A pandemia de COVID-19 e o seu impacto à saúde planetária / The COVID-19 pandemic and its impact on planetary health

A pandemia de COVID-19 deu ao mundo uma imagem clara do que é uma crise multidimensional em escala planetária, revelando o papel central que ocupa o setor de saúde e as profundas desigualdades no acesso aos cuidados em saúde que existem entre os diferentes países, e dentro de cada um deles. Melhorar os efeitos ambientais do setor e reduzir as emissões de gases de efeito estufa pode não apenas melhorar a saúde de todos, mas também reduzir os custos com os cuidados em saúde. O setor de saúde de cada país libera direta e indiretamente gases de efeito estufa ao fornecer seus serviços e ao comprar produtos, serviços e tecnologias em uma cadeia de fornecimento de carbono intensivo. Educar os profissionais de saúde mais profundamente sobre os efeitos das mudanças climáticas pode levar a práticas clínicas mais sustentáveis, melhorando os resultados para os pacientes e fornecendo um impulso substancial para aumentar os esforços para reduzir as emissões de carbono. O setor da saúde deve assumir a responsabilidade por sua pegada climática respondendo à crescente emergência climática, não apenas prestando assistência aos doentes, feridos ou moribundos como resultado da crise climática e suas causas, mas também fazendo a prevenção primária e reduzindo drasticamente suas próprias emissões.

The COVID-19 pandemic has painted a clear picture of what a multidimensional planetary crisis is, revealing the central role played by the health sector and the deep inequalities in access to health care that exist between and within each country. Decreasing the environmental effects of the health sector and reducing greenhouse gas emission may not only improve people's health, but also reduce health care costs. The health care sectors around the world directly and indirectly release greenhouse gases by providing their services and purchasing products, services, and technologies within a carbon-intensive supply chain. Further educating health care professionals about the effects of climate change may lead to more sustainable clinical practices, improving patient outcomes and providing substantial impetus to increased efforts to reduce carbon emission. The health sector must take responsibility for its climate footprint by responding to the growing climate emergency not only by assisting the sick, injured, or dying from the climate crisis, but also by doing primary prevention and drastically reducing its own carbon emission.

Evaluation of geostatistical techniques to estimate the spatial distribution of aboveground biomass in the Amazon rainforest using high-resolution remote sensing data / Avaliação de técnicas geoestatísticas na estimativa da distribuição espacial da biomassa acima do solo na Amazônia utilizando sensoriamento remoto de alta resolução espacial

The spatial distribution of forest biomass in the Amazon is heterogeneous with a temporal and spatial variation, especially in relation to the different vegetation types of this biome. Biomass estimated in this region varies significantly depending on the applied approach and the data set used for modeling it. In this context, this study aimed to evaluate three different geostatistical techniques to estimate the spatial distribution of aboveground biomass (AGB). The selected techniques were: 1) ordinary least-squares regression (OLS), 2) geographically weighted regression (GWR) and, 3) geographically weighted regression - kriging (GWR-K). These techniques were applied to the same field dataset, using the same environmental variables derived from cartographic information and high-resolution remote sensing data (RapidEye). This study was developed in the Amazon rainforest from Sucumbíos - Ecuador. The results of this study showed that the GWR-K, a hybrid technique, provided statistically satisfactory estimates with the lowest prediction error compared to the other two techniques. Furthermore, we observed that 75% of the AGB was explained by the combination of remote sensing data and environmental variables, where the forest types are the most important variable for estimating AGB. It should be noted that while the use of high-resolution images significantly improves the estimation of the spatial distribution of AGB, the processing of this information requires high computational demand.

A distribuição espacial da biomassa na Amazônia é heterogênea, variando temporalmente e espacialmente em relação aos diferentes tipos de formações vegetais abrangidas por este bioma. Estimativas de biomassa nesta região variam significativamente dependendo da abordagem aplicada e do conjunto de dados utilizados para sua modelagem. Assim, este estudo teve como objetivo avaliar três diferentes técnicas geoestatísticas na estimativa da distribuição espacial da biomassa acima do solo (BAS). As técnicas escolhidas foram: 1) regressão por mínimos quadrados ordinários (OLS), 2) regressão geograficamente ponderada (RGP) e, 3) regressão geograficamente ponderada - krigagem (RGP-K). Estas técnicas foram aplicadas sobre um mesmo conjunto de dados de campo, utilizando as mesmas variáveis ambientais decorrentes de dados cartográficos e de sensoriamento remoto de alta resolução espacial (RapidEye). Este trabalho foi desenvolvido na floresta amazônica da província de Sucumbíos no Equador. Os resultados deste estudo mostraram que a RGP-K, sendo uma técnica híbrida, forneceu estimativas estatisticamente satisfatórias com menor erro de predição em comparação com as outras duas técnicas. Além disso, observou-se que 75% da BAS foi explicada pela combinação de dados de sensoriamento remoto e variáveis ambientais, sendo os tipos de formações vegetais a variável de maior importância para estimar BAS. Cabe ressaltar que, embora o uso de imagens de alta resolução espacial melhora significativamente a estimativa da distribuição espacial da BAS, o processamento desta informação requer alta demanda computacional.