Ferramentas de Big Data, Internet das Coisas e Inteligência Artificial estão mudando os processos industriais convencionais – e o setor florestal não é exceção.


A aplicação da Inteligência Artificial no mercado florestal ainda é bastante recente, mas já se expandiu para algumas atividades do setor e tem sido utilizada no monitoramento e no combate a incêndios, identificação de pragas, caracterização de áreas produtivas, planejamento e otimização florestal.

 

Com o uso de tecnologias como o sensor LIDAR (Light Detection And Ranging), RNA (Redes Neurais Artificiais) e processamento de imagens, algumas empresas do setor já têm entregado, por exemplo, inventários florestais completos com maior precisão em um tempo muito menor que gasto originalmente.

 

Além dos inventários florestais, o uso da Inteligência Artificial e das tecnologias associadas ao Big Data & Analytics, têm o potencial de permitir um processamento de dados muito maior e mais rápido, com melhor qualidade da informação gerada. Isso porque, com o Machine Learning e a capacidade das máquinas em identificar padrões e correlações complexas em níveis detalhados, a análise das variáveis que determinam a produtividade de uma floresta é muito mais precisa, a ponto de gerar modelos e projeções de resultados muito mais fidedignos aos obtidos no campo.

 

A I.A pode desempenhar um papel tremendo no controle de incêndios florestais. Podemos treinar o software fornecendo-lhe informações sobre os locais mais vulneráveis ​​a incêndios. Para que possa detectar os locais vulneráveis ​​de uma floresta e enviar notificações aos agentes florestais para que possam ir rapidamente a esses locais e apagar o fogo. Assim, eles exigirão menos tempo e podem economizar mais recursos naturais, apagando o fogo facilmente. Isso pode economizar milhões de dólares”, diz o Doutor Swapan Kumar Sarker, associado do Departamento de Ciências Florestais e Ambientais da Universidade de Ciência e Tecnologia de Shahjalal (Bangladesh).

 

Como as técnicas de inteligência artificial podem ser usadas?

O sensoriamento remoto

sugere mapas em tempo real para as emissões de gases de efeito estufa. Desta forma, poderíamos saber instantaneamente quais áreas de terras agrícolas do planeta que emitem mais gases de efeito estufa e fazer o nosso melhor para nos ajustar com regulamentos, incentivos ou colaboração. “Embora os gases do efeito estufa sejam invisíveis aos nossos olhos, eles devem, por definição, interagir com a luz do sol. Isso significa que podemos observar esses compostos com câmeras hiperespectrais.” Isso é descrito como um problema aberto com um alto potencial de impacto.

 A agricultura de precisão é outra oportunidade. O desmatamento frequentemente dá lugar a comida para humanos. A carne bovina não é a mais eficiente, mas essa parece ser uma grande razão para o desmatamento de grandes áreas da floresta amazônica. No geral, a agricultura é responsável por 14% das emissões de gases de efeito estufa. A agricultura de precisão pode levar a menos pesticidas e ao uso mais eficiente da água com uma combinação de robótica, hardware e uso inteligente de algoritmos. Ferramentas de aprendizado de máquina para formuladores de políticas e agrônomos também podem ajudar a encorajar ações positivas para o clima.

 

Protegendo as turfeiras. As turfeiras cobrem apenas 3% da área terrestre da Terra, no entanto elas mantêm o dobro do carbono total em todas as florestas do mundo, tornando a turfa a maior fonte de carbono sequestrado na Terra. Quando a turfa seca, ela libera muito carbono e pode pegar fogo. Relata-se que um único incêndio de turfa na Indonésia em 1997 liberou emissões comparáveis ​​a 20–50% das emissões globais de combustíveis fósseis durante o mesmo ano. Técnicas avançadas de aprendizado de máquina podem ajudar a desenvolver ferramentas de monitoramento avançadas a baixo custo e prever o risco de incêndio.

O aprendizado de máquina pode ser útil para diversas atividades no setor florestal, dentre os mais importantes e talvez com maiores estudos estão:

Estimativa do estoque de carbono: Um estimador pode realizar previsões na escala do planeta. O aprendizado de máquina pode ser útil, permitindo verificar regiões críticas e que necessitam de maior atenção além de ajudar a prevê problemas relacionados a emissões de CO2 na atmosfera.

Arborização automatizada: O planeta tem capacidade para mais 1,2 trilhão de árvores. Isso tem o potencial de cancelar uma década de emissões de carbono. Nesse sentido, a automação pode ser útil. Duas startups BioCarbon Engineering e Droneseed são mencionadas a esse respeito. O aprendizado de máquina pode ser usado para localizar áreas de plantio apropriados, monitorar a saúde da planta, avaliar ervas daninhas e analisar tendências.

Manejo de incêndios florestais: Podemos evitar grandes incêndios florestais, a I.A pode ser usada para prever a progressão espacial do fogo (como o fogo se espalha). Com boas ferramentas para avaliar as regiões de maior risco, os bombeiros podem realizar queimadas controladas e cortar áreas selecionadas para evitar a progressão dos incêndios.

Silvicultura: Embora parte do desmatamento seja resultado da expansão da agricultura ou do desenvolvimento urbano, a maior parte vem da indústria madeireira. O corte raso tem um efeito particularmente prejudicial e continua sendo uma prática difundida em todo o mundo. O rastreamento do desmatamento pode ser útil para adoção de políticas públicas. Por exemplo, a empresa Rainforest Connection instalou antigos smartphones alimentados por painéis solares em uma floresta, esses celulares funcionam por meio de um algoritmo de ML que pode detectar sons de motosserra em um raio de um quilômetro e relatá-los a uma antena de telefone celular próxima. O aprendizado de máquina também pode ser aplicado à logística e transporte, embora isso possa ter um efeito negativo e deva ser combinado com boas políticas.

Tecnologia baseada em inteligência artificial auxilia na medição do diâmetro das toras, obtém além do diâmetro de cada tora, o volume e contagem das toras.

Esses são apenas alguns exemplos do potencial do uso de I.A e M.L no setor florestal, essa tecnologia ainda tem muito a evoluir e com certeza iremos falar muito a respeito de novas tecnologias que ajudam no desenvolvimento e gerenciamento de florestas.

 Por: Túlio Santos | Editorial Central Florestal, 04 de outubro de 2020

Fontes

https://medium.com/odscjournal/artificial-intelligence-and-forest-management-50f480b56325

https://www.nature.com/articles/s41524-019-0221-0

https://www.researchgate.net/publication/326306245_Application_of_machine-learning_methods_in_forest_ecology_Recent_progress_and_future_challenges

https://www.inflor.com.br/inteligencia-nos-processos-florestais/ 



Comentários

Postagem Anterior Próxima Postagem