Degradação da terra e ODS 15.3.1

Como parte da «Agenda 2030 para o Desenvolvimento Sustentável», o Objetivo de Desenvolvimento Sustentável (ODS) 15 é:

«Proteger, restaurar e promover o uso sustentável de ecossistemas terrestres, manejar florestas de forma sustentável, combater a desertificação e deter e reverter a degradação da terra e deter a perda de biodiversidade»

Cada ODS tem metas específicas que abordam diferentes componentes, neste caso, da vida terrestre. A meta 15.3 visa:

«Até 2030, combater a desertificação, restaurar terras e solos degradados, incluindo terras pela desertificação, secas e inundações, e esforçar-se por alcançar um mundo neutro em termos de degradação da terra»

Os indicadores serão utilizados para avaliar o progresso de cada meta dos ODS. No caso do ODS 15.3, o progresso em direção a um mundo neutro de degradação da terra será avaliado usando o indicador 15.3.1:

«proporção de terra degradada sobre de área total de terra»

Como agência responsável pelo ODS 15.3, a Convenção das Nações Unidas de Combate à Desertificação (UNCCD) desenvolveu um Guia de Boas Práticas (GPG) com recomendações sobre como calcular o Indicador ODS 15.3.1.

Esta página fornece uma breve introdução ao Indicador SDG 15.3.1 e descreve como cada indicador é calculado pelo .

Para avaliar a área degradada, o Indicador 15.3.1 do ODS usa informações de três subindicadores:

1. Produtividade da vegetação

2. Cobertura da terra

3. Carbono orgânico do solo

O permite ao utilizador calcular cada um destes subindicadores de forma espacialmente explícita, gerando mapas rasterizados que são então integrados num mapa final do indicador ODS 15.3.1, resultando numa tabela que apresenta as áreas degradadas ou com potenciais melhorias para a área em análise.

Sub-indicadores

Produtividade

A produtividade da terra é a capacidade produtiva biológica da terra, a fonte de todos os alimentos, fibras e combustíveis que sustentam os seres humanos (United Nations Statistical Commission 2016). A produtividade primária líquida (PPL) é a quantidade líquida de carbono assimilado após a fotossíntese e respiração autotrófica durante um determinado período de tempo (Clark et al. 2001) e é tipicamente representada em unidades como kg/ha/ano. A PPL é uma variável demorada e dispendiosa de estimar, por isso, nos baseamos em informações de sensoriamento remoto para derivar indicadores de PPL.

Um dos substitutos mais utilizados da PPL é o Índice de Vegetação por Diferença Normalizada (NDVI), que é calculado utilizando informações dos comprimentos de onda vermelho e infravermelho próximo do espectro eletromagnético. No , utilizamos produtos quinzenais do MODIS e do AVHRR para calcular integrais anuais do NDVI (calculadas como a média anual do NDVI para simplificar a interpretação dos resultados). Essas integrais anuais do NDVI são então utilizadas para calcular cada uma das métricas de produtividade explicadas abaixo.

A produtividade da terra é avaliada em usando três medidas de mudança derivadas dos dados da série temporal do NDVI: trajetória, desempenho e estado

Trajetória da Produtividade

A trajetória mede a taxa de mudança na produtividade primária ao longo do tempo. Conforme indicado na figura abaixo, calcula uma regressão linear no nível do pixel para identificar áreas que experimentam mudanças na produtividade primária para o período em análise. Um teste de significância não paremétrico de Mann-Kendall é então aplicado, considerando apenas mudanças significativas aquelas que mostram um valor de p ≤ 0,05. Tendências significativas positivas no NDVI indicariam potencial melhoria na condição da terra e tendências negativas significativas na degradação potencial.

Corrigindo os efeitos do clima

Dentro de um determinado ecossistema, a produtividade primária é afetada por vários fatores, como a temperatura e a disponibilidade de luz, nutrientes e água. Destes, a disponibilidade de água é a mais variável ao longo do tempo, e pode ter influências muito significativas na quantidade de tecido vegetal produzido a cada ano. Quando as integrais anuais do NDVI são usadas para realizar a análise de trajetória, é importante interpretar os resultados com informações históricas de precipitação como um contexto. Caso contrário, as tendências de produtividade em declínio poderiam ser identificadas como a degradação do solo causada pelo homem, quando elas são impulsionadas por padrões regionais de mudanças na disponibilidade de água.

permite ao usuário realizar diferentes tipos de análise para separar as causas climáticas das mudanças na produtividade primária, daquelas que poderiam ser uma consequência das decisões de uso da terra no solo. Os métodos atualmente suportados para as correções climáticas são:

Análise de tendência residual (RESTREND): RESTREND usa modelos de regressão linear para prever o NDVI para um determinado valor de precipitação. As tendências na diferença entre o NDVI previsto e o NDVI observado (o residual) são interpretadas como mudanças de produtividade não relacionadas ao clima. Por favor, consulte a seguinte citação para mais detalhes sobre o método e suas limitações: Wessels, K.J.; van den Bergh, F.; Scholes, R.J. Limits to detectability of land degradation by trend analysis of vegetation index data. Remote Sens. Environ. 2012, 125, 10–22.

Eficiência no Uso da Chuva (RUE): RUE É a razão entre a PPL anual e a precipitação anual. usa as integrais anuais do NDVI para representar a PPL anual e oferece a possibilidade de escolher entre diferentes produtos de precipitação para calcular a RUE. Depois que a RUE é calculada para cada um dos anos sob análise, uma regressão linear e um teste não paramétrico de significância são aplicados à tendência da RUE ao longo do tempo. Tendências significativas positivas na RUE indicariam potencial melhoria na condição da terra e tendências negativas significativas na degradação potencial. Por favor, consulte a seguinte publicação para detalhes sobre os métodos e suas limitações: Wessels, K.J.; Prince, S.D.; Malherbe, J.; Small, J.; Frost, P.E.; VanZyl, D. Can human-induced land degradation be distinguished from the effects of rainfall variability? A case study in South Africa. J. Arid Environ. 2007, 68, 271–297.

