SÉRIES WORKING PAPER BNDES/ANPEC PROGRAMA DE FOMENTO À PESQUISA EM DESENVOLVIMENTO ECONÔMICO - PDE

DESMATAMENTO E A CONTRIBUIÇÃO ECONÔMICA DA FLORESTA NA AMAZÔNIA

Edson Paulo Domingues1 Terciane Sabadini Carvalho

Aline Souza Magalhães

Working Paper no. 48

BANCO NACIONAL DE DESENVOLVIMENTO ECONÔMICO E SOCIAL Avenida República do Chile, 100 – Centro

20031-917 -Rio de Janeiro, RJ

ASSOCIAÇÃO NACIONAL DOS CENTROS DE PÓS-GRADUAÇÃO EM ECONOMIA Rua Tiradentes, 17 – Ingá

24210-510 - Niterói, RJ

(Janeiro/2013)

1Os autores agradecem os comentários e sugestões realizados por Eduardo Haddad (FEA-USP), Roberto

Monte-Mor (Cedeplar-UFMG), Angelo Gurgel (FGV-SP), Rodrigo Simões (Cedeplar-UFMG) e Antonio Miguel Vieira Monteiro (INPE).

Esse paper foi financiado com recursos do Fundo de Estruturação de Projetos (FEP) do Banco Nacional de Desenvolvimento Econômico e Social (BNDES). Por meio desse fundo o BNDES financia, na modalidade não-reembolsável, a execução de pesquisas científicas, sempre consoante ao seu objetivo de fomento a projetos de pesquisa voltados para a ampliação do conhecimento científico sobre o processo de desenvolvimento econômico e social. Para maiores informações sobre essa modalidade de financiamento, acesse o site http://www.bndes.gov.br/SiteBNDES/bndes/bndes_pt/Institucional/Apoio_Financeiro/Programas_e_Fundos/fep.html.

O conteúdo do paper é de exclusiva responsabilidade do(s) autore(s), não refletindo necessariamente, a opinião do BNDES e/ou da ANPEC.

Desmatamento e a Contribuição Econômica da Floresta na Amazônia Edson Paulo Domingues Terciane Sabadini Carvalho Aline Souza Magalhães Série Working Paper BNDES/ANPEC No. 48 (Janeiro/2013)

RESUMO

O objetivo deste trabalho é estudar a contribuição da floresta desmatada para a economia da Amazônia Legal entre 2006 e 2011, assim como analisar os efeitos de uma política de controle do desmatamento no período de 2012 a 2020. Para isso, utilizou-se o modelo de equilíbrio geral computável (EGC) inter-regional EGC-AMAZÔNIA, construído para capturar as especificidades e heterogeneidade da região. As estimativas da contribuição econômica do desmatamento para o crescimento das regiões da Amazônia permitiriam avaliaro custo relativo de políticas públicas. Deste modo, o trabalhoestima o valor implícito do desmatamento na dinâmica econômica das regiões da Amazônia Legal. Os resultados das simulações indicamuma contribuição positiva do desmatamento entre 2006 e 2011 para o crescimento econômico da Amazônia, embora pequena, de 0,3% para o PIB total da região. Este resultado é ainda reforçado pelos impactos econômicos de uma política hipotética de controle do desmatamento, que sugerem uma perda apenas marginal sobre o crescimento econômico das regiões. Os resultados mostram que o custo da política, medido pelo PIB nacional, seria uma redução de apenas 0,054% no período acumulado 2012-2020.

Palavras-Chave: equilíbrio geral computável, Amazônia, desmatamento

ABSTRACT

The goal of this work is to study the contribution of the cleared forest for the Amazon economy between 2006 and 2011, as well as analyze the effects of a control deforestation policy in the period from 2012 to 2020.For that, we used the interregional computable general equilibrium (CGE) model, CGE-AMAZON, which was built to capture the specificities and heterogeneityof the region.Estimates of the economic contribution of deforestation to the Amazon regions growth would assess the relative cost of public policies.Thus, the paper estimates the implicit value of the deforestation in the economic dynamic in the Amazon regions.The simulation results indicate a positive contribution of deforestation between 2006 and 2011 on the Amazon economic growth, however small, of 0.3% to the total GDP of the region.Further this result is reinforced by the economic impacts of a hypothetical policy of controlling deforestation , suggesting a marginal loss on the economic growth of the regions.The results show that the policy cost, as measured by GDP, would be a reduction of only 0.054% on the accumulated period 2012-2020. Keywords: computable general equilibrium, Amazon, deforestation Edson Paulo Domingues UFMG/Cedeplar Av. Antônio Carlos, 6627 - sala 3046, 31270-901 Belo Horizonte, MG

31-34097092 domingues.edson@gmail.com Terciane Sabadini Carvalho UFMG/Cedeplar Av. Antônio Carlos, 6627 - sala 2097, 31270-901 Belo Horizonte, MG tersabadini@gmail.com Aline Souza Magalhães UFMG/Cedeplar Av. Antônio Carlos, 6627 - sala 2097, 31270-901 Belo Horizonte, MG alinesmagalhaes@hotmail.com

Índice Introdução ..................................................................................................................... 6

Capítulo 1. Economia e dinâmica do desmatamento na Amazônia Legal Brasileira ..... 9

Capítulo 2. Metodologia .............................................................................................. 11

2.1 Revisão de literatura de modelos EGC que estudaram questões relativas ao desmatamento ........................................................................................................ 12

2.2 O Modelo EGC-AMAZÔNIA: estrutura teórica ................................................... 13

2.3 Base de Dados do modelo ................................................................................ 15

2.4 Cenários de Desmatamento .............................................................................. 16

2.5 Modo de Operação do Modelo e Simulações .................................................... 17

Capítulo 3. Resultados ................................................................................................ 22

3.1 Resultados Microrregionais ............................................................................... 22

3.1.1 Expansão na oferta de terra entre 2006 e 2011: a contribuição do desmatamento .................................................................................................... 23

3.1.2 Política de controle de desmatamento 2012-2020 ...................................... 25

3.2 RESULTADOS AGREGADOS PARA O BRASIL E AMAZÔNIA LEGAL ........... 28

3.2.1 Expansão na oferta de terra entre 2006 e 2011 ......................................... 28

3.2.2 Política de controle de desmatamento 2012-2020 ...................................... 29

4. Considerações finais ............................................................................................... 31

Referências Bibliográficas .......................................................................................... 32

APÊNDICE – ESTRUTURA DO MODELO EGC-AMAZÔNIA ..................................... 39

Introdução

O desmatamento na Amazônia Brasileira tem atraído a atenção de

pesquisadores e do poder público, em suas diversas esferas, em torno de medidas e políticas que envolvem tanto sua aferição como controle. Dada sua grande biodiversidade, a floresta Amazônica tem sido também pauta de discussões da comunidade internacional, notadamente diante do crescente debate sobre as causas e consequências das mudanças climáticas globais. Além da importância da conservação de um dos maiores biomas de diversidade ecológica (Peres et al., 2010) e, abrigando a maior área de floresta primária do mundo - 35% do total mundial (FAO, 2010) - a região se tornou alvo de políticas de redução de desmatamento por se constituir em uma medida importante para a mitigação das emissões de Gases de efeito Estufa (GEE), uma vez que a maior parte das emissões no Brasil (cerca de 60% das emissões totais) provém da mudança no uso do solo e florestas (MCT, 2010)2.

Segundo o Instituto Nacional de Pesquisas Espaciais (INPE), em agosto de 2011 a área total desmatada3 na Amazônia Legal Brasileira4 alcançou aproximadamente 750 mil km2, o que representa cerca de 15% de sua área geográfica. A maior parte do desmatamento, em torno de 570 mil km2 foi observado entre 1977 e 2004. Ao longo da década de 1990, as taxas anuais de desmatamento situaram-se em torno dos 17 mil km2 com ascensão vertiginosa na década de 2000, quando o desmatamento anual alcançou 27 mil km2 em 2004 (SOARES-FILHOet al., 2009). Contudo, desde 2004, o ritmo de desmatamento tem declinado, situando-se em 5,7 mil km2 em 2011, a menor área desmatada medida pelo Programa de Observação do Desmatamento – PRODES (INPE, 2009). Essa queda pode ser associada à influência de fatores econômicos, como a redução dos preços internacionais da soja e da carne e a valorização do Real que desestimulou as exportações. Outro fator para a queda do desmatamento seria o aumento da fiscalização a partir de 2004, com a implementação pelo Governo Federal de programas como o Plano de Ação para a Prevenção e Controle do Desmatamento na Amazônia5 (SOARES-FILHO et al., 2009, ASSUNÇÃO et al., 2011). Conforme assinala Assunção et al. (2011), políticas públicas de combate ao desmatamento evitaram aproximadamente 62 mil km2 de área desmatada entre 2005 e 2009. Dentre as medidas de controle estão a expansão do

2 A mudança do uso do solo pode ser entendida como a conversão de florestas em áreas para outros fins, como pastagens, agricultura ou outra forma de uso da terra. O processo de desmatamento implica liberação de grande quantidade de dióxido de carbono (CO2) para a atmosfera, principalmente através das queimadas e decomposição dos resíduos e liberação do solo. Somente na Amazônia brasileira, na última década, o desmatamento foi responsável pela liberação média de cerca de 200 milhões de toneladas de carbono anuais (3% do total das emissões globais), não incluindo as emissões por incêndios florestais (HOUGHTON, 2005). Por outro lado, estudos sugerem que a redução nas taxas de desmatamento seria um meio de menor custo para conter as emissões de CO2 , comparado ao custo da redução do consumo de combustíveis fósseis nos países mais desenvolvidos (NORDHAUS, 1991). 3 Todavia, deve-se explicar o que se considera como terras “desmatadas”. Tradicionalmente, o desmatamento na Amazônia tem sido definido como “a destruição completa e permanente da floresta” para permitir usos alternativos da terra. Isso reflete uma visão de grande parte da literatura que foca na mudança do uso da terra, reconhecendo que a tendência do desmatamento na Amazônia é guiada pela demanda por novas áreas para cultivo ou pasto, diferente do predomínio da demanda por madeira, que ocorre em grande parte da Ásia, ou lenha, como em parte da África (GEIST e LAMBIN, 2002). 4 A Amazônia Legal Brasileira foi instituída por lei (em 1953 no governo Vargas) para fins de planejamento econômico da região amazônica, englobando os Estados do Norte (Acre, Amazonas, Amapá, Pará, Rondônia, Roraima e Tocantins), além do Estado do Mato Grosso e oeste do Maranhão, representando cerca de 60% do território brasileiro. 5 O Plano de Ação para a Prevenção e Controle do Desmatamento na Amazônia Legal (PPCDAM) - lançado em 2004 como resposta governamental às crescentes taxas de desmatamento na Amazônia - tem como objetivo promover a redução das taxas de desmatamento por meio de um conjunto de ações integradas de ordenamento territorial e fundiário, monitoramento e controle ambiental, fomento a atividades produtivas sustentáveis, envolvendo parcerias entre órgãos federais, governos estaduais, prefeituras, entidades da sociedade civil e o setor privado.

raio de áreas protegidas na Amazônia de 1,26 para 1,82 milhões de km2, atrelado ao cancelamento de crédito para proprietários de terras ilegais (NEPSTADet al., 2009).

O Gráfico 1 ilustra a evolução do desmatamento anual para a Amazônia Legal como um todo e para os estados que a compõem, com destaque para a queda na taxa de desmatamento a partir de 2004. O desmatamento na região é principalmente concentrado no chamado “arco do desmatamento”, que compreende o sudeste do Maranhão, norte do Tocantins, sul do Pará, norte do Mato Grosso, Rondônia, sul do Amazonas e sudeste do Acre (FERREIRAet al. 2005). Entre 2009 e 2011, cerca de 70% do desmatamento observado no período se concentrou nos estados do Pará e Mato Grosso. O primeiro tem se situado como o estado de maior desmatamento desde 2005, posto que era ocupado até então pelo estado do Mato Grosso.

Gráfico 1: Evolução do desmatamento anual (1988- 2011)

Km2/ano

Fonte: Prodes (INPE). Nesse contexto de redução de desmatamento e negociações de renovação do

Protocolo de Kyoto, o governo brasileiro apresentou na COP 156, realizada em dezembro de 2009 em Copenhague, metas nacionais voluntárias de reduções de emissões de GEE até 2020 (reduções entre 36,1% e 38,9% das emissões projetadas até 2020)7, propondo como principal meio, diminuir a taxa de desmatamento da Amazônia em 80% nesse período (redução estimada de 564 milhões de toneladas de CO2).

Algumas projeções sugerem que o desmatamento amazônico, apesar da recente redução nas suas taxas, poderá se expandir nas próximas décadas. É o que apontam Gouvello (2010) e Soares et al. (2006). Estima-se que até 2040 o desmatamento projetado pode eliminar 40% dos atuais 5,4 milhões de km2 de florestas caso o padrão de ocupação siga a trajetória das últimas duas décadas (SOARESet al., 2006). Outra estimativa conclui que as emissões totais da mudança no uso do solo e florestas no Brasil podem crescer cerca de 25%, alcançando uma taxa anual de 916 mil toneladas de CO2 equivalente até 2030 (GOUVELLO, 2010). 6 A COP 15 foi a Conferência das Partes, realizada pela UNFCCC – Convenção-Quadro das Nações Unidas sobre Mudança do Clima, de 7 a 18 de dezembro de 2009, em Copenhague (Dinamarca), em que ONGs, empresas e pessoas interessadas discutiram como o mundo pode resolver a ameaça do aquecimento global. 7 Estas metas foram definidas na Política Nacional sobre Mudança do Clima (PNMC), aprovada pelo Congresso Nacional (Lei no 12.187) em 2009.

0

5000

10000

15000

20000

25000

30000

35000

Amazônia Legal

Acre

Amazonas

Amapá

Maranhão

Mato Grosso

Pará

Rondônia

Roraima

Tocantins

Áre

aD

esm

atad

a(k

m2)

Estas projeções ganham ainda mais força ao se considerar às perspectivas de aprovação de algumas medidas do Novo Código Florestal8, que dentre outros aspectos trata das áreas de preservação permanente (APPs) e reservas legais (RL). Entre alguns dos pontos do Novo Código estão a redução do limite da RL na Amazônia Legal9 e a regularização de cultivos de pequenos proprietários em APPs10.

Um estudo recente do IPEA analisou a proposta do novo código florestal. Conforme esse estudo, se fossem mantidos os principais pontos da proposta, cerca de 29 milhões de hectares de mata nativa deixariam de ser recuperados no país, na perspectiva mais otimista, com o agravante de intensificação significativa do desmatamento, na mais pessimista. Em contrapartida, a recuperação da reserva legal já desmatada compensaria a emissão de 3,15 bilhões de toneladas de carbono. Isso seria o suficiente para cumprir em quatro anos a meta de redução de emissão por desmatamento assumida pelo governo brasileiro (IPEA, 2011).

