COLOGNE UNIVERSTITY OF APPLIED SCIENCES INSTITUTE FOR TECHNOLOGIES IN THE TROPICS

Smallholder Production and Climate Risk in the Baixo Amazonas Region, Brazil

MASTER’S THESIS Handed in by Vanesa Rodríguez Osuna Matriculation Nr. 11058441

22/09/09

Table of contents 

i

Table of contents  Table of contents............................................................................................................. i  Table of Tables .............................................................................................................. iii  Table of figures...............................................................................................................iv  Acronyms .......................................................................................................................vi  Declaration....................................................................................................................vii  Acknowledgement .......................................................................................................viii  Abstract...........................................................................................................................x  Zusammenfassung..........................................................................................................xi  1.  Introduction .............................................................................................................. 1  1.1.  Research hypotheses................................................................................................ 3  1.2.  Research questions and objectives .......................................................................... 3  2.  Conceptual framework.............................................................................................. 5  2.1.  Climate change impacts on smallholder livelihood systems.................................... 5  2.2.  Vulnerability and adaptive capacity towards climate change ................................. 5  2.3.  Adaptation to climate change: general understanding ........................................... 7  2.4.  Types of adaptation.................................................................................................. 8  2.5.  Limits and barriers to adaptation............................................................................. 9  3.  Study area ............................................................................................................... 10  3.1.  Physical characteristics........................................................................................... 10  3.1.1 

Geographical location ................................................................................................ 10  

3.1.2 

Climate ....................................................................................................................... 10 

3.1.3 

Hydrology ................................................................................................................... 11  

3.1.4 

Land cover .................................................................................................................. 11  

3.2.  Socio‐economic characteristics .............................................................................. 13  3.2.1 

Population .................................................................................................................. 13  

3.2.2 

Economic activities ..................................................................................................... 14  

4.  Materials and Methods ........................................................................................... 24  4.1.  Sample definition.................................................................................................... 24  4.2.  Livelihood assessment............................................................................................ 30  4.3.  Producer’s classification ......................................................................................... 31  4.4.  Risk analysis and adaptation to climate related risks ............................................ 32   

Table of contents 

ii

5.  Results and analysis ................................................................................................ 35  5.1.  Climate change in Brazil and the Amazon.............................................................. 35  5.1.1 

Current climate trends ............................................................................................... 35  

5.1.2 

Projected temperature and precipitation changes .................................................... 35 

5.1.3 

Climate related impacts ............................................................................................. 40  

5.1.4 

Extreme events........................................................................................................... 41  

5.1.5 

Vegetation changes savannisation ............................................................................ 42  

5.1.6 

Perception of climate related risks and their impacts in the study area.................... 43 

5.2.  Livelihood assessment............................................................................................ 45  5.2.1 

General household characterisation .......................................................................... 45  

5.2.2 

Welfare assessment ................................................................................................... 46  

5.2.3 

Production .................................................................................................................. 50  

5.2.4 

Labour ........................................................................................................................ 54 

5.3.  Perceived risks among all type of producers ......................................................... 56  5.4.  Producer’s classification ......................................................................................... 58  5.4.1 

Welfare index ............................................................................................................. 58  

5.4.2 

Income diversity index................................................................................................ 58  

5.5.  Risk analysis and adaptation to climate related risks ............................................ 64  5.5.1 

Agriculture.................................................................................................................. 64  

5.5.2 

NWFP.......................................................................................................................... 65 

5.5.3 

Fisheries...................................................................................................................... 66 

6.  Discussion ............................................................................................................... 67  6.1.  Livelihood assessment............................................................................................ 67  6.2.  Welfare assessment ............................................................................................... 67  6.3.  Production .............................................................................................................. 68  6.4.  Perceived risks among all type of producers ......................................................... 68  6.5.  Producer’s classification ......................................................................................... 68  6.6.  Risk analysis and adaptation to climate related risks ............................................ 68  7.  Conclusions ............................................................................................................. 70  8.  References .............................................................................................................. 73  APPENDIXES ................................................................................................................. 80  Appendix I. Random sampling of communities................................................................ i  Appendix II. Semi‐structured questionnaire: Livelihoods................................................ ii  Appendix III. Welfare index (price based) ......................................................................xx  Appendix IV. Semi‐structured questionnaires:  Risks................................................. .xxiv

Table of contents 

iii

Table of Tables Table 3‐1. Producer’s type classification according size of land used for agriculture ........ 17  Table  3‐2. Livestock production in Alenquer Municipality................................................. 21  Table  3‐3. Production of most important species for Alenquer......................................... 21  Table    4‐1.  Communities,  population  and  results  of  random  sampling  within  the  study  area.................................................................................................................. 29  Table  5‐1. Current climatic trends for Brazil....................................................................... 35  Table  5‐2. Projected temperature and precipitation changes for the Amazon region...... 36  Table  5‐3. Impacts on human health related to extreme events....................................... 41  Table  5‐4. Summary of the most important perceived climate event and their impacts by  community members in Alenquer .................................................................. 44  Table  5‐5. Selection of representative families based on a PCA comparing points including  & excluding animals ........................................................................................ 59  Table  5‐6. Income diversity index considering different sources of income / wellbeing .. 60  Table  5‐7. Producer’s type classification ............................................................................ 61  Table  5‐8. Final classification of producer’s group for the risk analysis............................. 62 

Table of figures 

iv

Table of figures  Figure 2.1. Conceptual framework to vulnerability assessment........................................... 6  Figure 2.2. Adaptation to climate change and variability  .................................................... 8  Figure 3.1. Calha Norte region ............................................................................................ 10  Figure 3.2. Typical landscapes of TF (top) and VA (bottom) ............................................... 11  Figure 3.3. Land cover map of the Brazilian Legal Amazon for the year 2000.................... 12  Figure 3.4. Deforestation rates in Pará, 1988 – 2008.......................................................... 13  Figure  3.5.  Landsat  image  of  the  deforestation  in  the  northern  Area  of  Amazon  River  (Alenquer).................................................................................................................... 13  Figure 3.6. Evolution of the population in Alenquer........................................................... 14  Figure  3.7.  Evolution  of  livestock  production  for  the  municipalities  in  the  Caha  Norte  region in 2001/2005 .................................................................................................... 15  Figure 3.8. Simplified scheme for agriculture (roçado) in areas of Terra Firme (Alenquer)16  Figure 3.9. Tendency of production within the Alenquer Municipality, 2000 – 2007 ........ 18  Figure 3.10. Temporary crops (planted area, ha) 1994 – 2007........................................... 18  Figure 3.11. Tendency of production of temporary crops, 1994 – 2007 ............................ 19  Figure 3.12. Non‐wood forest production 1994 – 2007...................................................... 19  Figure 3.13. Permanent crops (planted area in ha) 1994 – 2007........................................ 20  Figure 3.14. Simplified scheme for agriculture and fishing in areas of várzea ................... 23  Figure 4.1. Official presentation in the City Council from Alenquer ................................... 25  Figure 4.2. Exploratory trip to typical communities of different sectors............................ 26  Figure 4.3. Mapping the communities in situ within the study area .................................. 26  Figure 4.4. Delimitation of the study area........................................................................... 27  Figure 4.5. Principal productive activities ........................................................................... 28  Figure  4.6.  Participative  part  to  find  out  the  importance  of  income  sources  and  risks  among the producers .................................................................................................. 31  Figure 4.7. Second series of in depth interviews................................................................. 34  Figure 5.1. Projected precipitation changes in the Brazilian Amazon for the period 2071‐ 2100 ............................................................................................................................. 37  Figure 5.2. Projected temperature changes in the Brazilian Amazon for the period 2071‐ 2100 ............................................................................................................................. 38  Figure 5.3. Projections of precipitation changes (mm d‐1) for South America between 2071  and 2100 (A2 scenario) compared to the base period 1961‐1990 ............................. 39  Figure 5.4. Projections of precipitation changes (mm d‐1) for South America between 2071  and 2100 (B1 scenario) compared to the base period 1961‐1990 ............................. 39 

Table of figures 

v

Figure 5.5. Projections of temperature changes (°C) for South America between 2071 and  2100 (A2 scenario) compared to the base period 1961‐1990 .................................... 40  Figure 5.6. Projections of temperature changes (°C) for South America between 2071 and  2100 (A2 scenario) compared to the base period 1961‐1990 .................................... 40  Figure 5.7. Potential biomes for the period 2071‐2100 considering scenario A2 .............. 42  Figure 5.8. Levels of water in Amazon River (Óbidos – Baixo Amazonas region) ............... 43  Figure 5.9. Average age distribution amongst households................................................. 45  Figure  5.10.  Distribution  of  land  size  belonging  to  local  households  and  number  of  land  parcels per household ................................................................................................. 46  Figure 5.11. Animal possession amongst interviewed families .......................................... 47  Figure 5.12. Possession of several items amongst households .......................................... 48  Figure 5.13. Instruments used by fishers ............................................................................ 49  Figure 5.14. Access to electricity ......................................................................................... 49  Figure 5.15. Housing materials............................................................................................ 50  Figure 5.16. Activities related to income generation and wellbeing .................................. 50  Figure 5.17. Number of income sources ............................................................................. 51  Figure 5.18. Permanent crops amongst interviewed families ............................................ 52  Figure 5.19. Most important temporary crops amongst interviewed families................... 52  Figure 5.20. Types of animal possession amongst interviewed families ............................ 53  Figure 5.21. Non – wood forest products from the families living in TF (39 families)........ 53  Figure 5.22. Ten most important fish amongst the interviewed families........................... 54  Figure 5.23. Work outside the household........................................................................... 55  Figure 5.24. Hired labour..................................................................................................... 55  Figure 5.25. Monthly distribution of labour........................................................................ 55  Figure 5.26. Distributions of the perceived risks affecting surveyed households .............. 56  Figure 5.27. Prioritisation of perceived risks....................................................................... 57  Figure 5.28. The two most important perceived risks ........................................................ 57  Figure  5.29.  Income  and  wellbeing  sources  for  the  “Lower  welfare  index/less  diverse”  producers group .......................................................................................................... 62  Figure  5.30.  Comparison  of  activities  (income  &  wellbeing)  within  the  six  producers  groups ............................................................................................................ 63

Acronyms 

vi

Acronyms    ANA  

Agência Nacional de Aguas 

ASPROEXPA 

Associação  dos  Pequenos  Produtores  Rurais  Extrativistas  e  Pescadores Artesanai s 

CEPLAC 

 

Comissão Executiva do Plano da Lavoura Cacaueira 

CEPTEC  

 

Centro de Previsão de Tempo e Estudos Climáticos 

CIFOR   

 

Center for International Forestry Research 

DED 

 

Deutscher Entwicklungsdienst 

EMATER 

 

Empresa de Assistência Técnica e Extensão Rural do Estado do Pará 

EMBRAPA 

 

Empresa Brasilera de Pesquisa Agropecuária 

GCMs   

 

General Circulation Models 

GTZ 

 

 

Deutsche Gesellschaft für Technische Zusammenarbeit 

IPAM    

 

Instituto de Pesquisa na Amazônia 

IBGE    

 

Instituto Brasilero de Geografia Estadística 

INPE    

 

Instituto Nacional de Pesquisas Espaciais 

IPCC   

 

Intergovernmental Panel on Climate Change 

 

ProVárzea  

Projeto Manejo dos Recursos Naturais da Várzea 

RAVA  

Red de Estudios de las Condiciones Amazonicas de Vida y Ambiente  (Amazon Livelihoods and Environmental Network) 

SEMA   

 

Secretaria do Meio Ambiente de Alenquer 

SRES    

 

Special Report on Emissions Scenarios 

STR 

 

 

Sindicato de Trabalhadores Rurais de Alenquer 

UAMA  

 

Unidade de Apoio do Ministério da Agricultura em Alenquer 

UEPA   

 

Universidade do Estado do Pará 

UNIDA  

 

Unidade Integrada de Defesa Ambiental 

Z – 28   

 

Colônia de Pescadores Artesanais Z‐28 de Alenquer 

Declaration 

vii

Declaration      Name: Vanesa Eliana Rodríguez Osuna          

                  Matriculation No.: 11058441 

        Hereby  I  declare  on  oath  that  this  work  in  hand  has  been  made  independently  and  without  the  use  of  any  other  than  the  aids  given  below.  The  thoughts  taken  directly  or  indirectly  from  external  sources  are  made  recognizable  as  such.  This  work  was  not  presented to any other examination authority either in same or similar form and till now  has not been published.      Cologne, 

 

 

 

 

 

 

Signature:……………………… 

      Further  I  agree  /  do  not  agree  to  a  later  publication  of  this  Master  Thesis,  may  it  be  in  parts or as complete works within the ITT publications or within the scope of ITT’s public  relations.      Signature:…………………………….   

Acknowledgement 

viii

Acknowledgement  First of all, I would like to thank the DAAD Scholarship Program that gave me the chance  to study at ITT. Within this organisation, a special thanks to Mr. Klaus Stark, who has been  there for me to face out any inconvenience and making life in Germany more pleasant.  My deepest gratitude is extended to Prof. Gaese for his inspiring teachings and support  along the Masters Programme, from where I had the focus to carry out this research. Also  I am truly grateful for the guidance, motivation and moral support he has given me along  this time.  I am deeply thankful especially to Rui Pedroso (ITT) and Jan Börner (CIM/GTZ) that gave  me constant invaluable orientation, comments, corrections, support along the making of  this thesis. I faced several problems in my first time working in Brazil (dealing with local  language to experiencing the force of record flood episodes) but thanks to their support I  overcame  all  of  them,  leaving  in  my  memory  just  a  wonderful  and  unforgettable  experience.  This  research  is  embedded  in  the  Small  Grant  research  program  of  the  German  Federal  Ministry  for  Economic  Cooperation  and  Development  (GTZ),  “Small‐scale  producers’  adaptation  to  climate  risk  in  the  Brazilian  Amazon:  Promoting  knowledge‐to‐action  through collaboration in research and technical cooperation”.   In Brazil, I am grateful to all staff from the Amazon Initiative Consortium, who gave me a  warm  welcome  and  made  my  work  in  Belém  so  pleasant.  I  want  to  thank  some  people  whose  support  for  my  work  was  of  immense  value  for  me:  Meghan  Doiron,  Edilson  Serrão,  Zingara  Azevedo,  Javier  and  Flávia  Ruiz.  On  the  other  hand,  I  would  also  like  to  thank those people who helped me during the field work, especially Christiane Ehringhaus  (CIFOR),  who  provided  valuable  key  field  work  information  necessary  for  the  understanding of the livelihood context in Alenquer.  Thank you to the people in Alenquer, who helped me getting to know this area, opening  their doors and also supporting me with their time, information, data, and gave me just  an  unforgettable  experience:  Eracildo  Preto  Maia  &  Naldo  Maia  (Sindicato  de 

Acknowledgement 

ix

Trabalhdores Rurais), Celinho (Colonia de Pescadores Z – 28), Técnicos de EMATER, SEMA,  Prof. Aurea Nina, Associação Comunitária de Negros do Quilombo Pacoval de Alenquer,  as well as to Christiane, Xizúe, Thiago and Edilson Rodrigues from the UEPA, part of the  team carrying out some of the field work.   A special thanks to my Brazilian family (Azevedos), especially Cinara, Jessica, Dona Maria,  Zingara and also my good mates there (Amanda, Jamie, Meghan) who made it all in the  end very difficult for me to leave. You all have given me an unforgettable time in Brazil  and will always be in my mind.  I am deeply indebted to all ITT staff for your assistance in the last two years, whose help,  encouragement;  suggestions  stimulated  my  study  in  Germany.  Thanks  to  all  of  my  international mates at ITT for all the wonderful times we spend together, here especially  Shritu,  Wiwin,  Juliana,  May,  Viet,  Yonas,  Tekalegn,  Marcel,  Joseph,  Christian,  Tobias,  Fabian, Sebastian, Charlie, Martin, which I consider a very special part of my life and I am  truly blessed to have enjoyed time with you.   In  Germany,  I  must  also  say  thanks  to  my  dear  Mitbewohner  (Niki,  Stefan,  Benni),  my  German family who were there giving me constant moral support.   I  dedicate  my  thesis  to  the  memory  of  mi  Papá  Esteban,  my  family  and  my  mates  (especially Manos and Gaby) that are the most important part of my life. Thanks for your  inspiration,  love  and  support  throughout  my  life;  this  would  never  be  possible  without  you.  

Abstract 

x

Abstract    Climate models consistently predict higher incidence of extreme weather events, such as  droughts,  in  the  Amazon  region  as  well  as  a  warmer  and  drier  climate  especially  in  the  Eastern part of the biome. Past Amazon droughts demonstrated the vulnerability of both  forests and people to such local impacts of global climate change.   This  research  seeks  to  (1)  analyse  and  classify  representative  producer’s  types  in  the  study area relevant for later risk analysis, (2) to understand the perception of climatic and  non‐climatic  risks  affecting  local  producers  output  and  wellbeing,  and  (3)  identify  rural  livelihood´s exposure to climate risk and to identify their related risk coping strategies.   Representative  producer’s  types  (PT)  in  the  study  area  were  analysed  and  classified  through  randomly  sampled  semi‐structured  interviews  and  official  statistics.  Following  the classification, detailed individual and group interviews with local producers of every  PT in the studied communities were conducted and complemented by official information  from government institutions and producer cooperatives.   This  study  demonstrates  that  relative  resource  abundance  in  Amazonian  producer  settings  is  no  guarantee  for  resilience  against  future  climate  shocks  and  that  current  climate  related  risks  are  not  perceived  as  the  most  relevant  for  the  producers  and  institutions.  Climate  change  scenarios,  however,  significantly  increase  the  share  of  climate  born  risk  especially  for  poor  and  specialised  producers.  The  lack  of  appropriate  risk‐sharing institutions and safety nets for rural producers are therefore likely to become  a more important policy issue in the decades to come. The analysis of local producer risk  profiles  and  their  composition  appears  as  a  precondition  for  well  targeted  adaptation  efforts. Few studies have addressed risk in Amazonian production systems.   This  research  is  embedded  in  the  Small  Grant  research  program  of  the  German  Federal  Ministry for Economic Cooperation and Development: Small‐scale producers’ adaptation  to  climate  risk  in  the  Brazilian  Amazon;  Promoting  knowledge‐to‐action  through  collaboration in research and technical cooperation.    Keywords: Amazon, climate change, risk analyses 

           

Zusammenfassung 

xi

Zusammenfassung  Klimamodelle  prognostizieren  übereinstimmend  eine  Häufung  von  extremen  Wetterereignissen,  wie  z.b.  Dürren,  in  der  Amazonas  Region,  sowie  wärmeres  und  trockeneres  Klima,  speziell  im  Osten  dieses  Biomes.  Vergangene  Dürreperioden  im  Amazonasgebiet haben die Vulnerabilität von Wald und Mensch bezüglich solcher lokalen  Auswirkungen des globalen Klimawandels demonstriert.  Die vorliegende Studie hat zum Ziel: (1) die Analyse und Klassifizierung von representative  Produzententypen im Studiengebiet für spätere Riskoanalysen, (2) die Wahrnehmung von  Klima‐ und Nicht‐Klimarisiken welche Auswirkungen auf den Ertrag und die Wohlfahrt der  lokalen Produzentendie haben, zu verstehen, und (3) die Identifikation von der Ausetzung  ländlicher  livelihoods  gegenüber  Klimarisko,  sowie  die  zugehörigen  Riskobewältigungsstrategien.  Für  das  Studiengebiet  representative  Produzententypen  (PT)  wurden  anhand  von  semistrukturierten  Interviews  (Zufallauswahl)  und  offiziellen  Statistiken  analisiert  und  klassifiziert.  Dieser  Klassifizierung  folgend  wurden  detaillierte  Individual‐  und  Gruppeninterviews  mit  lokalen  Produzenten  jedes  PT  in  den  untersuchten  Gemeinden  durchgeführt  und  mit  offiziellen  informationen  von  Regierungsinstitutionen  und  Produzentenvereinigungen komplementiert.  Diese  Studie  demostriert,  dass  der  relative  Überfluss  natürlicher  Ressourcen  in  der  Amazonas Region keine Garantie für die Resilienz gegen künftige Klimashocks ist und dass  gegenwärtige Klimabezogene Risiken von Produzenten und lokalen Institutionen nicht als  die  relevantesten  Risiken  wahrgenommen  werden.  Klimawandelszenarien  erhöhen  allerdings den Anteil an klimabedingten Risiken; speziell für die armen und spezialisierten  Produzenten.  Der  Mangel  an  adäquaten  Institutionen  für  Risikobewältigung  und  Sicherheitsnetzwerke für ländliche Produzenten werden daher mit Wahrscheinlichkeit ein  wichtigere  Policy  Themen  innerhalb  der  nächsten  Jahrzente  werden.  Die  Analyse  von  Risikoprofilen  lokaler  Produzenten  und  deren  Zusammensetzung  erscheint  dabei  als  Voraussetzung  für  zielgerichtete  Anpassungsbemühungen.  Wenige  Studien  haben  bis  dato Risko in amazonischen Produktionsszstemen untersucht.  Diese  Studie  wurde  durchgeführt  im  Rahmen  des  Projekts  „Small‐scale  producers’  adaptation  to  climate  risk  in  the  Brazilian  Amazon;  Promoting  knowledge‐to‐action  through collaboration in research and technical cooperation“, welches im Programm für  kleine  Forschungsvorhaben  (Small  Grants  Programme)  des  Bundesministerium  für  wirtschaftliche Zusammenarbeit und Entwicklung (BMZ) eingebunden ist.   Stichwörter: Amazonas, Klimawandel, Risikoanalyse     

Chapter 1. Introduction

1.

1

Introduction 

Climate  change  is  already  widely  accepted  amongst  scientists  globally  (Feenstra  et  al.,  1998; IPCC, 2001). The most important global processes of climate change1 observed over  the past years include global warming, rise of sea level, decrease of snow cover and ice  extent,  changes  in  precipitation  patterns,  among  others  (IPCC,  2001).  Additionally,  long  term  changes  in  climate  at  continental,  regional  and  ocean  basin  scales  have  been  observed (IPCC, 2007).  Even if right now all the greenhouse gas and aerosol levels were to be stabilised, it is still  very likely that in the next two decades the warming will amount to ca. 0.2° C per decade.  Moreover,  warming  caused  by  anthropogenic  pressures  and  the  rise  of  sea  level  would  continue for centuries because of the time scales associated with climate processes and  feedbacks (IPCC, 2007).  In the past most societies have learned to cope with familiar disturbances or temporary  threats regarding climatic variability by using a series of practices. Nevertheless, climate  change in the 21st century brings new risks, many of them not included in the range of  existing  experiences,  such  as  impacts  associated  with  heatwaves,  drought,  accelerated  glacier retreat and hurricane intensity (Adger et al., 2007).  Considering these new risks,  not all groups are exposed to the same risk and therefore affected in the same way; that  is they have different adaptive capacities and some groups are especially vulnerable like  poorer  population  and  communities  in  rural  areas  (FAO,  2007;  IPCC,  2007a;  Szlafsztein,  2009).   Climate models consistently predict higher incidence of extreme weather events such as  drought in the Amazon region (Magrin et al., 2007; Mahli, 2008), projecting also a warmer  and drier climate (Case, s.a.; Fearnside, s.a.; Sampaio et al., 2007). This effect has more  intensity, when considering global climate simulations that take the connection between  warming  of  water  in  the  Pacific  Ocean  and  the  occurrence  of  El  Niño  into  account  (Fearnside, s.a.). Additionally, according to IPCC (2007a) by mid‐century a gradual process  of  savannization  in  eastern  Amazon  is  projected.  Similarly,  more  than  75%  of  climate  models  indicate  that  the  forest  to  be  found  in  the  eastern  and  southern  edges  of  this  region will be converted into savannah by 2100 (Fearnside, s.a.).  In recent decades, the rate of warming in Amazon has been about 0.25°C per decade (in  comparison  to  0.1°C  per  century  reached  at  the  end  of  the  last  glacial  period)  (Christiansen  et  al.,  2007).  Middle‐range  greenhouse  gas  emission  scenarios  projected  temperature increases of 3.3°C within this century, to some extent more in the interior  during  the  dry  season,  or  by  up  to  8°C  if  considerable  forest  dieback  has  an  effect  on  regional biophysical properties (Christiansen et al., 2007).  Global warming is accelerated by deforestation, whose impacts include the reduction in  water cycling, which in turn constrains regional precipitation (Laurance et al., 2001) and 

1

 The most pertinent definition for this study is the one from IPCC where climate change refers to any change in climate  over time, whether due to natural variability or as a result of human activity. 

Chapter 1. Introduction

2

loss  of  biodiversity  (Fearnside,  2005).  Moreover,  regional  climate  could  be  altered  in  a  significant  manner  if  deforestation  is  practiced  in  large  scales  (Case,  s.a.;  Nobre  et  al.,  1991; Sampaio et al., 2007). All these impacts contribute to the establishment of hotter  and drier conditions in the region (Case, s.a.; Sampaio et al., 2007).  While  worldwide  about  70%  of  the  total  emission  of  greenhouse  gases  (and  thus  their  warming  impacts)  results  from  the  burning  of  fossil  fuels;  in  Brazil  more  than  three‐ fourths of the emissions are produced by the Amazonian deforestation (Fearnside, s.a.).   The  “modern”  area  of  deforestation  in  the  Amazon  region  began  in  1970  with  the  Transamazon Highway (Fearnside, 2005; Moran, 1993). The drivers for deforestation are  various; however cattle ranching is the most predominant driver. Large and medium‐size  ranches  alone  account  for  around  70%  of  the  clearing  activity  (Fearnside,  2005).  The  process  of  deforestation  in  this  region  can  be  explained  by  credit  policies  that  favour  cattle ranchers (Moran, 1993).   Deforestation  accelerates  dieback  due  to  fragmentation,  edge  formation  and  their  effects,  increased  flammability  and  multiplication  of  sources  of  combustion.  This  is  important  given  that  dieback  provides  feedback  for  lower  humidity  and  higher  temperature (Alencar et al., 2004; Fearnside, 2005; Sawyer, 2008). The dieback of forest  and  the  warming  up  of  the  soil  lead  to  carbon  emission  and  further  climate  warming  (Fearnside, s.a.).  Droughts in the Amazon (especially in 1926, 1983, 1998 and 2005) have shown the high  vulnerability  of  local  economies  (Marengo  et  al.,  2008),  which  have  developed  under  water  abundance  circumstances  (CON&SEA  LTDA.,  2008).  In  2005,  the  southwestern  Amazon had experienced the most intense drought from the last 100 years that severely  affected  the  provision  of  food,  agriculture,  hydroelectricity  generation  and  river  transportation (Marengo et al., 2008).   Besides  the  sectors  of  hydroelectricity  generation  and  transport,  the  local  communities  that rely on agriculture and fishery are the most affected by longer and more intense dry  seasons  (CON&SEA  LTDA.,  2008).  Deforestation,  drought  episodes  and  the  increased  vulnerability of forest to fires (Laurance et al., 2001) also affect smallholder forest related  activities,  for  instance  the  reduced  availability  of  widely  used  medicinal  plant  species  (Shanley  &  Luz,  2003).  Fires  in  northern  Amazon  (Roraima)  in  1997,  1998  and  in  2003  showed  to  be  associated  with  El  Niño  phenomena  (Fearnside,  s.a.),  which  is  becoming  more frequent with current climate change.  Small‐scale  producers  and  poor  communities  can  be  especially  prone  to  considerable  risk2  related  to  the  impacts  of  climate  change,  because  their  economies  are  closely  related  to  climate‐sensitive  resources  such  as  local  water  and  food.  Another  factor  that  exacerbates  their  vulnerability  is  their  limited  adaptive  capacity  (Fafchaps,  2003;  IPCC,  2007a).  

2

  Risk  is  considered  as  uncertain  consequences,  when  the  chance  or  probability  of  an  outcome  is  known  in  advance  (Hardaker et al., 2004; Kahan, 2008). 

