Machine Translated by Google

Journal for Nature Conservation 73 (2023) 126373

Listas de conteúdos disponíveis em ScienceDirect

Revista de Conservação da Natureza

página inicial da revista: www.elsevier.com/locate/jnc

Políticas de uso da terra e seus efeitos na produção agropecuária brasileira.

Matheus Mansour El Batti a Pedro Gerber Machado a,*, Adam Hawkes b

,
Celma de Oliveira Ribeiro ,a

a
Engenharia de Produção, Universidade de São˜ Paulo, Brasil
b
Departamento de Engenharia Química, Imperial College of London, Reino Unido

INFORMAÇÕES DO ARTIGO ABSTRATO

Palavras-chave: Durante décadas, o Brasil enfrentou um dilema baseado na percepção de uma dicotomia entre preservação natural e progresso
projeção agrícola econômico. Desde 1988, mais de 446.000 km2 de terras nativas foram desmatadas apenas na Amazônia Legal brasileira, uma área
Uso da terra
comparável à Suécia. Além da perda de biodiversidade associada a essa atividade, ela é uma fonte significativa de aquecimento global,
Redes neurais
já que mais de 72% das emissões brutas de CO2e do Brasil vêm do uso da terra, mudanças no uso da terra, silvicultura e agricultura.
Reflorestamento
Assim, o compromisso nacional de reduzir as emissões de gases de efeito estufa em 37% até 2025 e 43% até 2030, em relação aos
Sustentabilidade
níveis de 2005, provavelmente estará em risco. Aqui, um modelo de simulação foi criado para fornecer aos tomadores de decisão
conhecimento sobre o futuro da produção agrícola brasileira em cenários de desmatamento, mudança líquida neutra no uso da terra e
reflorestamento. Verificou-se que a demanda agrícola e a oferta de capital impactam a produção agrícola significativamente mais do que
a disponibilidade de terra. Caso fossem implementadas políticas de reflorestamento para os níveis de cobertura natural de 2005, não
haveria diferenças significativas na produção das principais culturas agrícolas brasileiras para um cenário de referência de desmatamento
contínuo.
No entanto, isso ocorreria em detrimento das culturas secundárias, geralmente destinadas ao mercado interno. Para que o Brasil preserve
sua cobertura natural, é preciso também, inevitavelmente, melhorar a produtividade das lavouras, especialmente na região Nordeste, mas
também estar ciente do impacto sobre os preços internos dos alimentos. Por fim, o Brasil precisa ter incentivos para fomentar a pecuária
intensiva. Esses resultados fornecem evidências que podem subsidiar políticas voltadas para os cenários lucrativos e sustentáveis
descritos nas simulações.

1. Introdução
Este estudo aplica redes neurais artificiais (ANN) para estimar a produção agrícola
brasileira futura em diferentes políticas de uso da terra em relação a restrições ao
desmatamento e ações de reflorestamento. Usando dados de satélite de uso da terra dos
últimos 33 anos para 5.556 municípios no Brasil, 17 variáveis no modelo ajudam a prever
como a produção agrícola se comportará após certas intervenções governamentais.
As atividades agrícolas e o desmatamento representam 72% das emissões brutas
de CO2 equivalente no Brasil (incluindo a pecuária) (SEEG, 2020).
Portanto, o foco neste setor é fundamental, e a gestão correta do uso da terra por políticas
públicas pode potencialmente reduzir a pegada de carbono nacional e ajudar o país a
atingir as metas de redução de emissões.
Ao equilibrar a produção agrícola e o uso da terra para reduzir o desmatamento e
as emissões de carbono, a sociedade pode se esforçar para limitar o aquecimento global
e, ao mesmo tempo, garantir a segurança alimentar, evitando restrições à produção
devido aos limites do uso da terra. Nesse contexto, vendo como as ações
hoje impactaria a produção de amanhã é crucial para formular as políticas certas para
alcançar um futuro mais sustentável. Além disso, a tensão entre o uso da terra e as
mudanças climáticas também é crucial de uma perspectiva de “transição justa”, associada
ao direito de desenvolver, soberania de recursos, segurança alimentar e meios de
subsistência e ignorar esses riscos pode criar resistência à ação climática. (Cronin et al.,
2021). As preocupações com a produção agrícola futura e o uso da terra constituem uma
força motriz para a formulação de políticas, incluindo estratégias de “comando e controle”
para regular o uso da terra e arranjos da cadeia de abastecimento privada (Nepstad et
al., 2014).
Apesar das dificuldades de impor leis que promovam a preservação natural, novas
políticas no Brasil são menos restritivas em relação à perda de vegetação natural e à
expansão da fronteira agrícola, como o Novo Código Florestal Brasileiro (Lei 12.651/2012)
(Latini et al. , 2020). Embora o objetivo da lei de 2012 fosse promover o desenvolvimento
sustentável do Brasil, ela estabeleceu regras mais flexíveis sobre a proteção da cobertura
natural, incluindo definições de Permanência

˜
* Autor correspondente em: Av. Prof. Luciano Gualberto, 1380 – Butanta, São Paulo, SP 05508-010, Brasil.
E-mail: pgerber@usp.br (PG Machado).

https://doi.org/10.1016/j.jnc.2023.126373 Recebido
em 9 de novembro de 2022; Recebido no formulário revisado em 10 de fevereiro de 2023; Aceito em 2 de março de 2023
Disponível online em 7 de março de 2023 1617-1381/© 2023 Elsevier GmbH. Todos os direitos reservados.
Machine Translated by Google
listam diversos conjuntos de leis e
decretos que contribuíram para o
MM El Batti et al. desmantelamento
Journal for Nature Conservation 73 (2023) 126373

