1A existência de coberturas florestais conservadas interfere em aspectos quantitativos e qualitativos da disponibilidade de água em bacias hidrográficas, promovendo a regulação do fluxo dos rios, interceptando a água da chuva, controlando processos erosivos superficiais, diminuindo a contaminação dos rios por sedimentos e, consequentemente, melhorando a qualidade da água (De Assis; Furlan, 2015; Honda; Durigan, 2017).
2Em conjunto com práticas de cultivo que permitem a conservação do solo — no que se convenciona chamar de agricultura regenerativa —, os ecossistemas naturais contribuem para a qualidade e regulação da vazão dos cursos hidrográficos, influenciando positivamente não apenas as áreas rurais em que esses rios percorrem, mas também as áreas urbanas que deles dependem para o abastecimento hídrico (Honda; Durigan, 2017).
3Estudos sugerem que as bacias em que ocorrem eventos de diminuição da qualidade e disponibilidade de água estão predominantemente localizadas em áreas que passaram por processos intensos de ocupação e transformação da paisagem natural, tendo como um dos indicadores a supressão da cobertura florestal (Coelho et al., 2021).
4Nas florestas, o processo em que uma grande extensão de habitat é suprimida e transformada em manchas isoladas é chamado de fragmentação (De Assis; Furlan, 2015). Entre as definições desse conceito, se encontra o de Wilcove et al. (1986), que compreende a fragmentação como a diminuição de uma cobertura florestal em várias manchas menores, de modo que a soma da área das manchas menores seja menor do que a área total da floresta originária.
5Para além dos efeitos negativos sobre a produção de água e a conservação de florestas, a fragmentação tem efeitos sobre a biodiversidade, ocasionando alterações nos números de espécies, na diversidade genética e distribuição geográfica, e, portanto, na biogeografia de áreas rurais e urbanas (De Assis; Furlan, 2015).
6No Planejamento Ambiental, a proteção do ciclo hidrológico em paisagens rurais e urbanas é realizada por meio de mecanismos de proteção, restauração e gestão de bacias hidrográficas, também conhecidos como Infraestrutura Verde (Gray et al., 2019). Tais iniciativas direcionadas à conservação e à melhor gestão dos recursos hídricos se fazem necessárias no contexto atual de crises climáticas e hídricas, marcado pelo aquecimento global e intensificado pelo adensamento populacional urbano e pela antropização dos cursos hídricos rurais.
7Esse é o caso das Bacias PCJ, que fornecem água a mais de 5,8 milhões de pessoas nas regiões de Piracicaba, Capivari e Jundiaí, e 9 milhões de pessoas na Região Metropolitana de São Paulo (RMSP) (Agência das Bacias PCJ, 2020 apud Bega et al., 2021).
8Neste contexto, uma série de estudos e iniciativas de restauração vêm sendo propostos para as Bacias PCJ. Em 2013 foi desenvolvido o Projeto Semeando Água do Instituto de Pesquisas Ecológicas (IPÊ), além do Programa Nascentes da Secretaria de Infraestrutura e Meio Ambiente do Estado de São Paulo. Esses projetos visam promover práticas sustentáveis em propriedades rurais, incentivando a conservação das bacias hidrográficas por meio da recuperação da vegetação nativa (Silva et al., 2019; Dib et al. 2020).
9Iniciativas como essas, inseridas no contexto das Soluções Baseadas na Natureza (SBN), têm seu escopo definido por critérios estratégicos de ordem financeira e política, e por outro lado, desenhados por estudos e mapeamentos que fazem parte da análise de viabilidade de tais projetos. Tais análises compõem os estudos de linhas de bases – modelagem inicial para gerenciar os projetos ao longo do tempo – e métricas de monitoramento, a fim de acompanhar se a restauração de ecossistemas está sendo bem-sucedida e passível de obter certificações de selo sustentável.
10Neste sentido, os mapeamentos de áreas para a restauração podem ser utilizados como suporte para o planejamento ambiental em bacias hidrográficas, e seus benefícios incluem o incentivo ao cumprimento da legislação ambiental, a indicação de áreas para compensação de licenciamento ambiental e a localização de áreas para corredores florestais (Strassburg, 2022).
11A análise desses mapas pode ser efetuada através da classificação hierárquica das áreas para fins de restauração. Dessa forma, os métodos de Análise Multicritério de Decisão (AMD), associados à Análise Hierárquica de Processo (AHP) em SIG, funcionam como uma cartografia de síntese ambiental e vêm sendo aplicados para modelar cenários ecológicos.
