¿ES VIABLE LA INCLUSIÓN DE LOS COSTOS ECONÓMICOS EN LA PLANIFICACIÓN DE PRACTICAS DE CONSERVACIÓN AMBIENTAL?

mercator Mercator (Fortaleza) Mercator (Fortaleza) 1676-8329 1984-2201 Universidade Federal do Ceará Resumen Las prácticas de conservación ambiental son ampliamente requeridas por la sociedad para resolver la crisis de los fenómenos meteorológicos extremos y la pérdida continua de biodiversidad. Sin embargo, uno de los mayores desafíos en el proceso de priorización de áreas protegidas que cumplen con las metas de conservación, es la inclusión y la distribución espacial de los costos monetarios en la función objetiva de la planificación para la adquisición de áreas que reflejen mejor el proceso de toma de decisiones en el territorio. En el presente trabajo, presentamos los costos monetarios que se desdoblan en la adquisición del derecho a la propiedad de una parcela de tierra y el costo de oportunidad de las cuencas hidrográficas de los ríos Piracicaba, Capivari y Jundiaí. Nuestro enfoque deriva de los procedimientos metodológicos del análisis espacial y la teledetección, para sistematizar y asociar la información tabular de las instituciones de asistencia y economía rural con los elementos naturales adquiridos a través de la cartografía temática de uso y cobertura del suelo. Así, se utilizó la integración de la matriz geoespacial monetaria con objetos exactos derivados del sensor multiespectral Operation Land Imager (OLI) acoplado al Landsat 8. En general, encontramos que los costos monetarios de las acciones de conservación en el área de estudio, tienen valores inversos y que incluirlos en la función de planificación objetiva puede priorizar áreas protegidas con menos conflicto por el uso de la tierra en relación con las diversas actividades económicas que se desarrollan en el territorio. INTRODUÇÃO O processo de perda contínua da biodiversidade e dos serviços ecossistêmicos associados a maior frequência de eventos climáticos extremos tem levado a sociedade a buscar expandir a cobertura de áreas protegidas (ARMSWORTH et al., 2017). O objetivo dessa ação é solucionar as crises de mudança climática global e da biodiversidade, uma vez que ambas são indissociáveis (PETTORELLI et al., 2021). No entanto, os espaços para estabelecer novas áreas protegidas são limitados e se sobrepõe aos territórios economicamente produtivos (BOYD; EPANCHIN-NIELL; SIIKAMAKI, 2012), provocando a criação de áreas protegidas em regiões que não representam totalmente a biodiversidade (MONTEIRO et al., 2020; PRESSEY et al., 2002). O Planejamento Sistemático da Conservação, como processo teórico-metodológico, tem como objetivo minimizar este impasse selecionando áreas protegidas de maneira mais eficiente possível, uma vez que os recursos para a conservação da biodiversidade são escassos (ARMSWORTH et al., 2017; MARGULES; SARKAR, 2007; NAIDOO et al., 2006). A seleção de áreas para a conservação ambiental tem a função de separar os elementos bióticos e abióticos dos processos que ameaçam a existência deles no meio ambiente, identificando arranjos espaciais e a complementaridade de áreas, considerando os possíveis conflitos pelo uso da terra. Em outras palavras, o objetivo dessa função é delimitar áreas protegidas e redes ecológicas que atendam as metas quantitativas relacionadas à conservação ambiental (PRESSEY et al., 2007; SMITH; GOODMAN; MATTHEWS, 2006). Este pretexto suspende ou limita a extração de recursos naturais em uma região, mas não interrompe as implicações económicas e políticas como a atividade de mineração e a expansão agrícola, processos que competem com as áreas protegidas, impulsionando a degradação dos elementos naturais e os conflitos pelo uso da terra a ponto de converter o status de preservação quando as áreas protegidas apresentam-se economicamente atrativas (MARGULES; SARKAR, 2007; ROCHEDO et al., 2018). Os modelos numéricos com a função-objetivo do Planejamento Sistemático da Conservação se popularizaram desde os anos de 1990 (PRESSEY et al., 1993) e além dos aspectos ecológicos, estes modelos incluem outros fatores importantes para a tomada de decisões, tal como os custos monetários relacionados as ações de conservação ambiental. Entretanto, muitas pesquisas ignoram ou generalizam a variabilidade espacial dos custos monetários no processo de planejamento e focam nos aspectos biofísicos, assumindo que todas as áreas priorizadas para conservação de elementos naturais apresentam um custo monetário uniforme. Este pressuposto é falso, pois se os aspectos ecológicos variam espacialmente, os custos monetários também vão variar conforme as ações de conservação que são limitadas pelas dinâmicas econômicas (BOYD; EPANCHIN-NIELL; SIIKAMAKI, 2012; CARWARDINE et al., 2010; NAIDOO; RICKETTS, 2006). As ações de conservação ambiental têm custos associados, que incidem em todas as atividades econômicas que devem ser renunciadas para implementar a ação (NAIDOO et al., 2006). Os custos monetários das ações de conservação podem incluir, por exemplo, custos de aquisição, oportunidades e gestão (NAIDOO et al., 2006). O primeiro está associado aos valores monetários de aquisição dos direitos de propriedade de uma parcela de terra. O segundo, são valores monetários perdidos, ou seja, um valor do que poderia ter sido obtido através do melhor uso de um recurso; por exemplo, no caso da implementação de uma área protegida onde a atividade de agricultura é proibida, o custo de oportunidade representa os produtos agrícolas que poderiam ser obtidos naquela área. Por último, os custos de gestão são aqueles associados à manutenção de uma ação de conservação ambiental como a fiscalização de uma área protegida, por exemplo. Embora existam controvérsias e resistências sobre a inclusão dos custos monetários das ações de conservação ambiental como uma variável da função - objetivo do planejamento da conservação para identificar os padrões de distribuição dos elementos naturais (ARMSWORTH et al., 2017; CARWARDINE et al., 2010), a inclusão dos custos no planejamento refletem melhor o processo de tomada de decisão no território, como apontaram Moore et al. (2004), quando obtiveram um ganho de 66 % em cobertura de espécies de vertebrados na conservação da África ao incluírem os custos monetários relacionados as ações de conservação. Entretanto, uma das maiores limitações é a ausência das informações monetárias em base de dados, e, até mesmo, a dificuldade dos pesquisadores em manipular este tipo de dado com o objetivo de espacializá-los. Neste manuscrito temos como objetivo mapear os custos de aquisição e de oportunidade das bacias hidrográficas dos rios Piracicaba, Capivari e Jundiaí (Bacias PCJ). Destacamos que não consideramos as áreas urbanas e as questões sobre os valores de não-uso associados a natureza, estes são derivados de atributos intrínsecos dos próprios ecossistemas, ou seja, valor de herança, altruísta e de existência (UNITED NATIONS, 2014, p. 110). A discussão sobre os valores de não-uso são fundamentais para as práticas de conservação, embora seja impossível quantifica-los em termos econômicos (NAIDOO; RICKETTS, 2006; PORTO, 1997). Os resultados apresentados aqui pretendem complementar as possibilidades de elaborar e incluir a variável custo monetários das as ações de conservação no processo de identificação de áreas protegidas que atendam as metas de conservação dos elementos naturais. MATERIAIS E MÉTODOS ÁREA DE ESTUDO A área de drenagem das Bacias PCJ, na escala de 1:50.000, abrange uma região de ~ 15.377 km2 e é dividida em 7 sub-bacias hidrográficas: Atibaia (~ 2.806 km2), Camanducaia (~1.039 km2), Capivari (~1.571 km2), Corumbataí (~ 1.719 km2), Jaguari (~ 3.304 km2), Jundiaí (~ 1.155 km2) e Piracicaba (~ 3.785 km2). A região é composta por 76 municípios, sendo que 71 pertencem ao estado de São Paulo e 5 a Minas Gerais. No total, são ~ 5,8 milhões de habitantes nas Bacias PCJ que apresenta três Áreas de Planejamento Regional que compõe a Macrometrópole Paulista: a Região Metropolitana de Campinas (~3,2 milhões de habitantes), a Aglomeração Urbana de Jundiaí (~805 mil de habitantes) e a Aglomeração Urbana de Piracicaba (~1,5 milhões de habitantes) (Figura 1). Figure 1 A área de drenagem das Bacias PCJ e as Áreas de Planejamento Regional da Macrometrópole do estado de São Paulo e o seu sistema viário. A economia da área de estudo se concentra nos serviços de alta tecnologia na Região Metropolitana de Campinas. Por sua vez, a Aglomeração Urbana de Piracicaba apresenta as indústrias de metalúrgica, sucroalcooleira e cerâmica. Por fim, a Aglomeração Urbana de Jundiaí é um complexo de indústrias associadas a uma alta estrutura viária que interliga sistemas multimodais de logística e transporte (e.g. aéreo, rodoviário e ferroviário). VALORES MONETÁRIOS DO CUSTO DE AQUISIÇÃO A espacialização dos valores monetários de aquisição ocorreu com o auxílio do mapa de uso e cobertura da terra, da base de dados municipal do Instituto Brasileiro de Geografia e Estatística (IBGE) e das informações tabulares dos valores de aptidão agrícola por hectare (R$/ha) da terra nua sem benfeitoria por município e com ano base de 2019, as quais foram disponibilizadas pelo Instituto de Economia Agrícola (IEA) e pela Empresa de Assistência Técnica e Extensão Rural do Estado Minas Gerais (EMATER). USO E COBERTURA DA TERRA Para a quantificação e delimitação das classes de uso e cobertura da terra, utilizamos produtos do sensor multiespectral Operation Land Imager (OLI), que se encontra acoplado ao satélite Landsat 8. Este sensor é composto por oito bandas espectrais e disponibiliza imagens orbitais com resolução espacial de 30 metros (exceto a pancromática, cuja resolução é de 15 metros), radiométrica de 12 bits e temporal de 16 dias. Em nosso trabalho foram empregadas imagens do mês de agosto de 2018, obtidas por meio do Earth Explorer (Quadro 1). Tabela 1 Produtos do sensor multiespectral