Prévia do material em texto
www.nature.com/scientificdata abrir Trajetórias: um conjunto de dados de indicadores ambientais, epidemiológicos e econômicos para a Amazônia brasileira DESCRIÇÃO DOS DADOS Ana C. Rorato1,11✉, Ana Paula Dal'asta1,11, Raquel Martins Lana2,11, Ricardo BN dos Santos3,11, Maria Isabel S. Escada1,11, Camila M. Vogt4, Tatyana Campos Neves5, Milton Barbosa6, Cecília S. andreazzi7,8, Izabel C. dos Reis9, Danilo a. Fernandes3, Mônica da Silva-Nunes10, anielli R. de Souza1, Antonio MV Monteiro1 & Cláudia t. Codeço5 o conjunto de dados de trajetórias é um conjunto harmonizado de indicadores ambientais, epidemiológicos e de pobreza para todos os municípios da Amazônia Legal Brasileira (ABL). Este conjunto de dados é o resultado de uma iniciativa de pesquisa de síntese científica conduzida por cientistas de diversas áreas das ciências naturais e sociais, consolidar indicadores multidisciplinares em um conjunto de dados coerente para estudos integrados e interdisciplinares da Amazônia brasileira. o conjunto de dados permite investigar a associação entre os sistemas agrários amazônicos e seus impactos nas mudanças ambientais e epidemiológicas, ampliando ainda as possibilidades de compreensão, de forma mais integrada e consistente, da cenários que afetam o bioma amazônico e seus habitantes. Antecedentes e Resumo O bioma Amazônia está sob ameaça substancial devido às disputas sobre seus recursos por parte de sistemas tecnoprodutivos rurais concorrentes associados à economia agrária. Essas disputas resultaram em intensas transformações da paisagem florestal, parcialmente observadas pelas mudanças nos indicadores de uso e cobertura da terra. Os sistemas agrários associados ao cultivo em grande escala de culturas temporárias, à pecuária extensiva e à agricultura intensiva estão a provocar a perda de cobertura florestal, a desflorestação e a degradação1–3.A crescente pressão sobre este vasto bioma que possui os mais altos níveis de biodiversidade do mundo, cria condições socioambientais críticas que podem desencadear o surgimento de novas doenças infecciosas originárias de reservatórios silvestres4–6. Encontrar soluções integradas socioeconômicos-ambientais para a região amazônica exige esforço conjunto e inovação para construir ambientes colaborativos de debate e diálogo rumo ao desenvolvimento de processos multidisciplinares e multiculturais informados, troca de conhecimentos, harmonização de conceitos e consolidação de indicadores significativos. Costa (2009)7define seis trajetórias tecnoprodutivas rurais (TT) na região. Os três primeiros caracterizam-se por sistemas de produção baseados em estabelecimentos rurais geridos por arranjos “de pequena propriedade” ou “de base familiar”, onde os agentes económicos seguem predominantemente o raciocínio microeconómico do tipo camponês. Esses sistemas de produção são mosaicos de culturas permanentes e temporárias (TT1), sistemas agroflorestais (TT2), e pequenas explorações pecuárias com culturas 1Laboratório de Investigação em Sistemas Socioambientais, Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 12227-900, Brasil.2Centro de Supercomputação de Barcelona (BSC), Barcelona, 08034, Espanha.3Universidade Federal do Pará, Belém, Brasil.4Departamento de Ciências Administrativas, Universidade Federal de Santa Maria, Santa Maria, Brasil.5Programa de Computação Científica, Fundação Oswaldo Cruz, Rio de Janeiro, 21040-900, Brasil. 6Laboratório de Ecologia Evolutiva e Biodiversidade, Universidade Federal de Minas Gerais, Belo Horizonte, 31270-901, Brasil.7Laboratório de Biologia e Parasitologia de Mamíferos Silvestres Reservatórios, Fundação Oswaldo Cruz, Rio de Janeiro, 21040-900, Brasil.8Departamento de Biodiversidade, Ecologia e Evolução, Universidade Complutense de Madri, Madri, Espanha.9Laboratório de ImunologiaViral, Instituto Oswaldo Cruz, Fundação Oswaldo Cruz, Rio de Janeiro, 21040-900, Brasil.10Departamento de Medicina, Centro de Ciências Biológicas e da Saúde, Universidade Federal de São Carlos, São Carlos, 13565-905, Brasil.11Contribuíram igualmente estes autores: Ana C. Rorato, Ana Paula Dal'Asta, Raquel Martins Lana, Ricardo BN dos Santos, Maria Isabel S. Escada.✉e-mail:anarorato@gmail.com CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 1 Traduzido do Inglês para o Português - www.onlinedoctranslator.com https://doi.org/10.1038/s41597-023-01962-1 http://orcid.org/0000-0002-1532-2016 http://orcid.org/0000-0002-7573-1364 http://orcid.org/0000-0003-4243-7895 mailto:anarorato@gmail.com http://crossmark.crossref.org/dialog/?doi=10.1038/s41597-023-01962-1&domain=pdf https://www.onlinedoctranslator.com/pt/?utm_source=onlinedoctranslator&utm_medium=pdf&utm_campaign=attribution www.nature.com/scientificdata/ www.nature.com/scientificdata (TT3). Em contrapartida, os outros três sistemas de produção são representados pela pecuária em grande escala e pela produção agrícola para consumo animal (TT4); grandes culturas permanentes, florestas plantadas e silvicultura tecnificada (TT5 e 6); e sistemas intensivos de cultivo temporário em grande escala (TT7). Os seus principais agentes são estabelecimentos geridos pelo “agronegócio” ou arranjos “baseados em salários”, onde as decisões microeconómicas estão alinhadas com os mercados de grande escala e o comércio de mercadorias. O censo agrário brasileiro tem sido a mais valiosa fonte de dados para a caracterização desses sistemas agrários, suas tecnologias, produtividade e modos de produção2. Em Codeçoe outros.8, propusemos um quadro para o debate conjunto sobre as dimensões socioeconómicas, ambientais e de saúde dos municípios seguindo os TTs acima mencionados. O conjunto de dados Trajetórias contém um rico conjunto de indicadores que permite analisar a relação espacial e temporal entre trajetórias económicas ligadas à dinâmica dos sistemas agrários, disponibilidade de recursos naturais e risco de doenças. Existem indicadores de leishmaniose, malária, doença de Chagas e dengue, que são doenças tropicais negligenciadas9. A prevalência destas doenças infecciosas é indicativa de desigualdades sociais e ambientais, uma vez que a falta de acesso a cuidados de saúde adequados e a negligência governamental resultam num aumento da vulnerabilidade. Os indicadores ambientais são derivados de dados de imagens de satélite e caracterizam os municípios amazônicos em termos de perda de habitat, padrões de uso e cobertura da terra, densidade da rede de transporte e anomalias climáticas. O índice multidimensional de pobreza para as populações rurais e urbanas foi obtido levando em consideração as especificidades da região amazônica. O conjunto de dados foi produzido por uma iniciativa de pesquisa de síntese científica conduzida por cientistas das ciências naturais e sociais para integrar indicadores em um conjunto de dados coerente que descreve a Amazônia brasileira. Seu objetivo é contribuir para o debate sobre o futuro da Amazônia e ser utilizado em investigações de cenários que impactam a biodiversidade e a saúde humana na região. Métodos Área de estudo.A Amazônia Legal Brasileira (BL) região é uma área político-administrativa10, de cerca de 5 milhões de km2, correspondendo a aproximadamente 58,9% do território brasileiro (Fig.1). A BLA é composta por 772 municípios distribuídos em 9 estados: Acre (22 municípios), Amapá (16), Amazonas (62), Pará (144), Rondônia (52), Roraima (15), Mato Grosso (141), Tocantins (139) , e parte do Maranhão (181, dos quais 21 estão incluídos apenas parcialmente)11. Historicamente, a BLA enfrentou múltiplas ameaças ambientais à medida que a ocupação desta região avançava. Estas ameaças intensificaram-se e diminuíram em resposta às mudanças na força das instituições e políticas de combate à desflorestação, ao controlo das operações ilícitas do mercado de terras12,13, o estabelecimento de políticas para incentivar atividades económicas como a agricultura e a mineração14, o estabelecimento de infraestruturapara favorecer as trajetórias do agronegócio (como estradas, portos e hidrelétricas) e a flutuação nos preços das commodities15–17. Nos últimos 20 anos, a Amazônia passou por períodos de intensa perda florestal, com maiores taxas de desmatamento em 2004 (27.772 km2), seguida de uma redução significativa entre 2005 e 2015 e de um aumento a partir de 2016. No período de 2005 a 2015, foram fortalecidas as instituições responsáveis pelo monitoramento e fiscalização do desmatamento, com a promulgação de políticas de combate ao desmatamento, como o PPCDAm - Plano de Ação para Prevenção e Controle do Desmatamento na Amazônia Legal, lançado pela primeira