12Esta pesquisa está inserida na temática exposta, uma vez que teve como proposta realizar o mapeamento das áreas prioritárias para a restauração florestal em propriedades rurais das Bacias PCJ (Piracicaba, Capivari e Jundiaí).
13O sistema de Bacias PCJ está localizado no Estado de São Paulo, abrangendo 76 municípios, sendo 71 no estado de São Paulo e 5 no estado de Minas Gerais (Uezo, 2017) (Mapa 1). A área de drenagem da região é de aproximadamente 1.417.800 ha e é composta por sete sub-bacias, sendo cinco sub-bacias do Rio Piracicaba (Piracicaba, Atibaia, Corumbataí, Camanducaia e Jaguari) e as sub-bacias dos Rios Capivari e Jundiaí.
14A região contém cinco reservatórios, sendo eles: Piracicaba (na sub-bacia Piracicaba), Jacareí (na sub-bacia Jaguari), Cachoeira (na sub-bacia Camanducaia) e Atibaia e Atibainha (na sub-bacia Atibaia), sendo os 4 últimos pertencentes ao Sistema Cantareira (Bega et al., 2021) (Whately, 2008).
Mapa 1 – Mapa de localização das Bacias PCJ
15Os softwares ArcGIS Pro 3.2 e QGIS 3.36 foram utilizados para os seguintes procedimentos: delimitação da área de estudo; elaboração e normalização das camadas matriciais representando as variáveis do estudo; aplicação de pesos hierárquicos para o cálculo da AHP e elaboração de mapas.
16A AHP foi criada por Thomas L. Saaty na década de 1980 e consiste em avaliar dados de forma pareada, de forma a atribuir pesos comparativos para os dados. Se trata de um método adaptável para diversos cenários de tomada de decisão, pois pode incorporar pares discretos de dados (avalições qualitativas de 1 a 9) e pares contínuos (avaliações quantitativas diretamente de valores reais) (Pimenta et al., 2019). A hierarquização das variáveis foi realizada com base na escala absoluta de Saaty (1990), que avalia os conjuntos de dados de 1 a 9 (Imagem 1).
Imagem 1: Escala para valoração comparativa
Fonte: adaptado de Saaty (1990).
17Para embasar a escolha e o julgamento de peso das variáveis deste estudo, foram levantados estudos de aplicação da AHP no campo de Planejamento Ambiental e Geoprocessamento. Entre eles, destaca-se o projeto de Roslee et al. (2017), que avaliou o potencial de inundação na área de Penampang (Malásia) utilizando SIG. Os mapeamentos finais apresentaram as áreas categorizadas em “alta” ou “baixa” propensão à inundação.
18No escopo de mapeamento de áreas para recuperação florestal, Almeida et al. (2020) aplicou a AHP na Bacia do Rio Doce (MG) utilizando as seguintes variáveis: proximidade de rios; proximidade de remanescentes de vegetação nativa; classe pedológica; declividade e dados de precipitação. Os resultados apresentaram as áreas classificadas em: muito baixo, baixo, médio, alto e muito alto.
19Com base em De Assis; Furlan (2015), Honda; Durigan, (2017), Silva et al. (2019) e Silva; Ribeiro; Longo (2021), as variáveis utilizadas para o mapeamento foram:
-
Área de Preservação Permanente (APP);
-
Vegetação Nativa;
-
Solo exposto;
-
Pastagem com baixo vigor e baixa produtividade;
-
Declividade.
20A escolha das variáveis foi baseada em estudos que caracterizam as propriedades com áreas de solo exposto, alta declividade do relevo e presença de déficit florestal como áreas prioritárias para a restauração de florestas, por apresentarem maior fragilidade ambiental (De Assis; Furlan, 2015; Honda; Durigan, 2017).
21Para a delimitação da área de estudo, foi construída uma base de propriedades a partir do levantamento de dados geográficos do SICAR e do INCRA, sendo considerados os limites dos imóveis cadastrados nos 76 imóveis das Bacias PCJ, além dos limites das APPs definidos pela Fundação Brasileira para o Desenvolvimento Sustentável (FBDS) com base na LPVN (N° 12.651, de 25 de maio de 2012).