OLI empregados no mapeamento do uso e cobertura da terra nas Bacias PCJ. Órbita / ponto ID Data Fonte 220/75 LC08_L1TP_220075_20180821_20180829_01_T1 21/08/2018 USGS, 2020 220/76 LC08_L1TP_220076_20180821_20180829_01_T1 21/08/2018 USGS, 2020 219/76 LC08_L1TP_219076_20180814_20180828_01_T1 14/08/2018 USGS, 2020 As classes de uso e cobertura da terra foram delimitadas por meio de técnicas de classificação da imagem orientada ao objeto (GEographic Object-Based Image Analysis - GEOBIA), que envolve a identificação de padrões de objetos ou segmentos de imagem que são pixels espacialmente contíguos de textura, cor e tom semelhantes (BLASCHKE, 2010; STUMPF; KERLE, 2011). Neste sentido, o processo é realizado por meio de duas etapas: segmentação das imagens e a construção das amostras de treinamento. Os procedimentos técnicos foram realizados no software: Environment for Visualizing Images - ENVI 5.3 ®. A primeira etapa encontra-se vinculado ao algoritmo Edge (XIAOYING, 2009), que identifica os limites das características distintas na imagem, uma vez que o objeto de interesse apresenta limites específicos devido a magnitude de valores ser alta nas bordas, enquanto que, internamente, os valores apresentam-se uniformes. Em seguida, extraímos as classes qualitativas com a aplicação do algoritmo Full Lambda Schedule (ROBINSON; REDDING; CRISP, 2002), que avalia a semelhança espectral dos limites criados e os aglutinam conforme a equivalência das propriedades espectrais. Nos algoritmos Edge e Full Lambda Schedule foram aplicados, respectivamente, os valores 20 (Segment Setting) e 80 (Merge Setting), os quais foram definidos por tentativa e erro. Para a construção das amostras de treinamento foram coletadas no mínimo de 100 amostras de área previamente segmentadas para cada classe de uso e cobertura. Por fim, após estas duas etapas aplicamos o algoritmo Support Vector Machine (SVM), um classificador supervisionado/binário derivado da teoria estatística de aprendizagem de máquina (HSU; CHANG; LIN, 2016; WU; LIN; WENG, 2004). Garofalo et al. (2015) avaliaram o desempenho de técnicas de classificação orientada a objeto e o uso de diferentes algoritmos classificadores, empregando imagens obtidas pelo sensor OLI para mapear o uso e cobertura nas Bacias PCJ. Os autores apontaram robustez da aplicação das técnicas para imagens OLI e concluíram que o algoritmo SVM apresentou um excelente desempenho. Destaca-se que o algoritmo não apresentou bons resultados para área urbana e, por este motivo, esta classe foi excluída do processo de classificação e foi posteriormente delimitada de forma manual. Foi também realizada uma análise visual no mapa obtido, visando identificar polígonos classificados de forma incorreta e reclassificá-los, reduzindo o erro do mapeamento. Ademais, também aplicamos a análise da acurácia do processo classificatório, a partir da seleção aleatória de 3% dos polígonos gerados para cada classe definida. Adiante, utilizamos a análise multivariada discreta, matriz de erro ou de confusão, do qual o método implica no cálculo de um parâmetro cujo o valor representa o nível de similaridade, a fim de testar a significância da matriz de erro (PONZONI; ALMEIDA, 1996). Assim sendo, o parâmetro utilizado é o coeficiente de Kappa (K), que representa uma medida de concordância geral baseado na diferença entre as amostras da classificação supervisionada e das amostras de padrão aleatório, ou seja, por puro acaso. Os valores variam de 0 à 1, onde 0 indica baixo nível de similaridade e 1 alta similaridade, isto é maior eficiência da classificação realizada (GASPARINI et al., 2013; PONZONI; ALMEIDA, 1996). As amostras foram avaliadas com base em imagens de alta resolução do Google Earth, nas próprias composições coloridas utilizadas e no reconhecimento da área de estudo em campo. LIMITES MUNICIPAIS E INFORMAÇÕES MONETÁRIAS Após delimitarmos as classes de uso e cobertura da terra, identificamos suas respectivas áreas em relação aos municípios. Para isto, sobrepomos a camada dos limites municipais do IBGE em relação as classes de uso e cobertura da terra. Logo, utilizamos os métodos de análise de sobreposição disponíveis no conjunto de ferramentas do ArcGIS 10.8 ® (Overlay Analysis: Intersect), para correlacionar os limites municipais com os atributos de uso e cobertura da terra. Depois desta etapa, agregamos as informações de R$/ha da terra nua sem benfeitoria por município (ano base de 2019) disponibilizadas pela IEA e EMATER - MG . Destacamos aqui, que as definições das classes de aptidão agrícola da IEA e EMATER, conforme suas metodologias, são subjetivas e as suas amostram são intencionais, direcionadas e embasadas nas opiniões qualificadas, tendo como referência os negócios realizados com terras agrícolas nos municípios. A declaração do R$/ha das classes de aptidão agrícola em terra nua sem benfeitoria segue as informações de três fontes distintas: Setor Público, Setor Produtivo e Setor Imobiliário. O primeiro setor é constituído pela Coordenadoria de Assistência Técnica Integral e pela Casa da Agricultura dos Municípios. O segundo setor é formado pelas Cooperativas, Associações de Produtores Rurais. Por fim, o terceiro setor é desenvolvido diante do contato com corretores de imóveis e imobiliárias. Após agregarmos as informações de uso e cobertura da terra por municípios mais os valores monetários da terra nua sem benfeitorias, através dos métodos de análise de sobreposição disponíveis no ArcGIS 10.8 ® (Overlay Analysis: Spatial Join), obtivemos em uma única camada espacial com área total das classes de uso e cobertura da terra por município e ainda o R$/ha das respectivas classes. Logo, realizamos uma operação matemática de equivalência para obtermos os valores monetários de aquisição na área de estudo conforme o uso e cobertura da terra. VALORES MONETÁRIOS DO CUSTO DE OPORTUNIDADE Em relação aos valores monetários do custo de oportunidade, adquirimos os mesmos na base de dados do Sistema IBGE de Recuperação Automática (SIDRA), que disponibiliza informações estatísticas e econômicas dos produtos agropecuários de cada município conforme os produtos: Pesquisa da Pecuária Municipal (PPM), Produção Agrícola Municipal (PAM) e na Produção da Extração Vegetal e da Silvicultura (PEVS). Estas informações foram tabeladas e comparadas com os custos de aquisição na escala geográfica do município. RESULTADO E DISCUSSÃO Os resultados alcançados neste trabalho apresentam duas escalas de análise. A primeira, está associada ao sensor OLI; a segunda, aos limites municipais. Ainda, um resultado é a espacialização dos valores de uso da terra por município e o outro, apenas, as informações monetárias agrupadas e tabeladas dos produtos agropecuários dos municípios das Bacias PCJ. A utilização desses resultados possibilita a análise criteriosa do gestor público em identificar áreas prioritárias que atendam as metas de conservação ambiental diante das dinâmicas econômicas do território. Entretanto, esse tipo de análise não pode ser a única e nem excluída na priorização de áreas protegidas, deve-se considerar as perspectivas sociais e ambientais. AVALIAÇÃO DA CLASSIFICAÇÃO DA IMAGEM ORIENTADA AO OBJETO A classificação orientada ao objeto gerou um total de 87.566 polígonos e, para calcular a acurácia do mapa de uso e cobertura da terra obtido, foram avaliados 3 % dos polígonos de cada classe. Deste modo, foram inspecionados 282 de cultivos agrícolas (CA), 651 de mata (MA), 818 de pastagem (PA), 214 de silvicultura (SI), 487 de solo exposto (SE), 137 de água (AG) e 38 de área urbana (AU). Isto é, 2.627 polígonos por meio da matriz de confusão foram avaliados (Quadro 2). Tabela 2 Matriz de confusão do mapa de uso e cobertura gerado pela classificação realizada por meio de classificação orientada a objeto e do algoritmo SVM. Verificação em campo e por imagem de maior resolução Uso CA MA PA SI SE AG AU Total EC CA 241 10 30 0 1 0 0 232 0,15 MA 11 618 4 18 0 0 0 651 0,05 PA 42 1 756 0 19 0 0 818 0,08 SI 5 17 0 192 0 0 0 214 0,10 SE 10 0 22 0 444 0 11 487 0,09 AG 0 0 0 0 4 133 0 137 0,03 AU 0 0 0 0 0 0 38 38 0,00 Total 309 646 812 210 468 133 49 2627 EO 0,22 0,04 0,07 0,09 0,05 0,00 0,22 O mapa de uso e cobertura da terra das Bacias PCJ (Figura 2) apresentou índice de exatidão global de 0,9220, indicando que 92,20 % dos polígonos amostradas foram classificados corretamente. O valor do índice Kappa foi de 0,9, considerado excelente por Congalton e Green (2008). Figura 2 Uso e cobertura da terra nas Bacias PCJ. A maior quantidade de erros de comissão, ou seja, polígonos de outras classes que foram classificados na classe de referência, ocorreu na classe cultivos agrícolas, na qual de 15 % dos polígonos amostrados e que foram atribuídos a ela são, na realidade, mata, pastagem e, em menor quantidade, solo exposto. A classe silvicultura teve 10 % de inclusões de polígonos de mata e cultivos agrícolas, solo exposto teve 9 % de inclusões de pastagem, cultivo agrícola e área urbana e pastagem 8 % de cultivos agrícolas, solo exposto, de forma pouco representativa, mata. Mata e água tiveram, respectivamente, apenas 5 e 3 % de inclusão, enquanto área urbana não teve nenhum polígono, resultado de ter sido delimitada visualmente. Os erros de omissão representam polígonos que pertencem a uma classe de referência, porém, foram rotulados a outras classes. Área urbana teve 22 % de omissão, visto que o mapeamento desta classe, realizada visual, excluiu pequenos polígonos, os quais foram classificados como solo exposto. Cultivos agrícolas também teve 22 % de seus polígonos omitidos, os quais se distribuíram entre as classes mata, mata, pastagem, solo exposto e silvicultura. Silvicultura teve 9 % de exclusão, sendo que estes polígonos foram classificados como mata; pastagem 7 %, sendo que as confusões ocorreram com cultivos agrícolas, mata e solo exposto; solo exposto 5 %, e os polígonos foram atribuídos