A discussão sobre o controle do desmatamento tem, portanto um caráter ambiental e global. Além destes, há a importância da agropecuária e o extrativismo na dinâmica econômica regional, muitas vezes dependente da expansão da área ocupada, por meio do desmatamento. O agronegócio ligado à produção de grãos e à pecuária bovina tem aumentado o seu peso relativo no desempenho econômico dos estados de Mato Grosso, Rondônia, Tocantins, Pará e Maranhão. A participação do setor agropecuário, por exemplo, é expressiva no estado do Mato Grosso (40,8%) e significativa nos estados do Pará (22,8%), Maranhão (20,1%), Rondônia (15,3%) e Tocantins (12,9%) (BRASIL, 2008; IBGE, 2005). Significativa parcela dessa produção é destinada aos mercados do Centro-Sul do país, com especial destaque para os bens agropecuários (carne, soja) e produtos madeireiros, ao passo que a outra parte se dirige ao mercado externo (MMA, 2012). Segundo o IBGE, de 1990 até 2008 o rebanho da região passou de 21,1 milhões de cabeças (18% do total nacional) para 73,9 milhões (43% do total brasileiro) (IBGE, 2006). Cerca de 75% de novas reses acrescidas ao rebanho nacional provêm da Amazônia. Essa expansão, no entanto, apresenta baixíssima produtividade, representando menos de uma cabeça por hectare (MMA, 2012, ALENCARet al., 2006).

Portanto, parte significativa do desempenho econômico nessas regiões parece ter sido obtido à custa do desmatamento da floresta Amazônica. Não por menos, na última década do século XXI essas atividades (agricultura, pecuária, extração de madeira e mineração) são apontadas como as principais causas da expansão do desmatamento na Amazônia Legal. Além disso, uma alternativa de ocupação e proteção lucrativa das florestas não foi estabelecida, seja por políticas públicas ou mecanismos de mercado. Por exemplo, ainda não se constituíram mercados para os serviços ambientais prestados pelos ecossistemas que recompensem a quem protege o meio ambiente, ou para os produtos nativos do patrimônio biológico da região, fornecedor de insumos para a bioindústria (BRASIL, 2008).

A região enfrenta uma gama de desafios que perpassa sobre questões sociais, ambientais, éticas, políticas e econômicas (MARGULLIS, 2003). Talvez o principal desses desafios, para o Brasil, seja o de proteger a floresta amazônica e ao mesmo tempo crescer como potência emergente.

8 O Código Florestal Brasileiro foi criado pela Lei nº 4.771 em 15 de setembro de 1965. O Código estabelece limites de uso da propriedade, que deve respeitar a vegetação existente na terra, considerada bem de interesse comum a todos os habitantes do Brasil. O primeiro Código Florestal Brasileiro foi instituído pelo Decreto nº 23.793, de 23 de janeiro de 1934. 9 A parcela a ser preservada no código Florestal atual é de 80% podendo cair para 50% em estados que tenham 65% de áreas protegidas ou terra indígenas em seu território, ponto este sancionado pela presidenta Dilma. 10 Retirado de reportagem disponível em <http://g1.globo.com/politica/noticia/2012/05/confira-justificativas-de-dilma-aos-vetos-do-codigo-florestal.html>. Acesso em 14 de outubro de 2012.

Parece bastante relevante, dessa forma, investigar aspectos de um provável trade off entre os objetivos de conservação ambiental (redução do desmatamento) e de crescimento econômico na Amazônia Legal. Estimativas da contribuição econômica do desmatamento para o crescimento das regiões da Amazônia Legal permitiriam avaliar, por exemplo, o custo relativo de políticas públicas, como o pagamento de serviços ambientais ou de créditos de carbono por emissões evitadas de GEE. Este é o objetivo deste trabalho, que procura estimar o valor implícito do desmatamento para a dinâmica econômica das regiões da Amazônia Legal. Estas estimativas são feitas observando-se dois cenários: o desmatamento efetivo na região, de 2006 a 2011; e políticas hipotéticas de controle do desmatamento entre 2012 e 2020.

Este trabalho está dividido em mais quatro seções, além desta introdução. A primeira seção discute, brevemente, a economia e o desenvolvimento da Amazônia, com foco nos estudos sobre as causas do desmatamento na região entre 1990 e 2010. A segunda seção apresenta a metodologia utilizada nas estimativas de contribuição do desmatamento e custos de controle desse processo. Em seguida, têm-se as discussões e análises dos resultados. E por fim, tecem-se as considerações finais.

Capítulo 1. Economia e dinâmica do desmatamento na Amazônia Legal Brasileira A Amazônia Legal cobre cerca de 60% do território brasileiro e abriga 21

milhões de habitantes, 12% da população total nacional dos quais 70% vivem em cidades e vilarejos (BRASIL, 2008). Em termos econômicos, ocupa o segundo e o terceiro lugar no Brasil, respectivamente na produção mineral (minério de ferro, ouro, cobre e alumínio etc.) e de bens de consumo e capital (produção de eletroeletrônicos, eletrodomésticos, equipamentos industriais etc.). Este último se deve à presença da Zona Franca de Manaus.

Ao longo das últimas décadas do século XXI, a dinâmica econômica da região apresentou algumas transformações importantes. A partir dos anos setenta se iniciou um período de crescimento econômico expressivo, estimulado pelas políticas de ocupação da região, com crescimento do PIB acima da média nacional ao longo da década de 80. Nos anos 90, por sua vez, a economia apresentou sinais de arrefecimento nas taxas de crescimento verificadas nas décadas anteriores, sobretudo, em função dos limites de inserção de uma economia caracterizada por baixo grau de inovação tecnológica e dependência da produção de matérias-primas, em um contexto de competição dada a liberalização econômica e globalização. Já nos primeiros anos da década de 2000, verificou-se certa reversão desse quadro, com a recuperação do ritmo de crescimento, principalmente em decorrência da maior dinâmica econômica da região (BRASIL, 2008).

Alguns especialistas sustentam que três principais bases econômicas suportam o desempenho econômico da Amazônia Legal. A primeira tem como lócus o Triângulo de Carajás, que a partir da maturação dos investimentos públicos e os incentivos fiscais desenvolveu um complexo de setores mínero-metalúrgico, hidroelétrico, portuário e industrial. Tal complexo abarca a área que abrange Belém, Marabá e Oriximiná, no Pará; São Luís e Imperatriz, no Maranhão; e Macapá, no Amapá. Outra área dinâmica é a Zona Franca de Manaus, com um núcleo eletroeletrônico, vinculado a empresas nacionais e multinacionais, especializado em bens duráveis. E por fim, a chamada “Faixa Agropecuária” que se estende pelos estados do Amazonas, Pará, Acre, Mato Grosso e Rondônia, onde se combinam a agroindústria da soja, a pecuária, o extrativismo vegetal e a agricultura tradicional (SANTANA, 2009; BRASIL, 2008)

O processo de desmatamento da Amazônia Legal brasileira data notadamente da década de 70 com o inicio da ocupação da região que incentivou um processo migratório e um consequente adensamento urbano (FERREIRA e SALATI, 2005;

BECKER, 2006). Segundo Reis e Margullis (1991) essa expansão foi motivada pela facilidade de crédito, abundância de terras e pelos incentivos fiscais; e reforçada pela relação positiva entre a criação de corredores de acesso à região, a migração e a especulação fundiária. Além disso, a legislação brasileira teria estimulado, de certo modo, o desmatamento, à medida que a reivindicação de terra se dava a partir da comprovação produtiva de seu uso.

Esta relação entre migração e criação de corredores de acesso à região a partir da abertura de estradas é apontado como um dos principais determinantes do desmatamento (ANDERSEN e REIS, 1997; PFAFF, 1997; FERREIRA, 2001; NEPSTAD et al., 2001; SOARES et al., 2005). Os resultados encontrados em Nepstad et al. (2001), por exemplo, indicaram que três quartos do desmatamento entre 1978 e 1994 ocorreu dentro de uma faixa de 100 km de largura ao longo das rodovias BR 010 (Belém-Brasília), BR 364 (Cuiabá-Porto Velho) e PA 150. A densidade demográfica, neste sentido, também contribuiu, representando uma das forças motrizes do desmatamento (PFAFF, 1997; IGLIORI, 2008). Estudos sobre a ocupação da Amazônia retratam que, no processo de ocupação de terras da região, pequenos proprietários de terra foram expandindo a fronteira agrícola, sendo, posteriormente, substituídos por uma segunda geração de proprietários, com maior capitalização e ocupando áreas maiores (SOUZA et. al, 2012). Ao mesmo tempo, essa dinâmica forçou os pequenos agricultores a procurarem novas áreas de ocupação, abrindo assim novas fronteiras para o desmatamento. Neste contexto, a insegurança sobre os direitos de propriedade e regularização das terras (MENDELSOHN, R., 1994,FEARNSIDE, 2005; ARAÚJO et. al, 2009), juntamente com políticas fiscais e creditícias contribuíram para esse processo de expansão da fronteira agrícola (BINSWANGER, 1991; WALKER et al, 2000; MARGULLIS, 2003; MERTENS et al, 2002).

A retirada em grande escala de madeira e o corte seletivo de espécies mais rentáveis (mogno, principalmente), também desempenha papel importante no desmatamento. Esse processo é intensificado de tal forma que as estradas para a retirada de madeira tornam as fronteiras acessíveis para o investimento em plantações de soja e criação de gado, por exemplo (FEARNSIDE, 2005; BRANDAO et. al, 2007; PERZ et al., 2008). Além disso, a extração da madeira aumenta a inflamabilidade da floresta, levando a queimadas que “colocam em movimento um círculo vicioso de mortalidade das árvores” (FEARNSIDE, 2005, p. 116), conduzindo a um processo total de desmatamento11.

Diversos trabalhos consideram que, nas duas últimas décadas do século XXI o processo de desmatamento tem sido resultado das decisões econômicas sobre usos alternativos da terra. Esta nova dinâmica está ligada principalmente ao mercado externo, impulsionada pela rentabilidade das principais atividades, como a extração madeireira, a pecuária e, nos últimos anos, a agroindústria (FEARNSIDE, 2003; MARGULIS, 2003; e ALENCAR et al., 2004).

Mais recentemente as atividades agropecuárias têm conduzido à discussões acerca dos condicionantes do desmatamento na região. Muitos trabalhos indicam que a pecuária em larga escala é ainda o fator mais relevante nesse sentido (CHOMITZ e THOMAS, 2001; MARGULIS, 2003; FEARNSIDE, 2005; CASTRO, 2005; MIRAGAYA, 2008; RIVERO et al., 2009; BARONA et. al, 2010; OLIVEIRA Jr. et al., 2010). Segundo Aguiar et al. (2007), a área convertida em pastagens corresponde a cerca de 70% da área total desmatada na região, que atrelada à baixa produtividade foi responsável por estender o arco do desmatamento (CHOMITZ e THOMAS, 2001).

A expansão da agricultura mecanizada para a produção de grãos, com especial destaque para a soja e o milho, tem liderado o processo recente de expansão da

11 Fatores geoecológicos como a qualidade do solo, precipitação e temperatura da região também são apontados como favoráveis ao processo de desmatamento (CHOMITZ e THOMAS, 2003).

fronteira agrícola em direção às áreas de florestas (JARAMILLO e KELLY, 1999; CASTRO, 2005, FEARNSIDE, 2005; BICKEL e DROSS, 2003; CARVALHO et al., 2002). Estudos indicam que, em termos relativos, a agricultura estaria se expandindo a uma taxa maior do que a pecuária (MORTON et. al, 2006; MERTENS et al. 2002; KAIMOWITZ et al., 2004). A área de desmatamento na fronteira agrícola, segundo os autores foi, em média, o dobro da área para as pastagens, e tal conversão ocorreu muito rapidamente. Não obstante, a soja se expandiu em áreas antes ocupadas por pastagens, e, que por isso, não representaria um processo de desmatamento novo, no sentindo da degradação de áreas florestais (MUELLER, 2003; ALENCAR et al., 2004; LAURANCE et al., 2004; BRANDÃO et al., 2005).

Cabe ressaltar que nos últimos anos tem-se verificado uma redução nas taxas de desmatamento, especialmente a partir de 2004. Conforme aponta Assunção et. al (2011), dois fatores explicam tal redução. Condições de mercado, em especial a forte retração dos preços dos produtos agropecuários intensificado pela valorização cambial, teriam inibido a conversão de florestas em novas áreas para a agropecuária. O segundo fator determinante foram as políticas de conservação introduzidas na segunda metade dos anos 2000, com mecanismos mais eficientes de controle e monitoramento e criação de novas unidades de conservação.

O objetivo deste trabalho é estudar como o desmatamento pode ter contribuído para a economia da Amazônia Legal, considerando sua heterogeneidade setorial e regional. Assim, estimamos a contribuição econômica das áreas desmatadas para o crescimento econômico das regiões na Amazônia Legal em um período recente (2006 a 2011). Posteriormente, simulamos os impactos econômicos que uma política hipotética de redução do desmatamento teria sobre a economia das regiões da Amazônia Legal. Os números obtidos neste tipo de análise, inéditos para a economia brasileira, podem ser um subsídio para a elaboração de políticas publicas de controle do desmatamento na Amazônia. A metodologia utilizada nesse trabalho é a de simulações, com a utilização de um modelo de equilíbrio geral computável inter-regional para a economia brasileira, especialmente construído para as regiões da Amazônia Legal e o problema em tela.

Capítulo 2. Metodologia O EGC-AMAZÔNIA, desenvolvido para este estudo, é um modelo de Equilíbrio

Geral Computável (EGC) bottom-up para as 103 microrregiões da Amazônia Legal (Amazônia) e restante do Brasil. Trata-se do primeiro modelo EGC operacional para as microrregiões brasileiras da Amazônia, trazendo aperfeiçoamentos tanto na sua base de dados como especificação teórica12. O modelo permite analisar, entro outros fenômenos, como o desmatamento e políticas de controle podem afetar a região da Amazônia em termos setoriais, regionais e macroeconômicos.

No escopo da metodologia escolhida são feitos dois exercícios de simulação. No primeiro, estima-se a contribuição econômica do desmatamento observado (2006-2011) para as regiões da Amazônia legal. No segundo, estima-se o impacto de políticas de contenção de desmatamento que restringem as possibilidades de expansão da atividade agrícola e, desse modo, causam perdas econômicas. O modelo permite quantificar tanto os benefícios da expansão da ocupação da terra

12 O desenvolvimento do modelo se deu no âmbito das pesquisas do Núcleo de Estudos em Modelagem Econômica e Ambiental Aplicada (NEMEA) do Cedeplar-UFMG. O NEMEA conta com a participação de professores e alunos da pós-graduação do curso de Economia do Cedeplar coordenado pelo professor Edson Domingues. O modelo servirá também como base para pesquisas no âmbito do projeto UrbisAmazônia, coordenado pelo INPE e do qual participam professores e pesquisadores do Cedeplaf-UFMG.

(desmatamento observado) como os custos econômicos da sua redução em todas as regiões. Nas duas simulações, o modelo é alimentado com dados de áreas desmatadas por microrregião, os dados do INPE entre 2006 e 2011 e com projeções de redução do desmatamento para o período de 2011 a 2020, e são geradas estimativas de crescimento da produção agropecuária, do emprego e outros indicadores socioeconômicos (como o preço dos alimentos, PIB regional, exportações e bem-estar).

2.1 Revisão de literatura de modelos EGC que estudaram questões relativas ao desmatamento

Podem-se destacar duas categorias de modelos que têm sido aplicados aos

estudos que investigam os impactos econômicos do desmatamento (e seus determinantes) e das mudanças no uso da terra. A primeira categoria consiste em modelos de equilíbrio parcial, que segundo Mattei (2007), são utilizados para avaliar os efeitos de políticas agrícolas, comerciais ou climáticas no setor agrícola ou florestal, e/ou estudarem os determinantes do desmatamento e das mudanças no uso da terra através de uma mudança exógena nos preços dos produtos agrícolas. No entanto, os modelos de equilíbrio parcial são limitados, pois não consideram como a política afetaria os preços relativos dos insumos e produtos e não conseguem apresentar a distribuição dos impactos econômicos pelos setores e regiões de uma economia. Nesse caso, existe uma segunda categoria que são os modelos de equilíbrio geral computável (ou aplicado), entre os quais se destacam estudos que incorporaram o uso da terra de forma explícita, seja em modelos globais (DARWIN et al., 1995), modelos para o Brasil (FERREIRA FILHO e HORRIDGE, 2011) e mais especificamente, aqueles que abordam o desmatamento na Amazônia (CATTANEO, 2001 e PATTANAYAK et al., 2010).