22O Código Florestal Brasileiro (Lei Nº 12.651, de 25 de maio de 2012) estabelece que as atividades de readequação ambiental das propriedades com menos de 4 módulos fiscais diferem das obrigações legais das propriedades de maior abrangência territorial. Objetivando realizar a modelagem para iniciativas de restauração de larga escala, nesse estudo foram analisadas exclusivamente as propriedades rurais com mais de 4 módulos fiscais, que têm obrigatoriedade de apresentar Reserva Legal com 20% da área do imóvel.
23Realizado o levantamento, foi efetuado o recorte espacial de forma que a base de propriedades e APPs fosse restrita aos limites das Bacias PCJ, excluindo as propriedades que pertencem ao território dos municípios, mas que não se encontram no perímetro das Bacias PCJ.
24O perímetro da área de estudo inclui não apenas parte do Sistema Cantareira, como está delimitado na área de Gestão Legal das Bacias PCJ, mas todo o perímetro do Cantareira, abrangendo municípios da Região Metropolitana de São Paulo (RMSP) tais como Caieiras, Franco da Rocha e Mairiporã. A decisão de incorporar a totalidade do Sistema Cantareira foi baseada na importância da Bacia do Alto Tietê no contexto do abastecimento hídrico da RMSP (Rodrigues; Villela, 2016).
25Com o processamento de dados de uso e cobertura da terra pelo plugin do MapBiomas no Google Earth Engine, foram levantadas as classes de uso para o ano referentes ao ano de 2023, posteriormente utilizadas para identificar áreas de solo exposto e vegetação nativa. O módulo de conservação de pastagens do MapBiomas também foi levantado, visando a identificação dos polígonos de pastagem degradada nos imóveis rurais.
26Considerando a área (ha) dos imóveis rurais, foram calculadas as cotas obrigatórias de Reserva Legal por imóvel, correspondente a 20% da área (ha) das propriedades. Posteriormente, em ambiente SIG, os dados de vegetação nativa do Mapbiomas foram cruzados com os polígonos das propriedades, permitindo calcular e vincular a vegetação nativa no interior de cada um dos imóveis rurais. Esse procedimento permitiu identificar as propriedades com déficit florestal de acordo com o Código Florestal Brasileiro (Lei 12.651/2012).
27Os polígonos de vegetação nativa também foram cruzados com as APPs dos imóveis rurais, e com base no Art. 15 do Código Florestal, as áreas dos limites de APP com vegetação foram subtraídas das áreas de passivo de Reserva Legal. Dessa forma, o dado de passivo florestal das propriedades das Bacias PCJ resulta da soma dos passivos de Reserva Legal e de APP (Brasil, 2012, art. 15).
28Essa lógica foi utilizada uma vez que viabiliza a estimativa de restauração de forma mais acurada com as práticas comumente adotadas em termos de preservação florestal em imóveis, uma vez que normalmente se restringe o tamanho da área (ha) protegida de acordo com as métricas da Reserva Legal – 20% do imóvel (Metzger, 2010).
29Com o QGIS 3.36, foram geradas camadas raster de distância euclidiana para APPs, vegetação nativa, solo exposto e pastagens degradadas. Essas variáveis foram utilizadas para identificar áreas críticas e determinar pesos maiores para locais com maior fragilidade ambiental, baixa aptidão agrícola e alto potencial de reconexão ecológica (De Assis; Furlan, 2015; Honda; Durigan, 2017).
30A variável de declividade do relevo foi incorporada e analisada no estudo a partir de uma camada raster de Modelo Digital de Elevação (MDE). A camada tem 30 metros de resolução espacial e foi produzida pelo Instituto Geológico do Estado de São Paulo.
31Para a análise da região das Bacias PCJ localizada em Minas Gerais, foi realizado o levantamento da base MDE elaborada pelo Inpe (Projeto Topodata), que também possui 30 metros de resolução espacial. Com as bases de MDE para São Paulo e Minas Gerais, foi elaborado um mosaico para a região das Bacias PCJ e utilizada a ferramenta de reclassificação em porcentagem para que os dados de elevação fossem transformados em percentual de declividade. As classes de declividade foram baseadas no modelo proposto pela Embrapa (1979 apud Galdino, 2015), conforme abaixo (Quadro 1):
Quadro 1: Classes de declividade
|
Declividade (%)
|
Relevo
|
|
0 - 3
|
Plano
|
|
3 - 8
|
Suave-ondulado
|
|
8 - 20
|
Ondulado
|
|
20 - 45
|
Forte-ondulado
|
-
- 75
|
Montanhoso
|
|
> 75
|
Forte-montanhoso
|
Fonte: adaptado de Embrapa (1979 apud Galdino, 2015)
32Para a estimativa de remoção de CO₂, foram realizados trabalhos de campo em Unidades de Conservação com remanescentes florestais representativos das fitofisionomias no território das Bacias PCJ. A estimativa de biomassa foi realizada com dados de campo, com apoio do levantamento fitossociológico através do método de parcelas. Esses dados foram posteriormente convertidos para a sua equivalência em CO₂ e utilizados junto a métricas de Sensoriamento Remoto para geração de dados de biomassa acima do solo e abaixo do solo para a área de estudo.