Chapter 1. Introduction

3

Risk  is  an  important  part  of  small‐holders  livelihoods,  which  can  be  associated  to  the  production  process  (e.g.  uncertainty  of  weather  and  performance  of  certain  crops  or  livestock),  market  (fluctuation  of  prices),  institutional  (unfavourable  policy  changes),  governmental (changes in rules that affect production) and personal aspects (Anderson &  Dillon, 1992; Hardaker et al., 2004; Kahan, 2008).  When considering risk, it must be noticed that, especially amongst small‐scale farmers in  developing countries, there is a tendency of them to be risk averse (Kahan, 2008). This in  turn implies that they are willing to give up some expected return in order to decrease a  risk (Hardaker et al., 2004).  According to future climate predictions a significant risk for the Amazon region has been  suggested  (Marengo  et  al.,  2008;  Case  s.a.;  Fearnside,  s.a.;  IPCC,  2007a;  Sampaio  et  al.,  2007) but also high uncertainty3 (Fearnside, s.a.). However it is important to account for  risk in order to increase the adaptive capacity of small‐scale producers that are the most  vulnerable  to  such  risks,  which  are  very  likely  to  result  in  net  annual  costs  with  the  tendency of increasing over time as global temperatures rise (IPCC, 2007a).   Identifying  and  understanding  the  sources  of  risk  faced  and  how  risk  and  risk  coping  strategies  (adaptation)  impact  the  producer’s  livelihoods,  permit  a  better  management  and  provide  tools  for  local  policy  making  and  international  organisations  to  assess  and  design  interventions  that  reduce  the  vulnerability  of  the  rural  population  and  their  economies.  

1.1.

Research hypotheses  

The information above mentioned lead to the conception of the following hypotheses:  1.

Relative  resource  abundance  in  the  Amazon  does  not  imply  low  vulnerability.  The  opposite  can  be  the  case  when  local  populations  have  traditionally  adapted  to  stable and abundant resource flows.  

2.

Under  current  climate  conditions,  climate  risk  is  not  necessarily  the  dominant  source  of  risk  for  local  producers  in  all  primary  production  sectors.  Market  and  health  risks  are  often  more  relevant.  Climate  change  is  likely  to  alter  this  relationship.    

1.2.

Research questions and objectives 

With the above conceived hypotheses, this study will focus on these research questions:  ¾ Does climate change in the Amazon represent a significant threat to local producer’s  welfare and if so, which producer’s types are most likely to be vulnerable?  ¾ What kind of producer’s type classification is relevant for risk analysis in the region?  ¾ How  is  risk  perceived  among  local  producers?  What  are  the  major  types  of  risks  affecting local producers output and wellbeing? 

3

 Uncertainty refers to the imperfect knowledge about values or about the true probabilities that different outcomes  will occur (Fearnside, s.a.; Hardaker et al., 2004; Kahan, 2008). 

Chapter 1. Introduction

4

¾ What kind of responses and strategies have they developed in order to cope with such  risks?   In order to address these questions, this study will be conducted with the following main  purposes:  1.

To  analyse  and  classify  representative  producer’s  types  in  the  study  area  relevant  for the later risk analysis 

2.

To  understand  the  perception  of  climatic  and  non‐climatic  risks  affecting  local  producers output and wellbeing 

3.

To  identify  rural  livelihood´s  exposure  to  climate  risk  and  to  identify  their  related  risk coping strategies 

                                               

Chapter 2. Conceptual framework

2.

Conceptual framework 

2.1.

Climate change impacts on smallholder livelihood systems 

5

Climate  change  impacts  on  subsistence  and  smallholder  agriculture  have  not  been  studied extensively yet. In IPCC’s Third Assessment Report (2001) this topic was not even  mentioned  explicitly.  Recently,  a  growing  number  of  studies  are  being  conducted  to  research  smallholder  livelihood  systems  in  developing  countries.  Some  of  these  are  concentrating  on  climate  variability  within  a  climate  change  context  (Thomas  et  al.,  2005a) and on the utilisation of ecosystem services (Lasco & Boer, 2006), whereas others  put  more  emphasis  on  the  processes  of  adaptation  to  these  impacts  (Thomas  et  al.,  2005a).  It is essential to consider the whole set of interrelated impacts at regional to local scales  when analysing specific impacts (Adger et al., 2003). This is especially true for smallholder  livelihood  systems  because  of  their  complexity  as  they  typically  include  a  variety  of  interacting  crop  and  livestock  species  with  potential  substitutions  (alternative  crops).  Additionally,  in  many  cases  smallholder  livelihoods  will  make  use  also  of  wild  resources  and  non‐agricultural  strategies  (Easterling  et  al.,  2007).  In  general  terms,  the  strategies  used  to  cope  with  extreme  climatic  events  will  include  alterations  in  the  relative  importance of these various livelihood elements and their interactions.  Climate  change  impacts  on  smallholder  systems  can  be  direct  or  indirect.  The  direct  impacts  are  based  on  the  changes  mainly  in  temperature,  CO2  levels  and  precipitation  that  affect  crop  yields,  the  productivity  of  livestock  and  fisheries  and  animal  health  (Easterling  et  al.,  2007).  Impacts  can  be  positive  or  negative  depending  on  the  specific  crop and therefore, may occur within the same farming system (Easterling et al., 2007).   Additionally,  the  following  physical  impacts  will  be  significant  for  smallholders  as  it  has  been  shown  in  diverse  studies:  reduced  water  availability  from  snowcaps  for  irrigation  systems  (Barnett  et  al.,  2005),  sea  level  rise  affecting  coastal  zones  (Easterling  et  al.,  2007) and more frequent landfall tropical storms (Adger et al., 2003). Furthermore, there  are other environmental impacts that start to be studied, e.g. greater forest‐fire risks in  the  Mount  Kilimanjaro  ecosystem  (Agrawala  et  al.,  2003)  or  remobilisation  of  dunes  in  semi‐arid  Southern  Africa  (Thomas  et  al.,  2005b).  Finally,  climate  change  may  impact  smallholders  indirectly  through  adverse  effects  on  human  health  affecting  labour  availability  for  agriculture  and  other  economic  activities  (e.g.  tourism)  (Easterling  et  al.,  2007).  The  potential  impacts  of  climate  change  vary  from  place  to  place,  due  to  the  different  conditions,  but  to  a  great  extent  also  because  of  a  varying  vulnerability  and  adaptive  capacity  of  a  specific  society.  Thus,  it  is  of  great  importance  to  consider  the  impacts  as  site‐specific  and  moreover,  case  specific.  The  key  concepts  vulnerability  and  adaptive  capacity will be examined closer in the following section. 

2.2.

Vulnerability and adaptive capacity towards climate change 

Vulnerability is the extent to which a system is susceptible to, and unable to cope with,  adverse  effects  of  climate  change,  that  include  both  climate  variability  and  extremes  (IPCC,  2007).  Vulnerability  depends  on  the  character,  magnitude,  and  rate  of  climate  change as well as on variation to which a system is exposed, the sensitivity and the ability 

Chapter 2. Conceptual framework

6

of  that  impacted  system  to  adapt  (adaptive  capacity)  (IPCC,  2007;  Smit  &  Pilifosova,  2001).   An integrated vulnerability assessment approach developed by Deressa et al. (2008) and  based  on  IPCC  approach  and  definition  is  considered  relevant  to  this  study  (figure  2.1),  which  could  be  interpreted  in  the  following  manner.  Producers  are  exposed  to  both  gradual  climate  change  (mainly  temperature  and  precipitation)  and  extreme  climate  change (for example, flood and drought). Exposure affects sensitivity, which means that  exposure to higher frequencies and intensities of climate risk highly affects outcome (e.g.  yield,  income,  health).  Exposure  is  also  linked  to  adaptive  capacity.  For  instance,  higher  adaptive  capacity  reduces  the  potential  damage  resulting  from  higher  exposure.  Sensitivity  and  adaptive  capacity  are  also  interrelated:  to  a  given  and  fixed  level  of  exposure,  the  adaptive  capacity  influences  the  level  of  sensitivity  (biophysical  vulnerability) and vice versa. Therefore, sensitivity and adaptive capacity add up to total  vulnerability, which is the end point as seen also by Kelly and Adger (2000).   

Figure 2.1. Conceptual framework to vulnerability assessment (Deressa et al., 2008) 

  According to Deressa et al. (2008), several types of indicators or proxy variables for the  assessment  of  vulnerability  can  be  used.  The  fist  class  of  indicators  are  to  assess  vulnerability  considering  household  characteristics,  in  this  case:  level  of  education  or  literacy rate, age, labour unit/consumer unit, assets, land value, house value, household  size,  female‐headed  households,  drinking  water  source,  household  members,  non‐farm  income, diversity of income sources, food sufficiency and adjustment measures. Amongst  biophysical indicators: soil conditions, current climate, drought and flood‐prone areas and  vegetation are considered of importance. There are also institutional indicators like social  networks (member of group or association) and institutional arrangements. The last two  categories  of  indicators  are  related  to  the  farm  characteristic  and  economy,  where  livestock  ownership,  crop  types,  cropping  systems,  fertilizer  consumption  or  input  use, 

Chapter 2. Conceptual framework

7

irrigation  rate  and  source  are  related  to  farm  characteristics.  Finally  income  level,  percentage  of  households  below  poverty  line,  food  expenditure  and  infrastructure  are  indicators associated with the economy.  Adaptive capacity has been identified as a requisite for the planning and implementation  of effective adaptation strategies and to decrease the probability and extent of adverse  effects  of  climate  change  (Brooks  et  al.,  2005).  Additionally,  adaptive  capacity,  besides  increasing the coping range, also enhances the ability to take advantage of opportunities  and  benefits  resulting  from  climate  change  (e.g.  longer  growing  seasons)  (Adger  et  al.,  2007).  A  variety  of  specific  characteristics  of  a  system,  sector  or  community  determine  its  adaptive  capacity,  namely:  available  technological  options,  available  resources  and  its  distribution,  the  structure  of  critical  institutions,  human  capital,  social  capital  and  entitlements, access to risk spreading processes, decision‐makers abilities and the public’s  perception  of  the  source  of  disturbance  and  the  significance  of  exposure  to  its  local  manifestations (Yohe & Tol, 2002; Smit & Pilifosova, 2001; Szlafsztein, 2009).   The  reinforcement  of  the  adaptive  capacity  represents  a  practical  way  of  coping  with  uncertainties  and  changes  in  climate,  reducing  the  community’s  vulnerability,  and  promoting sustainable development (Smit & Pilifosova, 2001).  After  having  reviewed  briefly  the  impacts,  vulnerability  and  adaptive  capacity  regarding  climate change the following section will provide a synthesis of the adaptation process.  

2.3.

Adaptation to climate change: general understanding 

Adaptation  is  the  adjustment  in  natural  or  human  systems  in  response  to  actual  or  expected climatic stimuli or their effects, which moderates potential damages or benefits  from  opportunities  related  to  climate  change  (IPCC,  2007;  Smit  et  al.,  2000;  Smit  &  Pilifosova,  2001).  As  different  definitions  of  this  term  can  be  found,  Smit  et  al.  (2000)  recommend  asking  the  following  questions,  which  help  to  clarify  the  concepts  and  treatment of adaptation.  Who  or  what  adapts?  (System  of  interest).  It  may  regard  people,  economic  and  social  sectors or activities, managed or unmanaged natural or ecological systems, or processes,  practices, or structures of systems.   Adaptation in what, or to what? (climate‐related stimulus or perturbations).This question  can be answered in various ways referring to climate change, to change and variability, or  just to climate. In general, the climatic stimulus can be included in three broad categories:  global climate change (long‐term trends); variability over periods ranging from few years  to several decades and isolated extreme events.  How does the adaptation occur? It refers to the processes and outcomes, which can be  passive, reactive or anticipatory; spontaneous or planned, etc.   These three elements together encompass the overall question “what is adaptation” by  first,  specifying  the  system  of  interest  (who  or  what  adapts),  then  the  climate‐related  stimulus  (adaptation  in  what,  or  to  what?)  and  finally  the  processes  and  outcomes  involved  (how  adaptation  occurs).  This  identification  exercise  should  also  include  the  additional step of evaluation, to be able to judge the value of potential adaptation (how 

Chapter 2. Conceptual framework

8

good  is  the  adaptation)  (Figure  1).  The  basis  for  the  evaluation  of  adaptations  can  be  benefits, costs, equity, urgency, efficiency and implementability (Smit et al., 2000). 

NON‐CLIMATIC  FACTORS  &  CONDITIONS 

  Figure 2.2. Adaptation to climate change and variability (Modified from Smit et al., 2000) 

There  is  a  tendency  of  many  authors  attributing  relative  small  importance  to  the  non‐ climatic forces. This can be misleading because adaptation, generally, occurs as a result of  the  interaction  of  several  climatic  and  non‐climatic  factors.  Depending  on  the  specific  case,  the  non‐climatic  factors,  especially  social  and  economical,  can  be  even  of  more  importance.   The most important features of climate change for vulnerability and adaptation are those  associated  to  variability  and  extremes  and  not  just  changed  average  conditions.  Most  sectors,  regions  and  communities  have  the  ability  to  adapt  to  changes  in  averages  conditions, especially if they are gradual. However, these communities have less capacity  to  adapt  to  changes  in  the  frequency  and  /  or  extent  of  conditions  other  than  average,  particularly extremes (Smit & Pilifosova, 2001). 

2.4.

Types of adaptation 

Diverse  geographical  scales  and  social  agencies  are  involved  in  the  adaptation  process.  Individuals, private decision makers and public agencies or governments may undertake  adaptations  in  response  to  the  impact  of  extreme  events,  at  times  anticipating  the  change,  but  frequently responding  to  specific  events.  Thus,  they  can  be  autonomous  or  planned (Smit & Pilifosova, 2001).  Human  systems  will  be  inclined  to  adapt  autonomously  (spontaneously)  to  changes  in  climate  conditions  (Smit  &  Pilifosova,  2001),  which  does  not  represent  a  conscious 

Chapter 2. Conceptual framework

9

response to climatic stimuli but “is triggered by ecological changes in natural systems and  by market or welfare changes in human systems” (IPCC, 2007).   Over  the  centuries  various  strategies  to  handle  climatic  risks  have  been  developed.  However,  damage  resulting  from  climatic  variations  and  extremes  is  considerable  and  increasing in some sectors. This shows that autonomous adaptation alone is insufficient  to offset the impacts related to temporal climatic variability and the ecological, social, and  the  economic  costs  that  result  from  relying  on  this  reactive  form  of  adaptation  (Smit  &  Pilifosova, 2001).  Planned  anticipatory  adaptation,  referred  as  proactive,  offers  a  potential  to  decrease  vulnerability and identify opportunities related to climate change. This form of adaptation  aims at increasing the adaptive capacity by making use of institutions and policies in order  to  create  or  enhance  conditions,  permitting  an  effective  adaptation  and  facilitating  investment in new technologies and infrastructure (Smit & Pilifosova, 2001). 

2.5.

Limits and barriers to adaptation  

There are obviously also limitations and impediments to adaptation. First, a high adaptive  capacity  does  not  automatically  result  in  actions  towards  the  reduction  of  vulnerability,  for  example,  even  though  a  high  capacity  to  adapt  to  heat  stress  with  relatively  cheap  adaptations  exists,  citizens  in  urban  areas  in  many  places  in  the  world  continue  to  be  exposed to high levels of mortality (Adger et al., 2007).  Second,  there  are  considerable  constraints  that  limit  adaptation,  which  include  the  limited capacity of natural systems to adapt to the magnitude and rate of climate change,  plus  financial,  technological,  cognitive,  behavioural  and  socio‐cultural  limitations  (Adger  et  al.,  2007).  These  limitations  and the  costs  of  adaptation are  presently  unclear,  partly  due to the fact that effective adaptation measures rely strongly on specific, geographical  and climate risk determinants as well as political, institutional and financial barriers (IPCC,  2007a).  After  reviewing  the  key  concepts  relevant  to  his  thesis,  a  characterisation  of  the  study  area is presented in the next section.             

Chapter 3. Study area

3.

10

 Study area 

This  study  was  carried  out  in  Alenquer  (Baixo  Amazonas),  which  physical  and  socio‐ economic characteristics are presented as follows in this section. 

3.1.

Physical characteristics 

3.1.1 Geographical location  Alenquer belongs to the mesoregion of Baixo Amazonas and is part of the “Calha Norte”  Region (figure 3.1) and to the microregion of Santarém, at the left bank of the Amazonas  River. The municipality covers an extent of 22 282 km² (IBGE, 2007) and is bordered by  the Almeirim Municipality on the north, Monte Alegre on the east, Santarém on the south  and Óbidos and Curúa on the west (IPAM, 2008) as displayed in figure 3.1.   The Calha Norte region is located between latitudes 2°N and 2°S and between longitudes  53°W and 57°W, including the micro‐regions of Óbidos, Santarém and Almeirim. It has a  total  area  of  280  490  km²,  which  corresponds  to  22.44%  of  the  total  area  of  the  Pará  State.  This  region  is  bordered  by  the  Solimões/Amazonas  River  on  the  south  and  neighbour country’s frontiers on the north (CON&SEA LTDA., 2008).      

      PARÁ  PARÁ 

 

 

 

   

Alenquer

              Figure 3.1. Calha Norte region (CON&SEA LTDA, 2008; ANA, 2007) 

3.1.2 Climate  The temperature is relative high along the whole year with a mean of 25.6°C, maximum of  30.9°C and a minimum of 22.5°C. Relative humidity is high with values between 79% and  92%. Annual pluviometric precipitation is 2 000 mm. There are two well defined seasons:  1) from December until July, with abundant rain and 2) from August to November, which 

Chapter 3. Study area

11

is  considered  dry  season  with  monthly  precipitations  below  60  mm  (EMATER,  2008).  According  to  the  Köppen  classification  of  climate,  the  Alenquer  Municipality  belongs  to  the Am (Equatorial Monsoon) category (Grieser et al., 2006). 

3.1.3 Hydrology  The principal rivers of the Municipality are: Amazonas River (south), which limits with the  Municipality of Santarém with their lakes, islands, etc. and Curúa River that is born in the  Municipality  and  cuts  its  territory  from  north  to  south,  where  a  complex  system  of  waterfalls and springs form the landscape: Cachoeirinha, Cajuti, Benfica, Japi, Brigadeiro,  Cumaru, Tracajá, Três Botas, Birimbau, Ariramba, Frieira e do Pilão (IPAM, 2008).  

3.1.4 Land cover  There are two important main subsets of forest for this area, namely: the Terra Firme (TF)  forests, which occupy most of the high lands and Várzea (VA) forests along the river flood  plain systems (De Leite et al., 2007). The TF host a great variety of plant species, including  the castanheira that is frequent in  areas where soils are less acidic. The VA area is lower  and more humid and palm trees and herbaceous vegetation are common.  

Figure 3.2. Typical landscapes of TF (top) and VA (bottom) 

Figure  3.2  displays  typical  landscapes  of  terra  firme  (top  row)  and  the  várzea  (bottom  row).  In  the  TF  region,  anthropogenic  activity  has  strongly  formed  a  cultural  landscape 

Chapter 3. Study area

12

considering that the potential vegetation of the whole area is tropical forest. The pictures  of the várzea were taken during the severe flood event in March 2009. In figure 3.3, land  cover for the Brazilian Legal Amazon including the study region (red box) is displayed. 

  Figure 3.3. Land cover map of the Brazilian Legal Amazon for the year 2000 (De Brito Carreiras et al., 2005) 

Significant  areas  in  the  study  region  are  used  for  agriculture  and  pastures.  The  natural  biome  in  equilibrium  with  the  current  climatic  conditions  and  without  human  influence  would be tropical forest for the whole study area and nearly all of Pará State. However,  human  activity  in  the  area  has  resulted  in  significant  deforestation,  in  order  to  gain  surfaces  for  agriculture  and  livestock  production.  The  deforestation  rates  for  the  whole  state of Pará between 1988 and 2008 are displayed in figure 3.4.  Average deforestation rate over the past twenty years was about 5 700 km2yr‐1. In 2004  deforestation reached a maximum of over 8 500 km2yr‐1 and has been decreasing in the  following years to an estimated 5 180 km2yr‐1 in 2008.   

Chapter 3. Study area

13

10000

6000

2

km  yr

‐1

8000

4000 2000 0 88a 89 90 91 92 93b 94b 95 96 97 98 99 00 01 02 03 04 05c 06c 07c  08d  Years

Figure 3.4. Deforestation rates in Pará, 1988 – 2008; where a = Average between 1977 and 1988; b = Average  between 1993 and 1994; c = Yearly consolidated rates & d = Estimated rate (Based on data from INPE, 2009) 

  Figure 3.5. Landsat image of the deforestation in the northern Area of Amazon River (Alenquer)  (INPE/PRODES, 2006). 

3.2.

Socio‐economic characteristics 

3.2.1 Population  The  last  census  from  IBGE  (2007)  counted  52  661  inhabitants  living  in  the  Alenquer  Municipality, while the whole Baixo Amazonas region had 323 688 inhabitants, showing  an  increase  of  25.92%  respect  to  the  period  between  1991  and  2000.  This  increase  is  relative  low  in  comparison  with  the  one  experienced  in  the  Pará  State  (46.45%  for  the  same period) (figure 3.6). For Alenquer, the rate is even lower where an increase of only  9.9%  has  been  registered.  Only  4.47%  of  the  total  population  of  the  whole  State  live  in  this area (IBGE, 2007). 

Chapter 3. Study area

14

Figure 3.6. Evolution of the population in Alenquer (IBGE, 2008) 

The demographic density for Alenquer is of 1.15 habitant km‐² (2007), which is also lower  compared  with  that  of  Pará  (5.81  habitant  km‐²).  Most  of  the  population  within  this  region lives in rural areas (IBGE, 2007).  

3.2.2 Economic activities  Family  agriculture  plays  an  important  role  in  the  region,  because  it  is  responsible  for  a  considerable part of the production of rice, beans, corn and cassava. These products are  of popular consumption and mostly come from this kind of agriculture, which generates  income  and  employment,  thus  being  of  great  importance  for  the  country  (CON&SEA  LTDA., 2008). Amongst the agricultural activities, it is of great importance the production  of  cassava  flour  (IPAM,  2008).  Other  commercial  products  such  as  jute,  soybean,  pineapple, watermelon, banana, cocoa, coconut, citrus trees, among others are regionally  produced (IPAM, 2008).   Cattle‐raising  in  the  region  is  experiencing  growth  (figure  3.7),  which  is  part  of  the  phenomena affecting the whole Amazon region since more than 15 years ago (CON&SEA  LTDA., 2008).   

Chapter 3. Study area

15

Figure 3.7. Evolution of livestock production for the municipalities in the Caha Norte region in 2001/2005  (Produção Pecuária Municipal – IBGE. In CON&SEA LTDA., 2008) 

Dense  and  rich  forests  are  abundant  in  the  Baixo  Amazonas  region,  where  species with  high commercial value, rare extracts, rubber, latex, oils and vegetable resin, besides wild  animals and the biggest mineral reserve of the country are found. Extractive production is  still  significant  in  the  Pará  State  (timber,  açaí  fruit  (Euterpe  oleracea),  brazilnut  (Bertholletia  excelsa),  cumaru  almond  (Dipteryx  odorada),  vegetable  coal,  firewood  and  palm heart). Wood extraction is the base of the economy in most of the municipalities in  Pará, surpassed only by the mineral activity (CON&SEA LTDA., 2008).   The  Baixo  Amazonas  region  has  a  vast  extension  of  várzea.  These  areas  are  one  of  the  most  important  environments  for  fishing  in  continental  waters  worldwide.  That  is  one  main  reason  to  explain  why  fishery  plays  a  very  important  role  in  the  economy  of  this  area.  1  400  fish  species  are  known  in  the  region,  from  which  only  around  400  are  commercially  exploited.  Fish  is  the main  source  of  protein  for  the communities  living  in  the  region,  where  the  major  fish  consumption  per  capita  in  the  world  was  registered  (Isaac et al., 2008). Fishing occurs in the form of subsistence fishing, commercial fishing,  ornamental fishing and sport fishing (CON&SEA LTDA., 2008).  The  main  economic  activities  in  the  Alenquer  Municipality  include  permanent  and  temporary  crops,  as  well  as  timber  and  non‐wood  forest  product  (NWFP)  extraction,  cattle farming and fishing. A simplified scheme for agricultural activities for this region in  TF and is presented in figure 3.8.    

Chapter 3. Study area

16

        -------------EXTRATIVISMO------------

                           

Figure 3.8. Simplified scheme for agriculture (roçado) in areas of Terra Firme (Alenquer)

Chapter 3. Study area

17

In addition to the simplified scheme for agriculture activities in Alenquer, according to field  interviews,  a  classification  of  producer’s  type  according  size  of  land  used  for  agriculture  is  displayed  in  table  3.1.  According  to  this  classification,  there  are  five  important  types  of  producers  in  the  agriculture  scheme,  where  35%  (tendency  to  increase)  represent  those  producers with bigger land size units for agriculture with focus on cattle farming.  Table  3‐1 Producer’s type classification according size of land used for agriculture  Producer 's type 

Size of land unit for agriculture 

%  of  producers  within  the  Municipality  of  Alenquer 

10  tarefas4  (create  a  bigger  area  to  Agriculture  with  focus  on  cattle  be  later  converted  into  pasture,  35 (tendency to increase) without  leaving  place  for  secondary  farming  forest "capoeira")  Subsistence agriculture 

2 tarefas 

20 

Subsistence  agriculture  that  also  sell  8 tarefas  part of their production 

20 

Specialists in cassava 

20  tarefas  (but  part  of  it  is  permanent land for agriculture) 

25 

Agriculture in várzea 

2 ‐ 4 tarefas 

n.a. 

Additionally,  trends  shows  the  higher  importance  of  the  temporary  crops  along  the  last  period  of  years  since  1994  (figure  3.9),  including  cassava,  corn,  rice,  beans,  jute  and  watermelon  (figure  3.10  &  3.11),  where  cassava  is  the  most  important  crop  in  terms  of  subsistence purposes and commercialisation (figure 3.10 & 3.11).  Trends regarding importance in production for the Municipality, in figure 3.9, show that the  second category of products corresponds to timber & NWFP. For the purpose of this study,  just NWFP  are taken into account,  where the most important ones in terms of production  since 1990 are brazilnut, followed by charcoal and cumaru (figure 3.12).    

4

 1 Tarefa = 0.25 ha 

Chapter 3. Study area

18

200,000 Permanent crops Temporary crops

Total production (ton)

Timber & NWFP

150,000

100,000

50,000

0 2000

2001

2002

2003

2004

2005

2006

Years

2007

 

Figure 3.9. Tendency of production within the Alenquer Municipality, 2000 – 2007 (Based on data from IBGE ‐  Produção da Extração Vegetal e da Silvicultura/ Produção Agrícola Municipal, 2009)          Rice Corn Beans

Jute (fibre)

Mandioc

Figure 3.10. Temporary crops (planted area, ha) 1994 – 2007 (Based on data from IBGE ‐ Produção Agrícola  Municipal, 2009)   

Chapter 3. Study area

19

150,000 Rice

Beans

Production (ton)

100,000

Cassava

Watermelon

50,000

Corn

0 2000

2001

2002

2003

2004

2005

2006

2007

Years

 

Figure 3.11. Tendency of production of temporary crops, 1994 – 2007 (Based on data from IBGE ‐ Produção  Agrícola Municipal, 2009)      Cumaru (almond) Açaí Charcoal (green)

Brazilnut

Figure 3.12. Non‐wood forest production 1994 – 2007 (Based on data from IBGE ‐ Produção da Extração  Vegetal e da Silvicultura, 2009) 

Continuing analysing production, the most important permanent crops, in terms of planted  area are cacao, banana, avocado, coconut, mamão (type of papaya), coffee beans, rubber,  citrus,  respectively  (figure  3.13).  While  the  tendency  regarding  produced  quantities  shows  that citrus are the most important permanent crops.   

