura 25 – Volume explorado nos cenários com dados IBGE.

Figura 26 – Área explorada nos cenários com dados IBGE.

Os cenários de business-as-usual com dados do IBGE apresentam uma área explorada

total em 30 anos próxima daquela dos cenários de governança (Figura 27). Em

especial, um cenário de GOV+BAU sem exploração em flonas resultaria em uma área

total explorada próxima de um cenário de governança com exploração em florestas

nacionais. Essa semelhança é confirmada através da comparação do volume total

explorado em 30 anos no cenário de governança e exploração em flonas (1,25 bilhão

54

de metros cúbicos, Tabela 8) e o cenário GOV+BAU sem exploração em flonas, o qual

apresenta um volume total explorado inferior (1,24 bilhão, Tabela 11).

Figura 27 – Área explorada acumulada nos cenários com dados IBGE.

Competição da exploração convencional com o manejo nas florestas nacionais

A comparação entre os cenários permite verificar que as condições representadas nos

cenários business-as-usual implicam não somente em perda florestal significativa -

considerando os impactos causados pela exploração convencional -, mas também em

perdas econômicas para o governo brasileiro devido à competição da exploração

dentro e fora das concessões florestais. Comparando as simulações que incluem

tendências business-as-usual (GOV+BAU) com os cenários de governança (GOV), é

notável a redução da exploração nas florestas nacionais quando há competição no

entorno em condições de exploração convencional. Isso pode ser observado através

dos mapas de pontos explorados acumulados, os quais mostram que se há uma área

sob exploração convencional no entorno de uma área sob manejo florestal, haverá

uma tendência de exploração no entorno em detrimento da exploração da área sob

manejo.

Exemplos desse resultado podem ser dados pelas Florestas Nacionais de Tefé e Iquiri,

no estado do Amazonas (Figura 28 e Figura 29). A Flona de Tefé é circundada por uma

área não destinada estadual, a qual, nas simulações executadas, foi considerada como

passível de exploração, sendo que nas simulações GOV+BAU esta área foi explorada de

forma convencional e irrestrita e nas simulações GOV foi explorada com manejo

florestal. O resultado da exploração irrestrita no entorno da flona é visível e destaca a

perda de exploração no contexto da competição entre áreas manejadas e não

manejadas.

55

Figura 28 - Comparação cenários GOV+BAU e GOV para Flona de Tefé.

Figura 29 - Comparação cenários GOV+BAU e GOV para Flona do Iquiri.

56

Rentabilidade simulada das florestas nacionais

A receita líquida obtida em qualquer ponto da área de estudo, está em função do

volume de madeira disponível na região e dos custos para a sua obtenção, ou seja, em

função de sua rentabilidade. A receita líquida pode assumir valores negativos - quando

a exploração não é viável devido aos altos custos - até valores positivos muito altos em

regiões cuja proximidade com a sede é maior e o acesso é mais fácil, além da presença

de boa quantidade de madeira em uma região com preços favoráveis. A rentabilidade

varia com o tempo devido à abertura de novas estradas de acesso, ao surgimento de

um novo polo, ou mesmo pela remoção do volume comercial previamente existente

em uma região.

Dessa forma, é possível avaliar a "atratividade" das florestas nacionais em termos de

potencial para exploração madeireira através de sua rentabilidade. A receita líquida

média de cada floresta nacional pode servir, portanto, como um dos indicadores para a

seleção de florestas nacionais para futuras concessões.

A comparação entre as receitas líquidas médias por hectare de floresta, simuladas para

o ano de 2009 no cenário GOV+BAU_CF_IBGE indicam que algumas florestas nacionais

não seriam rentáveis considerando o contexto ilustrado por este cenário, enquanto

outras apresentam uma rentabilidade favorável para a exploração madeireira (Tabela

12). É importante ressaltar, no entanto, que esses resultados estão fortemente

influenciados pelos mapas de rodovias e, portanto, depende de sua precisão e

atualização.

Tabela 12 - Florestas Nacionais mais e menos rentáveis segundo a receita líquida por hectare simulada (GOV+BAU_CF_IBGE, ano 2009).

