IA e Satélites Mapeiam 13 Mil Hectares Abandonados no Cerrado
Uma pesquisa inédita desenvolvida pela Embrapa e pela Universidade de Brasília (UnB) utilizou Inteligência Artificial (IA) e imagens de satélite para mapear com precisão áreas agrícolas abandonadas no bioma Cerrado brasileiro. O estudo, focado no município de Buritizeiro, no norte de Minas Gerais, identificou mais de 13 mil hectares de terras que deixaram de ser cultivadas entre 2018 e 2022, um volume equivalente a quase 5% da área agrícola total do município no início desse período.
Este mapeamento detalhado é considerado a primeira avaliação desse tipo no bioma e representa um avanço metodológico significativo, pois as áreas subutilizadas podem ser direcionadas para estratégias de restauração ecológica e mitigação climática.
Metodologia de Alta Precisão com Deep Learning
A inovação central da pesquisa reside na combinação de dados de sensoriamento remoto com técnicas avançadas de machine learning, especificamente o deep learning. Os pesquisadores empregaram imagens do satélite Sentinel-2, da Agência Espacial Europeia (ESA), e utilizaram uma Rede Neural Totalmente Conectada (FCNN) para classificar os diferentes usos e coberturas da terra.
O modelo de IA foi treinado para identificar categorias distintas, incluindo vegetação nativa, pastagens cultivadas, culturas anuais, plantações de eucalipto e, notavelmente, as áreas agrícolas abandonadas, algo que não era feito de forma padronizada em avaliações anteriores no Cerrado.
Acurácia e Resultados no Campo
A acurácia do mapeamento alcançada foi de 94,7%, um índice classificado como excelente para classificações de uso da terra baseadas em sensoriamento remoto.
A análise no município de Buritizeiro revelou um dado importante sobre a natureza desse abandono:
- 87% das áreas mapeadas como abandonadas correspondiam a antigas plantações de eucalipto, muitas delas destinadas à produção de carvão vegetal.
- O abandono dessas áreas de eucalipto está frequentemente associado à queda da atratividade econômica, impulsionada pelo aumento dos custos logísticos e de produção, e baixa produtividade de pastagens em períodos secos.
Veja também:
Implicações para Políticas Públicas e Restauração
Os mapas gerados por essa metodologia fornecem informações espaciais detalhadas que podem subsidiar diretamente a formulação e a implementação de políticas públicas ambientais e agrícolas.
De acordo com analistas da Embrapa, os dados são cruciais para que órgãos governamentais, planejadores e proprietários rurais possam priorizar áreas para reabilitação, como plantações degradadas ou pastagens de baixo desempenho.
As estratégias que podem ser apoiadas incluem:
- Restauração Ecológica: Criação de corredores de restauração no Cerrado.
- Mitigação Climática: Estimativa do potencial de sequestro de carbono que essas áreas subutilizadas podem oferecer ao serem restauradas.
- Planejamento Territorial Sustentável.
Pesquisadores enfatizam que incorporar essas áreas abandonadas nas políticas ambientais fortalece a visão de sustentabilidade rural.
Desafios e Próximos Passos
Apesar da alta precisão, os cientistas reconhecem que a metodologia ainda enfrenta desafios que exigem refinamento futuro. O principal obstáculo é a dificuldade em distinguir com exatidão o abandono permanente de períodos temporários de pousio (descanso da terra).
Além disso, a validação final do abandono ainda depende, em parte, da interpretação visual e do conhecimento local, e a diferenciação entre pastagens degradadas e vegetação nativa pode ser complexa apenas com as assinaturas espectrais disponíveis.
Os resultados completos do estudo foram publicados na revista científica internacional Land, sob o título Putting Abandoned Farmlands in the Legend of Land Use and Land Cover Maps of the Brazilian Tropical Savanna.
A iniciativa demonstra o potencial robusto das tecnologias de IA e sensoriamento remoto para monitorar a dinâmica do uso da terra em savanas tropicais, oferecendo uma ferramenta valiosa para a gestão ambiental do Cerrado, bioma que historicamente recebeu menos atenção em monitoramento do que a Amazônia.