Chapter 3. Study area

20 Mamão Coco‐da‐baía

Orange

Avocado

Coffee beans Banana 

Cacau (almond) Rubber 

Figure 3.13. Permanent crops (planted area in ha) 1994 – 2007 (Based on data from IBGE ‐ Produção Agrícola  Municipal, 2009) 

In terms of value generated for those products already mentioned, trends in the last years  show also temporary crops as the most important for generation of income, being cassava  the  dominant  product,  followed  by  corn,  rice,  beans  and  others  (IBGE,  2009).  As  second  important,  permanent  crops,  especially  banana,  orange  and  cocoa  stand  out.  Finally,  considering  values  obtained  for  non‐wood  forest  products,  brazilnut  production  gives  the  highest values, being also cumaru a product with increasing importance in the last years.  In  terms  of  cattle  farming  in  the  area,  a  characterisation  of  producers  dedicated  to  cattle  farming  is  displayed  in  table  3.2,  where  only  general  trends  are  shown.  According  to  field  interviews  with  key  informants  it  is  believed  that  around  60%  of  producers  are  big  to  medium scale livestock producers.  Fisheries in Alenquer are exclusively small‐scale and low‐tech. The great variety of fish and  locally developed fishing techniques as well as the poor infrastructure of the sector makes it  difficult  to  monitor  and  analyse.  Amazon  River  fisheries  are  affected  by  the  seasonality  of  river flows that determine size and location of fish stocks. Fishing requires few investments,  which allows fishers to also engage in other economic activities. In the Amazon region there  is  a  great  diversification  of  the  family  economy  amongst  the  small‐scale  fishers  from  VA  region. For this region, the most common activity is fishing and this income is complemented  with  the  retirement  bonus  they  receive  from  government  (31%).  Besides  those  sources  of  income,  agriculture  and  wages  complement  the  income  with  18%  and  10%  respectively  (Almeida et al., 2008).  The income of those families is complemented with the retirement bonus, family bonus and  the  fishery  subsidy  has  gained  importance.  The  prohibition  time  is  set  by  UNIDA  (15th  November until 15th March) for the fishing of eight species, namely: Mapará (Hipophtalmus  endentatus),  Curimatá  (Prochilodus  nigricans),  Branquinha  (Curimatá  amazônica),  Pacú  (Myleus  spp.),  Fura  calça  (Pimelodina  flavipinnis),  Jatuarana  (Brycon  spp.),  Pirapitinga  (Piractus brachypomus) and Aracu (Schizodon spp.). During this four months period, fishers  registered  in  the  Fisher’s  Union  receive  a  government  subsidy  equivalent  to  a  minimum  wage as compensation for these months. Besides this prohibition, there are three additional  times where it is not allowed to fish the following species: Pirarucu (01/12 – 31/05), Acari  (01/12–30/03) and Tambaqui (01/10–31/03).   

Chapter 3. Study area

21 Table  3‐2. Livestock production in Alenquer Municipality 

Type of producer 

Nomber of  animals (cattle) 

Size of  pasture,  ha 

% cattle farmers  Commments  within the  Municipality 

Big cattle farming  activity 

> 1 000 

No limit 

30% (may be over  More than 6 000 animals  estimated)  (cattle)  Compared to other  Municipalities like South of  Pará, these type of producers  in Alenquer would belong  more to a medium class  30%    Many of them have many  parcels of land and combine  pasture from TF with pasture  of VA 

  

Medium cattle farming  activity  [producer that had  already invested  significant resources in  this activity]  Small cattle farming  activity (specialised) 

100‐1 000 

75‐? 

10‐15 (maybe  underestimated)

10 ‐‐ 15 

20% 

  

60 

25 

20% 

Often they have many parcels  of land from where they  move around their livestock 

[producers that did not  invest yet too much  capital in this activity,  but are trying to grow]  Diversified producers  that also have cattle 

Fisheries from small‐scale sector in the Amazon has not been studied deeply due to the fact  that an important part of fish is consumed locally and arrives in small ports, where no fishing  statistics are carried out. This small‐scale however is very important in terms of capture and  number of people depending on these activities (Almeida et al., 2008).   Annual  production  of  2008  was  estimated  in  159  tons  (table  3.3),  where  most  of  the  unloading took place in the second semester, due of the integration of species such as Acari,  Tambaqui  and  Tucunaré,  which  represent  36%,  16%  and  10%  from  the  total  unloaded  fish  respectively (ProVarzea, 2008).    Table  3‐3. Production of most important species for Alenquer (ProVarzea, 2008)  Species  Acari  Tambaqui  Tucunaré  Curimatâ  Salada  Pescada  Aruanã  Tamoatá  Mapará  Others 

 

Production  (kg)  57 071  25 798  15 992  9 440  9 066  6 713  5 822  4 745  4 019 

35.9  16.2  10.1  5.9  5.7  4.2  3.7  3  2.5 

20 258 

12.7 

% 

Chapter 3. Study area

22

Fishing occurs mainly in this region during the dry season where catfish “bagres” are caught  easily in the river floodplain. In flooding period, fish in the lakes from VA with  species like  Mapará  (Hypophthalmus  spp)  are  caught,  besides  other  scale  fish  such  as  Tucunaré,  Tambaqui, Surubim, Pirarucu and Aracu (ISAAC et al., 2008). Flooding period is important to  consider,  because  the  activities  in  agriculture  are  then  carried  out  in  VA  (figure  3.15)  only  where the water levels are low.   During  this  time,  some people  from  this  region  practice  agriculture  in  the  restingas,  which  requires intensive labour. Livestock is also left in pastures that appear close to lakes. Besides  those activities fishing is also productive in this period (Almeida et al., 2008).  Previously, jute was planted at the beginning of the rain period, so that the plantation would  be  ready  when  the  water  level  would  be  increasing  (time  where  not  many  other  activities  take place), therefore perfect for the harvesting. Nevertheless, with the fall of jute price, the  flooding  period  became  not  very  productive  and  fishery  was  then  turned  into  the  major  activity (Pers. com. Maia & Celinho5). 

5

 Personal communication with Celinho (President of Fisher’s Union Z – 28) and Preto Maia (President of Rural Worker’s  Union) 

Chapter 3. Study area

23

Defeso (Prohibition ‐ 8 sp.) 

Ö Ö Ö Ö Ö Prohibition (Pirarucu) 

Prohibition (Acari)  Prohibition (Tambaqui) 

Rainy season 

Less rainy time 

Flooding period Drier period

Figure 3.14. Simplified scheme for agriculture and fishing in areas of várzea (Alenquer)   

Ö

Most imp. fishing period

 

Chapter 4. Materials and Methods

4.

24

Materials and Methods 

The  methodology  is  based  on  the  conception  that  climate  (and  weather)  variability  is  only  one source of risk, integrated in what is called a “risk profile”. Therefore, climate risk needs  to be analysed considering a whole set of interrelated variables, for instance other risks such  as market and personal risks and associated local adaptation strategies (Fafchamps, 2003). It  is also considered important to note that there are various factors influencing the capacity to  adapt to adverse conditions. Besides that, also the specific characteristics of a system, sector  or community are determinant to define its adaptive capacity. Considering this conception,  methods  are  organised  in  a  way  that  would  respond  the  research  questions  initially  formulated.   In  order  to  answer  the  research  question  on  producer’s  exposure  to  climate  risk,  it  was  necessary  to  revise  historical  climatic  information  from  different  sources  of  literature.  According to IUCN et al. (2009) it is of key importance to understand the climate context by  knowing  the  anticipated  impacts  of  climate  change,  current  climate,  related  hazards  affecting  the  study  area  and  their  impacts.  Besides  that,  it  was  considered  important  to  investigate current climate trends, projections of temperature and precipitation for the area  and extreme events episodes.   Also it was important to ask the producers directly whether they perceived or experienced  climate  related  extreme  events  such  as  droughts  or  floods  along  the  last  years  and  their  effects.  This  was  achieved  mainly  through  group  interviews  and  to  specific  key  informants  such as a history professor with information in such issues.   In order to propose a producer’s type classification relevant for risk analysis, it is necessary  to first define the sample size to be analised and understand the livelihood context within  different sectors of the population. In this sense, a series of actions were carried out to fulfil  this purpose. 

4.1.

Sample definition 

During the first trip to the study area, an official presentation of the project was made to the  Alenquer  City  Council  in  the  area  (figure  4.1),  to  establish  initial  contact  with  key  stakeholders,  to  achieve  a  better  understanding  of  the  context  and  to  collect  initial  considerations  for  the  design  of  the  first  surveys  directed  to  the  local  producers.  Also,  contact  was  made  to  key  organisations,  as  the  Environment  Secretary,  Producers  Associations,  Workers  Union  and  Projects,  among  others,  who  were  present  during  the  presentation.  Afterwards,  several  typical  communities  of  different  sectors,  working  with  agriculture,  fisheries  and  non‐wood  forest  extraction  were  visited  on  an  exploratory  trip  to  the  study  area (figure 4.2). In each community initial and general data was obtained in conversations  with  rural  workers.  These  first  conversations  were  used  as  guidance  for  the  design  of  the  questionnaire and the planning of the interviewing process for the next visits.  

Chapter 4. Materials and Methods

25

 

 

 

 

Figure 4.1. Official presentation in the City Council from Alenquer 

On  this  exploratory  trip,  information  such  as  number  of  inhabitants  of  the  different  communities,  maps,  technical  information  from  health  agents,  consultants  and  technicians  working  in  the  different  local  institutions6  was  gathered.  With  the  obtained  information,  a  mapping of the communities in the study area was done in situ (figure 4.3), since there were  no  maps  displaying  all  communities  in  the  area.  This  mapping  exercise  was  important  to  determine the locations of the different communities in order to plan the later field trips and  to connect the statistic information with the geographic location. For this process the aid of  personal of the Workers Union was of key importance.    

6

 ASPROEXPA, STR, EMATER, IBAM, DED, GTZ, CEPLAC, UAMA 

Chapter 4. Materials and Methods

26

Figure 4.2. Exploratory trip to typical communities of different sectors 

Figure 4.3. Mapping the communities in situ within the study area 

After  the  mapping,  in  order  to  analyse  and  classify  representative  producers  in  the  study  area, three zones were divided (figure 4.4). The first zone is mainly várzea (Salvação), while  the  second  (Camburão)  and  third  (Pedra  Redonda)  are  located  in  terra  firme.  This  zonification  was  based  on  the  stratification  by  IPAM  (2009),  where  areas  of  subsistence  agriculture,  cattle  production  and  of  potential  fishery  were  delimited  for  the  whole  region  (figure 4.5).   Once  these  three  zones  were  settled,  the  sample  size  that  guarantees  representative  data  collection within the municipality was defined based on the information of the new map and  official statistics from EMATER (2008) containing communities and their respective number  of families. Subsequently, a random selection of communities was accomplished along that  part of the Municipality for which official statistical information by IBGE (2007) is available  (appendix I). For the sampling process, a representativity of 90% for the three zones was set,  which meant 60 interviews altogether.            

Chapter 4. Materials and Methods

27

     

2

3 1

Figure 4.4. Delimitation of the study area (IBGE, 2007 & modified by Rodrigues, 2009) 

 

Chapter 4. Materials and Methods

28

2 3 1

 

Figure 4.5. Principal productive activities (IPAM, 2009) 

   

Chapter 4. Materials and Methods

29

It was possible to reach most of the desired communities with few exceptions, achieving 46  interviews  within  the  three  zones  instead  of  the  intended  60.  Results  of  that  random  sampling  are  presented  in  Table  4.1,  showing  that  only  seven  households  in  four  communities from the várzea region (zone 1) were interviewed (instead of 20 households in  ten  communities  as  statistically  defined).  This  was  due  to  the  harmful  flood  episodes  that  displaced these communities out of the area during the study period. It was also not possible  to reach Mediâ in Zone 3 for serious difficulties of road access.   Table  4‐1. Communities, population and results of random sampling within the study area  ZONE 1 (Salvação)  Community  Community Name  Number     1  2  3  4  5  6  7  8  9  10 

  VIRA VOLTA  BOCA DO ARAPIRI  CABECEIRA DO AÇAÍ  CACHINGUBA  CARMO  ILHA DO CARMO  JARAQUITUBA  MATO GROSSO  SÃO PEDRO  SURUBI‐MIRI/ BAIXO 

1  2  3  4  5  6  7  8  9  10  11  12 

BOM CUIDADO  BOM FUTURO  CAMBURÃO   CATIITU  CONCEIÇÃO  DANIEL  GOIANINHA  MEDI  OLHO D ÁGUA  SERRINHA  TANQUES  VAI QUEM QUER 

1  2  3  4  5  6  7  8  9  10  11  TOTAL 

   

AURORA  BOCA NOVA  CAJAZEIRA  CANA  FORTALEZA  IGARAPÉ DA RAIZ  IGARAPÉ DE AREIA  KM‐20  PEDRA REDONDA  POLIDÓRIO  PORTO ALEGRE    

Population (№ of  Families)    20  60  20  7  25  17  45  38  40  25  ZONE 2 (Camburão)  30  10  115  40  10  20  38  16  35  20  20  30  ZONE 3 (Pedra Redonda)  20  25  20  58  60  30  48  30  40  15  23  1 050 

Number of  families to  interview    1  4  1  1  2  1  3  2  3  2 

Achieved  interviews     1  4           1     1       

1  1  6  2  1  1  2  1  2  1  1  1 

1  1  6  2  1  1  2     2  1  1  1 

1  1  1  3  3  2  3  2  2  1  1  60 

1  1  1  3  3  2  3  2  2  1  1  46 

Chapter 4. Materials and Methods

4.2.

30

Livelihood assessment 

In  order  to  assess  the  livelihood  context  in  the  study  area,  a  semi‐structured  participative  first questionnaire (appendix II) was developed to be carried when visiting the randomised  selected communities. Information from the PEN – RAVA Project about Amazon Livelihoods  and  Environmental  Network  was  used  as  reference  when  designing  the  surveys.  That  was  done considering that as well as for this study, it was desired to generate a solid database on  the degree to which communities rely on nature resources for their livelihood and to get a  better  understanding  of  the  context  of  use  and  dependency  of  natural  resources  in  communities (Porro, 2008; PEN, 2008).   The aspects included in the designed survey of the randomly sampled household units were  the basis for the later analysis considering the following aspects:   a.  General  characterisation  of  the  property  (origin,  size  and  age  distribution  within  the households and possible affiliations to any association or cooperative)  b.  Welfare  measured  on  durable  goods:  access  to  energy,  general  goods,  working  instruments, number and type of animals  c. Commercialised and consumed production in each farm‐unit: important products  that generate income and the ones important for the daily consumption and whether  the production is enough for the family unit (self‐sufficiency)  d.  Relative  importance  of  each  source  of  income  for  the  family  unit,  in  terms  of  income and welfare  e. Commercialisation form of the products  f.  Labour  force  (outside  the  farm‐unit  and  requirement  of  labour  in  the  farm‐unit):  considering also seasonality and payment  g. Prioritisation of principal risks affecting local livelihoods (climatic and not climate  related risks)  Besides  the  regular  questions,  also  interactive  visualisations  were  developed  in  order  to  obtain better quality of data on subjective questions such as perceived risk or the subjective  importance of certain activities. For example, illustrations representing activities related to  income generation and welfare were used and the interviewees were given corn grains that  they  could  distribute  in  different  amounts  to  the  presented  activities  according  to  their  subjective importance (figure 4.6). This participative part of the interview was used in two  parts.   First, it was used to know how important for their income and welfare were their productive  activities  (agriculture,  commercialisation  of  their  products,  fisheries,  timber  and  NWFP  extraction,  working  outside  the  farm‐unit,  cattle  farming  and  bonus  or  other  government  aid). Second, to understand the perception and see the importance attributed amongst the  most important risks (climatic and non‐climatic) affecting their livelihoods which are: lower  prices for their products, lack of transport, lost products due to lack of appropriate storage,  land tenure associated risks, government policy, having people in the family willing to work  but without possibility to find who pays for the job, also when they required to hire labour  but  none  was  available,  diseases,  labour  related  accidents,  too  much  rain,  too  little  rain,  floods, accidental fires, pest or animal diseases and others. These risks were considered by  the  producers  in  the  exploratory  first  field  trip  as  significant,  for  that  reason  they  were 

Chapter 4. Materials and Methods

31

included  in  the  questionnaire  to  obtain  more  detailed  information  on  the  perceived  importance of these risks.  

 

Figure 4.6. Participative part to find out the importance of income sources and risks among the producers 

Once the survey was concluded and all information desired collected, a MS Access database  (CD  attached  as  livelihood  assessment  and  general  classification  of  producers)  was  developed to store the information and to facilitate easy access to it for the later analysis.  

4.3.

Producer’s classification 

Producers were divided into different categories in order to have homogenous groups that  can  be  analysed  later  in‐depth  through  a  second  process  of  detailed  surveys  that  were  relevant  for  the  risk  analysis.  In  order  to  create  these  categories,  two  main  aspects  were  considered. The first was related to a welfare assessment and the second to the degree of  diversification within their livelihoods. Welfare (regarded as degree of poverty according to 

Chapter 4. Materials and Methods

32

Kelly & Adger, 2000; Deressa et al., 2008) and diversification (regarded as diversity of income  sources  for  Deressa  et  al.,  2008)  are  considered  for  many  authors  as  some  important  indicators for the assessment of vulnerability.   The welfare index was based on the possession of durable goods and possession of animals.  Only  goods  that  were  common  to  all  people  were  taken  into  account.  For  that,  fishing  devices were not considered because they are used only by fishers, and could thus not be  taken into account for a common base comparison.   For the classification process itself (welfare) two different methods were used. First, STATA  Software  was  used  for  the  classification  of  representative  producer  types  relevant  for  risk  analysis using principal component analysis (PCA)7. Second, real market prices for all those  items considered in this analysis were registered in the area, so that it was possible to create  at the same time another subjective index (appendix III), which is based on points assigned  to each item (considering their price). Through this, it was possible to compare the results  with  those  of  the  PCA  to  achieve  better  results.  Both  methods  were  used  twice,  once  considering the possession of animals and the second time excluding animals. Results for the  PCA  indexes  that  were  used  as  the  base  for  the  categorisation  in  terms  of  welfare  are  presented  later  on  in  the  results  section.  The  index  was  then  used  to  separate  the  households into two groups: lower welfare index and higher welfare index, as a result of the  obtained ranking amongst the interviewed people.   On  the  other  hand,  the  diversity  index  was  calculated  by  counting  the  income  sources  of  each  household.  However,  it  was  considered  that  income  sources  with  a  stated  relative  importance of  less  than  ten  percent  were  to  be  neglected,  and  are  thus  not  considered  in  the index.   These criteria were chosen because it was considered important to analyse and compare a  group with higher welfare status versus other with lower status, as well as highly diversified  producers versus those more specialized. Finally, this resulted in the following categories: 1.  Lower welfare index + less diverse; 2. Lower welfare index + more diverse; 3. Higher welfare  index + less diverse and 4. Higher welfare index + more diverse.  Producers with fewer assets (poorer) are expected to be less prepared to cope with risk than  asset  richer  producers.  The  same  is  expected  to  be  true  for  producers  that  are  highly  specialised compared to those having diversified sources of income and welfare.  

4.4.

Risk analysis and adaptation to climate related risks 

Once the representative types of producers were already classified, a second more detailed  series  of  four  questionnaires  (appendix  IV)  were  designed  (agriculture,  NWFP  extraction,  fisheries  and  other  risks),  mainly  in  order  to  obtain  detailed  information  to  assess  vulnerability for each category.  

7

 Principal Components are a set of extracted  latent variables from the original set. The principal component is assumed  here  to  represent  a  Wealth  Index  (WI).  It  can  explain  the  majority  of  the  variance  of  the  original  household  assets.  The  assumption  herewith  is  that  “wealth”  is  what  causes  the  greatest  variation  in  the  data.  This  can  be  better  perceived  by  looking at typical right skewed income distributions. In our case one can imagine only a few households owning a “washing  machine” pushing the distribution to the right, increasing variance and in doing so increasing their score on the WI. 

Chapter 4. Materials and Methods

33

This second series of questionnaires was more in‐depth and about two hours were needed  for  each  household  (figure  4.7).  Representative  households  of  each  producer’s  type  were  chosen. It was desired to achieve three in‐depth detailed surveys for every producer’s type.  In that way a total of 12 surveys were initially planned.  These interviews were carried out with the purpose of identifying the specific behaviour of  each  representative  producer  of  each  category,  in  terms  of  their  perception  towards  extreme  events  or  climate‐related  risks,  their  effect  on  commercialised  output,  as  well  as  their  risk  coping  strategies.  Some  key  questions  were  related  to  their  experienced  loss  related to climatic risks, frequency, trends, period, and what did they do to cope with it. If  they  perceived  some  climate  related  risks  as  significant,  later  they  were  asked  to  rank  the  two more important risks and for each one, whether they would be willing to pay in case an  insurance  scheme  would  exist  to  cover  losses  due  to  such  risks.  Additionally,  questions  on  the kind of support they consider important (in case those above mentioned risks occurred)  were  asked.  Also,  it  was  inquired  directly  whether  they  consider  that  a  community  effort  could ameliorate such situation.  Another part was directed to understand general agricultural, NWFP and fisheries issues, as  for  example  normal  crop  output  (in  the  case  of  agriculture),  usual  yield  in  a  specific  time,  minimal and maximal yields and their frequency in the past ten years. Also, questions were  asked to know price fluctuations, minimal, maximal and most frequent prices obtained and  their frequencies. Besides that, it was necessary to ask labour requirement for the activities  in each sector, determining that way indirectly the annual calendar of activities, and whether  it  is  required  hiring  external  workers.  Finally  it  was  also  important  to  know  the  costs  of  inputs used in each activity.   In the case of fisheries, extra questions on types of caught fish, characteristics of their means  of  transport,  fishing  devices,  fishing  effort  (number  of  trips,  frequency,  people  involved,  among  others)  were  made.  Also  group  interviews  with  key  informants  of  producer’s  cooperatives and government institutions were carried out to verify specific data gathered in  the field work.                

Chapter 4. Materials and Methods

34  

 

 

  Figure 4.7. Second series of in depth interviews 

Chapter 5. Results and analysis

35

5.

Results and analysis 

5.1.

Climate change in Brazil and the Amazon 

5.1.1 Current climate trends  During the 20th century significant changes in precipitation amounts have been observed in  parts  of  South  America,  where  the  change  patterns  of  climatic  extremes  showed  to  be  consistent  with  a  general  warming  process  (Magrin  et  al.,  2007).  Some  current  trends  for  Brazil and specifically for the Amazon region reported by the IPCC are shown in table 5.1.    Table  5‐1. Current climatic trends for Brazil (Based on Magrin et al., 2007)  Current climate trends 

Period 

Change 

Precipitation (%) 

 

Amazon – northern/southern (Marengo, 2004) 

1949‐1999 

−11 to −17/−23 to +18 

Mean temperature (°C/10 years) 

  

  

Amazon (Marengo, 2003) 

1901‐2001 

+0.08 

Maximum temperature (°C/10 years) 

  

  

Brazil – south (Marengo & Camargo, 2007) 

1960‐2000 

+0.39 to +0.62 

Minimum temperature (°C/10 years) 

  

  

Brazil – south (Marengo & Camargo, 2007) 

1960‐2000 

+0.51 to +0.82 

 

Brazil – Campinas and Sete Lagoas (Pinto et al., 2002) 1890‐2000 

+0.2 

Brazil – Pelotas (Pinto et al., 2002) 

1890‐2000 

+0.08 

Sea‐level rise (mm yr ) 

  

  

Brazil – several ports (Mesquita, 2000) 

1960‐2000 

+4.0 

‐1

While in southern Brazil significant increases in precipitation were observed during the 20th  century  (Magrin  et  al.,  2007),  in  the  northern  parts  of  Amazon  they  have  decreased  considerably  (‐11  to  ‐17%)  between  1949  and  1999  (table  5.1).  Also  a  general  warming  process was observed in Brazil during the last century with a registered increase of 0.08°C  per decade in the Amazon. 

5.1.2 Projected temperature and precipitation changes   As  mentioned  earlier,  a  warming  process  and  changes  in  precipitation  patterns  during  the  past century have been observed in Latin America, including Amazon. In this section climatic  projections for Amazon, based on different models are discussed. Common to the models is  the use of four different scenarios established by the IPCC, the so called SRES8. 

8

 A1 = rapid economic growth; B1 = global environmentally sustainability; A2 = regionally oriented economic development;  B2 = local environmental  sustainability. 

Chapter 5. Results and analysis

36

In the 4th Assessment of IPCC, Magrin et al. (2007) estimated the projected temperature and  precipitation changes for South America and specifically for Amazon (table 5.2) using seven  different GCMs and the four SRES scenarios.   Table  5‐2. Projected temperature (°C) and precipitation (%) changes for the Amazon region  (Modified from Magrin et al., 2007)  Changes in temperature (°C) 

  

2020 

2050 

2080 

Amazon 

Dry season 

+0.7 to +1.8 

+1.0 to +4.0 

+1.8 to +7.5 

  

Wet season 

+0.5 to +1.5 

+1.0 to +4.0 

+1.6 to +6.0 

Change in precipitation (%) 

  

  

  

  

Amazon 

Dry season 

−10 to +4 

−20 to +10 

−40 to +10 

  

Wet season 

−3 to +6 

−5 to +10 

−10 to +10 

  Scenarios  for  the  Amazon  consistently  predict  temperature  increases  during  the  next  decades, following also the registered trend during the 20th century. However, the amount  of this increase is subject to growing uncertainty the further the predictions are set in the  future.   In the following figures 5.1 and 5.2, climatic projections for precipitation and temperature in  the  Amazon  region  ‐  Brazil  for  the  period  between  2071  –  2100  can  be  observed.  This  projections use regional models in two emission scenarios from IPCC (B2 –low emission and  A2 – high emission).  A precipitation decrease of 60% in summer and 20‐60% in winter is projected by three local  models for the period of 2071‐2100 considering a high emission scenario. In a low emission  scenario, the predicted decreases are somewhat less, that is 40‐60% and 20‐40% in summer  and  winter,  respectively  (figure  5.2).  The  same  models  project  a  temperature  increase  of  over 6°C in summer and 4‐6°C in winter in the A2 scenario. In the low emission scenario an  increase of 2‐4°C and 3‐4°C are projected for summer and winter, respectively (Nobre et al.,  2007).  However,  there  is  a  high  uncertainty  in  the  climate  projections  (Marengo  et  al.,  2007;  Szlafsztein,  2009;  Obregón  &  Marengo,  2007).  Problematic  is  not  only  the  uncertain  development  regarding  possible  future  emission  scenarios,  but  also  significant  differences  among different employed models (Obregón & Marengo, 2007). Figure 5.3 to 5.6 illustrate  these  considerable  differences  amongst  various  models  for  projected  precipitation  and  temperature changes considering the A2 and the B1 scenario for the period 2071‐2100.    

 

Chapter 5. Results and analysis

   

37

 

             Figure 5.1. Projected precipitation changes in the Brazilian Amazon for the period 2071‐2100 (top ‐ high emission scenario: summer left and winter right; 2nd row: bottom ‐  emission scenario: summer left and winter right) (CEPTEC / INPE, 2007)

Chapter 5. Results and analysis

     

                

38

 

Figure 5.2. Projected temperature changes in the Brazilian Amazon for the period 2071‐2100 (top ‐ high emission scenario: summer left and winter right; 2nd row: bottom ‐  emission scenario: summer left and winter right) (CEPTEC / INPE, 2007) 

Chapter 5. Results and analysis

39

Figure 5.3. Projections of precipitation changes (mm d‐1) for South America between 2071 and 2100 (A2  scenario) compared to the base period 1961‐1990 (Nobre et al., 2007) 

Figure 5.4. Projections of precipitation changes (mm d‐1) for South America between 2071 and 2100 (B1  scenario) compared to the base period 1961‐1990 (Nobre et al., 2007) 

Chapter 5. Results and analysis

40

Figure 5.5. Projections of temperature changes (°C) for South America between 2071 and 2100 (A2  scenario) compared to the base period 1961‐1990 (Nobre et al., 2007) 

Figure 5.6. Projections of temperature changes (°C) for South America between 2071 and 2100 (A2  scenario) compared to the base period 1961‐1990 (Nobre et al., 2007) 

  The  figures  above  clearly  show  the  differences  in  the  projected  precipitation  and  temperature  changes  between  the  different  models.  In  some  cases  (especially  with  precipitation)  the  differences  amongst  models  are  higher  than  differences  between  scenarios.  This  highlights  the  problematic  of  uncertainty  and  future  predictions  in  the  climate change context. 