vez em 200418. Além disso, a implementação da moratória da soja e da carne e a criação de mosaicos de Unidades de Conservação, entre outras políticas contribuíram para a redução do desmatamento. Como resultado, foi observada uma queda significativa nas taxas de desmatamento, sendo 2012 o ano com a menor taxa (4.571 km2) desde 1988, início do período de monitoramento do INPE. No entanto, este legado foi fortemente impactado pelas políticas promulgadas nos últimos anos 19. Depois de 2016, com mudanças nas políticas ambientais do Brasil que diminuíram os investimentos governamentais, a participação social e o desmantelamento de instituições de proteção20–22, foi observada uma tendência crescente nas taxas de desmatamento, atingindo 13.038 km2em 2021, com o surgimento de novas frentes de desmatamento como no sul do Amazonas23,24, onde está localizada a maior área contínua de floresta. Design de estudo.O conjunto de dados Trajetórias contém perda de habitat, uso e cobertura da terra, mobilidade humana, anomalias climáticas, carga de doenças transmitidas por vetores e índices de pobreza para populações rurais e urbanas para cada um dos municípios da BLA. Estes indicadores foram concebidos para revelar as especificidades da região BLA, para que as relações entre estas dimensões possam ser exploradas em relação às políticas promulgadas no passado e no presente. O primeiro desafio para a harmonização dos dados foi definir escalas temporais adequadas, com base na natureza das fontes de dados e no modelo conceptual subjacente. O conjunto de dados Trajetórias baseia-se em quatro inquéritos – os dois censos demográficos realizados em 2000 e 2010, e os dois censos agrários realizados em 2006 e 2017, a partir dos quais foram definidos carimbos temporais fixos para análise (Fig.2). Os censos demográficos são a fonte de dados para os índices multidimensionais de pobreza25, enquanto os censos agrários foram a fonte para a caracterização do TT26. Os dados ambientais são provenientes de imagens de satélite coletadas por diversos programas nacionais e internacionais, como Programa de Monitoramento do Desmatamento da Amazônia (PRODES), DEGRAD e DETER.27, contabilizando as mudanças na paisagem que ocorreram entre cada censo demográfico e o censo agrário subsequente. Por último, os dados das doenças foram obtidos do Sistema Nacional de Notificação de Doenças. Essas fontes de dados foram escolhidas devido à fácil acessibilidade, cobertura temporal e espacial e alta qualidade dos dados. Indicadores e mapas ambientais foram produzidos usando R Core Team 4.2.0 (2022)28, ArcGIS 10.4 (ESRI 2016)29, Sistema Quântico 3.030e FillCell (versão 2.2.1)31, um gerenciador de scripts de preenchimento de células desenvolvido pelo INPE. Tabelas1–3resumir todos os indicadores pertencentes às dimensões ambiental, epidemiológica e socioeconómica. Dimensão ambiental.Perda de habitat. Os indicadores que descrevem a perda de habitat incluem desmatamento, degradação florestal, área queimada e fragmentação de vegetação. Os indicadores de desmatamento foram calculados a partir dos dados do PRODES, Programa que monitora o desmatamento com corte raso (supressão total da floresta) em áreas de fisionomia florestal na Amazônia Legal desde 198832. Foram calculados dois indicadores para os períodos de 7 anos que antecederam os censos agrários de 2006 e 2017:deorgé a razão entre a área total desmatada CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 2 https://doi.org/10.1038/s41597-023-01962-1 www.nature.com/scientificdata/ www.nature.com/scientificdata Figura 1A Amazônia Legal Brasileira (ABL) abriga todo o bioma Amazônia brasileira (composto predominantemente por florestas tropicais), 20% do bioma Cerrado (com predominância de vegetação de savana) e aproximadamente 40% do bioma Pantanal (a maior área úmida contínua do mundo), no estado de Mato Grosso. Figura 2Os indicadores do conjunto de dados Trajetórias são calculados para dois períodos, para cada município, conforme mostrado no diagrama. O ponto de referência de cada período é a data do censo agrário, a partir da qual é computada a trajetória tecnoprodutiva rural. A base de dados harmoniza indicadores epidemiológicos, ambientais e econômicos, conforme descrito no texto principal. durante o período e a área florestal original, registrada em 1988; enquantodesforraré a razão entre a área total desmatada no período e a área florestada total presente no início de cada período (2000–2006 e 2010–2016): CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 3 https://doi.org/10.1038/s41597-023-01962-1 www.nature.com/scientificdata/ www.nature.com/scientificdata Subdimensão Indicador Unidade Prazo EU IA Perda de habitat Desmatamento quilômetros2/km2 [t1, t2] = [2000, 2006] ou [2010, 2016] deorg Perda de habitat Desmatamento quilômetros2/km2 [t1, t2] = [2000, 2006] ou [2010, 2016] desforrar Perda de habitat Degradação florestal quilômetros2/km2 [t1, t2] = [2007, 2017] dgorg Perda de habitat Degradação florestal quilômetros2/km2 [t1, t2] = [2007, 2017] dgfor Perda de habitat Fogo quilômetros2/km2 [t1, t2] = [2001, 2006] ou [2012, 2017] fogo Perda de habitat Fragmentação da vegetação (núcleo) quilômetros2/km2 t = 2006 ou 2017 essencial Perda de habitat Fragmentação da vegetação (borda) milímetros2 t = 2006 ou 2017 borda Uso e Cobertura do Solo Floresta remanescente quilômetros2/km2 t = 2007 ou 2017 reformar Uso e Cobertura do Solo Vegetação secundária quilômetros2/km2 t = 2006 ou 2017 secveg Uso e Cobertura do Solo Pasto quilômetros2/km2 t = 2006 ou 2017 pasto Uso e Cobertura do Solo Cortar quilômetros2/km2 t = 2006 ou 2017 cortar Uso e Cobertura do Solo Mineração quilômetros2/km2 t = 2006 ou 2017 mineração Uso e Cobertura do Solo Área urbana quilômetros2/km2 t = 2006 ou 2017 urbano Redes de transporte Rede rodoviária milímetros2 t = 2010 ou 2017 estradas Redes de transporte Rede hidroviária milímetros2 2010 rio Redes de transporte Portas contar 2017 porta Anomalias climáticas Precipitação positiva eu2/m2 [t1, t2] = [1996, 2006] ou [2007, 2017] preparação Anomalias climáticas Precipitação negativa eu2/m2 [t1, t2] = [1996, 2006] ou [2007, 2017] pré-prec Anomalias climáticas Temperatura positiva eu2/m2 [t1, t2] = [1996, 2006] ou [2007, 2017] temperatura Tabela 1.Descrição dos indicadores ambientais do conjunto de dados Trajetórias. Subdimensão Indicador Unidade Prazo EU IA Chagas, CL, VL, Dengue, Falciparum, Vivax, Vivax+FalciparumDoenças transmitidas por vetores Doença [t1, t2] = [2004, 2008] ou [2015, 2019] doença Doenças transmitidas por vetores Zona residencial zonas rurais ou urbanas [t1, t2] = [2004, 2008] ou [2015, 2019] zona Doenças transmitidas por vetores Casos de doenças contar [t1, t2] = [2004, 2008] ou [2015, 2019] casos Doenças transmitidas por vetores Incidência de doenças taxa de incidência [t1, t2] = [2004, 2008] ou [2015, 2019] Inc. Mesa 2.Descrição dos indicadores epidemiológicos do conjunto de dados Trajetórias. eu'área desmatada entret1,t eu'área florestal original deorg(eu,t,t) = 2 1 2 (1) eu'área desmatada entret,t eu'área florestal emt1 desforrar(eu,t1,t2 ) = 1 2 (2) onde [t1,t2]=[2000,2006] ou [2010,2016] eeué o município. Como assim,deorgedesforrarfornecem medidas de mudança na cobertura florestal em relação à florestaoriginal e recente, respectivamente. Esses dois indicadores podem ser utilizados para distinguir municípios com diferentes dinâmicas de desmatamento entre os períodos de estudo. A degradação florestal, diferentemente do desmatamento raso, é o processo de perda gradual da cobertura florestal devido à exploração madeireira seletiva e/ou incêndios florestais, considerando uma área mínima de mapeamento de 6,25 ha27. Os dados de degradação florestal são provenientes do programa DEGRAD, executado pelo INPE entre 2007 e 201627, e Sistema de Detecção de Desmatamento em Tempo Real (DETER) a partir de 201633,34. Os dados das duas fontes foram mesclados e os indicadores foram calculados da seguinte forma:dgorgé a razão entre a área degradada onde foi detectada degradação florestal pelo menos uma vez no município entre 2007 e 2017 dividida pela área florestal original, medida em 1988; enquanto dgforé a razão entre a mesma área degradada e a área florestal presente em 2007 no município. Observe quedgorgedgforO período de observação é diferente de outros indicadores de desmatamento devido a restrições na disponibilidade de dados. Portanto, para estes dois indicadores, existe apenas uma medição por município. eu'área com degradação florestal detectada entret,t eu'área florestal original dgorg(eu,t1,t) = 1 2 2 (3) eu'área com degradação florestal detectada entret1,t eu'área florestal emt1 dg para(eu,t,t) = onde [t1,t2] = [2007,2017] eeué o município. 