Quantitative spatial analysis of deforestation in legal Amazonselected topics

Resumen

La tesis cubre cinco tópicos distintos sobre la deforestación en Amazonia Legal. El primer estudio investiga la heterogeneidad espacial de determinantes de deforestación a nivel municipal. Las diferencias espaciales son evaluadas por regresión geográficamente ponderada. Las distancias entre puntos de regresión están medidas por tiempo de viaje. Según el estudio, la ganadería afecta a la deforestación más en Pará y sus alrededores. El cultivo de las cosechas aumenta la deforestación sólo en el sureste de Pará y nordeste de Mato Grosso. Las restricciones de crédito rural son una medida eficaz contra la deforestación en Pará. Aquí hay menos deforestación en las zonas con más bosques bajo protección legal, con niveles de precipitación favorables para la agricultura y en alturas más bajas. La relación entre PIB per cápita y deforestación sigue la curva en forma U. El valor de la madera explica la deforestación en la mayoría de las regiones del bioma Amazónico. En general, las carreteras contribuyen a la deforestación más en las regiones remotas. Los vínculos entre población rural y deforestación son más fuertes en el norte de Rondônia y norte de Mato Grosso. La implementación de las distancias por tiempo de viaje con respecto a las distancias Euclidianas cambia los resultados significativamente para algunas regiones. El segundo artículo investiga si la expansión de la caña de azúcar en el sur de Brazil exporta deforestación a la frontera. Los vínculos indirectos entre caña de azúcar y deforestación están capturados por modelo espacial de Durbin. Los parámetros están estimados por regresión de efectos fijos. La caña de azúcar exportó 16.3 miles de km2 (12.2%) de deforestación durante el periodo 2002-2012, el equivalente de 189.4 Mg de las emisiones de carbono. El tercer estudio prueba empíricamente la declaración que la población rural está positivamente relacionada con la deforestación en los bordes del bosque. El estado de Pará se divide en cuadrículas de 5x5 km. Las relaciones entre deforestación y sus determinantes (incluyendo población rural) están investigados por dos métodos: regresión logística fraccional y árbol de regresión. Los resultados confirman que el tamaño de las comunidades rurales está relacionado con la deforestación. Además, ambos métodos sugieren que la deforestación está vinculada positivamente con el tamaño del rebaño bovino y la distancia al río más cercano, y negativamente con la cubierta forestal y la precipitación. El árbol de regresión revela que la deforestación es significativamente más baja dentro de las áreas protegidas. El cuarto artículo cuantifica la deforestación evitada en las áreas protegidas, en sus bordes y en sus zonas parachoques en Pará por método de pareamiento. Las características de localidades están convertidas en un único puntaje de propensión por regresión logística. Pará evitó ~2900 km2 de deforestación durante 2000-2004. El espacio tiene implicaciones importantes: unidades de conservación en las regiones remotas no evitan la deforestación, mientras que áreas protegidas ubicadas cerca de los focos de deforestación salvan grandes áreas de bosques. La deforestación evitada es positiva en las zonas parachoques ubicadas hacia el oeste de la autopista BR-163 y en las orillas del río Amazonas, y negativa en las zonas parachoques situadas en el este de Pará. Los límites de las unidades de conservación están bien protegidos de los efectos de borde. El último estudio simula deforestación en cada cuadrícula de 5x5 km. Mediante filtrado espacial los vectores propios que solucionan el problema de autocorrelación espacial (y automáticamente mejoran la precisión de la predicción) están identificados. Los valores de deforestación están calculados por la red neuronal artificial. El coeficiente de correlación entre los valores reales y los simulados es 0.79).