Áreas de Preservação, Reserva Legal e Áreas de Uso Restrito (Lei, 2012; Sparovek et e é capaz de medir a quantidade de dor ao tocar um novo objeto, assim como uma
´ que diversos
al., 2015). Abessa, Fama e Buruaem (2019) listam contribuíram
conjuntos
para ode
desmantelamento
leis e decretos ANN. Essas estruturas artificiais podem ser expostas a um conjunto de exemplos de
das políticas ambientais, como a redução das restrições de licenças ambientais para insumos-produtos (por exemplo, um conjunto de disponibilidades de terra observadas
novos projetos de infraestrutura, estabelecimento de novas regulamentações para uso e seus respectivos produtos agrícolas) e assim simular qual seria o efeito de insumos
e comercialização de agrotóxicos, enfraquecimento dos regulamentos em vigor, e futuros sem precedentes sobre os produtos. Este conceito pode, portanto, ser usado
permitindo a caça de animais silvestres anteriormente proibida. como uma poderosa ferramenta de previsão.
Uma das vantagens de aplicar essas redes à previsão é sua auto-adaptação por
Outras mudanças na lei também colocam em risco a proteção da vegetação natural e meio de dados, eliminando a necessidade de muitas suposições a priori sobre o modelo
dos povos indígenas, com propostas para enfraquecer o processo de demarcação de subjacente da situação a ser prevista.
novas áreas protegidas e revogação de áreas estabelecidas, juntamente com a Outra dessas vantagens é a capacidade das RNAs de aproximar qualquer função
permissão para atividades de mineração e exploração de recursos hídricos dentro de contínua (linear ou não linear) a qualquer precisão especificada (Irie & Miyake, 1988).
áreas indígenas e protegidas. Barbosa e outros. (2021) traçam uma linha do tempo
das mudanças na lei de proteção ambiental de 1965 a 2019 e discutem o legado de Para o presente problema de previsão em si, nosso objetivo é expor uma ANN a
tais decretos, incluindo o aumento do desmatamento na Amazônia, aumentando o risco dados históricos e encontrar uma aproximação g para a função alvo f que dita a relação
à saúde humana e ambiental devido a pesticidas, derramamentos de óleo e incêndios real entre as entradas observadas pela rede (chamadas variáveis independentes,
florestais descontrolados . condutoras ou preditoras, ou seja, os direcionadores de produção) e a variável a ser
Essas leis menos restritivas de uso da terra surgiram juntamente com a crença do prevista (ou seja, os resultados da safra, impulsionados pelas variáveis de previsão).
setor agrícola e de parte do governo no momento da redação deste livro, de que a Matematicamente, nosso objetivo é ensinar um conjunto de redes (uma para cada
expansão das terras agrícolas sobre a floresta natural deve ocorrer para alcançar uma cultura) e encontrar uma função g ÿ f, para cada cultura, tal que:
maior produção agrícola. Isso, por sua vez, levou ao desmatamento observado no país
na última década (INPE, 2019; Stargardter & Boadle, 2019). Mas a veracidade dessa
y = f(x1, x2, ÿ, xd)
crença não foi comprovada, pois nenhum estudo anterior avaliou se o Brasil poderia
atingir suas metas de produção sem a expansão para áreas de vegetação natural.
onde x1, x2, ÿ, xd são d variáveis preditoras, e y é a variável dependente a ser prevista
Capacitar os tomadores de decisão com conhecimento sobre tais questões e os
(produção em massa, neste caso). Na realidade, porém, os alvos não podem ser
possíveis resultados das políticas aplicadas hoje é uma ferramenta poderosa para o
descritos inteiramente pelas entradas escolhidas, e a função f representaria uma
desenvolvimento sustentável nacional e internacional, e é o objetivo geral deste estudo.
probabilidade do alvo ser y. Uma vez encontrada a aproximação de f que explica as
intrincadas relações entre o driver e as variáveis de saída, presume-se que essa
Dadas as considerações acima e considerando as diferenças significativas de uso
relação subjacente continue no futuro previsível. Com base em valores de cenário fixo
da terra entre as regiões do Brasil (ver Materiais Complementares), o objetivo principal e previsões para as variáveis de entrada, que a priori devem ser mais precisas do que
desta pesquisa é construir um modelo regional baseado em redes neurais para simular
uma previsão direta para a variável de saída, a função g deve ser aplicada a essas
os vários cenários possíveis para a produção agrícola no Brasil sob diferentes políticas
entradas futuras, levando a um valor estimado para as saídas desejadas . Ao variar os
de uso da terra, considerando a necessidade de conter o desmatamento. Dessa forma,
valores do cenário fixo, será possível simular como a realidade se desdobrará no futuro
além de lançar uma previsão de linha de base de médio a longo prazo para a produção
com base em ações que ditam esses valores no presente.
agrícola sob as atuais políticas de uso da terra, este estudo fornece aos formuladores
de políticas a capacidade de simular cenários alternativos com diferentes políticas de
conservação da vegetação natural, incluindo opções mais rígidas, como uma política
Mais especificamente, o padrão ANN para encontrar uma função g que se
de desmatamento zero e uma política de reflorestamento. Além disso, também são
aproxime da função alvo para a produção agrícola é o Multi-Layer Perceptron (MLP).
extraídos insights sobre medidas paliativas para corrigir os efeitos inevitáveis das
O MLP é um sistema artificial que imita a rede neural no cérebro humano. É tipicamente
políticas escolhidas.
composto por muitas camadas de nós interconectados, chamados neurônios, que
transmitem sinais entre essas camadas. A primeira camada é a camada de entrada,
consistindo de um conjunto de unidades sensoriais ou nós de origem. Esses nós
2. Materiais e métodos
assumem os valores das variáveis de entrada usadas no processo de aprendizagem.
Uma ou mais camadas ocultas de nós de computação e, por último, uma camada de
2.1. Redes neurais
saída de nós de computação está presente na rede. A fim de aprender uma função de
destino por um conjunto de exemplos de entrada-saída, o sinal de entrada da primeira
Em termos gerais, o principal desafio técnico deste estudo é saber como a
camada se propaga através das camadas da rede em uma direção direta.
disponibilidade de terras, impulsionada pelas políticas de uso da terra, impacta a
produção agrícola no Brasil. Esse aprendizado pode ser abstraído de muitas maneiras
Cada conexão entre os nós de camadas separadas recebe um peso que representa o
diferentes, mas para que seja acessível e confiável, o ideal seria que fosse feito por
quanto o sinal presente em um nó específico é amplificado para a próxima camada.
uma máquina. Esse conceito levou ao uso de técnicas de aprendizado de máquina,
Com os pesos corretos, a rede deve transformar as entradas da primeira camada nas
mais especificamente redes neurais artificiais (ANN), para fornecer uma abstração
saídas observadas representadas na camada final.
para aprender as relações entre disponibilidade de terra e produção agrícola. Existem
vários exemplos de pesquisas de políticas de uso da terra baseadas em redes neurais.
Dada esta configuração, este problema de pesquisa se traduz em encontrar todos
No Brasil, especificamente, da Silva Junior et al. (2018) analisaram o impacto na
os pesos para transformar nosso sinal de entrada (variáveis preditoras) no sinal de
vegetação causado pelo rompimento de uma barragem na cidade de Mariana, Brasil,
saída correto (ou seja, encontrar um aproximador para esses pesos-alvo). Isso pode
usando um método de classificação de RNA. Os autores mostraram uma perda de
ser feito treinando uma configuração de rede escolhida com os dados históricos
13,02% da vegetação e uma redução de 68,57% da água após a falha. Silva, Batistella
disponíveis, apresentando entradas e saídas no conjunto de dados de treinamento e
e Moran (2016) analisaram a dinâmica homem-ambiente e sua contribuição para a
ajustando os pesos iterativamente. Todos os pesos podem ser inicializados
mudança da cobertura da terra, mostrando que o processo é baseado em diversas
aleatoriamente (como uma lousa em branco representando a falta de aprendizado).
variáveis biofísicas e socioeconômicas, incluindo a proximidade com florestas naturais.
A cada iteração, os pesos atuais se aproximam dos pesos subjacentes da função alvo
que transforma os sinais de entrada nos sinais de saída naquele conjunto de
treinamento.
As RNA são sistemas de aprendizado supervisionado inspirados em estruturas
O método matemático padrão usado para treinar MLPs e encontrar esses pesos é
biológicas que têm, nas últimas décadas, mostrado capacidades robustas de
a retropropagação. Em termos simples, para cada iteração de treinamento com a rede
classificação e reconhecimento de padrões (Zhang et al., 1998). Assim como uma
contendo um determinado conjunto de pesos, uma perda
criança usa seus neurônios para aprender por experiência que tocar um objeto pontiagudo é prejudicial

2
Machine Translated by Google

MM El Batti et al. Journal for Nature Conservation 73 (2023) 126373

A função é calculada, representando o quão longe as previsões da rede na camada de
saída estão dos valores reais observados. A retropropagação permite o cálculo do gradiente
dessa função de perda em relação a todos os pesos, possibilitando atualizar cada peso
individualmente com a intensidade que mais reduz a função de perda. É um processo um
tanto complicado que envolve o cálculo do gradiente procedendo de trás para frente através
da rede, da última camada até a primeira. O resultado desse algoritmo é que, ao longo de
muitas iterações, a função de perda será minimizada por um conjunto de novos pesos.
Uma vez que esses pesos sejam encontrados, um passo significativo na direção de
responder à questão de pesquisa proposta será alcançado. Será possível supor que os
pesos encontrados ainda sejam válidos no futuro (uma vez que representam as intrincadas
relações entre as variáveis de entrada e a produção agrícola). As aplicações simples desses
pesos permitem simular como os diferentes cenários de uso da terra (na forma de novos
preditores ou variáveis de entrada) se desdobrarão na produção agrícola no futuro.
2.2. A abordagem proposta
Para atingir o objetivo da pesquisa de construir um modelo preditivo para a produção
agropecuária brasileira dependente do uso da terra e de políticas públicas, uma arquitetura
de rede neural é proposta. Ele fornece uma expressão para a relação entre as variáveis de
uso da terra (que compreendem diferentes valores de área de cobertura) e a produção das
culturas selecionadas.
Como o modelo de previsão projeta a produção agrícola de longo prazo usando
variáveis macroeconômicas, que estão sujeitas a incertezas, considerar todos os diferentes
tipos de uso da terra não traria maior precisão ao modelo. O foco deste trabalho será,
portanto, apenas nos produtos agrícolas mais relevantes. Além disso, como essa metodologia
é baseada em um modelo multivariado, a introdução de novas variáveis provavelmente
aumentaria a complexidade do modelo.
Este estudo então focará suas previsões agrícolas nas dez principais culturas para as
quais existem dados extensos e publicamente disponíveis sobre a produção e a área colhida
ao longo dos anos observados. Essas culturas correspondem a 95% da área plantada
(2019) e quase 98% da massa total produzida (2018) (Tabela 1). Uma previsão precisa da
produção dessas culturas é considerada uma boa proxy para a produção agrícola do Brasil,
cujos valores futuros, dadas as restrições de uso da terra, são o objeto deste estudo.
área plantada e 6% da produção total da cultura), que abrange feijão, trigo, café, arroz,
algodão, mandioca e laranja.
A próxima etapa necessária para construir a rede é determinar quais variáveis podem
ser usadas para prever a produção no problema de aprendizagem (ou seja, quais recursos
afetam a produção agrícola). Essas variáveis devem ser facilmente acessíveis e responder
ao problema de pesquisa (ou seja, como o uso da terra afeta a produção agrícola). As
características macroeconômicas mais frequentes que determinam a produção agrícola e,
ao mesmo tempo, podem ser usadas para responder à nossa pergunta de pesquisa foram
(ver Material Suplementar):
• Renda e oferta de capital; •
Demanda; • Disponibilidade de terreno.
Como Deneshkumar et al. (2015) mostram, cada observação da série temporal da
produção agrícola de uma determinada cultura é correlacionada consigo mesma e com
observações de p períodos anteriores ao atual.
Além disso, como as culturas competem por terras finitas (Yan et al., 2020), todos os
resultados de produção concorrentes foram incluídos no modelo, com um intervalo de tempo
de um ano. Todas as variáveis de produção passadas foram incluídas na classe “Competição”,
que são variáveis dinâmicas recursivas, começando com valores reais em 2018, e servirão
como proxy para prever a produção nos anos atuais (no período t) . A Tabela 2 apresenta
um resumo de todas as classes de variáveis utilizadas para o treinamento do modelo.
Uma série de redes neurais únicas foi criada para cada uma das culturas listadas e
gado. O Material Suplementar mostra a arquitetura da RNA usada para treinar o modelo de
previsão e as variáveis específicas que constituem a demanda, disponibilidade de terra,
oferta de capital e classes de competição para cada produção agrícola modelada.
Cada rede foi treinada com as variáveis descritas (Tabela 2).
Com a RNA treinada em mãos, é possível conectar recursivamente suas saídas para
inserir o fator de competição na previsão com restrições fundiárias e variáveis
macroeconômicas. Todas as saídas de todas as redes são usadas como entradas de
competição para prever a produção no ano t + 1 (Fig. 1).
Com uma estrutura geral definida para cada rede neural, as variáveis de entrada para
treinamento e teste tiveram que ser buscadas publicamente disponíveis.
fontes.

