Quantas pessoas vivem de fato na Mata Atlântica?

Cálculo estimado da população brasileira vivendo na Mata Atlântica

Contextualização

Hoje é dia da Mata Atlântica e para comemorar, vou fazer o que mais gosto: uma análise espacial e mapas da Mata Atlântica usando o R.

Vamos confirmar se realmente 70% da população brasileira vive nesse bioma.

Pacotes no R

Preparar o R.

# packages
library(tidyverse)
library(janitor)
library(sf)
library(geobr)
library(brpop) # remotes::install_github("rfsaldanha/brpop")
library(tmap)

# options
options(timeout = 1e5)

Download dos dados

Limite dos biomas do Brasil, segundo o IBGE para 2019.

# download data -----------------------------------------------------------

## biomas ----
biomas_2019 <- geobr::read_biomes(year = 2019) %>% 
  dplyr::filter(name_biome != "Sistema Costeiro") %>% 
  dplyr::mutate(area_biome_km2 = sf::st_area(.)/1e6)

tm_shape(biomas_2019) + 
  tm_fill(fill = "name_biome",
          fill.legend = tm_legend(
            title = "Biomas", 
            position = tm_pos_in("right", "bottom")))

Limite dos municípios do Brasil.

## brasil ----
brasil_mun <- geobr::read_municipality(year = 2021) %>% 
  dplyr::mutate(code_muni = as.numeric(str_sub(as.character(code_muni), 1, 6)))

tm_shape(brasil_mun) + 
  tm_polygons()

Dados da população do Brasil.

## populacao brasil
brasil_pop <- brpop::mun_pop_totals(source = "datasus") %>% 
  dplyr::filter(year == 2021) %>% 
  dplyr::mutate(year = paste0("pop_", year)) %>% 
  tidyr::pivot_wider(id_cols = code_muni, names_from = year, values_from = "pop")

Junção dos dados

Juntar os dados.

## join ----
brasil_mun_pop <- dplyr::left_join(brasil_mun, brasil_pop)

Associar os municípios aos biomas.

## filtrar municipios da mata atlantica ----
brasil_mun_pop_biomas_2019 <- sf::st_join(brasil_mun_pop, biomas_2019)

tm_shape(brasil_mun_pop_biomas_2019) + 
  tm_polygons(fill = "name_biome",
              lwd = .5,
              fill.legend = tm_legend(
                title = "Municípios por biomas",
                position = tm_pos_in("left", "bottom"))) +
  tm_shape(biomas_2019) + 
  tm_borders(col = "name_biome",
             col.scale = tm_scale_categorical(
               values = c("tomato", "steelblue", "orange", "forestgreen", "purple", "lightblue")),
             col.legend = tm_legend(
               title = "Biomas",
               position = tm_pos_in("right", "bottom")))

População para cada bioma.

tm_shape(brasil_mun_pop_biomas_2019) + 
  tm_fill(fill = "pop_2021",
          fill.scale = tm_scale_continuous_log1p(
            values = "viridis"),
          fill.legend = tm_legend(
            title = "População 2021",
            reverse = TRUE,
            position = tm_pos_in("left", "bottom"))) + 
  tm_shape(biomas_2019) + 
  tm_borders(col = "name_biome",
             col.scale = tm_scale_categorical(
               values = c("tomato", "steelblue", "orange", "forestgreen", "purple", "lightblue")),
             col.legend = tm_legend(
               title = "Biomas",
               position = tm_pos_in("right", "bottom")))

População nos biomas

Vamos agrupar os valores para os biomas.

## populacao na mata atlantica ----
brasil_mun_pop_dados <- brasil_mun_pop_biomas_2019 %>% 
  sf::st_drop_geometry() %>% 
  dplyr::group_by(name_biome) %>% 
  dplyr::summarise(pop_biome = sum(pop_2021),
                   muni_n = n(),
                   area_biome_km2 = round(as.numeric(mean(area_biome_km2)), 2)) %>% 
  dplyr::mutate(per = round(pop_biome/sum(pop_biome) * 100, 2),
                dens = round(pop_biome/area_biome_km2, 2)) %>%
  dplyr::relocate(area_biome_km2, .after = 5) %>% 
  dplyr::relocate(muni_n, .after = 4) %>% 
  dplyr::rename(Bioma = 1, 
                `População no bioma` = 2,
                `Porcentagem da população no bioma (%)` = 3,
                `Número de municípios` = 4,
                `Área do bioma (km²)` = 5,
                `Densidade populacional no bioma (pop/km²)` = 6) %>% 
  janitor::adorn_totals("row") %>% 
  dplyr::mutate(across(last_col(), ~ replace(.x, n(), "-")))

## visualizar a tabela
brasil_mun_pop_dados |>
  gt::gt()

Bioma	População no bioma	Porcentagem da população no bioma (%)	Número de municípios	Área do bioma (km²)	Densidade populacional no bioma (pop/km²)
Amazônia	24138547	9.78	559	4233598.0	5.7
Caatinga	31580196	12.80	1208	866201.3	36.46
Cerrado	46087889	18.68	1434	1991694.0	23.14
Mata Atlântica	136370198	55.27	3080	1109752.3	122.88
Pampa	7777615	3.15	233	194152.5	40.06
Pantanal	798757	0.32	22	151439.1	5.27
Total	246753202	100.00	6536	8546837.2	-

Esta análise mostrou que foi muito abaixo dos 70% amplamente divulgado. Esse valor foi de aproximadamente 55%, mas o valor foi de mais de 136 milhões de pessoas em 3080 municípios com uma densidade de 123 pessoas por km². Variações nos métodos, nos dados e limite do bioma podem fazer esse valor variar.