a pastagem, água e cultivos agrícolas; e mata 4 %, cujos polígonos foram rotulados como silvicultura, cultivos agrícolas e pastagem. O erro de comissão de água foi de 0 %. Em relação a concentração de áreas urbanas no médio curso das Bacias PCJ, mesmo estas sendo delimitadas visualmente, ao longo das rodovias SP 310, 330 e 348, na direção norte-sul, pode estar relacionada ao relevo que apresenta uma área rebaixada e aplanada, conhecida como Depressão Periférica Paulista. Esta condição favorece a ocupação da terra. Por sua vez, a concentração de mata a montante da área de estudo pode estar relacionada a inclinação do relevo que se apresenta moderada e acentuada e dificulta a ocupação da terra, ainda, há as áreas protegidas de categoria integral respaldas pela Lei nº 9.985 / 2000 (Sistema Nacional de Unidades de Conservação da Natureza). CUSTOS MONETÁRIOS DAS AÇÕES DE CONSERVAÇÃO Os resultados apontaram que o custo de aquisição apresentou altos valores nas áreas de vegetação próximo aos centros urbanos localizados na Região Metropolitana de Campinas e Aglomerado Urbano de Jundiaí além do município de Extrema. Como exemplo, as cidades de Jundiaí, Atibaia, Extrema apresentam valores de aquisição da terra de ~ R$ 615,54, R$ 472,03 e R$ 268,77 milhões/hectares respectivamente (Figura 3). Figura 3 Custo monetários de aquisição dos direitos de propriedade de uma parcela de terra nas Bacias PCJ. Os valores encontram-se agrupados. Destaque para os municípios de Jundiaí e Atibaia que apresentam extensas áreas protegidas com status de proteção integral contudo, estes municípios encontram-se na “região do circuito das frutas” com uma área total de cultivos agrícolas de ~ 772 e 1.707 hectares respectivamente, sendo o custo de aquisição máximo por hectare de R$ 2,45 e R$ 1,76 milhões, porém tais municípios apresentaram um custo de oportunidade de ~ R$ 84 e 29 milhões por ano respectivamente em produtos agrícolas relacionados as frutas (Figura 4). Figura 4A e 3B custo monetários de oportunidade relacionadas a produção de lavouras temporárias e permanentes nas Bacias PCJ. O eixo X encontra-se em logaritmo decádico (Log Base 10). Neste caso, observa-se dois fatores interessantes que podem colocar em risco o status de proteção integral das áreas protegidas nos municípios de Jundiaí e Atibaia. (i) A quantidade de área disponível para as atividades agrícolas é baixa, (ii) o custo de aquisição da terra é baixo em relação ao potencial do custo de oportunidade ao ano. Estes fatores irão proporcionar conflitos pelo uso da terra e dificultar a implantação ou expansão de novas áreas protegidas quando o processo de planejamento ambiental considerar os custos monetários relacionados as ações de conservação. Em outra perspectiva, os resultados em relação aos custos de aquisição apontaram que o Aglomerado Urbano de Piracicaba detém os menores valores. Entretanto, nesta região se concentra a indústria sucroalcooleiro do qual ocasiona um custo de oportunidade no valor de ~ 1 bilhão de reais ao ano (Figure 4A). Por este motivo, o maior desafio no processo do planejamento da conservação, ao propor áreas protegidas, seria a ação de governança diante dos stakeholders da indústria do açúcar. Em relação a região da área de estudo que não apresenta uma área de planejamento regional, observamos que os custos monetários de aquisição da terra são heterogêneos, variando ~ 35 – 250 milhões/hectare. Nesta região encontra-se os maiores redutos de vegetação nativa em áreas protegidas, porém o status de conservação é sustentável permitindo que haja atividades econômicas nestas áreas. Logo, os custos de oportunidades desta região estão relacionados, em grande parte, aos produtos de origem animal (Figura 5) e silvicultura (Figura 6) que proporcionam um valor de ~ R$ 100 milhões por ano respectivamente. Figura 5 custo monetários de oportunidade relacionadas a produtos de origem animal nas Bacias PCJ. O eixo X encontra-se em logaritmo decádico (Log Base 10). Figura 6 Custo monetários de oportunidade relacionadas a produtos da Silvicultura nas Bacias PCJ. O eixo X encontra-se em logaritmo decádico (Log Base 10). A inclusão dos custos monetários no planejamento da conservação indica uma maior eficiência na sugestão de delimitação de áreas protegidas que atendam todas as metas de conservação pois, os resultados refletem melhor o processo de tomada de decisão por conter a dinâmica econômica dos usuários e não apenas a variabilidade dos elementos naturais no território. Entretanto, a inclusão dos custos monetários relacionados as ações de conservação são difíceis de serem incorporadas porque há ausência de informações (NAIDOO et al., 2006; NAIDOO; RICKETTS, 2006) como também há dificuldade de espacializa-los e de diferencia-los. Em muitas pesquisas, o custo monetário de aquisição é considerado como custo de oportunidade (BERNASCONI et al., 2016), esta inversão pode sugerir áreas com menor custo monetário e alta biodiversidade a serem protegidas, porém não refletem de fato a dinâmica econômica dos usuários, podendo ocasionar conflitos pelo uso da terra pois, não necessariamente, os outros tipos de custos monetários serão baixos (NAIDOO et al., 2006). No geral, vale destacar que além das dificuldades da inclusão dos custos de conservação já apontadas, existe a questão da perspectiva da distribuição dos valores monetários em ambientes aquáticos e aéreo, pois ambos apresentam atividades econômicas como a mineração, piscicultura, parque eólico e aviação. Entretanto, esses ambientes também necessitam de ações para a conservação dos elementos naturais, por exemplo, espécies de peixes e aves. Em relação aos ambientes aquáticos, o custo irá variar conforme o nível de profundidade da coluna d’água e no ambiente aéreo o valor irá variar conforme a altitude em relação a um ponto de referência e a distância de ruídos e iluminação antrópica. Por exemplo, a preservação da rota migratória natural de uma ave pode ocasionar a mudança da rota de aeronaves ou até mesmo, a instalação de um parque eólico. Em ambientes terrestres, os trabalhos se desenvolvem em duas dimensões XY ao contrário dos ambientes aquáticos e aéreo que são três dimensões XYZ, aumentando ainda mais o desafio de agregar e espacializar os custos das ações de conservação no processo de planejamento desses ambientes. Como solução a esta problemática em ambientes aquáticos, Teixeira et al. (2018), utilizaram como custo de oportunidade o deslocamento da embarcação de pesca em relação a superfície aquática para preverem os impactos das áreas marinhas protegidas sobre os pescadores artesanais na região de Abrolhos – Bahia, Brasil. CONCLUSÃO A inclusão dos custos monetários referentes as ações de conservação é uma variável importante a ser considerada no processo de planejamento ambiental por potencializar o princípio do Planejamento Sistemático da Conservação de selecionar áreas protegidas de maneira mais eficiente possível e também, de refletirem melhor o processo de tomada de decisão, evitando generalizações, em relação aos diversos interesses no território. Destacamos que os custos monetários indicados neste trabalho a serem utilizados no processo de delimitação das áreas protegidas, não fazem alusão as áreas protegidas respaldas pelo Código Florestal Brasileiro (Lei nº 12.651 / 2012.), mas, sim, aquelas que tem como referência o Sistema Nacional de Unidades de Conservação da Natureza (Lei nº 9.985 / 2000), principalmente as Unidades de Conservação de Uso Sustentável que precisam de planos de manejo eficientes diante dos usuários econômicos. Ainda, os custos monetários apontados aqui são diferentes daqueles utilizados para quantificar os Serviços Ecossistêmicos e a realização da política pública por Pagamento por Serviços Ambientais (PSA), pois os valores monetários do primeiro são vinculados aos benefícios adquiridos pelos processos naturais (Exemplo: custo monetário relacionando aquisição de insumos para o tratamento da água). Logo, o segundo é definido por um conjunto de critérios para realizar o pagamento monetário ao proprietário da terra por conservar algum elemento natural (Exemplo: solo, água, vegetação). Por sua vez, os valores monetários deste trabalho são referentes as ações para a realização da conservação ambiental, ou seja, valores relacionados a compra do direito de propriedade de uma parcela de terra e da renúncia de uma prática econômica no território para priorizar as metas de conservação. Entender esses valores monetário, possibilita uma tomada de decisão pelo gestor público, identificando os possíveis conflitos econômicos versus ambiental no território. Em relação as dificuldades associadas a aquisição e espacialização dos custos de conservação uma solução seria a disponibilidade das informações monetárias como dados espaciais e tabulares dentro de um framework de políticas como uma infraestrutura de dados espaciais. NOTAS As notas expostas tem como objetivo, evitar a subjetividade em relação aos conceitos comentados ao longo deste manuscrito, pois há muitas divergências na literatura sobre a definição dos termos: Serviços Ecossistêmico, Serviços Ambientais, Pagamento por Serviços Ambientais, custo monetários relacionados as ações de conservação e a valoração dos Serviços Ecossistêmicos. 1 Os Serviços Ecossistêmicos se referem a múltiplos benefícios adquiridos pela sociedade a partir da natureza (COSTANZA et al., 1997). Esses serviços consistem em um fluxo de interações de materiais, energia e informações, ou seja, funções ecossistêmicas compreendidas como a capacidade dos processos naturais de fornecer bens e serviços às necessidades humanas (DE GROOT; WILSON; BOUMANS, 2002). 2 Os Serviços Ambientais são todas as atividades humanas que favorecem a conservação ou a melhoria dos ecossistemas e, como consequência, contribuem com a manutenção dos serviços ecossistêmicos fornecidos (MMA, 2021 e Lei no 14.119 / 2021). 