MétaCan
Menu
Retour à la cohorte
Enregistrement W2995260666 · doi:10.11606/d.100.2019.tde-20112019-153951

A inclusão da biodiversidade em Estudos de Impacto Ambiental do estado de São Paulo

2019· dissertation· pt· W2995260666 sur OpenAlexaff
Silvia Sayuri Mandai

Notice bibliographique

Revuenon disponible
Typedissertation
Languept
DomaineEnvironmental Science
ThématiqueEnvironmental Sustainability and Education
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésGeographyForestryEnvironmental science

Résumé

récupéré en direct d'OpenAlex

\n O Brasil é considerado um país megadiverso, porém sua biodiversidade tem sido ameaçada por determinados empreendimentos. Nesse sentido, a Avaliação de Impacto Ambiental (AIA) é uma ferramenta para analisar a viabilidade ambiental de projetos, submetendo um Estudo de Impacto Ambiental (EIA) a órgãos públicos. Nesse contexto, a inclusão da biodiversidade na AIA vem sendo averiguada em inúmeros países, mas deficiências foram relatadas. Desse modo, buscou-se analisar como a biodiversidade tem sido contemplada nos EIAs paulistas de 2005 a 2016. Inicialmente, elaborou-se uma lista preliminar baseada em artigos científicos e na Convenção sobre Diversidade Biológica (CDB), com foco no artigo 14. Tal material foi analisado por 43 profissionais da AIA de cinco setores da sociedade, resultando em uma lista de verificação oficial com 8 categorias e 60 indicadores, considerando os níveis genético, específico e ecossistêmico, a composição, estrutura, processos-chave e as principais ameaças antropogênicas à biodiversidade, ou seja, uma contribuição metodológica para o campo da AIA. Tal ferramenta foi utilizada na análise dos 59 EIAs pela atribuição de valores em uma escala de 0 a 1 com base em seis cenários. Em seguida, calculou-se o Índice de Inclusão da Biodiversidade (IIB) para cada EIA, uma razão entre a soma de valores atribuídos e o total de indicadores aplicáveis ao projeto em questão, variando de 0 a 1 também. A partir disso, houve uma classificação levando em conta o grau de satisfação e de qualidade dos indicadores e EIAs. Os resultados mostraram que muitos dos indicadores foram parcialmente contemplados entre as diferentes categorias, como observado na literatura, com uma abordagem descritiva, mas ainda pouco analítica e indicativa, sendo observada uma aparente melhora ao longo dos anos. A maior parte dos estudos foi classificada como insatisfatória (97%) e limítrofe (61%) e, para todos os tipos de atividades, o valor zero foi o mais frequente (31%). O grupo B (setor industrial) foi o que apresentou, na média, os menores índices de IIB, enquanto o C (obras civis), os maiores. Os melhores desempenhos foram atribuídos aos indicadores sobre análise qualitativa, equipe técnica registrada, descrição da vegetação, poluição e referências. Por outro lado, os valores mais baixos foram para mudanças climáticas, limitação das avaliações, impactos sinérgicos, sensibilidade ambiental e alternativas tecnológicas. Dessa maneira, a AIA e o licenciamento ambiental brasileiros têm apresentado dificuldades em atender o artigo 14 da CDB e políticas ambientais nacionais, caminho contrário ao proposto internacionalmente. Com base nas principais deficiências observadas, seria relevante que a fase de escopo solicitasse que a ordem de prioridade da hierarquia de mitigação fosse respeitada (Princípio da Prevenção), que sejam incluídas as variações sazonais e meteorológicas, que haja a explícita inclusão de especialistas em diversidade biológica e a quantificação dos impactos à biodiversidade. Ainda, considerar impactos indiretos, sinérgicos e cumulativos com parâmetros claros, melhorar a qualidade dos mapas, incluir mais efetivamente os três níveis da biodiversidade, considerar as áreas de sensibilidade ambiental e mais susceptíveis às mudanças climáticas, incluir as fragilidades dos dados e Programas (Princípio da Precaução), direcionar os diagnósticos ambientais e integrar essas informações com as etapas seguintes, com base em evidências científicas relacionadas às boas práticas em AIA. Assim, esse estudo visou contribuir para melhorias no panorama normativo e técnico-executivo, explorando o potencial dos EIAs em promover a conservação biológica\n

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,006

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,260
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnvironmental Sustainability and EducationTravaux en français237 207