Cattaneo (2001) examinou a relevância de um conjunto de variáveis mencionadas na literatura como responsáveis pelo desmatamento da Amazônia utilizando um modelo EGC estático regional (Amazônia, Centro-Oeste, Nordeste, restante do Brasil). Os dados da matriz de insumo-produto foram calibrados para o ano de 1995 e os dados do Censo Agropecuário produziram a regionalização das atividades agrícolas. Considerou-se um cenário de curto prazo assumindo rigidez de salários e a não migração de trabalho e capital entre as regiões; e outro de longo prazo, que assume flexibilidade de salários e permite a migração. Entre as simulações realizadas tem-se: i) desvalorizações na taxa de câmbio real entre 5% a 40%, ii) abolição dos subsídios agrícolas em todo o país, e iii) uma redução dos custos de transporte. Seu trabalho concluiu que existe um significante trade-off entre a conservação da floresta e o crescimento da agricultura.

Pattanayak et al. (2010) analisaram uma política conhecida como FLONAS, que objetiva expandir em 50 milhões de hectares o sistema nacional de florestas do Brasil, e seus impactos na saúde e na riqueza por meio de um modelo EGC dinâmico de 2010 a 2050. Foi considerado um cenário de aquecimento moderado do IPCC em que ocorre um aumento de 2ºC na temperatura. O modelo Análise Dinâmica Aplicada da Economia Global (Applied Dynamic Analysis of Global Economy - ADAGE) combina uma estrutura teórica EGC com dados econômicos observados em 2005, cobrindo todo o tipo de interação entre firmas e famílias nos países ao redor do mundo. Os dados do GTAP descrevem as condições econômicas iniciais, a tecnologia de produção e os padrões de consumo do Brasil e de outras regiões do mundo (Brasil, resto da América do Sul, Estados Unidos, Europa e resto do mundo).O modelo inclui duas famílias (rural e urbana), três setores agrícolas (cultivo, pecuária e florestas), um setor de produtos alimentícios, um setor de produtos florestais (madeira e papel), e outros nove setores não-agrícolas.

No “cenário base” ocorre uma redução de 0,3% (urbano) e 0,6% (rural) no estoque de trabalho por causa do aumento das doenças relacionadas às mudanças do clima e dos três milhões de hectares de florestas que são desmatados anualmente. Desse modo, o “cenário base” é comparado ao cenário de conservação FLONAS. Os principais resultados mostraram que a conservação da floresta se contrapõe aos impactos negativos causados na saúde pelas mudanças climáticas. Entretanto, a conservação causa uma pequena perda no PIB (-0,1) e também em outros indicadores (investimentos, exportações e importações).

Em relação aos modelos mencionados, o modelo EGC-AMAZÔNIA se diferencia por sua detalhada desagregação regional, 103 microrregiões da Amazônia e restante do Brasil. Pelo que se sabe da literatura, é o modelo com maior detalhamento regional construído para a economia brasileira, e também o mais detalhado para a Amazônia. Essa maior desagregação foi adotada a fim de capturar as especificidades e ampla heterogeneidade econômica das regiões da Amazônia. Portanto, as políticas de contenção do desmatamento podem apresentar impactos bastante diferenciados por toda a região. Entender como se dá esse processo e de que maneira regiões com diferentes níveis de desenvolvimento e estrutura produtiva podem ser afetadas é um dos objetivos deste trabalho.

2.2 O Modelo EGC-AMAZÔNIA: estrutura teórica O EGC-AMAZÔNIA13 é um modelo multirregional bottom-up do tipo Johansen,

em que a estrutura matemática é representada por um conjunto de equações linearizadas e as soluções são obtidas na forma de taxas de crescimento. Nessa tradição de modelagem também estão outros trabalhos para a economia brasileira, como os modelos PAPA (GUILHOTO, 1995), B-MARIA (HADDAD, 1999), EFES (HADDAD e DOMINGUES, 2001) e SPARTA (DOMINGUES, 2002).

O EGC-AMAZÔNIA é composto por blocos de equações que determinam relações de demanda e oferta, de acordo com hipóteses de otimização e condições de equilíbrio de mercado. Além disso, vários agregados nacionais são definidos nesses blocos, como nível de emprego agregado, PIB, saldo comercial e índices de preços. No EGC-AMAZÔNIA os setores produtivos minimizam os custos de produção sujeitos a uma tecnologia de retornos constantes de escala em que as combinações de insumos intermediários e fator primário (agregado) são determinados por coeficientes fixos (Leontief). Há substituição via preços entre produtos domésticos e importados na composição dos insumos via função de elasticidade de substituição constante (CES). Uma especificação CES também controla a alocação do composto doméstico entre as diversas regiões. Isso implica que regiões com queda de custo relativo de produção aumentam seu market-share nas regiões de destino do produto. Também ocorre substituição entre capital, trabalho e terra na composição dos fatores primários por meio de funções CES, entretanto o fator terra está alocado apenas nos setores de Agricultura e Pecuária.

Os produtos de uma determinada microrregião direcionados para outra são compostos pelos valores básicos e pelas margens de comércio e transporte. A participação de cada margem no preço de entrega é uma combinação de origem, destino, produto e fonte (doméstico ou importado). As margens sobre os produtos de uma região para outra podem ser produzidas em diferentes regiões. Espera-se que as margens sejam distribuídas mais ou menos equitativamente entre origem e destino, ou

13O ponto de partida da especificação teórica do EGC-AMAZÔNIA foi o modelo IMAGEM-B (MPOG, 2008) desenvolvido no Cedeplar-UFMG, utilizado em diversos estudos para a economia brasileira. Diferentemente doIMAGEM-B, o EGC-AMAZÔNIA uma desagregação setorial e regional distinta, uma base de dados específica e diversas alterações na especificação teórica, especialmento no uso do fator terra..

entre regiões intermediárias no caso de transporte entre regiões mais distantes. Existe substituição nos fornecedores de margem de acordo com uma função CES.

No modelo, há uma família representativa para cada microrregião, que consome bens domésticos (das microrregiões) e bens importados. A escolha entre domésticos e importados (de outros países) é realizada por uma especificação CES (hipótese de Armington14). O tratamento da demanda das famílias é baseado num sistema combinado de preferências CES/Klein-Rubin. Assim, as equações de demanda são derivadas de um problema de maximização de utilidade, cuja solução segue etapas hierarquizadas. No primeiro nível ocorre substituição CES entre os bens domésticos e importados. No nível subsequente há uma agregação Klein-Rubin dos bens compostos. Assim, a utilidade derivada do consumo é maximizada segundo essa função de utilidade. Essa especificação dá origem ao sistema linear de gastos (LES)15, no qual a participação do gasto acima do nível de subsistência, para cada bem, representa uma proporção constante do gasto total de subsistência de cada família.

Não existe no modelo relação fixa entre capital e investimento e essa relação é escolhida de acordo com os requisitos específicos da simulação. A primeira configuração especifica é que a criação do novo estoque de capital em cada setor está relacionada com a lucratividade do setor. Como discutido em Dixon et al. (1982), este tipo de modelagem se preocupa primordialmente com a forma como os gastos de investimento são alocados setorialmente, e não com a determinação do investimento privado agregado. Além disso, a concepção temporal de investimento empregada não tem correspondência com um calendário exato; esta seria uma característica necessária se o modelo tivesse o objetivo de explicar o caminho de expansão do investimento ao longo do tempo. Destarte, a preocupação principal na modelagem do investimento é captar os efeitos de choques exógenos na alocação do investimento do ano corrente entre os setores.

As exportações setoriais respondem à curvas de demanda negativamente associadas aos custos domésticos de produção e positivamente afetadas pela expansão exógena da renda internacional, adotando-se a hipótese de país pequeno no comércio internacional. Não há uma teoria para o mercado de trabalho e a relação entre emprego e salários é escolhida conforme os objetivos da simulação. O consumo do governo é exógeno. A terra é considerada um fator de produção fixo e exógeno ao modelo. Como existe substituição entre os fatores primários terra, trabalho e capital, a demanda por terra aumenta em relação aos outros fatores se o seu preço se torna relativamente mais baixo. Portanto, sendo a terra exógena, seu preço se ajusta para equilibrar o mercado de terra.

O EGC-AMAZÔNIA opera com equilíbrio de mercado para todos os bens, tanto domésticos quanto importados, assim como no mercado de fatores (capital, terra e trabalho) em cada microrregião. Os preços de compra para cada um dos grupos de uso em cada microrregião (produtores, investidores, famílias, exportadores, e governo) são a soma dos valores básicos e dos impostos sobre vendas (diretos e indiretos) e margens (de comércio e transporte). Impostos sobre vendas são tratados como taxas ad-valorem sobre os fluxos básicos. As demandas por margens (transporte e comércio) são proporcionais aos fluxos de bens aos quais as margens estão conectadas.

14 Hipótese de Armington - bens de origens diferentes são tratados como substitutos imperfeitos. 15O LES é adequado para amplos agregados de bens onde substituições específicas não são consideradas. Isto é, elasticidades de preços-cruzados são iguais ao efeito renda dado na equação de Slutsky sem qualquer contribuição dos efeitos de preço-cruzado [ver Chiang (1974), p.400)]. Isso implica que todos os bens são complementares fracos. O sistema linear de gastos não permite a inclusão de bens inferiores (i.e., elasticidades renda negativas).

2.3 Base de Dados do modelo

A base de dados do modelo EGC-AMAZÔNIA foi construída por meio de um

processo de regionalização da matriz de insumo-produto nacional de 2005. O procedimento partiu da metodologia proposta em Horridge (2006), adaptada para o caso brasileiro. O procedimento é composto por três estágios e pode ser resumido da seguinte forma: i) no primeiro estágio são criados arquivos para a inserção dos dados regionais, ao mesmo tempo em que é realizada a checagem da consistência dos dados da matriz nacional de 2005; ii) no segundo estágio toda a base de dados bottom-up é construída por meio da interação de diversos procedimentos e equações que permitem a desagregação necessária dos dados; e iii) por fim, no último estágio é possível realizar as agregações setoriais e regionais desejadas, a partir das quais é aplicada uma simulação teste que checa a consistência da base de dados gerada.

Desse modo, a partir dos dados da matriz de insumo-produto de 2005 (110 setores e 110 produtos) e de um grande conjunto de indicadores regionais estima-se uma matriz de comércio inter-regional por meio de uma série de fórmulas utilizando uma matriz de distâncias e uma abordagem gravitacional. A principal hipótese da abordagem gravitacional16 é que o comércio inter-regional está baseado na distância entre as regiões e na interação derivada do tamanho de suas economias. Depois de criada a matriz de comércio inter-regional, um ajuste é realizado para preservar as relações contábeis de igualdade entre oferta e demanda, para isso, o método RAS17 foi utilizado. Detalhes do procedimento de construção da base de dados do modelo estão em Carvalho, Magalhães e Domingues (2012). O resultado desse procedimento é a total consistência da base de dados com os dados oficiais das Contas Regionais, Contas Nacionais, Matriz de Insumo-Produto, informações do IBGE; e Comércio Exterior (SECEX), Produção Industrial (PIA) e Emprego (RAIS).

Um dos componentes mais importantes da base de dados para as simulações deste trabalho são a remuneração e uso do fator terra por microrregião na Amazônia Legal. No modelo, o fator terra foi alocado para os setores agricultura e pecuária em cada região. Em alguns trabalhos na literatura, como em Banerjee (2008) e Cattaneo (2001), a remuneração do fator terra foi calculada segundo a hipótese de que aproximadamente 20% do gasto total dos setores de agricultura e pecuária em capital são gastos com a remuneração desse fator.

Na base de dados do modelo EGC-AMAZÔNIA, a remuneração do fator terra foi obtida a partir dos dados das “Despesas realizadas pelos estabelecimentos – Arrendamento de terras” do Censo Agropecuário de 2006 (IBGE). A divisão dessa informação entre pecuária e agricultura foi feita de acordo com os valores de arrendamento de terras por grupo de atividade. Por exemplo, para a agricultura foram somados os valores de arrendamento dos grupos: produção de lavoura temporária, horticultura e floricultura, produção de lavouras permanentes, sementes, mudas e outras formas de propagação vegetal e produção florestal. Já para a pecuária foram somados os valores de arrendamento da pecuária e criação de outros animais, pesca e aquicultura. Como a base de dados do modelo é 2005, foi aplicado um deflator para que os valores monetários do Censo se equiparassem aos da matriz de insumo-produto. Assim obteve-se a remuneração da terra em termos nacionais para

16 Uma difundida justificativa teórica à ideia de que os fluxos bilaterais de comércio dependem positivamente da renda das regiões e negativamente da distância entre elas baseia-se em um modelo de comércio desenvolvido por Krugman (1980). Um maior detalhe do método e algumas aplicações podem ser vistos em Miller e Blair (2009). 17 O método RAS é um mecanismo interativo, que busca ajustar os valores das linhas e colunas de uma matriz, considerando a proporcionalidade dos valores totais. Esse método calcula um novo conjunto de valores para as células de uma matriz, a partir de uma estrutura já existente, fazendo com que a soma das linhas e das colunas fiquem consistentes com o total esperado. Maiores detalhes sobre o método RAS podem ser encontradas em Miller e Blair (2009).

agricultura e pecuária. O último passo foi dividir a remuneração da terra por microrregião e para isso considerou-se que o valor da mesma é proporcional à produção da agricultura e pecuária em cada região.

2.4 Cenários de Desmatamento

Os dados de desmatamento são as informações de entrada (choques) para as duas simulações com o EGC-Amazônia. A primeira simulação é feita com os dados do desmatamento observado entre 2006 e 2011. O período foi escolhido devido ao ano base do modelo (2005) e o ano mais recente de dados observados de desmatamento. Neste exercício de simulação, o modelo é utilizado para estimar a contribuição econômica das áreas desmatadas na Amazônia. A hipótese de trabalho é de que toda a área desmatada se converte em área ocupada para a agricultura e pecuária das regiões, representando, portanto uma expansão da disponibilidade do fator de produção denominado terra. Embora seja uma suposição forte, já que as áreas desmatadas podem ter outras finalidades, como extração de madeira, por exemplo, o modelo irá capturar o crescimento econômico que poderia ser obtido caso toda a terra desmatada fosse convertida para a produção econômica da região. Além disso, a agricultura e especialmente a pecuária, são importantes forças motrizes do desmatamento (SCHMINK e WOOD , 1992; REIS e MARGULLIS, 1991, 2003; ANDERSEN et al., 2002), o que justifica esse procedimento.