Receita negativa Receita líquida baixa Receita líquida alta

Flona do Amazonas - RR Flona de Altamira - PA Flona do Jatuarana - AM

Flona de Pau-Rosa - AM Flona do Amanã - PA Flona do Jamari - RO

Flona de Sta. Rosa do Purus - AC Flona do Macauã - AC Flona de Caxiuanã - PA

Flona do Crepori - PA Flona de Itaituba I - PA Flona do Purus - AM

Flona do Itacaiunas - PA Flona de Anauá - RR Flona do Tapajós - PA

Flona de São Francisco - AC Flona de Humaitá - RO Flona do Amapá - AP

A receita líquida simulada (R$/ha) das 25 florestas nacionais mais rentáveis em 2009

parte de valores em torno de R$400/ha (Floresta Nacional do Amanã) e atinge valores

próximos de R$1400/ha (Floresta Nacional do Amapá) (Figura 30). Entre essas 25

flonas mais rentáveis, 11 estão localizadas no estado do Pará e 8 no estado do

Amazonas. A receita líquida, obviamente, está diretamente ligada ao volume comercial

estimado para a região, podendo haver imprecisões locais devido ao fato de que o

mapa de volume comercial é um produto de sensoriamento remoto.

57

Figura 30 - Florestas Nacionais mais rentáveis segundo a receita líquida por hectare simulada (GOV+BAU_CF_IBGE, ano 2009).

Comparação por Estados

A extração da madeira evolui temporalmente nas simulações, de acordo com as

alterações nos custos de acesso aos locais de extração e de acordo com os volumes

remanescentes. No cenário GOV+BAU_CF_IBGE (Figura 31), o estado com maior

volume extraído inicialmente é o Pará, seguido pelo Mato Grosso. No entanto, admite-

se que, com a expansão das estradas de acesso e a migração de polos, regiões antes

remotas se tornem mais acessíveis e, portanto, mais rentáveis. As simulações indicam

que esse parece ser o caso do estado do Amazonas, cuja produção inicial simulada é

baixa em relação aos dois produtores mencionados, porém, cresce e ultrapassa a

ambos por volta do ano 2020. Embora a taxa de incremento da capacidade das sedes

madeireiras considerada nessa simulação não represente o impulso atual do setor, os

cenários simulados mostram que o estado do Amazonas teria condições de despontar

como grande produtor caso o mercado estivesse aquecido. Segundo os resultados,

esse estado seria responsável por mais da metade da produção total de madeira em

2035.

58

Figura 31 - Volume extraído simulado por estado para o cenário GOV+BAU_CF_IBGE. Maranhão e

Tocantins não são apresentados.

Comparando-se os cenários GOV+BAU_CF_IBGE e GOV+BAU_CF_IMAZON é possível

verificar que a simulação considerando apenas os polos madeireiros (dados IMAZON,

Figura 32) é definitivamente diferente daquela que considera todos os municípios

produtores, mesmo aqueles municípios com produção inicial irrelevante ou baixa

(dados IBGE). Essa diferença impacta principalmente o alcance da expansão do setor

em áreas remotas, como anteriormente mencionado, o que é visível na comparação

de resultados para o estado do Amazonas. Nas simulações com dados do IMAZON, o

estado do Pará seguiria como o maior produtor de madeira até 2030, quando seria

ultrapassado, ainda que por pouco, pelo estado do Amazonas.

Figura 32 - Volume extraído simulado por estado para o cenário GOV+BAU_CF_IMAZON. Maranhão e

Tocantins não são apresentados.

59

DDiissccuussssããoo

Os cenários ilustrados neste trabalho constituem exercícios de modelagem para fins de

demonstração do modelo, uma vez que os dados utilizados para essas simulações

ainda necessitam de aprimoramento e ajustes que possam refletir de forma mais

consistente a realidade do setor. Nesse exercício, consideramos uma alta capacidade

de expansão das sedes madeireiras e também uma significativa disponibilidade de

áreas exploráveis (baixa restrição de terras). Isso foi feito para que fosse possível

representar uma situação de visível competição entre áreas sob manejo e áreas sem

manejo.