Eficiência no uso da água (WUE): A RUE assume que existe uma relação linear entre a quantidade de água que cai na forma de precipitação em um local específico e a quantidade de água que será realmente usada pelas plantas. Essa suposição não se aplica a todos os sistemas. A WUE tenta resolver essa limitação usando a evapotranspiração anual total (ET) em vez da precipitação. ET é definido como precipitação menos a água perdida para o escoamento superficial, recarga para as águas subterrâneas e mudanças no armazenamento de água no solo. O restante da análise segue como descrito para RUE: uma regressão linear e um teste não paramétrico de significância são aplicados à tendência de WUE ao longo do tempo. Tendências significativas positivas no WUE indicariam potencial melhoria na condição da terra e tendências negativas significativas na degradação potencial.

A tabela abaixo lista os conjuntos de dados disponíveis em para realizar a análise de tendência NDVI ao longo do tempo usando os dados originais do NDVI ou com correções climáticas:

Variável	Sensor/Conjunto de dados	Temporal	Res. espacial.	Extensão	Unidades/Descrição
NDVI	AVHRR/GIMMS	1982-2015	8 km	Global	Média anual do NDVI * 10000
NDVI	MOD13Q1-coll6.1	2001-2024	250 m	Global	Média anual do NDVI * 10000
Umidade do solo	MERRA 2	1980-2019	0.5° x 0.625°	Global	Zona radicular da água m3m-3 *10000
Umidade do solo	ERA I	1979-2016	0.75° x 0.75°	Global	Camada volumétrica de água no solo m3m-3 (0-7 cm)
Precipitação	GPCP v2.3.1 mensal (Global Precipitation Climatology Project)	1979-2019	2.5° x 2.5°	Global	mm/ano
Precipitação	GPCC V6 (Global Precipitation Climatology Centre)	1891-2019	1° x 1°	Global	mm/ano
Precipitação	CHIRPS	1981-2024	5 km	50°N x 50°S	mm/ano
Precipitação	PERSIANN-CDR	1983-2024	25 km	60°N x 60°S	mm/ano
Evapotranspiração	MOD16A2.GF	2000 - 2024	500m	Global	ET Anual kg/m2 (=mm)*10

Estado da Produtividade

A métrica de Estado de Produtividade permite a deteção de alterações recentes na produtividade primária em comparação com um período de referência. A métrica de Estado é calculada da seguinte forma:

1. Defina o período de linha de base (período histórico ao qual comparar a produtividade primária recente).

2. Defina o período de comparação (últimos anos usados para calcular a comparação). Recomenda-se usar um período de 3 anos para evitar flutuações anuais relacionadas ao clima.

3. Para cada pixel, use as integrais anuais do NDVI para o período de linha de base para calcular uma distribuição de frequência. Caso o período de referência tenha perdido alguns valores extremos no NDVI, adicione 5% em ambos os extremos da distribuição. Essa curva de distribuição de frequência expandida é então usada para definir os valores de corte das classes de 10 percentis.

4. Calcule o NDVI médio para o período da linha de base e determine a classe percentual a que pertence. Atribuir ao NDVI médio para o período de referência o número correspondente a essa classe de percentil. Os valores possíveis variam de 1 (classe mais baixa) a 10 (classe mais alta).

5. Calcule o NDVI médio para o período de comparação e determine a classe percentual a que pertence. Atribuir ao NDVI médio para o período de comparação o número correspondente a essa classe de percentis. Os valores possíveis variam de 1 (classe mais baixa) a 10 (classe mais alta).

6. Determine a diferença no número da classe entre a comparação e o período da linha de base (comparação menos a linha de base).

7. Se a diferença na classe entre a linha de base e o período de comparação for ≤ 2, esse pixel poderá ser potencialmente degradado. Se a diferença for ≥ 2, esse pixel indicará uma melhoria recente em termos de produtividade primária. Pixels com pequenas alterações são considerados estáveis.

A tabela abaixo apresenta a lista de conjuntos de dados disponíveis no para calcular a métrica de Estado de Produtividade:

Variável	Sensor/Conjunto de dados	Temporal	Res. espacial.	Extensão	Unidades/Descrição
NDVI	AVHRR/GIMMS	1982-2015	8 km	Global	Média anual do NDVI * 10000
NDVI	MOD13Q1-coll6.1	2001-2024	250 m	Global	Média anual do NDVI * 10000

Desempenho da Produtividade

A métrica de Desempenho da Produtividade mede a produtividade local em relação a outros tipos de vegetação semelhantes, em tipos de ocupação do solo ou regiões bioclimáticas idênticas, em toda a área de estudo. O utiliza a combinação única de unidades de solo (unidades de taxonomia de solos do sistema USDA, fornecidas pelo SoilGrids com resolução de 250m) e ocupação do solo (as 37 classes completas de ocupação do solo fornecidas pela ESA CCI com resolução de 300m) para definir estas áreas de análise. A métrica de Desempenho é calculada da seguinte forma:

1. Defina o período de análise e use a série temporal do NDVI para calcular o NDVI de cada pixel.

2. Defina unidades semelhantes ecologicamente semelhantes à interseção única de cobertura da terra e tipo de solo.

3. Para cada unidade, extraia todos os valores NDVI médios calculados no passo 1 e crie uma frequência de distribuição. A partir desta distribuição, determine o valor que representa o percentil 90 (não recomendamos que use o valor máximo absoluto de NDVI para evitar possíveis erros devido à presença de outliers). O valor que representa o percentil 90 será considerado a produtividade máxima dessa unidade.

4. Calcule a razão média do NDVI e a produtividade máxima (em cada caso, compare o valor médio observado com o máximo para a unidade correspondente).

5. Se o valor médio de NDVI observado for inferior a 50% da produtividade máxima, esse píxel é considerado potencialmente degradado para esta métrica.

