Estudo com sensoriamento remoto e IA auxilia no diagnóstico de espécies invasoras

Pesquisadores da UFSCar empregaram drones e algoritmos para mapear Pinus elliotti, um pinheiro prejudicial nativo dos Estados Unidos, em 92 hectares na transição entre Cerrado e Mata Atlântica

Agência FAPESP – As invasões biológicas – processo em que espécies exóticas se estabelecem e se espalham em ecossistemas naturais, competindo com as nativas e alterando o equilíbrio ambiental – são consideradas a segunda principal causa de perda de biodiversidade no mundo, tornando urgente o desenvolvimento de métodos eficientes para sua detecção e controle.

Para enfrentar esse desafio, um estudo realizado por pesquisadores do campus Lagoa do Sino da Universidade Federal de São Carlos (UFSCar) e publicado no Journal for Nature Conservation apresentou uma solução para o diagnóstico dessas invasões em ecossistemas terrestres, unindo técnicas de sensoriamento remoto por drones a algoritmos de aprendizado profundo, envolvendo inteligência artificial (IA).

Desenvolvido em uma área de 92 hectares de campo úmido na transição entre Cerrado e Mata Atlântica, no município de Buri (SP), o estudo aplicou algoritmos de IA para detectar a presença da invasora Pinus elliottii, uma espécie de pinheiro da região Sul dos Estados Unidos, utilizada para produção de madeira e celulose. Fora de suas áreas originais de cultivo, ela se espalha rapidamente e altera o solo e o regime de fogo, comprometendo a diversidade de espécies nativas do Brasil.

A pesquisa é desenvolvida por Giovanna de Andrade Ferreira, aluna da UFSCar, com apoio da FAPESP (projetos 22/11438-6 e 24/07048-3) e orientação de Paulo Guilherme Molin, também da UFSCar.

“A tecnologia que desenvolvemos tem potencial de revolucionar a forma como combatemos as invasões biológicas”, destacou Ferreira à Coordenadoria de Comunicação Social da UFSCar.

Aplicação prática

O sucesso da metodologia despertou interesse da empresa Bracell, que, em parceria com a Fundação Florestal do Estado de São Paulo, solicitou sua aplicação na Estação Ecológica de Itapeva (SP), área de Mata Atlântica afetada pela invasão do pinheiro.

Em colaboração com a Bioflore, parceira do Centro de Pesquisa e Extensão em Geotecnologias (CePE-Geo) na competição internacional XPrize Rainforest, a equipe diagnosticou uma cobertura de 25% de Pinus elliottii na unidade de conservação.

“O projeto demonstra a importância da nossa metodologia para o correto dimensionamento do problema e de seu impacto potencial em termos de políticas públicas”, afirmou Molin.

O método oferece uma alternativa rápida, barata e escalonável, contribuindo com metas globais como a Década da Restauração da Organização das Nações Unidas (ONU) e pautas em destaque na 30ª Conferência da ONU sobre Mudanças Climáticas (COP30).

Além de identificar Pinus elliottii, a equipe trabalha no desenvolvimento de algoritmos para detectar outras espécies invasoras, como braquiária, leucena e acácia, bem como espécies de alto valor para conservação, como araucária, pau-brasil, castanheira e açaí.

O artigo Solution for diagnostics of biological invasion in terrestrial ecosystems: how can deep learning help biodiversity conservation? pode ser lido em: sciencedirect.com/science/article/pii/S1617138125002432.