O segundo exercício de simulação consiste em projetar os efeitos de uma política de controle do desmatamento sobre o crescimento econômico das regiões da Amazônia entre 2012 a 2020. Para projetar os efeitos da política é necessário adotar um cenário que apresente a trajetória do desmatamento até 2020 e, assim, avaliar as metas de controle dentro deste cenário (perdas econômicas desencadeadas por essa restrição na oferta de terra). De um modo geral, estas estimativas refletem o custo de oportunidade de políticas de redução do desmatamento na região. O cenário de desmatamento utilizado nesta simulação foi baseado na pesquisa desenvolvida em Bittencourt (2011). Este trabalho utilizou uma modelagem dinâmica espacial para a distribuição de metas de redução do desmatamento para os municípios da Amazônia Legal brasileira, e estimou o potencial de redução de emissões de gases de efeito estufa (GEE) e de receitas financeiras advindas de um futuro mecanismo de REDD+. O modelo levou em consideração a Política Nacional de Mudanças Climáticas (PNMC) e os planos publicados de combate ao desmatamento dos estados do Acre, Amazonas, Mato Grosso e Pará. Para alcançar os seus objetivos, o autor utilizou mapas georreferenciados como variáveis explicativas e simulou a tendência do desmatamento de 2006 a 2020, com um modelo dinâmico desenvolvido no software Dinâmica Ego18.

A partir desse cenário de desmatamento futuro, o EGC-AMAZÔNIA pode simular a política de controle de desmatamento para analisar como a economia da região será afetada. Em linhas gerais, quanto maior a meta de redução de desmatamento maior será a restrição na oferta de terra, influenciando diretamente a produção da agropecuária nas diferentes regiões da Amazônia. A Figura 1 mostra este cenário de desmatamento apresentando a média da área desmatada ao ano entre 2012 a 2020.

Pela Figura 1 observa-se que os estados do Pará, Mato Grosso e Rondônia apresentam mais microrregiões com maior área desmatada. Destacam-se Aripuana no Mato Grosso, com uma média de 816 km2, seguido por Altamira, com média de 742 km2 e Itaiatuba no Pará, com 638 km2 desmatados ao ano. Outras regiões que 18O Dinâmica Ego é um software desenvolvido na Universidade Federal de Minas Gerais que permite a construção de modelos de simulação explicitamente espaciais de dinâmica da paisagem, utilizando funções de transição multi-escalares e cálculos de variáveis dinâmicas que permitem feedback e iterações entre sub-regiões (SOARES-FILHO et al., 2002).

merecem especial atenção, por apresentaram uma elevada média de área desmatada são: Porto Velho, Arinos, Sinop, São Félix do Xingu, entre outras em destaque com cores mais escuras na figura. Figura 1 - Média do desmatamento na Amazônia Legal (em km2 a.a.) segundo o

cenário de referência para 2012-2020

Fonte: Elaboração própria com base nos dados de Bittencourt (2011)

2.5 Modo de Operação do Modelo e Simulações

Esta seção apresenta o fechamento do modelo, isto é, as hipóteses adotadas nas simulações. O modelo EGC-AMAZÔNIA possui 26.884 equações e 55.315 variáveis, sendo 28.431 variáveis determinadas exogenamente. O fechamento define as variáveis que serão determinadas exogenamente e endogenamente nas simulações. Modelos EGC usualmente adotam dois tipos de fechamento, adotando diferentes hipóteses para as variáveis econômicas de acordo com o objeto de estudo. A principal diferença entre os fechamentos está no tratamento do ajuste do estoque de capital e investimento, e no mercado de trabalho. Como o horizonte para as simulações é para o período entre 2006 a 2020, optou-se por utilizar um fechamento específico que se adapta às hipóteses e problemas na análise de política relacionada ao desmatamento. O fechamento utilizado nas simulações adotou as seguintes hipóteses:

1. A oferta de capital é endógena em todos os setores e regiões, com taxas de retorno fixas.

2. O emprego é endógeno e o salário real é exógeno em todas as regiões.

3. A oferta regional do fator terra é exógena e o preço da terra determinado endogenamente (os choques nas simulações alteram a oferta de terra ).

4. O investimento nacional é endógeno, obtido pela soma dos investimentos setoriais regionais.

5. O consumo real das famílias é endógeno, determinado pela variação da renda do trabalho em cada microrregião.

6. O consumo do governo é exógeno. 7. As exportações respondem endogenamente ao custo de produção e as

importações aos preços relativos e nível de atividade. Assim, o saldo comercial como proporção do PIB é endógeno. A primeira simulação deste trabalho representa uma expansão no uso/oferta de

terra nos setores da Agricultura e Pecuária para as regiões da Amazônia Legal. Assim, para cada microrregião da Amazônia Legal (103 regiões), os choques foram calculados utilizando dados de área desmatada em relação à área ocupada pela agropecuária no período de 2006 a 2011 (Figura 2). A área desmatada foi obtida através de dados do INPE (INPE, 2011) de desmatamento anual e a área ocupada pelas atividades de Agricultura e Pecuária pelos dados do Censo Agropecuário (IBGE, 2006). Observa-se, pela Figura 2, que as regiões que apresentaram a maior taxa de desmatamento são Altamira, São Félix do Xingu, Itaituba, Caracaraí, Japurá, Tefé e Porto Velho.

Figura 2: Taxa de desmatamento regional 2006-2011 (var. % acumulado em relação à área ocupada pela agropecuária em 2005).

Fonte: Elaboração própria com base nos dados do INPE (2011) e IBGE (2006)

A segunda simulação avalia o impacto de uma política de controle de

desmatamento na Amazônia entre 2012 e 2020. O choque representa uma política de controle de desmatamento em que cada microrregião pode alcançar entre 25% a 100% de redução do desmatamento projetado no cenário de Bittencourt (2011). Como o modelo de Bittencourt (2011) apresenta a tendência do desmatamento em km2 de 2008 a 2020, foram utilizados dados do INPE (2011) de ocupação e uso do solo para 2008 como base de referência para a área ocupada pela agricultura e pecuária.

A justificativa para um intervalo de redução de desmatamento é que existe incerteza tanto nas metas das políticas como no próprio cenário de desmatamento. Para trabalhar com intervalos de choques foi utilizado o procedimento de análise sensibilidade sistemática (SSA- Systematic Sensitive Analysis) do GEMPACK, que permite avaliar a robustez dos resultados obtidos nas simulações em relação ao valores dos choques19. Todo o procedimento computacional foi realizado no software GEMPACK.

A Figura 3 ilustra o choque de política de controle do desmatamento entre 2012 a 2020 em relação a área ocupada total de cada microrregião para o caso de desmatamento zero.

Figura 3- Taxa média de Redução do Desmatamento na Amazônia Legal

(variação % a.a. para o período de 2012 a 2020 em relação ao cenário base de desmatamento)

Fonte: Elaboração própria com base nos dados de Bittencourt (2011) e INPE (2011)

A microrregião que apresentaria a maior meta de redução de desmatamento ao

ano, no caso de desmatamento zero segundo estas projeções seria a Aglomeração Urbana de São Luis (mais de 29% a.a.), seguido por Rio Preto da Eva com 23,18% a.a., Rosário, em torno de 16% a.a. e Manaus (8% a.a.). Após, tem-se regiões como Arari e Almeirim no Pará, Juruá, Madeira, Itacoatiara e Alto Solimões no Amazonas,

19 Detalhes desse procedimento em DeVuyst e Preckel (1997). O procedimento de cálculo para o choque foi, primeiramente, uma simulação com um choque de 50% da taxa de desmatamento zero. Depois disso, a SSA foi feita com um intervalo de 0,5 e duas vezes esse choque. Desse modo, os resultados obtidos refletem um resultado médio de simulações hipoteticamente realizadas em todo esse intervalo. A simulação assumiu um intervalo de 50% para a redução do desmatamento, com distribuição uniforme e simétrica. Os intervalos de confiança foram obtidos a partir dos resultados de média e desvio-padrão produzidos pela análise de sensibilidade sistemática (SSA), usando a desigualdade de Chebychev (GREENE, 2003) que estabelece limites de aproximadamente três desvios-padrão a partir da média, para um intervalo de confiança de 90%. De forma genérica, pode-se concluir que determinado resultado é mais sensível (menos robusto) ao choque se seu desvio padrão está relativamente próximo da respectiva média, de forma que o intervalo de confiança muda de sinal (DOMINGUES, 2002). Nas simulações realizadas para este estudo, significa testar a possibilidade do choque assumir diferentes valores dentro do intervalo considerado de redução do desmatamento. Portanto, se ocorre mudança de sinal para alguma variávelsignifica que ela pode aumentar ou diminuir dependendo da taxa de redução de desmatamento que for adotada pela política. Sobre modelagem EGC no GEMPACK ver Harrison e Pearson (1996). A operacionalização do modelo ORANI pode ser encontrada em Horridge et al. (1993).

Itapecuru Mirim e Chapada do Alto Itapecuru no Maranhão, todas apresentando metas acima de 5% a.a.

Poder-se-ia julgar, inicialmente, que as regiões com maiores taxas de desmatamento durante o período 2006-11 teriam os melhores resultados em termos de contribuição para o crescimento do PIB, do emprego e da produção. Entretanto, existem outros determinantes que respondem pela relevância dos impactos econômicos desse processo: a estrutura setorial das economias regionais, a participação da remuneração do fator terra no PIB regional, a composição dos fatores primários, os fluxos de comércio do setor agropecuário, a dependência regional da produção de outras regiões, a magnitude dos parâmetros, e as elasticidades de substituição. Tais elementos de análise não são levados em consideração pela mera observação das variações de desmatamento no período, ou mesmo em modelos de equilíbrio parcial.

Uma visão geral dos mecanismos de causalidade das simulações, útil à interpretação dos resultados, pode ser visualizada na Figura 4, que descreve as principais implicações da expansão da oferta de terra em uma região hipotética do modelo. Figura 4: Principais mecanismos de causalidade para interpretação dos efeitos

da expansão da oferta de terra na microrregião i.

Fonte: Elaboração própria

Conforme a estrutura do modelo, a expansão na oferta de terra20 tem impacto inicial de redução do preço da terra, com impactos econômicos positivos ao baratear o custo de produção dos bens agropecuários, aumentando, diretamente, o nível de atividade do setor e indiretamente via cadeia produtiva e efeito renda, o nível de atividade dos setores da indústria e serviços. Além disso, os choques de expansão na oferta da terra tendem a engendrar impactos mais intensos sobre as regiões que têm sua economia baseada na agropecuária.

Tabela 1 - Participação % dos setores na produção por microrregião

Fonte: Elaboração própria com base nos dados do modelo EGC-AMAZÔNIA Outro efeito desencadeado pela expansão da oferta de terra é que este fator

mais barato incentiva uma substituição de fatores primários (capital e trabalho) por

20 A mesma explicação pode ser dada no caso de uma redução/restrição na oferta de terra provocada pela política de controle de desmatamento, porém com efeitos opostos em todas as variáveis mencionadas.

UF Microrregião Agricultura Pecuária Indústria Serviços UF Microrregião Agricultura Pecuária Indústria Serviços

Porto Velho 26,62 19,30 20,57 15,08 Oiapoque 36,05 1,84 0,03 41,75

Guajará-Mirim 26,32 17,04 14,85 21,04 Amapá 30,90 28,66 2,35 38,06

Ariquemes 41,06 30,53 9,97 8,78 Macapá 9,22 2,27 11,78 42,59

Ji-Paraná 7,28 63,94 4,89 13,58 Mazagão 55,99 2,86 8,44 32,69

Alvorada D'oeste 24,83 59,04 3,09 6,17 Bico do Papagaio 8,57 60,12 0,80 23,38

Cacoal 20,88 24,04 9,30 21,91 Araguaina 4,95 36,91 3,78 36.00

Vilhena 15,24 17,51 8,76 23,48 Miracema do Tocantins 14,87 36,96 4,09 29,61

Colorado do Oeste 24,37 29,62 5,21 14,32 Rio Formoso 74,24 15,86 0,91 5,23

Cruzeiro do Sul 40,30 18,89 10,29 19,41 Gurupi 7,80 11,26 2,17 60,95

Tarauaca 52,97 19,89 5,53 21,59 Porto Nacional 7,08 13,37 5,17 49,14

Sena Madureira 66,52 23,73 3,12 6,61 Jalapão 23,53 41,93 0,02 22,51

Rio Branco 19,27 21,73 2,75 31,04 Dianópolis 14,13 60,50 2,78 15,49

Brasiléia 38,01 50,19 5,86 5,93 Litoral Ocidental Maranhense 57,56 18,74 2,48 21,20

Rio Negro 85,99 2,53 0,02 11,44 Aglomeração Urbana de São Luis 0,04 2,57 8,50 50,36

Japurá 33,62 0,01 0,03 66,31 Rosário 29,82 12,28 50,40 7,48

Alto Solimões 49,35 10,99 0,85 23,17 Baixada Maranhense 48,55 27,57 4,45 14,55

Juruá 38,73 27,77 1,63 13,90 Itapecuru Mirim 55,68 32,39 2,98 8,93

Tefé 74,58 2,86 2,39 6,88 Gurupi 42,57 26,60 25,86 4,96

Coari 7,64 1,79 79,93 5,66 Pindaré 42,32 37,99 4,05 7,65

Manaus 0,92 9,00 58,41 16,15 Imperatriz 4,58 47,48 14,34 16,31

Rio Preto da Eva 14,10 30,56 32,05 8,89 Médio Mearim 29,51 50,05 3,45 8,71

Itacoatiara 30,09 44,56 13,28 5,26 Alto Mearim e Grajaú 31,65 48,34 7,80 6,50

Parintins 26,05 51,93 4,24 10,69 Presidente Dutra 33,03 43,88 5,22 7,91

Boca do Acre 32,50 55,30 0,01 12,17 Codó 16,23 17,70 51,22 7,87

Purus 67,46 21,46 0,02 11,04 Caxias 21,30 23,35 14,60 20,46

Madeira 61,65 15,46 4,20 10,89 Chapadas do Alto Itapecuru 29,05 41,54 6,01 11,68

Boa Vista 8,83 10,03 2,26 45,78 Porto Franco 10,87 61,37 12,58 6,33

Nordeste de Roraima 65,80 13,47 0,02 20,68 Gerais de Balsas 43,84 7,24 20,78 10,70

Caracaraí 69,15 7,61 10,3 12,92 Chapadas das Mangabeiras 41,54 19,98 15,37 7,62

Sudeste de Roraima 52,76 17,28 8,25 21,69 Aripuana 47,97 26,52 17,73 3,72

Óbidos 25,23 18,04 38,27 8,90 Alta Floresta 30,16 52,09 8,19 4,32

Santarém 47,66 26,77 5,24 8,84 Colíder 17,95 67,75 6,57 4,36

Almeirim 44,34 13,59 19,17 15,22 Parecis 76,35 2,54 9,46 5,47

Portel 88,09 2,39 6,97 2,53 Arinos 58,35 15,57 18,00 3,62

Furos de Breves 56,02 5,08 28,13 10,75 Alto Teles Pires 67,49 9,61 9,06 5,92

Arari 21,88 64,87 0,02 4,13 Sinop 39,68 13,74 22,03 9,25

Belém 1,99 1,67 18,52 39,26 Paranatinga 39,62 52,42 1,83 6,11

Castanhal 54,37 26,06 2,41 7,23 Norte Araguaia 36,85 48,15 8,87 3,03

Salgado 53,04 19,18 0,43 15,73 Canaranã 77,70 13,29 1,37 4,18

Bragantina 50,02 6,41 31,60 5,56 Médio Araguaia 9,92 28,34 12,20 18,15

Cameta 84,30 3,24 1,58 7,47 Alto Guaporé 7,05 78,66 4,39 4,27

Tome-Açu 88,83 5,89 2,52 1,46 Tangará da Serra 13,79 21,02 51,43 6,28

Guamá 64,11 19,08 5,83 8,19 Jauru 4,68 78,00 10,03 4,59

Itaituba 28,68 43,45 19,85 4,84 Alto Paraguai 33,66 58,54 2,48 5,31

Altamira 49,95 27,58 7,60 6,72 Rosário Oeste 56,35 27,73 10,91 4,99

Tucuruí 15,92 20,13 25,89 25,86 Cuiabá 2,81 5,35 8,64 43,03

Paragominas 51,49 33,27 6,65 4,44 Alto Pantanal 17,49 48,92 10,51 10,34

São Félix do Xingu 8,39 89,33 1,26 1,01 Primavera do Leste 71,09 2'2,30 0,67 2,06

Parauapebas 2,49 7,44 51,61 29,68 Tesouro 60,95 30,98 0,43 3,71

Marabá 10,61 21,45 16,48 19,00 Rondonopolis 49,46 12,33 5,53 21,02

Redenção 24,27 56,44 2,20 7,26 Alto Araguaia 71,18 15,00 0,54 4,57

Conceição do Araguaia 51,86 41,70 0,83 1,95

Participação % na Produção Total

RO

AP

TO

AC

MA

AM

RR

MT

PA

terra de acordo com uma função CES (em que a elasticidade de substituicao é igual a 0,25). Este é um elemento importante da causa econômica do desmatamento; sendo a terra um fator produtivo abundante e relativamente barato, esta substituição se dá em direção a maior intensidade de uso da terra. Dada a substituição dos fatores trabalho e capital por terra, pode haver um aumento no emprego e no investimento se o efeito atividade (aumento da produção) for mais forte que o efeito substituição (substituição entre os fatores terra, trabalho e capital). A redução dos preços dos produtos e o aumento do emprego podem ter um impacto de elevação do consumo das famílias. Como o modelo é inter-regional, a expansão do desmatamento também provoca uma realocação da produção em direção às regiões mais beneficiadas. Estes impactos são consistentemente projetados pelo modelo EGC visto que leva em conta a interdependência regional.