O tamanho líquido do conjunto de dados considerou 5.556 municípios e 33 anos para

Depois de decidir quais os tipos de cultivo a serem previstos, é preciso lançar luz sobre
outro produto, que ocupa quase metade do uso da terra no Brasil. O gado (usado para
produção de carne bovina e leiteira) é um participante crucial no uso da terra para pastagem.
Uma mudança na demanda por este produto pode impactar significativamente a mudança
de uso da terra (LUC). Assim, contabilizando uma população de 214,7 milhões de cabeças
de gado (2018), o modelo de previsão também considerará a contagem de rebanhos.
17 variáveis, exceto para a produção de laranja, cujo conjunto de dados começou apenas a
partir de 2001 devido a uma diferença histórica nas unidades de produção.
Depois de construir o conjunto de dados final contendo todas as entradas e destinos,
esse conjunto de dados foi dividido em uma proporção de 70:15:15 para treinamento, teste
e validação, respectivamente, pois essa proporção foi amplamente utilizada na literatura
(Anwar et al. , 2016; Gholami et al., 2015; Liu & Cocea,

Para fins de visualização, todos os produtos agrícolas estudados foram divididos em

Tabela 2
cinco grupos diferentes: pecuária, cana-de-açúcar, milho, soja e “culturas secundárias” (essa
Variáveis utilizadas nos modelos de previsão.
última classe responde por cerca de 15% da
Variável Aula Unidade Fonte

Tabela Variação do PIB nacional Fornecimento de capital/ 2010 US $ (Banco Mundial,

Demanda 2020)
1 Culturas selecionadas e suas contribuições para a área total plantada e produção em massa.
Mudança da população Demanda Contar (Banco Mundial,
Cortar Área plantada para safra 2019 (% da área Massa total de produção em 2018 nacional 2020)
total cultivada) (% da massa total de produção) Exportações nacionais mudam Demanda US$ FOB (Brasil, 2020a)
Área natural municipala Disponibilidade de terreno Hectares (MapaBiomas,
Soja 45.2 11.4
Milho 22.3 8,0 2019)
Área agrícola municipal Disponibilidade de terras Hectares (MapaBiomas,
Cana-de-açúcar 12,1 72,4
Feijão 3,6 0,3 2019)
Área sem vegetação municipal Disponibilidade de terreno Hectares (MapaBiomas,
Trigo 2.6 0,5
Café 2.3 0,3 2019)

Arroz 2.2 1.1 produção municipal Concorrência toneladas (IBGE, 2020) See More

Algodão 2.1 0,5 por safra

Mandioca 1,8 1,7 a

Soma de floresta natural, plantação florestal e formação natural não florestal.
laranjas 0,8 1,6 b
Soma das áreas de agricultura e pastagem.
Total 95.1 97,9 c
Soma de praia, dunas, infraestrutura urbana, garimpo e outras áreas não vegetadas
Fonte: (IBGE, 2020; MapBiomas, 2019). áreas.

3
Machine Translated by Google

MM El Batti et al. Journal for Nature Conservation 73 (2023) 126373

Fig. 1. A estrutura combinada do sistema de rede neural para previsão.

2017).
Com o conjunto de dados final em mãos, um modelo de aprendizado foi treinado.
O algoritmo de otimização backpropagation para encontrar mínimos locais para a
função de custo foi selecionado. De acordo com Cybenko (Cybenko, 1989), ANN
contendo uma única camada oculta e um número finito de neurônios podem funcionar
como aproximadores universais para funções contínuas, portanto, uma camada oculta
foi considerada suficiente para o aprendizado. Para cada iteração de treinamento, um
experimento foi automatizado, definindo números inteiros de um a 25 neurônios para a
única camada oculta da rede. Para cada número de neurônios na camada oculta, o
treinamento da rede foi repetido 20 vezes independentes. Dessas 500 redes neurais
treinadas, foi selecionada aquela com o melhor desempenho, medido pelo erro
quadrado médio entre a produção real e as previsões no conjunto de teste.

2.3. Cenários estudados

Várias suposições comuns a todos os três cenários foram feitas para construir as
Fig. 2. Área de cobertura do Brasil: simulações de cenários (2019. 2040).
variáveis de entrada para o cronograma de previsão. Essas suposições dizem respeito
ao PIB, às exportações e ao aumento da população.
• Cenário de reflorestamento: assume reflorestamento suficiente para retornar à
Foi considerado um aumento de 10,5% no PIB de 2018 a 2024
mesma área de vegetação natural em 2040 dos níveis de 2005, que é o ano base
(Bradesco, 2020). As variações reais de longo prazo do PIB de 2025 a 2039 foram
para a NDC brasileira. • Cenário Desmatamento Zero (áreas fixas): assume
consideradas como + 3,00% ao ano (Hawksworth & Chan, 2015). As variações das
nenhum desmatamento a partir de 2019, porém sem medidas de reflorestamento.
exportações foram fixadas em + 6,60% ao ano até 2040 como uma extrapolação do
AER 1987. 2020 para o futuro (Brasil, 2020b). O Instituto Brasileiro de Geografia e
Estatística (IBGE, 2020) apresenta uma projeção anual da população nacional,
Foi realizada uma análise de sensibilidade da produção agrícola e pecuária do
mostrando um crescimento agregado de 10,1% de 2018 a 2039.
Brasil para 2040 considerando diferentes valores para o PIB. Esta análise utiliza uma
variação de 1,5 pp a ser somada e subtraída das taxas de crescimento anuais nominais
Para melhor avaliar os efeitos de diferentes políticas de uso da terra na produção
do PIB das hipóteses comuns apresentadas na Seção 2.2.
agrícola brasileira, três cenários foram escolhidos para descrever uma rota diferente
para as políticas nacionais de uso da terra no Brasil. As políticas vão desde a total
inércia até o esforço para atingir as contribuições pactuadas apresentadas em sua
3. Resultados
Contribuição Nacionalmente Determinada (NDC).
Esses cenários são descritos com mais detalhes abaixo (Fig. 2) e seguem os cálculos
Após treinar e testar conjuntos de redes para cada produto agrícola separadamente
matematicamente descritos no Material Suplementar.
com os dados disponíveis, 11 redes neurais foram escolhidas para minimizar seu erro.
Uma descrição mais detalhada dos resultados do treinamento dessas redes pode ser
• Cenário Business-as-Usual (BAU): Sem restrições ao desmatamento. Este
vista no Material Complementar, que mostra, para cada cultura, a linha de ajuste e o
cenário extrapola as mudanças de uso da terra que ocorreram desde 2013 (após a
coeficiente de correlação entre a meta de produção e a saída do modelo para o
modificação do Código Florestal Brasileiro (Lei, 2012) para o futuro, sem nenhuma
conjunto de testes. Ele também mostra o código MATLAB® para cada modelo de cultura
política restritiva adicional de uso da terra aplicada.

