Quantificação da Perda Florestal em Assentamentos da Amazônia Legal por Meio de Sensoriamento Remoto com Inteligência Artificial

Quantifying Forest Loss in Legal Amazon Settlements through AI-Driven Remote Sensing

Resumo

A floresta amazônica, um componente crucial do sistema climático da Terra, enfrenta um aumento do desmatamento, especialmente em áreas de assentamentos estabelecidas por meio de programas de reforma agrária. Este estudo investiga a perda florestal no Assentamento Alcobaça e no Trecho Juma, localizados na Amazônia Legal, no período de 2018 a 2022, utilizando técnicas de sensoriamento remoto e inteligência artificial (IA). Imagens do satélite Sentinel-2 foram analisadas por meio de algoritmos de aprendizado de máquina, incluindo Máquinas de Vetores de Suporte (SVM), Florestas Aleatórias (RF), Árvores de Decisão (DT) e Redes Neurais Convolucionais (CNNs), para classificar a cobertura da terra e quantificar as tendências de desmatamento. Os resultados demonstraram que as CNNs superaram os demais classificadores, atingindo a maior acurácia e melhor identificando os padrões de desmatamento ao longo do tempo. O modelo treinado foi então aplicado ao Trecho Juma para avaliar sua capacidade de generalização. Embora a abordagem com CNN tenha se mostrado eficaz, ela superestimou o desmatamento em 8,32% em 2022 em comparação com a classificação manual, evidenciando os desafios na transferência de modelos de aprendizado de máquina para diferentes regiões sem calibração adicional. Os resultados destacam também o potencial do sensoriamento remoto com IA para o monitoramento ambiental em larga escala, ao mesmo tempo em que reforçam a necessidade de treinamento e validação localizados para melhorar a precisão das classificações. Assim, esta pesquisa contribui para o desenvolvimento de métodos automatizados de avaliação da perda florestal, fornecendo informações valiosas para a gestão ambiental e a formulação de políticas públicas na Amazônia.