Análise da autocorrelação espaço-temporal no Brasil das emissões de gases associados às mudanças climáticas com indicadores socioeconômicos

As emissões de gases de efeito estufa (GEE) representam um dos principais fatores associados às mudanças climáticas contemporâneas, apresentando forte heterogeneidade espacial relacionada a processos socioeconômicos e demográficos. Este estudo avalia a variabilidade espaço-temporal das emissões municipais de GEE no Brasil entre 1999 e 2023, analisando suas relações com fatores socioeconômicos e demográficos, incluindo Produto Interno Bruto (PIB) per capita, índice de urbanização (IU) e densidade demográfica (DD). A abordagem metodológica integrou técnicas estatísticas abrangendo correlação de Spearman, análises de autocorrelação temporal e modelagens estatísticas com regressão linear múltipla (RLM; Multiple Linear Regression, MLR), modelo linear generalizado (MLG; Generalized Linear Model, GLM), regressão quantílica (RQ; Quantile Regression, QR) e modelo linear misto (MLM; Linear Mixed Model, LMM) com ajuste para heterocedasticidade temporal. Complementarmente, foram aplicadas análises de autocorrelação espacial por meio dos índices de Moran Global (GISA) e Local (LISA), permitindo a identificação de padrões de autocorrelação espacial. Os resultados evidenciaram associações positivas significativas entre IU (0,68), PIB per capita (0,52) e emissões de CO2eq, indicando que municípios mais urbanizados e economicamente desenvolvidos possuem maiores níveis de emissão. Também foi verificado que municípios com alta DD apresentam maiores emissões (correlação de 0,6), embora não necessariamente com PIB per capita elevado (correlação de -0,02). A inclusão da dependência temporal e variabilidade entre municípios revelou que as emissões municipais se tornaram mais heterogêneas ao longo dos anos, indicando mudanças estruturais nas condições locais. As análises de GISA revelaram autocorrelação espacial estatisticamente significativa para todas as variáveis e anos (p<0,01), bem como uma estabilidade para toda a série temporal avaliada, exceto pelo PIB per capita, que apresentou a maior amplitude de GISA (0,131998). Para os gases, o dióxido de carbono (CO2) de origem fóssil apresentou o maior valor de GISA (0,583623) e o metano (CH4) o menor valor (0,237889). Os dados socioeconômicos revelaram maior agregação espacial no IU (0,486798) e menor no PIB per capita (0,253622). Os resultados de LISA evidenciaram agrupamentos de altas emissões concentradas nas regiões Sul e Sudeste, principalmente nas capitais e regiões litorâneas, e agrupamentos de baixas emissões no Norte e Nordeste, padrão semelhante para IU e DD, entretanto, distinto para o PIB per capita, com padrões de alta renda per capita também na região Centro-Oeste. A baixa variação do número de municípios por agrupamento nos anos de maior e menor GISA, para todas as variáveis, evidencia a persistência de desigualdades estruturais. A incorporação simultânea da dimensão espacial e temporal revelou que as emissões não ocorrem de forma aleatória, mas são condicionadas por dinâmicas territoriais persistentes. Evidencia-se, portanto, a relevância de abordagens integradas e diferenciadas para políticas ambientais eficazes, considerando fatores socioeconômicos, demográficos e temporais no contexto brasileiro, que levem em conta os perfis espaciais dos municípios brasileiros, em consonância com as metas de desenvolvimento sustentável e os compromissos internacionais relacionados as mudanças climáticas.

Resumo (inglês)

Greenhouse gas (GHG) emissions represent one of the main factors associated with contemporary climate change, exhibiting strong spatial heterogeneity linked to socioeconomic and demographic processes. This study evaluates the spatiotemporal variability of municipal GHG emissions in Brazil between 1999 and 2023, analyzing their relationships with socioeconomic and demographic factors, including Gross Domestic Product (GDP) per capita, urbanization index (IU), and population density (PD). The methodological approach integrated statistical techniques encompassing Spearman correlation, temporal autocorrelation analyses, and statistical modeling using multiple linear regression (MLR), generalized linear model (GLM), quantile regression (QR), and linear mixed model (LMM) with adjustment for temporal heteroscedasticity. Additionally, spatial autocorrelation analyses were applied using the Global Moran’s Index (GISA) and Local Moran’s Index (LISA), allowing the identification of spatial autocorrelation patterns. The results showed significant positive associations between IU (0.68), GDP per capita (0.52), and CO2eq emissions, indicating that more urbanized and economically developed municipalities exhibit higher emissions. It was also found that municipalities with high PD present higher emissions (correlation of 0.6), although not necessarily with high GDP per capita (correlation of -0.02). The inclusion of temporal dependence and variability among municipalities revealed that municipal emissions became more heterogeneous over the years, indicating structural changes in local conditions. GISA analyses revealed statistically significant spatial autocorrelation for all variables and years (p<0.01), as well as stability throughout the evaluated time series, except for GDP per capita, which showed the most significant GISA amplitude (0.131998). Among the gases, fossil-origin carbon dioxide (CO2) presented the highest GISA value (0.583623), and methane (CH₄) the lowest (0.237889). Socioeconomic data revealed greater spatial aggregation in IU (0.486798) and lower GDP per capita (0.253622). LISA results showed clusters of high emissions concentrated in the South and Southeast regions, especially in capital cities and coastal areas, and clusters of low emissions in the North and Northeast, a pattern also observed for IU and PD. However, high-income clusters were also found in the Central-West region for GDP per capita. The low variation in the number of municipalities per cluster in the years of highest and lowest GISA, for all variables, highlights the persistence of structural inequalities. The simultaneous incorporation of spatial and temporal dimensions revealed that emissions do not occur randomly, but are conditioned by persistent territorial dynamics. Therefore, the relevance of integrated and differentiated approaches for effective environmental policies is highlighted, considering socioeconomic, demographic, and temporal factors in the Brazilian context, and accounting for the spatial profiles of municipalities, in line with sustainable development goals and international commitments related to climate change.

Palavras-chave

Fatores socioeconômicos, Gases estufa, Análise multivariada, Análise espacial (Estatística), Socioeconomic factors, Greenhouse gases, Multivariate analysis, Spatial analysis (Statistics)

Idioma

Português

Citação

NICOMEDES, Nícholas de Paula. Análise da autocorrelação espaço-temporal no Brasil das emissões de gases associados às mudanças climáticas com indicadores socioeconômicos. 2026. Dissertação (Mestrado em Ciências Ambientais) - Instituto de Ciência e Tecnologia, Universidade Estadual Paulista, Sorocaba, 2025.