Em ambos os conjuntos de simulações é possível observar que se o manejo florestal

sustentável fosse feito em toda a região, a exploração seguiria uma trajetória mais

suave e regular, produzindo resultados menos impactantes sobre as áreas exploradas,

visto que a exploração seria feita de forma mais gradual. A irregularidade observada

nos gráficos que apresentam os volumes explorados em função do tempo nos cenários

GOV+BAU é devida ao fato de que a única regra que define a exploração sob regime

convencional no modelo é a busca por áreas mais rentáveis, sem limites de parcelas

anuais a serem exploradas e sem limite máximo de volume por hectare. Os picos de

produção podem ser explicados pela conversão de uma área que antes não era

rentável em área rentável devido à gradual expansão na malha das estradas que levam

aos pontos de exploração.

É importante ressaltar que embora o modelo não apresente diferenciação entre o

aspecto final das áreas exploradas em regime convencional e aquelas exploradas sob

manejo florestal sustentável, o que ocorre, na realidade, é que as áreas sob manejo

sustentável são bem menos impactadas pela exploração.

Foi possível verificar que algumas florestas nacionais não constituem focos de

interesse inicial para a exploração madeireira devido à sua localização e,

consequentemente, elevado custo de acesso (mapas em anexo). Isso pode ser

observado principalmente nas florestas nacionais do leste do estado do Amazonas. A

baixa atratividade das flonas é fortemente influenciada pela presença de exploração

convencional em seu entorno (cenários business-as-usual).

60

CCoommppaarraaççããoo ddee CCeennáárriiooss

Aspectos Gerais

A adoção de dois conjuntos de dados de entrada para as simulações no SimMadeira foi

importante para demonstrar como diferentes dados podem alterar substancialmente

os resultados obtidos. Isso pode ser observado, por exemplo, ao se comparar a curva

de volumes explorados em função do tempo entre os cenários que utilizam dados do

IMAZON e aqueles que utilizam dados do IBGE. Isso demonstra a necessidade de

escolher o conjunto de dados mais representativo possível para a execução das

simulações.

Nas simulações utilizando dados do IMAZON, a produção atingiria um pico por volta do

ano 2020 nos cenários GOV+BAU_CF (aprox. 50 milhões de m3) e por volta de 2025 nos

cenários GOV_CF (36 milhões de m3). Já nas simulações utilizando dados do IBGE, a

produção atingiria um pico por volta do ano 2036 nos cenários GOV+BAU_CF (aprox.

70 milhões de m3) e após o ano 2038 no cenário GOV_CF (aprox. 63 milhões de m3).

Essa diferença de trajetórias está diretamente relacionada com o fato de que as

simulações com dados do IBGE retratam a atividade em mais de 500 municípios cuja

produção foi registrada em 2009 enquanto que, no caso das simulações com dados do

IMAZON, a produção é representada por conjuntos de municípios que concentram a

atividade em torno de polos produtivos e, dessa forma, a simulação da expansão e

migração fica comprometida.

A diferença entre os dados de entrada resultou em uma baixa representatividade da

atividade em certas regiões como, por exemplo, no interior do estado do Amazonas

quando dados do IMAZON foram utilizados. Simulações com tais dados não

representam a atividade nessa região devido ao fato de que os municípios produtores

dali não se encontram contemplados na listagem de polos produtivos, ainda que sejam

produtores de madeira em tora. Em longo prazo, isso reflete fortemente na área

explorada simulada para o estado, a qual aparece de forma mais significativa quando

os dados do IBGE são utilizados (mapas em anexo).

Ainda em relação aos cenários do IBGE e com enfoque no interior do estado do

Amazonas, é interessante notar a diferença significativa entre os cenários GOV e

GOV+BAU se caso as áreas não destinadas fossem exploradas. Nos cenários GOV+BAU

tais áreas são exploradas sob regime convencional e o impacto em termos de

desmatamento é evidente (mapas em anexo). Os cenários, neste caso, funcionam

também como uma ferramenta de visualização do impacto que a exploração não

convencional pode causar sobre a floresta caso a ilegalidade não seja coibida.

