O Brasil é um grande produtor de florestas para diversas finalidades, destacando-se na produção de papel e celulose, florestas energéticas e captura de carbono. Independentemente de sua utilização principal, as florestas plantadas e naturais desempenham um papel crucial na manutenção do equilíbrio ambiental e na oferta de serviços ecossistêmicos essenciais para a sociedade, como a regulação de fluxos hídricos.
 

Integrar as florestas aos processos para os quais fornecem matéria-prima é um desafio que envolve diversos aspectos, desde a prospecção de terras até o monitoramento dos estoques de carbono produzidos nesses projetos. Nesse sentido, a inteligência artificial aplicada à análise de dados espacialmente referenciados (IA/SIG) pode aumentar significativamente a eficiência operacional e a governança ambiental, social e corporativa.

Já na prospecção de terras, a análise integrada de fatores como solo, clima, recursos hídricos, aspectos legais, proximidade dos mercados consumidores e análises de viabilidade econômica torna-se muito mais precisa quando apoiada por IA/SIG. O atual poder de processamento de computadores de uso pessoal permite a análise de inúmeras simulações e de diversos cenários. Assim, geramos visões detalhadas de regiões, estados ou até mesmo nacionais. A base de dados do CAR/SIGEF, por exemplo, disponibiliza informações ao nível de imóvel rural, permitindo aos empreendedores fazerem escolhas mais assertivas sobre quais imóveis atendem melhor aos seus critérios técnicos segundo a oferta de terras disponível no mercado.

Definidas as áreas de atuação, o acesso a veículos aéreos não tripulados, como drones de baixo custo, tem facilitado o atendimento das normativas ambientais e garantido a precisa delimitação de Áreas de Preservação Permanente (APP) e de Reserva Legal (RL). Em substituição aos antigos e caros mapas cartográficos em papel, hoje é cada vez mais comum a adoção conjunta de imagens digitais ortorretificadas e de nuvens de pontos LiDAR (Light Detection and Ranging) para produzir modelos digitais de terreno (MDT) e da cobertura florestal em 3D das áreas de interesse. Assim, a um custo bem menor, os gestores florestais podem delimitar com maior precisão as áreas de produção e infraestrutura (pátios, vias de escoamento, terraços de plantio, curvas de nível e aceiros corta-fogo), enquanto preservam com acuidade os recursos naturais dos imóveis, otimizando receitas e custos enquanto minimizam os impactos das suas atividades ao longo de todo o ciclo florestal.

Complementarmente, as imagens de baixo custo com alta resolução espacial (10m e 20m), como as coletadas por sensores orbitais do tipo Sentinel 2, têm tido a resolução aumentada por algoritmos de IA (Generative Deep Learning) para a criação de imagens sintéticas com espantosa resolução espacial e espectral, permitindo assim identificar alvos com altíssima precisão e melhorar a qualidade de métodos de prospecção de terras, de monitoramento da conservação, cobertura vegetal e dinâmica de áreas plantadas.

Os recursos de IA/SIG são essenciais para o monitoramento do crescimento, do estado nutricional e do impacto de elementos bióticos (animais, insetos e micro-organismos vetores de doenças) e abióticos (clima, solo, luz, água, topografia e poluição) sobre os plantios florestais para fins industriais e sobre as florestas nativas. Trazem uma evolução, que nos permite sair do empirismo, da subjetividade, do viés e da inconsistência de medições realizadas por avaliadores humanos para procedimentos mais padronizados, consistentes, reproduzíveis e auditáveis de medições realizadas por sensores que geram dados processados por eficientes técnicas de IA/SIG.

Principalmente, nos casos em que as medições precisam ser regulares e frequentes, ou quando são necessárias avaliações qualitativas logo após intervenções de plantio ou de restauração da vegetação, visando obter indicadores de qualidade para identificar falhas operacionais e adoção de medidas corretivas ou preventivas, o uso de IA/SIG possibilita a formulação de eficientes indicadores multitemporais de qualidade.

A adoção da IA/SIG não apenas reduz custos e aumenta eficiência. A sua adoção também agrega eficácia, pois melhora o processo de tomada de decisões e permite uma atuação mais pontual e mais detalhada e, consequentemente, traz ganhos de produção. Soluções de IA/SIG também contribuem para suprir a crescente escassez de profissionais dispostos a trabalhar no campo sob condições adversas de clima, segurança e esforço físico. Pela forma como reduzem a necessidade de medições diretas, árvore por árvore, tornam-se abordagens com grande potencial para reduzir o risco de acidentes e aumentar a segurança das equipes de campo.

Garantida a existência de florestas mais bem formadas desde a sua implantação e mais bem monitoradas durante o seu crescimento, a adoção de técnicas de IA/SIG permite a precisa geração de estimativas de estoque em pé, seja na forma de metros cúbicos de madeira, seja em toneladas de carbono. 

Essas melhores estimativas são resultado dos avanços observados na miniaturização e na consequente redução do custo de sensores ativos como o LiDAR. A sua utilização é cada vez mais comum nas empresas, trazendo benefícios que extrapolam a sua aplicação no monitoramento dos ativos florestais, para atender também a outros objetivos como a otimização de percursos e da malha de acesso às áreas de produção, retalhonamento, terraceamento e combate a incêndios, com forte redução dos impactos da erosão e melhoria na conservação de solos.

A adoção de IA/SIG e LiDAR nos apresenta novos paradigmas. O exponencial aumento na quantidade de informação incomoda e nos inquieta e nos força a buscar novas alternativas para melhor utilização de dados como as nuvens de pontos LiDAR. A área de inventário florestal é um bom exemplo dessa inquietação, uma área que está sendo profundamente afetada pelas novas abordagens IA/SIG. Melhores estimativas volumétricas, de estoque de carbono e de outros procedimentos, como a cubagem não destrutiva de árvores para uma melhor calibração de modelos, têm afetado as rotinas de muitas equipes e de técnicos que se confrontam hoje com a necessidade de sair de uma inércia estabelecida por décadas de tarefas repetitivas que não eram questionadas até agora.

Precisamos “sair da caixinha”. LiDAR e IA/SIG nos forçam a sair do planejamento 2D para uma gestão 3D dos nossos ativos florestais. Temos agora em mãos ferramentas que capturam a heterogeneidade das nossas florestas e que geram estimativas mais precisas a partir do perfilhamento aéreo total do plantio. Assim, é possível mudar a forma de amostragem dos povoamentos florestais, pela reconstrução 3D de parcelas e/ou transectos e adoção de métodos de amostragem em múltiplos estágios. Ou seja, com as amostras LiDAR de alta densidade nas parcelas e transectos, calibramos nuvens LiDAR de baixa densidade obtidas para a área total, gerando assim estimativas de alta precisão para qualquer que seja o levantamento realizado.