4
Machine Translated by Google
MM El Batti et al.
treinamento e o código criado para prever resultados.
A aplicação dessas redes com os cenários de entrada descritos (seção 2.3)
produz os resultados de previsão discutidos nas seções a seguir. Estas seções
mostram como diferentes cenários de uso da terra afetam a produção agrícola
nacional e regionalmente e o que pode ser feito para neutralizar as implicações
indesejadas de tais cenários.
3.1. análise nacional
As previsões do modelo mostram que a produção agrícola agregada crescerá
para cerca de 196% dos valores atuais nas próximas duas décadas, acima dos
190% reais das duas últimas décadas. Este valor projetado considera um cenário
com reflorestamento aos níveis de área de cobertura natural de 2005, mas sobe
para 198% no cenário de área fixa e até 206% no cenário BAU (este último variando
de 178% a 235% devido à sensibilidade do PIB, que é uma proxy para mudanças
macroeconômicas que podem ser comparadas com mudanças na disponibilidade
de terra).
Independentemente dos desenvolvimentos da política de uso da terra usados
nesses três cenários, a produção agrícola no Brasil continuará crescendo nas
próximas duas décadas, seguindo aproximadamente a mesma tendência para
todos os três cenários (Fig. 3). Isso indica que a influência da disponibilidade de
importações.
terra na produção agrícola é realmente limitada e não prejudica substancialmente a produção.
Fatores macroeconômicos, como valor de exportação e PIB, têm uma influência
muito mais significativa na produção agrícola do que a disponibilidade de terra
(seção 3.2). Como a produção aumenta aproximadamente nas mesmas taxas para
todos os três cenários, pode-se inferir que a produtividade aumenta com o tempo.
Ou seja, diante da escassez de terras, os agricultores como um todo encontram
formas de aumentar a produtividade das lavouras e priorizar algumas culturas em
detrimento de outras para manter a produção em níveis que atendam à demanda
nacional e internacional.
A estratégia de priorização de culturas é evidenciada pelo significativo
Fig. 3. Previsão de produção de cana-de-açúcar (canto superior esquerdo), soja (canto superior direito), milho (canto inferior esquerdo) e culturas secundárias (canto inferior direito) do Brasil (2019. 2040).
Journal for Nature Conservation 73 (2023) 126373
diminuição da produção de culturas secundárias nos cenários de reflorestamento/
área fixa em comparação com o cenário BAU (Fig. 3 - canto inferior direito). Isso
pode significar que essas outras culturas não estão sujeitas a aumentos de
produtividade, o que não foi encontrado na literatura, ou que sua produção diminui
em cenários de restrição de terras para dar lugar a culturas mais tradicionais e
rentáveis, como cana-de-açúcar, soja, e milho. Essa priorização devido às condições
de mercado reduz a produção de culturas secundárias em 15,2% e 14,1% nos
cenários de reflorestamento e áreas fixas, respectivamente (Tabela 3). Como a
maior parte dessas safras é destinada ao mercado doméstico, e não à exportação
de algumas das principais safras, essa queda significativa pode resultar em
problemas internos, como aumento de preços de itens essenciais que compõem a
base alimentar das famílias brasileiras (por exemplo, arroz e feijão ).
Assim, para avançar em políticas restritivas de uso da terra sem comprometer
a segurança alimentar, ações específicas devem ser tomadas para garantir e
incentivar a produção do grupo de “culturas secundárias”. Além disso, a pecuária
deve receber um foco considerável na substituição de pastagens de baixa
produtividade por culturas secundárias e evitar maior perda de cobertura natural
pela expansão das pastagens. Esses incentivos podem variar de assistência do
governo para cultivar itens essenciais (reduzindo ligeiramente a produção de
culturas primárias) a isenções fiscais para substituir uma produção reduzida por
Além disso, a diferença entre os diferentes cenários aumenta a partir de 2031.
Isso pode ser visto especialmente para a contagem de gado (Fig. 4). A partir daí, a
pecuária total ganha mais correlação com a oferta de terra: os números do cenário
BAU tendem a ser maiores do que os de desmatamento zero, que por sua vez
tendem a ser maiores do que no cenário de reflorestamento. Isso sugere que o
aumento de produtividade a posteriori devido à oferta limitada de terra é insuficiente
para sustentar a demanda básica de gado no longo prazo. Há também uma redução
de 8,4% e 8,9% na contagem de gado para o cenário de reflorestamento em
comparação com o BAU
5
Machine Translated by Google

MM El Batti et al. Journal for Nature Conservation 73 (2023) 126373

Tabela 3
Mudança relativa na produção agropecuária brasileira em relação ao cenário BAUd.
2025 2030 2035 2040

Ref.e FAf Ref.e FAf Ref.e FAf Ref.e FAf

Cana de açúcar +0,1% ÿ +0,2% ÿ +0,1% ÿ +0,4% ÿ ÿ 2,1% ÿ 1,8% ÿ 4,3% ÿ 2,7%

Soja 1,4% 0,7% 1,8% 0,7% ÿ 2,6% ÿ 1,8% ÿ 3,2% ÿ 3,0%

Milho +1,5% ÿ +1,1% ÿ +2,2% ÿ +1,4% ÿ +4,9% ÿ +5,7% ÿ ÿ 3,7% ÿ 5,2%
Pecuária 2,1% 1,2% 4,1% 2,7% 8,4% 5,9% ÿ 8,9% ÿ 6,4%
Sec. Cropsg ÿ 2,8% ÿ 3,3% ÿ 6,6% ÿ 6,8% ÿ 11,6% ÿ 11,1% ÿ 15,2% ÿ 14,1%

d
Cenário de negócios como sempre.
e
Cenário de reflorestamento.
f
Cenário de áreas fixas.
g
Culturas secundárias: algodão, arroz, café, feijão, laranja, mandioca e trigo.

na região Norte do Brasil (Fig. 6 - à esquerda). Embora não haja diferenças de produção
entre os cenários até meados da década de 2030, surge uma lacuna entre o cenário
BAU e os dois outros, tornando a produção de linha de base maior do que nos cenários
de restrição de terras em 2040 (+8,2% e +9,6% em comparação com áreas fixas e
cenários de reflorestamento, respectivamente). Culturas como algodão e milho são
destacadas por suas enormes diferenças de produção entre os cenários. O algodão
apresenta uma produção do cenário BAU de 84,9% e 85,2% maior do que nas áreas
fixas e cenários de reflorestamento, respectivamente. Isso provavelmente se deve à
tradicionalmente baixa adoção de tecnologia nas regiões para essa cultura, que
geralmente é cultivada por famílias em vez de grandes empresas. Já para o milho,
esses aumentos de produção são de 26,6% e 14,4%, em relação aos dois cenários de
restrição fundiária.

No entanto, a produção do cenário BAU de algodão nacional foi apenas 14,2% e

Fig. 4. Previsão de contagem de rebanhos no Brasil (2019. 2040).
cenário em 2035 e 2040, respectivamente (Tabela 3). Isso mostra sensibilidade à
disponibilidade de terra após um certo patamar de ganhos de produtividade. Outras
quedas de produção também acontecem com as outras principais culturas após o ano de 2035.cenários de restrição fundiária, tornando a produção BAU maior do que a dos outros
Se o Brasil pretende minimizar a perda de receita com produtos agropecuários
preservando sua área de cobertura natural, uma série de medidas devem ser tomadas
antes que esse hiato de produção entre os cenários aumente. Isso inclui, mas não se
limita a, uma transferência de recursos para pesquisa agropecuária, visando aumentar
a produtividade agrícola, incluindo possíveis revisões orçamentárias para a Empresa
Brasileira de Pesquisa Agropecuária.
EMBRAPA. Esses investimentos e planos de ação podem e devem ser direcionados
regionalmente, pois algumas regiões apresentam hiato drástico do produto entre os
cenários devido à produtividade limitada, enquanto outras não apresentam esse
fenômeno (seção 3.3 ).
No entanto, o quadro geral é que as diferenças de produção em relação à oferta de
terras são muito menores do que as resultantes de mudanças nas variáveis
macroeconômicas (seção 3.2). Isso sugere que práticas de reflorestamento e
conservação impostas por meio de políticas públicas não prejudicam substancialmente
a produção agrícola no longo prazo. Este é um resultado significativo. Ele desmascara
o mito de que medidas de preservação e reflorestamento impediriam a economia
nacional de atingir seu potencial agrícola e reduziriam significativamente a produção,
que atualmente é um argumento central para evitar medidas de conservação de terras
por meio de lobby (Star gardter & Boadle, 2019) .
3.2. Análise regional
3.2.1. Norte A
região Norte representa 5% do PIB do país (Ipeadata, 2020a), com uma população
de 17 milhões de habitantes (Ipeadata, 2020c) e representa 9% da agricultura (Ipeadata,
2020b). O principal bioma da região Norte é a Floresta Amazônica (Oxford Analytica,
2020).
Um crescimento acentuado na produção agrícola para todos os três cenários pode ser visto
13,6% maior do que os cenários de desmatamento zero e reflorestamento. Quanto à
produção de milho, esses aumentos de produção são de 5,5% e 3,8% em relação aos
dois cenários de restrição de terras. Por exemplo, a produção de algodão e milho é
maior para cenários de restrição de terras em algumas regiões (como o Nordeste).
Ocorre um crescimento vertiginoso da produção pecuária do Norte do Brasil nos três
cenários (Fig. 6 - direita). Embora também não haja diferenças significativas de produção
entre os cenários até meados da década de 2030, surge uma lacuna entre o BAU e os
dois cenários em 2040 (+8,2% e + 13,5% em relação a áreas fixas e cenários de
reflorestamento, respectivamente). Como muitos dos terrenos da região servem como
pastagens antes de serem transformados em lavouras (Barona et al., 2010), isso é
esperado.
3.2.2. Nordeste
Dividido pelos biomas Mata Atlântica, Cerrado (savana) e Caatinga (Oxford
Analytica, 2020), o Nordeste representa 13% do PIB do país (Ipeadata, 2020a) e é a
segunda região mais populosa ( 55 milhões) (Ipeadata, 2020c). A região representa
18% da produção agropecuária (dados do Ipea, 2020b).
Uma diferença muito pronunciada na produção agrícola pode ser vista entre
diferentes cenários de uso da terra para a região Nordeste. Mais especificamente,
ocorre uma diminuição na produção agrícola nos cenários de restrição de terra em
comparação com o cenário BAU (Fig. 7 - esquerda), uma vez que a produção estaciona
quase no mesmo nível com uma produção anual de 150 Mt para terras limitadas. Essa
lacuna entre o cenário do desmatamento e os outros dois, que começa a se ampliar por
volta de 2030, é um claro indicador de que o aumento da produção depende fortemente
da expansão da área cultivada em detrimento das formações naturais. Ao contrário de
outras regiões, os aumentos históricos de produtividade não conseguem manter a
produção em níveis que acompanham a demanda básica. Isso se deve, em grande
parte, ao fato de a região ser 54,3% coberta pelo clima semiárido e também a mais
pobre em PIB per capita. O fato de não haver aumento inverso nas demais áreas, ou
seja, queda da produção no cenário BAU em relação aos outros dois, afasta a
possibilidade de migração da produção do Nordeste.

