A Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) desenvolveu recentemente uma ferramenta de inteligência artificial (IA) capaz de antecipar, com até 15 dias, áreas com alto risco de desmatamento na Amazônia.
Batizada de Deforestation Prediction System, a ferramenta já está disponível na plataforma TerraBrasilis, que é um portal público com dados geográficos e ambientais produzidos por sistemas de monitoramento como o PRODES e o DETER, utilizados no acompanhamento do desmatamento na Amazônia, inclusive por municípios daquela região.
A plataforma Terrabrasilis pertence a uma Sala de Situação mantida pelo Instituto Nacional de Pesquisas Espaciais (INPE), que é um dos parceiros da PUC-Rio no desenvolvimento do projeto de IA. Iniciativa também conta com a participação do Ministério do Meio Ambiente e Mudança do Clima (MMA) e do Instituto Brasileiro do Meio Ambiente (Ibama).
A previsão de desmatamento é fundamental, pois os técnicos não podem visitar todos os lugares da Amazônia. É necessário priorizar. As ações de fiscalização são caras, envolvem deslocamentos por longas distâncias e áreas de difícil acesso. A ferramenta que até então era usada pelo Ibama precisava ser atualizada, pois se baseava em um método proposto há cerca de 20 anos, explicou o coordenador do projeto, o professor de Engenharia Elétrica da PUC-Rio, Raul Feitosa.
Segundo ele, o trabalho, iniciado em janeiro de 2024, recebeu investimento de R$ 2,5 milhões da Climate and Land Use Alliance (CLUA), uma coalizão internacional de fundações dedicada à proteção das florestas tropicais.
Funcionamento
Em artigo publicado pelo portal The Conversation, Feitosa acrescentou que a base da ferramenta de IA está em identificar fatores ou condições mais relacionadas ao desmatamento iminente, de modo que possam antecipar a sua ocorrência, a partir da base de dados históricos da Amazônia Legal, disponibilizada pelo INPE. Isso porque o Instituto realiza o monitoramento sistemático dos biomas brasileiros por sensoriamento remoto, gerando um grande volume de dados em plataformas como PRODES e DETER.
Selecionamos variáveis espaciais e ambientais, como rede hidrográfica, proximidade de rodovias, limites de áreas protegidas e terras indígenas, padrões climáticos e, sobretudo, registros históricos de desmatamento. Esse último fator é essencial, já que novos eventos tendem a se repetir próximos aos locais já afetados no passado, explicou.
O coordenador estimou que, com base em experimentos, o modelo pode reduzir os erros em cerca de 75% a 80% em comparação com o modelo anterior. Ele também revelou que, “com apoio do Ministério do Meio Ambiente, estamos elaborando uma nova proposta para estender o uso de IA à previsão de outros eventos prejudiciais à floresta, como incêndios e processos de degradação, além de expandir o modelo para outros biomas, como o Cerrado”.
Apesar disso, uma pesquisa divulgada esta semana apontou aumento na desconfiança dos brasileiros com a IA, conforme noticiou o Cointelegraph Brasil.