5.1.3 Climate related impacts  Climatic  change  is  already  affecting  several  sectors  of  human  activities  in  the  area  of  public  health,  agriculture,  forestry,  water  resources  and  coastal  areas  (Obregón  &  Marengo,  2007;  Szlafsztein,  2009).  Some  negative  impacts  associated  to  strong  precipitation resulted in the increase of the flood frequency of the Amazon River (Callède  et  al.,  2004);  floods  in  the  Mamoré  basin  and  the  retreat  of  glaciers  in  Bolivia,  Peru,  Colombia and Ecuador for the changes in temperature and humidity (Vuille et al., 2003).  

Chapter 5. Results and analysis

41

Other  impacts  related  to  extreme  events  on  human  health  are  presented  in  Table  6,  where  in  general  it  can  be  observed  that  such  events  increase  the  occurrence  of  epidemics.   

Table  5‐3. Impacts on human health related to extreme events (based on data from Magrin et al.,  2007)  Location 

Extreme Event 

Health Impact 

Source 

Coastal regions of Colombia  and Venezuela  

El Niño (dry/hot)  

Epidemic malaria  

Poveda et al., 2001b;  Kovats et al., 2003 

Colombia and Guyana 

Drought 

Epidemics 

Gagnon et al., 2002 

Coastal region of Peru  

Flooding 

Epidemics 

Gagnon et al., 2002 

Brazil 

Intense rainfall and  flooding after  prolonged droughts  Drought 

Hantavirus pulmonary  syndrome  

Williams et al ., 1997;  Espinoza et al., 1998; Pini  et al., 1998; CDC, 2000  Confalonieri, 2003 

El Niño   La Niña  

Visceral leishmaniasis   Franke et al., 2002  Cutaneous leishmaniasis   Cabaniel et al., 2005 

Flodding 

Leptospirosis 

Semi‐arid north‐eastern  Brazil  Bahia State (Brazil)   Venezuela  Brazil 

Visceral leishmaniasis  

Ko et al., 1999; Kupek et  al., 2000 

  Risks in the Brazilian agriculture sector resulting from climate change are foreseen in the  next  decades.  Studies  made  by  Embrapa  &  Unicamp  (2008)  predict  that  an  increase  in  temperature in this country will reduce favourable areas for the following crops: soybean,  coffee, corn, rice, beans and cotton resulting in possible damage of R$ 7.4 billions (109) in  2020.  Exceptions  are  sugar  cane  that  would  have  space  to  expand  and  double  their  production  and  cassava,  which  even  if  loosing  planting  space  in  the  northeast  region,  it  can be planted in other regions within the country.   

5.1.4 Extreme events  According to Magrin et al. (2007), Latin America has suffered climate‐related impacts of  increased El Niño occurrences during the last three decades and the frequency of climate‐ related disasters increased by 2.4 times between the periods 1970‐1999 and 2000‐2005.  In  this  time,  two  extreme  El  Niño  (1982/83  and  1997/98)  and  other  extreme  events  occurred  contributing  significantly  to  the  increased  vulnerability  of  human  systems  to  natural disasters, such as floods, droughts, landslides, etc. (Magrin et al., 2007; Obregón  &  Marengo,  2007).  Of  the  events  between  2000  and  2005,  just  19%  were  economically  quantified  corresponding  to  losses  close  to  US$  20  billion  (Magrin  et  al.  2007).  Below  some selected extreme events and  their impacts (period 2004‐2006) from Magrin  et al.  2007) in Brazil are presented.   ¾ In 2004, the first hurricane ever observed in South Atlantic demolished more than 3  000  houses  in  southern  Brazil  and  severe  flooding  hit  eastern  Amazon  affecting  thousands of people.  ¾ Droughts  in  2004  –  2006:  central  and  south‐eastern  part  of  the  Amazon  was  affected,  which  was  probably  associated  to  warm  sea  surface  temperatures  in  the  North Atlantic; while in Rio Grande do Sul reductions of 65% and 56% in soybean and 

Chapter 5. Results and analysis

42

maize production were registered. During the 2001 ENSO period, around one‐third of  the Amazon forests became susceptible to fires, which can be exacerbated because of  the extension of a dry period in this area.  Climatic  projections  show  the  possibility  of  the  intensification  of  droughts  and  flooding  extremes occurring during El Niño events (Obregón & Marengo, 2007). This combined the  projected  warming  of  water  in  the  Atlantic  Ocean  would  result  in  a  decrease  of  precipitation and an extension of dry season in a big part of the Amazon (Marengo et al.,  2007; Obregón & Marengo, 2007).  There is a lot of uncertainty in the observed trends of the variability of extreme weather  events in Brazil due mainly to the lack of reliable information for considerable regions like  Amazon. According to Obregón &Marengo (2007) projections of extreme events in Brazil  for the twenty‐first century show in general, increases in temperature increases such as  warmer nights, heat waves and in the indicators of rain extreme events. 

5.1.5 Vegetation changes savannisation  Vegetation and climate are closely related and changes in either can affect the other. As  mentioned  before  the  natural  biome  under  current  climatic  conditions  and  without  human  influence  would  be  tropical forest  for  the  whole  study  area.  In  the  figure  below  projections for potential biomes in the period 2071‐2100 are displayed. 

Figure 5.7. Potential biomes for the period 2071‐2100 considering scenario A2 (Nobre et al., 2007) 

As  it  can  be  observed  in  figure  5.7,  13  of  15  models  predict  a  significant  process  of  savannisation  for  the  Pará  State  and  partly  also  the  study  area  within  the  next  60‐90  years.  This  predicted  process  only  considers  climate  driven  changes  and  not  human  induced land cover changes. This is also consistent with the IPCC report that states that  up  to  40%  of  the  Amazonian  forests  could  be  affected  radically  by  even  a  minor  precipitation decrease, with the possible result of rapid change in vegetation, hydrology  and regional climate system (Nobre et al., 2007). 

Chapter 5. Results and analysis

43

5.1.6 Perception  of  climate  related  risks  and  their  impacts  in  the  study  area   In a group consultation, a list of main events including droughts, floods, fires related to  climate  change  events  in  the  perspective  of  community  members  from  Alenquer  Municipality  was  constructed  (table  5.4).  Community  member  participating  in  this  consultation  included  some  authorities,  producer’s  representatives,  teachers,  reporters  from this region.  According  to  data  from  Civil  Defence  (the  Brazilian  governing  body  responsible  for  emergency response),  this  year  2009  was  the  worst  flood  episode  registered  in  the  last  sixty years. Some other extreme events that are registered in this area include extreme  floods in 1918 and then in 1953, which was the worst episode before this actual one. This  flood  event  affected  directly  more  than  400  families.  Hundreds  of  them  needed  to  be  evacuated  from  their  homes  with  significant  losses.  The  levels  of  water  in  the  Amazon  River were 9 m above their normal level (Ximango, 2009).  As  this  event  occurred  during  the  carrying  out  of  this  study,  other  directly  observed  impacts included reduced water quality, disease (especially children), crop damage/loss,  income  loss,  loss  of  savings  (fishers).  At  a  first  glance,  the  group  that  resulted  more  vulnerable when this catastrophe took place were those families living in the VA region  (Zone 1).  ANA  (2009)  recorded  that  the  levels  of  water  from  Amazon  River  in  Óbidos  (Baixo  Amazonas) surpassed previous maximum levels registered as displayed in figure 5.8. For  example,  it  can  be  observed  that  months  from  March  to  June  levels  of  water  kept  increasing reaching 8.42 m in June, considering a level of 7.7 m for this river as of “flood  alert”. 

Figure 5.8. Levels of water in Amazon River (Óbidos – Baixo Amazonas region) (ANA, 2009) 

 

Chapter 5. Results and analysis

44

Table  5‐4. Summary of the most important perceived climate event and their impacts by  community members in Alenquer  Climate risk 

Perceived impacts 

Floods  1918†, 1919, 1950, 1955, 1970 

  

1953† 

  People  from  VA  needed  to  move  to  communities  in  TF    Water  shortage,  energy  breakdown,  household  food  insecurity,  damage  to  dwellings,  evacuation  from  families living in VA  Crop loss (agriculture) ‐ "terra brejada" , produce  shortage of for instance cassava flour resulting in  price increases   Honey production loss 

1974, 1975, 1976   2006  2009† 

General:      

Dying of turtle population (Oribí, Tracajará, Pichiú)  When  the  flood  comes  quickly,  appearance  of  a  weed that kills cattle, loss of pasture, higher incidence  of snakes attacking livestock  ‡ Increase  sediment  transport  in  river  bank  (erosion  ‐  deposition process)  ‡

     Drought  1982 (stronger) 

  

1992 

Loss of livestock (lack of water) 

2005 

Reduced fish stocks (overfishing)  ‡  Fish stocks reduced  (even the more resistant fish  species died: Curimata, Acarí, Tamuatá, Jijú)  Crop loss 

‡

2006   General:  Reduced rain  1981 

Crop loss 

Fires  1980 

Damage to dwellings 

Increased intensity of rain (rainy season)  2005 ‐ 2006                                                            more intense in comparison to previous     years  Increased temperature  General: 

Dying of fish in some lakes due to reduction of levels  of oxygen in water 

† Ximango, 2009; ‡Interview to local historian (Prof. Aurea Nina) 

 

Chapter 5. Results and analysis

5.2.

45

Livelihood assessment 

5.2.1 General household characterisation  In  the  next  section  general  trends  and  other  results  based  on  the  46  interviews  from  a  total  of  26  communities  along  three  zones  are  presented  and  analised.  Within  the  first  part of the questionnaire, questions on origin of the producers, number of families living  there, age and whether they belong or not to any association or cooperative were asked.  In figure 5.9 the average age distribution of a local household is shown.  The average family in the studied area has around six members. Of these, on average 2.5  member are over 18 years and 2.3 ten years or less. The proportion of elderly (over 60)  and  the  10  to  18  years  old  is  considerably  smaller  (0.6  and  0.5  members  on  average,  respectively).    Age (years)

0.6 2.3 2.5

≤ 10 >10<18

0.5

≥ 18 ≥ 60

Figure 5.9. Average age distribution amongst households 

Most of the interviewed families are originally from the Alenquer Municipality or an area  within the Northern part of Brazil (91.30%), the rest came from the Northeast (especially  Ceará).  About  three  quarters  belong  to  an  association  or  cooperative,  being  the  most  popular the STR (Rural Workers Union). Besides that, other associations included that of  inhabitants  of  certain  communities  (Camburão,  APAS,  Canãa,  Goianinha,  Sacrificio),  farmers unions (Ambrosia, da Vila de Camburão, Sacrificio) and “Fishers Union Z – 28”.  In terms of land property, around 57% of the interviewed families stated that land tenure  was not regularised, while 37% had a proper title. The remaining 6% live on public lands.  Regarding  the  non‐regularised  areas,  the  majority  confirmed  to  have  bought  their  land  and have a receipt “recibo de compra”, but this really officially has no value. Some people  mentioned,  when  asking  about  land  tenure  that  they  lived  in  a  public  regulated  settlement (“Asentamentos”). In this context, according to Rodrigues & Szlafsztein (2009)  there  are  four  settlements  within  this  Municipality,  which  were  Curumu,  Camburão  I,  Camburão II and Salvação. The first one is oriented to production of cassava flour and also  small‐scale production of corn, rice and beans. The second settlement is oriented mainly  to  the  production  of  citrus,  livestock.  The  third  one  has  a  combination  of  brazilnut  extraction  together  with  livestock  and  agriculture.  Finally,  Salvação  has  small‐scale  fisheries and subsistence agriculture as main activities.   The information about land size during the interviews was provided in four different units  (“tarefas”, “lotes”, hectares and square meters) that was transformed all into hectares in  order to create a common basis for comparison. The transformations used are based on 

Chapter 5. Results and analysis

46

the local standards:   1 lote = 50 Tarefas 

1 ha = 10 000 m2 

1 ha = 4 tarefas 

However,  due  to  the  fact  that  some  people  use  the  local  terms  “tarefa”  and  especially  “lote”  disaccording  to  the  common  standard  there  is  a  high  probability  that  these  calculations are not accurate. Land size was categorized based partly on a previous field  characterization.   In  this  study  five  categories  were  created  according  to  results  obtained  in  the  first  interview: 1) 0 ‐ 0.5 ha; 2) >0.5 ‐ 2.5 ha; 3) >2.5 – 5 ha; 4) >5 ‐ 12.5 ha and 5) >12.5 ha.  Figure  5.10  (right)  displays  the  distribution  of  these  five  classes  among  the  interviewed  households, while the left side of this figure shows the percentage of households having  one, two or three different parcels of land. 

15%

Area (ha) 0  ‐  0.5

# of terrains 13%

1 2

52%

>0.5 ‐ ≤2.5 >2.5 ‐ ≤ 5

4%

3

15%

>5 ‐ ≤12.5 >12.5 

   Figure  5.10.  Distribution  of  land  size  belonging  to  local  households  and  number  of  land  parcels  per  household 

Figure  above  shows  that  over  half  of  the  interviewed  households  have  access  to  more  than 12.5 hectares, while about 15.22% belong to the group categorized as subsistence  farmers by previous field work with maximum half a hectare. The figure shows also that  most households (65.22%) have access to only one parcel of land, while 30.43% have two  and just a small fraction three.   In  the  case  of  the  livelihoods  from  the  VA  region,  Almeida  et  al.  (2008)  stated  that  the  mean area used for agriculture in this region is of 0.75 ha, much bigger than of 0.38 which  was registered as mean value for those of the TF region. Agriculture in VA focuses also in  temporary crops such as beans, corn, cassava and watermelon.  

5.2.2 Welfare assessment  In order to be able to categorise different types of producers within the area, a welfare  assessment was carried out considering several durable items, type of housing, electricity  access and possession of animals. Some of the results are presented as follows.  The  first  issue  in  this  section  considers  the  possession  of  the  four  most  important  domestic animals in the region: cattle, birds, horses and pork. The possession distribution  of animals amongst the interviewed households is presented in figure 5.11. 

Chapter 5. Results and analysis

47

7% 9%

4%

Cattle Possession

Horse possession

No ca ttl e

11%

43%

1 ‐ 10 ca ttl e 11 ‐ 20 ca ttl e 21‐ 100 ca ttl e + 100 ca ttl e

26%

2%

No hors es 1‐10 hors es 11‐20 hors es

68%

+20 hors es

30%

9%

7%

15%

Bird possession

15%

33% 28%

Pork possession

11%

No bi rds  

No pork

1 ‐ 10 bi rds

1‐5 pork

11 ‐ 20 bi rds

6‐10 pork

21‐ 30 birds + 30 bi rds

80%

+ 10 pork

Figure 5.11. Animal possession amongst interviewed families 

Animal possession is quite heterogeneous (figure 5.11). Most households have no or just  few  animals,  while  some  single  households  possess  large  quantities.  In  numbers  this  means that 43.48% of the households have no cattle, while 6.52% percent own over 100  cattle.  About  one  third  (30.43%)  has  between  one  to  ten  cattle.  Birds  are  the  most  commonly possessed animals. These birds mainly include chicken, rooster and also some  others (Angolan chicken and ducks). Only 15.22% of the households do not have any birds  at  all.  Most  have  1‐10  birds  (32.61%)  and  11‐20  birds  (28.26%).  Again  a  small  fraction  possesses  a  considerable  amount  of  over  30  birds  (8.70%).  Horses  and  pork  are  less  common as reflected by the percentages of households that do not have these animals  (67.39% and 80.43%, respectively).  According to Almeida et al. (2008), almost all families from VA have chicken and consume  4.2  chickens  per  month  during  the  flooding  period  and  have  around  25  animals  per  family.   When analysing the importance of animals for households, it was shown that possession  of birds was more widespread than any other animals. This might be because farm birds  have low price, little spatial requirements, no higher requirement for feeding them and  can reproduce easily.   In the case of cattle, just a small percentage of people had big amounts of cattle over 100  animals. However, it is believed that the trend is growing (seen in chapter 3) considering  also the fact that for the local population, cattle is regarded as some insurance asset. For  instance,  it  was  mentioned  that  in  cases  of  sickness  in  the  family  where  no  cash  is  available (for paying a doctor, medicine or a required immediate health care procedure),  animals can be sold immediately and thus providing the required financial resources. This 

Chapter 5. Results and analysis

48

would be not possible, when relying only on agricultural products due to the time needed  to  obtain  monetary  benefit  from  it (it  would  take  many  days  until  making  cassava  flour  and  the  money  in  return  is  subjected  to  market  oscillations  that  could  lead  to  real  low  prices  for  instance).  In  comparison  to  that,  livestock  prices  are  more  stable  and  can  be  obtained rapidly.  For the livelihoods of VA region, as they have small number of cattle, the income coming  from  this  sector  is  low  and  is  generally  spend  only  in  case  of  buying  land,  dwellings  or  ships, but also sometimes it is sold to pay regular costs and of cattle maintenance. Having  smaller  animals  (like  birds)  is  much  more  common  for  the  people  in  VA,  because  it  is  regarded as a source of animal protein, especially in the period where fish is scarce.  

% of households

The households were also asked whether they possess certain durable items. The results  are  presented  in  figure  5.13  and  were  ordered  in  descending  order  according  to  their  occurrence.   80 60 40 20

TV J ar s ur Pul ver  hous i ze r  (p e es t .) Bar P lant e rel  ( ce r rea l) Mo t or bi k Re e frig e ra t or Wa gon Pen St e Mo re o Wh t or sa w ee l b Se w arrow i ng  ma ch. P en sto DV ck  (A ç D u Sto ra g de) e  s hed Pum p Mo t or Wa Ante n shi ng   na ma c h.   flo

Ma nd

i oc

Ga s  st

o ve Bi c yc l e R a Wo di o od  sto ve

0

Possessions

Figure 5.12. Possession of several items amongst households 

The  most  common  items  owned  by  the  surveyed  households  are  gas  stoves  (73.91%),  bicycles (71.74%), radio (71.74%), wood stove (54.27%) and TV (52.17%). Also important  is  to  mention  that  (36.96%)  have  cassava  flour  houses,  where  the  most  important  agricultural product of the region can be processed.  Fishers  were  also  asked  additionally  to  the  goods  mentioned  above  about  the  working  material they possess. The results are presented in figure 5.13, again ordered descending  from  common  to  less  common.  Regarding  the  fisheries,  it  is  important  to  consider  that  the  information  results  from  only  seven  households  that  work  in  this  sector  due  to  the  harmful flooding episodes occurring at the time of the surveys.   There  are  several  instruments  used  for  fishing  that  depend  on  the  type  of  fish  to  be  caught  and  the  habitat  of  fish  (lake,  river,  springs,  etc.).    Besides  those  common  goods  mentioned  above,  for  fishers  the  most  important  fishing  items  are  nets  “malhadeira”,  “arpões” (especially for catching Pirarucú (Arapaima gigas),, “espinhel”, “camaroeira” (for  shrimps),  “canhiços”  (for  all  kinds  of  fish),  “tarrafa”,  “arco  e  flecha”  (arrow  and  bow),  “linha” (to repair their fishing nets), “tarrafa” and “isopor” (where they can store caught  fish). 

Chapter 5. Results and analysis

49

  100

% of households

80

60

40

20

Bajara

Gas bu lbs

3-4C amaroe ira s

roeir a 1 Ca ma

1-5A rco e fl e cha

a k eros e ne La mp iã o

2-3C an oes

Isop or

Tarrafa

s 4 - 10 C a nhiço

4) La mp a ri

nh a (1 -

1 Ca no e

2 Ca nh iço s

spin he l 1 -- 5 E

eira Malhad

1 - 2 Arp ões

0

Instruments used for fishing

Figure 5.13. Instruments used by fishers 

Another important question asked in the survey was whether the households have access  to electricity and by which means. The results are displayed in figure 5.14. 

15%

13%

Access to electricity Motor No a cces s

15% 26%

Acces s  to network Acces s  (not s peci fi ed)

31%

No further i nforma ti on

Figure 5.14. Access to electricity 

Roughly three quarters of the households have access to electricity, while the remaining  26.09% have no access. Thirty percent access energy through the network “Rede Celpa”,  13.04%  create  their  own  electricity  via  motor  and  15.22%  did  not  specify  the  type  of  access. For the remaining 15.22% there is no information available.  In  the  questionnaire,  it  was  also  of  interest  to  find  out  the  housing  material  (concrete,  wood  or  mud),  in  order  to  help  the  assessment  of  welfare  status  of  the  interviewed  families. The results are displayed in figure 5.15. 

Chapter 5. Results and analysis

50

Household material

24%

Concrete hous e 9% 67%

Mud hous e Wooden hous e

Figure 5.15. Housing materials 

Two thirds of houses are constructed mainly of wood, 23.91% of concrete and the rest is  build  with  mud.  These  categories  are  not  completely  precise,  since  many  houses  in  the  area are built with two or more constructing materials. In those cases the predominant  material was chosen for the categorisation.  The  importance  of  the  housing  material  as  an  indicator  of  welfare  is  considered  on  the  following  assumption.  Mud  houses  are  the  cheapest  housing  option  and  thus  reflect  relative poverty compared to the other materials. Even though, wood is also very easily  available,  the  construction  of  houses  requires  more  labour  and  especially  additional  materials  (e.g.  tools),  while  concrete  buildings  required  higher  investment  to  buy  materials from outside. 

5.2.3 Production  This  section  presents  those  results  of  the  survey  that  are  related  to  the  income  generation and wellbeing of the households, agricultural and livestock production as well  as  the  extraction  of  non‐wood  forest  products  and  fisheries.  In  figure  5.16  activities  related to income generation and wellbeing from the surveyed households are presented. 

% of households

90

60

30

er s Ot h

Co

m

me r

Ag ri c ci a ul t lis ur at e io Go n  p ve r od rn ... m en t s ub W si d or ies kf Fo or re c e s t   ou pr ts i od de uc t e xtr ac tio n Fi s he Ca rie tt l s e  p ro du cti on

0

Figure 5.16. Activities related to income generation and wellbeing 

Chapter 5. Results and analysis

51

Agriculture  is  the  most  important  activity  regarding  income  generation  and  wellbeing  (86.96%),  followed  by  commercialisation  and  selling  of  their  products  (76.09%)  and  government subsidies (69.57%) such as family bonus (“bolsa família”), retirement bonus,  fishery subsidy during four months where fishing is not permitted (“seguro desemprego”),  school subsidy (“bolsa escola”) and other wages such as teacher, health agent or from the  government or as “vaqueiro” (person who looks after the cattle) from the neighbouring  farms (figure 5.16).     Number of income sources

2% 15%

1 2

7%

3 54% 22%

4 5

Figure 5.17. Number of income sources 

The  mean  number  of  income  source  amongst  the  surveyed  households  is  1.9  sources.  Fifty‐four percent have only one source of income, while 21.74% have two. The maximum  number of sources registered was five. Regarding the different types of income sources  there  were  seven  income  groups  registered:  agricultural  products,  livestock,  fisheries,  NWFP, government subsidies, work outside the household and others. Within the groups  of  agriculture  and  NWFP  several  products  can  be  distinguished  and  are  regarded  as  income  generating  sources  of  its  own.  The  main  income  source  were  selling  of  cassava  flour (50.00%), corn (19.57%), beans (19.57%), fish (17.39%) and rice (15.22%), as well as  receiving government subsidies (13.04%) and livestock farming (10.87%). It is important  to  highlight  that  while  figure  5.16  considered  also  wellbeing  figure  5.17  only  relates  to  money generating activities.  In the next four graphs production, selling and self‐sufficiency for permanent (figure 5.18)  and  temporary  crops  (figure  5.19),  livestock  production  (figure  5.20)  and  NWFP  (figure  5.21) extraction are displayed. Permanent crops are, inter alia, avocado, banana, cacao,  coconut, cupuaçu, goiaba, graviola, citrus, manga, amongst others. 

52

25

20

15

Permanent crops 10

Producti on Sel l i ng Sel f‐s uffi ci ency

5

46

41

36

31

26

21

16

11

6

0 1

No. of permanent crops in the household

Chapter 5. Results and analysis

Houshold number

Figure 5.18. Permanent crops amongst interviewed families 

Some  households  have  a  significant  diversity  of  ten  or  more  permanent  crops  (28.96%),  while  about  45.65%  of  the  surveyed  households  have  maximum  five  different  permanent  crops.  About  80%  stated  to  be  self‐sufficient  with  their  crops  (30.43% with every crop they produce) and about one third sell some of their harvest. 

% of housholds

80

60

Legend Producti on

40

Sel l i ng Sel f‐s uffi ci ency

20

0 Mandioc

Corn

Beans

Rice

Temporary crops

Figure 5.19. Most important temporary crops amongst interviewed families 

The  most  important  temporary  crops  for  the  surveyed  households  are:  cassava  for  flour production (71.74%), corn (60.87%), beans (65.22%) and rice (47.83%), which are  widely  produced  and  consumed.  However,  cassava  flour  is  the  only  agricultural  product  that  is  sold  in  greater  scale  (63.04%)  compared  to  the  other  products  (19.57%,  28.26%  and  15.22%,  respectively).  Yet,  few  families  are  self‐sufficient  with  these  products,  e.g.  less  than  one  third  has,  at  all  times,  enough  cassava  for  own  consumption. Many of the interviewees manifested the need of buying such products 

Chapter 5. Results and analysis

53

in  certain  periods  where  pests,  bad  weather  or  unfertile  soil  have  diminished  their  own production.   

% of households

100

Legend

75

Possession

50

Selling 25

Self‐sufficiency

0 Cattle

Birds

Pork

Animals

Figure 5.20. Types of animal possession amongst interviewed families 

About 58% of the households own cattle, 28.26% also sell it and 21.74% stated to be self‐ sufficient.  Birds  are  much  more  common  (86.96%)  and  half  of  the  surveyed  households  are self‐sufficient in birds, while 28.26% also sells them. Twenty‐two percent own pork,  15.22% stated to be self‐sufficient and only 4.35% sell pork. 

% of households

60

40

Legend Extra cti on Sel l i ng

20

Sel f‐s uffi ci ency

0 Açai

Brazilnut

Cumaru

Angiroba

Non‐wood forest products

Figure 5.21. Non – wood forest products from the families living in TF (39 families) 

Cumaru  is  considered  the  most  important  product,  in  terms  of  income  generation  (51.28%),  followed  by  brazilnut  (20.51%).  For  own  consumption  açai  is  collected  by  51.28% of the families, but only 5.13% reported to sell it (figure 5.21). 

% of Interviewees

Chapter 5. Results and analysis

54

20

Legend Fi s hi ng 10

Sel l i ng Sel f‐s uffi ci ency

m ru bi

an á

Su

Ar u

Tr ai rá

cu

Pi ra ru

Pa cu

Ac ai rim at á Ta m ba qu i Tr ai rã o Cu

Ar ac u

0

Fish type

Figure 5.22. Ten most important fish amongst the interviewed families 

In  this  Baixo  Amazon  region,  fishing  can  take  place  in  river  channels  (where  “bagres”:  catfish are found) with nets and espinhéis and another part in lakes and flooding regions  (Tucunaré,  Pescada,  Pacu,  Curimatã  and  other  fish  with  scales,  besides  Mapará).  About  47.83% of the surveyed households have some kind of fishing activity, where half of them  fish only for own consumption and the other half sell the fish. From those who sell fish,  63.64% are fishers from várzea, while the remaining 36.36% eventually sell fish caught in  springs  or  small  rivers  close  to  their  livelihoods.  Figure  5.14  shows  the  ten  mostly  common  types  of  fish  caught  by  the  households  in  the  area.  Other  fish  that  were  not  included  in  the  figure  but  were  mentioned  by  fishers  are:  Tamuata,  Boco,  Pescada  br.,  Jandiá,  Acara,  Acarawasú,  Branquinha,  Baiano,  Mugubera,  Curawasú,  Cuijuba  and  Carawagú.  