6
Machine Translated by Google

MM El Batti et al. Journal for Nature Conservation 73 (2023) 126373

Fig. 5. Produção agrícola projetada do Brasil em 2040 por PIB (à esquerda) e valor das exportações (à direita) para o cenário BAU.

Fig. 6. Produção agrícola da Região Norte do Brasil (esquerda) e contagem de gado (direita) prevista de 2019 a 2040.

Fig. 7. Produção agrícola da região Nordeste do Brasil (esquerda) e contagem de gado (direita) prevista de 2019 a 2040.

A forte dependência da produção agrícola com a área sugere que o Nordeste não é
uma região privilegiada para a implementação de políticas de comando e controle para
regular o uso da terra. Nessa região, a produtividade parece atingir um platô (Fig. 7 -
esquerda), e a produção não atende aos níveis do cenário BAU. Essa forte dependência
mostra, porém, a importância de se fomentar a agricultura irrigada na região, permitindo
o crescimento de sua produtividade (por exemplo, por meio de projetos especiais como
˜
a transposição do rio São Francisco).
Algo semelhante ocorre com a pecuária da região.
Junto com uma diminuição relativa na produção agrícola em cenários de restrição de
terras, a produção pecuária é afetada concomitantemente (Fig. 7 -
certo). Este é um sintoma da baixa produtividade do setor pecuário e sua forte ligação
com a conversão de cobertura natural.
3.2.3. Centro Oeste
A região Centro-Oeste representa 9% do PIB do país (Ipeadata, 2020a) e é
composta pelos biomas Cerrado e Pantanal (Oxford Analytica, 2020), com 16 milhões
de habitantes (Ipeadata, 2020c), enquanto produz 19% da Produção agrícola brasileira
(Ipeadata, 2020b).
Um crescimento constante na produção agrícola para todos os três cenários se
desenvolve na região Centro-Oeste quase na mesma taxa dos dois últimos

7
Machine Translated by Google

MM El Batti et al. Journal for Nature Conservation 73 (2023) 126373

décadas (Fig. 8 - esquerda). Não há lacuna significativa entre quaisquer cenários
para a produção agrícola agregada. Por exemplo, a produção de soja BAU em 2040
é apenas 0,2% e 2,6% maior do que em áreas fixas e cenários de reflorestamento,
respectivamente. Esses resultados mostram que a produção de soja não seria
restringida por políticas de conservação de terras e reflorestamento, tendo sua
produção aumentada tanto pelo aumento da produtividade quanto pela substituição
de culturas secundárias. A importância disso reside no fato de que a produção de
soja é um dos principais motivos para a expansão da fronteira agrícola do Centro-
Oeste para a Amazônia (Colman de Azevedo Junior et al., 2022). Com esses dados,
o governo pode ter certeza de que a aplicação de políticas de comando e controle
protetoras (e até restaurativas) na região traria efeitos insignificantes para a
produção total de soja. Com as restrições dadas, o setor sojicultor da região poderá
melhorar sua produtividade para atender a demanda nacional e internacional nas
próximas duas décadas. Em termos gerais, a produção agrícola sofreria pouco
impacto das políticas restritivas de terras no Centro-Oeste.
causando uma redução geral na produção total da cultura nos cenários de restrição
de terras.
Além disso, não há diferença significativa na contagem de gado para as regiões
Sul e Sudeste entre os três cenários (Fig. 9. superior e inferior direita). No entanto,
há uma redução considerável da produção a partir de 2021 que dura até 2026 para
a região Sul. Isso segue a tendência histórica de redução de pastagens nas duas
regiões. No entanto, todos os três cenários seguem a mesma tendência, o que
indica que a disponibilidade de terras não é um fator determinante para a produção
pecuária na região, que apresenta uma taxa de produção pecuária intensiva em
terra maior do que a maioria das outras regiões do país (Nunes de Castro , 2014).
Uma interessante retomada da produção em ambas as regiões ocorre a partir da
década de 2020, decorrente do aumento substancial do PIB nos últimos anos de
análise.

3.3. Análise sensitiva

Quanto à produção pecuária, no entanto, o Centro-Oeste mostra uma
sensibilidade um pouco maior à disponibilidade de terra (Fig. 8 - direita). As
Como os dados utilizados para as projeções das variáveis macroeconômicas
produções no cenário BAU são 4,9% e 6,5% maiores do que as dos cenários de
ainda são incertos (Silver, 2015), esta seção analisa como os resultados nacionais
áreas fixas e reflorestamento, respectivamente. Dado o fato de que muitos dos lotes
agregados dependem dessas variáveis. Para simplificar, apenas o cenário BAU
de terra na nova fronteira agrícola seguem uma rotação entre pastagens e culturas
passou por uma análise de sensibilidade, que mostra como a produção total covaria
de soja, os mesmos cenários de restrição de terras que não impactariam a produção
com as variáveis macroeconômicas mais incertas (ou seja, PIB e valor das
de soja ainda impactariam a produção pecuária. Isso destaca a necessidade de um
exportações).
sistema de produção pecuária mais intensivo e menos dependente da disponibilidade
Esta análise mostra a produção agrícola e pecuária brasileira para 2040,
de terras na região (Garrett et al., 2018) e mostra a forte relação das atividades
considerando diferentes valores do PIB (Fig. 5 - esquerda). Ele usa uma variação
pecuárias com a redução da cobertura natural na área.
de 1,5 pp a ser adicionada e subtraída das taxas de crescimento nominal do PIB
anuais assumidas (seção 2). Os resultados mostram que aumentos anuais do PIB
implicam em maior produção e que quedas anuais implicam em redução da
3.2.4. Sul e Sudeste A região
produção. Isso faz sentido porque um PIB maior geralmente implica em mais
Sudeste é a mais desenvolvida em termos de PIB, com 55% do PIB do país. O
recursos disponíveis para financiar pesquisas e maquinário para aumento da
Sul é a segunda região mais rica (com base no PIB), mas ainda 70% inferior ao
produtividade e maior poder de compra médio da população nacional. Isso também
Sudeste, representando 17% do PIB dos países (Ipeadata, 2020a). Em termos
é confirmado pela correlação entre o PIB e os valores históricos da produção, que
populacionais, o Sudeste é a região mais populosa, com 87 milhões de habitantes,
é positiva para todos os produtos.
enquanto a região Sul tem 30 milhões (Ipeadata, 2020c). Na produção agropecuária,
Uma análise análoga para o valor total das exportações também é apresentada
o SE tem a maior participação, com 27% do resultado agropecuário, seguido pelo
(Fig. 5 - direita). Mostra uma correlação ligeiramente inversa entre o valor das
sul (25%) (Ipeadata, 2020b). Os principais biomas nessas regiões são os Pampas
exportações e a produção total, pelo menos nesses níveis. Isso acontece porque
brasileiros (terras baixas), a Mata Atlântica e o Cerrado (Savana) (Oxford Analytica,
os aumentos nas exportações incentivam os agricultores a cultivar para o mercado
2020).
externo, em vez de produtos consumidos principalmente internamente. Essas
culturas, como a soja, tendem a ter produtividades inferiores à cana-de-açúcar, por
Nessas regiões, não há diferença significativa na produção agrícola entre os
exemplo, que é produzida principalmente para consumo interno.
três cenários (Fig. 9. superior e inferior esquerdo). No entanto, é importante observar
A Tabela 4 mostra a mudança relativa na produção agrícola/contagem de gado
que cerca de 88% da produção total da massa da região Sudeste em 2040 é
para 2040 em cada uma das quatro situações macroeconômicas simuladas. A
composta por cana-de-açúcar. No entanto, quando as lavouras são analisadas
variação da produção agrícola é altamente dependente das variações do PIB,
separadamente, identifica-se um evidente aumento da cana-de-açúcar no cenário
variando ÿ 13,3% e + 14,1% para uma variação anual do PIB de ÿ 1,5 pp e + 1,5
BAU (+7,3Mt e +15,3Mt em relação às áreas fixas e cenário de reflorestamento,
pp, respectivamente. Isso indica uma dependência muito maior da produção agrícola
respectivamente) para aquela região. Em contraste, a maioria das culturas
da oferta de capital do que da disponibilidade de terra.
secundárias reduziu ligeiramente a produção,
No caso da pecuária, as variações da produção tanto no cenário macroeconômico quanto no