A tabela abaixo apresenta a lista de conjuntos de dados disponíveis no para calcular a métrica de Desempenho da Produtividade:

Variável	Sensor/Conjunto de dados	Temporal	Res. espacial.	Extensão	Unidades/Descrição
NDVI	AVHRR/GIMMS	1982-2015	8 km	Global	Média anual do NDVI * 10000
NDVI	MOD13Q1-coll6.1	2001-2024	250 m	Global	Média anual do NDVI * 10000
Cobertura de terreno	ESA CCI	1992-2022	300 m	Global	Classes temáticas de ocupação do solo
Unidades taxonómicas de solos	SoilGrids - USDA (Taxonomia de Solos)	Estático	250 m	Global	Unidades de solo

Combinação de Métricas de Produtividade

As três métricas de produtividade são depois combinadas conforme indicado nas tabelas abaixo. Para o reporte do ODS 15.3.1, é necessário o indicador de 3 classes, mas o também gera um indicador de 5 classes que tira partido da informação fornecida pelo Estado para informar sobre o tipo de degradação que está a ocorrer na área.

Aggregating Land Productivity metrics

Trend	State	Performance
Improving	Improving	Stable
Improving	Improving	Degrading
Improving	Stable	Stable
Improving	Stable	Degrading
Improving	Degrading	Stable
Improving	Degrading	Degrading
Stable	Improving	Stable
Stable	Improving	Degrading
Stable	Stable	Stable
Stable	Stable	Degrading
Stable	Degrading	Stable
Stable	Degrading	Degrading
Degrading	Improving	Stable
Degrading	Improving	Degrading
Degrading	Stable	Stable
Degrading	Stable	Degrading
Degrading	Degrading	Stable
Degrading	Degrading	Degrading

➡

5 Classes	3 Classes
Improving	Improving
Improving	Improving
Improving	Improving
Improving	Improving
Improving	Improving
Moderate decline	Degrading
Stable	Stable
Stable	Stable
Stable	Stable
Stressed	Stable
Moderate decline	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading

Cobertura da terra

Para avaliar as mudanças na cobertura da terra, os usuários precisam de mapas de cobertura da terra cobrindo a área de estudo para os anos de linha de base e de destino. Esses mapas precisam ser de precisão aceitável e criados de tal forma que permita comparações válidas. usa os mapas de cobertura da terra da ESA CCI como o conjunto de dados padrão, mas os mapas locais também podem ser usados. O indicador é calculado da seguinte forma:

1. Reclassificar ambos os mapas de cobertura da terra para as 7 classes de cobertura da terra necessárias para reportar à UNCCD (floresta, pastagem, terra de cultivo, zona húmida, área artificial, solo exposto e água).

2. Realize uma análise de transição da cobertura da terra para identificar quais pixels permaneceram na mesma classe de cobertura territorial e quais mudaram.

3. Com base no seu conhecimento local das condições na área de estudo e da degradação da terra processada que ocorre lá, use a tabela abaixo para identificar quais transições correspondem à degradação (sinal), melhoria (sinal +) ou nenhuma mudança em termos de condição da terra (zero).

1. combinará as informações dos mapas de cobertura da terra e a tabela de tipologias de degradação por transição de cobertura da terra para calcular o subindicador de cobertura da terra.

Carbono orgânico do solo

O terceiro subindicador para monitorar a degradação da terra como parte do processo de ODS quantifica as mudanças no carbono orgânico do solo (SOC) durante o período coberto pelo relatório. Mudanças no SOC são particularmente difíceis de avaliar por várias razões, sendo algumas delas a alta variabilidade espacial das propriedades do solo, a intensidade de tempo e custo da realização de levantamentos representativos do solo e a falta de dados de séries temporais sobre SOC para a maioria das regiões do mundo. Para resolver algumas das limitações, um método combinado de cobertura da terra/SOC é usado em para estimar mudanças no SOC e identificar áreas potencialmente degradadas. O indicador é calculado da seguinte forma:

1. Determine os valores de referência do SOC. usa SoilGrids 250m representando estoques de carbono para os primeiros 30cm do perfil do solo como valores de referência para cálculo (NOTA: SoilGrids usa informações de várias fontes de dados e varia de muitos anos para produzir este produto, portanto, atribuir uma data para cálculos pode causar imprecisões nos cálculos de mudança de estoque).

2. Reclassificar os mapas de cobertura da terra para as 7 classes de cobertura da terra necessárias para reportar à UNCCD (floresta, pastagem, terra cultivável, zona húmida, área artificial, terra nua e água). Idealmente, mapas de cobertura de terra anuais são preferidos, mas pelo menos mapas de cobertura de terra para os anos inicial e final são necessários.

3. Para estimar as mudanças nos estoques de C para o período de relatório, os coeficientes de conversão C para mudanças no uso, gestão e entradas de terra são recomendados pelo IPCC e pelo UNCCD. No entanto, informações espacialmente explícitas sobre gerenciamento e entradas C não estão disponíveis para a maioria das regiões. Como tal, apenas o coeficiente de conversão do uso da terra pode ser aplicado para estimar as mudanças nos estoques de carbono (usando a cobertura da terra como uma proxy para o uso da terra). Os coeficientes utilizados foram o resultado de uma revisão da literatura realizada pela UNCCD e são apresentados na tabela abaixo. Esses coeficientes representam os estoques proporcionais em C após 20 anos de mudança da cobertura da terra.

LU coefficients	Forest	Grasslands	Croplands	Wetlands	Artificial areas	Bare lands	Water bodies
Forest	1	1	f	1	0.1	0.1	1
Grasslands	1	1	f	1	0.1	0.1	1
Croplands	1/f	1/f	1	1/0.71	0.1	0.1	1
Wetlands	1	1	0.71	1	0.1	0.1	1
Artificial areas	2	2	2	2	1	1	1
Bare lands	2	2	2	2	1	1	1
Water bodies	1	1	1	1	1	1	1

As mudanças no SOC são melhor estudadas para as transições de cobertura da terra envolvendo agricultura e, por essa razão, há um conjunto diferente de coeficientes para cada uma das principais regiões climáticas globais: seca temperada (f = 0,80), úmida temperada (f = 0,69), Seco (f = 0,58), Tropical úmido (f = 0,48) e Tropical Montanhoso (f = 0,64).

