IA mostra a você como separar florestas naturais de plantações e proteger cadeias sem desmatamento

Ouça este artigo

Você vai ver como um novo mapa feito com IA distingue florestas naturais de plantações e de outras coberturas com árvores. O texto mostra por que isso é vital para a sua cadeia de suprimentos e para cumprir regras como a regulação europeia sobre produtos livres de desmatamento. Explicamos de forma clara como a tecnologia observa o lugar ao longo do tempo e cria um padrão confiável para governos, empresas e comunidades protegerem o que importa. (Fonte técnica: https://research.google/blog/separating-natural-forests-from-other-tree-cover-with-ai-for-deforestation-free-supply-chains/)

• Mapa global revela florestas naturais separadas de outras coberturas por árvores

• Modelo de IA observa imagens ao longo do ano para identificar florestas naturais

• Mapa de alta resolução serve como referência para rastrear desmatamento

• Conjuntos de dados públicos e benchmarks foram lançados para melhorar pesquisas

• Equipe planeja mapas futuros que distinguem mais tipos de florestas ao longo do tempo

Novo mapa por IA diferencia florestas naturais de outras coberturas arbóreas

Você agora tem acesso a um mapa global que identifica florestas naturais separadas de plantações e outras áreas com árvores. O produto foi criado por equipes da Google DeepMind e Google Research, em parceria com organizações internacionais, e foi publicado em periódico científico, segundo os autores. Mais detalhes técnicos e motivação estão disponíveis em https://research.google/blog/separating-natural-forests-from-other-tree-cover-with-ai-for-deforestation-free-supply-chains/.

O que foi lançado

• O mapa chama-se Natural Forests of the World 2020.

• Oferece cobertura global com resolução de 10 metros por pixel.

• A acurácia reportada é de 92,2%, validada contra um conjunto independente.

• Trabalho em colaboração com World Resources Institute (WRI) e International Institute for Applied Systems Analysis (IIASA).

• Objetivo: apoiar governos, empresas e comunidades na verificação de cadeias sem desmatamento.

Como a tecnologia funciona

Pesquisadores desenvolveram um modelo de inteligência artificial que analisa imagens ao longo do tempo em vez de um único instante. O sistema observa padrões sazonais, textura e topografia para distinguir florestas naturais de plantas jovens ou plantações comerciais.

• Amostradas mais de 1,2 milhões de localidades de 1.280 x 1.280 metros.

• O modelo classifica cada pixel de 10 x 10 metros com uma probabilidade de ser floresta natural.

• Algoritmo central: um transformador de visão temporal-espacial chamado MTSViT.

• Entradas: imagens Sentinel-2, dados de relevo e coordenadas geográficas.

• Saída: mapa contínuo global em 10 metros.

Por que isso importa para você

• Se você trabalha com auditoria, compras ou monitoramento ambiental, este mapa pode servir como linha de base para verificar conformidade com regras e compromissos.

• Novas normas, como a EUDR (regulação da União Europeia), exigem que produtos não sejam originados de áreas desmatadas ou degradadas após 31 de dezembro de 2020. O mapa fornece uma referência espacial clara para essa data.

• Em negociações e planejamento de conservação (por exemplo, COP30), informações confiáveis sobre florestas naturais ajudam na tomada de decisão.

Dados abertos e próximos passos

• Dois conjuntos de referência foram disponibilizados para a comunidade:

• Planted: mais de 2,3 milhões de séries temporais para treinar modelos a reconhecer diferentes espécies e gêneros em plantações.

• ForTy (Forest Typology): cerca de 200.000 blocos rotulados por pixel para segmentação semântica.

• A equipe planeja publicar, em 2026, mapas globais categorizando seis tipos de cobertura:

• Primary Forest

• Naturally Regenerating Forest

• Planted Forest

• Plantation Forest

• Tree Crops

• Other Land Cover

• Os dados e ferramentas foram projetados para uso por governos, empresas e grupos de conservação. Veja o estudo e recursos técnicos em https://research.google/blog/separating-natural-forests-from-other-tree-cover-with-ai-for-deforestation-free-supply-chains/ para aprofundar.

Validação e limites

• A validação foi feita com um conjunto independente originalmente focado em gestão florestal e atualizado para refletir 2020.

• A acurácia global reportada é 92,2%, mas variações locais podem ocorrer.

• O método reduz erros comuns em mapas que apenas mostram cobertura arbórea. Ainda assim, distinguir sistemas agroflorestais complexos de florestas naturais pode ser desafiador sem informações temporais e contexto local.

Conclusão

Você conheceu um mapa que funciona como uma nova bússola para proteger florestas: criado por IA e lançado como Natural Forests of the World 2020, com resolução de 10 m e acurácia global de 92,2%. É prático, técnico e relevante para sua cadeia sem desmatamento e para cumprir normas como a EUDR. Os conjuntos abertos Planted e ForTy abrem caminhos para modelos melhores; mapas multi-ano e classificação em mais classes estão previstos até 2026. Para detalhes técnicos e acesso às publicações e dados, consulte https://research.google/blog/separating-natural-forests-from-other-tree-cover-with-ai-for-deforestation-free-supply-chains/.

Quer se aprofundar e acompanhar próximas novidades? Leia mais artigos em https://blog.aidirectory.com.br.

Perguntas Frequentes

• O que é o mapa Natural Forests of the World 2020?
  É um mapa global em 10 m que mostra onde havia florestas naturais em 2020, criado com IA e dados de satélite, e disponível como base pública para monitorar desmatamento.

• Como a IA separa florestas naturais de plantações?
  A IA observa imagens ao longo do ano e usa sinais temporais, textura, relevo e coordenadas. O modelo MTSViT aprende padrões que distinguem florestas maduras de plantações regulares.

• Como empresas e governos usam esse mapa para cadeias sem desmatamento?
  Serve como prova de linha de base para 2020, ajudando auditorias, due diligence e a cumprir regras como a EUDR. Também orienta onde priorizar proteção.

• Qual é a precisão e quais são as limitações?
  Precisão global validada ~92%. Pode confundir agroflorestas complexas ou plantações antigas. É um retrato de 2020 — mudanças posteriores exigem monitoramento contínuo.

• O que vem depois do mapa de 2020?
  Haverá mapas multi-ano e mais classes até 2026. Foram lançados conjuntos de treino (Planted e ForTy) para melhorar modelos e mapear tipos como florestas primárias, regeneradas e plantações.

Se você quiser conhecer outros artigos semelhantes a IA mostra a você como separar florestas naturais de plantações e proteger cadeias sem desmatamento, você pode visitar a categoria Dicas.