Quantitative spatial analysis of deforestation in legal amazon: selected topics

Abstract

[eng] The dissertation covers five topics on deforestation in Legal Amazon. The first study investigates spatial heterogeneity of deforestation determinants at municipality level. Spatial differences are assessed by geographically weighted regression. The distances between regression points are measured in travel time. The computation is done programmatically. Different drivers of deforestation emerge in different locations of Legal Amazon. For Pará and its surroundings, cattle market is an especially strong driver of deforestation. Crop cultivation leads to forest clearings only in a relatively small area, located in southeastern Pará and northeastern Mato Grosso. Rural credit constraints are effective in curbing deforestation in Pará. Here less deforestation happens where more forests are legally protected, where precipitation levels are favorable for agriculture and at lower altitudes. U-shaped environmental Kuznets curve is concluded for the entire region. However, significant links are found only in Amazonias, Roraima, Pará and its proximities. Timber value motivates deforestation in most parts of the Amazon biome. Official roads contribute to deforestation in Amazonias, Roraima and their surroundings. Adverse effect of unofficial roads on extant forests is especially evident in northern Rondônia and northeastern Pará. Links between rural population and deforestation are very strong for western parts of Rondônia and Mato Grosso, but are very weak in Pará. The implementation of economic distances relative to Euclidean distances changes the results significantly for some regions. The second article investigates whether sugarcane expansion in southern Brazil exports deforestation into the Amazon. This indirect land use change is captured using spatial Durbin model. The parameters are estimated by fixed-effects regression. The results indicate that sugarcane expansion exported 16.3 thousand km2 (12.2%) of deforestation during period 2002-2012, which is equivalent of 189.4 Mg of carbon emissions. The third study contributes to the polemics of whether rural population is linked with deforestation on forest edges. Empirical strategy is as follows: Pará state is partitioned into 5x5 km grids, only cells that classify as forest frontier are retained, links between deforestation and its covariates (including rural population) are investigated both parametrically (fractional logistic regression) and non-parametrically (regression tree). The results confirm positive link between the size of rural communities and deforestation on forest frontiers. Both methods suggest that deforestation is positively linked with cattle herd size and distance to the most proximate river and negatively linked with forest cover and precipitation. Regression tree also reveals that deforestation within protected areas is substantially lower. The fourth paper quantifies avoided deforestation in Pará’s protected areas, on their edges and in their peripheral areas (buffer zones) by matching. Location characteristics are converted into a single propensity score by the means of logistic regression. Pará avoided ~2900 km2 of deforestation during 2000-2004. Space has huge implications: conservation units in remote regions do not avoid deforestation, whereas protected areas near deforestation hotspots save substantial areas of forests. Avoided deforestation is positive in buffer zones located to the west of highway BR-163 and on the banks of Amazon River, and negative in buffers located in eastern Pará. Boundaries of conservation units are well protected from edge effects. The last study maps deforestation at 5x5 km grids in selected territory in Rondônia from past and time-fixed factors. Eigenvector-based spatial filtering is applied to solve spatial autocorrelation problem and to improve mapping accuracy. Output values of trained artificial neural network satisfactory correlate with actual values (correlation coefficient is 0.79).

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

[cat] La tesi cobreix cinc tòpics distints sobre la deforestació a l’Amazònia Legal. El primer estudi investiga la heterogeneïtat espacial de determinants de deforestació a nivell municipal. Les diferències espacials són avaluades per regressió geogràficament ponderada. Les distàncies entre punts de regressió estan mesurades per temps de viatge. Segons l’estudi, la ramaderia afecta la deforestació més a Pará i els seus voltants. El cultiu de les collites augmenta la deforestació només a la zona ubicada al sud-est de Pará i nord-est de Mato Grosso. Les restriccions de crèdit rural són una mesura eficaç contra la deforestació a Pará. Aquí hi ha menys deforestació a les zones amb més boscos amb protecció legal, amb nivells de precipitació favorables per a l’agricultura i a altures més baixes. La relació entre PIB per càpita i deforestació segueix la curva en forma d’U. El valor de la fusta explica la deforestació a la majoria de les regions del bioma Amazònic. En general, les carreteres contribueixen a la deforestació més a les regions remotes. Els vincles entre població rural i deforestació són més forts en el nord de Rondônia i nord de Mato Grosso. La implementació de les distàncies per temps de viatge respecte de les distàncies Euclidianes canvia els resultats significativament per a algunes regions. El segon article investiga si l’expansió de la canya de sucre a les regions d’Amazònia Legal fora del bioma Amazònic exporta deforestació al bioma. Els vincles distants entre canya de sucre i deforestació estan capturats per model espacial de Durbin. Els paràmetres estan estimats per regressió d’efectes fixos. La canya de sucre exportà 16.3 milers km2 (12.2%) de deforestació durant el període 2002-2012. El tercer estudi prova empíricament la declaració que la població rural està positivament relacionada amb la deforestació a les voreres del bosc. L’estat de Pará se divideix en quadrícules de 5x5 km. Les relacions entre deforestació i els seus determinants (incloent població rural) estan investigats per dos mètodes: regressió logística fraccional i arbre de regressió. Els resultats confirmen que la mida de les comunitats rurals està relacionada amb la deforestació. A més, ambdós mètodes suggereixen que la deforestació està vinculada positivamente amb la mida del ramat boví i la distància al riu més pròxim, i negativament amb la coberta forestal i la precipitació. L’arbre de regressió revela que la deforestació és significativament més baixa dins les àrees protegides. El quart article quantifica la deforestació evitada a les àrees protegides, en els seus límits i a les seves zones para-xocs a Pará pel mètode d’aparellament. Les característiques de localitats estan convertides en una única puntuació de propensió per regressió logística. Pará evità ~2900 km2 de deforestació durant 2000-2004. L’espai té implicacions importants: unitats de conservació a les regions remotes no eviten la deforestació, mentre que àrees protegides ubicades a prop dels focus de deforestació salven grans àrees de boscos. La deforestació evitada és positiva a les zones para-xocs ubicades cap a l’oest de l’autopista BR-163 i a les voreres del riu Amazonas, i negativa a les zones para-xocs situades a l’est de Pará. Els límits de les unitats de conservació estan ben protegits dels efectes de límit. El darrer estudi simula deforestació a cada quadrícula de 5x5 km. Mitjançant filtrat espacial els vectors propis que solucionen el problema d’auto correlació espacial (i automáticament milloren la precisió de la predicció) estan identificats. Els valores de deforestació estan calculats per la xarxa neuronal artificial. El coeficiente de correlació entre els valors reals i els simulats és de 0.79).