4. Calcule a diferença relativa em SOC entre a linha de base e o período alvo, áreas que tiveram uma perda em SOC de 10% ou mais durante o período do relatório serão consideradas potencialmente degradadas e áreas que experimentarem um ganho de 10% ou mais como potencialmente melhoradas.

Combinação de indicadores no Indicador 15.3.1 dos ODS

A integração dos três subindicadores do ODS 15.3.1 é efetuada seguindo a regra do pior caso (1OAO); isto significa que, se uma área ou um píxel for identificado como potencialmente degradado por qualquer um dos subindicadores, essa área ou píxel será considerado potencialmente degradado para fins de reporte.

Aggregating SDG 15.3.1 sub-indicators - 1OAO

Land Productivity	Land Cover	SOC
Improving	Improving	Improving
Improving	Improving	Stable
Improving	Improving	Declining
Improving	Stable	Improving
Improving	Stable	Stable
Improving	Stable	Declining
Improving	Declining	Improving
Improving	Declining	Stable
Improving	Declining	Declining
Stable	Improving	Improving
Stable	Improving	Stable
Stable	Improving	Declining
Stable	Stable	Improving
Stable	Stable	Stable
Stable	Stable	Declining
Stable	Declining	Improving
Stable	Declining	Stable
Stable	Declining	Declining
Declining	Improving	Improving
Declining	Improving	Stable
Declining	Improving	Declining
Declining	Stable	Improving
Declining	Stable	Stable
Declining	Stable	Declining
Declining	Declining	Improving
Declining	Declining	Stable
Declining	Declining	Declining

➡

SDG 15.3.1
Improving
Improving
Declining
Improving
Improving
Declining
Declining
Declining
Declining
Improving
Improving
Declining
Improving
Stable
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining

Cálculo do mapa de Estado

De acordo com o Adenda ao Guia de Boas Práticas para o Indicador 15.3.1 dos ODS, o mapa de Estado «refere-se à condição final (considerando a linha de base) da terra no final de cada período de reporte, classificada como degradada, estável ou melhorada». Este combina a camada do Indicador 15.3.1 dos ODS calculada para um determinado período de avaliação com a Linha de Base do mesmo indicador. Ao combinar estas duas camadas, o mapa de Estado apresenta as alterações ocorridas durante o período de avaliação, integradas com as condições da terra (degradação, estabilidade, melhoria) mapeadas no período da Linha de Base, proporcionando uma compreensão mais completa da trajetória da condição da terra ao longo do tempo.

Nota

A camada de Estado para o período da Linha de Base é equivalente ao Indicador 15.3.1 dos ODS calculado para a avaliação da Linha de Base (ou seja, Avaliação da Linha de Base == Estado 2015).

Para combinar a avaliação de um determinado período com o Indicador de Referência do ODS 15.3.1, é necessário aplicar a Matriz de Estado 3 x 3

		PERIOD ASSESSMENT
		DEGRADED	STABLE*	IMPROVED*
BASELINE	DEGRADED	Degraded	Degraded	Improved
	STABLE*	Degraded	Stable	Improved
	IMPROVED*	Degraded	Improved	Improved

* Not Degraded areas.

Nota

Para mais informações sobre como obter o mapa de Estado, consulte o ´Good Practice Guidance Addendum SDG Indicator 15.3.1 <https://www.unccd.int/sites/default/files/2025-07/GPG%20Addendum_%20Advanced%20Unedited%20Version.pdf>`_, que oferece uma secção dedicada à «Avaliação do Estado para cada processo de relatório», com início na página 19.

Matriz de Estado Expandida

Embora o mapa de estado resultante da comparação acima referida forneça um retrato da condição da terra no final do período de relatório em três categorias abrangentes (Degradada, Estável e Melhorada), as dinâmicas subjacentes que conduzem a este estado final podem ser complexas — existem nove tipos diferentes de alterações (visto tratar-se de uma matriz 3x3) na condição da terra. A compreensão destas diferentes trajetórias permite uma interpretação mais profunda das alterações na condição da terra, possibilitando a identificação de ganhos e perdas de capital natural que ocorreram em relação a um estado de referência. Por exemplo, a degradação e a melhoria podem corresponder a alterações recentes, a uma continuação de tendências em curso em áreas anteriormente degradadas ou melhoradas, ou à estabilidade em áreas que já se encontravam degradadas ou melhoradas num período anterior.

A matriz de estado apresentada abaixo pode ser utilizada em substituição da matriz 3x3 referida anteriormente, de forma a captar os diferentes tipos de alterações na condição da terra que podem ocorrer. Esta versão expandida da matriz de estado permite uma classificação mais detalhada das alterações na condição da terra, fornecendo informações sobre a natureza e o timing dos processos de degradação e de melhoria.

		PERIOD ASSESSMENT
		DEGRADED	STABLE	IMPROVED
BASELINE	DEGRADED	1 - Persistent Degradation	3 - Baseline Degradation	6 - Recent Improvement
	STABLE	2 - Recent Degradation	4 - Stability	6 - Recent Improvement
	IMPROVED	2 - Recent Degradation	5 - Baseline Improvement	7 - Persistent Improvement

Expanded version of the "Status Matrix" showing land condition that results from the comparison of the baseline (rows) and the period assessment (columns): degraded (purple), stable (yellow), and improved (green).

Cada tipo de alteração representado na Matriz de Estado expandida é detalhado abaixo. A tabela apresenta as nove combinações possíveis na matriz 3 × 3, refletindo as transições da avaliação de referência para a avaliação do período atual. Para cada combinação, é fornecida uma breve interpretação da alteração, juntamente com a sua classificação como melhoria ou degradação, seja ela recente ou de referência. Esta classificação ajuda a compreender se as alterações observadas representam novos desenvolvimentos ocorridos durante o período de relatório atual ou se não ocorreram alterações de estado.