3 A Política Nacional de Pagamento por Serviços Ambientais (Lei nº 14.119 / 2021) define como Pagamento por Serviços Ambientais a transação de natureza voluntária, mediante a qual um pagador de serviços ambientais transfere a um provedor desses serviços recursos financeiros ou outra forma de remuneração, nas condições acertadas, respeitadas as disposições legais e regulamentares pertinentes. 4 Custo monetários relacionados as ações de conservação: Segundo Naidoo et al. (2006), todas as intervenções de conservação têm custos associados, que abrangem tudo aquilo que deve ser renunciado para implementar a intervenção. 5 Valoração dos Serviços Ecossistêmicos: Segundo Andrade e Romeiro (2014), A prática usual da valoração econômica de serviços ecossistêmicos majoritariamente é feita tendo-se como base técnicas que utilizam pressupostos da microeconomia tradicional concernentes ao comportamento e objetivos dos agentes econômicos. Neste caso, temos valores monetários de uso direto, uso indireto, opção e o valor de não-uso (United Nations 2014, p. 110). Esses valores são diferentes daqueles relacionados as ações de conservação, principalmente, do custo de oportunidade. AGRADECIMENTOS Nós agradecemos ao Programa de Pós-Graduação em Geografia da Universidade Estadual de Campinas pelo suporte para o desenvolvimento deste manuscrito. Agradecemos também aos revisores anónimos pelos seus comentários. Este trabalho foi desenvolvido com o suporte da Fundação de Amparo à Pesquisa do Estado de São Paulo - FAPESP (Processos 2018/22907-1 e 2018/09401-1) e Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES), Brasil – Financiamento Código 001. Agradecemos também ao apoio institucional brindado pela Secretaria de Investigação, Internacionais e Pós-Graduação da Universidad Nacional de los Comechingones (Argentina). Por fim, a geógrafa Isabelle Salazar Vieira Alves por suas sugestões. REFERÊNCIAS ANDRADE, Daniel Caixeta; ROMEIRO, Ademar R. Valoração de serviços ecossistêmicos : por que e como avançar ? Sustentabilidade em Debate, [S. l.], v. 4, n. 1, p. 43–58, 2014. DOI: https://doi.org/10.18472/SustDeb.v4n1.2013.9199. ANDRADE Daniel Caixeta ROMEIRO Ademar R Valoração de serviços ecossistêmicos : por que e como avançar ? Sustentabilidade em Debate 4 1 43 58 2014 [S. l.]. DOI: https://doi.org/10.18472/SustDeb.v4n1.2013.9199. ARMSWORTH, Paul R. et al. Factoring economic costs into conservation planning may not improve agreement over priorities for protection. Nature Communications, [S. l.], v. 8, n. 1, 2017. DOI: 10.1038/s41467-017-02399-y. Disponível em: http://dx.doi.org/10.1038/s41467-017-02399-y. ARMSWORTH Paul R Factoring economic costs into conservation planning may not improve agreement over priorities for protection Nature Communications 8 1 2017 10.1038/s41467-017-02399-y [S. l.] Disponível em: http://dx.doi.org/10.1038/s41467-017-02399-y. BERNASCONI, Paula; BLUMENTRATH, Stefan; BARTON, David N.; RUSCH, Graciela M.; ROMEIRO, Ademar R. Constraining forest certificate’s market to improve cost-effectiveness of biodiversity conservation in São Paulo State, Brazil. PLoS ONE, [S. l.], v. 11, n. 10, p. 1–18, 2016. DOI: 10.1371/journal.pone.0164850. BERNASCONI Paula BLUMENTRATH Stefan BARTON David N. RUSCH Graciela M. ROMEIRO Ademar R. Constraining forest certificate’s market to improve cost-effectiveness of biodiversity conservation in São Paulo State, Brazil PLoS ONE 11 10 1 18 2016 10.1371/journal.pone.0164850 [S. l.] BLASCHKE, T. Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, [S. l.], v. 65, n. 1, p. 2–16, 2010. DOI: 10.1016/j.isprsjprs.2009.06.004. Disponível em: http://dx.doi.org/10.1016/j.isprsjprs.2009.06.004. BLASCHKE T. Object based image analysis for remote sensing ISPRS Journal of Photogrammetry and Remote Sensing 65 1 2 16 2010 10.1016/j.isprsjprs.2009.06.004 [S. l.]. Disponível em: http://dx.doi.org/10.1016/j.isprsjprs.2009.06.004. BOYD, James; EPANCHIN-NIELL, Rebecca; SIIKAMAKI, Juha. Conservation Return on Investment Analysis: A Review of Results, Methods, and New Directions. Resources for the Future Discussion Papers, [S. l.], n. January, 2012. BOYD James EPANCHIN-NIELL Rebecca SIIKAMAKI Juha Conservation Return on Investment Analysis: A Review of Results, Methods, and New Directions Resources for the Future Discussion Papers 01 2012 [S. l.] CARWARDINE, Josie; WILSON, Kerrie A.; HAJKOWICZ, Stefan A.; SMITH, Robert J.; KLEIN, Carissa J.; WATTS, Matt; POSSINGHAM, Hugh P. Conservation planning when costs are uncertain. Conservation Biology, [S. l.], v. 24, n. 6, p. 1529–1537, 2010. DOI: 10.1111/j.1523-1739.2010.01535.x. CARWARDINE Josie WILSON Kerrie A. HAJKOWICZ Stefan A. SMITH Robert J. KLEIN Carissa J. WATTS Matt POSSINGHAM Hugh P Conservation planning when costs are uncertain Conservation Biology 24 6 1529 1537 2010 10.1111/j.1523-1739.2010.01535.x [S. l.] CONGALTON, Russell G.; GREEN, Kass. Assessing the Accuracy of Remotely Sensed Data. [s.l: s.n.]. DOI: 10.1201/9781420055139. CONGALTON Russell G GREEN Kass Assessing the Accuracy of Remotely Sensed Data 10.1201/9781420055139 [s.l: s.n.]. COSTANZA, Robert et al. The value of the world’s ecosystem services and natural capital. Nature, [S. l.], v. 387, n. 6630, p. 253–260, 1997. DOI: 10.1038/387253a0. COSTANZA Robert The value of the world’s ecosystem services and natural capital Nature 387 6630 253 260 1997 10.1038/387253a0 [S. l.] DE GROOT, Rudolf S.; WILSON, Matthew A.; BOUMANS, Roelof M. J. A typology for the classification, description and valuation of ecosystem functions, goods and services. Ecological Economics, [S. l.], v. 41, n. 3, p. 393–408, 2002. DOI: 10.1016/S0921-8009(02)00089-7. DE GROOT Rudolf S. WILSON Matthew A. BOUMANS Roelof M. J. A typology for the classification, description and valuation of ecosystem functions, goods and services Ecological Economics 41 3 393 408 2002 10.1016/S0921-8009(02)00089-7 [S. l.] GAROFALO, Danilo Francisco Trovo; MESSIAS, Cassiano Gustavo; LIESENBERG, Veraldo; BOLFE, Édson Luis; FERREIRA, Marcos César. Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático. Pesquisa Agropecuária Brasileira, [S. l.], v. 50, n. 7, p. 593–604, 2015. DOI: 10.1590/S0100-204X2015000700009. Disponível em: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-204X2015000700593&lng=pt&tlng=pt. GAROFALO Danilo Francisco Trovo MESSIAS Cassiano Gustavo LIESENBERG Veraldo BOLFE Édson Luis FERREIRA Marcos César Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático Pesquisa Agropecuária Brasileira 50 7 593 604 2015 10.1590/S0100-204X2015000700009 [S. l.]. Disponível em: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-204X2015000700593&lng=pt&tlng=pt. GASPARINI, Kaio Allan Cruz; LYRA, Gustavo Bastos; FRANCELINO, Márcio Rocha; DELGADO, Rafael Coll; DE OLIVEIRA JUNIOR, José Francisco; FACCO, Alexandro Gomes. Técnicas de geoprocessamento e sensoriamento remoto aplicadas na identificação de conflitos do uso da terra em seropédica-RJ. Floresta e Ambiente, [S. l.], v. 20, n. 3, p. 296–306, 2013. DOI: 10.4322/floram.2013.030. GASPARINI Kaio Allan Cruz LYRA Gustavo Bastos FRANCELINO Márcio Rocha DELGADO Rafael Coll DE OLIVEIRA José Francisco JUNIOR FACCO Alexandro Gomes Técnicas de geoprocessamento e sensoriamento remoto aplicadas na identificação de conflitos do uso da terra em seropédica-RJ Floresta e Ambiente 20 3 296 306 2013 10.4322/floram.2013.030 [S. l.] HSU, Chih-Wei; CHANG, Chih-Chung; LIN, Chih-Jen. A Practical Guide to Support Vector Classificatio, 2016. HSU Chih-Wei CHANG Chih-Chung LIN Chih-Jen A Practical Guide to Support Vector Classificatio 2016 MARGULES, C.; SARKAR, S. Systematic conservation planning. Cambridge: Cambridge University Press, 2007. MARGULES C. SARKAR S. Systematic conservation planning Cambridge Cambridge University Press 2007 MMA, Ministério do Meio Ambiente. Serviços ecossistêmicos. 2021. Disponível em: https://antigo.mma.gov.br/component/k2/item/15320-serviços-ecossistêmicos.html#serviços-ambientais. Ministério do Meio Ambiente Serviços ecossistêmicos 2021 Disponível em: https://antigo.mma.gov.br/component/k2/item/15320-serviços-ecossistêmicos.html#serviços-ambientais. MONTEIRO, Lara M.; BRUM, Fernanda Thiesen; PRESSEY, Robert L.; MORELLATO, Leonor Patricia C.; SOARES-FILHO, Britaldo; LIMA-RIBEIRO, Matheus S.; LOYOLA, Rafael. Evaluating the impact of future actions in minimizing vegetation loss from land conversion in the Brazilian Cerrado under climate change. Biodiversity and Conservation, [S. l.], v. 29, n. 5, p. 1701–1722, 2020. DOI: 10.1007/s10531-018-1627-6. Disponível em: https://doi.org/10.1007/s10531-018-1627-6. MONTEIRO Lara M. BRUM Fernanda Thiesen PRESSEY Robert L. MORELLATO Leonor Patricia C. SOARES-FILHO Britaldo LIMA-RIBEIRO Matheus S. LOYOLA Rafael Evaluating the impact of future actions in minimizing vegetation loss from land conversion in the Brazilian Cerrado under climate change Biodiversity and Conservation 29 5 1701 1722 2020 10.1007/s10531-018-1627-6 [S. l.]