TRAJETORIAS s41597-023-01962-1 en pt (1)

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.