Introdução

O SNUC

O Sistema Nacional de Unidades de Conservação da Natureza (SNUC) é um conjunto de normas e diretrizes que regem a criação, implantação e gestão das Unidades de Conservação (UCs) no Brasil. Estabelecido pela Lei nº 9.985, de 18 de julho de 2000, o SNUC tem como principal objetivo garantir a preservação e o uso sustentável dos recursos naturais do país, promovendo a conservação da biodiversidade e a proteção dos ecossistemas.
As Unidades de Conservação são áreas protegidas legalmente instituídas pelo poder público, com a finalidade de conservar a biodiversidade, recursos naturais e valores culturais. As UCs são divididas em duas grandes categorias, de acordo com seus objetivos de conservação e grau de interferência humana permitido:

Unidades de Proteção Integral: Visam preservar a natureza, permitindo apenas o uso indireto dos seus recursos naturais. Incluem as seguintes categorias:

  • Estação Ecológica (ESEC): Destinada à pesquisa científica e à preservação da natureza
  • Reserva Biológica (REBIO): Focada na proteção integral da biota e demais atributos naturais
  • Parque Nacional (PARNA): Destinado à preservação de ecossistemas naturais de grande relevância ecológica e beleza cênica, proporcionando atividades educativas e recreativas
  • Monumento Natural (MN): Objetiva preservar sítios naturais raros, singulares ou de grande beleza cênica
  • Refúgio de Vida Silvestre (RVS): Tem a finalidade de proteger ambientes naturais que assegurem condições para a existência ou reprodução de espécies ou comunidades da flora local e da fauna residente ou migratória

Unidades de Uso Sustentável: Permitem o uso direto dos recursos naturais, de maneira que não comprometa a conservação da natureza. Incluem as seguintes categorias:

  • Área de Proteção Ambiental (APA): Área extensa com um certo grau de ocupação humana, que tem como objetivo assegurar a sustentabilidade dos recursos naturais
  • Área de Relevante Interesse Ecológico (ARIE): Área de pequena extensão com características naturais extraordinárias
  • Floresta Nacional (FLONA): Área com cobertura florestal de espécies nativas que tem como objetivo o uso múltiplo sustentável dos recursos florestais
  • Reserva Extrativista (RESEX): Área destinada à exploração autossustentável e à conservação dos recursos naturais por populações tradicionais
  • Reserva de Fauna (RF): Destinada ao uso sustentável dos recursos faunísticos
  • Reserva de Desenvolvimento Sustentável (RDS): Área onde a exploração dos recursos naturais é conduzida de forma sustentável, beneficiando as populações tradicionais
  • Reserva Particular do Patrimônio Natural (RPPN): Área privada gravada com perpetuidade, com o objetivo de conservar a diversidade biológica

O CNUC

O Cadastro nacional de Unidades de Conservação (CNUC), conforme definido pela Lei 9.985, de 2000, organiza em uma plataforma os dados principais de cada unidade de conservação que compõe o SNUC, incluindo, dentre outras características relevantes, informações sobre seus atos legais; instrumentos de gestão como planos de manejo e conselhos; localização geográfica; situação fundiária; aspectos físicos e socioculturais; assim como programas, projetos e instrumento de gestão integrada e reconhecimento internacional, como mosaicos, corredores ecológicos e Reservas da Biosfera. dos quais a UC faz parte.

A base de dados

A plataforma do CNUC é gerida pelo Ministério do Meio Ambiente que coordena atividades voltadas para o desenvolvimento, análise e validação das informações cadastrados pelos gestores de UCs brasileiras. Esses informação fornecidas são cruzadas com outros dados provenientes de outros bancos de dados oficiais complementando o panorama de cada UCs, disponibilizando para a sociedade.
A consulta pode ser realizada escolhendo determinados campos de infomações no site.
Os dados utilizados aqui são provenientes desta consulta incluindo informações referentes a todas as UCs criadas desde 2000 até 2020, possíbilitando análises baseadas nas últimas duas décadas. Outros campos também foram selecionados para a filtragem como esfera administrativa, órgão gestor, grupo de manejo, bioma, entre outros. Ao final obtivemos uma base formada por 21 colunas e 2953 linhas.

Pacotes utilizados

Estes são os pacotes utilizados na construção deste relatório, necessários para a execução dos códigos, análises e plotagens:

Pacotes Descrição
library(readr) para importar arquivos no formato .txt e .csv, por exemplo
library(knitr) para geração de tabelas
library(dplyr) para manipulação avançada dos DataFrames
library(viridis) para seleção de paleta de cores utilizada nos gráficos
library(ggplot2) para visualização de gráficos
library(DT) fornece uma interface interativa para a visualização de tabelas
library(lubridate) para manipulação de informações de datas e horas

Manipulação de dados

Aqui você encontrará uma descrição detalhada das operações realizadas para a preparação e normatização da base de dados.