2 1 2 (4) CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 4 https://doi.org/10.1038/s41597-023-01962-1 www.nature.com/scientificdata/ www.nature.com/scientificdata Subdimensão Indicador Unidade Prazo EU IA MPI Incidência de Pobreza Multidimensional (H) % t = 2000 ou 2010 h MPI Intensidade da Pobreza Multidimensional (A) % t = 2000 ou 2010 A MPI Privações adimensional t = 2000 ou 2010 carpon MPI Índice Multidimensional de Pobreza IPM = A*H t = 2000 ou 2010 mpi MPI Contribuição da Dimensão Saúde % t = 2000 ou 2010 csaude MPI Contribuição da Dimensão Educação % t = 2000 ou 2010 ceduca MPI Contribuição de habitação e saneamento % t = 2000 ou 2010 CVC MPI Contribuição de trabalho e bens de consumo privado % t = 2000 ou 2010 cnv MPI Pessoas contar t = 2000 ou 2010 topescar População Proporção da população urbana em 2000 % t = 2.000 prop_urb2000 População Proporção da população urbana em 2010 % t = 2010 prop_urb2010 População Proporção da população rural em 2000 % t = 2.000 prop_rur2000 População Proporção da população rural em 2010 % t = 2010 prop_rur2010 Tabela 3.Descrição dos indicadores socioeconômicos do conjunto de dados Trajetórias. Os incêndios florestais são uma causa importante da perda de biodiversidade, da emissão de carbono e da conversão da cobertura do solo35. O indicadorfogocalcula a proporção da área total do município que foi queimada nos dois períodos 2001–2006 e 2012–2017. Para criar esses indicadores, utilizamos o Produto Global de Área Queimada (Coleção 6) do MODIS (Espectrorradiômetro de Imagem de Resolução Moderada da NASA) que detecta diariamente áreas queimadas com uma resolução espacial de 500m.36. Observe que este indicador desconsidera múltiplos incêndios na mesma área. eu'A área queimou pelo menos uma vez entret,t eu'área fogo(eu,t,t) 2 1 2 = 1 (5) onde [t1,t2]=[2001,2006] ou [2012,2017] eeué o município. Uma taxa desigual de perda de vegetação cria uma fragmentação espacial da paisagem, amplificando potencialmente os efeitos deletérios sobre a biodiversidade e o funcionamento dos ecossistemas37. Por exemplo, novas bordas florestais e fragmentos menores aumentam a mortalidade de árvores, a frequência de incêndios, amplificam doenças transmitidas por vetores e populações hospedeiras silvestres38. A fragmentação da vegetação no conjunto de dados Trajetórias é medida usando dois indicadores, calculados a partir de mapas anuais de uso e cobertura da terra (LULC) de 2006 e 2017, com resolução espacial de 250 metros. Esses mapas foram produzidos por Camarae outros.39usando séries temporais de imagens do produto MOD13Q1, do MODIS (coleção 6). Combinamos classes de vegetação totalmente natural (floresta e savana) em uma única classe de “vegetação natural”. O indicador essencialmede a proporção da área total do município coberta por áreas de núcleo de vegetação natural em 2006 e 2017. Um núcleo é definido como a área dentro de uma mancha separada da fronteira por uma distância predefinida40. Neste caso, definimos 300m, onde a mortalidade das árvores e o crescimento reduzido são elevados devido ao efeito de borda41. O efeito de borda (borda) foi calculado como a razão entre o comprimento total das bordas dos fragmentos de vegetação (em metros) e a raiz quadrada da área total de vegetação por município, em 2006 e 2017. Os dois indicadores foram calculados utilizando o pacote espacialEco em R42. eu'área central emt eu'área essencial(eu,t) = (6) ondet=2006 ou 2017 eeué o município. comprimento total da borda em m, emt eu'área de vegetação emt borda(eu,t) = (7) ondet=2006 ou 2017. Uso e cobertura da terra.As mudanças no uso e cobertura da terra nas florestas tropicais são indicadores de importantes impactos ambientais. Na região amazônica, o padrão geral de transição começa com a remoção da floresta das terras que serão utilizadas para a produção agrícola ou pecuária. Posteriormente, o cultivo ou pastagem é abandonado e a floresta secundária cresce na região43. Imagens de satélite mostram transições entre diferentes classes de uso e cobertura do solo que podem ser rastreadas em escalas de tempo de curto e longo prazo (Fig.3). Essas pegadas paisagísticas são posteriormente usadas para caracterizar trajetórias ambientais8,44,45. Os seguintes índices descrevem a paisagem de cada município em 2006 e 2017: reformaré a proporção da área florestal remanescente em 2007 e 2017 em relação à área florestal original do município registrada em 1988, estimada a partir de dados florestais do PRODES;secvegé a proporção da área do município coberta por vegetação secundária em 2006 e 2017, calculada a partir de dados dos mapas anuais de LULC classificados por Camarae outros.39. eu'área com remanescente florestal emt eu'área florestal original é para(eu,t) = (8) CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 5 https://doi.org/10.1038/s41597-023-01962-1 www.nature.com/scientificdata/ www.nature.com/scientificdata Figura 3Um subconjunto de indicadores ambientais do conjunto de dados Trajetórias permite a comparação da taxa de desmatamento e expansão de pastagens entre 2006 e 2016/2017, a expansão da rede rodoviária e a distribuição de anomalias negativas de precipitação na região da Amazônia Legal brasileira . ondet=2007 ou 2017 eeué o município. eu'área com vegetação secundária emt eu'área secveg(eu,t) = (9) ondet=2006 ou 2017. CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 6 https://doi.org/10.1038/s41597-023-01962-1 www.nature.com/scientificdata/ www.nature.com/scientificdata As estimativas do tamanho das terras agrícolas foram calculadas como a proporção da área do município classificada como pastagem (pasto) ou cortar (cortar) em 2006 e 2017 usando os mapas LULC acima mencionados da série temporal MODIS39. eu'área com pasto emt eu'área pasto(eu,t) = (10) ondet=2006 ou 2017. eu'área com cultivo emt eu'área cortar(eu,t) = (11) ondet=2006 ou 2017. A proporção da área do município classificada como terreno urbano (urbano) em 2006 e 2017 foi estimado usando mapas de LULC disponíveis no Projeto Mapbiomas, Coleção 646. eu'área classificada como urbana emt eu'área urbano(eu,t) = (12) ondet=2006 ou 2017. A atividade minerária foi estimada como a proporção da área do município com atividades minerárias ( mineração), tanto industrial como artesanal, em 2006 e 2017, utilizando mapas anuais de LULC do Projeto Mapbiomas (Coleção 6)47. O mapeamento da classe de mineração na Coleção 6 do MapBiomas utiliza DeepLearning e dados de referência da CPRM (Serviço Geológico Brasileiro), Ahk Brasilien (Câmara de Comércio e Indústria), INPE e ISA (Instituto Socioambiental), que engloba atividades de garimpo (mineração artesanal em português) e mineração industrial. eu'área com atividades de mineração emt eu'área mineração(eu,t) = (13) ondet=2006 ou 2017. A densidade das redes de transporte.A ocupação humana da região amazônica está concentrada ao longo das redes de transporte rodoviário e fluvial15,16,48, e redes rodoviárias ou fluviais mais densas são representantes de maior mobilidade e conectividade humana. A introdução da dengue49e COVID-1950na região Amazónica estão associados a redes rodoviárias, enquanto os surtos de malária estão ligados a novos assentamentos humanos ao longo das estradas51,52. O conjunto de dados Trajetórias possui um indicador de densidade rodoviária (estradas) calculado como a extensão total das estradas do município dividida pela raiz quadrada da área total do município, em 2010 e 2017 (Fig.3). soma de todos os comprimentos de estradas em m, emt eu'área estradas(eu,t) = (14) ondet=2010 ou 2017 eeué o município. Os dados rodoviários de 2010 foram obtidos da plataforma de mapas LAPIG (Laboratório de Processamento de Imagens e Geoprocessamento da Universidade Federal de Goiás) que integra dados do IBGE (Instituto Brasileiro de Geografia e Estatística), DNIT (Departamento Nacional de Infraestrutura e Transportes) e ANTT. (Agência Nacional de Transportes Terrestres)53. Os dados da malha viária de 2017 foram obtidos da RAISG (Rede Amazônica de Informações Socioambientais Georreferenciadas)54, que se baseia em dados coletados pelo IBGE. A densidade da rede fluvial foi calculada como a extensão total das hidrovias (incluindo todas as hidrovias, independentemente do nível de tráfego) dentro do município dividida pela raiz quadrada da área do município. Os dados de 2010 foram obtidos do Departamento Nacional de Infraestrutura de Transportes (DNIT) e da Agência Nacional de Transportes Aquaviários (ANTAQ). Um indicador de infraestrutura de mobilidade