5.2.4 Labour  The results of the survey regarding labour are presented in the next three figures. First,  the percentage of people that work outside their household and the type of work done is  showed in figure 5.23, as well as how many households hire external labour force and for  what purposes (figure 5.24). Then, in figure 36 distribution of labour throughout a year is  shown.  Two thirds stated to work outside the own household at least some times during a year.  Most work only certain month of the year outside, on average in four months of the year  about  5  up  to  20  days  per  month  depending  on  the  type  of  work.  The  most  important  types  of  work  are  different  activities  in  the  agricultural  sector  (64.52%)  and  work  on  a  “Fazenda” (16.13%).   

Chapter 5. Results and analysis

55

100

10%

Type of work

6%

75

Agri cul ture

3%

Do not work outs i de

%

Legend 50

Fa zenda Ca rpenter

16% 65%

Not s peci fi ed

25

Work outs i de

Ma ndi oc proces s i ng

0

Figure 5.23. Work outside the household 

100

75

5%

Type of work

Do not hi re l a bour

%

Legend 50

Agri cul ture

36% 59%

Perma nent

25

Hi re l a bour

Not s peci fi ed

0

Figure 5.24. Hired labour 

Slightly  less than  half  of  the  households  hire  external  labour  for  certain  works.  External  work is hired on average during three months of the year. The money paid per day varies  according  to  the  work  between  10  and  20R$  with  an  average  of  16R$.  59.09%  of  the  households  require  external  help  for  agriculture  related  works,  while  36.36%  did  not  specify  for  what  kind  of  activity  they  hire  labour.  Five  percent  employ  labour  permanently.  It  is  important  to  mention,  that  it  is  common  practice  in  the  region  to  exchange working days instead of using monetary payment.   60 Labour

40 % 

Outs i de hous ehol d Hi red

20 0 jan

feb mar apr may jun

jul

aug sep

oct

nov dec

Figure 5.25. Monthly distribution of labour 

Chapter 5. Results and analysis

56

Depending  on  the  household  and  on  the  required  activities  there  is  both  outside  work  and  hired  labour  throughout  all  months  of  the  year.  However,  it  is  evident  that  in  July  until November there is a considerable increase compared to the rest of the year. These  months  are  coinciding  with  the  field  work  schemes  of  agriculture  showed  in  detail  previously  in  chapter  3.  Additionally,  it  is  important  to  mention  that  the  agricultural  scheme  is  different  for  the  várzea,  which  depends  more  on  the  flooding  regime,  thus  agriculture activities are possible only in the months were land appears (drier season) and  for a shorter time.  

5.3.

Perceived risks among all type of producers 

The  last  topic  of  this  first  survey  was  to  the  question  of  how  the  surveyed  households  perceive  risk.  First  it  was  asked  to  mention  those  risks  regarded  as  significant  (figure  5.26).  

% of interviewees

100

75

50

25

1.  L 2 .  La c ow  p r k  o f  tr i ce s  an spo rt 3.  Sto 4 .  r a La n 5 .  ge Go d‐ t ver 6 .  nm e nure No n‐u en   t  p sed ol ic 7 .  y La c   labo u r  k  o fo f  8 .  D labou rce  r ise ase   force s  (f am il y) 9 .  A 10 c ci d . T en oo  ts mu 1 1. c h  T o   r a o  li i ttl e n   ra in 12 1 3. 1 4. . Fl  A c  Pe o c od i de st / nta An l  f i im re a l  di s ea se s 15.  O t he rs

0

Risks

Figure 5.26. Distributions of the perceived risks affecting surveyed households 

The most frequently mentioned risks are highlighted in red in figure 39. These are ’Low  Prices’  (84.78%),  ‘Diseases  in  the  family’  (78.26%),  ‘Accidents’  (76.09%),  ‘Too  much  and  too little rain’ (76.09% and 69.57% respectively) and ‘Pest/Animal diseases’ (73.91%). The  interviewees were then asked to assign priorities to their perceived risks. The results are  presented  in  figure  5.27  where  the  risks  from  previously  presented  were  arranged  in  descending order from most frequently mentioned to less frequent. 

Chapter 5. Results and analysis

57

90

Risk prioritisation

80

Pri ori ty 8

% of households

70

Pri ori ty 7

60

Pri ori ty 6

50

Pri ori ty 5

40

Pri ori ty 4

30

Pri ori ty 3

20

Pri ori ty 2 Pri ori ty 1

10

e Ot he rs

ur  for c

nu re  

k o f 

lab o

d Fl o o

Sto ra g e

d‐ t e

Lan

Lac

Dis

Low   pr i ce eas s es  (f a mil y) Ac cid en ts To o  m Pe uc s t/ h  r An ai n im al  d is e as e s To o  li ttle  ra Ac in cid en tal Lac  fi r e k o f  tr No a n‐u ns por se d t   la b ou r f o Go ver rc e nm   en t p oli cy

0

Rsiks

Figure 5.27. Prioritisation of perceived risks 

Even though 85% perceived ‘Low Prices’ as a risk, only 13.04% regard it as a priority 1 risk.  Considering the priority there are four risks that more households perceived as of number  one  priority:  ‘Diseases  in  the  family’  (43.48%),  ‘Accidents’  (21.74%),  ‘Pest/Animal  diseases’  (17.39%)  and  ’Lack  of  transport’  (15.22%).  In  order  to  extract  those  risks  that  were perceived as the most important, another figure was prepared where only priorities  one and two are considered (figure 5.28).  60

% of households

50 40

Risk prioritisation Pri ori ty 2

30

Pri ori ty 1 20 10

Dis

eas es  (f a m Ac il y) cid L ow ents  p T Pe s t/ oo  m ri ces An   u c im h  r a Lac l  dis e ai n k o a f  tr s es an s po rt Fl o To o  l o d i tt Lan le  ra i n d ‐t A No n‐u ccid e nure se d ent   a Go   la bo l  fi re ver ur  Lac nme f orce nt   k o f  la  poli cy bo ur  for c Sto e ra g Ot e her s

0

Risks

Figure 5.28. The two most important perceived risks  

Chapter 5. Results and analysis

58

When considering only risk priorities one and two the new descending order according to  the  perceived  risk  is  as  follows:  1)  ‘Disease’  (58.70%);  2)  ‘Accidents’  (45.65%);  3)  ‘Low  prices’ (36.96%); ‘Too much rain’ (33.61%) and ‘Pest/Animal diseases’ (28.26%).  Since  for  the  local  households  the  own  working  force  is  decisive  for  the  household’s  welfare.  Thus,  if  this  work  force  is  not  available  within  the  household  due  to  disease/accidents  there  is  no,  or  at  least  less,  productive/extractive  activity.  The  other  extern  factors  are  consequently  of  secondary  importance,  that  is  e.g.  low  prices  are  a  small problem if there is nothing to sell.  

5.4.

Producer’s classification 

The producer’s classification is divided into various parts. First, the indexes for the welfare  assessment are  presented,  followed  by  the  income  diversity  index.  Finally,  the  resulting  categorisation is presented at the end of this section. 

5.4.1  Welfare index  Comparing the results obtained with the two different methods of assessing welfare with  indices,  it  was  possibly  to  verify  that  the  categories  made  were  valid  since  the  results  were  similar.  Finally,  it  was  considered  to  use  the  FCA  index  considering  animal  possession  into  account  for  the  further  categorisation  (table  5.5).  It  was  regarded  as  important to include animals because their possession determines welfare to a big extent.  That is due to their economic value and their function as capital assets.  

5.4.2 Income diversity index  The construction of the diversity index is presented below (table 5.6), where it is to notice  that only income source of 10% or of higher importance were considered.  Addressing  these  issues  of  welfare  and  diversification  are  considered  key  underlying  factors  of  vulnerability,  which  can  lead  to  or  amplify  the  sensitivity  to  risks  and  the  dependency of communities on sensitive resources and affect the availability and control  over resources that are important to adapt to climate change.  Households  have  between  two  and  seven  sources  of  income/wellbeing  (table  5.6).  Sixteen of the 46 families are considered to be less diversified.    Based  on  the  two  indices  presented  below  (welfare  and  diversity),  the  surveyed  households were assigned into one of the below presented four groups:   1. Lower welfare index + less diverse;  2. Lower welfare index + more diverse;  3. Higher welfare index + less diverse and  4. Higher welfare index + more diverse.  Results on the households belonging to each of those categories are presented in table  5.7.     

Chapter 5. Results and analysis

59

Table  5‐5. Selection of representative families based on a PCA comparing points including &  excluding animals      Survey  No.  22 

  

Items for the principal  component analysis 

 

Survey  No. 

Ranking 

  

Items for the principal  component analysis 

‐3.223048     Jar  Stove  ‐2.485065     (wood) 

‐0.3501 

 

22 

‐3.422281     Jar 

‐0.21524 

‐0.195 

 

6 

‐2.781015     Motor 

‐0.1008 

20 

‐2.248413     Motor 

‐0.06102 

 

42 

‐2.21056 

  

40  6  36  38  37  45  26  2  10  19  31  28  29  39  46  44  30  41  34  43  13  5  3  16  27  23  25  7  24  1  4  8  11  33  14  32  9  15  18  21  12  35  17 

‐2.136338  ‐2.131575  ‐2.031513  ‐1.858209  ‐1.803993  ‐1.643419  ‐1.627209  ‐1.523988  ‐1.282859  ‐1.203665  ‐1.073708  ‐1.047953  ‐1.026589  ‐0.962545  ‐0.88525  ‐0.81642  ‐0.775497  ‐0.716957  ‐0.422994  ‐0.354364  ‐0.095612  0.2153422  0.2714894  0.3377795  0.4050876  0.4947754  0.6026419  0.6133161  0.6633223  0.8433303  1.091318  1.318972  1.388719  1.446037  1.48972  1.536127  1.602837  2.138166  2.53033  2.795231  3.118474  3.622328  4.85184 

0.063032 0.064544 0.120045 0.121503 0.121503 0.134224 0.144232 0.152478 0.155767 0.165223 0.18421  0.19305  0.209254 0.232979 0.28646  0.288239 0.304426 0.312847 0.380816                                                 

                                                                                     

29  26  19  37  20  40  45  43  41  36  34  38  31  44  46  28  39  2  8  3  1  4  14  11  23  33  25  27  18  30  24  7  5  15  17  9  13  16  10  35  32  21  12 

‐1.959382  ‐1.858549  ‐1.847494  ‐1.79983  ‐1.791744  ‐1.701271  ‐1.598868  ‐1.316225  ‐1.253912  ‐1.205875  ‐1.070988  ‐1.016293  ‐0.94289  ‐0.939842  ‐0.912825  ‐0.888316  ‐0.73849  ‐0.640916  ‐0.496662  ‐0.468617  ‐0.250005  ‐0.214091  ‐0.159802  ‐0.10642  ‐0.054191  0.0690268 0.3716473 0.4006205 0.6236882 0.7649221 0.8330269 0.8915317 0.9920869 1.113482  1.459596  1.481331  2.432147  2.620351  2.942025  3.140739  3.893699  4.322824  5.29461 

                                                                                                             

42 

 

Ranking 

                                                                                                                                

Pump  C. house  Planter  Fan  Mud house  Parab. Ant  W. house  Radio  Bike  Gas stove  Wheelb.  Motorbike  Stereo  W.mach.  Furniture  Sew.mach.  Freezer  DVD  TV                                                  

Stove  (wood)  C.  House  Fan  Mud house  Stereo  W.house  W. mach.  Bike  O. animals  Planter  Donkey  Radio  Horse  Wheelb.  Sew. mach.  Furnite  Parab. Ant  DVD  Gas stove  Cattle  Freezer  Pump  Motorbike  TV  Birds                                       

‐0.09393  0.014614 0.026218 0.026218 0.049702 0.051948 0.061358 0.091047 0.132867 0.149086 0.155218 0.162352 0.163537 0.164293 0.167696 0.17096  0.18172  0.18333  0.185883 0.229738 0.247091 0.2476  0.255689 0.283696 0.382281                                      

Chapter 5. Results and analysis

60

Table  5‐6. Income diversity index considering different sources of income / wellbeing  No.  Agriculture 

Non‐wood  forest product  extraction 

Cattle  farming 

Fisheries

Trade 

Remittance 

Working  outside the  farm as  labour force 

Others 

INDEX 

1 

30,00 

33,33 

  

  

20 

6,67 

10 

  

4 

2 

13,33 

  

 

  

 

86,67 

  

  

2 

3 

43,33 

  

23,35 

  

16,66 

  

16,66 

  

4 

4 

26,66 

  

30,00 

  

30,00 

13,34 

  

  

4 

5 

46,66 

10,00 

 

  

20,00 

23,34 

  

  

4 

6 

10,00 

6,66 

 

6,68 

33,33 

10,00 

33,33 

  

4 

7 

46,66 

13,34 

30,00 

  

10,00 

  

  

  

4 

8 

36,67 

20,00 

13,33 

  

 

20,00 

10,00 

  

5 

9 

60,00 

  

 

  

 

40,00 

  

  

2 

10 

 

  

60,00 

  

 

  

40,00 

  

2 

11 

23,44 

15,63 

 

14,06 

 

23,44 

23,44 

  

5 

12 

33,34 

  

12,12 

12,12 

15,15 

15,15 

12,12 

  

6 

13 

 

  

16,66 

  

16,66 

16,68 

  

50,00 

4 

14 

20,00 

36,00 

 

  

 

44,00 

  

  

3 

15 

26,67 

13,33 

20,00 

  

20,00 

10,00 

10,00 

  

6 

16 

46,88 

  

46,88 

  

6,25 

  

  

  

2 

17 

54,15 

  

 

  

20,85 

  

25,00 

  

3 

18 

30,00 

36,66 

 

  

6,68 

20,00 

6,66 

  

3 

19 

30,00 

16,66 

 

  

36,66 

  

16,68 

  

4 

20 

60,00 

  

 

  

 

40,00 

  

  

2 

21 

33,33 

  

 

  

50,00 

  

16,67 

  

3 

22 

13,33 

20,00 

 

13,33 

16,66 

23,35 

13,33 

  

6 

23 

24,14 

17,24 

10,34 

  

6,90 

27,59 

13,79 

  

5 

24 

26,37 

6,59 

 

2,20 

17,58 

30,77 

16,48 

  

4 

25 

35,71 

7,14 

10,71 

  

 

28,57 

17,86 

  

4 

26 

26,47 

20,59 

 

14,71 

23,53 

  

14,71 

  

5 

27 

 

  

50,00 

  

 

50,00 

  

  

2 

28 

27,94 

4,41 

 

2,94 

13,24 

  

51,47 

  

3 

29 

20,00 

  

 

  

 

40,00 

  

40,00 

3 

30 

20,69 

  

17,24 

13,79 

6,90 

24,14 

17,24 

  

5 

31 

36,36 

13,63 

9,09 

18,18 

 

22,74 

  

  

4 

32 

13,79 

3,45 

37,93 

10,34 

17,24 

17,24 

  

  

5 

33 

45,24 

16,67 

 

  

21,43 

  

16,67 

  

4 

34 

25,93 

22,22 

 

18,52 

22,22 

  

11,11 

  

5 

35 

38,71 

  

19,35 

  

22,58 

19,35 

  

  

4 

36 

17,50 

15,00 

15,00 

15,00 

12,50 

17,50 

7,50 

  

6 

37 

26,92 

11,54 

 

7,69 

15,38 

23,08 

15,38 

  

5 

38 

14,29 

14,29 

16,33 

14,29 

12,24 

16,33 

12,24 

  

7 

39 

16,00 

8,00 

24,00 

8,00 

16,00 

12,00 

16,00 

  

5 

40 

15,00 

  

  

80,00 

5,00 

  

  

  

2 

41 

6,67 

  

 

46,67 

33,33 

6,67 

6,67 

  

2 

42 

 

  

 

20,00 

60,00 

  

20,00 

  

3 

43 

 

  

 

34,62 

11,54 

34,62 

19,23 

  

4 

44 

14,29 

  

 

28,57 

14,29 

28,57 

14,29 

  

5 

45 

20,00 

  

 

46,67 

20,00 

13,33 

  

  

4 

46 

  

  

  

38,24 

29,41 

32,35 

  

  

3 

   

Chapter 5. Results and analysis

61

Table  5‐7. Producer’s type classification  Lower welfare  index/less diverse  2  20  28  29  40  41  42  46 

                  

Lower welfare    index/more diverse 3  6  8  19  22  26  31  34  36  37  38  39  43  44  45 

                              

Higher welfare  index/less diverse 9  10  14  16  17  18  21  27  Higher welfare  index/more  diverse  1  4  5  7  11  12  13  15  23  24  25  30  32  33  35 

Based on the analysis presented above and according to the four producer’s types in this  section, some main vulnerability issues have been analysed. For that reason, the income  and welfare sources presented previously for the whole sample have been now analysed  separately  for  each  group.  The  following  figure  represents  the  group  of  “Lower  welfare  index/less diverse”.  In terms of income/ wellbeing sources, when analysing the four categories separately, it  was  observed  that  considerable  differences  between  the  households  in  the  TF  and  VA.  Therefore, it was considered necessary to make a subdivision of the groups according to  the  region  (TF  or  VA).  Since  all  households  from  VA  in  this  study,  are  associated  with  a  lower  welfare  index,  this  subdivision  was  only  needed  in  two  groups  (more  and  less  diverse within the lower welfare category). The resulting six groups are listed in table 5.8  and figure 5.30 compares income and welfare within the six groups.   

Chapter 5. Results and analysis

62

100,0 75,0

Region All

50,0

Terra firme Várzea

25,0

er s Oth

Cat

tle  pr o

duc tion

P

er ie s

Fish

NW F

A gr ic u Co m ltur me e rcia lisa tion Su b sidi Wo es r k fo rc e  ou tsid e

0,0

Figure 5.29. Income and wellbeing sources for the “Lower welfare index/less diverse” producers group  

Table  5‐8. Final classification of producer’s group for the risk analysis  Group 

Description 

Gr. 1 (L+TF) 

Lower welfare index / more diverse (TF) 

Gr. 2 (L+VA) 

Lower welfare index / more diverse (VA) 

Gr. 3 (H+) 

Higher welfare index / more diverse 

Gr. 4 (L ‐TF) 

Lower welfare index / less diverse (TF) 

Gr. 5 (L ‐VA) 

Lower welfare index / less diverse (VA) 

Gr. 6 (H‐) 

Higher welfare index / less diverse 

Chapter 5. Results and analysis

63

100

Gr. 1 (LTF+) Gr. 2 (LVA+) Gr. 3 (H+) Gr. 4 (LTF ‐) Gr. 5 (LVA ‐) Gr. 6 (H‐)

50

25

Figure 5.30. Comparison of activities (income & wellbeing) within the six producers groups   

er s O th

n c tio Ca t tle  p r

odu

ies Fis

her

P NW F

tsid e e o u orc

Su b

sid

ies

Wo r kf

Co

mm er c iali sa

tio n

0

Ag ric u lt u re

% of the households

75

Chapter 5. Results and analysis

64

Figure 5.30 gives a first overview over the different distribution of activities amongst the  six  groups.  It  is  important  to  highlight  that  this  information  only  considers  how  many  producers in each category are involved within the activities; no evaluation of the extent  and  importance  of  each  activity  is  provided  yet.  Some  of  the  most  important  results  extracted are as follows:   •

All producers in the TF region in the category of “lower welfare index” (i.e. Groups  1 and 4) are involved to some extent with agriculture.  

•

Cattle and NWFP are of no relevance in the Várzea area (Gr. 2 and 5). 

•

Producers in all groups except Gr. 4 (Lower welfare index / less diverse (TF)) are  mostly selling part of their production and are thus subject to market risks. 

•

It is noteworthy to register that the highest number of subsidy receivers are found  within group 4 (higher welfare and more diverse) 

•

All  groups  except  Gr.  4  (Lower  welfare  index  TF  /  less  diverse)  and  6  (Higher  welfare  index  /  less  diverse)  are  relatively  homogeneous,  i.e.  50%  or  more  producers are involved with most activities within a group. In group four and six,  producers are more specialised and have, in general terms, one main activity (e.g.  agriculture or cattle). 

5.5.

Risk analysis and adaptation to climate related risks 

The  first  survey  showed  that  most  producers  belong  to  some  kind  of  cooperative  or  association,  mainly  producers  association  like  STR  and  Z‐28  for  the  fisher’s  case.  According to ProVarzea (2009) the number of fishers associated to Z‐28 is 3 940.  It is noteworthy that this represents a security social network, because these associations  are  giving  constant  support  and  milder  the  effects  of  certain  risks  affecting  producer’s  livelihoods.  For  instance,  in  order  to  become  a  member  it  is  necessary  a  monthly  contribution  of  2R$  for  which  they  get  some  kind  of  insurance  in  case  of  accidents,  maternity bonus, etc. So, against such risks it is regarded as important to be part of some  of these schemes that can, when occurs, ameliorate the adverse impacts of such risks.   During  the  second  survey,  chosen  representative  households  were  inquired  more  specifically  about  climate  risk  related  topics.  The  most  relevant  results  are  presented  below subdivided into the sectors. 

5.5.1 Agriculture  Most of the interviewees experienced crop loss due to the excess of rain that caused the  decay  of  the  crop’s  roots.  The  most  affected  crops  were  cassava,  beans  and  corn.  This  year’s (2009) climatic conditions were regarded by the majority as extreme; 90% of the  interviewees that work in agriculture registered significant losses in the order of 50 up to  100 percent of their production. In the context of climate related adverse impacts on the  local producers, the severe drought in 2005 that affected the region was also perceived as  an extreme that lead to significant losses.   During this second phase of interviews, several coping strategies were mentioned, such as  planting  in  higher  areas,  or  in  terrains  with  greater  sand  content  (which  in  both  cases 

Chapter 5. Results and analysis

65

reduce  the  impact  of  excessive  rain).  However,  only  few  interviewees  stated  having  access to such lands.   It  is  also  important  to  highlight  that  in  the  region  different  varieties  of  cassava  are  cultivated.  The  selection  depends  on  consumption  preferences  (texture,  colour,  taste)  market  value,  as  well  as,  in  some  cases,  resistance  properties  of  the  variety  against  unfavourable  weather  events.  The  mentioned  varieties  of  cassava  were  Minambú/  Bembasu,  Marriquinha  and  Raprano.  Amongst  the  mentioned  varieties  of  shorter  life  cycle (seven months) are found: Abacatina, Mulatinha, Esfola, Castanha, Puré, Manicuré,  Carawasú,  Mamão  and  Tucumán.  Prevention  techniques  included  using  more  resistant  varieties of cassava where the following varieties were considered as the most resistant  against excess of rain: Pinajé, Corací and Rasgadinha.   Other  measures  to  prevent  crop  losses  that  were  mentioned  are  the  diversification  of  crops within an area and following the right planting period. An additional coping strategy  included  to  work  outside  the  household  to  gain  additional  income,  thus  becoming  less  dependent on the own production.  Some of the producers showed disposition to pay for an insurance scheme (hypothetical)  that could cover losses caused by climatic impacts such as excessive rain. A mode value of  3  R$/month  was  mentioned,  which  is  similar  to  the  contribution  fee  given  to  rural  worker’s association or fisher’s union.  

5.5.2 NWFP  In general terms, interviewees involved in the NWFP sector did not associate any climate  related risks to their extractive activities. For this sector, the major concern was focused  on  market  related  risk,  i.e.  specifically  price  fluctuations.  In  this  context,  this  year  the  lowest price level for brazilnut (one of the most important NWFP in the region) in more  than  a  decade  was  reached.  According  to  information  obtained  from  one  of  the  largest  brazilnut trader in Alenquer (Suelly9) 100 R$ were paid per saca10 in 1997. In 2009, prices  had dropped to 40 R$ saca‐1 and kept falling to 35 R$ saca‐1 in mid 2009. The reasons for  curent  price  fluctuations  are  according  to  this  trader  supply,  demand  (external  market  mainly), deforestation and the world economic crisis.  The  price  level  this  year  is  so  low  that  several  of  the  interviewees  stated  that  they  will  pursue  other  activities,  such  as  agriculture  (or  cassava  flour  production)  or  livestock  production  in  case  that  prices  drop  below  a  certain  minimum.  However,  this  situation  cannot  be  analysed  merely  by  considering  the  opportunity  cost  of  the  brazilnut  extraction.  Opportunity  cost  is  relevant  for  a  certain  part  of  the  population,  especially  younger people, but is basically irrelevant or at least less relevant for communities (e.g.  Quilombola) with a strong tradition of brazilnut extraction. For the traditional users this  NWFP is an important component of the daily diet and is thus always practiced.  It  is  important  to  consider  that  climate  extremes  and  long‐term  changes  are  not  easily  perceived in this sector, thinking of the cases of brazilnut and cumaru. Climatic stress on 

9

 Personal communication with Ms. Suelly (Alenquer)   1 Saca = 60 kg 

10

Chapter 5. Results and analysis

66

the  trees  can  manifest  several  years  after  stress,  which  makes  it  difficult  to  establish  a  direct relationship with certain climatic phenomena.   

5.5.3 Fisheries  For fishers the most relevant climate related risk is flooding, since it decreases the catch  significantly. Besides the loss of income, extreme flood episodes can lead, like in this year,  to the loss of dwellings and belongings, as they mostly live in the Varzea region, which is  the  most  affected  during  such  events.  Additionally,  the  problem  of  diseases  and  loss  of  savings for future investments (money is used to cope with the adverse situation) are also  considered as negative impacts of flooding. On the other hand, certain drought episodes  that have significant negative effects on agriculture were perceived as positive for fishers,  since catching is easier and yield increases.   Climatic extreme events and/or long term changes affect the various  sectors differently  (e.g. the effects of floods and droughts on fisheries and agriculture as discussed above).  Thus, producers belonging to diverse groups (Gr. 1  ‐ 3) are less vulnerable because it is  less likely that all sectors they are involved with are confronted with a hazard at the same  time. On the other hand, less diverse groups (Gr. 4 – 6) have a lower coping capacity since  they are more specialised. Taking as an example group 5 (LVA  ‐), if the fisheries sector is  affected adversely, as happened this year due to the severe flooding they lose basically all  income since also commercial activity will be reduced or absent. 

Chapter 6. Discussion

6.

67

Discussion 

Few  studies  have  addressed  risk  in  Amazonian  production  systems  and  none  has  been  found to assess risk in the way taken in this study. A relevant study in the Amazon was  that carried out by Szlafstein (2009), who through a series of vulnerability indicators has  analysed foreseen impacts of CC in a series of projects of GTZ in the Brazilian Amazon but  at  a  more  macro  level.  Other  related  studies  that  also  used  a  “bottom‐up”  approach  (seeking to gain insights from the farmers) were found in order to assess vulnerability of  Ethiopian farmers (Deressa et al., 2008) and Aymone (2009) in South Africa.  Critical to this study is the selection of appropriate indicators to identify risks that were in  this case based on income sources and welfare. The results obtained appear to contribute  with  valid  information  on  local  producer’s  livelihoods  and  their  adaptive  capacity.  However, it is essential that further studies build on the generated data, in order to elicit  risk profiles and thus create scenarios essential for targeted adaptation efforts.   When  presenting  the  results  several  important  issues  are  important  to  be  discussed  in  this section, especially in order to carry out further research. It is essential to keep always  present that for the characterisation of livelihoods 39/46 surveys were carried out in TF  areas, while only 7 in VA where fisheries play a more important role.  Despite  the  long  preparation  for  field  work,  surveys  could  not  always  be  conducted  completely according to the plan. As stated above, some of the chosen households could  not  be  reached  due  to  the  mentioned  floods  and  bad  accessibility  to  some  areas.  As  a  result the Várzea area is under‐represented in this study.  