A ampliação na oferta de terra também tem efeito sobre as exportações, de acordo com o modelo, pois a queda dos preços dos produtos na região torna os produtos exportados relativamente mais baratos que os produtos importados. As regiões diretamente afetadas serão aquelas com economia voltada principalmente às atividades agroexportadoras. Em síntese, o efeito líquido destas causalidades diretas e indiretas, que apontará o impacto sobre o nível de atividade de cada microrregião, será determinado pela intensidade de tais forças, pelas características e integração do comércio regional e também pela própria estrutura produtiva das regiões.

O conhecimento da estrutura produtiva das regiões também auxilia a compreensão dos principais resultados. A Tabela 1 retrata a participação de alguns dos setores no modelo (agricultura, pecuária, indústria e serviços) no total produzido em cada região em 2005. Pode-se observar que algumas regiões apresentam uma elevada participação da produção agrícola. Em muitas delas a participação da agricultura no total produzido ultrapassa 50%, com destaque para regiões nos estados do Mato Grosso e Pará (Portel, Tomé-Açu e Cametá, mais de 80%; Alto Araguaia e Carananã com mais de 70%). Em relação à pecuária, também se observa uma elevada participação desse setor principalmente em regiões no Pará, como São Félix do Xingu (90%) e Arari (64%), e no Mato Grosso, como Alto Guaporé (78%). As regiões com estrutura produtiva baseada na indústria, por outro lado, tendem a se beneficiar menos com a expansão do desmatamento, de acordo com os mecanismos do modelo.

Capítulo 3. Resultados

Nesta seção os resultados das duas simulações são apresentados em duas partes. A primeira analisa os resultados para as regiões da Amazônia Legal buscando-se destacar as regiões mais relevantes em termos de desmatamento. Na segunda, são reportados os resultados agregados para o Brasil e para a Amazônia Legal como um todo.

3.1 Resultados Microrregionais De modo geral, na primeira simulação, o desmatamento entre 2006 a 2011 na

Amazônia teria impactos positivos sobre a maioria das regiões, beneficiando mais intensivamente aquelas que têm sua economia baseada na agropecuária. Contrariamente, na segunda simulação, o choque da política de controle de desmatamento teria impactos negativos na economia, principalmente nas regiões mais dependentes da agricultura e pecuária.

3.1.1 Expansão na oferta de terra entre 2006 e 2011: a contribuição do desmatamento

A Tabela 2 apresenta os resultados para PIB e emprego das 20 maiores regiões em área de desmatamento no período 2006-2011. Este conjunto de regiões representou cerca de 70% do desmatamento no período, e concentram-se notadamente nos estados do Pará e Mato Grosso. Conforme observa-se pelos resultados e pela descrição dos mecanismos de causalidade analisados anteriormente, o desmatamento teria pequenos efeitos positivos sobre o PIB e emprego das regiões (deve-se notar que a magnitude dos impactos referem-se a um período de desmatamento de 6 anos, 2006 a 2011). Assim, os resultados indicam que em Altamira (PA), por exemplo, o desmatamento teria contribuído para um acréscimo de somente 0,87% no PIB e 0,59% no emprego, relativamente a uma situação em que o desmatamento não tivesse ocorrido.

Cabe ressaltar que a relação entre os choques e os impactos econômicos não é linear, no sentido de que nem sempre as maiores regiões em termos de desmatamento são aquelas em que ocorrem os maiores impactos em termos econômicos projetados pelo modelo. São Félix do Xingu, por exemplo, apresenta um choque de desmatamento maior (25,8%) que Altamira (22,8%) e, no entanto, o efeito sobre o PIB e emprego em São Félix do Xingu seria menor. Tendo em vista suas estruturas produtivas distintas, o resultado é explicado pela dinâmica das exportações de produtos agrícolas de Altamira, que teria importante parcela de contribuição sobre o efeito positivo na região. Itaituba (PA) também estaria entre as regiões mais beneficiadas pelo desmatamento (choque de 33,7%), e nesse caso o impacto positivo nas exportações explicam a contribuição positiva sobre o PIB e emprego. Tabela 2: Resultados das simulações: efeito do desmatamento entre 2006 e 2011 sobre o PIB e o Emprego, para as 20 maiores regiões em área de desmatamento

Fonte: Elaboração própria com base nos resultados do modelo EGC-Amazônia. As regiões do quadro

representam 70% desmatamento observado entre 2006 e 2011

Outra microrregião de destaque é Arinos (MT) que observou área desmatada de 1045,5 km2, em média, entre 2006-2011 (choque nas simulações de apenas 4,86%), e apresentou um crescimento significativo no PIB e emprego (0,78% e 0,54%, respectivamente). Contribuiriam para este resultado o elevado aumento no consumo das famílias e das exportações nesta região, e o fato de que a sua estrutura produtiva

Microrregião Estado Desmatamento PIB Emprego

Km2 (var. % ) (var. % )

Altamira PA 5106,4 0,87 0,59

São Félix do Xingu PA 4386,9 0,68 0,38

Tucuruí PA 3241,7 0,55 0,45

Porto Velho RO 3104,4 0,54 0,47

Itaituba PA 2861,7 0,86 0,56

Aripuanã MT 2294,7 0,47 0,35

Paragominas PA 1679,4 0,58 0,41

Norte Araguaia MT 1624,7 0,25 0,20

Sinop MT 1265,4 0,55 0,47

Conceição do Araguaia PA 1248,2 0,37 0,25

Alta Floresta MT 1243,7 0,40 0,32

Marabá PA 1201,7 0,35 0,35

Santarém PA 1187,7 0,45 0,38

Colíder MT 1120,5 0,30 0,26

Tomé-Açu PA 1116,4 0,53 0,39

Guamá PA 1100,9 0,40 0,29

Alto Mearim e Grajaú MA 1078,1 0,37 0,28

Arinos MT 1045,5 0,78 0,54

Madeira AM 1009,6 0,51 0,35

Alto Teles Pires MT 957,2 0,68 0,51

estar muito concentrada no setor agrícola, responsável por quase 60% da sua atividade econômica. Este é o caso ilustrativo de uma região com pequena área desmatada mas elevado impacto econômico positivo, dada a relevância da agricultura na região, e a provável escassez de capital e trabalho.

A Figura 4 ilustra a contribuição do desmatamento para o PIB, produção da agricultura e pecuária nas regiões da Amazônia. As partes mais escuras da figura indicam as regiões que mais se beneficiariam com o desmatamento. Além do padrão anteriormente apontado para as regiões de Altamira, São Félix do Xingu, Itaituba e Arinos, observa-se também maiores taxas de crescimento do PIB em regiões como Purus (AM), Caracaraí (RR), Alto Teles Pires (MT), Paragominas (PA) e Tucuruí (PA). Algumas regiões, em tons mais claros, teriam redução da atividade econômica mesmo com desmatamento, como Rio Formoso (TO), Tesouro (MT), Primavera do Leste (MT) a Alto Araguaia (MT), em razão, sobretudo, do desmatamento menos intenso (choques relativamente menores) e dos efeitos competitivos provocados pelas regiões mais beneficiadas com o processo.

Figura 4: Resultados das simulações: efeito do desmatamento de 2006 a 2011 sobre o PIB e a produção da Agricultura e Pecuária (var. % acumulada)

Fonte: Elaboração própria com base nos resultados do modelo EGC-Amazônia. Em relação ao impacto do desmatamento na produção, destacam-se as

regiões de Purus (AM), Tucuruí (PA), São Félix do Xingu (PA), Itaituba (PA), Altamira (PA), Porto Velho (RO) Arinos (MT) e Caracaraí (RR) com um crescimento acima de 1% no setor de Agricultura e de 0,50% na Pecuária. Os impactos sobre o emprego, investimento, consumo das famílias e exportações, por sua vez, podem ser visualizados na Figura 5.

A dinâmica do emprego, investimento e consumo das famílias tende a acompanhar o padrão verificado pelo crescimento do PIB, destacando-se as regiões de Purus, Caracaraí, Altamira, Itaituba e Arinos. Além destas, a microrregião de Macapá (AP) também se destaca com crescimento acima de 0,50% do emprego agregado e consumo das famílias. As maiores taxas de crescimento das exportações se encontram em Tucuruí (PA), Sinop (MT), Tomé-Açu (PA), Marabá (PA), Arari (PA),

Belém (PA) e Alto Teles Pires (MT). Tucuruí, Sinop, Tomé-Açu e Alto Teles Pires aumentaram principalmente suas exportações agropecuárias, enquanto Marabá, Belém e Arari apresentaram crescimento em setores diversos.

Figura 5: Resultados das simulações: efeito do desmatamento de 2006 a 2011 sobre emprego, investimento, consumo das famílias e exportações (var. %

acumulada)

Fonte: Elaboração própria com base nos resultados do modelo EGC-Amazônia

Os resultados apontam para um fato importante da estrutura econômica e do

desmatamento nas regiões da Amazônia: a baixa contribuição econômica do desmatamento, quando projetado pelo modelo EGC-AMAZONIA, na perspectiva do aumento da disponibilidade de terras para a agricultura e pecuária. Ou seja, a facilidade de incorporação desse fator produtivo (terra via desmatamento) desincentiva a incorporação de trabalho e capital ao processo produtivo desses setores, contribuindo para sua reconhecida condição de baixa produtividade e competitividade.

3.1.2 Política de controle de desmatamento 2012-2020

Hipoteticamente, uma política de controle de desmatamento limita a expansão relativa da área ocupada pela agropecuária. Essa restrição na oferta de terra torna esse fator mais caro e provoca uma substituição do mesmo em direção a trabalho e capital. A maior demanda por esses fatores, por sua vez, elevam o seu preço no mercado gerando um aumento de custos da produção. O aumento de custos no setor agropecuário torna seu produto mais caro acarretando um aumento de custo aos demais setores (que usam esses produtos como insumos) e agentes (consumidores, exportadores e governo).

Desse modo, a restrição na expansão da oferta de terra na Amazônia teria impactos negativos afetando mais intensivamente as regiões que têm sua economia baseada na agropecuária. Os resultados para PIB e emprego das 20 maiores regiões

em área de desmatamento, de acordo com o cenário de Bittencourt (2011) para o período 2012-2020, estão na Tabela 3, assim como os valores dos intervalos de confiança a 90%, mostrando a variabilidade do resultado dentro do intervalo considerado (entre 25% a 100% de redução de desmatamento)21.

Este conjunto de regiões representaria cerca de 65% do desmatamento total do cenário e concentra-se nos estados do Pará, Mato Grosso e Rondônia. Conforme observa-se pelos resultados, a restrição da oferta de terra tem efeitos negativos sobre o PIB da maioria das regiões e positivo sobre o emprego. Nota-se que a magnitude dos impactos é pequena mesmo os resultados sendo apresentados para o período total de nove anos. Assim, os resultados indicam que o controle da oferta de terra em Aripuana, por exemplo, representa um decréscimo de 0,23% no PIB e um acréscimo de 0,56% no emprego da região. Porto Velho e Vilhena apresentam um aumento do PIB, porém conforme observa-se pela Tabela 3, o PIB pode ser negativo se a meta de controle do desmatamento na microrregião for mais elevada. Porto Velho e Vilhena não possuem grande dependência da agropecuária, apresentando grande parte da sua produção na indústria e no setor de serviços.

Tabela 3: Resultados das simulações: efeito do controle do

desmatamento sobre PIB e Emprego para as 20 maiores regiões em área de desmatamento (variação % acumulada de 2012 a 2020)

Fonte: Elaboração própria com base nos resultados do modelo EGC-Amazônia

A Figura 6 ilustra o impacto sobre o PIB e a produção nos setores de

agricultura e pecuária. Esses resultados refletem um resultado médio de simulações realizadas em todo o intervalo de 25% a 100% do desmatamento.As partes mais escuras do mapa indicam as regiões que mais perderam e as regiões mais claras apresentaram alguns casos de impacto positivo. Portel teria a maior redução no PIB, -1,79%, seguido por Furos dos Breves (-1,40%) e Arari (-0,93%). Conforme observa-se pela Tabela 1, a agricultura se destaca em Portel, responsável por mais de 80% da produção da região. Furos dos Breves apresenta mais de 50% de sua produção na agricultura, enquanto Arari apresenta economia voltada para a pecuária, com mais de 60% do total produzido. As três regiões apresentam elevadas taxas desmatamento 21 As elasticidades e os parâmetros do modelo foram testados por meio da análise de sensibilidade (SSA) e se mostraram robustos para um intervalo de 50% dos parâmetros de susbtituição de fatores primários (capital, trabalho e terra).