é o número total de portos por município, obtido no DNIT 2017. soma de todos os comprimentos de hidrovias emeu eu'área rio(eu) = (15) porta(eu) = número de portas em m (16) ondeeué o município. Anomalias climáticas.A região amazônica corre grande risco de mudanças climáticas devido aos efeitos sinérgicos entre o aquecimento global e as mudanças na paisagem local, impulsionadas pelo desmatamento, incêndios florestais e fragmentação florestal55. Prevê-se que as anomalias de precipitação causem grandes impactos ecológicos e de saúde numa região fortemente dependente da estação chuvosa. Eventos de seca extrema podem aumentar o risco de incêndios florestais, perturbar o transporte fluvial e reduzir a qualidade da água; enquanto a precipitação extrema pode levar a inundações, afectando também a propagação de doenças transmitidas por vectores, a mobilidade, entre outros efeitos56. O conjunto de dados Trajetórias contém indicadores que medem a magnitude espacial dos eventos de anomalias climáticas em cada município. Variações extremas do normal climatológico CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 7 https://doi.org/10.1038/s41597-023-01962-1 www.nature.com/scientificdata/ www.nature.com/scientificdata constituem um perigo, afetando os meios de subsistência locais e aumentando o risco de doenças e desastres na região amazônica. Temperatura mínima (temperatura) e precipitação (pré) os indicadores de anomalia são estimados durante dois intervalos de tempo, de 1996 a 2006 e de 2007 a 2017. A fonte de dados são os dados meteorológicos mensais históricos da base de dados WorldClim (CRU-TS 4.0357reduzido com WorldClim 2.158) que fornece acesso a dados meteorológicos globais mensais com resolução espacial de 21 km2. As anomalias climáticas são calculadas a partir da variação de uma medida em relação à normal climatológica dessa mesma variável. A normal climatológica foi calculada a partir da média climatológica de 30 anos59–62de cada município usando séries temporais de 1961 a 1990. Esse período é utilizado pelo Instituto Nacional de Meteorologia (INMET) para calcular linhas de base climatológicas no Brasil. Na região amazônica, representa também um período em que as perturbações na cobertura florestal foram menos intensas (1961-1990). Anomalias de precipitação negativa e positiva foram medidas durante a estação seca para detectar anos extremamente secos. Em geral, as mudanças nos padrões de precipitação tendem a afetar a reprodução, o desenvolvimento e a dinâmica populacional dos artrópodes vetores. Em particular, os eventos de seca tendem a concentrar os mosquitos em pequenas poças de água (ou recipientes de armazenamento de água em áreas urbanas), reduzindo a presença de competidores e predadores e acumulando ovos que são resistentes à seca, levando a aumentos subsequentes no número de mosquitos e surtos de doenças. quando o período chuvoso voltar63–66. Anomalias negativas e positivas de temperatura mínima foram medidas durante a estação mais fria. A temperatura mínima é um fator crítico em muitas regiões para a sobrevivência, taxas de desenvolvimento e taxas de picada do mosquito transmissor da dengue 67. Embora a temperatura da região seja quente, ocorrem friagens devido a rajadas de massas polares. Após calcular a média climatológica dos municípios, aplicou-se uma Análise de Kluster Espacial por Remoção de Bordas de Árvores (SKATER)68classificar os municípios amazônicos em regiões climatológicas distintas e para cada uma conseguimos identificar os três meses mais frios e mais secos. Apenas os dados desses meses foram utilizados nos indicadores, respectivamente. A Figura S1 em Informações Suplementares (SI) mostra a localização das cinco regiões e suas séries temporais de temperatura mínima do ar de 1961 a 2017. É evidente uma tendência de aumento da temperatura, sendo mais pronunciada na Amazônia oriental. Os indicadores de anomalia foram calculados da seguinte forma: 1) para cada pixel de cerca de 21 km2, estimamos a média (média) e o desvio padrão (dp) depréetemperaturautilizando a série temporal de 30 anos; 2) então, um mês era considerado anômalo sepré>significar(pré) + 1,5*dp(pré) oupré<significar(pré) - 1,5*dp(pré), indicando uma anomalia de precipitação positiva ou negativa, respectivamente. Da mesma forma, calculamos os indicadores de anomalias positivas e negativas de temperatura mínima. Assim, para cada município, contamos todos os pixels anômalos nos dois períodos de estudo: 1996 a 2006 e 2007 a 2017. Em cada período, foram contados eventos de anomalia durante 33 meses (11 anos×3 meses por ano, correspondentes aos meses mais secos/mais frios). Por fim, os indicadores de precipitação e anomalias de temperatura mínima foram calculados através das seguintes equações: soma das áreas com anomalias positivas de precipitação, em m, mensalmente, entret,t N×eu'área preparação(eu,t1,t2) = 1 2 (17) soma das áreas com anomalias negativas de precipitação, em m, mensalmente, entret,t N×eu'área pré-prec(eu,t1,t2) = 1 2 (18) soma das áreas com anomalias positivas de temperatura, em m, mensalmente, entret,t N×eu'área temperatura(eu,t,t) = 1 2 1 2 (19) ondeN=33 meses analisados,eué o município, e [t1,t2] = [1996,2006] ou [2007,2017]. Para a temperatura mínima não encontramos nenhuma anomalia negativa, ou seja, um mês com temperatura mínima abaixo do limite definido pela climatologia. Isto pode ser atribuído à tendência de aumento das temperaturas observada nas últimas décadas. Um subconjunto de indicadores ambientais é apresentado na Fig.3. As figuras S2 e S3 do SI mostram a correlação entre os indicadores da dimensão ambiental. Dimensão epidemiológica.Espera-se que o risco de doenças transmitidas por vetores na região amazônica mude como resultado das mudanças climáticas e ambientais69. Espera-se também que diferentes actividades económicasassociadas a trajectórias rurais tecnoprodutivas concorrentes tenham impacto na paisagem sócio-ecológica, com efeitos directos na emergência e reemergência de doenças transmissíveis.8. O conjunto de dados Trajetórias contém contagens totais e taxas de incidência de doença de Chagas, leishmaniose visceral, leishmaniose cutânea, malária e dengue por município, nos períodos 2004–2008 e 2015–2019. Esses dois períodos estão centrados na data dos censos agrários brasileiros. Para todas as doenças, exceto a dengue, os indicadores são estratificados por zona rural e urbana. A taxa de incidência é uma medida da frequência da doença para populações dinâmicas, expressa como o número de casos por pessoa em um ano.70. Foi estimado dividindo o número de casos pela população no meio do período multiplicado pelo número de anos de observação (5 anos) (Fig.4). casos(d,eu,z,t1,t2) = somatório dos casos da doença d, na zona z de m, entret1,t2 (20) casos(d,eu,z,t1,t2) pop(eu,z,t(t2-t Inc.(d,eu,z,t,t) =1 2 ×105 ) ×5 anos2/2) (21) CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 8 https://doi.org/10.1038/s41597-023-01962-1 www.nature.com/scientificdata/ www.nature.com/scientificdata onde [t1,t2] = [2004,2008] ou [2015,2019],dé a doença (chagas, VL (leishmaniose visceral), CL (leishmaniose cutânea), Vivax (malária porPlasmodium vivax), Falciparum (malária porP. falciparum), Vivax + Falciparum (infecção mista por malária)),eué o município e,zé a zona de residência (rural ou urbana). A estimativa da população no denominador é descrita na próxima seção. A fonte de dados para leishmaniose, Chagas e dengue é o Sistema Oficial de Notificação de Doenças (SINAN), acessado no portal público DataSUS Tabnet (site1). Para a malária, a fonte é a base de dados SIVEP-malária. Para auxiliar na interpretação dos indicadores epidemiológicos, a Tabela S1 do SI fornece mais informações sobre a ocorrência e localização das epidemias nos dois períodos. A Figura S4 apresenta a correlação entre os indicadores da dimensão epidemiológica. Dimensão socioeconómica.Trajetórias tecnoprodutivas. As trajetórias tecnológicas dominantes (TTs) de cada município, medidas em 2006 e 2017, por Costa (2021)2e (2022)26, são encontrados em71. Contagens de população rural e urbana.O conjunto de dados Trajetórias contém contagens populacionais que podem ser utilizadas para a estimativa de indicadores epidemiológicos, como taxas de incidência de doenças. As contagens totais da população urbana e rural por município estão disponíveis nos censos de 2000 e 2010. Para o período intercensitário, apenas estão disponíveis as estimativas dos totais da população, e não estão divididas em contagens rurais e urbanas. Estas contagens foram estimadas utilizando a proporção da população rural e urbana