Nota

Para mais informações sobre como obter o mapa de estado expandido, consulte o ´Good Practice Guidance Addendum SDG Indicator 15.3.1 <https://www.unccd.int/sites/default/files/2025-07/GPG%20Addendum_%20Advanced%20Unedited%20Version.pdf>`_, que disponibiliza uma secção dedicada à «Caracterização adicional da degradação e melhoria da terra», com início na página 29.

Objetivo Estratégico 2 do UNCCD (OE 2)

Para melhorar as condições de vida das populações afetadas

Enfrentar os desafios globais da desertificação, degradação da terra e seca (DDTS) e os seus impactos em sistemas humano-ambientais acoplados é um componente-chave da Agenda para o Desenvolvimento Sustentável de 2030. Em particular, o Objetivo de Desenvolvimento Sustentável (ODS) 15.3 pretende, até 2030, combater a desertificação, restaurar terra e solo degradado, incluindo terra afetada pela desertificação, seca e inundações, e tentar alcançar um mundo neutro em termos de degradação da terra. Enfrentar este desafio é essencial para melhorar a subsistência dos mais afetados por DDTS e para salvaguardar contra os efeitos mais extremos das alterações climáticas.

A subsistência das pessoas em zonas degradadas inclui várias características humanas e naturais dos ambientes locais, incluindo acesso adequado a comida e água, tanto diretamente por subsistência, por rendimento suficiente para ter segurança alimentar ou por uma combinação de ambos. Se a segurança alimentar for alcançada, a emigração das zonas afetadas já não será forçada, mas sim voluntária por natureza. As populações, comunidades e agregados social e economicamente marginalizados tendem a ser desproporcionalmente vulneráveis a alterações climáticas e aos efeitos combinados do DDTS. A capacidade de identificar e quantificar a constituição, distribuição e vulnerabilidade relativa dessas populações, comunidades e agregados é crítica no reforço da resiliência da subsistência para poder melhorar as adaptações positivas ao DDTS.

How population exposure is calculated

O permite aos utilizadores monitorizarem o indicador de Objetivo Estratégico 2 da UNCCD em Tendências na Exposição da População a Degradação da Terra Desagregado por Sexo (OE 2-3) ao calcular as proporções de população, desagregada por sexo, exposta à degradação da terra. O usa dados matriciais representando a distribuição espacial da população pelo mapa do Indicador ODS 15.3.1 para estabelecer a sua exposição à degradação da terra.

O indicador (OE 2-3) usa as seguintes métricas:

• Percentage of the female population exposed to land degradation

• Percentage of the male population exposed to land degradation

• Percentage of the total (female and male) population exposed to land degradation

To calculate the SO 2-3 indicator, uses gridded population data from the WorldPop project. WorldPop provides separate raster layers for male and female population, each representing the estimated number of people per grid cell for a given year. overlays these population grids with the final SDG 15.3.1 indicator map, which classifies every pixel as degraded, stable, or improved. For each degradation class the tool sums the number of people — separately for males and females — whose grid cell falls within that class. Areas classified as water bodies are masked out and excluded from the totals, in line with UNCCD reporting requirements.

The resulting totals are then expressed as percentages of the total population within the area of interest, producing the three SO 2-3 metrics: the percentage of the female population, the male population, and the combined population exposed to land degradation. In the output map, pixels in degraded areas retain their population count as a positive value, pixels in improved areas are shown as negative values (indicating population in areas where conditions have improved), and water areas are marked as no-data. This sign convention makes it straightforward to distinguish, at a glance, populations living on degraded land from those on improving land.

Objetivo Estratégico 3 da UNCCD (OE 3)

Para mitigar, adaptar e gerir os efeitos da seca para poder melhorar a resiliência das populações vulneráveis e ecossistemas.

Seca e degradação da terra

Degradação da terra conforme definido pela UNCCD refere-se a qualquer redução ou perda da capacidade de produtividade biológica ou económica da base do recurso terrestre. É geralmente causada por atividades humanas, exacerbada por processos naturais e frequentemente agravada pelas alterações climáticas e perda de biodiversidade. A degradação da terra reduz a produtividade agrícola e aumenta a vulnerabilidade das áreas que já estão em risco de impactos devido à variabilidade e alterações climáticas, especialmente em regiões do mundo.

A seca é um fenómeno complexo e de aparecimento lento que ocorre ao longo de diferentes escalas temporais. É caracterizado por uma redução da disponibilidade da água, levando a efeitos cascata na subsistência das pessoas e nos setores económicos. A seca é às vezes definida de forma simplista como um período seco suficientemente longo para causar um desequilíbrio hidrológico, apesar de não existir uma definição globalmente aceite para seca. Adicionalmente, a seca raramente ocorre como evento de risco único, mas sim ligada a outros perigos como ondas de calor, incêndios, tempestades de areia ou inundações.

O Painel Internacional para as Alterações Climáticas (IPCC) define seca como «um período de tempo anormalmente seco e suficientemente prolongado para causar um desequilíbrio hidrológico grave». Seca é um termo relativo, portanto qualquer discussão em termos de défice de precipitação deve referir uma atividade específica relativa à precipitação que esteja sob discussão. Por exemplo, a falta de precipitação durante a estação de cultivo afeta a produção de colheitas ou o funcionamento dos ecossistemas em geral (devido à secagem da humidade no solo, também denominada seca agrícola), e durante a época de escoamento e percolação afeta principalmente os recursos hídricos (seca hídrica). As alterações de armazenamento de humidade e água subterrânea no solo também são afetadas por aumentos na evapotranspiração efetiva para além das reduções de precipitação. Consulte também Humidade do solo (Relatório de Avaliação 5 do IPCC, 2014). O Gabinete das Nações Unidas para a Redução de Risco de Desastres (UNDRR) define seca como um perigo de aparecimento lento, frequentemente denominado como um fenómeno gradual. A ausência de uma definição exata e universalmente aceite de seca contribui para a confusão. As definições têm de ser específicas por região porque as alterações climáticas têm características climáticas distintas (Capítulo 6 do GAR UNDRR). A falta de uma definição consensual complica os esforços de monitorização, visto que a definição e a abordagem de monitorização são tipicamente contextuais. Onde as taxas de pobreza permanecem altas apesar de o esforço para reduzir a pobreza, desigualdade e melhorar o bem-estar socioeconómico de todas as pessoas a nível mundial.

