<\/p>\n
Banca Examinadora:<\/strong><\/p>\n Prof. Dr. H\u00e9lio Tonini, Empresa Brasileira de Pesquisa Agropecu\u00e1ria, Primeiro Examinador. RESUMO:<\/strong><\/p>\n Este estudo compreende tr\u00eas cap\u00edtulos que procuram investigar porque pequenos e m\u00e9dios propriet\u00e1rios rurais no Brasil n\u00e3o conseguem acessar o mercado de cr\u00e9ditos de carbono no setor florestal. Ao investigar as causas relacionadas a este problema, foram identificadas poss\u00edveis solu\u00e7\u00f5es que requerem adapta\u00e7\u00f5es nas formas usuais de se pensar a inclus\u00e3o destes atores, em termos de interven\u00e7\u00f5es privadas, do terceiro setor ou governamentais, bem como na forma de se pensar a etapa de quantifica\u00e7\u00e3o da biomassa acima do solo (B). No primeiro cap\u00edtulo, por meio de modelagem econ\u00f4mica, da an\u00e1lise de dados de projetos REDD+ e da an\u00e1lise de informa\u00e7\u00f5es t\u00e9cnicas e de rentabilidade rural, prop\u00f5e-se delineamentos para um mecanismo de preserva\u00e7\u00e3o florestal destinado a pequenos e m\u00e9dios propriet\u00e1rios rurais. No segundo cap\u00edtulo, \u00e9 realizado um exerc\u00edcio de estima\u00e7\u00e3o da biomassa florestal com dados para o estado do Paran\u00e1. Os dados de campo foram obtidos do Invent\u00e1rio Florestal Nacional (IFN) conduzido pelo Servi\u00e7o Florestal Brasileiro (SFB) durante os anos de 2013 a 2016, que coletou informa\u00e7\u00f5es de 60mil \u00e1rvores em todo o estado. Com unidades amostrais distribu\u00eddas a cada 20 km, foram analisadas 480 subunidades de 1000m\u00b2. Para cada subunidade, foram extra\u00eddas vari\u00e1veis em 6 bases de dados de sensoriamento remoto armazenadas na plataforma Google Earth Engine (GEE). A seguir foram aplicados algoritmos de machine learning. O \u00edndice m\u00e9dio de ajuste das estima\u00e7\u00f5es medido pelo coeficiente de determina\u00e7\u00e3o R\u00b2 foi de 0,75 com dados mistos (invent\u00e1rio florestal e sensoriamento remoto) e 0,57 para dados exclusivamente de sensoriamento remoto. No terceiro cap\u00edtulo, com base nos resultados do cap\u00edtulo 2, estimou-se a distribui\u00e7\u00e3o da biomassa florestal em Guarapuava, Paran\u00e1, utilizando um modelo de regress\u00e3o CatBoost combinado com dados de sensoriamento remoto processados no GEE. Investigou-se tamb\u00e9m o conceito de \u201cmenu de contratos\u201d como alternativa para superar problemas de sele\u00e7\u00e3o adversa e assimetria de informa\u00e7\u00f5es, comuns em auditorias tradicionais de adicionalidade. Os resultados revelaram que ganhos de bem-estar social s\u00e3o poss\u00edveis com a incorpora\u00e7\u00e3o de pequenos e m\u00e9dios propriet\u00e1rios rurais no mercado de cr\u00e9ditos de carbono florestal. Isto ocorre tanto pela gera\u00e7\u00e3o de renda para esta parcela do meio rural quanto pela amplia\u00e7\u00e3o da oferta de prote\u00e7\u00e3o ambiental. A incorpora\u00e7\u00e3o destes agentes n\u00e3o parece t\u00e3o distante quanto se imagina \u00e0 primeira vista. Avan\u00e7os recentes na gera\u00e7\u00e3o e processamento de dados de sensoriamento remoto permite a estima\u00e7\u00e3o da biomassa florestal com precis\u00e3o suficiente para a implementa\u00e7\u00e3o de pol\u00edticas e programas voltados a este p\u00fablico. Embora n\u00e3o ocupem a maioria do territ\u00f3rio em algumas regi\u00f5es, como na Amaz\u00f4nia, em termos absolutos a \u00e1rea ocupada \u00e9 expressiva. Os resultados do Cap\u00edtulo 2 refor\u00e7am que pol\u00edticas que visem o refor\u00e7o de invent\u00e1rios p\u00fablicos, como os invent\u00e1rios florestais nacional, estaduais e municipais podem contribuir significativamente para a precis\u00e3o das estimativas, com custos reduzidos frentes aos seus benef\u00edcios. Os padr\u00f5es regionais de biomassa identificados permitem refinar a elabora\u00e7\u00e3o de pol\u00edticas p\u00fablicas selecionando im\u00f3veis com base na qualidade e quantidade de biomassa.<\/p>\n
\nProf. Dr. Gerson dos Santos Lisboa, Universidade Federal de Santa Maria, Segundo Examinador.
\nProf. Dr. Rafaelo Balbinot, Universidade Federal de Santa Maria, Terceiro Examinador.
\nProf\u00aa. Dra. Andrea Nogueira Dias, Universidade Estadual do Centro-Oeste, Quarta Examinadora.
\nProf. Dr. Luciano Farinha Watzlawick, Universidade Estadual do Centro-Oeste, Orientador e Presidente da Banca Examinadora<\/p>\n
![\"PDF\"](\"https:\/\/www3.unicentro.br\/ppgf\/wp-content\/uploads\/sites\/96\/2020\/08\/pdf-icone.png\")
<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"