. Disponível em: https://doi.org/10.1007/s10531-018-1627-6. MOORE, Joslin; BALMFORD, Andrew; ALLNUTT, Tom; BURGESS, Neil. Integrating costs into conservation planning across Africa. Biological Conservation, [S. l.], v. 117, n. 3, p. 343–350, 2004. DOI: 10.1016/j.biocon.2003.12.013. MOORE Joslin BALMFORD Andrew ALLNUTT Tom BURGESS Neil Integrating costs into conservation planning across Africa Biological Conservation 117 3 343 350 2004 10.1016/j.biocon.2003.12.013 [S. l.] NAIDOO, Robin; BALMFORD, Andrew; FERRARO, Paul J.; POLASKY, Stephen; RICKETTS, Taylor H.; ROUGET, Mathieu. Integrating economic costs into conservation planning. Trends in Ecology and Evolution, [S. l.], v. 21, n. 12, p. 681–687, 2006. DOI: 10.1016/j.tree.2006.10.003. NAIDOO Robin BALMFORD Andrew FERRARO Paul J. POLASKY Stephen RICKETTS Taylor H. ROUGET Mathieu Integrating economic costs into conservation planning Trends in Ecology and Evolution 21 12 681 687 2006 10.1016/j.tree.2006.10.003 [S. l.] NAIDOO, Robin; RICKETTS, Taylor H. Mapping the economic costs and benefits of conservation. PLoS Biology, [S. l.], v. 4, n. 11, p. 2153–2164, 2006. DOI: 10.1371/journal.pbio.0040360. NAIDOO Robin RICKETTS Taylor H. Mapping the economic costs and benefits of conservation PLoS Biology 4 11 2153 2164 2006 10.1371/journal.pbio.0040360 [S. l.] PETTORELLI, Nathalie; GRAHAM, Nicholas A. J.; SEDDON, Nathalie; MARIA DA CUNHA BUSTAMANTE, Mercedes; LOWTON, Matthew J.; SUTHERLAND, William J.; KOLDEWEY, Heather J.; PRENTICE, Honor C.; BARLOW, Jos. Time to integrate global climate change and biodiversity science-policy agendas. Journal of Applied Ecology, [S. l.], n. March, p. 1–10, 2021. DOI: 10.1111/1365-2664.13985. PETTORELLI Nathalie GRAHAM Nicholas A. J. SEDDON Nathalie MARIA DA CUNHA BUSTAMANTE Mercedes LOWTON Matthew J. SUTHERLAND William J. KOLDEWEY Heather J. PRENTICE Honor C. BARLOW Jos Time to integrate global climate change and biodiversity science-policy agendas Journal of Applied Ecology 03 1 10 2021 10.1111/1365-2664.13985 [S. l.] PONZONI, Flávio Jorge; ALMEIDA, Eugênio Sper De. A estimativa do parâmetro Kappa (K) da análise multivariada discreta no contexto de um SIG. In: ANAIS VIII SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO 1996, Anais [...]. [s.l: s.n.] p. 5. PONZONI Flávio Jorge ALMEIDA Eugênio Sper De A estimativa do parâmetro Kappa (K) da análise multivariada discreta no contexto de um SIG ANAIS VIII SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO 1996 Anais [...] 5 5 [s.l: s.n.] PORTO, Rubem La Laina. Técnicas quantitativas para o gerenciamento de recursos hídricos. Porto Alegre: Editora da Universidade/UFRGS/Associação Brasileira de Recursos Hídricos, 1997. PORTO Rubem La Laina Técnicas quantitativas para o gerenciamento de recursos hídricos Porto Alegre Editora da Universidade/UFRGS/Associação Brasileira de Recursos Hídricos 1997 PRESSEY, Robert L.; CABEZA, Mar; WATTS, Matthew E.; COWLING, Richard M.; WILSON, Kerrie A. Conservation planning in a changing world. Trends in Ecology and Evolution, [S. l.], v. 22, n. 11, p. 583–592, 2007. DOI: 10.1016/j.tree.2007.10.001. PRESSEY Robert L. CABEZA Mar WATTS Matthew E. COWLING Richard M. WILSON Kerrie A. Conservation planning in a changing world Trends in Ecology and Evolution 22 11 583 592 2007 10.1016/j.tree.2007.10.001 [S. l.] PRESSEY, Robert L.; HUMPHRIES, C. J.; MARGULES, C. R.; WILLIAMS, P. H. Beyond Opportunism: Key Principles for Systematic Reserve Selection. [S. l.], v. 8, n. 4, p. 1–5, 1993. Disponível em: papers://773e1414-d1d9-45a1-893d-01f089442455/Paper/p710. PRESSEY Robert L. HUMPHRIES C. J. MARGULES C. R. WILLIAMS P. H. Beyond Opportunism: Key Principles for Systematic Reserve Selection 8 4 1 5 1993 [S. l.]. Disponível em: papers://773e1414-d1d9-45a1-893d-01f089442455/Paper/p710. PRESSEY; WHISH, G. ..; BARRETT, T. ..; WATTS, M. .. Effectiveness of protected areas in north-eastern New South Wales: recent trends in six measures. Biological Conservation, [S. l.], v. 106, n. 1, p. 57–69, 2002. DOI: 10.1016/S0006-3207(01)00229-4. Disponível em: https://www.sciencedirect.com/science/article/pii/S0006320701002294. Acesso em: 16 out. 2019. PRESSEY WHISH G. BARRETT T. WATTS M. Effectiveness of protected areas in north-eastern New South Wales: recent trends in six measures Biological Conservation 106 1 57 69 2002 10.1016/S0006-3207(01)00229-4 16 out. 2019 [S. l.]. Disponível em: https://www.sciencedirect.com/science/article/pii/S0006320701002294. ROBINSON, David J.; REDDING, Nicholas J.; CRISP, David J. Implementation of a Fast Algorithm for Segmenting SAR Imagery 2002. ROBINSON David J. REDDING Nicholas J. CRISP David J. Implementation of a Fast Algorithm for Segmenting SAR Imagery 2002 ROCHEDO, Pedro R. R. et al. The threat of political bargaining to climate mitigation in Brazil. Nature Climate Change, [S. l.], v. 8, n. 8, p. 695–698, 2018. DOI: 10.1038/s41558-018-0213-y. Disponível em: https://doi.org/10.1038/s41558-018-0213-y. ROCHEDO Pedro R. R. The threat of political bargaining to climate mitigation in Brazil Nature Climate Change 8 8 695 698 2018 10.1038/s41558-018-0213-y [S. l.]. Disponível em: https://doi.org/10.1038/s41558-018-0213-y. SMITH, Robert J.; GOODMAN, Peter S.; MATTHEWS, Wayne S. Systematic conservation planning: A review of perceived limitations and an illustration of the benefits, using a case study from Maputaland, South Africa. Oryx, [S. l.], v. 40, n. 4, p. 400–410, 2006. DOI: 10.1017/S0030605306001232. SMITH Robert J. GOODMAN Peter S. MATTHEWS Wayne S. Systematic conservation planning: A review of perceived limitations and an illustration of the benefits, using a case study from Maputaland, South Africa Oryx 40 4 400 410 2006 10.1017/S0030605306001232 [S. l.] STUMPF, André; KERLE, Norman. Object-oriented mapping of landslides using Random Forests. Remote Sensing of Environment, [S. l.], v. 115, n. 10, p. 2564–2577, 2011. DOI: 10.1016/j.rse.2011.05.013. Disponível em: http://dx.doi.org/10.1016/j.rse.2011.05.013. STUMPF André KERLE Norman Object-oriented mapping of landslides using Random Forests Remote Sensing of Environment 115 10 2564 2577 2011 10.1016/j.rse.2011.05.013 [S. l.]. Disponível em: http://dx.doi.org/10.1016/j.rse.2011.05.013. TEIXEIRA, João B. et al. A habitat-based approach to predict impacts of marine protected areas on fishers. Conservation Biology, [S. l.], v. 32, n. 5, p. 1096–1106, 2018. DOI: 10.1111/cobi.12974. TEIXEIRA João B. A habitat-based approach to predict impacts of marine protected areas on fishers Conservation Biology 32 5 1096 1106 2018 10.1111/cobi.12974 [S. l.] UNITED, Nations; UNION, European; NATIONS, Food and Agriculture Organization of the United; DEVELOPMENT, Organisation for Economic Co-operation and; GROUP, World Bank. System of Environmental Economic Accounting 2012: Experimental Ecosystem Accounting. New York: OECD, 2014. DOI: 10.1787/9789210562850-en. Disponível em: https://www.oecd-ilibrary.org/environment/system-of-environmental-economic-accounting-2012_9789210562850-en. UNITED, Nations UNION, European NATIONS, Food and Agriculture Organization of the United DEVELOPMENT, Organisation for Economic Co-operation GROUP, World Bank System of Environmental Economic Accounting 2012: Experimental Ecosystem Accounting New York OECD 2014 10.1787/9789210562850-en Disponível em: https://www.oecd-ilibrary.org/environment/system-of-environmental-economic-accounting-2012_9789210562850-en. WU, Ting Fan; LIN, Chih Jen; WENG, Ruby C. Probability estimates for multi-class classification by pairwise coupling. Journal of Machine Learning Research, [S. l.], v. 5, p. 975–1005, 2004. WU Ting Fan LIN Chih Jen WENG Ruby C Probability estimates for multi-class classification by pairwise coupling Journal of Machine Learning Research 5 975 1005 2004 [S. l.] XIAOYING, Jin. (12) Patent Application Publication (10) Pub. No.: US 2009/0123070 A1 2009. XIAOYING Jin (12) Patent Application Publication (10) Pub. No.: US 2009/0123070 A1 2009 Article CAN ECONOMIC COSTS BE FACTORED INTO CONSERVATION PLANNING PROCESSES? 0000-0002-1634-4778 5590614227713686 Magdalena Ulises Rodrigo a * 0000-0002-1497-1022 9001313758906930 Messias Cassiano Gustavo b 0000-0002-1048-0795 5457008433124989 Luoni Juan Pablo Zbrun c 0000-0001-7358-6696 5289849728704414 Amorim Raul Reis d (a) PhD Student in Geography. Campinas State University, Campinas (SP), Brazil (b) PhD in Geography. Campinas State University, Campinas (SP), Brazil (c) Master in Territorial Planning and Environmental Management. Professor at National University of Los Comechingones, San Luis, Argentina (d) PhD in Geography. Professor at Campinas State University, Campinas (SP), Brazil (*)CORRESPONDING AUTHOR Address: UNICAMP. Departamento de Geografia. Rua João Pandiá Calógeras, 51, CEP: 13083-870, Campinas (SP), Brasil. Tel: [phone] E-mail: [e-mail] Abstract Society has been increasingly demanding of better environmental conservation practices as a solution to the ongoing crisis causing extreme weather events and biodiversity loss. Yet, a key issue for the definition of priority locations for protected areas that meet the intended conservation goals remains: how to factor and spatialize monetary costs in the goal-function of the planning for areas that better reflect the decision-making influences in the territory. We presented, in this study, the monetary acquisition costs for land purchasing and the opportunity costs for the Piracicaba, Capivari and Jundiaí watersheds. We adopt an approach derived from spatial analysis and remote sensing methodological processes to compile and link information tabulated from farmer assistance institutions with information on natural elements obtained through land use and land cover mapping. Subsequently, we merged data from the geospatial monetary matrix with exact-objects data obtained from the Operation Land Imager (OLI) multispectral sensor attached to the Landsat 8 satellite. Finally, we identified that the monetary costs for conservation actions in the study area have inverse values and that including them in the planning goal-function can help prioritize protected areas that will be less prone to conflict over land-use due to clashes with the economic activity of a territory. Keywords: Opportunity Costs Acquisition Costs Protected Areas FAPESP 2018/22907-1 FAPESP 2018/09401-1 CAPES Financing Code 001 We are grateful to the Graduate Programme in Geography at University of Campinas for their support in the development of this work. We also thank the anonymous reviewers for their comments. This work was developed with the support of the Fundação de Amparo à Pesquisa do Estado de São Paulo - FAPESP (Processes 2018/22907-1 and 2018/09401-1) and the Coordination for the Improvement of Higher Education Personnel (CAPES), Brazil – Financing Code 001. We are also grateful for the institutional support provided by the Department of Research, International