33Em campo, foram delimitadas parcelas contíguas de 10m x 10m, demarcadas com uso de bússola, GPS e trena. O inventário considerou os elementos arbóreos das parcelas que apresentaram no mínimo 10 cm de Perímetro à Altura do Peito (PAP).
34Nas Bacias PCJ, algumas fitofisionomias predominam na paisagem enquanto outras ocorrem conjuntamente em áreas de transição, compondo zonas de ecótonos. Dessa forma, o cálculo de biomassa considerou 5 fitofisionomias de ocorrência na área de estudo, contudo, foram escolhidos dois métodos distintos entre as fitofisionomias.
35As parcelas de campo foram realizadas em três fitofisionomias principais: Floresta Ombrófila Densa (Parque Estadual da Cantareira), Savana Gramíneo-Lenhosa (Parque Estadual do Juquery) e Ecótono de Floresta Estacional Semidecidual e Ombrófila Densa (Rebio Serra do Japi).
36Para as fitofisionomias da ARIE Mata de Santa Genebra (Floresta Estacional Semidecidual) e da APA Corumbataí-Botucatu-Tejupá (Savana Florestada), optou-se por utilizar estimativas provenientes da base cartográfica de biomassa de Englund et al. (2017). Essa abordagem metodológica permitiu manter a comparabilidade metodológica e ampliar a abrangência da análise, mesmo nas Unidades de Conservação onde a instalação de parcelas não foi realizada diretamente (Cullen Jr.; Rudran; Valladares-Padua, 2006; Furlan, 2011).
37Para estimar a biomassa nos Ecosssitemas de Referência, foi utilizado o modelo alométrico de Chave et al. (2005), conforme a expressão abaixo:
38Onde:
39BPA = Biomassa acima do solo expressa em kg
40= Densidade da madeira expressa g/cm³
41DAP = Diâmetro à Altura do Peito
42H = Altura total da árvore em metros (m)
43Esse modelo foi utilizado devido a sua adequação para diferentes fitofisionomias e boa faixa de aplicação, sendo ideal para diâmetros de 5 a 156 cm (Ferez, 2011).
44O valor do Diâmetro à Altura do Peito (DAP) foi obtido a partir da medição do Perímetro à Altura do Peito (PAP) em campo. O cálculo do DAP leva em consideração a expressão abaixo:
45Onde:
46P = Perímetro
47π = 3,1416
48A densidade da madeira (ρ, em g/cm³) foi utilizada para calcular a biomassa acima do solo em equações alométricas e consiste na razão entre a massa seca da madeira e seu volume saturado (Ferez, 2011).
49A média de densidade foi obtida separadamente para cada fitofisionomia, com base nas análises de Leitão Filho (1992), Lorenzi (1992), Durigan et al. (2000), Carvalho (2008) e De Miranda et al. (2014). Essas análises são adequadas para as fitofisionomias presentes na área de estudo pois levam em consideração os mesmos tipos florestais do estudo (Conforme Quadro 2).
Quadro 2: Comparação quantitativa das densidades da madeira
|
Fitofisionomia
|
Densidade baseada em estudos regionais – Média aritmética
|
|
Savana Gramíneo-Lenhosa
|
0,62 g/cm³
|
|
Floresta Ombrófila Densa
|
0,70 g/cm³
|
|
Floresta Estacional Semidecidual
|
0,70 g/cm³
|
50Fonte: Leitão Filho (1992), Lorenzi (1992), Durigan et al. (2000), Carvalho (2008), De Miranda et al. (2014).
51Para estimar o estoque de carbono da vegetação, os valores de biomassa foram multiplicados por 0,47, seguindo a proporção comumente adotada em estudos ecológicos e estimativas de carbono. Essa proporção reforça que aproximadamente 50% da biomassa seca (em peso) abaixo e acima do solo é composta por carbono (Chave et al., 2005; IPCC, 2006; Ferez, 2011; Rasera, 2018).
