The Effects on Deforestation of Conditional Cash Transfers: A Study among the Khĩsêtjê Amazonian Indigenous People

Abstract

HIGHLIGHTS Conditional Cash Transfers (CCTs) might change land-use decisions of indigenous people, increasing deforestation. Two agent-based models were adopted to evaluate that, varying in their assumptions about time allocation decisions. Results indicate that CCTs would likely decrease the time allocated to agriculture and the area deforested. Alternative assumptions about time allocation decisions changed results. The reduction in deforestation predictions was lower with the minimum working time assumption (Time Budget). SUMMARY Smallholders' contribution to Amazonian deforestation is currently increasing. In Indigenous Lands, changes in land uses might be partially due to the unintended effects of anti-poverty strategies, including the Conditional Cash Transfers (CCTs), which may promote the conversion of forests to agricultural lands. Despite that, little is known about whether and how CCTs affect long-term deforestation rates. Thus, this study has assessed whether CCTs influenced long-term land-use changes from forests to agriculture, considering alternative time allocation assumptions (i.e., Time Optimisation and Time Budget). Transfers from the Brazilian Bolsa Família Program to the Khĩsêtjê indigenous people of the Amazon were evaluated with two agent-based models. Results suggest CCTs will likely decrease the area deforested in the long term without changing Khĩsêtjê's population size. When market-purchased products replace local products, people's time allocated to agriculture is expected to fall. The intensity of CCT effects on deforestation varied according to time allocation assumptions, highlighting the importance of considering them carefully to improve the predictions from model simulations. A contribuição dos produtores familiares para o desmatamento da Amazônia está atualmente aumentando. Em Terras Indígenas, as mudanças nos usos da terra podem ser parcialmente devidas aos efeitos não intencionais de estratégias de combate à pobreza, incluindo as Transferências Condicionais de Renda (CCTs) que podem estimular a conversão de florestas em terras agrícolas. Apesar disso, pouco se sabe sobre se e como os CCTs afetam as taxas de desmatamento de longo prazo. Assim, este estudo avaliou se os CCTs influenciavam as mudanças de longo prazo no uso da terra de florestas para agricultura, considerando premissas alternativas de alocação de tempo (ou seja, Otimização de Tempo e Orçamento Temporal). As transferências do Programa Bolsa Família brasileiro para o povo indígena Khĩsêtjê da Amazônia foram avaliadas com dois modelos baseados em agentes. Os resultados sugerem que os CCTs provavelmente diminuirão a área desmatada no longo prazo, sem alterar o tamanho da população Khĩsêtjê. Quando os produtos comprados no mercado substituem os produtos locais, espera-se que o tempo das pessoas dedicado à agricultura diminua. A intensidade dos efeitos do CCT sobre o desmatamento variou de acordo com as premissas de alocação de tempo, destacando a importância de considerá-las cuidadosamente para melhorar as previsões das simulações em modelos. La contribution des petits exploitants à la déforestation amazonienne est en train d'augmenter. Dans les territoires autochtones, les changements dans l'utilisation des terres pourraient s'expliquer en partie par les effets involontaires des stratégies de lutte contre la pauvreté, notamment les transferts conditionnels en espèces (TCE), qui peuvent favoriser la conversion des forêts en terres agricoles. Malgré cela, on sait peu de choses sur l'impact des TCE sur les taux de déforestation à long terme. Cette étude s'est penchée sur le lien entre les TCE et la modification de l'utilisation à long terme des terres, de la forêt vers l'agriculture, en se basant sur des hypothèses alternatives d'allocation du temps (c'est-à-dire l'optimisation du temps et le budget temps). Les transferts aux populations autochtones Khĩsêtjê de l'Amazonie dans le cadre du programme brésilien Bolsa Família ont été évalués à l'aide de deux modèles d'agents. Les résultats indiquent que les TCE diminueront probablement la zone déboisée à long terme sans changer la taille de la population Khĩsêtjê. Lorsque les produits achetés sur le marché remplaceront les produits locaux, le temps que les gens consacrent à l'agriculture devrait diminuer. L'intensité des effets du TCE sur la déforestation variait en fonction des hypothèses d'allocation du temps, ce qui souligne l'importance de les prendre en compte avec attention pour améliorer les prévisions de résultats. La contribución de los pequeños productores a la deforestación de la Amazonía está aumentando actualmente. En las Tierras Indígenas, los cambios en los usos del suelo podrían deberse en parte a los efectos no deseados de las estrategias de lucha contra la pobreza, como las transferencias monetarias condicionadas (TMC), que pueden fomentar la conversión de bosques a tierras agrícolas. A pesar de ello, apenas se sabe si las TMC afectan a las tasas de deforestación a largo plazo y cómo lo hacen. Por lo tanto, este estudio ha evaluado si las TMC han influido en los cambios de uso de la tierra a largo plazo de los bosques a la agricultura, considerando supuestos alternativos de asignación de tiempo (es decir, optimización del tiempo y planificación del tiempo). Las transferencias del programa brasileño Bolsa Família al Pueblo Indígena Khĩsêtjê de la Amazonía se evaluaron mediante dos modelos basados en agentes. Los resultados sugieren que es probable que las TMC reduzcan la superficie deforestada a largo plazo sin que cambie el tamaño de la población Khĩsêtjê. Cuando los productos comprados en el mercado sustituyen a los productos locales, se espera que el tiempo que la gente dedica a la agricultura disminuya. La intensidad de los efectos de las TMC sobre la deforestación varió en función de los supuestos de asignación de tiempo, lo que pone de manifiesto la importancia de considerarlas cuidadosamente para mejorar las predicciones de las simulaciones del modelo.