Melhorando estimativa de emissões e remoções de gases de efeito estufa decorrentes de mudanças no uso do solo e florestas no Brasil

20 de agosto de 2024

ago 20, 2024

Bárbara Zimbres

Mudanças na forma como medimos as emissões de gases de efeitos estufa facilitam o cumprimento de metas e colocam o Brasil como referência na área. Unindo as metodologias oficiais e os mapas anuais produzidos na Rede MapBiomas, pesquisadores do SEEG (Sistema de Estimativa de Emissões e Remoções de Gases de Efeito Estufa) tem gerado dados mais precisos, robustos e frequentes, um avanço em relação ao Inventário Nacional do Governo Federal, que mapeiam períodos de 6 a 8 anos.  

Além disso, a nova metodologia busca considerar todos os processos de uso da terra, como recuperação, degradação e mudanças de fitofisionomia e tipos de vegetação, assim como o desmatamento, em uma série anual e com dados completos a nível municipal. O objetivo é permitir que tomadores de decisão tenham acesso a padrão de emissão e remoção de gases de efeito estufa mais localizados, permitindo a implementação de políticas públicas e o acompanhamento de resultados em nível municipal. 

Baixar (sujeito à disponibilidade)

Download (subject to availability)



Este projeto está alinhado aos Objetivos de Desenvolvimento Sustentável (ODS).

Saiba mais em brasil.un.org/pt-br/sdgs.

Veja também

See also

Plano de Desenvolvimento Territorial Integrado e Sustentável da Região de Influência da BR-163 – Carta de Santarém

Plano de Desenvolvimento Territorial Integrado e Sustentável da Região de Influência da BR-163 – Carta de Santarém

Esta Carta apresenta o resultado de debates e propostas do Plano de Desenvolvimento Territorial Integrado e Sustentável da Região de Influência da BR-163, que abrange 84 municípios dos Estados do Pará e do Mato Grosso e envolve aproximadamente 2 milhões de habitantes.

The Latent Dirichlet Allocation model with covariates (LDAcov): A case study on the effect of fire on species composition in Amazonian forests

The Latent Dirichlet Allocation model with covariates (LDAcov): A case study on the effect of fire on species composition in Amazonian forests

Understanding and predicting the effect of global change phenomena on biodiversity is challenging given that biodiversity data are highly multivariate, containing information from tens to hundreds of species in any given location and time. The Latent Dirichlet...