52Além da BPA, outro componente considerado foi a Biomassa Abaixo do Solo (BBS), que corresponde à massa seca das raízes vivas e mortas até a profundidade explorada no perfil do solo. Conforme a equação abaixo, a BBS foi calculada a partir dos valores da BPA por meio dos coeficientes ajustados por Cairns et al. (1997) para formações tropicais, garantindo consistência com os demais cálculos de biomassa deste estudo:
53O cálculo para estimativa de sequestro de CO₂ levou em consideração a fitofisionomia originária de cada propriedade e o potencial de cada fitofisionomia na remoção de CO₂ da atmosfera. Com base em Lenti (2017), Azevedo et al. (2018), Silva et al. (2019) e Alencar et al. (2020), a identificação da fitofisionomia de cada propriedade foi feita a partir do procedimento de intersecção espacial no QGIS 3.36, enquanto a taxa de incremento de biomassa para cálculo de remoções de CO₂ foi obtida das parcelas de campo e base geográfica de Englund et al (2017).
54Para avaliar o potencial de remoção de CO₂ da área de estudo, foi utilizado o estoque total de carbono (acima e abaixo do solo) das fitofisionomias, multiplicado pela área (ha) de déficit florestal das propriedades rurais com mais de 4 módulos fiscais (área do potencial de restauração florestal). Em seguida, realizou-se a conversão do carbono (C) em dióxido de carbono (CO₂) por meio da constante 44/12, conforme a equação:
55Onde:
56R: toneladas de CO₂ removida da atmosfera pela vegetação na área de estudo (TCO₂/ano);
57Incr: valor de tonelada de C da vegetação;
58A: área (ha) do potencial de restauração florestal;
5944/12: razão entre a massa molar do CO₂ e do C.
60Para a alocação das áreas de restauro, cada variável raster passou pelo processo de normalização, em que os valores numéricos dos pixels foram transformados para serem representados entre o intervalo de 0 a 1.
61Esse procedimento foi realizado para permitir que as camadas fossem superpostas e os valores dos pixels fossem somados de forma a indicar as áreas para restauro. Desse modo, os valores próximos de 0 representam as localidades menos prioritárias para restauração e os valores próximos de 1 indicam as áreas prioritárias.
62Para a superposição das camadas em ambiente SIG, foi realizada a atribuição de valores a cada variável, de acordo com o método da AHP. A atribuição dos pesos pode ser observada no Quadro 3, em que os dados as linhas ponderam sobre as colunas.
Quadro 3: Peso das variáveis
Fonte: elaborado pelo autor (2025).
63Com base em Chazdon (2008; 2009), e Uezo (2017), esse esquema foi avaliado considerando o grau de importância das variáveis das linhas em relação às variáveis das colunas, considerando o seu papel na delimitação de áreas restauração florestal em propriedades rurais. Os pesos foram considerados conforme a escala de valoração comparativa de Saaty (1990; 2016).
64Considerando que o método da AHP é baseado na atribuição de uma valoração qualitativa, a Razão de Consistência (RC) foi calculada para garantir a consistência dos pesos da avaliação. Dessa forma, com base em Saaty (1990), os resultados foram analisados considerando que um valor de consistência lógica inferior a 0,10 indica uma matriz aceitável e um resultado maior que 0,10 aponta uma necessidade de revisão da matriz de comparações.
65Os valores de validação da análise podem ser observados no Quadro 4, que indicou uma RC de 0,04. O peso final de cada variável no mapeamento é expresso pela coluna “Autovetor (W)”, que indica que a proximidade com APPs apresenta prioridade na alocação de áreas para restauro, seguido pela proximidade de áreas de remanescentes florestais, solo exposto, áreas com baixa produtividade e ocorrência de áreas com alta declividade. Os valores dessa coluna totalizam 1, correspondendo ao valor máximo atribuído às áreas prioritárias para a restauração florestal nas propriedades.
Quadro 4: Análise do peso e da consistência das variáveis – adaptado de Saaty (1991)
Fonte: elaborado pelo autor (2025).
66Com a ferramenta de calculadora raster do QGIS, as 5 camadas matriciais – representando as variáveis do estudo – variando de 0 a 1 foram somadas, sendo que os valores da coluna “Autovetor (W)” foram multiplicados sobre as camadas de forma a definir o peso das variáveis no mapeamento. Dessa forma, a equação definida para a identificação de áreas prioritárias para restauração florestal (APRF) consiste em:
67APRF = (Distância euclidiana de APPs * 0,49) + (Distância euclidiana de vegetação nativa * 0,29) + (Distância euclidiana de solo exposto * 0,10) + (Distância euclidiana de pastagem de baixo vigor * 0,07) + (Declividade * 0,04)
68Fonte: Elaborado pelo autor, 2025.
