Diferentes dados, diferentes resultados: mapeando o desmatamento nas cadeias de abastecimento de soja da América do Sul

A produção de soja está se expandindo globalmente para atender à crescente demanda por ração animal, alimentos e biocombustíveis. Essa expansão é notável na América do Sul, onde o Brasil ultrapassou os Estados Unidos como o maior exportador mundial de soja. Na região, a expansão da soja se relaciona a diferentes dinâmicas de uso da terra e, em alguns casos, pode impulsionar tanto o desmatamento direto, por meio da conversão de florestas em terras agrícolas destinadas à produção de soja, quanto o desmatamento indireto, ao substituir outros usos da terra em regiões florestais vulneráveis, como o bioma amazônico. 

Para reduzir esse impacto, muitas empresas compradoras de soja adotam políticas para garantir que suas cadeias de suprimentos de soja sejam livres de desmatamento e conversão (DCF). Essas iniciativas incluem compromissos corporativos individuais, padrões e metas voluntárias, como as metas para uso da terra da Science Based Targets Network, além de regulamentações obrigatórias, como o Regulamento da União Europeia sobre Produtos Livres de Desmatamento (EUDR). 

Cumprir esses compromissos exige que as empresas monitorem de perto suas cadeias de abastecimento, mas determinar quais dados de monitoramento utilizar pode ser um desafio. Ao longo da última década, o monitoramento florestal amadureceu de forma constante com novas pesquisas, metodologias e ferramentas, resultando em vários conjuntos de dados que rastreiam a perda florestal na América do Sul.  Porém, esses conjuntos de dados, construídos com diferentes metodologias, finalidades, escopos e até mesmo definições do que constitui desmatamento, podem produzir resultados distintos, e isso não significa necessariamente que um esteja certo e a outra errado. O importante é compreender as limitações, os pontos fortes e a finalidade de cada conjunto de dados para escolher a informação mais adequada para cada decisão. 

É essa compreensão que o estudo "Comparing Forest Loss Data Sources to Align Deforestation- and Conversion-Free Analyses for Soy Production in South America", feito pelo WRI e disponível em inglês, português e espanhol, busca apoiar. Ele explica por que os resultados de cada conjunto de dados podem variar e ajuda empresas a tomar decisões mais informadas sobre quais conjuntos de dados utilizar e como interpretar seus resultados. Além disso, o trabalho fornece uma base metodológica para uma futura análise da perda e conversão de todos os ecossistemas.

Quais são as principais diferenças entre os conjuntos de dados mais utilizados analisados neste estudo? 

Uma comparação lado a lado de várias fontes e métodos ajuda a garantir um uso mais confiável dos dados de monitoramento do desmatamento. O estudo foi pensado para avaliar a consistência, os pressupostos e as limitações de três conjuntos de dados de mudanças no uso e na cobertura do solo (LUCC) na América do Sul:  perda de cobertura arbórea (TCL) da Universidade de Maryland (UMD), disponível no Global Nature Watch; as transições de cobertura do solo do MapBiomas; e os dados de desmatamento do PRODES. 

As principais diferenças entre esses conjuntos de dados incluem: 

• O que se pretende medir.  O TCL mapeia toda a perda de cobertura arbórea com árvores de altura superior a cinco metros, utilizando um limiar ajustável de cobertura do dossel (neste estudo, foi adotado o limiar de 10%), o que inclui perturbações naturais, incêndios e a conversão, provocada pelo homem, para uso agrícola ou área urbanizada. O MapBiomas mapeia todas as mudanças na cobertura e uso do solo (neste estudo, o foco foi nas mudanças de florestas  para outros usos do solo, como agricultura e áreas urbanizadas).  O PRODES mapeia a perda de vegetação nativa causada por ação humana. Por isso, não inclui perturbações naturais, como incêndios florestais, vendavais ou doenças. No entanto, áreas afetadas por fogo são consideradas quando a queima faz parte de um processo de desmatamento que resulta na conversão permanente da vegetação nativa. 
• Como definem “floresta”. O TCL define “floresta” como toda a cobertura arbórea que atinge o limite de altura de cinco metros. Para o MapBiomas, a definição de “floresta” varia por país com base em definições ecológicas locais, em vez de um limite global de altura ou de copa.  Ao contrário dos demais conjuntos de dados, o PRODES não se baseia em uma definição de "floresta". Em vez disso, foi desenvolvido para monitorar toda a perda de vegetação nativa causada por ação humana, tanto em formações florestais quanto não florestais, identificando as mudanças com base nas características da vegetação de cada região. 
• Resolução espacial e períodos de referência. Os conjuntos de dados do TCL e do MapBiomas estão disponíveis com resolução de 30 metros, e o PRODES mapeia eventos de desmatamento com área superior a um hectare. Tanto o TCL quanto o MapBiomas mapeiam as perdas de acordo com o ano civil, enquanto o PRODES apresenta seus relatórios no período de agosto a julho. Cada conjunto de dados abrange um longo histórico, que remonta a 2000 ou até mesmo a 1985 (MapBiomas), e é atualizado anualmente, embora as divulgações anuais variem em termos de periodicidade ao longo do ano: o TCL costuma ser divulgado por volta de abril ou maio, referente ao ano civil anterior; o PRODES costuma ser divulgado por volta de setembro, referente ao período anterior, de agosto a julho; e as coleções por bioma e por país do MapBiomas são divulgadas separadamente, em prazos variáveis. 