A seca afeta um número crescente de pessoas, subsistências, ecossistemas e economias a nível mundial. Quando ocorre em simultâneo com degradação da terra, pode expor populações já vulneráveis a riscos nocivos de subsistência, ambientais, socioeconómicos e de saúde e diminuir a resiliência da população e da comunidade.

A UNCDD adotou um quadro de monitorização com 3 níveis para o OE 3:

Nível I OE 3-1 Tendências na proporção de terra sob seca ao longo da área total de terra(Perigo), Nível II OE 3-2 Tendências na proporção da população total exposta a seca(Exposição), Nível III OE 3-3 Tendências no grau de vulnerabilidade a seca (Vulnerabilidade).

Ao abrigo do quadro do IPCC:

Perigo é a potencial ocorrência de um evento ou tendência física induzida por humanos ou um impacto físico que pode causar perda de vida, lesão ou outros impactos de saúde, assim como danos e perda de propriedade, infraestrutura, subsistências, fornecimento de serviços, ecossistemas e recursos ambientais.

Exposição caracteriza a presença de pessoais, subsistências, espécies ou ecossistemas, funções, serviços e recursos ambientais, infraestrutura, ou ativos económicos, sociais ou culturais em locais e ambientes que podem ser adversamente afetados.

Vulnerabilidade é definida como a propensão ou predisposição para ser adversamente afetado por alterações climáticas e processos relacionados.

Para poder avaliar os indicadores do OE 3, o usa informações de 3 sub-indicadores:

• Índice de Precipitação Padronizado (SPI) ou, em alternativa, o Índice de Precipitação e Evapotranspiração Padronizado (SPEI)

• Conjunto de dados de população global matricial

• Índice de Vulnerabilidade a Seca (DVI)

O permite que o utilizador calcule cada um destes indicadores de uma forma espacialmente explícita gerando mapas de raster e produzindo uma tabela de resumo a apresentar áreas potencialmente renovadas e degradadas para a área de análise. EO 3-1 «Tendências na proporção de terra sob seca sobre a área total de terra».

A Convenção das Nações Unidas para o Combate à Desertificação (UNCCD) desenvolveu uma Diretriz de boas práticas para relatórios nacionais no Objetivo Estratégico 3 da UNCCD <https://www.unccd.int/sites/default/files/documents/2021-09/UNCCD_GPG_Strategic-Objective-3_2021.pdf>`_ (GPG-EO3). com recomendações de como calcular os indicadores do EO3.

Este documento contém uma breve introdução ao Objetivo Estratégico 3 da UNCCD e descreve como cada indicar é calculado pelo , respeitando a Diretriz de Boas Práticas do Objetivo Estratégico 3.

Indicador de Nível I do EO3 (EO 3-1 Perigo)

Passos para calcular o indicador de Nível I segundo o GPG-OE3 da UNCCD:

1. Calcule o SPI usando um período de acumulação de 12 meses (SPI-12) e dados matriciais de precipitação

2. Identifique a classe de intensidade de seca de cada pixel com base no SPI calculado anteriormente

3. Calcule a proporção de terra dentro de cada classe de intensidade de seca.

Índice de Precipitação Normalizado (SPI)

O Índice de Precipitação Normalizado (SPI) tem sido largamente usado para caracterizar a seca meteorológica ou o défice de precipitação e foi reconhecido pela Declaração Lincoln sobre Seca como o índice preferido internacionalmente para calcular e monitorizar secas meteorológicas. O SPI é calculado como desvios padrão que a precipitação observada ao longo de um período específico tem da média a longo prazo em períodos sobre períodos dessa duração ao longo de tipicamente 30 anos de dados, para uma distribuição normal e distribuição de probabilidade ajustada para o registo de precipitação efetivo. As principais vantagens de usar o SPI para a monitorização e previsão global de secas e avaliação de risco é que é usado globalmente por muitos países e é apoiado pela Organização Meteorológica Internacional. Outras vantagens-chave são que o SPI representa tanto défices como excessos de precipitação, e pode ser calculado em escalas de tempo diferentes (ex: SPI-3, SPI-6, SPI-12, com o número a indicar o número de meses ao longo do qual o índice é calculado). Como tal, considera indiretamente os efeitos da acumulação de défices de precipitação, que são críticos para a humidade do solo e secas hídricas.

Por predefinição, o oferece acesso ao SPI calculado a partir do Produto de Monitorização do Centro Global de Climatologia (GPCC), um raster que representa precipitação e derivado de dados de medição de chuva com uma resolução espacial de ~27 km² e que cobre o globo inteiro. Os utilizadores também têm a opção de usar um SPI alternativo calculado a partir do Climate Hazards Group InfraRed Precipitation with Stations (CHIRPS), com estimativas de precipitação baseadas em observações de satélites combinadas com dados de estações medidos em ~5 km². Apesar de o CHIRPS possuir uma resolução espacial resolução, tem uma cobertura quase global que abrange 50°S a 50°N. Como tal, os utilizadores interessados em calcular o OE3-1 Perigo para áreas fora desta gama não poderão utilizar o conjunto de dados CHIRPS.

Passo 1. Calcular o SPI

O SPI quantifica a precipitação observada como desvio normalizado de uma função de distribuição de probabilidade selecionada que modela os dados brutos. Os dados brutos podem ser ajustados para uma distribuição gama ou Pearson Tipo III e depois transformados numa distribuição normal. Os dados de precipitação transformados são então usados para calcular o valor SPI sem dimensões, definidos como a anomalia normalizada da precipitação.

As equações detalhadas para calcular este índice são descritas nos passos seguintes usando a distribuição gama:

1. A transformação do valor de precipitação no SPI tem o propósito de:

   1. Transformar a média do valor de precipitação ajustada para 0;

   2. Desvio padrão da precipitação é ajustado para 1,0; e

   3. O enviesamento dos dados existentes tem de ser reajustado para zero.

Quando estes objetivos tiverem sido alcançados, o índice de precipitação normalizado pode ser interpretado como média 0 e desvio padrão de 1,0.