and Graduate Students at the Universidad Nacional de los Comechingones (Argentina). Finally, we thank Geographer Isabelle Salazar Vieira Alves for her valuable suggestions. INTRODUCTION With biodiversity loss (and the associated loss of ecosystem services) becoming a constant as extreme weather events become ever more common, we’ve seen marked increases in societal demand for expanded coverage of protected areas (ARMSWORTH et al., 2017). The aim of expanding coverage is to jointly solve the global climate change and biodiversity crises, as both are inseparably interwoven (PETTORELLI et al., 2021). However, land for new protected areas is limited and frequently overlaps with economically productive territories (BOYD; EPANCHIN-NIELL; SIIKAMAKI, 2012), often leading to the creation of protected areas in regions that do not fully represent local biodiversity (MONTEIRO et al., 2020; PRESSEY et al., 2002). In this context, Systematic Conservation Planning emerged as a theoretical-methodological process aiming to minimize this impasse by selecting protected areas as efficiently as possible in a context of scarce resources for biodiversity conservation (ARMSWORTH et al., 2017; MARGULES; SARKAR, 2007; NAIDOO et al., 2006). The main purpose of selecting areas for environmental conservation is to separate biotic and abiotic elements from processes that threaten their existence in the environment, identifying spatial arrangements and the complementarity of surrounding areas while taking into account possible conflicts over land use. In other words, the goal of selection is to delimit protected areas and ecological networks that meet certain quantitative environmental conservation targets (PRESSEY et al., 2007; SMITH; GOODMAN; MATTHEWS, 2006). Operating under this premise means that the extraction of natural resources in a given region must be either suspended or limited, but that does not prevent economic and political ramifications (such as mining activity or agricultural expansion) from interfering by competing with protected areas, driving environmental degradation and land use conflict – often to the point that the preservation status itself is reverted when protected areas are seen as economically attractive (MARGULES; SARKAR, 2007; ROCHEDO et al., 2018). Numerical models aligned with the end goal of Systematic Conservation Planning have become popular since the 1990s (PRESSEY et al., 1993). In addition to the ecological aspects, these models include projections of other important factors for decision making, such as the monetary costs of environmental conservation actions. However, many studies ignore or generalize the spatial variability of monetary costs in planning processes, focusing instead solely on biophysical aspects and assuming that all areas prioritized for the conservation of natural elements have a uniform monetary cost. This, of course, is a false assumption; if ecological aspects vary spatially, then monetary costs must also vary as conservation actions become limited by economic dynamics (BOYD; EPANCHIN-NIELL; SIIKAMAKI, 2012; CARWARDINE et al., 2010; NAIDOO; RICKETTS, 2006). Environmental conservation actions have associated costs that affect all economic activity that must be interrupted or not initiated in order to implement the action (NAIDOO et al., 2006). The monetary costs of conservation actions may include (among others) acquisition, opportunity and management costs (NAIDOO et al., 2006). The first is associated with the monetary price of acquiring the property rights of a parcel of land. The second has to with loss of potential income, that is, the value of what could have been obtained through the better use of a resource. For example, when a protected area is created such that agriculture therein is prohibited, the opportunity cost is the value of the agricultural output that could have otherwise been generated in that area. Finally, management costs are those associated with maintaining an environmental conservation project, such as the costs of inspecting a protected area. Although there is some controversy over and resistance to including the monetary costs of environmental conservation actions as a variable in the goal-function of conservation planning used to identify the distribution patterns of natural elements (ARMSWORTH et al., 2017; CARWARDINE et al., 2010), their inclusion in planning can positively reflect on decision-making processes in the territories. This was pointed out by Moore et al. (2004), who achieved 66% gains in vertebrate species coverage in a conservation initiative in Africa by including the monetary costs related to conservation actions in the model. That said, one of the biggest limitations to said inclusion is the absence of monetary information in databases, combined with the difficulty some researchers face in handling this type of data in order to spatialize it. In light of the above, this study sought to map the acquisition and opportunity costs of a specific area, namely the Piracicaba, Capivari and Jundiaí watersheds (henceforth the PCJ Watersheds). We emphasize that our analysis did not consider urban areas and questions regarding non-use values associated with nature, as these are derived from intrinsic attributes of the ecosystems themselves (i.e., heritage, altruistic and existence values) (UNITED NATIONS, 2014, p. 110). Although the discussion of non-use values is fundamental to conservation practices, it is impossible to quantify them in economic terms (NAIDOO; RICKETTS, 2006; PORTO, 1997). The results presented here are intended to aid possible paths for calculating the monetary cost of conservation actions and including it as a variable to be considered in the process of identifying protected areas that meet the intended natural element conservation goals. MATERIALS AND METHODS STUDY AREA The drainage area of the PCJ Watersheds, represented herein on a scale of 1:50,000, covers a region of ~15,377 km2 and is divided into 7 sub-Watersheds: Atibaia (~2,806 km2), Camanducaia (~1,039 km2), Capivari (~1,571 km2), Corumbataí (~1,719 km2), Jaguari (~3,304 km2), Jundiaí (~1,155 km2) and Piracicaba (~3,785 km2). The region comprises 76 municipalities, 71 of which belong to the state of São Paulo and 5 to Minas Gerais. In total, there are ~5.8 million inhabitants in the PCJ Watersheds, which comprises three Regional Planning Areas that make up the São Paulo Macrometropolis: the Campinas Metropolitan Region (~3.2 million inhabitants), the Jundiaí Urban Agglomeration (~805 thousand inhabitants) and the Piracicaba Urban Agglomeration (~1.5 million inhabitants) (Figure 1). Figure 1 Drainage area of the PCJ Watersheds and the Regional Planning Areas of the São Paulo Macrometropolis, along with the road system As for the economy of the Area of Study, the Metropolitan Region of Campinas is chiefly driven by the high-tech services industry, the Piracicaba Urban Agglomeration has a strong presence of the metallurgical, sugar-alcohol and ceramic industries, and the Jundiaí Urban Agglomeration is a complex of industries that serve a regional hub interconnecting multimodal logistics and transport systems (air, road and rail). MONETARY VALUE OF ACQUISITION COSTS The monetary value of acquisition costs was calculated with the help of the land use and land cover map, the municipality database of the Brazilian Institute of Geography and Statistics (IBGE), and tabulated data on agricultural suitability values in Brazilian Reals per hectare (R$/ha) of bare land not served by utilities for the year 2019, the latter provided by the Agricultural Economics Institute (IEA -SP) and the Minas Gerais State Technical Assistance and Rural Extension Company (EMATER - MG). LAND USE AND COVER For the quantification and delimitation of land use and land cover classes, we used output from the Operation Land Imager (OLI) multispectral sensor coupled with the Landsat 8 satellite. The sensor has eight spectral bands and provides orbital imagery with 30-meter spatial resolution (except for panchromatic imagery, provided at 15-meter spatial resolution), radiometric imagery at 12 bits and a temporal resolution of 16 days. For our study, the imagery used dates to August 2018, obtained through Earth Explorer < https://earthexplorer.usgs.gov/> (Table 1). Table 1 OLI multispectral sensor outputs used for land use and cover mapping in the PCJ Watersheds. Orbit/Point ID Date Source 220/75 LC08_L1TP_220075_20180821_20180829_01_T1 21/AUG/2018 USGS, 2020 220/76 LC08_L1TP_220076_20180821_20180829_01_T1 21/AUG/2018 USGS, 2020 219/76 LC08_L1TP_219076_20180814_20180828_01_T1 14/AUG/2018 USGS, 2020 Land use and land cover classes were delimited through object-oriented image classification techniques (GEographic Object-Based Image Analysis – GEOBIA), which involves the identification of patterns in objects or image segments with spatially contiguous pixels of similar texture, color and tone (BLASCHKE, 2010; STUMPF; KERLE, 2011). The process is carried out in two stages: segmentation of the images and building of training samples. Technical procedures were performed in software, namely Environment for Visualizing Images - ENVI 5.3 ®. The first step is linked to the Edge (XIAOYING, 2009) algorithm, which identifies the boundaries of the distinct features in the image due to magnitude values being high at the edges while internally uniform. Then, we extracted qualitative classes by applying the Full Lambda Schedule algorithm (ROBINSON; REDDING; CRISP, 2002), which evaluates the spectral similarity of the boundaries created and agglutinates them according to the equivalence of spectral properties. For the Edge and Full Lambda Schedule algorithms, we applied the values 20 and 80 for Segment Setting and Merge Setting, respectively, as defined by trial and error. A minimum of 100 samples of previously segmented areas were collected for each land