em cada município capturada no censo de 2010. Índice de pobreza multidimensional.Medir a pobreza na região amazónica é uma tarefa complexa, pois requer uma compreensão de questões que transcendem os indicadores económicos padrão. A abordagem aqui consistiu em medir o grau de privação familiar nas zonas rurais e urbanas, que pode afectar e ser afectada pelas mudanças ambientais e económicas (5). Assim, o conjunto de dados Trajetórias contém um Índice de Pobreza Multidimensional (IPM) rural e urbano desenvolvido especificamente para a região. Seguindo o método proposto por Alkire e Foster (2011)72, o MPI-Trajetorias foi definido com três dimensões: Saúde, Educação e Condições de Vida. A dimensão Condições de Vida foi ainda dividida em duas subdimensões: (1) habitação e serviços colectivos; e (2) emprego e bens de consumo privado. Os indicadores para cada dimensão foram escolhidos nas bases de dados dos censos de 2000 e 201025por um grupo amplo e interdisciplinar de especialistas, incluindo epidemiologistas, economistas, ecologistas, biólogos, geógrafos, médicos e cientistas sociais. Para 2000, foram seleccionados 16 indicadores para o IPM rural e 15 para o IPM urbano. Para 2010, o número de indicadores foi maior devido às mudanças no questionário do Censo: 19 indicadores para o IPM rural e 18 para o IPM urbano (Tabela3). Cada agregado familiar no censo foi inicialmente identificado como rural e urbano e recebeu uma pontuação para cada indicador onde 1 indicava uma situação de privação e 0 caso contrário. A pobreza multidimensional significa privação simultânea em múltiplas dimensões. Para calculá-lo, é calculada uma pontuação de privação ponderada onde cada dimensão (Saúde, Educação e duas classes de Condições de Vida) recebe um peso igual de 1/4. Dentro de cada dimensão, todos os indicadores têm pesos iguais (Tabela S1). Este método é descrito em73. Um agregado familiar é considerado multidimensionalmente pobre se a sua pontuação de privação exceder um limiar, aqui definido como 0,25. O IPM a nível municipal é a combinação de duas componentes: (i) a componente de incidência (H) que mede a proporção de agregados familiares daquela população que vivem numa condição de pobreza multidimensional; e (ii) o componente de intensidade (A), que é uma medida da pontuação média de privação familiar74. MPI(eu,t) =H×A (22) onde: número de famílias multidimensionalmente pobres em m, em t domicílios em m, em t H(eu,t) = (23) soma da família's privações em m, em t domicílios em m, em t A(eu,t) = (24) ondeeué o município et=2000,2010. soma das privações na dimensão j em m, em t MPI em m, em t ContribuirDim(eu,t,j) = (25) ondejsão as quatro dimensões do MPI. Todos esses indicadores são encontrados no conjunto de dados. Além disso, o usuário encontrará a pontuação média de privação domiciliar por município e a contribuição de cada dimensão para o Índice IPM. As variáveis e pesos utilizados para calcular os índices de pobreza multidimensional rural e urbana estão detalhados na Tabela S2. A correlação entre os indicadores da dimensão económica é apresentada na Figura S5. Registros de dados O conjunto de dados é organizado como um conjunto de tabelas .csv vinculadas por uma identificação geográfica (código de município de 7 dígitos, código de estado de 2 dígitos), que pode ser vinculado a shapefiles disponíveis publicamente e outros conjuntos de dados harmonizados. Todos os indicadores, tabelas de metadados e fontes de dados referentes ao conjunto de dados Trajetórias estão depositados no repositório Zenodo75. CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 9 https://doi.org/10.1038/s41597-023-01962-1 www.nature.com/scientificdata/ www.nature.com/scientificdata Figura 4Um subconjunto de indicadores epidemiológicos do conjunto de dados Trajetórias que mostra a taxa de incidência da malária porP. vivaxeP. falciparume dengue na região da Amazônia Legal brasileira. Validação técnica Todos os indicadores foram calculados utilizando a grade municipal do IBGE 201725. Como a divisão territorial brasileira foi alterada pelas mudanças nos municípios ao longo do tempo, harmonizamos as grades observando a evolução da divisão territorial municipal disponível no IBGE76. No período de 2000 a 2017, foram instituídos 16 municípios na BLA (Bom Jesus do Araguaia, Colniza, Conquista d'Oeste, Curvelândia, Ipiranga do Norte, Itanhangá, Nova Nazaré, Nova Santa Helena, Novo Santo Antônio, Rondolândia, Santa Cruz do Xingu, Santa Rita do Trivelato, Santo Antônio do Leste, Serra Nova Dourada, Vale de São Domingos e Mojuí dos Campos). Como um novo município pode ser o resultado da fusão de frações de vários outros municípios, utilizamos o ano de 2017 CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 10 https://doi.org/10.1038/s41597-023-01962-1 www.nature.com/scientificdata/ www.nature.com/scientificdata Figura 5Um subconjunto de indicadores socioeconômicos do conjunto de dados Trajetórias mostrando a distribuição da população rural e urbana na região da Amazônia Legal brasileira, 2010. Os índices padronizados mostram o desvio dos índices de pobreza nas populações ruraise urbanas, em relação ao total média da região. A = intensidade da pobreza multidimensional; H = incidência de pobreza multidimensional, IPM = AxH = índice de pobreza multidimensional. rede municipal como referência por ser a mais recente e com dados espaciais mais precisos. Para o período anterior à sua criação, foram atribuídos a esses municípios os indicadores dos municípios de origem. Os dados sobre desmatamento raso do PRODES, gerados anualmente desde 1988 pelo INPE, são um conjunto de dados consolidado utilizado como referência para o monitoramento da perda florestal na região amazônica e é utilizado oficialmente para fins de políticas públicas e estudos acadêmicos. De acordo com Mauranoe outros.77, os dados de desmatamento do PRODES para 2014 CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 1 1 https://doi.org/10.1038/s41597-023-01962-1 www.nature.com/scientificdata/ www.nature.com/scientificdata apresentou nível de acurácia geral de 93%, com taxas de omissão e inclusão estimadas em 7% e 1,5%, respectivamente. Houve dados faltantes devido à presença de nuvens e nos municípios cortados pelo meridiano 44° no Maranhão. Para minimizar problemas devido à presença de nuvens: escolhemos períodos em que a cobertura de nuvens era menor e excluímos o período de 1997 a 2000, em que alguns municípios não foram mapeados no Maranhão, Pará e Amapá. Para os municípios que foram cortados pelo meridiano 44° no Maranhão, calculamos o percentual de desmatamento em relação à área florestal original dentro da área observada no município. O indicador de degradação florestal foi calculado a partir de uma combinação de dados multitemporais do DEGRAD de 2007 a 2016 que foram obtidos com imagens Landsat com resolução de 30 m e dados do DETER do ano de 2017, cujos sensores possuem resolução espacial de 56 a 64 m. No entanto, pode haver uma subestimação da degradação em 2017 no que diz respeito ao DEGRAD, principalmente relacionada com polígonos de pequena dimensão. Em relação aos mapas de uso e cobertura do solo produzidos por Camarae outros. 2020, a avaliação da qualidade usando validação cruzada k-fold das amostras de treinamento indica uma precisão geral de 99,22%. O banco de dados de doenças, SINAN, sofreu algumas alterações durante o período do estudo que afetaram a definição dos casos e a codificação de algumas variáveis. Para garantir consistência no processo de harmonização, consultamos os formulários originais e a documentação oficial. Também comparamos nosso conjunto de dados com boletins produzidos pelo Ministério da Saúde. A atribuição de casos às zonas rurais e urbanas pelas autoridades de saúde locais apresenta incertezas que podem afectar as estimativas de incidência. A definição de domicílios rurais e urbanos pode ser arbitrária na região, onde se observa um gradiente de ruralidade78. Esses detalhes devem ser levados em consideração ao usar os dados. Além disso, a qualidade do diagnóstico da doença pode variar. A identificação da malária e de Chagas é mais precisa porque se baseia em exames microscópicos específicos. Por outro lado, o diagnóstico da dengue depende principalmente dos sintomas clínicos. Portanto, o número de casos identificados pode subestimar a quantidade de casos reais. Como o sistema público de saúde no Brasil é abrangente e possui alta cobertura espacial, assumimos que o esforço de notificação foi homogêneo durante o período do estudo. O Censo Demográfico é a mais completa fonte de dados populacionais do Brasil. Como