Carregando os dados

Como apresentado na introdução deste relatório, os dados utilizados foram consultados na plataforma do Cadastro Nacional de Unidades de Conservação (CNUC) e agrega informações gerais sobre UCs brasileiras com referência às duas últimas décadas. A tabela completa pode ser acessada neste link

Os dados fornecidos pela plataforma podem ser baixados nos formatos xlsx. ou csv. Neste relatório utilizamos os formato scv. uma vez que ele permite uma melhor manipulação.
O carregamento é realizado abaixo:

Agora, para entender melhor as variáveis, realizaremos uma breve manipulação para agrupar as colunas em dois novos grupos. O processamento segue abaixo:

  • Carregamento
library(tidyverse)
library(readr)
library(dplyr)

# Caminho para o arquivo CSV
file_caminho <- "C:\\Users\\Whelley\\Downloads\\relatorio_ucs.csv"

# Carregar o arquivo CSV com delimitador ponto e vírgula
data <- data <- read_delim("C:\\Users\\Whelley\\Downloads\\relatorio_ucs.csv", delim = ";", locale = locale(encoding = "UTF-8"))
  • Verificando a estrutura dos dados
glimpse(data)
## Rows: 2,954
## Columns: 21
## $ `Código CNUC`                                 <chr> "0000.00.0002", "0000.00…
## $ Nome                                          <chr> "ÁREA DE PROTEÇÃO AMBIEN…
## $ `Data da publicacao no CNUC`                  <chr> "11/10/2022", "11/10/202…
## $ `Data de criacao da UC`                       <chr> "28/09/1989", "07/11/198…
## $ `orgao Gestor`                                <chr> "INSTITUTO CHICO MENDES …
## $ `Esfera Administrativa`                       <chr> "Federal", "Federal", "F…
## $ `Categoria de Manejo`                         <chr> "Área de Proteção Ambien…
## $ `Grupo de Manejo`                             <chr> "Uso Sustentável", "Uso …
## $ `Plano de Manejo`                             <chr> "Sem informação.", "Sem …
## $ `Link para Plano de Manejo`                   <chr> "Sem informação.", "Sem …
## $ `Area da Zona de Amortecimento (ha)`          <chr> "Sem informação.", "Sem …
## $ Biomas                                        <chr> "Caatinga - Cerrado", "C…
## $ `Amazonia (ha)`                               <dbl> 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `Caatinga (ha)`                               <chr> "26660,87", "0", "0", "1…
## $ `Cerrado (ha)`                                <dbl> 11669242, 8267926, 0, 0,…
## $ `Mata Atlantica (ha)`                         <chr> "0", "0", "34957,2", "11…
## $ `Pampa (ha)`                                  <dbl> 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `Pantanal (ha)`                               <dbl> 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `Area Marinha (ha)`                           <chr> "0", "0", "119934,73", "…
## $ `Indice de efetividade de acordo com o SAMGE` <chr> "Ano: 2022 -> Efetividad…
## $ `Numero de Visitantes por ano`                <chr> "Sem informação.", "Sem …

As colunas referentes aos biomas brasileiros individualmente trazem informações sobre a área destes em hectáres protegida pelas UCs. É preferível que esses valores estejam todos em um formato numeric, acima percebemos que alguns estão em outros formatos como double e character. Vamos realizar a conversão.

data$`Amazonia (ha)` <- as.numeric(data$`Amazonia (ha)`)
data$`Caatinga (ha)` <- as.numeric(data$`Caatinga (ha)`)
data$`Cerrado (ha)` <- as.numeric(data$`Cerrado (ha)`)
data$`Mata Atlantica (ha)` <- as.numeric(data$`Mata Atlantica (ha)`)
data$`Pampa (ha)` <- as.numeric(data$`Pampa (ha)`)
data$`Pantanal (ha)` <- as.numeric(data$`Pantanal (ha)`)
data$`Area Marinha (ha)` <- as.numeric(data$`Area Marinha (ha)`)