69Assim como as camadas matriciais das variáveis, a camada síntese de alocação das áreas para restauração ecológica também abrangeu todo o perímetro das Bacias PCJ. Desta forma, para identificar e mensurar os locais prioritários para restauração inseridos nos perímetros dos imóveis rurais, foi realizado o recorte espacial entre a camada raster das áreas para restauração e a camada vetorial dos polígonos das propriedades.
70Objetivando mensurar cenários de déficit florestal total de Reserva Legal (20% da área da propriedade) e déficit florestal parcial de Reserva Legal (10% da área da propriedade), a camada raster de áreas prioritárias abrangendo o perímetro das propriedades foi reclassificada no QGIS, selecionando apenas o conjunto de pixels que representassem os maiores valores em cada imóvel rural. Para isso, foi aplicado um valor limiar de 80% para o cenário de déficit florestal total e, separadamente, de 10% para o cenário de déficit florestal parcial, de forma que o conjunto superior de 20% e 10% dos pixels com os maiores valores fossem selecionados. Os grupos de dados com valores de pixels menores foram excluídos e as duas camadas matriciais – abrangendo Reservas Legais de 20% e 10% foram vetorizadas e tiveram suas áreas (ha) calculadas.
71O resultado consistiu em polígonos contendo as áreas prioritárias para restauração florestal nos imóveis rurais com mais de 4 módulos fiscais com déficit florestal total ou parcial.
72Os valores de referência para carbono total estocado nas fitofisionomias das Bacias PCJ (ton/ha) podem ser observados no Quadro 5. Essa heterogeneidade da vegetação entre parcelas de uma mesma UC reflete a complexidade estrutural da vegetação remanescente. Ainda assim, as médias foram consideradas representativas para o uso em modelagens espaciais, baseando-se a correlação com estudos prévios na Mata Atlântica e Cerrado (Cullen Jr., Rudran, Valladares, Padua, 2006; Furlan, 2011).
Quadro 5: Valores de referência para carbono nas fitofisionomias das Bacias PCJ (t/ha)
Fonte: elaborado pelo autor (2025).
73Os resultados indicaram um total de 58.751 hectares com déficit florestal de acordo com o Novo Código Florestal (Lei n.º 12.651, de 25 de maio de 2012). Esse montante, por sua vez, leva em consideração o grupo de imóveis rurais com mais de 4 módulos fiscais. Dentre esse montante, 32.878 ha referem-se a APPs sem vegetação nativa e 25.873 ha a Reservas Legais sem vegetação nativa (Quadro 6). Considerando os 76 municípios paulistas e mineiros englobados na análise deste estudo, 69 apresentaram grandes propriedades com algum tipo de déficit florestal.
74Conforme o padrão utilizado em projetos de restauração e carbono florestal, as estimativas de remoção estão baseadas na métrica de dióxido de carbono equivalente – medida de Gases de Efeito Estufa para expressar diferentes gases em uma única medida comparável de CO₂ - garantindo que além do dióxido de carbono (CO₂) – geralmente ocasionado pelo desmatamento, queima da vegetação e de combustíveis fósseis -, gases como o metano (CH₄), óxido nitroso (N₂O) e gases fluorados (industriais) sejam incluídos na modelagem de armazenamento de carbono abaixo e acima do solo.
75A modelagem climática para 30 anos também é baseada nos padrões de projetos de carbono florestal e leva em consideração que a restauração de Mata Atlântica e Savana, quando bem monitorada e realizada, permite que a mata restaurada alcance um estoque de biomassa e carbono próximo de áreas conservadas do mesmo tipo após aproximadamente 30 anos.
76Nesse sentido, costuma-se apresentar o valor final estimado de gases removidos em safras anuais, de modo que essas sejam monitoradas periodicamente por certificadoras e órgãos ambientais, garantindo a continuidade, a mensuração e a comprovação de que as áreas estão sendo efetivamente recuperadas.