os questionários mudaram dos censos de 2000 para 2010, algumas variáveis são definidas de maneiras ligeiramente diferentes nestes dois anos e os pesquisadores devem ter cautela ao fazer comparações e interpretações de tendências. O Índice MPI não pode ser comparável entre 2000 e 2010, pois utiliza algumas variáveis diferentes. Um aspecto a ser destacado é o peso que o meio rural confere na composição do indicador geral do MPI-Trajetorias. Em 2000 o Índice geral do IPM-Trajetorias foi de 0,41, destacando-se os estados do Maranhão, Amazonas e Pará que apresentaram o maior IPM médio e também são os estados mais populosos da Amazônia Legal, influenciando a composição do indicador. Em todos os estados, o IPM rural, em média, foi superior ao urbano. Esse aspecto ocorre devido às conhecidas limitações do questionário amostral do censo demográfico que não capta adequadamente aspectos importantes da Amazônia rural. Por exemplo, particularmente na Amazônia, faltam questionamentos sobre a qualidade de vida e as práticas de consumo associadas aos sistemas rurais operados por agentes camponeses3,79. Esses primeiros resultados trazem evidências da necessidade de adaptação das variáveis do questionário amostral do censo demográfico para o contexto rural amazônico. Notas de uso Os indicadores das Trajetórias podem ser usados para avaliar as mudanças ambientais na ABL durante as primeiras duas décadas doXXIºséculo, e a sua associação com doenças transmitidas por vectores, pobreza e economia rural. O conjunto de dados pode ser facilmente integrado a outras bases de dados do Brasil, em nível municipal80. Para estudos futuros, recomendamos a harmonização do conjunto de dados de Trajetórias com os dados ambientais anuais fornecidos pelo PRODES e DETER, ambos programas desenvolvidos pelo INPE, e que podem ser acessados na plataforma Terrabrasilis (http://terrabrasilis.dpi.inpe.br/). As possíveis aplicações incluem a avaliação de mudanças em doenças crônicas, bem como na qualidade do ar e da água. Figuras3para 5exemplificar visualizações que podem ser derivadas deste conjunto de dados. Uma coleção completa de mapas prontos para uso está disponível na página do github (https://github.com/Trajetorias-Sinbiose/map_repository). Tabelas detalhadas de metadados devem ser consultadas para maiores informações sobre os cálculos dos indicadores. Os utilizadores do conjunto de dados devem estar cientes das suas limitações, conforme descrito na secção de validação técnica. Qualquer melhoria futura será relatada no site github do projeto. Disponibilidade de código Os scripts de harmonização de dados demográficos e de saúde, codificados em R, estão disponíveis emhttps://github.com/ Trajetorias-Sinbiose/Trajetorias_dataset. Consulte o arquivo leia-me para obter mais instruções. Nele também se encontram informações sobre o roteiro desenvolvido para produção dos indicadores do MPI-Trajetorias. Recebido: 7 de outubro de 2022; Aceito: 11 de janeiro de 2023; Publicado: xx xx xxxx Referências 1. Saraiva, MBe outros. Regeneração florestal na Amazônia brasileira: políticas públicas e condições econômicas.Revista de produção mais limpa269, 122424 (2020). 2. Costa, F. d. A. Diversidade estrutural e mudança na Amazônia rural: uma avaliação comparativa das trajetórias tecnológicas com base nos censos agrícolas (1995, 2006 e 2017).Nova Economia31, 415–453 (2021). 3. Costa, F. d. A.e outros. Capítulo 15: Sistemas complexos, diversos e mutáveis de agronegócios e meios de subsistência na Amazônia. In: Nobre C. e outros. (Ed.).Relatório de avaliação da Amazon 2021https://doi.org/10.55161/CGAP7652(2021). 4. Wegner, GIe outros. Evitar epidemias de doenças infecciosas transmitidas pela vida selvagem exige um enfoque nos factores socioecológicos e uma reformulação do sistema alimentar global.ECclínicaMedicina47, 101386 (2022). 5. Guégan, J.-F., Ayouba, A., Cappelle, J. & De Thoisy, B. Florestas e doenças infecciosas emergentes: libertando a fera interior. Cartas de Pesquisa Ambiental15, 083007 (2020). 6. Winck, GRe outros. Vulnerabilidade socioecológica e risco de surgimento de doenças zoonóticas no Brasil.Avanços da Ciência8, eabo5774 (2022). CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 1 2 https://doi.org/10.1038/s41597-023-01962-1 http://terrabrasilis.dpi.inpe.br/ http://terrabrasilis.dpi.inpe.br/ https://github.com/Trajetorias-Sinbiose/map_repository https://github.com/Trajetorias-Sinbiose/Trajetorias_datasethttps://github.com/Trajetorias-Sinbiose/Trajetorias_dataset https://doi.org/10.55161/CGAP7652 www.nature.com/scientificdata/ www.nature.com/scientificdata 7. Costa, Fd. A. Trajetórias tecnológicas como objeto de política de conhecimento para a Amazônia: uma metodologia de delineamento.Revista Brasileira de Inovação8, 35–86 (2009). 8. Codeço, CTe outros. Epidemiologia, Biodiversidade e Trajetórias Tecnológicas na Amazônia Brasileira: Da Malária à COVID-19. Fronteiras na Saúde Pública945(2021). 9. Organização Mundial da Saúde.Investir para superar o impacto global das doenças tropicais negligenciadas: terceiro relatório da OMS sobre doenças tropicais negligenciadas 2015,vol. 3(Organização Mundial da Saúde, 2015). 10. Poder Executivo Brasileiro. Lei 5.173/1966.http://www.planalto.gov.br/ccivil_03/leis/L5173.htm. Acessado em 25 de abril de 2019 (1966). 11. Instituto Brasileiro de Geografia e Estatística – IBGE. Ibge atualiza mapa da Amazônia Legal.https://agenciadenoticias.ibge.gov. br/ agencia-sala-de-imprensa/2013-agencia-de-noticias/releases/28089-ibge-atualiza-mapa-da-amazonia-legal(2020). 12. Costa, FDA Mercado fundiário e trajetórias tecnológicas na Amazônia.Economia e Sociedade21, 245–273 (2012). 13. Costa, FDA Contribuições das terras em pousio na Amazônia brasileira para o equilíbrio de CO2, desmatamento e economia agrária: Desigualdades entre trajetórias concorrentes de uso da terraDinâmica agrária, balanço de CO2 e desmatamento na Amazônia.Elementa: Ciência do Antropoceno4(2016). 14. Rorato, ACe outros. Povos indígenas da Amazônia brasileira ameaçados pela lei da mineração.Cartas de Pesquisa Ambiental15, 1040a3 (2020). 15. Pfaff, A.e outros. Investimentos rodoviários, repercussões espaciais e desmatamento na Amazônia brasileira.Revista de Ciência Regional47, 109–123 (2007). 16. Barber, CP, Cochrane, MA, Souza, CM Jr & Laurance, WF Estradas, desmatamento e o efeito mitigador das áreas protegidas na Amazônia.Conservação biológica177, 203–209 (2014). 17. Becker, BK Geopolítica da Amazônia.Estudos avançados19, 71–86 (2005). 18. Ministério do Meio Ambiente – MMA. Plano de ação para prevenção e controle do desmatamento na Amazônia Legal- Ministério do Meio Ambiente e Grupo Permanente de Trabalho Interministerial - Brasília. MMA, 2013. 74 p.http://redd.mma.gov.br/pt/ acompanhamento-ea- analise-de-impacto-das-politicas-publicas/ppcdam(2013). 19. Rajão, R.e outros. O risco de falsas polêmicas para as políticas ambientais brasileiras.Conservação Biológica266, 109447 (2022). 20. Carvalho, WDe outros. Controle do desmatamento na Amazônia brasileira: Uma luta pela conservação sendo perdida à medida que acordos e regulamentações são subvertidos e contornados.Perspectivas em Ecologia e Conservação17, 122–130 (2019). 21. Carvalho, R., Coelho-Junior, MG, Valdiones, AP, Silgueiro, V. & Thuault, A. A falta de transparência e participação social prejudicam o combate ao desmatamento no Brasil.DIE ERDE – Jornal da Sociedade Geográfica de Berlim153, 65–69 (2022). 22. Menezes, RG & Barbosa, R. Jr Governança ambiental sob Bolsonaro: desmantelando instituições, restringindo a participação, deslegitimando a oposição.Zeitschrift para políticas públicas vergleichende15, 229–247 (2021). 23. Ferrante, L.e outros. Rodovia Brasileira BR-319: O caminho para o colapso da Amazônia e a violação dos direitos indígenas.DIE ERDE – Jornal da Sociedade Geográfica de Berlim152, 65–70 (2021). 24. Yanai, AM, de A Graça, PML, Ziccardi, LG, Escada, MIS & Fearnside, PM O desmatamento da Amazônia brasileira: o papel das propriedades em terras públicas não designadas.Mudança Ambiental Regional22, 1–14 (2022). 25. Instituto Brasileiro de Geografia e Estatística – IBGE. Censo Demográfico: Microdados.https://www.ibge.gov.br/estatisticas/ sociais/populacao/22827-censo-2020-censo4.html?=t=microdados. 26. Costa, FDA Base de Dados de Trajetórias Tecnológicas Rurais da Amazônia Legal delimitadas pelo Método de Diferenciação e Significação Estrutural da Produção Rural (M-DASTRU).Zenodohttps://doi.org/10.5281/zenodo.7035753(2022). 27. Instituto Nacional de Pesquisas Espaciais – INPE. Monitoramento da cobertura florestal da Amazônia por satélites. Sistemas PRODES, DETER, DEGRAD e queimadas. Tecnologia. Rep., Instituto Nacional de Pesquisas Espaciais – INPE (2008). 