Fig. 8. Produção agrícola da Região Centro-Oeste do Brasil (esquerda) e contagem de gado (direita) prevista de 2019 a 2040.

8
Machine Translated by Google

MM El Batti et al. Journal for Nature Conservation 73 (2023) 126373

Fig. 9. Produção agrícola da Região Sul do Brasil (canto superior esquerdo) e contagem de gado (canto superior direito) e produção agrícola do Sudeste (canto inferior esquerdo) e contagem de gado (canto inferior direito)
previsão de 2019 a 2040.

mostram que a influência da disponibilidade de terras na produção agrícola é limitada e

Tabela 4
não prejudica substancialmente a produção, o que indica um nível de espaço para a
Mudança relativa na produção agrícola (2040) em comparação com o cenário BAU padrão.
evolução da produtividade na agricultura brasileira.
Conforme mostram os dados históricos da produção agrícola brasileira, os agricultores
variação do PIB Variação do valor das exportações
encontram formas de aumentar a produtividade das lavouras. Certas culturas também são
ÿ 1,5 pp +1,5 pp ÿ 1,5 pp +1,5 pp preferidas em detrimento de outras para manter a produção em níveis que atendam à
contagem de gado ÿ 4,1% +7,0% +0,5% ÿ 1,6% demanda e aumentem os lucros. Nosso modelo mostra que o relaxamento da política não
Corte de saída ÿ 13,3% +14,1% +2,6% ÿ 2,5% é necessário para aumentar a produção agrícola, mas o governo também tem um papel
essencial em garantir o interesse dos agricultores na intensificação agrícola, fornecendo
apoio financeiro, infraestrutural, educacional e comercial.
cenários de uso da terra são semelhantes. A disponibilidade de terra desempenha um
papel significativo na produção pecuária a partir de 2031, desempenhando um papel Os resultados dos três cenários e os dados históricos mostram que o
semelhante ao PIB e à variação das exportações (Fig. 4). Dessa forma, se o Brasil
A melhor opção para aumentar a participação dos agricultores nos esforços de
pretende preservar suas áreas de cobertura natural sem perder receita com a pecuária,
preservação da natureza é propor um conjunto de políticas que considerem as
medidas específicas devem ser tomadas na década de 2020 para transferir seu rebanho
necessidades dos agricultores e, ao mesmo tempo, fazer cumprir legalmente a necessidade
bovino a pasto para o confinamento. Segundo maior produtor de carne bovina do mundo,
de conservação da natureza. Outros estudos mostraram que a intensificação da pecuária
com produção prevista de 10,3 milhões de toneladas (Buchholz, 2020), o Brasil não
(Garcia et al., 2017), por exemplo, pode ser economicamente viável; portanto, a questão
consegue sustentar um sistema extensivo de produção pecuária que coexista com a agora é levar essas informações para o campo.
preservação da terra, como mostram os números. Deve haver ações no sentido de
deslocar a produção pecuária para um sistema intensivo.
4.2. Recomendações de política e suas implicações

4. Discussões e recomendações de políticas
4.1. Para tomadores de decisão e agricultores
As decisões tomadas em nível regional têm efeitos globais, e os vínculos entre
desmatamento e agricultura mostram a necessidade de informar os tomadores de decisão
locais sobre sua importância nesse assunto. Nossos resultados
Os resultados do modelo proposto neste estudo mostraram que as principais culturas
e pecuárias produzidas pela agricultura brasileira teriam reduções de produção de 2 a
15%, dependendo da cultura, se políticas de proteção e recuperação florestal estivessem
em vigor. O crescimento no tempo até 2040, no entanto, ainda é positivo e compatível
com a evolução histórica de todos os produtos estudados, o que mostra uma alta resiliência
do setor agrícola às restrições de disponibilidade de terras. As políticas de comando e
controle de preservação e restauração não trariam grandes impactos