Quadro 6: Estimativa de restauração florestal e remoção de CO₂eq nas Bacias PCJ
|
Quantidade de municípios – ocorrência de imóveis com 4 MF e déficit florestal
|
69 municípios
|
|
Quantidade de móveis com 4 MF e déficit florestal
|
1780 imóveis
|
|
Área de Vegetação Nativa em propriedades rurais (ha)
|
28.234 ha
|
|
Área de Reserva Legal (ha)
|
59.858 ha
|
|
Área de Déficit de Reserva Legal (Ha)
|
31.624
|
|
Área de Déficit de Reserva Legal (Ha) considerando o Art. 15 do código florestal*
|
25.873 ha
|
|
Área de APP (ha)
|
38.629 ha
|
|
Área de APP com vegetação (ha)
|
5.751 ha
|
|
Área de Déficit de APP (ha)
|
32.878
|
|
Déficit florestal total (ha) – imóveis com 4MF e déficit florestal
|
58.751 ha
|
|
Potencial de armazenamento de CO₂
(TCO₂eq/ha)
|
20.183.259
|
|
*Para as estimativas deste estudo foi considerada a adesão do Art. 15 (Lei n.º 12.651, de 25 de maio de 2012) por porte dos proprietários rurais. Esse artigo permite a subtração das áreas de APP com vegetação (ha) das áreas de déficit de Reserva Legal (ha).
|
Fonte: elaborado pelo autor (2025).
77A aplicação da AHP, permitiu mapear as áreas prioritárias para a restauração florestal nas Bacias PCJ, de modo a demonstrar um potencial expressivo de restauração em áreas que necessitam de mais atenção para garantir a conectividade ecológica com remanescentes florestais da região, e sobretudo em áreas de alta fragilidade ambiental, baixa aptidão agrícola e no entorno dos cursos d’água das propriedades rurais, conforme os critérios aplicados.
78Dessa forma, o Mapa 2 representa os 58.751 ha de passivo florestal nas propriedades rurais com mais de 4 módulos fiscais, indicando a melhor localidade nos imóveis para realocar os 20% de áreas de Reserva Legal. Por sua vez, o Mapa 3 indica a melhor localidade para restauração dos imóveis que já possuem metade da Reserva Legal ou algum tipo de vegetação nativa. totalizando 29.376 ha.
Mapa 2: Mapeamento de áreas prioritárias para restauração florestal das Bacias PCJ
Fonte: elaborado pelo autor.
Mapa 3: Mapeamento de áreas prioritárias para móveis com déficit florestal parcial
Fonte: elaborado pelo autor.
79O Quadro 7 representa o potencial de armazenamento de CO₂eq nas Bacias PCJ, segmentado por fitofisionomia, área disponível para restauro em cada fitofisionomia e número de propriedade disponíveis para restauração em cada fitofisionomia. Os valores também são apresentados considerando o estoque acima do solo (troncos, ramos e folhas) e abaixo do solo (raízes e partes enterradas). A estimativa total deste estudo (20.183.259 toneladas de CO₂eq) está representada pela soma entre os estoques totais da vegetação nativa a ser restaurada, isto é, acima e abaixo do solo.
80Os resultados indicam uma clara concentração espacial nas fitofisionomias, especialmente na Floresta Estacional Semidecidual, que representa mais da metade da área disponível para restauração (32.664 ha) e concentra o maior número de imóveis rurais com passivo ambiental (1.119 propriedades). É importante ressaltar que esta fitofisionomia representa aproximadamente 57% do potencial total de remoção de CO₂eq estimado (11,5 milhões de tCO₂eq), o que potencializa essas propriedades rurais e sub-bacias hidrográficas para abrigarem a implementação de restauração em larga escala.
81A Floresta Ombrófila Densa e a Savana Florestada também se destacaram nas estimativas deste estudo, tanto em área disponível quanto em potencial de remoção, contribuindo juntas com mais de 5 milhões de tCO₂eq. Embora a Savana Gramineo-Lenhosa apresente uma área bastante reduzida (200 ha), seu potencial de remoção por hectare é elevado.
82Considerando que este tipo de savana abriga importantes espécies de animais e plantas, além de estar localizadas próxima de rios importantes e centros urbanos adensados, a implementação de restauração desses 200 ha é de extrema importância, sobretudo para garantir a diversidade de fitofisionomias e a conectividade ecológica em um habitat que já se encontra bastante reduzido e fragmentado.
Quadro 7: Estimativa de remoção de CO2eq nas Bacias PCJ
Fonte: elaborado pelo autor (2025).
83Conforme o Quadro 8, a distribuição do déficit florestal nas sub-bacias das Bacias PCJ revela uma concentração importante na Bacia do Rio Piracicaba, que corresponde por mais de 20 mil hectares de déficit de vegetação nativa (34% do total).