Principais diferenças entre os conjuntos de dados utilizados para monitorar as cadeias de abastecimento da soja na América do Sul

Em que pontos esses conjuntos de dados coincidem e em que pontos divergem? 

Em escala continental, todos os conjuntos de dados coincidem na identificação dos principais hotspots de perda florestal. No entanto, diferem tanto na escala local quanto nas estimativas da área total de perda para uma determinada região ou país. 

Algumas das diferenças mais acentuadas se devem às definições de floresta e desmatamento. O MapBiomas tem uma definição mais ampla de floresta do que a FAO, incluindo, por exemplo, savanas; portanto, filtrar os dados para se adequar à definição da FAO reduz substancialmente a perda florestal mapeada na maioria dos países (por exemplo, em até 55% na Argentina), mas tem pouco efeito onde a presença de savanas é mínima, como na Bolívia. O PRODES, embora limitado à perda causada pro ação humana, também utiliza uma definição mais ampla de vegetação do que a FAO, de modo que sua área mapeada diminui de forma semelhante quando filtrada. 

O estudo também constata que, quando a perda florestal é sobreposta à extensão das áreas de soja, o foco se restringe a uma área muito menor, o que significa que o desmatamento associado à soja representa apenas uma fração da área total de perda florestal (3% a 12% da perda florestal total, dependendo do país e do conjunto de dados), de acordo com todos os conjuntos de dados. 

Na escala do pixel ou em escala mais local, qualquer mapa elaborado com um método, modelo ou dados de entrada diferentes apresentará variações em algum grau.  O mapa abaixo mostra a sobreposição entre os diferentes conjuntos de dados e a extensão do cultivo de soja, ilustrando que há áreas em que os conjuntos de dados coincidem e outras em que divergem. 

O que isso significa para os dados na prática?  

Nenhum conjunto de dados é perfeitamente preciso ou adequado para todos os fins, devido às diferentes metodologias desenvolvidas para diversas aplicações. No entanto, este estudo apresenta uma metodologia que permite adaptar um conjunto de dados — originalmente desenvolvido para um determinado propósito e definição — de modo que ele também produza métricas de perda e conversão florestal compatíveis com outras definições. Ao incorporar a extensão das áreas de cultivo de soja na América do Sul, o estudo também destaca a importância de filtrar a perda florestal por uma commodity de interesse, uma vez que mesmo pequenas áreas de desmatamento relacionadas a commodities devem ser evitadas para cumprir os compromissos do DCF. 

As empresas podem utilizar esses métodos para alinhar os dados às definições e garantir que seu monitoramento esteja em conformidade. Por exemplo, a Accountability Framework Initiative (AFi) criou orientações detalhadas sobre as definições de florestas, desmatamento, conversão e ecossistemas naturais com base na FAO, que foram adotadas por muitas estruturas de relatórios de sustentabilidade corporativa, como a  Orientação sobre Florestas do CDP , a  Orientação FLAG da SBTi , o  Padrão do Setor de Terras e Remoções do Protocolo de GEE  e a  GRI 101: Biodiversidade 2024 . A EUDR também faz referência à definição de floresta da FAO, mas difere da AFi no que diz respeito ao que pode constituir desmatamento. 

A melhor escolha de dados é aquela que atenda às necessidades da aplicação. Isso pode significar utilizar um conjunto de dados pronto para uso, aplicando filtros de altura da copa e de unidade mínima de mapeamento para atender a uma definição específica de floresta, conforme estabelecido neste estudo; ou utilizar uma abordagem de convergência de evidências — que compara resultados entre vários conjuntos de dados independentes — para criar um novo mapa a partir da combinação dessas informações. 

O que vem a seguir para o monitoramento do DCF  

Embora as ferramentas de mapeamento e monitoramento — como o mapa  SBTN Natural Lands para definição de linha de base , todos os alertas de  perturbação de ecossistemas (DIST)  e o  Sistema de Classificação de Alertas de Perturbação de Terras  (LDACS) — estejam avançando rapidamente, ainda existem lacunas no monitoramento e nas análises do DCF, particularmente no que diz respeito a  ecossistemas não florestais , como savanas, pastagens e zonas úmidas. À medida que os conjuntos de dados sobre a  conversão de pastagens e matagais  amadurecem, abordagens semelhantes às deste estudo ajudarão a garantir um monitoramento robusto do DCF nos principais ecossistemas não florestais, como o Cerrado e o Chaco, contribuindo para uma proteção regional mais abrangente dos ecossistemas. 

O Land & Carbon Lab está trabalhando em um novo produto de dados global e anual que mapeia a conversão tanto de florestas quanto de ecossistemas não florestais para a agricultura. Fique ligado para mais informações sobre esses novos dados e como eles podem apoiar o monitoramento do DCF alinhado com a AFi.