Desmatamento

Km2Variação

(% )(var. % )

Aripuana MT 816,44 -0,226 -0,362 -0,180 0,557 0,260 0,855

Altamira PA 742,67 -0,240 -0,385 -0,187 0,468 0,231 0,705

Itaituba PA 638,67 -0,181 -0,284 -0,168 0,298 0,168 0,428

Porto Velho RO 623,11 0,039 0,015 -0,027 0,223 0,125 0,310

Arinos MT 567,78 -0,289 -0,466 -0,203 0,719 0,297 1,142

Sinop MT 519,33 -0,127 -0,206 -0,138 0,613 0,255 0,972

São Félix do Xingu PA 494,44 -0,110 -0,171 -0,139 0,079 -0,006 0,163

Santarém PA 451,11 -0,164 -0,270 -0,149 0,346 0,178 0,515

Norte Araguaia MT 446,67 -0,122 -0,195 -0,140 0,129 0,074 0,183

Paragominas PA 399,11 -0,141 -0,227 -0,146 0,214 0,107 0,320

Alta Floresta MT 386,22 -0,132 -0,209 -0,145 0,136 0,067 0,205

Alto Teles Pires MT 329,56 -0,167 -0,269 -0,155 0,544 0,215 0,873

Colíder MT 268,44 -0,096 -0,154 -0,129 0,057 0.000 0,114

Óbidos PA 256,89 -0,123 -0,198 -0,139 0,259 0,141 0,377

Tucuruí PA 249,56 -0,056 -0,094 -0,108 0,016 0,002 0,031

Parecis MT 236,67 -0,296 -0,479 -0,204 1,648 0,626 2,681

Portel PA 220,22 -1,780 -2,991 -0,690 6,735 2,199 11,527

Vilhena RO 203,56 0,048 0,027 -0,021 0,180 0,098 0,261

Tomé-Açu PA 200,00 -0,197 -0,315 -0,169 0,195 0,078 0,311

Ariquemes RO 198,67 -0,035 -0,072 -0,088 0,135 0,077 0,192

Microrregião Estado

PIB Emprego

Intervalo de

Confiança (90% )

Intervalo de Confiança

(90% )

(Portel, mais de 40%, Furos dos Breves, mais de 50% e Arari, quase 50%) de acordo com o cenário de referência de Bittencourt (2011), o que significa que apresentam elevadas restrições de oferta de terra nas simulações de controle do desmatamento.

Figura 6 - Resultados das simulações: efeito do controle do desmatamento sobre o PIB, produção da Agricultura e Pecuária (var. % acumulada de 2012 a

2020)

Fonte: Elaboração própria com base nos resultados do modelo EGC-Amazônia.

As regiões de Boa Vista, Nordeste de Roraima, e Caracaraí, assim como

Cuiabá, apresentariam um pequeno aumento no PIB real, acima de 0,07%, mesmo com a politica de controle do desmatamento na Amazônia. As quatro regiões apresentam pequena taxa de desmatamento no cenário de referência, e tanto o Nordeste de Roraima como Caracaraí são regiões dependentes da agricultura, mas que possuem uma economia com elevada participação do governo. Já Boa Vista e Cuiabá apresentam uma economia voltada ao setor de serviços. De modo geral, as regiões mais dependentes da agropecuária seriam as mais afetadas pela política de controle de desmatamento, com um deslocamento relativo da produção em direção às regiões menos afetadas diretamente pela política.

A Figura 7 apresenta os impactos sobre o emprego, investimento, consumo das famílias e exportações. O investimento real na Amazônia teria um acréscimo na maioria das regiões. Este resultado indica mais uma vez que o efeito substituição do fator terra em direção aos demais fatores, capital e trabalho, seria mais forte do que o efeito atividade (queda na produção). Regiões que apresentaram as maiores quedas de produção como Portel, Furos dos Breves, Almeirim e Arari se destacaram apresentando os maiores crescimentos do investimento da Amazônia. O consumo das famílias e o emprego apresentaram o mesmo padrão que o investimento. Assim, um dos efeitos esperados das políticas de controle do desmatamento será a intensificação do uso de capital e trabalho por hectare, o que contribuiria diretamente para o aumento da produtividade desses setores nas regiões.

Figura 7 - Resultados das simulações: efeito do controle do desmatamento sobre emprego, investimento, consumo das famílias e exportações (var. %

acumulada de 2012-2020)

Fonte: Elaboração própria com base nos resultados do modelo EGC-Amazônia

No caso das exportações, acontece uma pequena redução em todas as

regiões da Amazônia. As regiões que mais perdem são Jalapão, Parecis, Itapecurum Mirim e Sinop. Sinop é uma região com elevada participação das exportações no PIB e as outras regiões possuem uma economia baseada na agropecuária, que de modo geral, são as que teriam os maiores impactos negativos com a política de controle do desmatamento.

3.2 RESULTADOS AGREGADOS PARA O BRASIL E AMAZÔNIA LEGAL Nesta seção, são descritos os resultados macroeconômicos mais relevantes da

expansão da oferta de terra na Amazônia. Trata-se, portanto, de um resultado agregado a partir do encontrado nas simulações para as regiões. Deste modo, serão apresentados os impactos sobre as principais variáveis macroeconômicas para o Brasil como um todo, para Amazônia Legal e também para o restante do Brasil.

3.2.1 Expansão na oferta de terra entre 2006 e 2011

A Tabela 4 reporta os impactos agregados do desmatamento no período de 2006 a 2011. Como esperado a partir dos resultados regionais, observa-se uma variação positiva nos principais agregados (PIB real, emprego, investimento e exportação), tanto na escala nacional quanto regional (Amazônia Legal). Como ressaltado anteriormente, estes números representam apenas a soma (ponderada) de indicadores regionais gerados pelo modelo, e discutidos nas sessões anteriores.

Tabela 4 - Resultados das simulações: efeito do desmatamento de 2006 a 2011 no Brasil e na Amazônia (Var. % acumulada)

Fonte: Elaboração própria com base nos resultados do modelo EGC-Amazônia Os resultados apontam que o desmatamento teria contribuído com apenas

0,142% do crescimento do PIB brasileiro entre 2006 e 2011. Para se dar uma dimensão relativa desse número, considerando o PIB brasileiro de 2011 (cerca de 4 trilhões de reais) e todo o desmatamento do período 2006-1011, o desmatamento na Amazônia entre 2006 e 2011 teria acrescido ao PIB nacional um montante de R$ 5,9 bilhões, ou 75,3 mil reais por cada km2 desmatado. Novamente, confirma-se aqui a contribuição extremamente baixa do desmatamento para a economia brasileira, que certamente não compensa seu custo em termos de degradação ambiental, perda de biodiversidade e serviços ecossistêmicos.

Destes R$ 5,9 bilhões, cerca de 55%, ou R$ 3,24 bilhões, são internalizados na Amazônia, ao passo que os outros 45% são absorvidos (efeito de vazamento) pelo resto do Brasil. Ou seja, o desmatamento da Amazônia gera efeitos econômicos quase tão intensos no resto do Brasil como na própria região, em termos monetários, fruto da inter-relação de bens e serviços entre elas.

Observa-se pela Tabela 4 que o emprego e o investimento agregado apresentam uma variação positiva seguindo o aumento da atividade econômica. As exportações também apresentaram variação positiva, pois a queda dos preços dos produtos nacionais torna os produtos exportados relativamente mais baratos que os produtos importados.

As simulações permitem ainda estimar um resultado interessante para políticas complementares ao controle de desmatamento, como de melhorias de tecnologia e processos produtivos na agricultura e pecuária. O aumento da produtividade da terra, para que fosse alcançada a mesma variação estimada do PIB nacional decorrente do desmatamento (0,142% conforme os resultados), teria que alcançar 6,68% no período. Assim, essa elevação de produtividade22na agropecuária da Amazônia teria o mesmo impacto de crescimento do PIB nacional que o desmatamento de 2006 e 2011. Segundo Gasques et al. (2008) , a produtividade da terra no Brasil cresceu 3,26% ao ano entre 2000 e 2005, o que indica que esta taxa seria perfeitamente factível, pois é de pouco mais de 1% ao ano.

3.2.2 Política de controle de desmatamento 2012-2020 Os resultados agregados da política de controle do desmatamento para as

principais variáveis macroeconômicas para o Brasil, Amazônia e o restante do país

22 Para o cálculo da produtividade requerida foi realizada uma simulação cujo choque representava um aumento de 1% sobre a produtividade da terra nas microrregiões da Amazônia Legal. Essa simulação gerou o resultado de impacto sobre o PIB agregado devido a esta elevação da produtividade. A produtividade necessária, então, para se alcançar o mesmo crescimento verificado quando de um aumento na expansão da oferta de terra pôde ser calculada como a razão entre o impacto do PIB na simulação de expansão da oferta da terra (0,142) e o impacto sobre a mesma variável na simulação de aumento da produtividade (0,021).

Variaveis Brasil Amazônia Legal Resto do Brasil

PIB 0,142 0,313 0,125

Emprego 0,153 0,295 0,141

Investimento 0,125 0,255 0,113

Exportação 0,143 0,176 0,141

Deflator do PIB -0,004 -0,118 0,007

(RB). A Tabela 5 apresenta os principais resultados e o respectivo intervalo de confiança a 90%, mostrando a variabilidade que os resultados podem assumir.

Tabela 5: Resultados das simulações: efeito do controle do desmatamento no Brasil, Amazônia Legal e Resto do Brasil (variação % acumulada de 2012 a 2020).

Fonte: Elaboração própria com base nos resultados do modelo EGC-Amazônia

As simulações de uma política de controle de desmatamento mostram perdas nos principais indicadores nacionais. O PIB nacional apresentaria uma redução acumulada de -0.056% até 2020, o que representa uma redução marginal de 0,006% a.a., que se explica pelas perdas de produção da Amazônia. Soma-se a isso a queda da atividade no restante do Brasil devido às relações de interdependência comercial com a Amazônia.

O Restante do Brasil, por sua vez, embora não seja considerado nos choques de restrição ao desmatamento, é afetado indiretamente pela política, apresentando variações negativas na maioria dos indicadores selecionados. A Amazônia é importante fornecedora de insumos (principalmente agropecuários) para o restante do Brasil. Como esses produtos apresentam aumento de preços, isto gera aumento de custos e queda da atividade dos setores do restante do Brasil.

A Tabela 6 apresenta os resultados na produção setorial da Amazônia Legal, definidos em variações percentuais ao ano de 2012 a 2020. Novamente, trata-se da agregação de resultados regionais do modelo, que indicam que, em média, o maior efeito recai sobre a agricultura e pecuária, mas também ocorre uma repercussão sobre os demais setores (via cadeias produtivas regionais e inter-regionais, e deslocamentos de fatores produtivos)

Tabela 6: Resultados das simulações: efeito do controle do desmatamento na produção setorial (variação % acumulada de 2012 a 2020)

PIB real -0,056 -0,091 -0,021

Consumo real das famílias -0,040 -0,069 -0,012

Investimento Real -0,028 -0,048 -0,009

Volume de exportações -0,079 -0,125 -0,033

Volume de importações 0,129 0,056 0,201

Emprego Agregado -0,047 -0,077 -0,017

PIB real -0,074 -0,125 -0,023

Consumo real das famílias 0,101 0,055 0,146

Investimento Real 0,142 0,068 0,216

Volume de exportações -0,104 -0,164 -0,044

Volume de importações 0,255 0,113 0,399

Emprego Agregado 0,149 0,073 0,226

PIB real -0,054 -0,088 -0,020

Consumo real das famílias -0,065 -0,105 -0,025

Investimento Real -0,044 -0,072 -0,016

Volume de exportações -0,075 -0,120 -0,032

Volume de importações 0,112 0,049 0,176

Emprego Agregado -0,065 -0,105 -0,025

Variação

(% )

Intervalo de Confiança

(90% )B

ra

sil

AM

LR

est

o d

o B

ra

sil

Variáveis

Fonte: Elaboração própria com base nos resultados do modelo EGC-Amazônia

Notam-se reduções na produção de todos os setores, com queda mais acentuada no setor da Agricultura, refletindo a restrição imposta pela simulação de controle do desmatamento. Embora a mesma restrição tenha sido imposta à Pecuária, esta apresentaria uma variação menos intensa se comparado à Agricultura. Isto se justifica pela menor remuneração da terra desse setor, implicando menor impacto sobre a produção. Nos setores de Indústria e Serviços, o impacto negativo decorre dos encadeamentos da cadeia produtiva.

4. Considerações finais Este trabalho teve por objetivo estudar a contribuição da floresta desmatada

para a economia da Amazônia Legal entre 2006 e 2011, assim como analisar os efeitos de uma política de controle do desmatamento no período de 2012 a 2020. Para isso, utilizamos um modelo de equilíbrio geral computável (EGC) inter-regional, especialmente construído para capturar as especificidades e heterogeneidade da região. No modelo EGC, modificações na disponibilidade de terras, associadas ao desmatamento, afetam as possibilidades de produção nas regiões da Amazônia, provocando deslocamentos na produção, assim como alterações nos padrões da produção agrícola e de comércio na região. Desse modo, as estimativas mensuram o custo de oportunidade no que se refere ao desmatamento na Amazônia Legal.

Cabe ressaltar que apesar dos resultados das simulações indicarem a contribuição positiva do desmatamento entre 2006 e 2011 para o crescimento econômico nas regiões da Amazônia, sua pequena magnitude indica que a contribuição econômica do desmatamento ao longo desse período foi pouco significativa. Pode-se concluir, portanto, que o trade-off clássico entre preservação ambiental e crescimento econômico não é relevante para o caso do desmatamento na Amazônia, uma vez que este pouco contribuiria para o crescimento da economia. Este resultado é ainda reforçado pelos impactos econômicos de uma política hipotética de controle do desmatamento na região, que sugerem uma perda apenas marginal sobre o crescimento econômico das regiões da Amazônia, assim como no restante do Brasil. Os resultados mostram que o custo da política de controle do desmatamento, medido pelo PIB nacional, seria uma redução de apenas 0,054% no período acumulado de nove anos.

Os resultados apontam para um fato importante acerca da estrutura econômica e do desmatamento nas regiões da Amazônia: a baixa contribuição econômica do desmatamento, na perspectiva do aumento da disponibilidade de terras para a agricultura e pecuária. Ou seja, a elevada disponibilidade desse fator produtivo (terra via desmatamento) desencoraja a incorporação de trabalho e capital ao processo produtivo das regiões, contribuindo para sua reconhecida característica de baixa produtividade e competitividade. Por outro lado, um dos efeitos esperados de políticas de controle do desmatamento seria o incentivo para elevação do uso de capital e

Agricultura -0,116 -0,188 -0,045

Pecuária e Pesca -0,067 -0,108 -0,026

Indústria -0,061 -0,099 -0,023

Comércio -0,060 -0,098 -0,023

Transporte de Cargas -0,036 -0,063 -0,010

Serviços -0,044 -0,073 -0,016

ProduçãoVariação

(% )

Intervalo de Confiança

(90% )

trabalho por hectare, o que contribuiria diretamente para o aumento da produtividade desses setores nas regiões. Assim, políticas públicas que possibilitem a elevação da oferta de capital físico e técnicas produtivas devem ser um complemento prioritário para políticas de controle do desmatamento.

Um resultado importante, que pode subsidiar políticas públicas para a região, é que um aumento de produtividade da agropecuária na Amazônia Legal de pouco mais de 1% ao ano seria suficiente para compensar os ganhos projetados decorrentes da expansão da ocupação de terras, resultado factível, tendo em vista o histórico de crescimento da produtividade da terra nos últimos anos (3,26% ao ano entre 2000 e 2005). Isso sugere que, se o governo brasileiro endurecer as políticas de combate ao desmatamento, o custo de oportunidade em termos de crescimento econômico será baixo. Essa política, atrelada a investimentos em tecnologias que aumentem a produtividade da região poderia conciliar uma maior produção agropecuária junto à manutenção da floresta e todos os seus benefícios. Pois com maior produtividade, a mesma ou uma maior produção poderia ser obtida sem a necessidade de se aumentar o fator terra e, portanto, sem aumentar o desmatamento da Amazônia para a expansão da fronteira agrícola.

Outra questão relevante diz respeito às possibilidades de benefícios futuros com a redução do desmatamento. Uma alternativa de ocupação e proteção lucrativa das florestas da Amazônia, por exemplo, ainda não foi estabelecida, seja por políticas públicas ou mecanismos de mercado. Dessa forma, não se constituíram mercados efetivos para os serviços ambientais que recompensem a quem protege o meio ambiente, ou para os produtos que se utilizem do patrimônio ecológico da região, para o desenvolvimento potencial de uma bioindústria. Deve-se lembrar, ainda, que a manutenção da floresta apresenta benefícios intangíveis, como o valor da biodiversidade, da utilização sustentável da floresta pelos povos habitantes e mitigação dos efeitos das mudanças climáticas, entre outros.