use and land cover class in order to build the training sample. Following these two steps, we then applied the Support Vector Machine (SVM) algorithm, a supervised/binary classifier derived from machine learning statistical theory (HSU; CHANG; LIN, 2016; WU; LIN; WENG, 2004). Garofalo et al. (2015) evaluated the performance of object-oriented classification techniques and the use of different classification algorithms using imagery obtained from the OLI sensor to map the land use and cover in the PCJ Watersheds. The authors noted the techniques have robust applicability for use with OLI imagery and concluded that the SVM algorithm presented excellent performance. It is noteworthy that the algorithm did not present good results for urban areas, and, for this reason, this class was excluded from the classification process and later manually delimited. A visual analysis was also performed on the map obtained aiming to identify incorrectly classified polygons and reclassify them, thus reducing mapping error. Furthermore, we also conducted an accuracy analysis of the classification process, based on a random selection of 3% of the polygons generated for each defined class. Subsequently, we employed discrete multivariate analysis (error or confusion matrix), whereby a parameter is calculated whose value represents the level of similarity, in order to test the significance of the error matrix (PONZONI; ALMEIDA, 1996). The parameter used was the Kappa coefficient (K), which represents a measure of general agreement based on the difference between the supervised classification samples and the random pattern samples (i.e., samples selected by pure change). Values range from 0 to 1, where 0 indicates a low level of similarity and 1 indicates high similarity (i.e., greater efficiency of the classification performed (GASPARINI et al., 2013; PONZONI; ALMEIDA, 1996) . The samples were evaluated based on high resolution images from Google Earth, the color compositions used and recognition of the area of study from field work. MUNICIPAL BOUNDARIES AND MONETARY INFORMATION After the land use and land cover classes were delimited, we identified their respective areas in relation to the municipalities. For this task, we superimposed the layer with the municipal boundaries obtained from IBGE against the land use and land cover classes, and subsequently used the overlay analysis methods available in the ArcGIS 10.8 ® toolset ("Overlay Analysis: Intersect") to correlate municipal boundaries with land use and land cover attributes. After this step, we added the information on R$/ha value of bare land not served by utilities per municipality (2019 baseline) provided by the IEA and EMATER - MG . We emphasize here that the definitions of agricultural suitability classes used by the IEA and EMATER, per their methodologies, are subjective, and their samples intentional, directed and based on qualified opinions, having as a reference the deals made with agricultural land in the municipalities. The declaration of R$/ha of agricultural suitability classes on bare land not served by utilities follows information from three different sources: Public Sector, Productive Sector and Real Estate Sector. The first source comprises data from the Integral Technical Assistance Coordination and the House of Agriculture of the Municipalities. The second source comprised data provided by Rural Cooperatives and Farmer Associations. Finally, the third source is derived through contact with realtors and real estate agents. After adding the per-municipality land use and land cover information obtained and combining it with the monetary values of bare land not served by utilities and running overlay analysis methods available in ArcGIS 10.8 ® ("Overlay Analysis: Spatial Join"), we obtained a single spatial layer with the total area of land use and land cover classes per municipality and the R$/ha costs of the respective classes. Subsequently, we performed a mathematical equivalence operation to obtain the monetary values of acquisition for the study area according to land use and land cover attributes. MONETARY VALUE OF OPPORTUNITY COST Monetary values of opportunity cost were acquired IBGE Automatic Retrieval System (SIDRA) database, which provides statistical and economic information on agricultural products for each municipality broken into different activities: Research on Municipal Livestock (PPM), Municipal Agricultural Production (PAM) and on Vegetal Extraction and Forestry Production (PEVS). This information was then tabulated and compared with the acquisition costs at the geographic scale of the municipalities. RESULTS AND DISCUSSION The results achieved in this study present two scales of analysis: one related to the OLI sensor, and another with the municipal boundaries. One result is the spatialization of land use values by municipality, while the other reveals only grouped and tabulated monetary information on agricultural products from the municipalities of the PCJ Watersheds. Public officials can use such results to conduct thorough analyses to identify priority areas that meet their environmental conservation goals while taking into account the economic dynamics of the territory. We believe this type of analysis to be both essential for decision-making and not the only one to be conducted for decision-making, considering the social and environmental perspectives involved. OBJECT-ORIENTED IMAGE CLASSIFICATION EVALUATION Object-oriented classification generated a total of 87,566 polygons; 3% of the polygons of each class were evaluated to calculate the accuracy of the land use and land cover map obtained. In total, we inspected 282 polygons classified as agricultural crop (AC), 651 as forest (FO), 818 classified as pasture (PA), 214 classified as forestry (FY), 487 classified as exposed soil (ES), 137 classified as water (WA) and 38 classified as urban area (UA). In total, 2,627 polygons were evaluated through the confusion matrix (Table 2). Table 2 Confusion matrix of the use and cover map generated through object-oriented classification and the SVM algorithm. Verification by field inspection and higher-resolution imaging Use AC FO PA FY ES WA UA Total EC AC 241 10 30 0 1 0 0 282 0.15 FO 11 618 4 18 0 0 0 651 0.05 PA 42 1 756 0 19 0 0 818 0.08 FY 5 17 0 192 0 0 0 214 0.10 ES 10 0 22 0 444 0 11 487 0.09 WA 0 0 0 0 4 133 0 137 0.03 UA 0 0 0 0 0 0 38 38 0.00 Total 309 646 812 210 468 133 49 2627 EO 0.22 0.04 0.07 0.09 0.05 0.00 0.22 The land use and land cover map we obtained for the PCJ Watersheds (Figure 2) presented a global accuracy index of 0.9220, indicating that 92.20% of the sampled polygons were correctly classified. The Kappa index value was 0.9, considered excellent by Congalton and Green (2008). Figure 2 Land use and land cover in the PCJ Watersheds. The largest volume of misclassified polygons (i.e., polygons of other classes classified in the reference class) occurred in the agricultural crop class: 15% of the sampled polygons assigned to this class were, in fact, forest, pasture and (to a lesser extent) exposed soil polygons. The forestry class had 10% of its polygons misclassified (being in fact forest and agricultural crop polygons), exposed soil had 9% of inclusions (pasture, agricultural crop and urban area polygons), and pasture had 8% of inclusions (agricultural crop, exposed soil and (unrepresentatively) forest polygons). Forest and water had only 5 and 3% of inclusions of other polygons, respectively, while urban areas had no misclassified polygons as these were visually delimited. Omission errors represent polygons that belong to a reference class but have been labeled as other classes. Urban area had 22% omissions, since the mapping of this class, performed visually, excluded small polygons, which were classified as exposed soil. Agricultural crops also had 22% of their polygons omitted, distributed among the forest, forest, pasture, exposed soil and forestry classes. Forestry had 9% of exclusions, with these polygons classified as forest; pasture had 7% exclusions, with the confusion occurring with agricultural crops, forest and exposed soil; exposed soil had 5% exclusions, with polygons attributed to pasture, water and agricultural crop; and forest polygons had 4% exclusions, with polygons labeled as forestry, agricultural crop and pasture. The error rate for water polygons was 0%. Regarding the concentration of urban areas in the middle course of the PCJ Watersheds, even though they are visually delimited, the occurrence of polygons along the SP 310, 330 and 348 highways in the north-south direction may be related to local relief, which presents a lowered and flattened area known as the São Paulo Peripheral Depression, which favors land occupation. In turn, the concentration of forest polygons upstream of the study area may be related to the slope of the relief, which is moderate and accentuated and makes land occupation difficult. There is also a full-protection-category protected area, enshrined by Law 9,985/2000 (National System of Nature Conservation Units). MONETARY COSTS OF CONSERVATION ACTIONS The results showed that the acquisition cost presented high values in vegetation areas close to urban centers located in the Campinas Metropolitan Region and Jundiaí Urban Agglomeration, in addition to the municipality of Extrema. As an example, the cities of Jundiaí, Atibaia and Extrema yielded acquisition cost values of ~R$ 615.54, R$ 472.03 and R$ 268.77 million/hectare, respectively (Figure 3). Figure 3 monetary cost of acquiring the property rights of a parcel of land in the PCJ Watersheds. Values are grouped. The municipalities of Jundiaí and Atibaia yielded noteworthy results. These have extensive protected areas with full protection status but are part of the "fruit circuit region", with total area occupied by agricultural crops of ~772 and 