61

A comparação entre os cenários GOV e GOV+BAU permite verificar a influência da

exploração convencional em terras privadas sobre a atratividade das áreas sob manejo

florestal (mapas em anexo). Torna-se visível que existe uma concentração da atividade

nas áreas privadas, no caso do cenário BAU, em detrimento daquelas manejadas de

forma sustentável. Os mapas de áreas exploradas (Figura 28, Figura 29 e Anexos)

mostram, de forma bem evidente, que se caso toda a região fosse explorada de forma

regularizada e sustentável, não haveria aquilo que chamamos de 'fuga', ou seja,

direcionamento preferencial da atividade para áreas privadas em detrimento das áreas

públicas.

Entre os estados produtores, Pará e Amazonas são apontados pelos resultados como

futuros focos para o setor florestal. O estado do Amazonas, em especial, consideradas

as melhorias nas condições de infraestrutura, poderia fornecer mais da metade da

madeira em tora produzida na Amazônia. No entanto, essa situação só seria possível

caso houvesse exploração nas áreas não destinadas do estado.

DDeesseemmppeennhhoo ddoo mmooddeelloo

Testes feitos em background (utilizando o recurso Console Launcher do Dinamica) em

um laptop Dell Latitude com processador Intel Core i5 mostraram que o tempo de

execução do modelo para toda a Amazônia Legal, em resolução espacial de 1 km e um

período simulado de 30 anos varia entre 4:30 e 7:00 horas.

AAddeeqquuaabbiilliiddaaddee ddooss ddaaddooss

Os resultados deste conjunto de simulações foram visivelmente influenciados pela

qualidade dos dados utilizados. Em especial, a carência de atualização dos mapas de

rodovias e a grande variabilidade encontrada nas fontes de levantamento do setor

madeireiro foram os dois principais motivos de imprecisão nas simulações.

Foi observado que o mapa de rodovias do PNLT (2010) apresenta algumas

inconsistências e imprecisões, tais como a falta de clareza na definição da situação de

algumas rodovias. Além disso, sabe-se que as pequenas estradas em leito natural

proliferam em grande velocidade na Amazônia. Dessa forma, o mapa utilizado para

caracterização das estradas não-pavimentadas (neste caso, utilizou-se o mapa do

CSR/UFMG, 2006) deverá ser alterado para um mapa mais atualizado em simulações

futuras.

As fontes de levantamento de dados da atividade do setor florestal também

contribuíram para uma variabilidade muito grande nos resultados. No primeiro

62

conjunto de simulações, foi utilizada a distribuição espacial de 70 polos madeireiros

segundo dados levantados pelo IMAZON (2010) e, no segundo conjunto, utilizamos

dados do IBGE que consideraram todos os municípios com algum volume de madeira

em tora produzido. Por fim, a possibilidade de uso dos dados do Documento de

Origem Florestal (DOF) foi inicialmente desconsiderada devido ao prazo para execução

das simulações, considerando que tais dados requerem um certo tempo para

processamento, devido ao fato de que não se encontram vinculados por geocódigo e,

além disso, deveriam ser complementados com dados dos SisFloras de alguns estados.

Simulações futuras poderão vir a contemplar o uso desses dados.

Uma das maiores dificuldades relativas a dados do setor é o estabelecimento de

preços da madeira em tora por município. Estudos feitos através de entrevistas

específicas (tais como o Acompanhamento de Preços executado pelo IMAZON em

2009 e 2010) costumam estar restritos em termos de abrangência espacial. Por outro

lado, levantamentos do IBGE, embora mais abrangentes, nem sempre constituem

fontes adequadas para a obtenção de preços. Por fim, será interessante verificar de

como a informação de preços obtida através do DOF poderá se configurar em uma

fonte mais precisa para futuras simulações.

É importante mencionar também que os volumes comerciais disponíveis são

retratados no modelo a partir de um mapa (Merry et al. 2009) obtido por meio da

combinação de parâmetros da vegetação e sensoriamento remoto da biomassa

(Saatchi et al. 2007). Por esse motivo, tais dados estão sujeitos a incertezas inerentes

aos métodos utilizados para sua criação, o que influencia diretamente no cálculo da

rentabilidade das diferentes regiões da Amazônia.

63

CCoonncclluussõõeess

Através do presente conjunto de simulações foi possível demonstrar a capacidade do

SimMadeira em servir como uma ferramenta de suporte na análise da rentabilidade da

atividade da extração madeireira em uma perspectiva espacial mais abrangente. O

modelo oferece uma visão também abrangente em termos temporais, através da qual

é possível refletir a respeito de como determinadas decisões a respeito do setor

podem vir a influenciar e impactar não somente a rentabilidade da atividade como

também toda a paisagem amazônica.