9
Machine Translated by Google
MM El Batti et al.
sobre a produção agropecuária em geral no Brasil. No entanto, as culturas mais
impactadas são as culturas alimentares, chamadas neste estudo de “culturas secundárias”. promessas de mudanças climáticas após anos de falta de apoio a sistemas de
Tais políticas podem causar diminuição da oferta de alimentos básicos como arroz e
feijão, aumento dos preços dos alimentos básicos e tornar as famílias brasileiras mais
pobres ainda mais vulneráveis economicamente. Este é um efeito indesejado das
políticas de comando e controle de restauração/preservação do uso da terra,
especialmente em tempos de crise de disponibilidade de alimentos devido à pandemia,
interrupção das cadeias de abastecimento, aumento do custo das commodities
agrícolas e conflitos (FAO, 2022) , e altamente relevante para o conceito de uma
transição climática justa (Cronin et al., 2021).
Para garantir uma transição justa no Brasil, deve-se atentar para a preservação
da produção de culturas secundárias em cenários de restrição de uso da terra. Para
mitigar os efeitos dessas reduções na produção captadas pelo modelo, algumas
recomendações são propostas, como diminuir os impostos de importação desses
produtos ou subsidiar sua produção.
Políticas e instituições que focam no desmatamento zero e na recuperação de
áreas florestais podem causar uma grande diminuição no rebanho bovino, portanto,
as ligações entre agricultura, intensificação agrícola e desmatamento devem ser
levadas em consideração (Ramankutty et al., 2002; Tallis et al . , 2015). As políticas
devem ser combinadas com investimentos em produção intensiva e melhoria da
produtividade na pecuária (Bowman et al., 2012). Além disso, o foco deve ser dado
para substituir pastagens de baixa produtividade e terras degradadas por culturas
secundárias, com incentivos do governo para desenvolver pastagens integradas com
produção de alimentos à base de plantas, pois a intensificação deve ser usada para
liberar terras, não apenas aumentar a carne Produção. Mais desafiador ainda, o
reflorestamento requer políticas sólidas, mas, em troca, uma série de benefícios
adviriam disso. Alguns benefícios incluem melhorar a segurança alimentar e hídrica,
reabastecer os recursos hídricos, aumentar o rendimento das colheitas, aumentar as
receitas para as comunidades locais e reduzir a pobreza (Winterbottom, 2014).
No entanto, de acordo com a literatura, os produtores irão considerar a
intensificação apenas se for mais rentável do que cortar florestas e criar
extensivamente, embora estudos tenham descoberto que as abordagens sustentáveis
de intensificação da pecuária são lucrativas em alguns casos (Garcia et al., 2017) . O
problema é mais complexo em relação à produção de alimentos associada ao
desmatamento zero, uma vez que a intensificação requer a diminuição de novos
desmatamentos e a disponibilização de terras para a produção de alimentos. Portanto,
o Brasil precisa impor políticas que controlem o desmatamento e reformar as políticas
que incentivam a grilagem de terras por meio do desmatamento. Ela precisa promover
modelos de produção ambiental e econômica que incluam a integração da pecuária e
produção de alimentos, ao mesmo tempo em que restringem a quantidade de terra
disponível para expandir a produção de gado (Bowman et al., 2012).
Em geral, áreas com cobertura agrícola consolidada e preços de terras mais altos
são impactadas de forma mais eficiente pelas regulamentações de desmatamento
(Garrett et al., 2018), como é o caso das regiões Sudeste e Sul do Brasil. Por outro
lado, em áreas com grandes sumidouros florestais, especialmente onde a aplicação
da lei pode ser mais desafiadora, como a região Norte do Brasil, a regulamentação do
desmatamento deve ser combinada com mecanismos que incluam apoio técnico e
financeiro para a integração de lavoura, pecuária e sistemas florestais. Com
perspectivas locais, as políticas podem orientar as decisões dos agricultores no
sentido de adotar estratégias de intensificação agrícola (Cortner et al., 2019). Além
disso, poderiam ser implementados prêmios de preços para os produtos associados
a uma gestão mais ambientalmente responsável (Garrett et al., 2018), incluindo
instrumentos financeiros de REDD + (Ranjan, 2021) .
Além disso, outros estudos mostraram relações complexas entre agricultura,
desmatamento e o ciclo global do carbono. Jackson, Riley e Schlahr (2017) mostram
que tanto o desmatamento para agricultura quanto o cultivo de lavouras e pecuária
têm impactos significativos nas emissões de gases de efeito estufa. De fato, sugere-
se para estudos futuros estimar as emissões de gases de efeito estufa em cada
cenário para analisar os impactos nas mudanças climáticas de cada política
investigada.
No Brasil, avanços políticos recentes, como o restabelecimento do Fundo
Amazônia, um mecanismo de financiamento para reduzir o desmatamento
(Rodrigues, 2023), demonstram novas perspectivas para a natureza
10
Journal for Nature Conservation 73 (2023) 126373
conservação. A maioria das novas políticas ocorre depois que o Brasil retoma as
monitoramento de áreas protegidas e reduções constantes dos orçamentos das
instituições ambientais (Rodrigues, 2023).
5. Conclusões
A principal conclusão deste estudo é que fatores macroeconômicos, como
demanda e oferta de capital, influenciarão a produção agrícola brasileira
significativamente mais do que a disponibilidade de terras nas próximas duas décadas.
Além disso, foi demonstrado que políticas de preservação e restauração da cobertura
natural podem ser aplicadas em todo o país sem reduzir significativamente os níveis
de produção das principais culturas brasileiras. A produção agrícola geral tende a
quase dobrar nas próximas duas décadas (à semelhança do que aconteceu nos
últimos 20 anos), independentemente das políticas de uso da terra aplicadas. Essas
descobertas corroboram a possibilidade de um futuro sustentável e produtivo e
fornecem um forte contra-argumento em resposta às forças de lobby que desejam
relaxar a proteção ambiental no país. No entanto, para que isso aconteça, é preciso
aumentar a produtividade, o que exige investimentos significativos em pesquisas
relacionadas à agricultura.
Embora as políticas de restrição de terras não dificultem significativamente a
produção de commodities primárias, isso ocorre ao custo de reduzir substancialmente
os níveis de produção de outras culturas (por exemplo, laranja, arroz e feijão). Essa
redução da oferta pode causar problemas internos, como aumento de preços de itens
essenciais no mercado interno, o que evidencia ainda mais a necessidade de aumento
de produtividade não só para essas culturas, mas também para categorias de uso da
terra que consomem áreas excessivas, como a pecuária. Isso é enfatizado por meio
do conceito de transição justa, em que atenção cuidadosa deve ser dada aos impactos
distributivos da política de mitigação, neste caso, o impacto dos preços e
disponibilidade local de alimentos.
Os resultados também mostram que as políticas de restrição fundiária podem ter
diferentes impactos em diferentes culturas e regiões do país. Embora não tragam
grande queda geral na produção total em massa para o país, eles causam alguns
problemas para as lavouras em algumas regiões, como o Nordeste. Além disso,
embora a expansão da fronteira agrícola possa ser interrompida sem grandes
impactos para a produção de soja, tal ação teria um impacto maior sobre a pecuária
daquela região, já que grande parte de sua criação ocorre nos mesmos lotes de
produção de soja.
É importante notar que os resultados deste modelo não são estáticos.
Foi encontrado um determinado conjunto de resultados de como a produção se
desenvolverá, considerando uma distribuição relativamente uniforme da recuperação
do uso da terra em todo o país para cenários de restrição de terras. No entanto, isso
não deve ser sempre o caso. Uma maneira adequada de usar os modelos seria extrair
percepções regionais gerais desses cenários básicos, simular novas entradas de
cobertura de terra específicas para o plano de recuperação de terra pretendido e,
finalmente, avaliar como os valores finais de produção se desdobrariam. Isso é crucial,
pois não se trata de um modelo causal e as variáveis devem ter seus efeitos
combinados para um resultado confiável. Uma diminuição maior de terras disponíveis
em uma determinada região, por exemplo, poderia ter efeitos colaterais em uma parte
totalmente diferente do país, e somente a aplicação plena do modelo a novos insumos
seria capaz de captar isso.
Esta pesquisa mostra que a disponibilidade de terra é quase tão crucial para a
produção pecuária nas regiões Norte, Nordeste e Centro-Oeste quanto as variáveis
macroeconômicas. Ganhos de produtividade a posteriori e priorização da pecuária
em cenários de restrição de terras são insuficientes para manter a produção em níveis
normais nessas regiões. Como mostra esta análise, o Brasil não pode sustentar um
sistema extensivo de produção pecuária que coexista com a preservação da terra.
Uma estratégia nacional para intensificar ativamente a produção de gado para liberar
terras para outros usos da terra deve ser avaliada nos próximos anos.
Em resumo, o modelo desenvolvido nesta pesquisa não apenas forneceu uma
maneira facilmente atualizável de prever a produção agrícola brasileira, mas também
forneceu um conjunto de insights sobre os efeitos das ações presentes no futuro. Se
usado com sabedoria, esse vislumbre poderoso e acionável do amanhã pode fornecer
insights para ajudar na tomada de decisões
Machine Translated by Google
MM El Batti et al.
fabricantes superam os impactos do desmatamento e das mudanças climáticas que o mundo
enfrenta hoje.
Fontes de financiamento
Dra. Celma de Oliveira Ribeiro recebeu apoio do CNPq
Conselho Nacional de Pesquisa), concessão número 307126/2018-8.