1,707 hectares, respectively. Maximum acquisition cost per hectare for the two cities was R$ 2.45 and R$ 1.76 million, but the municipalities had opportunity costs of ~R$ 84 and ~29 million per year, respectively, represented by the value of fruit-related agricultural output (Figure 4). Figure 4A and 4B Monetary opportunity costs related to temporary and permanent yield crops in the PCJ Watersheds. The X axis is in decadic logarithm (Base-10 Log) In this case, there are two interesting factors that can jeopardize the full protection status of protected areas in the municipalities of Jundiaí and Atibaia: (i) the amount of area available for agricultural activities is low, and (ii) the cost of acquiring land is low in relation to the potential opportunity cost per year. These factors will lead to conflict over land use and make it difficult to implement or expand new protected areas when the environmental planning process is faced with the monetary costs of conservation actions. In another example, the results for acquisition costs indicated that the Piracicaba Urban Agglomeration area have the lowest values. However, the sugar and ethanol industry is concentrated in this region, which leads to an opportunity cost of R$ ~1 billion per year (Figure 4A). Consequently, the biggest hurdle when proposing the location of protected areas as part of this conservation planning process would be to plan for governance actions with sugar industry stakeholders. Regarding the region of the area of study that does not have a Regional Planning Area, we observed that the monetary costs of acquiring land are heterogeneous, ranging from R$ ~35 million to R$ ~250 million/hectare. This region is home to the largest reserves of native vegetation in protected areas, but its protection status is "sustainable conservation", which allows for economic activity in these areas. Therefore, the opportunity costs of this region are largely related to products of animal origin (Figure 5) and forestry (Figure 6), which provide ~R$ 100 million in value per year, respectively. Figure 5 Monetary opportunity costs related to animal products in the PCJ Watersheds. The X axis is Figure 6 Monetary opportunity costs related to Forestry products in the PCJ Watersheds. The X axis is in decadic logarithm (Base-10 Log) The inclusion of monetary costs in conservation planning affords greater efficiency to the process of suggesting limits to protected areas that meet all conservation goals, as the results better support decision-making by contemplating the economic dynamics of users, not only the variability of natural elements in the territory. However, the inclusion of monetary costs related to conservation actions is difficult to incorporate, both due to lack of source data (NAIDOO et al., 2006; NAIDOO; RICKETTS, 2006) and difficulty in spatializing and differentiating the data when available. Many research studies treat monetary acquisition cost as if it was an opportunity cost (BERNASCONI et al., 2016). This inversion may lead to areas with lower monetary cost and high biodiversity being suggested as priorities for protection, but this will often not actually reflect the economic dynamics of users, leading to possible conflicts over land use in the future (as the other types of costs may not necessarily be low) (NAIDOO et al., 2006). In general, it is worth noting that the above-mentioned difficulties in including conservation costs in analyses are made even more challenging when one seeks to distribute monetary costs values over aquatic and aerial environments, since both also have economic activities attached to them (mining, fish farming, wind farming, aviation). These environments also require action for the conservation of their natural elements, (i.e., fish and bird species). As for aquatic environments, costs will vary depending on depth of the water column, while in aerial environments costs will vary depending on the altitude in relation to a reference point and distance from noise and human lighting. For example, preserving a given bird's natural migratory path can lead to changes in the routing of aircraft or even the location of a wind farm. In terrestrial environments, preservation planning is developed in a two-dimensional, XY axis, while in aquatic and aerial environments the work becomes three-dimensional, further increasing the challenge of aggregating and specializing conservation action costs into the planning process of these environments. As a solution to this problem in aquatic environments, Teixeira et al. (2018), used the fishing vessel displacement in relation to water surface as opportunity cost to predict the impacts of delimiting marine protected areas on the lives of artisanal fishermen in the region of Abrolhos (Bahia, Brazil). CONCLUSION The inclusion of monetary costs related to conservation actions is an important variable to be considered in the environmental planning process, as it increases adherence with the Systematic Conservation Planning principle of selecting protected areas in the most efficient way possible and supports better decision-making processes by avoiding generalizations in relation to the various interests present in the territory. We emphasize that the analysis of monetary costs indicated in this work for use in the process of delimiting protected areas do not pertain to the protected areas enshrined under the Brazilian Forest Code (Law nº 12.651/2012), but, rather, to those that have the as a reference the National Nature Conservation Units System (Law No. 9,985/2000), especially those classified as "Sustainable Use" protected areas, which require efficient management plans for economic users. Furthermore, the monetary costs mentioned here are different from those used to quantify Ecosystem Services and those for enforcement of the Payment for Environmental Services (PES) public policy, as the monetary costs applicable to the former are linked to the benefits acquired by natural processes (e.g. monetary costs relating to the acquisition of inputs for water treatment), while the costs criteria for the latter are designed to calculate the monetary sum payable to a given landowner for conserving some natural element (such as soil, water or vegetation). As such, the monetary cost values calculated herein are meant to be an input to guide environmental conservation actions. In other words, these are amounts related to a possible purchase of right of ownership of a plot of land and the renunciation of an economic practice in a given territory in order to prioritize conservation goals. Understanding these monetary values makes it possible for public official to make decisions by identifying possible conflicts between economic vs. environmental priorities in the territory. Regarding the difficulties associated with acquiring and spatializing data on conservation costs, one solution would be to make spatialized, tabulated monetary cost data a requirement for availability under a policy framework, including infrastructure of submission of spatialized data. NOTE 1 These notes are meant to avoid subjectivity in relation to the concepts commented on throughout this study, as there are many divergences in the literature about the definition of terms: Ecosystem Services, Environmental Services, Payment for Environmental Services, monetary costs related to conservation actions and the valuation of Ecosystem Services. 1 Ecosystem Services refer to multiple benefits acquired by society from nature (COSTANZA et al., 1997). Ecosystem services consist of a flow of interactions of materials, energy and information, i.e. ecosystem functions understood as the ability of natural processes to provide goods and services to meet human needs (DE GROOT; WILSON; BOUMANS, 2002). 2 Serviços Ambientais (Environmental Services) are all human activities that favor the conservation or improvement of ecosystems and, as a consequence, contribute to the maintenance of the ecosystem services provided (MMA, 2021 e Lei no 14.119 / 2021). 3 The National Policy for Payment for Environmental Services (Law No. 14,119/2021) defines Payment for Environmental Services as a transaction of voluntary nature through which a payer for environmental services transfers financial resources or other form of remuneration to a provider of these services under pre-agreed conditions and in compliance with the relevant legal and regulatory provisions. 4 Monetary costs related to conservation actions: According to Naidoo et al. (2006) , all conservation interventions have associated costs, which cover everything that must be renounced in order to implement the intervention. 5 Valuation of Ecosystem Services: According to Andrade and Romeiro (2014), the usual practice of economic valuation of ecosystem services is mostly based on techniques that use traditional microeconomics assumptions concerning the behavior and goals of economic agents. In this case, we would have monetary values for direct use, indirect use, option to use and non-use (United Nations 2014, p. 110). These values are different from those related to conservation actions, chiefly opportunity cost. ACKNOWLEDGEMENTS We are grateful to the Graduate Programme in Geography at University of Campinas for their support in the development of this work. We also thank the anonymous reviewers for their comments. This work was developed with the support of the Fundação de Amparo à Pesquisa do Estado de São Paulo - FAPESP (Processes 2018/22907-1 and 2018/09401-1) and the Coordination for the Improvement of Higher Education Personnel (CAPES), Brazil – Financing Code 001. We are also grateful for the institutional support provided by the Department of Research, International and Graduate Students at the Universidad Nacional de los Comechingones (Argentina). Finally, we thank Geographer Isabelle Salazar Vieira Alves for her valuable suggestions.