Pode ser um pouco difícil para as novas gerações acreditarem, mas o uso e ocupação da terra, principalmente dos recursos florestais, vêm sendo monitorados do espaço desde a década de 70, graças ao pioneiro Programa Landsat e à evolução das técnicas de sensoriamento remoto. 
 

No Brasil, aplicações práticas do uso de sensoriamento remoto vêm sendo utilizadas desde a década de 80, época em que os produtos obtidos a partir dos sensores embarcados nos satélites Landsat-4 e 5 começaram a ser utilizados não só em mapeamentos temáticos, mas também em estudos para quantificação de parâmetros biofísicos, como biomassa florestal, e monitoramento de queimadas.
 

Coincidentemente, entre a década de 70 e 80, ocorreu uma grande expansão dos plantios florestais comerciais no Brasil. Assim, as primeiras aplicações de monitoramento de florestas plantadas via sensoriamento remoto orbital também ocorreram nesse período, segundo trabalho desenvolvido por Moreira (citado por Souza, 2007), cujo estudo visou identificar reflorestamentos por meio da análise quantitativa de imagens orbitais Landsat.

Para o setor de florestas plantadas, a utilização estratégica do sensoriamento remoto orbital sempre foi fundamental, pois permite gerir extensas áreas, frequentemente dispersas, de forma eficiente e com custo relativamente baixo. Os produtos obtidos a partir de processamento digital de imagens e geoprocessamento podem ser aplicados para diversas finalidades, como monitoramento ambiental, para planejamento operacional e planejamento estratégico de longo prazo.
 

Quando “tudo era mato”, o sistema Landsat-1 foi desenvolvido com o objetivo principal de monitorar mudanças em grande escala na cobertura do solo, como vegetação, corpos d’água e áreas urbanas. No entanto, a arquitetura do equipamento precisou equilibrar a resolução espacial ao armazenamento de dados e às capacidades de transmissão dos sistemas de satélite daquela época.

O satélite foi equipado com câmeras e sensores que capturavam a energia eletromagnética refletida pelos alvos terrestres em 4 diferentes comprimentos de onda (resolução espectral), produzindo imagens cujos pixels representavam uma área de 60x60m, a cada 18 dias. 

Cinquenta anos após houve uma evolução significativa nos sistemas de sensoriamento remoto orbital, conforme as necessidades analíticas e o avanço da miniaturização de componentes eletrônicos. Atualmente existem mais de 40 sistemas sensores em órbita destinados à aquisição de imagens, para monitoramento da Terra, com sensoriamento remoto nas mais diversas análises espaciais.

Para o setor de florestas plantadas, a evolução dos instrumentos permitiu novas aplicações, como monitoramento diário de colheita, contagem de indivíduos e monitoramento de infraestrutura, identificação de espécies e sanidade da floresta, entre outras. Nos últimos 50 anos, o volume de dados obtidos por sensoriamento apresentou um aumento exponencial, considerando a quantidade de sistemas e a quantidade de dados que cada sistema consegue coletar. 

A maior disponibilidade de dados aumenta as possibilidades analíticas, porém, traz consigo um novo desafio: o armazenamento de dados e o seu processamento. A evolução tecnológica dos processos e equipamentos de silvicultura/colheita e a evolução do melhoramento genético das espécies plantadas requerem respostas rápidas e concisas para que os gestores florestais possam tomar decisões efetivas e eficazes.

 

Assim, em função do grande desafio trazido pela quantidade de dados, empresas como Google e Microsoft investiram em infraestrutura, conhecimento e tecnologia para armazenar tais dados na “nuvem” e criaram ambientes de processamento de dados na própria “nuvem”. 

O cloud computing é, de fato, um modelo de processamento de dados que permite o acesso, via internet, de recursos computacionais configuráveis, rapidamente disponibilizados com mínima gestão ou interação do prestador de serviços.

Os primeiros serviços foram oferecidos pela Amazon Web Services, fornecendo armazenamento, computação e inteligência artificial, e aluguel de computadores virtuais para a utilização de programas e aplicativos usados em computadores pessoais. Desde 2012 existiam empresas do segmento florestal utilizando recursos de computação em nuvem, que ofereciam: baixo custo de propriedade, disponibilidade crescente da infraestrutura, rápida entrega de aplicações e modelos de computação com cobrança via aluguel de serviços ou pagamento por consumo. 

Em 2010, a Google lançou a plataforma Google Earth Engine (GEE), que fornece aos usuários um acervo de 35 petabytes de dados geoespaciais, incluindo imagens dos satélites Landsat, Sentinel e MODIS, além de modelos digitais de elevação e outros derivados. Na mesma linha em 2011, a ESRI lançou os serviços Landsat GLS na sua plataforma ArcGIS Online e, em 2015, passou a disponibilizar também o acervo publicado pela AWS no mesmo ano. 

Em 2022, a Microsoft passou a disponibilizar o ambiente Azure um acervo contendo 24 petabytes de dados geoespaciais públicos, denominado Azure Blob Storage. A Google, seguindo o modelo de computação SaaS, disponibilizou serviços de processamento que, por meio de interface gráfica própria ou via APIs, utilizam algoritmos próprios para processamento digital de imagens (PDI), classificação do uso e ocupação da terra via inteligência artificial e análise de séries temporais, utilizando os recursos computacionais da própria Google.



A Microsoft, em parceria com a ESRI, seguiu tanto no modelo de computação IaaS quanto no modelo SaaS. No caso do modelo IaaS, os usuários da Microsoft podem utilizar máquinas virtuais de altíssimo desempenho da Azure para processar os dados disponíveis no Azure Blob Storage, via sistema ArcGIS Pro for MPC, utilizando os algoritmos das ferramentas disponibilizadas pela ESRI. Já no modelo SaaS, os dados do acervo podem ser processados diretamente via plataforma ArcGIS On-Line.

Já a Amazon, apesar de oferecer modelos de computação do tipo IaaS, SaaS e PaaS para processamento de dados de sensoriamento remoto, o mais comumente utilizado é o modelo IaaS. Um interessante case de sucesso usando as soluções de cloud computing da Amazon é o trabalho publicado por pesquisadores do INPE, em que os recursos da AWS foram utilizados para criar um cubo espaço-temporal de imagens do satélite Sentinel-2 e gerar a classificação de uso da terra do estado do Mato Grosso, a partir do processamento de cerca de 660 mil de arquivos rasters. 

No estudo, também foi apresentada a comparação entre os esforços computacionais requeridos para gerar um cubo de dados utilizando infraestrutura on-premisse e utilizando processamento em “nuvem”. Os resultados  evidenciam a superioridade da utilização de recursos de cloud comuputing.

Como case de sucesso da aplicação de cloud computing no setor de florestas plantadas, a Suzano, em 2023, realizou o mapea-

mento de 500 milhões de hectares ao redor do mundo, identificando mais de 12 milhões de hectares de plantios florestais em áreas estratégicas, com acurácia de aproximadamente 80%. 

Rápidas respostas sobre a área plantada ao redor do mundo levaram a rápidos entendimentos sobre o balanço de madeira no mercado mundial e balizaram decisões estratégicas na empresa.

Assim, fica evidente que o processamento em nuvem de dados obtidos a partir de sensoriamento remoto é um caminho sem volta para aquelas empresas que entendem que a rápida obtenção de respostas para perguntas estratégicas, por meio de análises precisas de dados geoespaciais, faz grande diferença na conquista da vanguarda na competitividade nos seus mercados alvo.