Em termos metodológicos, o modelo EGC-AMAZÔNIA se destaca na literatura brasileira por sua detalhada base de dados e desagregação regional. Desenvolvimentos futuros do modelo apontam para a inclusão de elementos de dinâmica recursiva e modelagem explícita de uso da terra. A dinâmica recursiva incluiria explicitamente a dimensão temporal ao modelo, permitindo ajustamentos no estoque de capital, mercado de trabalho e mercado de terra ao longo dos anos. Além disso, permitiria que a política de desmatamento fosse simulada ano após ano, mostrando a trajetória dos resultados ao longo do tempo. A inclusão da modelagem explícita de uso da terra possibilitaria considerar as possibilidades de substituição entre os diferentes usos da terra: cultivo, pecuária e floresta plantada, dependendo da rentabilidade de cada ocupação. Referências Bibliográficas AGUIAR, A.P.; CÂMARA, G.; ESCADA, M.I.S. Spatial statistical analysis of land-use determinants in the Brazilian Amazonia: Exploring intra-regional heterogeneity. Ecological Modelling, 209, 2007. p.169-188.

ALENCAR, A. et al. Desmatamento na Amazônia: indo além da emergência crônica. Manaus, Instituto de Pesquisa Ambiental da Amazônia (Ipam), pp.89, 2004.

ANDERSEN, L. E. e REIS, E. J. Deforestation, Development, and Government Policy in the Brazilian Amazon: An Econometric Analysis. TextoparaDiscussão n. 513. Rio de Janeiro: IPEA, set. 1997.

ANDERSEN, L. E.; GRANGER, C. W. J.; REIS, E. J.; WEINHOLD, D.; WUNDER, S. The Dynamics of Deforestation and Economic Growth in the Brazilian Amazon. United Kingdom: Cambridge University Press, 2002. 259p.

ARAUJO, C.; BONJEAN, C. A.; COMBES, J. L.; MOTEL, P. C.; REIS, J. E. Property Rights and Deforestation in the Brazilian Amazon. Ecological Economics, 68, pp. 2461-2468, 2009.

ASSUNÇÃO, J.; GANDOURA, C.; ROCHA, R. Deforestation Slowdown in the Legal Amazon: Prices or Policies? Climate policy iniciative. Working paper, 2012. Disponívelemhttp://climatepolicyinitiative.org/publication/deforestation-slowdown-in-the-legal-amazon-prices-or-policie/.Acessoem 02 de outubro de 2012.

BANERJEE, O. Socioeconomic and environmental impacts of forest concessions in Brazil: a computable general equilibrium analysis. 2008. 217 p. Thesis (Doctor in Philosophy) – University of Florida, Florida, 2008.

BARONA, E.; RAMANKUTTY, N.; HYMAN, G.; COOMES, O. T. The role of pasture and soybean in deforestation of the Brazilian Amazon.Environmental Research Letters, n. 5, 2010.

BECKER, B. Os eixos de integração e desenvolvimento e a Amazônia. Revista Território, ano IV, n. 6, 1999.

BECKER, B.K. Geopolítica da Amazônia. Estudos Avançados, 19 (53), 2005.

BICKEL U.; DROS J. M. The Impacts of Soybean Cultivation on Brazilian Ecoystems(Bonn: AIDEnvironment-WWF) p 33, Disponível em: http://assets.panda.org/downloads/ impactsofsoybean.pdf. Acesso em 02 de outubro de 2012.

BINSWANGER, H.P. Brazilian policies that encourage deforestation in the Amazon.World Development 19 (7), 821–829, 1991.

BITTENCOURT, F. R. Modelagem Dinâmica de Distribuição de Metas de Redução de Desmatamento, Estimativas de Potencial de Emissão de Gases de Efeito Estufa e de Receitas Financeiras via REDD+ em Níveis Subnacionais. 2011. 230 p. Tese (Doutorado em Saneamento, Meio Ambiente e Recursos Hídricos) – Escola de Engenharia da Universidade Federal de Minas Gerais, Belo Horizonte, 2011.

BRANDAO Jr., A.; SOUZA Jr., C. M.; RIBEIRO, J. G. F.; SALES, M. H. R.. Desmatamento e estradas não-oficiais da Amazônia. In Proceeding of the XIII Simpósio Brasileiro de Sensoriamento Remoto. Florianopolis: INPE. 2007.

BRANDÃO, A. S. P.; REZENDE, G. C.; MARQUES, R. W. C. Crescimento agrícola no período 1999-2004, explosão da área plantada com soja e meio ambiente no Brasil. Rio de Janeiro: IPEA, 2005. (Texto para discussão, 1062).

BRASIL. Presidência da República. Plano Amazônia Sustentável: diretrizes para o desenvolvimento sustentável da Amazônia Brasileira. Brasília, 2008. 112 p.

CARVALHO, T.S.; MAGALHÃES, A.S.; DOMINGUES, E.P. Contribuição das áreas desmatadas para o crescimento econômico da Amazônia Legal. In: X Encontro Nacional da Associação Brasileira de Estudos Regionais e Urbanos – X ENABER, Recife, 2012. CARVALHO, G. O.; NEPSTAD, D.; McGRATH D.; VERA DIAZ M. D. C.; BARROS, A. C. Frontier expansion in the Amazon. Balancing development and sustainability. Environment Sci. Policy Sustainable Dev. 44 p.32–42, 2002.

CASTRO, E. Dinâmica socioeconômica e desmatamento na Amazônia. Novos Cadernos NAEA, v. 8, n. 2, p. 5-39, Pará: dez. 2005.

CATTANEO, A. Deforestation in the Brazilian Amazon: Comparing the impacts of Macroeconomics Shocks, Land Tenure, and Technological Change. Land Economics, vol. 77, n.2, p. 219-140, 2001.

CHIANG, A. C. Fundamental Methods of Mathematical Economics. Vancouver: McGraw-Hill Companies. 1974.

CHOMITZ, K. M.; THOMAS, T. S. Geographic Patterns of Land Use and Land Intensity in the Brazilian Amazon (Washington, DC: World Bank) p 50, 2001. Disponível em http://ideas.repec.org/p/wbk/wbrwps/2687.html. Acesso em 26 de setembro de 2012.

DEVUYST, E. A.; PRECKEL, P. V. Sensitivity Analysis Revisited: A Quadrature based Approach. Journal of Policy Modeling, vol. 19, n. 2, p. 175-185, 1997.

DIXON, P. B.; PARMENTER, B. R.; SUTTON, J.; VINCENT, D. P. Orani, a Multisectoral Model of the Australian Economy. Amsterdam: North-Holland Pub. Co. 1982.

DOMINGUES, E.P. Dimensão Regional e Setorial da Integração Brasileira na Área de Livre Comércio das Américas. 2002. 228 p.(CDD-338.9). Tese (Doutorado em Economia) – Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo, São Paulo, 2002.

DOMINGUES, E.P.; BETARELLI JUNIOR, A.A.; MAGALHÃES, A.S.; CARVALHO, T.S.; SANTIAGO, F.S. Repercussões setoriais e regionais da crise econômica de 2009 no Brasil: simulações em um modelo de equilíbrio geral computável de dinâmica recursiva. 2010. 32p. Texto para Discussão – Centro de Planejamento e Desenvolvimento Regional, Universidade Federal de Minas Gerais, Belo horizonte. 2010.

FEARNSIDE, P. M. Deforestation in Brazilian Amazonia: history, rates and consequences. Conservation Biology, 19(3), p. 680–688, 2005.

FERREIRA FILHO, J. B. S.; HORRIDGE, M. Ethanol Expasion and Indirect Land Use Change in Brazil, Melbourne, Monash University,CoPs, 2011. Disponível em: <http://www.eacquality.net/fileadmin/eac_quality/user_documents/3_pdf/Ethanol_expansion_and_indirect_land_use_change_in_Brazil.pdf>. Acesso em: ago. 2011.

FERREIRA, A.M.M.; SALATI, E. Forças de transformação do ecossistema amazônico. Estudos Avançados, 19 (54), 2005.

FERREIRA, L.V.; VENTICINQUE, E.; ALMEIDA, S.O desmatamento na Amazônia e a importância das áreas protegidas. Estudosavançados, v.19, n. 53, 2005.

Food and Agriculture Organization of the United Nations (FAO) Global Forest Resources Assessment 2010.Food and Agriculture Organization of the United Nations, Rome, 2010.

GASQUES, J.G.; BASTOS, E.T.; BACCHI, M.R.P. Productividade e Fontes de Crescimiento da AgriculturaBrasileira.In: de NEGRI. J.; KUBOTA, L. (Eds.) Políticas de Incentivo à Inovação Tecnológica. Brasilia: Instituto de Pesquisa Econômica Aplicada. (Disponível em: http://www.ipea.gov.br/sites/000/2/livros/inovacaotecnologica/capitulo11.pdf)

GOUVELLO, C. (Ed.) Estudo de Baixo Carbono para o Brasil. 2010. Disponível em: <http://siteresources.worldbank.org/BRAZILINPOREXTN/Resources/3817166- 1276778791019/Relatorio_Principal_integra_Portugues.pdf> Acesso em 5 de Setembro de 2012.

GREENE, W. H. Econometric Analysis. 5.ed. Upper Saddle River, N.J.: Prentice Hall, 2003. 1026 p.

GUILHOTO, J. J. M. Um Modelo Computável de Equilíbrio Geral para Planejamento e Análise de Políticas Agrícolas (PAPA) na Economia Brasileira.

Tese (Livre-docência em Economia) – ESALq, Universidade de São Paulo, Piracicaba, 1995.

HADDAD, E. A. Regional Inequality and Structural Changes: Lessons from the Brazilian Experience. Aldershot: Ashgate. 1999.

HADDAD, E. A. Retornos Crescentes, Custos de Transporte e Crescimento Regional. Tese (Livre-docência em Economia) – FEA, Universidade de São Paulo, São Paulo, 2004.

HADDAD, E. A.; DOMINGUES, E. P. EFES – Um modelo Aplicado de Equilíbrio Geral para a Economia Brasileira: Projeções Setoriais para 1999-2004. RevistaEstudosEconômicos, v. 31, n. 1, p. 89-125, 2001.

HARRISON, W. J.; K. R. PEARSON. An Introduction to GEMPACK. Australia: IMPACT Project and KPSOFT. GEMPACK User Documentation GPD-1, 1996.

HORRIDGE, M.; MADDEN, J.; WITTWER, G. The Impact of the 2002-2003 Drought on Australia.Journal of Policy Modeling, v. 27, n. 3, 2005/4, p. 285-308, 2005.

HORRIDGE, M.; PARMENTER, B. R.; PEARSON, K. R. “ORANI-F: A General Equilibrium Model of the Australian Economy. Economic and FinancialComputing, 3:71-140, 1993.

HORRIGDE, M. Preparing a TERM bottom-up regional database. Preliminary Draft, Centre of Policy Studies, Monash University, 2006.

HOUGHTON, R.A. Tropical deforestation as a source of greenhouse gases. In: Moutinho, P., Schwartzman, S. (Eds.), Tropical Deforestation and Climate Change. Instituto de Pesquisa Ambiental da Amazônia (IPAM) e Environmental Defense (ED), pp. 13–22, 2005.

IGLIORI, D.C. Deforestation, Growth and Agglomeration Effects: Evidence from Agriculture in the Brazilian Amazon. University of Cambridge, Department of Land Economy (TextoparaDiscussão, 28) 2008. Disponível em: <http://ideas.repec.org/p/wiw/wiwrsa/ ersa06p719.html>. Acesso em: 23 jan. 2009

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA – IBGE. Censo Agropecuário 2006. Rio de Janeiro: IBGE, 2006.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA – IBGE. Contas Regionais 2005. Rio de Janeiro: IBGE, 2005.

INSTITUTO DE PESQUISA ECONÔMICA APLICADA (IPEA). Código florestal: implicações do PL 1876/99 nas áreas de reserva legal. Comunicados do IPEA. n. 96. 2011.

INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS – INPE. Projeto Prodes Monitoramento da Floresta Amazônica Brasileira por Satélite. 2009. Disponível em: <http://www.obt.inpe.br/ prodes/index.html>. Acesso em 23 de setembro de 2012.

INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE); EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA (EMBRAPA). TerraClass – Levantamento de Informações de uso e cobertura da terra na Amazônia, setembro de 2011.

JARAMILLO, C. F. e KELLY, T. Deforestation and Property Rights in Latin America.Washington, D.C.: Inter-American Development Bank. 1999. Disponível em: <http://idbdocs.iadb.org/wsdocs/ getdocument.aspx?docnum=359769>. Acesso em 04 de outubro de 2012.

KAIMOWITZ, D.; MERTENS, B.; WUNDER, S.; PACHECO, P. Hamburger connection files Amazon destruction.Bangon, Indonesia: Center for International Forest Research, 2004.

KRUGMAN, P. Scale Economics, product differentiation, and the pattern of trade, American Economic Review, v. 70, 1980.

LAMBIN, E. F.; GEIST, H. Global land-use and cover change: What have we learned so far? Global Change Newsletter, p.46, 2001.

LAMBIN, E. F.; ROUNSEVELL, M. D. A.; GEIST, H. Are agricultural land-use models able predict changes in land-use intensity? Ecosystems & Environment, v. 82, p. 321-331, 2000.

LAURANCE, W.L. et.al.Deforestation in Amazonia.Science 304, pp. 1109- 1111, 2004.

MARGULIS, S. Causas do desmatamento da Amazônia brasileira. Banco Mundial, 2003.

MATTEI, F. E. E. Modeling Linkages between Climate Policy and Land Use: An overview. Working Papers WP24. Italy, 2007.

MENDELSOHN, R. Property Rights and Tropical Deforestation. Oxford Economic Papers, v. 46, p. 750-756, 1994.

MERTENS, B.; POCCARDCHAPUIS, R.; PIKETTY, M. G.; LACQUES, A. E. VENTURIERI, A. Crossing spatial analyses and livestock economics to understand deforestation process in Brazilian Amazon: the case of São Felix do Xingu in South Pará. Agricultural Economics, n. 27, p. 269-294, 2002.

MILLER, R.; BLAIR, P. Input-Output analysis: foundations and extensions.New Jersey: Prentice-Hall, 2009. 782p.

Ministério de Ciência e Tecnologia. Inventário Brasileiro de Emissões Antrópicas por Fontes e Remoções por Sumidouros de Gases de Efeito Estufa não Controlados pelo Protocolo de Montreal. Brasília: Ministério de Ciência e Tecnologia, 2010.

Ministério do Planejamento, Orçamento e Gestão. Impactos Econômicos da Carteira de Investimentos. In: Estudo da Dimensão Territorial para o Planejamento, Volume VI. MPOG, Secretaria de Palnejamento e Investimentos Estratégicos, Brasília, 2008.

Ministério do Meio Ambiente. Plano de Prevenção e Controle do Desmatamento na Amazônia. 2012Disponível em: <http://www.mma.gov.br/florestas/controle-e-preven%C3%A7%C3%A3o-do-desmatamento/plano-de-a%C3%A7%C3%A3o-para-amaz%C3%B4nia-ppcdam> Acesso em 5 de setembro de 2012.

MIRAGAYA, J. Demanda mundial de carne bovina tem provocado o desmatamento na Amazônia. T&C Amazônia, ano VI, n 14, 2008.