2. A média da precipitação pode ser calculada como:

em que N é o número de observações de precipitação.

3. O desvio padrão da precipitação é calculado como:

4. O enviesamento da precipitação dada é calculado como:

5. A precipitação é convertida para valores lognormal e os parâmetros de estatística U, forma e escala da distribuição gama são calculados:

6. Os parâmetros resultantes são então usados para encontrar a probabilidade cumulativa de um evento de precipitação observado. A probabilidade cumulativa é dada por:

7. Uma vez que a função gama é indefinida para x = 0 e uma distribuição de precipitação pode conter zeros, a probabilidade cumulativa torna-se:

em que a probabilidade de q é zero.

8. A probabilidade H(x) é depois transformada na variável aleatória normalizada Z com média de zero e variância de um:

onde:

Passo 2. Identificar classes de intensidade de seca

Os valores SPI sem dimensão são interpretados como o número de desvios padrão nos quais a anomalia observada se desvia da média a longo prazo e são tipicamente identificados categoricamente com base em condição (ex: extremamente molhado, extremamente seco, normal) conforme mostrado na tabela abaixo. Uma seca ocorre quando o SPI é consecutivamente negativo e o seu valor alcança uma intensidade de -1 ou menos e termina quando o SPI se torna positivo.

Descrição	Categoria de precipitação
2.0 ou mais	Extremamente húmido
1.5 a 1.99	Severamente húmido
1.0 a 1.49	Moderadamente húmido
-0,99 a 0,99	Quase normal
-1,0 a -1,49	Moderadamente seco
-1.5 a -1.99	Muito seco
-2,0 ou menos	Extremamente seco

As classes de intensidade de seca são identificadas ao avaliar os valores SPI-12 de dezembro para o ano da série cronológica. Os valores SPI-12 de dezembro representam os défices (ou excessos) de precipitação ao longo do ano de calendário gregoriano (janeiro-dezembro). Os valores positivos do SPI são descartados, dado que indicam que não houve seca no período dado.

Para mais informações sobre o SPI, consulte as Diretriz de boas práticas para relatórios nacionais no Objetivo Estratégico 3 da UNCCD. Também recomendamos que leia o Relatório Técnico da Tools4LDN sobre Monitorizar o Progresso para o Objetivo Estratégico 3 da UNCCD Uma análise de Dados Geoespaciais e Indicadores Disponíveis Publicamente em Suporte da Monitorização de Secas.

Passo 3. Calcular a proporção de terra dentro de cada classe de intensidade de seca.

A equação para estimar a percentagem de terra dentro das classes de intensidade de seca tem em conta a área de terreno sob cada classe de intensidade de seca identificada no passo anterior sobre o total de área de terreno, como se segue:

Onde:

Pij é a proporção de terreno sob a classe de intensidade de seca i no ano j

areaij é a área terrestre sob a classe de intensidade de seca i no ano de relatório j

Área total é a área terrestre total.

Indicador Nível II do OE3 (OE 3-2 Exposição)

O indicador de seca Exposição de Nível III do OE3 da UNCCD é criado a partir do indicador Perigo de Nível I do OE 3 ao sobrepor dados de população matriciais. Usar a população sobreposta como substituição para o cálculo da exposição a seca é um método simples. Saber quantas pessoas são diretamente afetadas pela seca pode ajudar a alocar ajuda para as zonas mais necessitadas, com base na percentagem de população exposta e na força da exposição (severidade da seca). Este método pode também servir como substituto para a seca socioeconómica. O cálculo de desagregação de sexo para o indicador de população de Nível II do OE3 é calculado com base na percentagem de homens e mulheres em cada célula da grelha. Os resultados incluem dados de exposição por sexo (percentagem de homens e percentagem de mulheres) expostos a cada classe de intensidade de seca de Nível I. Isto produz duas matrizes comparáveis que podem ser agregadas em fronteiras administrativas se desejado, onde as relações espaciais globais e locais entre sexo e ocorrência e/ou severidade de seca podem ser melhor quantificadas e visualizadas.

A coleção WorldPop é um conjunto global matricial de dados geoespaciais de alta resolução em distribuições de população, demografia e dinâmica. As camadas desagregadas espacialmente da WorldPop são dispostos em matriz com uma resolução e resultados de 3 arc/s e 30 arc/s (aproximadamente 100 m e 1 km respetivamente no equador) e incorpora entradas como tabelas de censos de população e fronteiras geográficas, estradas, cobertura de terra, estruturas construídas, áreas urbanas, luzes noturnas, infraestrutura, dados ambientais, áreas protegidas e massas de água nacionais. As vantagens do WorldPop são que o método de estimação da população do mapeamento dasimétrico é multivariado, ou seja, altamente modelado e, portanto, personalizado para corresponder às condições de dados e natureza geográfica de cada país e região individual. Informações de sexo também estão disponíveis. A desvantagem do WorldPop é que a utilização desses modelos complexos de interpolação com dados de censos escassos pode levar a estimativas extremamente incertas ou imprecisas em algumas regiões sub-nacionais e rurais. Apesar de as limitações mencionadas, o WorldPop permanece o conjunto de dados de população matriciais mais ideal dado que satisfaz todos os nossos critérios de inclusão, incluindo resolução espacial, cobertura global, frequência de atualizações de dados e inclusão de um componente desagregado por sexo.

As percentagens de Exposição de população à seca são calculados pelo número de pessoas em cada classe de intensidade de seca sobre a população total.

How population exposure to drought is represented in Trends.Earth

The SO 3-2 Exposure summary output in Trends.Earth is a multi-band raster file. Bands are organised in pairs, one pair per drought reporting period (each period is by default 4 years). Within each pair:

• The first band contains the most severe SPI value recorded during that period — the minimum SPI across all years in the period. A negative SPI indicates a precipitation deficit relative to the long-term mean, i.e., drought conditions.