6.1.

Livelihood assessment 

Regarding  the  size  of  the  land  used  for  agriculture,  it  was  clear  that  the  information  obtained is not accurate, due to the difficulty of difference in units and misinterpretation.  In the study area, there were some people that were not sure exactly about the size of  the  area,  others  had  a  different  notion  of  the  same  units.  For  instance,  for  some  producers, 1 “Lote” was equivalent to 50 “tarefas”; while for others 1 “Lote” equalled 80  “tarefas”.  Certainly,  when  asking  this  question,  most  interviewees  responded  with  the  total  size  of  their  land  rather  than  with  the  size  used  for  agriculture.  Besides  that,  it  is  important  to  keep  in  mind  that  most  households  had  not  land  tenure  formally  defined,  just had “recibo de compra” (payment receipt), which has no guarantee but on the other  hand, it seemed not to be a problem in terms of being afraid of getting their land taken  away.   According to field interviews with key informants, subsistence agriculture is defined by an  area used for farming of less than 2 Tarefas (0.50 ha). Applying this definition to the area,  just 15% of the households would be defined as such, which is clearly underestimated. In  the case of VA, the mean area used for agriculture is of 0.75 ha according to Almeida et  al. (2008). 

6.2.

Welfare assessment 

In this study, it was observed that in order to make an appropriate assessment of labour,  it is of great importance to consider different schemes that do not work merely with daily 

Chapter 6. Discussion

68

payments.  In  this  sense,  schemes  such  as  exchange  of  work  amongst  producers  or  collective work (mutirão) also take place. Therefore, it is of special care to consider the  context of this information for the translation of such data into days worked in the farm‐ unit.  

6.3.

Production 

Answers  related  to  agricultural  production  were  not  always  straight  forward,  as  the  systems are complex and normally no definite “yes or no” answers can be given. The main  problem  was  measuring  the  self‐sufficiency  of  the  households.  First,  the  term  itself  showed  inappropriate  for  direct  use  because  the  households  generally  would  not  really  understand  its  meaning.  Thus,  information  was  derived  indirectly  buy  asking  first  what  was produced, what of it was sold and whether the household was in need of buying a  product in certain times. When no need for buying a product (of those produced in the  household)  was  stated,  self‐sufficiency  was  assumed.  However,  since  the  need  to  buy  certain  products  could  not  be  specified  more  in  detail,  self‐sufficiency  might  be  higher  under normal circumstances, since often only adverse situation (e.g. reduced production  due to excessive rain) forces the households to buy external products.

6.4.

Perceived risks among all type of producers 

It  is  important  to  highlight  that  even  though  in  the  time  of  the  field  study  there  was  a  severe  flooding  event  in  the  region  (as  mentioned  above),  less  then  30%  perceived  “flood”  as  a  risk  at  all  and  less  then  20%  assign  it  a  high  priority  (1  or  2).  This  can  be  however explained with the different exposure and sensitivity of households in TF and VA  to  certain  events  such  as  flooding.  While  TF  is  less  affected  by  floods,  in  VA  areas  the  impacts  can  be  severe.  Now  considering  that  precisely  because  of  this  flood  event  the  fraction of surveyed households in the VA area is less than initially planned the perceived  risk of flood for this area is as a consequence underestimated. 

6.5.

Producer’s classification 

For the calculation of the welfare index, access to electricity, even if in other regions can  be  of  potential  importance,  was  not  considered.  This  decision  was  taken  based  on  the  consideration that in the area, access to electricity does not mean directly a better status  in  comparison  to  other  with  no  access.  For  instance,  the  coverage  of  the  electricity  network is based at least partly on political decisions or other specific interests and the  access to it for a single household is thus merely a matter of chance.   For  future  studies  it  is  important  (when  desired  to  make  a  distinction  also  amongst  fishers)  in  terms  of  welfare  to  emphasize  on  the  means  of  transport  they  use,  whether  they own those means of transport and approximate local prices for the devices. This was  not  carried  out  in  depth  in  the  welfare  assessment  due  to  the  extraordinary  flood  episodes  affecting  fishers  this  year,  which  in  turn  made  it  unfeasible  to  carry  out  the  desired number of surveys to fishers.  

6.6.

Risk analysis and adaptation to climate related risks 

Asking  about  insurance  systems  was  found  very  difficult,  when  the  producers  were  hypothetically put in certain position of imagining that an insurance scheme would exist. 

Chapter 6. Discussion

69

However, this understanding problem was dealt with later by using a comparison with the  scheme used by such associations they are familiar with (for example the fisher’s union or  rural worker’s union).  In  order  to answer  the research  question  “which  producer’s  types are  most  likely  to  be  vulnerable”  all  relevant  results  presented  above  were  considered  in  order  to  create  a  qualitative ranking of climate related vulnerability among the six producer groups.   Relative  wealth  (as  measured  with  the  welfare  index)  is  considered  as  more  important  factor  than  diversity  to  determine  adaptive  capacity.  This  year  has  shown  that  due  to  different parallel mechanisms many sectors were affected simultaneously. Brazilnut price  have dropped to a record low while agriculture and fisheries suffered significant losses.  For that reason, diversity may not guarantee welfare under certain adverse situations. On  the  other  hand,  relative  wealth  influences  the  capacity  to  adapt  positively  in  a  case  of  (near to) total loss resources (cash or capital assets such as cattle) exist to cope with the  adverse situation. The results of the relative vulnerability ranking are presented in table x.   Based  on  the  analysis  the  producers  in  the  VA  that  were  categorised  as  “low  welfare  index  /  less  diverse”  have  the  smallest  adaptive  capacity  and  are  the  most  vulnerable  amongst the six groups. On the other side Gr. 3 (higher welfare index/ more diverse) are  the least vulnerable amongst the groups. It is noteworthy that the producers from VA are  ranked more vulnerable than the corresponding producers in TF. This is attributed to the  over all lower diversification in the VA compared to TF.  Cattle risk has not been analysed in a deeper extent in this study. Even though, producers  relying on related activities are also prone to risk), drought‐flood episodes may influence  the  period  of  cattle  movement  from  TF  to  VA,  resulting  in  higher  expenses  related  to  pasture rent (around 2 RS/month per unit of cattle).                            

Chapter 7. Conclusions

7.

70

Conclusions 

Due to climate changes in the 21st century, societies are now confronted by a series of  new  challenges.  Considering  that  the  current  climatic  change  processes  will  continue,  regardless  of  human  mitigation  efforts,  adaptation  will  be  a  necessary  requirement  for  societies, in order to cope with the associated problems. This is especially true for small‐ scale producers in the Amazon, whose livelihoods depend directly on climatic conditions  due  to  their  impact  on  agriculture,  wood  &  non‐wood  forest  product  extraction  and  fisheries. Nevertheless, little research has been conducted in this field.   This  study  aims  at  contributing  to  fill  the  existing  knowledge  gap.  As  presented  in  the  introduction several research hypotheses and questions were formulated for the present  study. These could be answered by the concluded research as follows.  Relative  resource  abundance  in  the  Amazon  does  not  imply  low  vulnerability.  The  opposite  can  be  the  case  when  local  populations  have  traditionally  adapted  to  stable  and abundant resource flows.   According  to  the  results  obtained  in  this  study  this  hypothesis  can  be  considered  as  confirmed. Small‐scale producers in the Amazon are vulnerable because they are highly  dependent  on  the  use  of  natural  resources  which  are  strongly  affected  by  climate  conditions. Long term climatic changes may affect the relative resource abundance of the  region and cause shifts within the entire ecosystem. In the short term there is sufficient  evidence  that  has  shown  the  vulnerability  of  local  producer  to  extreme  climate  events  such as the record drought in 2005 and the recent severe flooding in 2009.   Settlement on unstable region, like flood risk prone areas already heightens exposure to  climate  hazards.  Heavy  dependence  on  ecosystem  services  places  their  welfare  at  the  mercy  of  environmental  conditions.  As  the  availability  and  quality  of  natural  resources  decline,  so  does  the  security  of  their  livelihoods.  Limited  resources  and  capacities  for  responding to stresses such as floods and droughts limit their ability to meet basic needs  and move out of poverty.   Under current climate conditions, climate risk is not necessarily the dominant source of  risk  for  local  producers  in  all  primary  production  sectors.  Market  and  health  risks  are  often more relevant. Climate change is likely to alter this relationship.     The results of this study confirmed also the second hypothesis. Under current conditions  the most important risks to the local producers are personal risks (especially health) and  market  risks.  Climate  related  risks  are  ranked  lower  even  though  they  are  considered  significant. This is however likely to be altered by CC due to two different mechanisms. As  analysed in the climate section both more intense and more frequent extremes as well as  long term changes are predicted with enough certainty to conclude on increased future  climate related hazards. Second, climate related risks are not necessarily direct (as in the  case  of  an  extreme  event),  but  also  affect  other  domains  such  as  public  health  (related  epidemics) and markets as discussed. Thus, the share of climate born risks will increase  and will be closer linked to other risks.  

Chapter 7. Conclusions

71

¾ Does climate change in the Amazon represent a significant threat to local producer’s  welfare and if so, which producer’s types are most likely to be vulnerable?  Climate  change  projections  are  subject  to  high  degrees  of  uncertainty  as  has  been  discussed in chapter 5. However, changes are now accepted in the scientific community  (e.g. IPCC, 2007) and local producers are confronted with two main problems: long term  climate  change  (e.g.  increased  temperatures  and  chaotic  precipitation  patterns)  and  extreme weather events. In the short term the latter constitute the main threat for local  producers. And within the climate change process, however uncertain it may be, there is  a  registered  trend  to  an  increased  frequency  and  intensity  of  such  extremes  and  the  warming up to the area, which can also result in a prolongation of the dry season. This  situation is what has been projected in a regional scale for the Amazon region.  Considering  that  the  most  important  economic  activities  in  the  region  rely  on  natural  resources  (agriculture,  fisheries,  NWFP,  etc.),  which  in  turn  are  affected  strongly  by  climatic  conditions,  it  is  evident  that  extreme  weather  events  are  a  threat  to  the  local  producers.  This  is  consistent  also  with  the  local  perception  and  experiences  of  climate  risks. Considering the health aspect that can be connected to climatic events as discussed  above, climate is related directly or indirectly to most of the high priority risks that have  been registered in this study. Further research on possible effects of climate change on  other risk domains (e.g. health or markets) is needed, studying for example malaria and  its possible correlation with flood events.  In  general  terms,  the  VA  producers  were  less  diversified  than  those  in the  TF  and all  of  them were ranked as with lower welfare index. Sensitivity towards flood events is higher  in  VA  groups  (flood‐plain  system), where  Group  5  (lower welfare  index and  less diverse  from  VA)  presents  the  lowest  adaptive  capacity  (lowest  welfare  and  diversification)  this  group is likely to be the most vulnerable followed by those producers of the same group  in the TF.  ¾ What kind of producer’s type classification is relevant for risk analysis in the region?  A classification based on sectors was considered inappropriate for this study, due to the  complex interactions that many producers have within several sectors. Moreover, some  producers  get  involved  with  other  sectors  occasionally  as  a  response  to  certain  risks  threatening their livelihood.  In  this  study,  classification  considering  welfare  and  income  sources  (diversity)  was  regarded and proved as likely to be appropriate for risk analysis. Additionally, it resulted  important  to  also  differentiate  between  Várzea  and  Terra  Firme  households  due  to  significant differences amongst the producers and the biophysical environment.  ¾ How  is  risk  perceived  among  local  producers?  What  are  the  major  types  of  risks  affecting local producers output and wellbeing?  Risk types that have been mentioned most frequently and that have been ranked as most  important are “personal risks” (diseases and accidents), market related risks (low prices)  and climate related risks (excessive rain). All of them are perceived as a potential threat  to  the  producer’s  livelihoods  in  general.  However,  there  are  differences  among  the  risk  types as of how they affect local producers. Personal risks affect the household directly by  reducing  the  available  work  force  with  the  result  that  production  is  either  reduced  or  external labour is required. In either case it constitutes some sort of loss, be it in the form 

Chapter 7. Conclusions

72

of additional costs for the hired labour and/or bought products or else the loss of income  for not produced products.   Market  risks  do  not  affect  the  producer’s  output.  They  affect  those  producers  that  sell  their  products  and  the  main  mentioned  risk  “low  prices”  impacts  them  adversely  by  decreasing  their  income.  This  risk  might  be  less  severe  for  those  producers  that  have  a  diverse production and are self sufficient, while those specialised require the income in  order to purchase products they do not produce themselves.  Climate related risks may decrease the local producers output, as it is the case for fishers  during  floods  or  agriculture  during  droughts  or  excessive  rain.  A  clear  example  was  directly observed this year, where most interviewed households in the second round of  interviews mentioned having losses in agriculture from 50 up to 100%.  It is important to always have in mind that certain climatic event such as too much rain  can result in loss of crop yields, thus the production in general decreases, which in turn  results  in  price  increases.  The  combination  of  these  two  consequences  may  have  a  synergistic adverse effect on those producers that lost production (they cannot sell, and  may  even  have  to  buy  for  own  consumption  at  increased  prices).  However,  those  producers  that  were  not  or  less  affected,  for  instance  for  farming  in  higher  lands,  can  benefit from this situation because their products will gain higher prices and increase thus  the producer income.  ¾ What  kind  of  responses  and  strategies  have  they  developed  in  order  to  cope  with  such risks?   The  main  strategy  is  a  relative  diversification  of  activities  within  several  productive/extractive  sectors,  as  two  thirds  of  the  surveyed  households  have  four  or  more income sources. Within the agricultural sector the use of more resistant varieties of  cassava (the main crop) which are less affected by excessive rain was registered.  Other strategies included additional work outside the own households activities in order  to  gain  additional  income  during  adverse  situations  which  reduce  the  own  production.  Especially within the NWFP sector it was registered that some producers would abandon  extractive  activities  in  order  to  dedicate  to  other  activities  (especially  cassava  flour  production) if the sector was adversely affected as by this year’s low prices.  Two  insurance  schemes  have  been  observed  in  the  area.  One  is  the  membership  in  an  association  or  union  (STR  or  Z‐  28) that  for  a monthly  financial contribution  can  help  in  adverse  situations  as  has  been  stated  in  the  discussion  (health,  personal).  Besides  that  they make certain lobbying and can represent better rights of their representatives such  as compensation in the months where fishing is forbidden, retirement payments, etc.  These associations have thus a function of a kind of social network that helps its members  when  needed.  The  other  is  the  use  of  cattle  as  a  capital  asset  that  can  provide  cash  in  emergency situations within a short time.          

Chapter 8. References

8.

73

References 

Adger,  W.N.,  S.  Agrawala,  M.M.Q.  Mirza,  C.  Conde,  K.  O’Brien,  J.  Pulhin,  R.  Pulwarty,  B.  Smit  and  K.  Takahashi.  2007.  Assessment  of  adaptation  practices,  options,  constraints  and  capacity.  Climate  Change  2007:  Impacts,  Adaptation  and  Vulnerability.  Contribution  of  Working  Group  II  to  the  Fourth  Assessment  Report  of  the  Intergovernmental  Panel  on  Climate  Change.  M.L.  Parry,  O.F.  Canziani,  J.P.  Palutikof,  P.J.  van  der  Linden  and  C.E.  Hanson.  Eds.,  Cambridge  University Press. Cambridge, UK, pp. 717‐743  Adger,  W.  N.,  S.  Huq,  K.  Brown,  D.  Conway  and  M.  Hulme.  2003.  Adaptation  to  climate  change in the developing world. Progress in Development Studies 2003, Volume  3,  No.  3.  SAGE  Publications.  pp.  179‐195.  Available  online  at:  http://pdj.sagepub.com/cgi/reprint/3/3/179 (10.07.08)  Agrawala,  S.,  A.  Moehner,  A.  Hemp,  M.  van  Aalst,  S.  Hitz,  J.  Smith,  H.  Meena,  S.M.  Mwakifwamba, T. Hyera and O.U. Mwaipopo. 2003. Development and climate  change in Tanzania: focus on Mount Kilimanjaro. Environment Directorate and  Development  Co‐operation  Directorate,  Organisation  for  Economic  Co‐ operation  and  Development.  Paris,  France,  72  pp.  Available  online  at:  http://www.oecd.org/dataoecd/47/0/21058838.pdf (06.08.08)  Alencar, A.A., L.A. Solórzano and D.C.Nepstad. 2004. Modeling Forest Understory Fires in  an  Eastern  Amazonian  Landscape.  Ecological  Applications.  Volume  14.  No.  4.  Ecological Society of America, pp. 139‐149  Almeida O., S. Rivero, N. Vogt, D. McGrath and P. Perdigão. 2008. Diagnóstico da Pesca e  da Aqüicultura do Estado do Pará. Diagnóstico, Tendência, Potencial, e Políticas  Públicas para o desenvolvimento da pesca de subsistência. Volumen 3. Pesca de  Subsistência. SEPAQ (Secretaria de Estado de Pesca e Aqüicultura). Belém, Pará  ANA  (Agência  Nacional  de  Aguas).  2009.  Informações  Hidrológicas.  Ministério  do  Meio  Ambiente.  Brasilia,  Brazil.  Available  online:  http://proagua.ana.gov.br/proagua/(06.08.09)  Anderson  J.  and  J.  Dillon.  1992.  Risk  analysis  in  dryland  farming  systems.Farm  Systems  Management  Series  No.  2.  Food  and  Agriculture  Organization  of  the  United  Nations. Rome, Italy, pp. 109  Aymone G. 2009. Understanding Farmer’s Perceptions and Adaptation to Climate Change  and Vulnerability. The Case of the Limpopo Basin, South Africa. IFPRI Discussion  Paper  00849.  Environment  and  Production  Technology  Division.  International  Food Policy Research Institute. South Africa, pp. 36  Barnett,  T.P.,  J.C.  Adamand  &  D.P.  Lettenmaier.  2005.  Potential  impacts  of  a  warming  climate on water availability in snow‐dominated regions. Nature, Volume 438.  Nature  Publishing  Group,  pp.  303‐309.  Available  online  at:  http://meteora.ucsd.edu/cap/pdffiles/barnett_warmsnow.pdf (16.07.08) 

Chapter 8. References

74

Brooks,  N.,  W.N.  Adger  and  P.M.  Kelly.  2005.  The  determinants  of  vulnerability  and  adaptive  capacity  at  the  national  level  and  the  implications  for  adaptation.  Global  Environment  Change,  Volume  15.  ElServier  Science  Ltd.,  pp.  151‐163.  Available  online  at:  http://www.cru.uea.ac.uk/~e118/publications/GEC_Brooks_etal2005.pdf  (03.09.08)  Callède,  J.,  J.  Guyot,  J.  Ronchail,  Y.  L’Hôte,  H.  Niel  e  E.  De  Oliveira,  2004.  Evolution  du  débit  de  l’Amazone  à  Óbidos  de  1903  à  1999.  Hydrology  Science  Journal,  Volume 49, pp. 85‐97.  Case, M. s.a. Climate Change Impacts in the Amazon: Review of scientific literature. World  Wildlife Fund. Climate Change Programme.   CEPTEC  (Centro  de  Previsão  de  Tempo  e  Estudos  Climáticos)  /  INPE.  2007.  Atlas  de  Cenários  climáticos  futuros  para  o  Brasil.  Ministério  do  Meio  Ambiente.  Available  online  at:   http://mudancasclimaticas.cptec.inpe.br/~rmclima/pdfs/prod_probio/Atlas.pdf  (01.07.09)  Christensen, J. H., B. Hewitson, A. Busuioc, A. Chen, X. Gao, I. Held, R. Jones, R.K. Kolli, W.‐ T Kwon, R. Laprise, V. Magaña Rueda, L. Mearns, C.G. Menéndez, J. Räisänen, A.  Rinke, A. Sarr and P. Whetton. 2007. Regional Climate Projections. Chapter 11.  In  Climate  Change  2007:  The  Physical  Science  Basis.  Contribution  of  Working  Group  I  to  the  Fourth  Assessment  Report  of  the  Intergovernmental  Panel  on  Climate  Change.  Solomon  S.,  D.  Qin,  M.  Manning,  Z.  Chen,  M.  Marquis,  K.B.  Averyt,  M.  Tignor  and  H.L.  Miller.  Eeds.,  Cambridge  University  Press,  United  Kingdom and New York, pp. 847 ‐ 940  CON&SEA LTDA. (Consultoria e Serviços Socioeconômico e Ambiental). 2008. Diagnóstico  Situacional da Região da Calha Norte. Brazil  De  Brito  Carreiras  J.M.,  J.  M.  Cardoso,  M.  Lameiras,  L.  Campagnolo,  Y.  Edemir.  2005.  A  land cover map for the Brazilian Legal Amazon using SPOT‐4 VEGETATION data  and  machine  learning  algorithms.  Anais  XII  Simpósio  Brasileiro  de  Sensoriamento Remoto, Goiânia, Brasil, 16‐21 abril 2005, INPE, pp. 457‐464.  Deressa, T., Hassan, R., e Ringler, C. 2008. Measuring Ethiopian Farmers’ Vulnerability to  Climate  Change  Across  Regional  States.  IFPRI  Discussion  Paper  00806.  Environment and Production Technology Division.  EMATER  –  PARA  (Empresa  de  Assistência  Técnica  e  Extensão  Rural  do  Estado  do  Para).  Vinculada à Secretaria de Estado de Agricultura. 2008. Plano Municipal de Ater  2009. Alenquer, Pará  Embrapa  and  Unicamp.  2008.  Impacts  in  Brazilian  agriculture.  Aquecimento  Global  e  a  Produção  Agricola  do  Brasil.  Available  online  at:   http://www.climaeagricultura.org.br/ (21.07.09) 

Chapter 8. References

75

Fafchaps, M. 2003. Rural poverty, risk and development. Edward Elgar Publishing Limited.  Cheltenham, United Kingdom, pp 132.  FAO  (Food  and  Agriculture  Organization  of  the  United  Nations).  2007.  Adaptation  to  climate  change  in  agriculture,  forestry  and  fisheries:  Perspective,  framework  and  priorities.  FAO  Inter‐departmental  Working  Group  on  Climate  Change.  Rome, Italy, 24 pp.   Fearnside,  F.M.  s.a.  Climate  and  Changes  in  Brazilian  Amazonia.  National  institute  for  Research in Amazonia (INPA). Heinrich Böll Stiftung. Manaus‐Amazonas, Brazil.   Fearnside,  P.M.  2005.  Deforestation  in  Brazilian  Amazonia:  History,  rates  and  consequences. Conservation Biology Volume 19. Issue 3, pp. 680‐688  Feenstra, J., I. Burton, J.B. Smith and R.S.J. Tol. 1998. Handbook on methods for climate  change  impact  assessment  and  adaptation  strategies.  United  Nations  Environment Programme / Institute for Environmental Studies, 464 pp.  Hardaker,  J.B.,  R.B.M.  Huirne.  J.R.  Anderson  and  G.  Lien.  2004.  Coping  with  risk  in  agriculture. CABI Publishing. Oxfordshire, United Kingdom.  Kelly  P.  M.  and  W.  N.  Adger.  2000.  Theory  and  practice  in  assessing  vulnerability  to  climate  change  and  facilitating  adaptation.  Climatic  Change  47.  Kluwer  Academic Publishers. Netherlands, pp. 325–352  Grieser,  Jürgen,  René  Gommes,  Stephen  Cofield  and  Michele  Bernardi.  2006.  Short  Tabular Presentation of Koeppen Classes. The Agromet Group, SDRN. UN‐FAO.  Rome, Italy.  IBGE  (Instituto  Brasileiro  de  Geografia  e  Estatística).  2002.  Search  per  Federation  Unit:  Pará.  Resolução  Nº  05  (10.10.2002).  Available  online:  http://geoftp.ibge.gov.br/documentos/cartografia/areaterritorial/pdf/areas_20 01_15.pdf (15/12/08)  IBGE  (Instituto  Brasileiro  de  Geografia  e  Estatística).  2009.  Produção  Agrícola  Municipal  and Produção da Extração Vegetal e da Silvicultura. Brazil  INPE  (Instituto  Nacional  de  Pesquisas  Espaciais).  2009.  Projeto  PRODES  Monitoramento  da  floresta  amazônica  brasileira  por  satélite.  São  José  dos  Campos – São Paulo, Brazil. Available online at:. http://www.inpe.br/(13.05.09)  IPAM (Instituto de Pesquisa Ambiental da Amazônia). 2008. Cadastro Institucional da Area  de Influência da Rodovia BR 163: Municípios dos estados do Pará e Amazonas.  Belém, Pará, pp. 252   IPCC (Intergovernmental Panel on Climate Change). 2007. Climate Change 2007: Impacts,  Adaptation  and  Vulnerability.  Contribution  of  Working  Group  II  to  the  Fourth  Assessment  Report  of  the  Intergovernmental  Panel  on  Climate  Change,  M.L.  Parry,  O.F.  Canziani,  J.P.  Palutikof,  P.J.  van  der  Linden  and  C.E.  Hanson,  Eds., 

Chapter 8. References

76

Cambridge  University  Press.  Cambridge,  UK,  976  pp.  Available  online  at:  http://www.ipcc.ch/ipccreports/ar4‐wg2.htm (12/11/08)  IPCC.  2007a:  Summary  for  Policymakers.  In:  Climate  Change  2007:  Impacts,  Adaptation  and  Vulnerability.  Contribution  of  Working  Group  II  to  the  Fourth  Assessment  Report  of  the  Intergovernmental  Panel  on  Climate  Change,  M.L.  Parry,  O.F.  Canziani,  J.P.  Palutikof,  P.J.  van  der  Linden  and  C.E.  Hanson,  Eds.,  Cambridge  University  Press,  Cambridge,  UK,  7‐22.  Available  online  at:  http://www.ipcc.ch/pdf/assessment‐report/ar4/wg2/ar4‐wg2‐spm.pdf  (10/12/08)  IPCC. 2001. Climate Change 2001: The Scientific Basis. Contribution of Working Group I to  the Third Assessment Report of the Intergovernmental Panel on Climate Change  [Houghton,  J.T.,Y.  Ding,  D.J.  Griggs,  M.  Noguer,  P.J.  van  der  Linden,  X.  Dai,  K.  Maskell,  and  C.A.  Johnson  (eds.)].  Cambridge  University  Press.  Cambridge,  United Kingdom and New York, USA, pp 881.  Isaac  V.  J.,  R.Espírito  Santo,  M.Carvalho,  O.  Almeida,  A.  P.  Roman  and  L.  Nunes.  2008.  Pesca  artesanal.  Diagnóstico  da  Pesca  e  da  Aqüicultura  do  Estado  do  Pará.  Volume 2. Belém, Pará, Brazil, pp 156.  IUCN  (The  World  Conservation  Union),  SEI  (Stockholm  Environment  Institut  –  Boston  Center),  IISD  (International  Institute  of  Sustainable  Development),  Intercooperation.  2009.  Community‐based  Risk Screening  Tool  –  Adaptation  &  Livelihoods. Available online at: http://www.cristaltool.org/ (08.06.09)  Kahan  D.  2008.  Managing  Risk  in  Farming.  Food  and  Agriculture  Organization  of  the  United Nations (FAO). Farm Management Extension Guide. Rome, Italy  Lasco,  R.D.  and  R.  Boer.  2006.  An  integrated  assessment  of  climate  change  impacts,  adaptations and vulnerability in watershed areas and communities in Southeast  Asia.  Final  report  submitted  to  Assessments  of  Impacts  and  Adaptation  to  Climate  Change  (AIACC),  Project  No.  AS21,  Washington,  District  of  Columbia,  223  pp.  Available  online  at:  http://www.aiaccproject.org/Final%20Reports/Final%20Reports/FinalRept_AIA CC_AS21.pdf (06.09.08)  Laurance,  W.F.  and  G.B.  Williamson.  2001.  Positive  Feedbacks  among  Forest  Fragmentation,  Drought,  and  Climate  Change  in  the  Amazon.  Conservation  Biology. Volume 15. Issue 6, pp. 1529‐1535  Leite da Silva, P., W. Costa, L. Hidalgo. 2007. A contribution to understanding the regional  impacts  of  global  change  in  South  America.  II  Regional  Conference  on  Global  Change: South America. Instituto de Estudos Avançados da Universidade de São  Paulo, Brazil, pp 418.  Magrin, G., C. Gay García, D. Cruz Choque, J.C. Giménez, A.R. Moreno, G.J. Nagy, C. Nobre  and  A.  Villamizar.  2007.  Latin  America.  Climate  Change  2007:  Impacts,  Adaptation  and  Vulnerability.  Contribution  of  Working  Group  II  to  the  Fourth 