28. Equipe, R Core. R Core Team: Uma linguagem e ambiente para computação estatística R Foundation for Statistical Computing. R versão 4.2.0.Viena, Áustria(2022). 29. ESRI.ArcGIS Desktop 10.4. Instituto de Pesquisa de Sistemas Ambientais (ESRI), Redlands, CA (2016). 30. Equipe de Desenvolvimento GIS.Sistema de Informação Geográfica QGIS. Versão 3.26. Projeto de Fundação Geoespacial de Código Aberto (2019). 31. Aguiar, A., Andrade, P. & Ferrari, P. Plugin de preenchimento de célula.TerraME(2008). 32. Instituto Nacional de Pesquisas Espaciais – INPE. Projeto de Monitoramento do Desmatamento na Amazônia. 33. Diniz, CGe outros. DETER-B: O Novo Sistema de Detecção de Desmatamento em Tempo Quase Real na Amazônia.Jornal IEEE de Tópicos Selecionados em Observações Terrestres Aplicadas e Sensoriamento Remoto8, 3619–3628,https://doi.org/10.1109/JSTARS.2015.2437075(2015). 34. Instituto Nacional de Pesquisas Espaciais – INPE. Sistema de Detecção de Desmatamento Quase em Tempo Real (DETER).http://terrabrasilis.dpi. inpe.br/downloads/. Acessado em 30 de abril de 2020 (2020). 35. Dos Reis, M., de Alencastro Graça, PML, Yanai, AM, Ramos, CJP & Fearnside, PM Incêndios florestais e desmatamento na Amazônia central: efeitos da paisagem e do clima na dinâmica espacial e temporal.Revista de Gestão Ambiental288, 112310 (2021). 36. Giglio, L., Boschetti, L., Roy, DP, Humber, ML & Justice, CO A coleção 6 modis algoritmo e produto de mapeamento de área queimada. Sensoriamento remoto do ambiente217, 72–85,https://doi.org/10.1016/j.rse.2018.08.005(2018). 37. Silva Júnior, CHe outros. O colapso persistente da biomassa nas bordas da floresta amazônica após o desmatamento leva a perdas de carbono não contabilizadas.Avanços da Ciência6, eaaz8360 (2020). 38. Hansen, MCe outros. O destino dos fragmentos de florestas tropicais.Avanços da Ciência6, eaax8574 (2020). 39.Câmara, G.e outros. Mapas de uso e cobertura da terra para o bioma Amazônia no Brasil para 2001–2019 derivados de séries temporais MODIS. PANGÉIAhttps://doi.org/10.1594/PANGAEA.911560(2020). 40. McGarigal, K. Fragstat ajuda.Universidade de Massachusetts: Amherst, MA, EUA182(2015). 41. Laurance, WFe outros. Uma floresta amazônica e seus fragmentos como laboratório de mudanças globais.Revisões biológicas93, 223–247 (2018). 42. Evans, J. Spatialeco. Pacote R versão 1.3-1 (2020). 43. Gibbs, HKe outros. As florestas tropicais foram as principais fontes de novas terras agrícolas nas décadas de 1980 e 1990.Anais da Academia Nacional de Ciências107, 16732–16737 (2010). 44.Pinheiro, T.e outros. Degradação florestal associada à expansão da fronteira madeireira na Amazônia: região da BR-163 no sudoeste do Pará, Brasil.Interações da Terra20, 1–26 (2016). 45. dos Santos Silva, MP, Camara, G., Escada, MIS & De Souza, RCM Mineração de imagens de sensoriamento remoto: detecção de agentes de mudança no uso da terra em áreas de floresta tropical.Jornal Internacional de Sensoriamento Remoto29, 4803–4822 (2008). 46. Mapbiomas. Projeto MapBiomas – Coleção 6 da Série Anual de Mapas de Uso e Cobertura da Terra do Brasil.https://plataforma. brasil.mapbiomas.org(2021). 47. MapBiomas, P. Mapeamento da superfície de mineração industrial e garimpo no Brasil (Coleção 6).https://mapbiomas-br-site. s3.amazonaws.com/Fact_Sheet_1.pdf(2021). 48. Alves, DS Dinâmica espaço-temporal do desmatamento na Amazônia brasileira.Jornal Internacional de Sensoriamento Remoto23, 2903–2908 (2002). 49. Lana, RM, Gomes, MFDC, Lima, TFMD, Honorio, NA & Codeço, CT A introdução da dengue segue mudanças na infraestrutura de transporte no estado do Acre, Brasil: uma análise baseada em rede.PLoS doenças tropicais negligenciadas11, e0006070 (2017).50. Coelho, FCe outros. Avaliando a propagação da COVID-19 no Brasil: Mobilidade, morbidade e vulnerabilidade social.PLoS Um15, e0238214 (2020). CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 13 https://doi.org/10.1038/s41597-023-01962-1 http://www.planalto.gov.br/ccivil_03/leis/L5173.htm https://agenciadenoticias.ibge.gov.br/agencia-sala-de-imprensa/2013-agencia-de-noticias/releases/28089-ibge-atualiza-mapa-da-amazonia-legal https://agenciadenoticias.ibge.gov.br/agencia-sala-de-imprensa/2013-agencia-de-noticias/releases/28089-ibge-atualiza-mapa-da-amazonia-legal http://redd.mma.gov.br/pt/acompanhamento-e-a-analise-de-impacto-das-politicas-publicas/ppcdam http://redd.mma.gov.br/pt/acompanhamento-e-a-analise-de-impacto-das-politicas-publicas/ppcdam https://www.ibge.gov.br/estatisticas/sociais/populacao/22827-censo-2020-censo4.html?=t=microdados https://www.ibge.gov.br/estatisticas/sociais/populacao/22827-censo-2020-censo4.html?=t=microdados https://doi.org/10.5281/zenodo.7035753 https://doi.org/10.1109/JSTARS.2015.2437075 http://terrabrasilis.dpi.inpe.br/downloads/ http://terrabrasilis.dpi.inpe.br/downloads/ https://doi.org/10.1016/j.rse.2018.08.005 https://doi.org/10.1594/PANGAEA.911560 https://plataforma.brasil.mapbiomas.org https://plataforma.brasil.mapbiomas.org https://mapbiomas-br-site.s3.amazonaws.com/Fact_Sheet_1.pdf https://mapbiomas-br-site.s3.amazonaws.com/Fact_Sheet_1.pdf www.nature.com/scientificdata/ www.nature.com/scientificdata 51. da Silva-Nunes, M.e outros. Malária na fronteira amazônica: dinâmica de transmissão, fatores de risco, distribuição espacial e perspectivas de controle.A revista americana de medicina tropical e higiene79, 624–635 (2008). 52. Gomes, MF, Codeço, CT, Bastos, LS & Lana, RM Medir a contribuição da mobilidade humana para a persistência da malária. Diário da malária19, 1–12 (2020). 53. Laboratório de Processamento de Imagens e Geoprocessamento da Universidade Federal de Goiás – LAPIG. MAPAS LAPIG.https://lapig.iesa. ufg.br/. Acessado em 20 de novembro de 2021 (2019). 54. Rede Amazônica de Informação Socioambiental Georreferenciada – RAISG. DADOS CARTOGRÁFICOS.https://www. amazoniasocioambiental.org/es/mapas/. Acessado em 20 de novembro de 2021 (2019). 55. Marengo, JAe outros. Mudanças no clima e no uso do solo na região amazônica: variabilidades e tendências atuais e futuras.Fronteiras nas Ciências da Terra6, 228 (2018). 56. Camacho Guerreiro, AI & Ladle, RJ & da Silva Batista, V. Conhecimento dos pescadores ribeirinhos sobre eventos climáticos extremos na Amazônia brasileira.Revista de Etnobiologia e Etnomedicina12, 1–10 (2016). 57. Harris, I., Jones, PD, Osborn, TJ & Lister, DH Grades atualizadas de alta resolução de observações climáticas mensais – os cru ts3. 10 conjunto de dados. Revista Internacional de Climatologia34, 623–642 (2014). 58. Fick, SE & Hijmans, RJ Worldclim 2: novas superfícies climáticas de resolução espacial de 1 km para áreas terrestres globais.Revista Internacional de Climatologia37, 4302–4315 (2017). 59. Organização Meteorológica Mundial – OMM. Guia de Práticas Climatológicas.https://library.wmo.int/doc_num.php?explnum_id=5541. Acessado em 20 de novembro de 2021 (2018). 60. Organização Meteorológica Mundial – OMM. Diretrizes da OMM sobre a geração de um conjunto definido de produtos nacionais de monitoramento climático. https://library.wmo.int/doc_num.php?explnum_id=4213(2017). 61. Floriancic, MG, Berghuijs, WR, Jonas, T., Kirchner, JW & Molnar, P. Efeitos das anomalias climáticas nos baixos fluxos da estação quente na Suíça.Hidrologia e Ciências do Sistema Terrestre24, 5423–5438 (2020). 62. União Europeia Copernicus. Serviço de Mudanças Climáticas - Caixa de ferramentas de armazenamento de dados climáticos (CDS): Cálculo de climatologias e anomalias.https://cds.climate.copernicus.eu/toolbox/doc/how-to/13_how_to_calculate_climatologies_and_anomalies/13_how_ to_calculate_climatologies_and_anomalies.html(2021). 63. Gage, KL, Burkot, TR, Eisen, RJ & Hayes, EB Clima e doenças transmitidas por vetores.Revista Americana de Medicina Preventiva35, 436– 450 (2008). 64. Chase, JM & Knight, TM Surtos de mosquitos induzidos pela seca em zonas húmidas.Cartas de Ecologia6, 1017–1024 (2003). 65. Landesman, WJ, Allan, BF, Langerhans, RB, Knight, TM & Chase, JM Associações interanuais entre precipitação e incidência humana do vírus do Nilo Ocidental nos Estados Unidos.Doenças transmitidas por vetores e zoonóticas7, 337–343 (2007). 66. Brown, L., Medlock, J. & Murray, V. Impacto da seca nas doenças transmitidas por vectores – como gerir o risco?Saúde pública128, 29–37 (2014). 67. Fã, J.e outros. Uma revisão sistemática e meta-análise do risco de dengue com mudança de temperatura.Revista internacional de pesquisa ambiental e saúde pública12, 1–15 (2015). 