• The second band contains the population count for the pixel at the time of the most severe drought, with the sign of the value encoding drought exposure:

  • A negative population value indicates that the pixel experienced drought during that period (minimum SPI < 0).

  • A positive population value indicates that the pixel experienced above-average precipitation during that period (SPI ≥ 0 throughout the entire period).

  • Pixels over water bodies are set to no-data, in line with UNCCD reporting requirements.

For the final drought period only, if sex-disaggregated population data are available, two additional bands follow the standard pair: a female population band and a male population band, both using the same sign convention described above.

This encoding makes it straightforward to derive exposure statistics from a single band: the absolute values of all valid pixels give the total population, while the absolute values of the negative pixels alone give the drought-exposed population.

Indicador de Nível III do OE3 (OE 3-3 Vulnerabilidade)

A avaliação da Vulnerabilidade a Seca é baseada no Índice de Vulnerabilidade a Secas (DVI), um índice composto que incorpora três componentes que refletem a vulnerabilidade da população à seca: i) social, ii) económico e iii) infraestrutural. Atualmente, o DVI não possui componentes de vulnerabilidade ecológica ou de ecossistema. O oferece acesso ao conjunto de dados DVI padrão produzido pelo Joint Research Centre (JRC). O JRC desenvolveu um quadro que integra 15 componentes económicos, sociais e infraestruturais relacionados com vulnerabilidade à seca derivados de fontes de dados globais. Este quadro recomenda que os indicadores de vulnerabilidade à seca devem englobar fatores sociais, infraestruturais e económicos ortogonais que sejam genéricos e válidos para qualquer região.

O quadro JRC para monitorizar o risco de seca conforme descrito em Carrão et al., 2016 adota uma abordagem do OE3 para avaliar a vulnerabilidade à seca que foi inicialmente proposta pelo Gabinete das Nações Unidas para a Redução de Risco de Desastres (UNDRR - anteriormente conhecida como a Estratégia Internacional das Nações Unidas para a Redução de Desastres) que reflete o estado dos fatores sociais, económicos e infraestruturais individuais e coletivos de uma região [61]. Esta metodologia também foi implementada operacionalmente dentro do Observatório de Seca Global JRC (GDO) para documentar e mapear o risco global do impacto da seca para a agricultura. Os autores afirmam que os fatores incluídos não representam uma descrição completa da vulnerabilidade em relação a um elemento específico exposto, mas podem ser vistos como os alicerces para construir um plano regional para reduzir a vulnerabilidade e facilitar a adaptação.

A metodologia usada em Carrão et al., 2016 segue o conceito de que os indivíduos e populações requerem uma gama de fatores semi-independentes caracterizados por um conjunto de indicadores substitutos para alcançar a resiliência positiva a impactos. A metodologia usa um modelo composto de dois passos que deriva da agregação de 15 indicadores substitutos (mostrados na Tabela abaixo) que representam vulnerabilidade social, económica e infraestrutural em cada localização geográfica (uma metodologia semelhante ao DVI, discutida subsequentemente) e são derivados tanto do nível nacional como de dados matriciais de resolução espacial muito alta.

Proxy indicators for vulnerability to drought used in Carrao et al. 2016 (Table 1). With the exception of gROADS and FAO’s Irrigated Agricultural Lands which are both gridded data, all data are available only at the national level. (Also draws on Table 14 from the Good practice guidance for national reporting on UNCCD Strategic Objective 3.)

Indicador	Fonte	Link
ECONÓMICO
Consumo de energia per capita (milhões de Btu por pessoa)	Administração de Informação Energética dos EUA (U.S. EIA)	http://www.eia.gov/
Agricultura (% do PIB)	Banco Mundial	http://data.worldbank.org/products/wdi
PIB per capita (em dólares americanos correntes)	Banco Mundial	http://data.worldbank.org/products/wdi
Índice de pobreza com rendimento inferior a 1,25 dólares por dia (PPC) (% da população total)	Banco Mundial	http://data.worldbank.org/products/wdi
SOCIAL
População rural (% da população total)	Banco Mundial	http://data.worldbank.org/products/wdi
Taxa de alfabetização (% da população com 15 anos ou mais)	Banco Mundial	http://data.worldbank.org/products/wdi
Melhoria dos recursos hídricos (% da população rural com acesso)	Banco Mundial	http://data.worldbank.org/products/wdi
Esperança de vida ao nascer (anos)	Banco Mundial	http://data.worldbank.org/products/wdi
População com idades entre 15 e 64 anos (% da população total)	Banco Mundial	http://data.worldbank.org/products/wdi
População refugiada por país ou território de asilo (% da população total)	Banco Mundial	http://data.worldbank.org/products/wdi
Eficácia do governo	Indicadores Mundiais de Governação (WGI)	https://www.worldbank.org/en/publication/worldwide-governance-indicators/interactive-data-access
Prevenção e preparação para catástrofes (US$/ano/capita)	Organização para a Cooperação e Desenvolvimento Económico (OCDE)	http://stats.oecd.org/
INFRAESTRUTURA
Terras agrícolas e irrigadas (% do total de terras agrícolas)	Organização das Nações Unidas para a Alimentação e a Agricultura (FAO)	http://www.fao.org/nr/water/aquastat/main/index.stm
% de água renovável retida	Aqueduto	http://www.wri.org/our-work/project/aqueduct
Densidade rodoviária (km de estrada por cada 100 km² de área terrestre)	gROADSv1	https://data.nasa.gov/dataset/global-roads-open-access-data-set-version-1-groadsv1

Este processo envolve primeiro combinar os indicadores apresentados na Tabela para cada fator usando um modelo de Análise Envoltória de Dados (DEA), uma técnica de programação linear determinística e não paramétrica que pode ser usada para quantificar a exposição relativa de uma região à seca a partir de um conjunto multi-dimensional de indicadores. Em segundo lugar, agregar aritmeticamente os fatores individuais resultantes do modelo DEA num modelo composto de vulnerabilidade à seca como:

onde Soc i, Econ i e Infr i são os fatores de vulnerabilidade social, económica e infraestrutural da região i.