O SimMadeira oferece uma série de possibilidades que podem ser exploradas pelos

usuários a partir do manejo das opções apresentadas na interface. A capacitação para

utilização do modelo permitirá aos técnicos do Serviço Florestal Brasileiro aprender a

manejar as opções presentes no modelo, executá-lo e interpretar corretamente seus

resultados finais, resultando na elaboração de cenários mais precisos sobre o setor

através do uso de dados mais representativos. Dessa forma, o SFB estará apto para

definir seus próprios cenários a partir das múltiplas opções e utilizá-los de forma

autônoma para orientar suas políticas para as concessões florestais.

64

RReeffeerrêênncciiaass BBiibblliiooggrrááffiiccaass

CONAMA (Conselho Nacional de Meio Ambiente). Resolução n. 406 de 2 de fevereiro de 2009. "Estabelece parâmetros técnicos a serem adotados na elaboração, apresentação, avaliação técnica e execução de Plano de Manejo Florestal Sustentável - PMFS com fins madeireiros, para florestas nativas e suas formas de sucessão no bioma Amazônia." - Publicação DOU nº 26, de 06/02/2009, p. 100.

Giudice R, Soares-Filho BS, Merry F, Rodrigues H, Bowman M. 2012.Timber concessions in Madre de Dios: Are they a good deal? Ecological Economics. doi:10.1016/j.ecolecon.2012.02.024

Holmes TP, Blate GM, Zweede JC, Pereira Junior R. 2002. Custos e beneficios financeiros da exploração de impacto reduzido em comparação à exploração florestal convencional na Amazônia Oriental. 2ª ed, 66 p. Belém: Fundação Floresta Tropical.

IBGE (Instituto Brasileiro de Geografia e Estatística). 2009. Produção da Extração Vegetal e da Silvicultura. Disponível em: http://www.sidra.ibge.gov.br/. Tabela 290 - Valor da produção na extração vegetal por tipo de produto extrativo; Variável - Valor da produção na extração vegetal; Tipo de produto extrativo - 7.3 - Madeira em tora; Tabela 289 - Quantidade produzida na extração vegetal por tipo de produto extrativo; Variável - Quantidade produzida na extração vegetal (Metros cúbicos). Tipo de produto extrativo - 7.3 - Madeira em tora.

IMAZON (Instituto do Homem e Meio Ambiente da Amazônia). 2009. Acompanhamento dos preços médios de madeira em tora extraída de florestas naturais da Amazônia. Produto 2: Relatório Técnico Parcial; Tabela: 2, pag. 11 – preços; Tabela 3, pag. 12 – custos de exploração. Contrato Administrativo 06/2009 com Serviço Florestal Brasileiro. IMAZON, Brasília. Novembro 2009.

Pereira D, Santos D, Vedoveto M, Guimarães J, Veríssimo A. 2010. Fatos Florestais da Amazônia, IMAZON, Belém, Brasil. Tabelas 16 a 19, páginas 40 – 47.

Lentini M, Pereira D, Celentano D, Pereira R. 2005. Fatos Florestais da Amazônia. Belém: IMAZON, 141 p.

Mas JF, Soares-Filho BS, Pontius Jr RG, Gutiérrez MF, Rodrigues HO. 2013. A Suite of Tools for ROC Analysis of Spatial Models. ISPRS International Journal of Geo-Information, 2(3):869-887.

Merry F, Soares-Filho BS, Nepstad D, Amacher G, Rodrigues H. 2009. Balancing Conservation and Economic Sustainability: The Future of the Amazon Timber Industry. Environmental Management. 44 (3): 395-407.

MMA (Ministério do Meio Ambiente). 2007. Áreas Prioritárias para Conservação, Uso Sustentável e Repartição de Benefícios da Biodiversidade Brasileira: Atualização – Portaria MMA n. 9, de 23 de janeiro de 2007.

MT (Ministério dos Transportes). 2010. Plano Nacional de Logística e Transportes - PNLT. Disponível em: http://www.transportes.gov.br/conteudo/36604.