glimpse(data)
## Rows: 2,954
## Columns: 21
## $ `Código CNUC`                                 <chr> "0000.00.0002", "0000.00…
## $ Nome                                          <chr> "ÁREA DE PROTEÇÃO AMBIEN…
## $ `Data da publicacao no CNUC`                  <chr> "11/10/2022", "11/10/202…
## $ `Data de criacao da UC`                       <chr> "28/09/1989", "07/11/198…
## $ `orgao Gestor`                                <chr> "INSTITUTO CHICO MENDES …
## $ `Esfera Administrativa`                       <chr> "Federal", "Federal", "F…
## $ `Categoria de Manejo`                         <chr> "Área de Proteção Ambien…
## $ `Grupo de Manejo`                             <chr> "Uso Sustentável", "Uso …
## $ `Plano de Manejo`                             <chr> "Sem informação.", "Sem …
## $ `Link para Plano de Manejo`                   <chr> "Sem informação.", "Sem …
## $ `Area da Zona de Amortecimento (ha)`          <chr> "Sem informação.", "Sem …
## $ Biomas                                        <chr> "Caatinga - Cerrado", "C…
## $ `Amazonia (ha)`                               <dbl> 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `Caatinga (ha)`                               <dbl> NA, 0, 0, NA, 0, 0, 0, 0…
## $ `Cerrado (ha)`                                <dbl> 11669242, 8267926, 0, 0,…
## $ `Mata Atlantica (ha)`                         <dbl> 0, 0, NA, NA, NA, 0, NA,…
## $ `Pampa (ha)`                                  <dbl> 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `Pantanal (ha)`                               <dbl> 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `Area Marinha (ha)`                           <dbl> 0, 0, NA, NA, 0, 0, NA, …
## $ `Indice de efetividade de acordo com o SAMGE` <chr> "Ano: 2022 -> Efetividad…
## $ `Numero de Visitantes por ano`                <chr> "Sem informação.", "Sem …

Agora definiremos os grupos das variáveis numéricas e categóricas:

# Separar variáveis categóricas e numéricas
variaveis_categoricas <- data %>% select_if(is.character)
variaveis_numericas <- data %>% select_if(is.numeric)

# Salvar os datasets resultantes em arquivos CSV
write.csv(variaveis_categoricas, "variaveis_categoricas.csv", row.names = FALSE)
write.csv(variaveis_numericas, "variaveis_numericas.csv", row.names = FALSE)

Variáveis numéricas

Podemos observar aqui o detalhamento das variáveis numéricas

É possível notar que a formatação dos números não está adequada e alguns registros com valores “zero”. Para o relatório vamos considerar os geristros de UCs com área (ha) informada. Após a correção na formatação dos valores podemos observar a tabela abaixo:

Variáveis categóricas

Podemos observar aqui o detalhamento das variáveis categóricas

Análise exploratória dos dados

Cada pergunta a seguir determina uma observação específica nos dados, determinando as análises.

Quantas UCs foram criadas por ano?

A partir da publicação da Lei nº 9.985 em 2000 as UCs começaram a ser criadas no território brasileiro, bem como, outras áreas protegidas anteriormente passaram a compor este grupo específico de proteção ambiental. É possível observar a frequência na criação de UCs por ano.

Para responder essa pergunta, antes será preciso selecionar a coluna ano da base de dados, que será utilizado no gráfico abaixo.

# Conversão da coluna ano em dataframe, com coluna `Var1` e `Freq`.
ano_frequencia <- as.data.frame(table(data$ano_criacao))
ano_frequencia$Var1 <- as.numeric(as.character(ano_frequencia$Var1))

# Plotagem do gráfico "Abertura de processos na cidade do Recife"
ggplot(data = ano_frequencia, aes(x = Var1, y = Freq, fill = "red")) +
  geom_bar(stat='identity', show.legend = FALSE) +
  theme_minimal() +
  ggtitle("Unidade de Conservação pós SNUC") +
  xlab("Criação") + 
  ylab("Quantidade") + 
  geom_text(aes(label=Freq), vjust=-0.4, color="black",
            position = position_dodge(0.9), size=3.5) +
  scale_x_continuous(limits = c(2000, 2020), breaks = seq(2000, 2020, by = 2)) +
  theme_classic()

O ano de 2018
Este ano possui o maior registro de criação de UCs no Brasil, marca também o aniversário de de 18 anos da existência e funcionamento do SNUC. Muitas iniciativas podem ter influenciado esse número elevado.

Qual categoria e grupo de manejo é mais frequente?

A depender dos objetivos e realidades particulares de cada área em potencial para a criação de uma UC é possível agrupá-las em categorias e grupos de manejo como citado na introdução. Tendências podem influenciar essa categorização? Existem mais UCs de Proteção Integral ou Uso sustentável e que categorias são mais frequêntes? Com base nos dados utilizados para este estudo podemos observar nas colunas Categoria de Manejo e Grupo de Manejo as informações necessárias. Sendo assim, a visualização segue abaixo:

# Conversão da coluna ano em dataframe, com coluna `Var1` e `Freq`.
cate_frequencia <- as.data.frame(table(data$`Categoria de Manejo`))
grupo_frequencia <- as.data.frame(table(data$`Grupo de Manejo`))

par(mfrow=c(2,1))
 
ggplot(data = cate_frequencia, aes(x = Var1, y = Freq, fill = "red")) +
  geom_bar(stat='identity', show.legend = FALSE) +
  theme_minimal() +
  ggtitle("Categorias de manejo das UCs brasileiras") +
  xlab("Categorias de manejo") + 
  ylab("Quantidade") + 
  ylim(0, 1500) +
  geom_text(aes(label=Freq), vjust=-0.4, color="black",
            position = position_dodge(0.9), size=3.5) +
  theme_classic() +
  theme(axis.text.x = element_text(angle= 45 , vjust= 1 , hjust= 1 ),
         plot.margin = margin(20, 20, 20, 20))

ggplot(data = grupo_frequencia, aes(x = Var1, y = Freq, fill = "red")) +
  geom_bar(stat='identity', show.legend = FALSE) +
  theme_minimal() +
  ggtitle("Grupos de manejo das UCs brasileiras") +
  xlab("Grupos de manejo") + 
  ylab("Quantidade") + 
  ylim(0, 2000) +
  geom_text(aes(label=Freq), vjust=-0.4, color="black",
            position = position_dodge(0.9), size=3.5) +
  theme_classic() 

De que forma a proteção ambiental se apresenta por bioma?

Os biomas brasileiros sofrem diariamente com a diminuição de suas áreas, habitas e espécies. Diferentes fatores lideram a lista de ameaças e cada situação requer análises e abordagens de ação diferentes. No entando, podemos visualizar o quão distribuidas são as UCs nos biomas e entender o real impacto do SNUC no Brasil.
Assim, podemos somar o total da áreas (hectáres) por bioma protegida pelas UCs. Esse processamento envolve dados também fornecidos pelo CNUC em sua página para cada bioma: Amazônia, Cerrado,Mata Atlântica, Pampa, Pantanal e Área marinha:

Uma vez convertidas as colunas, agora podemos realizar a soma:

areas_biomas <- data.frame(
    Bioma = c("Amazônia", "Caatinga", "Cerrado", "Mata Atlântica", "Pampa", "Pantanal"),
    Area = c(1201348, 78909, 170859, 115513, 5718, 7070)
)

print(areas_biomas)
##            Bioma    Area
## 1       Amazônia 1201348
## 2       Caatinga   78909
## 3        Cerrado  170859
## 4 Mata Atlântica  115513
## 5          Pampa    5718
## 6       Pantanal    7070

Para então, visualizar os dados:

library(ggplot2)

ggplot(areas_biomas, aes(x = Bioma, y = Area, fill = Bioma)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = Area), vjust = -0.3, color = "black") +
  theme_classic() +
  labs(title = "Área dos Biomas", x = "Bioma", y = "Área (km²)") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Conclusão

Durante este relatório, abordamos a análise e manipulação dos dados contidos no Cadastro Nacional de Unidades de Conservação (CNUC). O processo envolveu várias etapas cruciais para garantir a integridade e a usabilidade dos dados.

Primeiramente, realizamos a leitura do arquivo CSV contendo os dados das unidades de conservação, lidando com desafios relacionados à codificação de caracteres, o que resultou em caracteres corrompidos nos nomes das colunas. Para corrigir isso, utilizamos a função read_delim do pacote readr com a especificação correta da codificação (latin1). Esta abordagem garantiu que os dados fossem lidos corretamente, preservando a integridade dos nomes das colunas e dos dados.

Em seguida, identificamos as colunas que deveriam ser numéricas: ‘Amazônia (ha)’, ‘Caatinga (ha)’, ‘Cerrado (ha)’, ‘Mata Atlântica (ha)’, ‘Pampa (ha)’, ‘Pantanal (ha)’ e ‘Área Marinha (ha)’. Procedemos à conversão dessas colunas, substituindo vírgulas por pontos e removendo pontos usados como separadores de milhar, para então transformar os valores em tipo numeric.

Além disso, separamos as variáveis categóricas e numéricas em dois novos datasets. Essa separação facilita análises específicas, permitindo focar nas características categóricas, como nomes, datas e categorias de manejo, e nas características quantitativas, como áreas em hectares, de forma independente.

A realização deste procedimento meticuloso reforça a importância de uma preparação adequada dos dados, garantindo que futuras análises sejam realizadas com precisão e eficiência. O resultado é um conjunto de dados bem estruturado e pronto para apoiar pesquisas e políticas públicas voltadas para a conservação ambiental.

Por fim, foi possível observar um panorama sobre as Unidades de Conservação no Brasil com base em perguntas norteadoras que nos forneceram os seguintes resultados:

  • Desde a criação do SNUC (2000) o ano que mais registrou a criação de novas Ucs foi o de 2018

  • Com relação às Categorias de Manejo temos as RPPNs (Reserva Particular do Patrimonio Natural) e as APAs (Área de Proteção Ambiental) seguidas dos Parques como as mais representativas

  • O grupo de Manejo mais recorrente é o de Uso Sustentável

  • E a cobertura de proteção das UCs maior está do bioma Amazonia, seguido por Caatinga, Cerrado e Mata Atlântica