68. Assunção, RM, Neves, MC & Câmara, G. & da Costa Freitas, C. Técnicas eficientes de regionalização para unidades geográficas socioeconómicas utilizando árvores geradoras mínimas.Jornal Internacional de Ciência da Informação Geográfica20, 797–811 (2006). 69. Lowe, R.e outros. Arbovírus emergentes na floresta amazônica urbanizada.bmj371(2020). 70. Vandenbroucke, JP & Pearce, N. Taxas de incidência em populações dinâmicas.Revista Internacional de Epidemiologia41, 1472–1479 (2012). 71. Costa, Fd. A. Conjunto de dados de Trajetórias Tecnológicas Rurais (TTs) dominantes em nível municipal da Amazônia Legal Brasileira (BLA). Zenodo.https://doi.org/10.5281/zenodo.7039285(2022). 72. Alkire, S. & Foster, J. Contagem e medição multidimensional da pobreza.Jornal de economia pública95, 476–487 (2011). 73. Rodrigues, DL, Santos, RD & Fernandes, DA Pobreza e desenvolvimento humano na região metropolitana de Belém: uma análise comparativa entre os indicadores linha de pobreza, IDHM e IPM para os anos de 2000 e 2010.Prêmio Atlas do Desenvolvimento Humano no Brasil155(2015). 74. Alkire, S., Kanagaratnam, U. & Suppa, N. O índice global de pobreza multidimensional (IPM): revisão de 2018.Notas metodológicas do OPHI MPI46(2018). 75. Rorato, ACe outros. Conjunto de dados Trajetórias: indicadores ambientais, epidemiológicos e econômicos para a Amazônia brasileira.Zenodo. https:// doi.org/10.5281/zenodo.7098053(2022). 76. IBGE. Evolução da divisão territorial do brasil: 1872–2010.https://www.ibge.gov.br/geociencias/organizacao-do-territorio/ estrutura-territorial/15771-evolucao-da-divisao-territorial-do-brasil.html?=t=acesso-ao-produto(2011). 77. Maurano, LEP, Escada, MIS & Renno, CD Padrões espaciais de desmatamento e a estimativa da exatidão dos mapas do PRODES para Amazônia Legal Brasileira.Ciência florestal29, 1763–1775 (2019). 78. Dal'Asta, AP, Lana, RM, Amaral, S., Codeço, CT & Monteiro, AMV O gradiente urbano em municípios endêmicos de malária no Acre: revisitando o papel da localidade.Revista Internacional de Pesquisa Ambiental e Saúde Pública15, 1254 (2018). 79. Costa, FDAUma breve história econômica da Amazônia (1720–1970)(Publicação Cambridge Scholars, 2018). 80. Abdala, L.e outros. Conjuntos de dados geoespaciais estatisticamente enriquecidos de municípios brasileiros para modelagem baseada em dados.Dados Científicos9, 1–12 (2022). Reconhecimentos Este trabalho foi financiado pelo Conselho Brasileiro de Pesquisa (CNPQ MCTIC-SÍNTESE EM BIODIVERSIDADE E SERVIÇOS ECOSSISTÊMICOS-SINBIOSE, processo 442357/2019-2). Agradecemos ao Centro Síntese em Biodiversidade e Serviços Ecossistêmicos (SinBiose), financiado pelo Conselho Brasileiro de Pesquisa, por fornecer a oportunidade para o desenvolvimento deste trabalho. CC, AM, RML e AD também agradecem ao Centro Nacional de Síntese Socioambiental (SESYNC) por fornecer o ambiente intelectual que estimulou a concepção do presente trabalho, como parte do projeto Desenvolvimento, degradação ambiental e propagação de doenças em a Amazônia brasileira liderada por Andrés Baeza e Mercedes Pascual. Gostaríamos de agradecer especialmente ao professor Francisco de Assis Costa, da Universidade Federaldo Pará (UFPA), por compartilhar seus dados sobre as trajetórias tecnológicas nos municípios do bioma Amazônia e pelas generosas discussões e apoio. Também estendemos nossos agradecimentos especiais a Alexandre Gontijo, Flavio Coelho e Marcelle Chagas, pelas frutíferas discussões durante o projeto. Contribuições do autor ACR, APDA e MISE calcularam e organizaram o conjunto de dados ambientais; RML, IR, MB, MSN e O CTC computou e organizou o conjunto de dados epidemiológicos; RB, CV, APDA, AS e AMVM calcularam e organizaram o conjunto de dados socioeconómicos. Os mapas foram criados pela ACR. Esta síntese resultou de uma série de discussões em grupo com todos os autores. Todos os autores contribuíram para a concepção do estudo e redação da versão final. Todos os autores revisaram o manuscrito. CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 14 https://doi.org/10.1038/s41597-023-01962-1 https://lapig.iesa.ufg.br/ https://lapig.iesa.ufg.br/ https://www.amazoniasocioambiental.org/es/mapas/ https://www.amazoniasocioambiental.org/es/mapas/ https://library.wmo.int/doc_num.php?explnum_id=5541 https://library.wmo.int/doc_num.php?explnum_id=5541 https://library.wmo.int/doc_num.php?explnum_id=4213 https://cds.climate.copernicus.eu/toolbox/doc/how-to/13_how_to_calculate_climatologies_and_anomalies/13_how_to_calculate_climatologies_and_anomalies.html https://cds.climate.copernicus.eu/toolbox/doc/how-to/13_how_to_calculate_climatologies_and_anomalies/13_how_to_calculate_climatologies_and_anomalies.html https://doi.org/10.5281/zenodo.7039285 https://doi.org/10.5281/zenodo.7098053 https://www.ibge.gov.br/geociencias/organizacao-do-territorio/estrutura-territorial/15771-evolucao-da-divisao-territorial-do-brasil.html?=t=acesso-ao-produto https://www.ibge.gov.br/geociencias/organizacao-do-territorio/estrutura-territorial/15771-evolucao-da-divisao-territorial-do-brasil.html?=t=acesso-ao-produto www.nature.com/scientificdata/ www.nature.com/scientificdata Interesses competitivos Os autores declaram que a pesquisa foi realizada na ausência de quaisquer relações comerciais ou financeiras que pudessem ser interpretadas como potencial conflito de interesses. Informações adicionais Informação suplementarA versão on-line contém material complementar disponível emhttps://doi. org/ 10.1038/s41597-023-01962-1. Correspondênciae solicitações de materiais devem ser endereçadas ao ACR Informações sobre reimpressões e permissõesestá disponível emwww.nature.com/reprints. Nota do editorA Springer Nature permanece neutra em relação a reivindicações jurisdicionais em mapas publicados e afiliações institucionais. Acesso livreEste artigo está licenciado sob uma Licença Creative Commons Atribuição 4.0 Internacional, que permite o uso, compartilhamento, adaptação, distribuição e reprodução em qualquer meio ou formato, desde que você dê o devido crédito ao(s) autor(es) original(is) e à fonte, forneça um link para a licença Creative Commons e indique se alterações foram feitas. As imagens ou outros materiais de terceiros neste artigo estão incluídos na licença Creative Commons do artigo, salvo indicação em contrário na linha de crédito do material. Se o material não estiver incluído na licença Creative Commons do artigo e o uso pretendido não for permitido por regulamentação legal ou exceder o uso permitido, você precisará obter permissão diretamente do detentor dos direitos autorais. Para visualizar uma cópia desta licença, visitehttp://creativecommons.org/licenses/by/4.0/. © O(s) Autor(es) 2023 CientíficoDados| (2023) 10:65|https://doi.org/10.1038/s41597-023-01962-1 1 5 https://doi.org/10.1038/s41597-023-01962-1 https://doi.org/10.1038/s41597-023-01962-1 https://doi.org/10.1038/s41597-023-01962-1 http://www.nature.com/reprints http://creativecommons.org/licenses/by/4.0/ Trajetorias: a dataset of environmental, epidemiological, and economic indicators for the Brazilian Amazon Background & Summary Methods Study area. Study design. Environmental dimension. Habitat loss. Land use and land cover. The density of transportation networks. Climatic anomalies. Epidemiological dimension. Socio-economic dimension. Techo-productive trajectories. Rural and urban population counts. Multidimensional poverty index. Data Records Technical Validation Usage Notes Acknowledgements Fig. 1 The Brazilian Legal Amazon (BLA) houses the whole Brazilian Amazon biome (predominantly composed of tropical forests), 20% of the Cerrado biome (with a predominance of savannah vegetation) and approximately 40% of the Pantanal biome (the largest co Fig. 2 The Trajetorias dataset indicators are computed for two periods, for each municipality, as shown in the diagram. Fig. 3 A subset of environmental indicators from the Trajetorias dataset allows the comparison of the rate of deforestation, and the expansion of pasture between 2006 and 2016/2017, the expansion of the road network, and the distribution of negative preci Fig. 4 A subset of epidemiological indicators from the Trajetorias dataset showing the incidence rate of malaria by P. Fig. 5 A subset of socio-economic indicators from the Trajetorias dataset showing the distribution of the rural and urban population in the Brazilian Legal Amazon region, 2010. Table 1 Description of the environmental indicators in the Trajetorias dataset. Table 2 Description of the epidemiological indicators in the Trajetorias dataset. Table 3 Description of the socio-economic indicators in the Trajetorias dataset.