65

Pereira D, Santos D, Vedoveto M, Guimarães J, Veríssimo A. 2010. Fatos Florestais da Amazônia. Belém, IMAZON, 125 p.

Saatchi S, Houghton R, dos Santos Alvala R, Soares J, Yu Y. 2007. Distribution of

aboveground live biomass in the Amazon basin. Global Change Biology, 13:816–837.

SBF (Serviço Florestal Brasilerio). 2011. Plano de Outorga Florestal 2012, Brasília, MMA, SBF. 130 p.

SBF (Serviço Florestal Brasilerio). 2012. Cadastro Nacional de Florestas Públicas 2012, Brasília, SFB. Disponível em: http://www.florestal.gov.br/informacoes-florestais/cadastro-nacional-de-florestas-publicas/cadastro-nacional-de-florestas-publicas

Soares-Filho BS, Rodrigues HO, Costa WLS. 2009. Modeling Environmental Dynamics with Dinamica EGO. Available at www.csr.ufmg.br/dinamica. ISBN: 978-85-910119-0-2.

Soares Filho BS, Rodrigues H, Follador M. 2013. A hybrid analytical-heuristic method

for calibrating land-use change models. Environmental Modelling & Software,

http://dx.doi.org/10.1016/j.envsoft.2013.01.010.

66

AAnneexxooss

ANEXO 1 - RENTABILIDADE EM 2009 - CENÁRIO GOVERNANÇA + BUSINESS AS USUAL SEM EXPLORAÇÃO EM FLONAS – DADOS IBGE

1

ANEXO 2 - RENTABILIDADE EM 2009 - CENÁRIO GOVERNANÇA + BUSINESS AS USUAL COM EXPLORAÇÃO EM FLONAS – DADOS IBGE

2

ANEXO 3 - RENTABILIDADE EM 2009 - CENÁRIO GOVERNANÇA + BUSINESS AS USUAL SEM EXPLORAÇÃO EM FLONAS – DADOS IMAZON

3

ANEXO 4 - RENTABILIDADE EM 2009 - CENÁRIO GOVERNANÇA + BUSINESS AS USUAL COM EXPLORAÇÃO EM FLONAS – DADOS IMAZON

4

ANEXO 1 - ÁREA EXPLORADA ATÉ 2038 - CENÁRIO GOVERNANÇA COM EXPLORAÇÃO EM FLONAS – DADOS IMAZON

5

ANEXO 2 - ÁREA EXPLORADA ATÉ 2038 - CENÁRIO GOVERNANÇA SEM EXPLORAÇÃO EM FLONAS – DADOS IMAZON

6

ANEXO 3 - ÁREA EXPLORADA ATÉ 2038 - CENÁRIO GOVERNANÇA + BUSINESS-AS-USUAL COM EXPLORAÇÃO EM FLONAS – DADOS IMAZON

7

ANEXO 4 - ÁREA EXPLORADA ATÉ 2038 - CENÁRIO GOVERNANÇA + BUSINESS-AS-USUAL SEM EXPLORAÇÃO EM FLONAS – DADOS IMAZON

8

ANEXO 5 - ÁREA EXPLORADA ATÉ 2038 - CENÁRIO GOVERNANÇA COM EXPLORAÇÃO EM FLONAS – DADOS IBGE

9

ANEXO 6 - ÁREA EXPLORADA ATÉ 2038 - CENÁRIO GOVERNANÇA SEM EXPLORAÇÃO EM FLONAS – DADOS IBGE

10

ANEXO 7 - ÁREA EXPLORADA ATÉ 2038 - CENÁRIO GOVERNANÇA + BUSINESS-AS-USUAL COM EXPLORAÇÃO EM FLONAS – DADOS IBGE

11

ANEXO 8 - ÁREA EXPLORADA ATÉ 2038 - CENÁRIO GOVERNANÇA + BUSINESS-AS-USUAL SEM EXPLORAÇÃO EM FLONAS – DADOS IBGE

MMOODDEELLAAGGEEMM DDAA … · Descrição Geral ... Cenário de governança com exploração em...

Documents

Transcript of MMOODDEELLAAGGEEMM DDAA … · Descrição Geral ... Cenário de governança com exploração em...