Declaração de Interesse Concorrente
Os autores declaram os seguintes interesses financeiros/relações pessoais que podem ser
considerados como potenciais interesses concorrentes: Celma de Oliveira Ribeiro relata que o
apoio financeiro foi fornecido pelo Conselho Nacional de Desenvolvimento Científico e
Tecnológico, número 308909/2021-6.
Disponibilidade de dados
Os dados serão disponibilizados mediante solicitação.
Apêndice A. Dados suplementares
Dados complementares a este artigo podem ser encontrados online em https://doi.
org/10.1016/j.jnc.2023.126373.
Referências
Abessa, D., Fam´a, A., & Buruaem, L. (2019). O desmantelamento sistemático da
leis ambientais arrisca perdas em todas as frentes. Em Nature Ecology and Evolution (Vol. 3, Issue 4,
pp. 510-511). Grupo Editorial Nature. Doi: 10.1038/s41559-019-0855-9.
Anwar, Z., Ahsan, A., & Catal, C. (2016). Modelagem neurofuzzy para otimização de conjunto de testes
multiobjetivo. Jornal de Sistemas Inteligentes, 25(2), 123–146. https://doi.org/10.1515/jisys-2014-0152 _
Barbosa, LG, Alves, MAS, & Grelle, CEV (2021). Ações contra a sustentabilidade: Desmantelamento
das políticas ambientais no Brasil. Política de uso da terra, 104. https://doi.org/10.1016/j.landusepol.2021.105384
Barona, E., Ramankutty, N., Hyman, G., & Coomes, OT (2010). O papel da pastagem e da soja no
desmatamento da Amazônia brasileira. Cartas de Pesquisa Ambiental, 5 (2). https://doi.org/
10.1088/1748-9326/5/2/024002
Bowman, MS, Soares-Filho, BS, Merry, FD, Nepstad, DC, Rodrigues, H., &
Almeida, OT (2012). Persistência da pecuária na Amazônia brasileira: uma análise espacial da
racionalidade da produção de carne bovina. Política de Uso da Terra, 29(3), 558–568. https://doi.org/
10.1016/j.landusepol.2011.09.009
Bradesco. (2020). Projetos Longo Prazo. Economia Em Dia. https://www.economiaemd
ia.com.br/SiteEconomiaEmDia/Projecoes/Longo-Prazo.
Brasil. (2020a). Balança Comercial Consolidada e Séries Temporais. https://www.gov.br/pr
odutividade-e-comercio-exterior/pt-br/assuntos/comercio-exterior/estatisticas/bala nca-comercial-brasileira-
acumulado-do-ano.
Brasil. (2020b). Balança Comercial Consolidada e Séries Temporais. https://www.gov.br/pr
odutividade-e-comercio-exterior/pt-br/assuntos/comercio-exterior/estatisticas/bala nca-comercial-brasileira-
acumulado-do-ano.
Buchholz, K. (2020). Os maiores produtores de carne bovina do mundo. Statista. https://www.st atista.com/
chart/19127/biggest-producers-of-beef/.
Colman de Azevedo Junior, W., Junior, W., Rodrigues, M., & Costa Correia Silva, D.
(2022). A eficiência agrícola contribui para a desaceleração do desmatamento na Amazônia Legal
brasileira? Journal for Nature Conservation, 65. https://doi.org/ 10.1016/j.jnc.2021.126092
Cortner, O., Garrett, RD, Valentim, JF, Ferreira, J., Niles, MT, Reis, J., & Gil, J.
(2019). Percepções de sistemas integrados lavoura-pecuária para intensificação
sustentável na Amazônia brasileira. Política de Uso da Terra, 82, 841–853. https://doi. org/10.1016/
j.landusepol.2019.01.006
Cronin, J., Hughes, N., Tomei, J., Caiado Couto, L., Ali, M., Kizilcec, V., …, & Watson, J.
(2021). Incorporando justiça na transição 1,5ÿC: uma agenda de pesquisa transdisciplinar.
Transição de Energia Renovável e Sustentável, 1, 100001. Doi: 10.1016/j. rset.2021.100001.
Cybenko, G. (1989). Aproximação por superposições de uma função sigmoidal.
Matemática de controle, sinais e sistemas, 2(4), 303–314. https://doi.org/10.1007/BF02551274
_ Yan, R., Zinda, JA, & Ke, S. (2020). Designando as culturas arbóreas como floresta: a competição pela terra
da Silva Junior, CA, Coutinho, AD, de Oliveira-Júnior, JF, Teodoro, PE, Lima, M., Shakir, M., … Johann, JA
(2018). Análise do impacto na vegetação causado pelo desmatamento abrupto via sensor orbital no
desastre ambiental de Mariana, Brasil. Política de Uso da Terra, 76, 10–20. https://doi.org/10.1016/j.
landusepol.2018.04.019 Deneshkumar, V., Senthamarai Kannan, K., & Manikandan, M. (2015). Desenho
de Modelos de Redes Neurais para Previsão Agrícola. Jornal de Estatística e
11
Journal for Nature Conservation 73 (2023) 126373
Sistemas de Gestão, 18(6), 547–559. https://doi.org/10.1080/
09720510.2015.1040237
FAO. (2022). O mundo corre sério risco de uma crise de acesso a alimentos agora e de uma crise de
disponibilidade de alimentos na próxima temporada. https://www.fao.org/newsroom/detail/world-at-
serious-risk-of-a food-access-crisis-now-and-a-food-availability-crisis-next-season/en.
Garcia, E., Filho, FSVR, Mallmann, GM, & Fonseca, F. (2017). Custos, benefícios e desafios da intensificação
da pecuária sustentável em uma importante fronteira de desmatamento na Amazônia brasileira.
Sustentabilidade (Suíça), 9(1). Doi: 10.3390/su9010158.
Garrett, RD, Koh, I., Lambin, EF, le Polain de Waroux, Y., Kastens, JH, & Brown, JC (2018).
Intensificação nas fronteiras agroflorestais: respostas do uso da terra às políticas de
desenvolvimento e conservação no Brasil. Mudança Ambiental Global, 53, 233–243. https://doi.org/
10.1016/j.gloenvcha.2018.09.011 Gholami, V., Chau, KW, Fadaee, F., Torkaman, J., & Ghaffari, A.
(2015). Modelagem de flutuações do nível freático usando dendrocronologia em aquíferos aluviais. Journal of
Hydrology, 529, 1060–1069. https://doi.org/10.1016/j.jhydrol.2015.09.028 Hawksworth, J., & Chan, D.
(2015). O mundo em 2050: a mudança na economia global
energia continua? Análise PwC, fevereiro, 46.
IBGE. (2020). Produção Agrícola Municipal. https://sidra.ibge.gov.br/tabela/1612.
Banco Mundial. (2020a). Dados do Banco Mundial - Brasil. https://data.worldbank.org/count
ri/brasil.
ˆ
INPE. (2019). PRODES - Monitoramento da floresta amazônica brasileira por satélite. http://
www.obt.inpe.br/prodes/index.php.
Ipeadata. (2020a). PIB estadual. http://www.ipeadata.gov.br/Default.aspx.
´
Ipeadata. (2020b). PIB estadual agropecuária . http://www.ipeadata.gov.br/Default.aspx.
Ipeadata. (2020c). População ˜ residente total. http://www.ipeadata.gov.br/Default.aspx.
Irie, B. & Miyake, S. (1988). Capacidades de perceptrons de três camadas. 641-648. Doi:
10.1109/icnn.1988.23901.
Jackson, RB, Riley, WJ e Schlahr, J. (2017). Agricultura, desmatamento e o ciclo global do carbono: uma
estrutura de sistemas para avaliar os trade-offs na mitigação das emissões de gases do efeito estufa.
Latini, AO, Silva, DP, Souza, FML, Ferreira, MC, de Moura, MS, & Suarez, NF
(2020). Conciliando a produtividade do café e a conservação da vegetação natural em uma paisagem
de agroecossistema no Brasil. Journal for Nature Conservation, 57. https://doi. org/10.1016/
j.jnc.2020.125902
Lei n. 12.727, de 17 de outubro de 2012. Altera˜ a Lei no 12.651, de 25 de maio de 2012, que dispõe sobre a
proteção da vegetação nativa. 2012a, (2012) (testemunho do Brasil).
Liu, H., & Cocea, M. (2017). Partição semi-aleatória de dados em conjuntos de treinamento e teste em
contexto de computação granular. Granular Computing, 2(4), 357–386. https://doi.org/ 10.1007/
s41066-017-0049-2
MapBiomas. (2019). Projeto-Coleção v.4.1 da Série Mapas de Uso e Cobertura do Solo Brasileiro. htt
ps://mapbiomas.org/estatisticas?cama_set_language=en.
Nepstad, D., McGrath, D., Stickler, C., Alencar, A., Azevedo, A., Swette, B., … Hess, L.
(2014). Retardar o desmatamento da Amazônia por meio de políticas públicas e intervenções nas
cadeias produtivas de carne bovina e soja. Ciência, 344 (6188), 1118–1123. https://doi.org/10.1126/
science.1248525 _ ˜ sudeste: limitaçoes ˜ e desafios futuros.
´
Nunes De Castro, C. (2014). A agropecuária na região http://
www.ipea.gov.br.
Oxford Analytica. (2020). Brasil: Mapa de biomas por região. https://dailybrief.oxan. com/Analysis/
GI256226/Brazil-Biomas-map-by-region.
Ramankutty, N., Foley, JA, & Kauffman, RB (2002). Mudança de Uso da Terra e Agrícola
Intensificação: Uma Síntese de Estudos Empíricos.
Ranjan, R. (2021). Decisões de uso da terra sob incentivos de REDD+ durante o aquecimento
as temperaturas afetam a produtividade das culturas e as taxas de crescimento da biomassa
florestal. Política de Uso da Terra, 108, Artigo 105595. https://doi.org/10.1016/J.LANDUSEPOL.2021.105595
Rodrigues, M. (2023). O presidente do Brasil, Lula, cumprirá suas promessas climáticas? Natureza.
SEEG. (2020). Emissões totais brasileiras 2019. http://plataforma.seeg.eco. br/
total_emission#.
da Silva, RFB, Batistella, M., & Moran, EF (2016). Propulsores da mudança do solo: interações homem-
ambiente e a transição da Mata Atlântica no Vale do Paraíba, Brasil. Política de Uso da Terra, 58, 133–
144. https://doi.org/10.1016/j. landusepol.2016.07.021 Silver, N. (2015). O sinal e o ruído: por que tantas
previsões falham, mas outras não.
Livros do Pinguim.
Sparovek, G., Barretto, AG de OP, Matsumoto, M., & Berndes, G. (2015). Efeitos da Governança na
Disponibilidade de Terra para Agricultura e Conservação no Brasil.
Ciência e Tecnologia Ambiental, 49(17), 10285–10293. https://doi.org/10.1021/acs.est.5b01300
_
Stargardter, G., & Boadle, A. (2019). O lobby agrícola do Brasil vence quando Bolsonaro assume o controle
das terras indígenas. https://www.reuters.com/article/us-brazil-politics-agriculture-idUSKCN1OW0OS .
Tallis, HD, Hung, K.-LJ, & Daily, GC (2015). Vinculando agricultura e desmatamento: a interação entre
expansão agrícola, intensificação e desmatamento em países em desenvolvimento.
Winterbottom, R. (2014). Restauração: é mais do que apenas as árvores. https://www. wri.org/insights/
restoration-its-about-more-just-trees.
e os efeitos dos meios de subsistência medeiam o impacto das culturas arbóreas na cobertura florestal
natural no sul da China. Política de Uso da Terra, 96(59), Artigo 104702. https://doi.org/10.1016/j.
landusepol.2020.104702
Zhang, G., Eddy Patuwo, B., & Hu, YM (1998). Previsão com redes neurais artificiais: o estado da arte.
Jornal Internacional de Previsão, 14(1), 35–62. https://doi.org/10.1016/S0169-2070(97)00044-7