MORTON, D. C.; DEFRIES, R. S.; SHIMABUKUROS, Y. E.; ANDERSON, L. O.; ARAI, E.; ESPIRITO-SANTO, F.; FREITAS, R.; MORISETTE, J. Cropland Expansion Changes Deforestation Dynamics in the Southern Brazilian Amazon. Proceedings of the National Academy of Sciences, 103(39), 2006.

MUELLER, C. C. Expansion and Modernization of Agriculture in the Cerrado—The Case of Soybeans in Brazil’s Center-West(Brasilia: University of Brasilia, Department of Economics) p 28, 2003. Disponível em http://e-groups.unb.br/face/eco/cpe/TD/306nov2003CMueller.pdf. Acesso em 02 de outubro de 2012.

NEPSTAD, D.; CARVALHO, G.; BARROS, A. C.; ALENCAR, A.; CAPOBIANCO, J. P., BISHOP, J. et. al. Road paving, fire regime feedbacks, and the future of Amazon forests. Forest Ecology and Management, n. 154, p. 395–407, 2001

NEPSTAD, D.; SOARES-FILHO, B.S.; MERRY, F.; LIMA, A.; MOUTINHO, P.; CARTER, J.; BOWMAN, M.; CATTANEO, A.; RODRIGUES, H.; SCHEARTZMAN, S.; McGRATH, D.; STICKLER, C., LUBOWSKI PIRIS-CABEZAZ, P.; RIVERO, S., ALENCAR, A.; ALMEIDA, O.; STELLA, O. The end of deforestation in the Brazilian Amazon.Science 326 (5958), p. 1350–1351, 2009.

NORDHAUS, W. D. A survey of estimates of the costs of controlling greenhouses gases, Energy Journal, vol. 12, p. 37-66, 1991.

OLIVEIRA JUNIOR, J .N.; DINIZ, M. B.; FERREIRA, R. T.; CASTELAR, I.; DINIZ, M. J. T. Análise da área desmatada municipal na Amazônia Brasileira no período 2000 – 2004: Uma abordagem com modelos não-lineares, Economia Aplicada, vol. 14, n. 3, p. 395-411, 2010.

PATTANAYAK, S. K.; ROSS, M. T.; DEPRO, B. M.; BAUCH, S. C.; TIMMINS, C.; WENDLAND, K. J.; ALGER, K. Climate Change and Conservation in Brazil: CGE Evaluation of Health and Wealth Impacts, Economic Geography and Color Maps, vol. 9, n.2, 2009.

PERES, C.A.; GARDNER, T.A.; BARLOW, J.; ZUANON, J.; MICHALSKI, F.; LESS, A.C., VIEIRA, I.C.G.; MOREIRA, F.M.S.; FEELEY, K.J. Biodiversity conservation in human-modified Amazonian forest landscapes. Biological Conservation n. 143, p. 2314–2327, 2010.

PERZ, S.; BRILHANTE, S.; BROWN. F.; CALDAS, M.; IKEDA, S.; MENDOZA, E. Road building, land use and climate change: Prospects for environmental governance in the Amazon. Philosophical Transactions of the Royal Society, 363, p. 1889–1895, 2008

PFAFF, AS.P. What Drives Deforestation in the Brazilian Amazon? Evidence from satellite and Socioeconomic Data.1997 (Working Paper, 1772).Disponível em: <http://wwwwds.worldbank.org/servlet/WDSContentServer/WDSP/IB/1997/05/01/00000926 5_3980313101835/Rendered/PDF/multi_page.pdf>. Acesso em 26 de setembro de 2012.

PINDYCK, R. S.; RUBINFELD, D. L. Econometria: modelos & previsões. São Paulo: Elsevier, 2004. 726 p.

REIS, E.; MARGULLIS, S. Options for slowing Amazon jungle clearing. IN: DORNBUSCH, R., POTERBA, J. Economic Policy Responses to Global Warming, Cambridge, MA, MIT Press, 1991.

RIVERO, S.; ALMEIDA, O.; AVILA, S.; OLIVEIRA, W. Pecuária e Desmatamento: Uma Analise das Principais Causas Diretas do Desmatamento na Amazônia. Nova Economia, 19(1), pp. 41-66, 2009.

SANTANA, M. A. A Experiência de Planejamento Regional no Brasil: o caso da Amazônia (1985-2003). 2009. 116p. Tese (Doutorado em Planejamento Urbano e Regional) – Instituto de Pesquisa e Planejamento Urbano e Regional, Universidade Federal do Rio de Janeiro, Rio de Janeiro. 2009.

SCHNEIDER, R., ARIMA, E., VERISSIMO, A., BARRETO, P., SOUZA JR, C. Sustainable Amazon: limitations and opportunities for rural development.World Bank Technical Paper No. 515, Environment Series.Washington, DC: World Bank, 2002.

SHMINK, M., WOOD, C. Contested frontiers in Amazonia, Technical report, Columbia University Press, 1992.

SOARES FILHO, B. S. et al. Cenário de Desmatamento para a Amazônia. Estudos Avançados, v. 19, n. 54, p. 137-152, 2005.

SOARES-FILHO, B. S.; DIETZCH, L.; MOUTINHO, P.; FALIERI, A.; RODRIGUES, H.; PINTO, E.; MARETTI, C. C.; SCARAMUZZA, C. A. M.; ANDERSON, A.; SUASSUNA, K.; LANNA, M.; ARAUJO, F. V. Redução das Emissões de Carbono do Desmatamento no Brasil: O papel do programa Areas Protegidas da Amazônia (ARPA), WWF, 2009.

SOARES-FILHO, B.; CERQUEIRA, G. C.; PENNACHIN, C. DINAMICA – a stochastic cellular automata model designed to simulate the landscape dynamics in Amazonian colonization frontier. Ecological Modeling, v. 154, n. 3, p. 217-235, 2002.

SOUZA, R. A.; MIZIARA, F.; MARCO Jr., P. Spatial variation of deforestation rates in the Brazilian Amazon: A complex theater for agrarian technology, agrarian structure and governance by surveillance. Land Use Policy, n. 30, p. 915– 924, 2012.

WALKER, R., MORAN, E., ANSELIN, L., 2000. Deforestation and cattle ranching in the Brazilian Amazon: external capital and household processes. World Development 28 (4), 683–699.

APÊNDICE –ESTRUTURA DO MODELO EGC-AMAZÔNIA A seguir, o núcleo do modelo é apresentado com as suas principais equações, para alguns componentes: estrutura de produção,demanda das famílias, demanda por investimentos,composição do trabalho e a demanda por fatores primários. Para simplificar,algumas identidades e equações não são apresentadas, como a demanda por exportações, governo e estoques, as demandas por margens, a fonte das margens, as equações de oferta e demanda e de equilíbrio de mercado, entre outros. Estrutura de produção CES

Formalmente, a forma geral da função de produção para cada região é baseada em uma CES (constant elasticity of substitution)23 é dada por:

� � � �� �����

�� �

��

onde �é o produto, o vetor ���� � 1, … , ��são insumos. Assume-se � � 0, ∑ �� � 1��� e�1 � � � ∞� � 0, para retornos constantes de escala. A elasticidade de substituição, � é dada por σ �

"#. Escolhendo insumos que minimizam os custos de produção em uma função de

produção CES, e usando o fato de que em competição perfeita os fatores são pagos pelo valor de seu produto marginal, tem-se em mudança percentual:

$�,% � ∑ &��, ', (�. $��, ', (��*� (1)

onde $�,% é a taxa de crescimento do preço do setor ina região r, &��, ', (� é a participação do insumo i no total dos custos do setor j∑ &��, ', (� � 1�*� , e $��, ', (� é a taxa de crescimento do preço do insumo i usado no setor jem r. (ver Hertel and Tsigas, 1993). Assim, a taxa de crescimento dos preços de um setor em uma região é uma soma ponderada das participações nos custos das taxas de crescimento nos preços dos insumos. Além disso:

+�,,,% � -.$,,% � $�,,,% / 0�,%1(2)

onde +�,,,% é a taxa de crescimento da demanda pelo insumo i usado no setor jem r, e 0�,%é a taxa de crescimento do produto no setor em r. Assim, sob uma função CES, as equações de demanda por insumos podem

ser decompostas em dois efeitos, a saber: efeito substituição - medido pelo desvio da taxa de crescimento do preço do insumo em relação ao preço ponderado pela participação nos custos de todos os insumos multiplicado pela elasticidade de substituição - e efeito-renda, que mede a taxa de crescimento da produção setorial.

A utilização de funções CES na tecnologia de produção decorre da adoção da hipótese de Armington (Armington, 1969) para a diferenciação de produtos, implicando em condições de substituição imperfeita para bens de diferentes origens, característica que proporciona ao modelo “padrões de comércio intra-setoriais não especializados, uma importante regularidade empírica encontrada na literatura” (Domingues, 2002, p.51). Demanda das famílias

Uma função consumo Keynesiana determina o gasto como uma função da renda disponível. A especificação da demanda das famílias é baseada num sistema

23 Em uma função CES, para elasticidade de substituição igual a 1, as demandas se comportam como uma função Cobb-Douglas hierarquizada (i.e., participação nos gastos são constantes mesmo com mudanças de preços relativos). Se o parâmetro é igual a zero, a demanda segue a forma de Leontief (i.e., proporções das quantidades constantes independentemente do preço) (Dixon et al., 1980).

combinado de preferências CES/Klein-Rubin. As equações de demanda são derivadas a partir de um problema de maximização de utilidade, cuja solução segue passos hierarquizados. No primeiro nível ocorre substituição CES entre bens domésticos e importados.

No nível superior subseqüente há uma agregação Klein-Rubin dos bens compostos; assim a utilidade derivada do consumo é maximizada segundo essa função de utilidade. Essa especificação dá origem ao sistema linear de gastos (LES), no qual a participação do gasto acima do nível de subsistência, para cada bem, representa uma proporção constante do gasto total de subsistência de cada família.

A denominação Sistema Linear de Gastos deriva da propriedade de que o gasto em cada bem é uma função linear dos preços médios (composto importado e doméstico) e do gasto (renda). Existe um requisito de “subsistência” em cada bem, cujas quantidades são adquiridas qualquer que seja o preço do bem. O resíduo do orçamento do consumidor, depois dos gastos totais de subsistência, é chamado de “gasto de luxo” ou gasto em “supernumerário”. A alocação do gasto de luxo nos diversos bens segue uma participação orçamentária marginal – calibrada de acordo com parâmetros de elasticidade do gasto e de participação orçamentária.

Formalmente, a função utilidade per capita Stone-Geary ou Klein-Rubin, que possui a forma de uma Cobb-Douglas, pode ser definida pela equação seguinte24:

2�(� � ∑ 34

5� ���(� � 6�(��7,4 (3)

Onde ��(�é o consumo agregado do bem iem re 8 é o número de famílias na região r.6, a quantidade de subsistência em cada região r, e 9, participação orçamentária marginal sobre gastos totais em bens de luxo, são vetores de parâmetros. Como observado por Peter et al. (1996), uma característica da função utilidade Stone-Geary é que apenas o componente de gastos acima do nível de subsistência,ou gastos em bens de luxo, afeta a utilidade per capita. O sistema de demanda regional resultante implica que a quantia gasta em cada bem acima do nível de subsistência,���(� � 6�(��. $�,% é dada por uma participação constante no total gasto em bens de luxo:

��(� � 6�(��. :�;, (� � 9�,% ∑ <��;, (� � 6�;, (�=. :�;, (�> (4)

Demanda por investimento e índices

A seguir, examinam-se as equações referentes à demanda por investimento e índices de preços - condicionados ao investimento por setor. A equação de criação de novo capital no setor i é obtida através da tecnologia de Leontief (combinação dos insumos intermediários em proporções fixas). A quantidade do bem c demandado pelo setor i na região r, ?@,�,%, é proporcional ao nível de investimento pelo setor ina região r,A�,%multiplicado pelo termo tecnológico�@,�,%.

?@,�,% � �@,�,% B A�,%(5)

Definiu-se, também, o preço de compra do bem c para o investimento em r, :@,%,como o preço de compra do investidor,:C@,��D,E.

:@,% � :C@,��D,E(7)

Em seguida, pode ser calculado o índice de preço do investimento do setor ina região r, :A�,%, multiplicado pelo investimento do setor, como a soma dos investimentos para todos os produtos.

:A�,% B A�,% � ∑ �:@,% B ?@,�,%�@ (8)

24 A formalização segue Haddad (2004).

A última equação, por sua vez, mostra a demanda de investimento por compostos domésticos e importados, ?C@,% em cada região r, como a soma das demandas de todos os setores por bens do investimento,?@,�,%.

?C@,% � ∑ ?@,�,%� (9)

Demandas por investimento de setores específicos

Consideram-se as demandas por investimento de setores específicos. A taxa de retorno bruta,F�,%, é determinada como a razão entre a rentabilidade do capital (aluguel) na região re o índice de preço do investimento no setor (preço de novas unidades de capital na abordagem de estática comparativa determinada pelo modelo).

F�,% � :G�,%/:�,%(10)

A taxa de crescimento bruto de capital na região r, G�,% por sua vez, é uma razão entre o investimento pelo setor em r, A�,% e o uso ou estoque de capital em r, G�,%.

G�,% � A�,%/G�,% (11)

G�,%é determinado pela regra de investimento proposta em Dixon et al. (1982).

G�,% � I1�,% B J.F�,%KL/?CM�NGOP.QQ(12) Composição do trabalho por tipo

Este aninhamento é expresso pelas equações que determinam a demanda por trabalho da indústria ina região r, M�,%, e os salários por indústria, ocupação e região, :M�,%. :M�,%é proporcional ao insumo trabalho efetivo, M@,�,%e um termo de salário elevado às elasticidades de substituição entre o trabalho em cada indústria i,�R�S�. O termo salário é composto de taxas de salário, :M�,%. Mudanças nos preços relativos dos diferentes tipos de trabalho induzem substituição em favor de ocupações relativamente mais baratas.

M�,% � �:M�,%�TUVWX(13)

Demanda por fatores primários

Calculado as demandas por trabalho aninhadas, necessita-se agora explicar as demandas por fatores primários baseadas na minimização de custo em cada região. Trabalho efetivo, capital, custo e terra são combinados usando uma função CES. M�,% é proporcional à demanda global por fatores primários, Y�,%, e ao termo de preço elevado à elasticidade de substituição dos fatores primários, �Z�. Dividiu-se também a quantidade e multiplicou-se o preço pelo termo de mudança tecnológica no trabalho, �M�,%,para obter a demanda por trabalho efetivo. O termo de preço é composto do preço relativo do trabalho, :M�,%, e pelo preço dos fatores compostos, :Y�,%. Mudanças nos termos de preços induzem substituição em favor dos fatores relativamente mais baratos.

M�,%/.:Y�,% B �M�,%1 � .:M�,% B �M�,%/Y�,%1T[X(14)

As mesmas equações de otimização se aplicam a demanda por capital em rG�,%, e a demanda por terra em r\�,E.

G�,%/.Y�,% B �G�,%1 � .:G�,% B �G�,%/:Y�,%1T]%�[X (15)

\�,%/.Y�,% B �\�,%1 � .:\�,% B \�,%/:Y�,%1T]%�[X(16)

Os preços dos fatores primários são determinados pela soma do valor dos componentesem cada região. Isso resolve para o preço dos fatores compostos, :Y�,%.

.:Y�,% B Y�,%1 � .:M�,% B M�,% / :G�,E B G�,E / :\�,E B \�,E1(17)