Chapter 8. References

77

Assessment  Report  of  the  Intergovernmental  Panel  on  Climate  Change,  M.L.  Parry,  O.F.  Canziani,  J.P.  Palutikof,  P.J.  van  der  Linden  and  C.E.  Hanson,  Eds.,  Cambridge University Press, Cambridge, United Kingdom, pp. 581‐615  Malhi,  Y.,  J.  Timmons  Roberts,  R.A.  Betts,  and  T.J.  Killeen,  W.  Li  and  C.A.  Nobre.  2008.  Climate  Change,  Deforestation,  and  the  Fate  of  the  Amazon.  Science  Volume  319. No. 5860, pp. 169 ‐ 172  Marengo, J.A., C.A. Nobre, J. Tomasella, M.D. Oyama, G. Sampaio, R. Oliveira, H. Camargo,  L.M.  Alves  and  I.F.  Brown.  2008.  The  Drought  in  Amazonia  in  2005.  Journal  of  Climate. Volume 21, pp. 495‐516  Marengo  J.,  C.  Nobre,  E.  Salati,  T.  Ambrizzi.  2007.  Caracterização  do  clima  atual  e  definição  das  alterações  climáticas  para  o  território  brasileiro  ao  longo  do  Século  XXI.  Sumário  Técnico.  Mudanças  Climáticas  Globais  e  Efeitos  sobre  a  Biodiversidade.  Ministério  do  Meio  Ambiente.  Rio  de  Janeiro,  Brazil.  Available  online  at:  http://mudancasclimaticas.cptec.inpe.br/~rmclima/pdfs/prod_probio/Sumario. pdf (23.08.09)  Moran, E.F. 1993. Deforestation and Land Use in the Brazilian Amazon. Human Ecology.  Volumen 21, No. 1, pp. 1‐ 18  Nobre C., L. Salazar, M. Oyama, M. Cardoso, G. Sampaio and D. Lapola. 2007. Mudanças  Climáticas e possíveis alterações nos Biomas da América do Sul. Relatório No. 6.  Ministério  do  Meio  Ambiente.  Secretaria  de  Biodiversidade  e  Florestas.  São  Paulo,  Brazil.  25  p.  Avaible  online  at:  http://mudancasclimaticas.cptec.inpe.br/~rmclima/pdfs/prod_probio/Relatorio _6.pdf (23.08.09)  Nobre,  C.A.,  P.J.  Sellers  and  J.  Shukla.  1991.  Amazonian  Deforestation  and  Regional  Climate  Change.  Journal  of  Climate.  Volume  4.  American  Metereological  Society, pp. 957‐988  Obregon  G.  and  J.  Marengo.  2007.  Caracterização  do  clima  no  Século  XX  no  Brasil:  Tendências  de  chuvas  e  temperaturas  médias  e  extremas.  Relatório  No.  2.  Ministério  do  Meio  Ambiente.  Secretaria  de  Biodiversidade  e  Florestas.  Mudanças Climáticas Globais e Efeitas sobre a Biodiversidade  PEN (Poverty Environment Network) 2008. An international network and research project  on  poverty,  environment  and  forest  resources.  Available  online  at:  http://www.cifor.cgiar.org/pen/_ref/home/index.htm (12.06.09)  Porro,  R.  2008.  RAVA  –  Red  de  Estudios  de  las  Condiciones  Amazonicas  de  Vida  y  Ambiente.  RAVA  –  Red  de  Estudios  de  las  Condiciones  Amazonicas  de  Vida  y  Ambiente. Amazon Iniciative. Center for International Forestry Research (CIFOR)  ‐  Consultative  Group  on  International  Agricultural  Research  (CGIAR).  Belém,  Pará, Brazil 

Chapter 8. References

78

ProVárzea (Projeto Manejo dos Recursos Naturais da Várzea). 2007. Estatística Pesqueira  do Amazonas e do Pará 2004. Ministério do Meio Ambiente – MMA. Instituto  Brasileiro  do  Meio  Ambiente  e  dos  Recursos  Naturais  Renováveis  –  Ibama.  Manaus, Brazil, pp. 73  Rodrigues  E.  and  C.  Szlafsztein.  2009.  Relatório  das  Atividades  de  Campo  realizada  no  Município de Alenquer. Belém – Pará, pp. 38 p  Sampaio,  G.,  C.  Nobre,  M.  Heil  Costa,  P.  Satyamurty,  B.  Silveira  Soares‐Filho  and  M.  Cardoso.  2007.  Regional  climate  change  over  eastern  Amazonia  caused  by  pasture  and  soybean  cropland  expansion.  Geophysical  Research  Letters.  Volume 34. L17709, pp.1‐7  Sawyer, D. 2008. Climate change, biofuels and eco‐social impacts in the Brazilian Amazon  and  Cerrado.  Phylosophical  Transactions.  The  Royal  Society  Volume  363,  pp.  1747‐1752  Shanley  P.  and  L.  Luz.  2003.  The  Impacts  of  Forest  Degradation  on  Medicinal  Plant  Use  and  Implications  for  Health  Care  in  Eastern  Amazonia.  BioScience.  Volume  53.  No. 6, pp. 573 – 584  Smith,  B.,  I.  Burton,  R.J.T.  Klein  and  J.  Wandel.  2000.  An  Anatomy  of  Adaptation  to  Climate  Change  and  Variability.  Climatic  Change,  Volume  45,  No.  1.  Springer  Netherlands,  pp.  223‐251.  Available  online  at:  http://www.springerlink.com/content/x12l23524001751n/fulltext.pdf  (10/08/08)  Smit,  B.  and  O.  Pilifosova.  2001.  Adaptation  to  climate  change  in  the  context  of  sustainable  development  and  equity.  In  IPCC  (Ed.),  Climate  change.  Impacts,  adaptations and vulnerability. Cambridge, UK, pp. 879‐967. Available online at:  http://www.grida.no/climate/ipcc_tar/wg2/pdf/wg2TARchap18.pdf (12/09/08)  Szlafsztein,  C.  F.  2009.  Lições  para  a  Adaptação  de  Comunidades  aos  impactos  das  Mudanças  Climáticas  na  Amazônia:  Uma  Avaliação  das  Experiências  do  Programa PDA – PADEQ. Relatório preliminar GTZ. Brazil, pp. 90  Thomas,  D.,  H.  Osbahr,  C.  Twyman,  N.  Adger  and  B.  Hewitson.  2005a.  Adaptive:  Adaptations to climate change amongst natural resource‐dependant societies in  the  developing  world:  across  the  Southern  African  climate  gradient.  Tyndall  Centre for Climate Change Research, Technical Report No. 35. South Africa, 43  pp.  Available  online  at:  http://www.tyndall.ac.uk/research/theme3/final_reports/t2_31.pdf (27.08.08)  Thomas,  D.S.G.,  M.  Knight  and  G.F.S.  Wiggs.  2005b.  Remobilization  of  southern  African  desert  dune  systems  by  twenty‐first  century  global  warming.  Nature.  Volume  435.  Nature  Publishing  Group,  pp.  1218‐1221.  Available  online  at:  http://www.boker.org.il/meida/negev/desert_biking/Aeolian_geomorphology/ Thomas_et_al_nature2005.pdf (12.09.08) 

Chapter 8. References

79

Vuille M., S. Bradley, M. Werner and F. Keimig. 2003. 20th century climate change in the  tropical  Andes:  observations  and  model  results.  Climatic  Change.  Volume  59,  pp. 75‐99.  Yohe, G. and R.S.J. Tol. 2002. Indicators of social and economic coping capacity: moving  toward a working definition of adaptive capacity. Global Environment Change,  Volume  12,  pp.  25‐40.  Available  online  at:  http://www.aiaccproject.org/meetings/Norwich_02/Norwich_CD/APPENDICES/ ARTICLES_VULN_ADAPTCAP/INDIC_SE_ADAPTCAP.PDF (15.09.08)  Ziervogel,  G.,  A.  Cartwright,  A.  Tas,  J.  Adejuwon,  F.  Zermoglio,  M.  Shale  and  B.  Smith.  2008.  Climate  change  and  adaptation  in  African  agriculture.  Stockholm  Environment Institute. Prepared for the Rockefeller Foundation, pp. 53.  DVD – Documentation Video:  Ximango. 2009. Enchente em Alenquer/PA. Local Radio Station. Alenquer, PA ‐ Brazil 

               

APPENDIXES                       

Appendix I. Random sampling of communities (EMATER, 2008) 

i 

Appendix I. Random sampling of communities (EMATER, 2008)   Communites  Zone 1 (Salvação)  1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  Sampled  families 

ARARICUARA  BOA VISTA   BOCA DO ARAPIRI  BOM RETIRO  CABECEIRA CUIPEUA  CABECEIRA DO AÇAÍ  CACHINGUBA  CARMO   CENTRO DO ARAPIRI  COSTA DO ARAPIRI  CUIPEUA  CURICACA   ESPIRITO SANTO   IGARAPÉ DO LAGO   ILHA DO CARMO  IPANEMA   JARAQUITUBA    MATO GROSSO   PAI ANTONIO     PLANALTO  PRAIA DA CONCEIÇÃO  SALVAÇÃO   SÃO  PEDRO   SÃO RAIMUNDO    SURUBI‐AÇÚ   SURUBI‐MIRI/ BAIXO   SURUBI‐MIRI/CIMA   TACHI   URUCURITUBA  URUXI   VILA NOVA  VIRA VOLTA   10 

Resident population

  

Number of families  Random numbers 46  25  60  19  12  20  7  25  27  56  42  100  10  25  17  38  45  38  19  37  13  90  40  13  85  25  80  10  43  16  15  20  1118 

17  7  3  8  18  26  23  6  15  32                                                                  

Appendix I. Random sampling of communities (cont.) 

ii 

Appendix I. Random sampling of communities (cont.)   Communites  Zone 2 (Camburão)  1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  Sampled  families 

Resident population

  

Number of families  Random numbers

ANDIROBAL  

21 

5 

ARRELIA    BACABAL    CABECEIRA CUIPEUA  CATIITU  CONCEIÇÃO  FAROL   GOIANA GRANDE   GOIANINHA   INGÁ   MACUPIXI   MEDI   MORADA NOVA    NOVA ESPERANÇA  QUINTILIANO   RAMAL DA MARTA  SÃO JOSÉ  SERRINHA   TRAVESSÃO   VILA DE PALHA   ANDIROBAL ‐ I   BEM LONGE   BOM  PRINCIPIO   BOM CUIDADO   BOM FUTURO   CAMBURÃO    CAMPO GRANDE  CORRE‐MÃO   DANIEL   MORROS.   NOVO PROGRESSO  OLHO D ÁGUA  PALHAL   PRIMAVERA   SANTA HELENA   SANTA INÊS   SANTOS  SOMBRA DA LUA   TANQUES   VAI QUEM QUER 

25  40  12  40  10  30  15  38  48  45  16  40  21  27  5  25  20  25  35  25  58  100  30  10  115  5  78  20  20  12  35  34  30  29  42  86  23  20  30 

26  12  24  39  29  18  40  9  25  32  6                                                         

1340 

 

12 

Appendix I. Random sampling of communities (cont.) 

iii 

Appendix I. Random sampling of communities (cont.)   Communites 

Resident population

Zone 3 (Pedra Redonda)  1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  Sampled  families 

 

ALTOS DOS FERREIRAS  ARUMANZA  AURORA  BARRAGEM  BOA AGUA  BOCA NOVA  BOLSAS  BOM FIM  BOM VENTO  BULANDEIRA  CAJAZEIRA   CAMPO GRANDE  CANA  CCOLONIA NOVA  CIPOAL   FORTALEZA  IGARAPÉ DA RAIZ  IGARAPÉ DE AREIA   KM‐19  KM‐20  LAGUINHO  MEIO CENTRO   MIRANDA   MIRITI   MUCAMBO   PARAR  PEDRA REDONDA  POLIDÓRIO  PORTO ALEGRE  SACRÍFICIO  SANTA LUZIA  SANTO  ANTONIO  GESTRUDES   SIRIRI   TABATINGA  VILA MARANHENSE  11 

  

Number of families  Random numbers

DAS 

70  75  20  50  21  25  50  20  19  80  20  18  58  56  30  60  30  48  53  30  50  30  20  35  45  20  40  15  23  50  12 

27  16  13  28  29  20  17  3  11  18  6                                         

75 

 

15  10  18 

     

1291 

 

 

Appendix II.    

Semi‐structured questionnaire: Livelihoods 

“Adaptação da Pequena Produção Rural a Riscos  Climáticos na Amazônia Brasileira”        Formulário Nº........   Questionário para categorizar os tipos de produção na região    Nome do entrevistado ________________________________             Data  _____________________    Nome do entrevistador _______________________________    Zona N° (segundo nossa estratificação do município) _____________________________ 

  Comunidade N° _____________________________    Meio agroecológico    Terra firme    

Várzea 

  

                     

1

 

1.

Caracterização geral da propriedade 

1.1 Quantos anos o senhor/a mora no estabelecimento? __________________________________________________________  2. Quantas pessoas moram no  estabelecimento? 

1. Origem dos  produtores* 

3. Quantos de eles tem...? 

1 = Norte  2 =Nordeste  3 = Centro‐Oeste  4 = Sudeste  5 = Sul 

4.  Pertence a  5. Nome da associação  alguma associação  ou cooperativa  ou cooperativa?   1 = SIM  0 = NÃO 

  

  

 

Código 

No. de homem  No. de mulheres 

>=18 anos  (adultos) 

<= 10 anos  >= 60 anos  (crianças)  (idosos) 

Código 

Nome 

1. 

  

  

  

  

  

  

  

Comentários: 

  

  

  

  

  

  

  

        

      

      

      

      

      

      

        

*

 1 = Acre, Amapá, Amazonas, Pará, Rondônia, Roraima, Tocantins;   2 = Alagoas, Bahia, Ceará, Maranhão, Paraíba, Pernambuco, Piauí, Rio Grande do Norte, Sergipe     3 = Distrito Federal, Goiás, Mato Grosso, Mato Grosso do Sul;  4 = Espírito Santo, Minas Gerais, Rio de Janeiro, São Paulo     5 = Paraná, Rio Grande do Sul, Santa Catarina 

 

2

2.

Tabela 2.   1. Em que lotes é que o Senhor  trabalha:  1 = tarefa  2 = lotes  3 = ha  4= outros         

Área 

1. 

  

2. 

  

3. 

  

4. 

  

5. 

  

  

1 = A pé  2 = De bicicleta  3 = Transporte animal  (carroça, etc.)  4 = De carro  5 = De ônibus  6 = De caminhão  7 = De barco, navio,  lancha, raveta   8 = De moto 

Horas de viagem 

Código 

 1 = Título definitivo ou certificado de  posse  2 = Arrendatário  3 = Ocupante (terras públicas situação  fundiária definida)  4 = Terras Públicas regularizadas  (assentamentos, etc.)   

  

Lotes 

2. Situação fundiária. Que tipo  3. Distancia a cidade  4. Meio de  de documento tinha para esse  de Alenquer   transporte  lote/terreno? 

Unidade 

Código 

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

Comentários:       

3

3.

Bem‐estar  

Tabela 3. Terra Firme e Várzea  1. O Senhor tem um ou mais dos  seguintes itens?    

2. Idem. 

  

2. Idem.(pesca) 

  

3. Idem. 

  

  

Item 

Quantos?   

Item 

Quantos?   

Item 

Quantos?   

Nome 

Quantos? 

1. 

Energia elétrica, M=motor,  R=rede CELPA, B=bateria 

  

1. 

Motoserra 

  

1. 

Rede de pesca /  Malhadeira 

  

1. 

Boi 

  

2. 

Agua de poço 

  

2. 

Plantadeira manual 

  

2. 

Bomba 

  

2. 

Vaca 

  

  

3. 

Espinhel 

  

3. 

Novilha 

  

3. 

Pote 

  

3. 

Tambor p/guardar  grão 

4. 

Bicicleta   

  

4. 

Pulverizador 

  

4. 

Arpão 

  

4. 

Novilho 

  

5. 

Carro   

  

5. 

Carro‐de‐mão 

  

5. 

Camaroeira 

  

5. 

Garote 

  

6. 

Caminhão 

  

6. 

Casa de alveneria 

  

6. 

Canhiço 

  

6. 

Mamote / Vitela   

7. 

Motocicleta    

  

7. 

Casa de barro 

  

7. 

Lampião a gas 

  

7. 

Bezerro 

  

8. 

Televisão   

  

8. 

Casa de madeira 

  

8. 

Isopor/Geleira 

  

8. 

Bezerra 

  

9. 

Rádio       

  

9. 

Casa de farinha 

  

9. 

Canoa 

  

9. 

Cavalo 

  

10.  Aparelho de som 

  

10.  Galpão 

  

10.  Rabeta 

  

10.  Burro 

  

11.  Geladeira  

  

11.  Açude 

  

11.  Bajara 

  

11.  Galinha 

  

12.  Fogão a gás 

  

12.  Curral 

  

12.  Barco a motor 

  

12.  Galo 

  

13.  Fogão a lenha 

  

13.  Porcilga 

  

13.  Bote 

  

13.  Porco 

  

14.  Móveis de cozinha 

  

14.  Enchadeco / enchada 

  

14.  Tarafa 

  

14.  Bode 

  

15.  Móveis de sala 

  

15.  Machado 

  

15.  Lamparinha 

  

15.  Colméias 

  

16.  Móveis de quarto 

  

16.  Foice 

  

16.  Lampião a kerosene    

16.  Pato 

  

17.  Carroça de boi 

  

17.  Fação / terçado 

  

17.  Flecha + arcos 

  

17.  Pintinhos 

  

18.  Maq. de costura 

  

18.  Roçadeira 

  

18.  Furador 

  

18.  Picote 

  

19.  DVD 

  

19.  Aplicador de semente 

  

19.  Cacete 

  

19.  Frango 

  

4

20.  Maq. lavar roupa 

  

20.  Draga, lavanca 

  

20.  Linha comprida 

  

  

  

  

21.  Ventilador 

  

  

  

  

21.  Archas 

  

  

  

  

22.  Antena parabólica 

  

  

  

  

  

  

  

  

  

  

23.  Motor 

  

  

  

  

  

  

  

  

  

  

                           

5

4.

Produção comercializada e consumida de produtos gerados no estabelecimento 

4.1. Qual é/são os produtos mais importantes para a sua renda?           4.2. Quais são os produtos mais importantes para a alimentação da família?                   

6

Códigos de produtos (A)  Permanentes    

     

Vende?    

  

X 

Códigos de produtos (A) 

Chega para o consumo  da família? 

  

1 = SIM, 0 = NÃO 

  

Temporárias    

Código 

  

  

Vende?        X 

Chega para o consumo da  família?  1 = SIM, 0 = NÃO  Código 

1. 

Abacate 

  

  

  

23 Abacaxi 

  

  

  

2. 

Banana 

  

  

  

24 Arroz 

  

  

  

3. 

Cacau (amêndoa) 

  

  

  

25 Cana‐de‐açúcar 

  

  

  

4. 

Café em coco/ em grão 

  

  

  

26 Feijão 

  

  

  

5. 

Cajú (fruto)  

  

  

  

27 Juta (fibra) 

  

  

  

6. 

Coco‐da‐baía 

  

  

  

28 Mandioca    

  

  

  

7. 

Cupuaçu  

  

  

  

29 Melancia 

  

  

  

8. 

Goiaba 

  

  

  

30 Milho 

  

  

  

9. 

Graviola 

  

  

  

31 Outros 

  

  

  

10. Jaca  

  

  

  

  

  

  

  

  

11. Jambo 

  

  

  

  

  

  

  

  

12. Jamelão 

  

  

  

Códigos de produtos (Pec) 

  

  

13. Laranja 

  

  

  

Pecuária 

  

  

14. Lima 

  

  

  

32 Gado de leite 

  

  

  

15. Limão  

  

  

  

33 Gado de corte 

  

  

  

16. Manga 

  

  

  

34 Búfalo 

  

  

  

17. Mamão 

  

  

  

35 Aves 

  

  

  

18. Maracujá 

  

  

  

36 Porcos 

  

  

  

  

  

  

19. Pupunha 

  

  

  

Pequenos  37 rumiantes 

20. Pimenta‐do‐reino  

  

  

  

  

  

  

  

  

21. Tangerina 

  

  

  

  

  

  

  

  

22. Urucum (semente) 

  

  

  

  

  

  

  

  

   

7

  Códigos de produtos (E) 

Vende?    

Chega para o consumo da família? 

  

Extração vegetal   

 

1 = SIM, 0 = NÃO 

  

  

X 

Código 

1 

Açaí (fruto)  

  

  

  

2 

Cajú (castanha) 

  

  

  

3 

Castanha‐do‐Pará 

  

  

  

4 

Borracha (látex coagulado) 

  

  

  

5 

Carvão vegetal 

  

  

  

6 

Cumaru (amêndoa) 

  

  

  

7 

Angiroba 

  

  

  

8 

Teca 

  

  

  

9 

Jacarandá 

  

  

  

10  Purpura 

  

  

  

11  Óleos: copaiba 

  

  

  

12  Outros ___________________ 

  

  

  

             

8

Códigos de produtos (Pes) 

     

  

PESCA   

  

  

Vende? 

Chega para o consumo da  família? 

  

  

  

  

  

Vende? 

Chega para o consumo da  família? 

  

 

1 = SIM, 0 = NÃO 

 

 

 

X 

Código 

 

 

X 

1 = SIM, 0 = NÃO  Código 

1 

Acari 

  

  

  

23  Jurupensém, Bico‐de‐Prato 

  

  

  

2 

Aracu, Piau 

  

  

  

24  Jurupoca 

  

  

  

3 

Apairi, Acaré‐Açu 

  

  

  

25  Lambari de Rabo Amarelo 

  

  

  

4 

Abotoado Cui‐cui 

  

  

  

26  Lambari de Rabo Vermelho 

  

  

  

5 

Apapá, Sarda 

  

  

  

27 Mandí 

  

  

  

6 

Aruaná 

  

  

  

28 Mandubé, Fidalgo, Palmito 

  

  

  

7 

Bacu 

  

  

  

29 Mapará 

  

  

  

8 

Barbado 

  

  

  

30 Matrinxã 

  

  

  

20  Bicuda 

  

  

  

31 Pacu 

  

  

  

21  Cachara, Surubim 

  

  

  

32 Peixe Cochorro 

  

  

  

22  Cachorro Prandirá ou Fação 

  

  

  

33 Piapara 

  

  

  

23  Caparari 

  

  

  

34 Piau Flamengo, Aracu‐Pinima    

  

  

13  Corvina, Pescada 

  

  

  

35 Piau‐Tres‐Pintas 

  

  

  

14  Curimatâ, Curimbatã, Curimba 

  

  

  

36 Piavuçu 

  

  

  

15  Dourada 

  

  

  

37 Pintado 

  

  

  

16  Dourado 

  

  

  

38 Piracanjuba 

  

  

  

17  Filhote 

  

  

  

39 Piraíba, Filhote 

  

  

  

18  Fura Calça  

  

  

  

40 Piramimbea, peixe galinha 

  

  

  

19  Jacundá 

  

  

  

41 Piramutaba, piaba 

  

  

  

  

  

  

20  Jaraquí, Curimatá 

  

  

  

Piranha caju, piranha  42 vermelha ou preta 

21  Jatuarana 

  

  

  

43 Pirapitinga do sul, Caranha 

  

  

  

22  Jaú 

  

  

  

44 Piraputanga 

  

  

  

   

9

    Cont.  

  

  

  

Vende? 

  

 

 

  

 

X 

45 Pirarara  46 Pirarucu 

Chega para o consumo da  família? 

  

1 = SIM, 0 = NÃO  Código 

  

  

  

  

  

  

47 Surubim Chicote 

  

  

  

48 Tabarana 

  

  

  

49 Tambaqui 

  

  

  

50 Traíra 

  

  

  

51 Trairão 

  

  

  

52 Tucunare 

  

  

  

53 Camaráo  graúdo, camarui 

  

  

  

54 Outros _________________ 

 

 

 

                             

   

10

5.  Que atividade o senhor considera mais importante para o bem‐estar de sua família?   1. Que atividade o senhor dá mais importância para o bem‐estar /  segurança da sua família (seja em dinheiro ou em alimentos)?  

  

2. Importância  relativa 

X  Valor (%) 

1 = Agricultura (A) 

  

2 = Extrativismo (E) 

  

3 = Pecuária (Pec) 

  

4 = Pesca (Pes) 

  

5 = Comercio 

  

  

6 = Remessas e bolsas (gov.) 

  

  

7 = Venda de mão ‐de‐obra 

  

  

8 = Outros 

  

  

Comentários: 

     

     

11

6. Transporte: Para atividade mais importante por que meio o senhor vende seus produtos? 

1.

Para atividade mais importante por que meio o senhor vende seus produtos? 

1. Atravessador  2.Feirante  3. Bodegueiro   4. Varejista  5. Atacadista  6.Empresa  7. Cooperativa  8. Outros   

  

Código 

Nome (Quem é, e onde mora)  

1. 

  

  

2. 

  

  

3. 

  

  

4. 

  

  

5. 

  

  

Comentários: 

     

12

7. Natureza de mão‐de‐obra  7.1 Quantos dias vc costuma trabalhar fora do estabelecimento nestes meses?  J 

F 

M 

A 

M 

J 

J 

A 

S 

O 

N 

D 

 

 

 

 

 

 

 

 

 

 

 

 

  7.2 Onde é que costuma trabalhar fora? Descreva por favor.        7.3 Quanto é que costuma ganhar ao dia?   ____________________             

13

7.4 Em que meses do ano é que costuma contratar mão‐de‐obra?  J 

F 

M 

A 

M 

J 

J 

A 

S 

O 

N 

D 

 

 

 

 

 

 

 

 

 

 

 

 

  7.5 Quantas pessoas é que contrata ao mês normalmente? ____________________  7.6 Quantos dias por mês é que costuma contratar mão‐de‐obra? ____________________  7.7 Quanto é que costuma pagar ao dia? ____________________                   

14

8. Principais riscos   1. Você já perdeu renda / tive prejuízos por  algum de estes problemas ou outros?    

X 

2. Qual é o risco mais severo  para si? = 1; Qual o segundo? =  2; o terceiro? = 3;... 

Comentários

Código (Priorização) 

1. Preços ‐ 

  

2. Transporte – 

  

3. Produtos estragados por falta de  armazenamento  4. Sit. Fundiária / Títulos (terra) 

  

  

5. Políticas do gov. ‐ 

  

  

6. Mão de obra + (Caso de ter  disponibilidade de vender mão de obra,  mas não conseguiu) 

  

7. Mão de obra ‐ (Falta) 

  

8. Doenças (família) 

  

9. Acidentes (golpes, mordida de cobra,..) 

  

10. Chuva + 

  

11. Chuva ‐ 

  

12. Cheia / enchente 

  

13. Fogo acidental 

  

  

14. Pragas / Doenças de cultivos ou animais    15. Outros 

  

 

15

 

Appendix III.     Welfare index (price based) 

Welfare index (price based) 

xx

Welfare index (price based)  Points assigned to different durable items and others based on real prices  Points  Item 

Prices (R$ /unit) 

Points Item 

Prices (R$ /unit) 

8 

Motorbike†  

2 700 

2 200 

8 

Concrete house 

 

  

7  7  5  4  4  4 

Refrigerator  Motor  Pump  Sound set (Stereo) †  DVD†  Washing machine† 

900  1 799  300  475.23  475.23  245 

    700  100  100  400 

6  4  4          

Wooden house  Mud house  Palha house          

         

              

4 

Parabolic antenna† 

333.75 

200 

  

Bull‡  

846 

3 

Television† 

282 

100 

  

567 

3 

Sewing machine† 

221.7 

100 

5 

600 

800 

2  3  3  2  2  2  2  1  1  1 

Mannual planting device  Wheelbarrow  Furniture in general†  Fan†  Radio†  Bicycle  Storage barrel  Gas stove  Firewood stove  Jar 

85  75  142  80  75.4  50  50  25  20  10 

47  159.9  50    30  100  40*  30    15 

5  1                         

Cow‡  Cattle (medium value  considering different  weights)  Horse‡  Birds‡                         

   1  104.1  739.9 

500  > 100   

        

 

              

                    

†

Mean and mode values respectively based on data from the Project PEN‐RAVA "Amazon Livelihoods & Environmental  Network 2009" 

‡

 

 Based on (Embrapa, 2008) 

 

  Point categories used in table above  Range of  prices (R$)  2 000 – 3 000  900 –1 999  700 – 899  500 – 699  300 – 499  100 – 299  50 – 99  > 50 

Subjective points  8  7  6  5  4  3  2  1 

The table shows the points assigned to the considered possessions based on real market prices.  These points were then used to create the index presented above in table x.     