84Além da sub-bacia do Rio Piracicaba, destacam-se as bacias do Rio Capivari (11.819 ha) e do Rio Atibainha (7.240 ha), indicando a dominância das sub-bacias paulistas no volume de passivos florestais. Por sua vez, as sub-bacias do Rio Juqueri (11 ha) e Córrego Pirapitingui (2.456 ha) apresentam os dois denores déficits florestais da estimativa.
85Apesar de serem expostos individualmente, devido a sua relação de interdepedencia e de contribuição para as Bacias de Piracicaba, Capivari e Jundiaí. As sub-bacias podem ser agrupados do seguinte modo:
-
Bacia de Piracicaba – agrupamento das sub-bacias dos Rios Piracicaba, Atibainha, Corumbataí, Jaguari, Camanducaia e Pirapitingui – totalizando 44.285,49 ha (75,4 % do potencial total de restauração);
-
Bacia de Capivari – totalizando 11.819,68 ha (20,1% do potencial de restauração);
-
Bacia de Jundiaí – agrupamento das sub-bacias dos Rios Jundiaí e Juqueri – totalizando 2.646,10 ha (4,5% do potencial de restauração). Apesar de não ser oficialmente parte da sub-bacia do Rio Jundiaí, neste estudo, a bacia do Rio Juqueri foi incluída por fazer parte do Sistema Cantareira (por meio da Represa Paiva Castro), que por sua vez transfere água para os rios Piracicaba, Capivari e Jundiaí. Neste sentido, devido à proximidade geográfica e hidrológica, além da semelhança de pressões antrópicas, o potencial de restauração da sub-bacia do Rio Juqueri foi computado em conjunto com o potencial do Rio Jundiaí.
Quadro 8: Potencial de restauração florestal por sub-bacia - Bacias PCJ
Fonte: elaborado pelo autor (2025).
86O Mapa 4 categoriza o potencial de restauração ecológica das sub-bacias da área de estudo conforme o diagnóstico de áreas (ha) exposto acima, com destaque para a regularização ambiental dos imóveis das Bacias dos Rios Piracicaba e Capivari.
Mapa 4: Déficit florestal categorizado por sub-bacia hidrográfica do Sistema PCJ
Fonte: elaborado pelo autor.
87Analisando as características ambientais e produtivas dos imóveis, o estudo priorizou identificar as localidades dos imóveis com maior declividade, maior presença de solo exposto, pastagem degradada, além de priorizar alocar as Reservas Legais em áreas de APPs hidrográficas e próximas de remanescentes de vegetação nativa já existentes – visando aumentar a dispersão ecológica e recolonização de áreas degradadas por plantas através de criação de bancos de sementes dessas áreas com a mata nativa já existente.
88A identificação de áreas degradadas neste grupo de imóveis rurais está alinhada aos objetivos e hipótese do presente estudo, pois este diagnóstico teve como intuito preconizar áreas que não poderiam ser recuperadas sem a implementação de restauração florestal, com predominância de métodos de restauro ativos e mistos (ativos e passivos).
89Isso implica dizer, por um lado, que as áreas mapeadas não têm condição de suportar uma regeneração natural assistida nos anos iniciais de projeto – método passivo – pois possuem baixa qualidade e vigor do solo, alta propensão de erosão e inexistência de bancos de sementes.
90Por outro lado, este diagnóstico espacial reforça a importância de iniciativas de restauração – via projetos de compensação ambiental ou projetos de carbono financiados por entes públicos e privados – para reverter o cenário de linha de base dessas áreas e remover até 20.183.259 tCO₂eq em um período de 30 anos – período necessário estimado para que os ecossistemas restaurados alcancem o estágio de maturidade ou clímax – e 1.199.263 tCO₂eq removidos anualmente.
91É importante relembrar que vetores de pressão negativa, como o assoreamento e a piora da qualidade das águas dos rios, não podem ser completamente solucionados quando apenas parte dos cursos d’água se encontra revitalizada e outros trechos continuam sendo pressionados por atividades antrópicas predatórias.
92Complementarmente a este estudo, outros trabalhos e ações são necessários para garantir a conservação das Bacias PCJ, considerando por exemplo a conservação das APPs em pequenas propriedades rurais e, sobretudo, no contexto das mudanças climáticas e do conforto térmico nas cidades, a restauração de APPs urbanas.