Welfare index (price based) 

xx

Selection  of  representative  families  based  on  points  given  according  price  weighing,  comparing  points including and excluding animal possession    Points without  Interviews  considering animal  No.  possession  42  9  43  13  40  13  2  15  29  16  13  18  10  19  36  19  45  20  37  20  39  20  3  22  23  23  26  23   38  23  19  23  44  26  6  26  5  27  4  28  20  28  22  28  31  29  46  29  7  30  28  32  1  35  15  35  27  36  24  36  41  36  30  39  25  40  9  41  8  42  11  44  34  44  12  50  21  54  18  55  14  58  33  59  17  62  16  63  32  70  35  77    

           

           

      Average 21.22         

                 

                       

                       

      Average 46.39                     

                             

Closest values to average (3 values) 

Interviews  Points considering  No.  animal possession 

 

29  43  42  6  19  45  37  22  26  28  44  46  23  41  11  1  20  8  34  5  24  39  14  9  18  33  17  38  31  40  36  15  12  13  21  25  7  4  2  3  35  30  16  10  27  32 

                    Average 37.74                                              Average 254.09                     

16  16  18  26  27  30  31  33  33  37  37  40  41  43  44  45  45  47  48  49  52  52  58  65  69  70  72  77  86  87  92  97  105  108  111  112  115  128  130  137  352  524  570  575  892  1270 

 

Appendix IV.   Second in depth semi‐structured interviews for  agriculture, non‐timber forest products (cumaru &  brazilnut), fisheries and other risks  

 

QUESTIONARIO II: ANÁLISE DOS RISCOS NOS SISTEMAS DE PRODUÇÃO ‐ ALENQUER      Meio agroecológico    Terra firme 

  

Várzea 

  

     

Nome do entrevistado ________________________________           

   Data  _____________________ 

  Comunidade N° _____________________________                                             

                1 

I. ROÇA    1. Rendimento e Riscos (Perguntas para identificar eventos extremos, provocando perdas de produção e renda), estratégias de  adaptação e prevenção    O senhor já perdeu colheita e renda devido a alguns eventos extremos não previsíveis como por ex.: seca?   ___________(S/N)  Em caso afirmativo, indique por favor os eventos extremos climáticos, as culturas afetadas e as respectivas perdas de produção.  Fatores que afetam a produção /  Eventos extremos 

Culturas afetadas 

Perda de  produção 

Período de  ocorrência  

Freqüência  Tendência  Como prevenir. 

  

  

Qtd. 

Unidade (0 = sempre  possível, 1 =  Janeiro, 2 =  Fev...) 

(por mês ou  aumentar  ano)  (+) ou  diminuir (‐)  

(pergunta aberta,  descrever estratégias) 

(pergunta aberta) 

1    2    3    4   

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

 (Ex. Intercropping,%) 

Códigos unidades  de AREA  1= ha  2= tarefa  3= m2 

  Códigos unidades  de PESO  1 = saca  2 = kg  3 = .... 

Como lidar quando acontece. O que  costuma fazer para evitar os riscos de  perda de produção desta cultura  devido a estes fatores? 

*Poi ser preços, climáticos, pragas ou outros que afeitam prod. 

Ex. adaptação por preços baixos

  ‐ Guardar produção (vender em  diferentes tempos)  ‐ Venda direita ao consumidor final   ‐ Contratos arranjados (produção  comprometida) ‐ Manter bens como poupança em  caso de necessidade ‐ Vender ou prestar algum bem 

2 

a. Quais os dois riscos na lista acima que o Senhor considera mais graves para o bem‐estar da sua família (Checar se consistente com o  prejuízo/freqüência e caso não pedir explicação)?    Quanto? (Usar técnica de determinar disponibilidade a pagar  ID do risco  Caso exista um seguro para cobrir o prejuízo, o Senhor  iniciando com valor muito baixo até ele desistir..anotar escala  priorizado  estaria disposto a pagar algo pelo mesmo?   utilizado: Importante usar valores que fazem sentido em relação  so prejuízo esperado!!!), ex.   R$ 5/mês...R$ 10/mês ....R$ 15/mês....    1.      2.          b. Para os dois riscos priorizados acima, de que forma o Senhor acha que o governo deveria contribuir para melhorar a situação e qual seria a  entidade de governo responsável?    b.1) Tipo de apoio____________________________________________________________________ b.1.1) Entidade______________________    b.2) Tipo de apoio____________________________________________________________________ b.2.2) Entidade______________________  c. Pertence a alguma associação, cooperativa, igreja que poderia ajudar caso tiver problemas na sua produção? (S/N) _________________   (Qual)______________________________________  d. Para os dois riscos priorizados acima, o que o Senhor acha que a sua comunidade poderia fazer para melhorar a situação?    d.1.) Tipo de ação _______________________________________________________________________________     d.2.) Tipo de ação _______________________________________________________________________________   3 

Códigos unidades  de AREA 

2. Rendimento. Excluindo esses eventos extremos quais seriam rendimentos mais freqüentes (normais), mais baixos e mais altos:   

1= ha  2= tarefa  3= m2 

  Códigos unidades  de PESO  1 = saca  2 = kg  3 = .... 

Produto 

Indique a área  cultivada para as  seguintes culturas    

   Área 

Quantos anos em 10  Rendimento mais  é que tem  Freqüente (normal)  rendimento normal,  mais Freqüente?**       

Unidades 

Qtd. 

Unidades 

Rendimento mais  Baixo    

Freqüência 

Qtd. 

Quantos anos em  Quantos anos em 10 é  10 é que tem  que tem rendimento  Rendimento mais Alto rendimento mais  Baixo?  Alto?          

Unidades 

Freqüência 

Qtd. 

Unidades 

Raízes 

  

  

  

  

  

  

  

  

  

  

Farinha 

  

  

  

  

  

  

  

  

  

  

Milho 

  

  

  

  

  

  

  

  

  

  

Feijão 

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

Freqüência 

** É necessário controlar se esta probabilidade é realmente a mais elevada...para um melhor controlo introduz‐se três colunas em vez de somente duas. O rendimento mais freqüente não é o mesmo que o rendimento  médio!!! 

                4 

3. Preços    Quantos anos em 10 é  que tem preço mais  Freqüente? ** 

Preço mais  Freqüente 

Produto 

Preço mais Baixo* 

Quantos anos em 10 é que  tem preço Baixo? 

Preço mais Alto 

Raízes 

  

  

  

  

  

Farinha 

  

  

  

  

  

Milho 

  

  

  

  

  

Feijão 

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

Quantos anos em 10 é  que tem preço Alto? 

** Tomar atenção que esta probabilidade tem que ser a mais alta. 

 

5 

Códigos para  membros da familia  1 = Homem adulto  2 = Mulher adulta  3 = >18 anos  4 = Idoso > 60 

4. Mão de obra na roça   

2. Por favor descreva a distribuição do trabalho para as operações indicadas 

1. 

FAMILIA 

POR FAVOR DESCREVA para  AS OPERACOES necessárias na  TOTAL  DIAS  Dias por  roça  pessoa 

Unidade  de área  ou  produção

  

TROCA 

Frequência  Meses    de  1= J, 2 =  execução  F, 3 =  da  M, ..  atividade 

Pessoas da família  trabalhando 

Dias 

Nr.  Pessoas 

(escreva os códigos) 

broca 

  

  

  

  

  

  

  

  

  

  

  

derruba 

  

  

  

  

  

  

  

  

  

  

  

queima 

  

  

  

  

  

  

  

  

  

  

  

capina 

  

  

  

  

  

  

  

  

  

  

  

colher* 

  

  

  

  

  

  

  

  

  

  

  

beneficiar* 

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

*, ** Pode ser por sacas ou produto e não por área  † Perguntar se é o dia todo ou só meio dia 

Tem diferença no valor da diária paga por cada operação na roça?       (S/N) __________    Em caso negativo, indique o valor da diária geral. _________________________  Em caso afirmativo, indique na tabela as diferentes diárias para cada operação.    Operação  Diária                            Tem algum tempo onde a mão de obra não estã disponível? (S/N) _________________    Caso positivo, quando? _____________________________________________________       

6

5. Insumos para roça       1.          Códigos de UNIDADES  1= KG  2= ...  3=  

2.     Por favor especifique a quantidade (Q) dos insumos utilizada para cada cultura   C1=                                                      ;        C2=                                                  ; C3 =     C4=                                                      ;       C4 =                                                  ; C5 =    (pergunte na coluna primeira para a cultura 1 (C1) até ao fim da tabela, a seguir passe para a cultura 2, 3, etc)   C1‐ Q1 

FERTILIZANTES  1. 

     

2.  3.  4. 

 

5. 

 

6. 

 

Unid. 

C2‐Q2 

Unid. 

C3‐ Q3 

Unid. 

Unid. 

C5‐Q5 

Unid. 

  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

    

     

C4‐Q4 

    

      

   

 

     

  

  

  

 

 

 

 

 

 

 

 

PESTICIDAS  7. 

HERBICIDAS 

 

 

 

 

 

 

 

 

 

 

8. 

INSECTICIDAS 

 

 

 

 

 

 

 

 

 

 

9. 

OUTROS 

 

 

 

 

 

 

 

 

 

 

10.   

 

 

 

 

 

 

 

 

 

 

11.   

 

 

 

 

 

 

 

 

 

 

12.  SEMENTES 

 

 

 

 

 

 

 

 

 

 

13.  DIESEL 

 

 

 

 

 

 

 

 

 

 

14.   

 

 

 

 

 

 

 

 

 

 

15.   

 

 

 

 

 

 

 

 

 

 

16.   

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

OUTROS INSUMOS 

17.    18.   

   

7

II. CASTANHA E CUMARU  1. Caracterização  1. uma ou outra arvore na propriedade (s castanhal)   2. castanhal próprio (regras de aceso bem definidas)  3. propriedades dos outros (negociado, uso tradicional)    4. propriedade da União  1. De onde tira esses produtos? _________________        2. Distancia a lugar onde tira esses produtos (horas de viagem) a.____________________________     e especificar meios de transporte a lugar de colheita b._______________________________________      3. Tem alguma prática para melhorar a produtividade? qual? _________________________________________________________________    4. Que fatores fazem que o Senhor decide ir para tirar castanha e cumaru?  ___________________________________________________________________________________________________________________  ___________________________________________________________________________________________________________________            1

2. Produção  1. Num ano normal tem algun periodo onde da mais ou menos, como seria isso (tentar dividir em periodos) e que atividades realiza       

JAN  666  Atividades  Castanha     1    2       3       4      5      Cumaru     1    2       3       4      

FEV  666 

MAR  666 

Sazonalidade na extração da castanha e cumaru  ABR  MAI  JUN  JUL  AGO  SET  66  6  56  56  55  55 

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

OCT  65 

NOV  6 

DEZ  66 

    2

Ano normal  2. Em período X ________, num ano normal quantas vezes o Senhor vai a tirar castanha? A._______________  B. E quanto tempo ficam tirando castanha?(dias trabalhados)__________________  3. Em período Y _______, vezes que vai a tirar castanha? A.__________________________  B. E quanto tempo que fica tirando castanha? (dias tr.)______________________  4. Nos últimos 10 anos, quantos anos vc acha que eram normais?__________________  Ano ruim  5. Nesse tempo, teve também anos ruim para tirar castanha? (S/ N) __________ , caso positivo quantas vezes em 10 anos? ___________________  6. Nesse caso, como muda isso, em período X ________, num ano ruim quantas vezes o Senhor vai a tirar castanha? A._______________  B. E quanto tempo ficam tirando castanha?(dias trabalhados)__________________  7. Em período Y _______, vezes que vai a tirar castanha? A.__________________________  B. E quanto tempo que fica tirando castanha? (dias tr.)______________________  Ano bom  8. E anos bons nestes últimos anos, quantos em 10 anos? _____________________________________  9. Nesse caso, em período X ________, num ano bom quantas vezes o Senhor vai a tirar castanha? A._______________  B. E quanto tempo ficam tirando castanha?(dias trabalhados)__________________    3

7. Em periodo Y _______, vezes que vai a tirar castanha? A.__________________________  B. E quanto tempo que fica tirando castanha? (dias tr.)______________________  3. Preços   

Preço mais  Frequente 

Produto 

Quantos anos em  10 é que tem preço  mais Frequente? **

Preço mais  Baixo* 

Quantos anos em  Quantos anos em  10 é que tem preço  Preço mais Alto 10 é que tem  Baixo?  preço Alto? 

Castanha    

  

  

  

  

  

  

  

  

  

  

  

Cumaru    

  

  

  

  

  

  

  

  

  

  

  

** Tomar atenção que esta probabilidade tem que ser a mais alta. O preço mais freqüente não é o preço médio!! 

    Esses preços são preços que o Senhor recebeu onde?  ________________  1. Mata          2. Casa             3. Beira do rio     Tem um preço mínimo por o qual o Senhor vai tirar, caso que sim quál é?     ______________________________________________________________   4

4. Mão de obra     Como o Senhor faz a colheita da castanha? Com quem?        Quantas pessoas ajudan geralmente? (# pessoas) _________________________________________________    O Senhor contrata pessoal (S/N), quantas diarias? _______________________________(convertir a um ano)    Em caso positivo, indique o valor da diária geral _________________________ 

Códigos para membros  da familia    1 = Individual  2 = Coletivo  3 = Familia  4 = ............. 

Em caso afirmativo, indique na tabela as diferentes diárias para cada operação.    Operação  Diária                            Tem algum tempo onde a mão de obra não estã disponível? (S/N) _________________    Caso positivo, quando? _____________________________________________________      O Senhor tem outro tipo de gastos neste proceso de colheita e venda de castanha/ cumaru? Quais?    _______________________________________________________________________________________    5

  5. Riscos (Perguntas para identificar eventos extremos, provocando perdas de produção e renda)  1. O senhor já perdeu safra e renda devido a alguns eventos extremos não previsíveis como por ex.: fogo, desmatamento, etc?     ___________(S/N)  2. Em caso afirmativo, indique por favor os eventos extremos e como se prejudicó  Perguntar se tiver  perdas por:    ______________________________________________________________________________________________________________  a. Desmatamento;   b. Perda ao aceso da  _______________________________________________________________________________________________________  terra (ex. fazendas);   c. Mudança no aceso a    terra  3. Caso de ter acontecido, o que o Senhor fez?  

 

  ________________________________________________________________________________________________________________________    ________________________________________________________________________________________________________________________    ________________________________________________________________________________________________________________________                  6

  6. Quais os dois riscos na lista acima que o Senhor considera mais graves para o bem‐estar da sua família (Checar se consistente com o  prejuízo/freqüência e caso não pedir explicação)?      ID do risco  Caso exista um seguro para cobrir o prejuízo, o Senhor  Quanto? (Usar técnica de determinar disponibilidade a pagar  priorizado  estaria disposto a pagar algo pelo mesmo?   iniciando com valor muito baixo até ele desistir..anotar escala  utilizado: Importante usar valores que fazem sentido em relação so  prejuízo esperado!!!), ex.   R$ 5/mês...R$ 10/mês ....R$ 15/mês....    1.      2.          1. Para os dois riscos priorizados acima, de que forma o Senhor acha que o governo deveria contribuir para melhorar a situação e qual seria a entidade  de governo responsável?    1.a) Tipo de apoio_________________________________________b)Entidade______________________    2.a) Tipo de apoio_________________________________________ b) Entidade______________________    2. Pertence a alguma associação ou cooperativa, igreja que poderia ajudar caso tiver problemas na sua produção? (S/N)     _________________ (Qual)______________________________________     3. Para os dois riscos priorizados acima, o Senhor acha que a sua comunidade poderia fazer para melhorar a situação?    1.a) Tipo de ação _______________________________________________________________________________     2.a) Tipo de ação _______________________________________________________________________________    7

III. PESCA  Horas de viagem desde comunidade a Alenquer ____________________________Meio de transporte ________________________      1. Recurso vivo explorado  Lugar de pesca         Peixes nobres               Lugar de pesca  1. Rio  2. Lago na várzea    3. Igarapés  1. ___________________    _________________  4. Outros __________  2. ___________________    _________________  Peixes de escama   Bagres Outros 3. ___________________    _________________        4. ___________________    _________________  7. Dourada  1. Curimatã  11. Tambaqui  5. ___________________    _________________  8. Piramutaba  2. Pescada  12. Acari  9. Filhote  3. Pacu  13. Mapará      10. Surubim  4. Tucunaré  14. Pirapitinga       Peixe vendido em massa    5. Aracu  15. Jaraqui  6. ___________________    _________________  6. Pirarucu   16. Aruanã  17. Camarão  7. ___________________    _________________  8. ___________________    _________________  9. ___________________    _________________  10. ___________________    _________________    2. Frota  Frota     1. O Senhor é dono da alguma embarcação? (S/N)   1. Barco a motor    2. Barco geleiro  2. Características da embarcação utilizada na pesca____________  3. Bote  4. Rabeta    5. Bajara  3. Capacidade da embarcação (kg ou ton) _________________  6. Canoa    4. Valor da embarcação (R$) ___________________________  1

Grupo    1. Redes de emalhe  2. Rede de lance  3. Tarrafa  4. Linhas  5. Arte de fisgar  6. Artes fixas (matapi) 

      3. Prática ou arte de pesca      Grupo 

*

Características / Descrição  

Instrumento de pesca 

Instrumento de pesca    1. Malhadeira  2. Puçá‐de‐arrasto  3. Tarrafa  4. Espinhel  5. Caniço  6. Matapi 

Alvo (Tipo de peixe) 

(capacidade captação de peixe, tamanho da malhadeira, etc.) 

Periodo  no ano (Meses 1=  J, 2 = F,..) 

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

 

 

 

 

 

 

 

 

 

 

 

 

    Recibe seguro desemprego (defeso)? (S/N) _____________________________    Outros tipos de apoio do governo? ________________ quanto é por quanto tempo? _____________________________________________  • •

*Defeso 15 Nov‐ 15 Mar.: Mapará (Hipophtalmus endentatus), Curimatá (Prochilodus nigricans), Branquinha (Curimatá amazônica), Pacú (Myleus spp.), Fura calça (Pimelodina  flavipinnis), Jatuarana (Brycon spp.), Pirapitinga (Piractus brachypomus), Aracu (Schizodon spp.)   Pirarucu (01/12 – 31/05), Acari (01/12–30/03), Tambaqui (01/10–31/03)

2

4. Esforço da pesca    Duração da viagem (dias/hr.) ________________    Com que freqüência vai a pescar (viagens por mês)?______________ Em quais mêses? _______________________________    Quantas pessoas pescan na embarcação (canoa, etc.)? ____________________________________    Quem vai a pescar (total de pessoas)? ______________________________________   1 = homens adultos, 2 = mulher, 3 = >18 anos, 4 = Idoso   O Senhor contrata pescadores (S/ N) _________________Se afirmativo quantas diárias paga? ___________________________     Tem diferença no valor da diária paga por cada operação?       (S/N) __________    Em caso negativo, indique o valor da diária geral. _________________________  Em caso afirmativo, indique na tabela as diferentes diárias para cada operação.    Operação  Diária                    Tem algum tempo onde a mão de obra não estã disponível? (S/N) _________________    Caso positivo, quando? _____________________________________________________          3

  5. Riscos / Estratégias de adaptação e prevenção  O senhor já perdeu renda devido a alguns eventos extremos não previsíveis como por ex.: cheia, enchente, seca?   ___________(S/N)  Em caso afirmativo, indique por favor os eventos extremos, o tipo de peixe e as respectivas perdas de produção.  Fatores que afetam a  produção 

Tipo de peixe 

Perda de  produção  (Qtd.ou R$/  dia ou mês) 

Período de  Freqüência  Tendência  ocorrência 

Como prevenir.  Como lidar quando  O que costuma fazer  acontece  para evitar os riscos de  perda de produção  destes peixes devido a  estes fatores? 

 

  

 

(0 = sempre  possível, 1 =  Janeiro, 2 =  Fev...) 

(por mês / ano)  aumentar (+) ou  diminuir (‐)  

(pergunta aberta, descrever  estratégias) 

(pergunta aberta) 

1 

  

  

  

  

  

  

  

2 

  

  

  

  

  

  

  

3 

  

  

  

  

  

  

  

4 

  

  

  

  

  

  

  

5 

  

  

  

  

  

  

  

4

  6. Quais os dois riscos na lista acima que o Senhor considera mais graves para o bem‐estar da sua família (Checar se consistente com o  prejuízo/freqüência e caso não pedir explicação)?      Quanto? (Usar técnica de determinar disponibilidade a pagar  ID do risco  Caso exista um seguro para cobrir o prejuízo, o Senhor  priorizado  estaria disposto a pagar algo pelo mesmo?   iniciando com valor muito baixo até ele desistir..anotar escala  utilizado: Importante usar valores que fazem sentido em relação so  prejuízo esperado!!!), ex.   R$ 5/mês...R$ 10/mês ....R$ 15/mês....    1.      2.          1. Para os dois riscos priorizados acima, de que forma o Senhor acha que o governo deveria contribuir para melhorar a situação e qual seria a entidade  de governo responsável?    1.a) Tipo de apoio_________________________________________b)Entidade______________________    2.a) Tipo de apoio_________________________________________ b) Entidade______________________    2. Pertence a alguma associação ou cooperativa, igreja que poderia ajudar caso tiver problemas na sua produção? (S/N) _________________  (Qual)______________________________________     3. Para os dois riscos priorizados acima, o Senhor acha que a sua comunidade poderia fazer para melhorar a situação?    1.a) Tipo de ação _______________________________________________________________________________     2.a) Tipo de ação _______________________________________________________________________________      5

Codigos para  unidades de peso  1 = peixes  2 = kg  3 = ... 

7. Rendimento. Excluindo esses eventos extremos quais seriam rendimentos mais freqüentes (normais), mais baixos e mais altos (por dia  de trabalho)  Quantos anos em  10 é que tem  rendimento  normal, 

  

Rendimento   mais Freqüente (normal) 

Quantos anos em 10 é  que tem rendimento  Rendimento         Baixo 

mais Freqüente?**

Baixo? 

Rendimento         Alto 

Alto? 

  

     

Quantos anos em  10 é que tem  rendimento 

Freqüência 

Qtd. 

Unidades 

Freqüência 

Qtd. 

Unidades 

Freqüência 

Qtd. 

Unidades 

Peixe de alto valor comercial  (nobre): 

        

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

Peixes para venda em massa: 

      Peixe para subsistência: 

      Peixe ornamental: 

   Camarão 

  6

8. Preços    Preço  mais Frequente 

Por espécie, perguntando as  5 ou 10 mais importantes  para sua renda e consumo 

Quantos anos em 10 é  que tem preço mais  Frequente? ** 

Preço  mais Baixo 

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

Quantos anos em 10  é que tem preço  Baixo? 

Preço  mais Alto 

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

Quantos anos em 10  é que tem preço  Alto?    

                       

** Tomar atenção que esta probabilidade tem que ser a mais alta. O preço mais freqüente não é o preço médio!! 

7

9. Insumos para pesca    1 

2 

  

  

  

 Por favor especifique a quantidade (Q) dos insumos utilizada para cada especie só em caso de que varie 

  

C1=                                                      ;        C2=                                                  ; C3 =  

Códigos de UNIDADES 

  

1= kg 

C4=                                                      ;       C4 =                                                  ; C5 = 

2= No. de peixe 

  

3= Outros 

(pergunte na coluna primeira para a cultura 1 (C1) até ao fim da tabela, a seguir passe para a cultura 2, 3, etc) 

Insumos  1 

2 

3  4  5  6  7  8  9 

Gelo...     Ferramentas do trabalho:                                        

 C1‐ Q1 

Unid. 

C2‐Q2 

Unid. 

C3‐ Q3 

Unid. 

C4‐Q4 

Unid. 

C5‐Q5 

Unid. 

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  Tem outro tipo de despesas, gastos (só da atividade mesma)? Caso positivo, quais?   __________________________________________________________________________________________________ 

8

IV. OUTROS RISCOS (não relacionado ao sistema de produção)    1. Impactos de riscos e estratégias de prevenção e adaptação  Tipo de risco   Prejuízo  Período de  Freqüência Tendência  Como prevenir  ocorrência 

Como lidar quando acontece 

1 = Transporte ruim  3=  Falta de armaz.  4 = Sit. fundiária  5 = Políticas de gov ‐  6 = Mão de obra (+ / ‐)  7 = Doenças ______  8 = Acidentes  9 = Outros 

(em R$ ou dias  e numero de  pessoas  imobilizadas,  gastos em  hospital) 

(0 = sempre  possível, 1 =  Janeiro, 2 =  Fev...) 

(por mês ou  ano) 

aumentar (+)  (pergunta aberta, descrever  / diminuir (‐)  estratégias) 

(pergunta aberta) 

  1 

  

  

  

  

  

  

2 

  

  

  

  

  

  

3 

  

  

  

  

  

  

4 

  

  

  

  

  

  

5 

  

  

  

  

  

  

3 

 

 

 

 

 

 

1

2. Quais os dois riscos na lista acima que o Senhor considera mais graves para o bem‐estar da sua família (Checar se consistente com o  prejuízo/freqüência e caso não pedir explicação)?    Quanto? (Usar técnica de determinar disponibilidade a pagar  ID do risco  Caso existir um seguro para cobrir o prejuízo, o Senhor  iniciando com valor muito baixo até ele desistir..anotar escala  priorizado  estaria disposto a pagar algo pelo mesmo?   utilizado: Importante usar valores que fazem sentido em relação so  prejuízo esperado!!!), ex.   R$ 5/mês...R$ 10/mês ....R$ 15/mês....    1.      2.          3. Para os dois riscos priorizados acima, de que forma o Senhor acha que o governo deveria contribuir para melhorar a situação e qual seria a entidade  de governo responsável?    1.a) Tipo de apoio_______________________________________________________________________________ b) Entidade______________________    2.a) Tipo de apoio_______________________________________________________________________________ b) Entidade______________________    4. Pertence a alguma associação ou cooperativa, igreja que poderia ajudar caso tiver problemas na sua produção? (S/N) _________________  (Qual)______________________________________     5. Para os dois riscos priorizados acima, o Senhor acha que a sua comunidade poderia fazer para melhorar a situação?    1.a) Tipo de ação _______________________________________________________________________________     2.a) Tipo de ação _______________________________________________________________________________  

2