Sistema de prevenção a desmatamentos na Amazônia é atualizado e fica ainda mais preciso
Ferramenta utiliza a inteligência artificial para antecipar maior risco de desmatamento e de incêndios na região. Modernização solucionou 75% dos erros Compartilhe: Compartilhe por Facebook Compartilhe por Twitter Compartilhe por LinkedIn Compartilhe por WhatsApp link para Copiar para área de transferência
Publicado em
10/10/2025 13h26
Atualização utiliza IA para antecipar maior risco de desmatamento e de incêndios Foto: Marcelo Camargo/Agência Brasil
O Sistema de Previsão de Desmatamento na Amazônia ganhou uma nova atualização. A modernização solucionou questões técnicas e reduziu cerca de 75% dos erros da versão anterior. A nova tecnologia, lançada em agosto, utiliza inteligência artificial para prever, com até 15 dias de antecedência, as áreas de maior risco de desmatamento e de queimadas na região.
No ar desde agosto, o projeto Deforestation Prediction System (nome do sistema em inglês) está inserido na plataforma TerraBrasilis. O portal foi desenvolvido pelo Instituto Nacional de Pesquisas Espaciais (Inpe), unidade vinculada ao Ministério da Ciência, Tecnologia e Inovação (MCTI).
Segundo a pesquisadora do Inpe Ana Paula Aguiar, do ponto de vista tecnológico, a atualização é um avanço importante e inovador. “Ao conseguir antecipar o local do desmatamento, aumentamos a chance de as equipes de fiscalização chegarem em tempo aos locais onde o desmatamento está ocorrendo e evitar que ele aumente.” O novo sistema contribui para os demais esforços do Ministério do Meio Ambiente e Mudança do Clima (MMA) pelo desmatamento zero.
O professor do departamento de Engenharia Elétrica da Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) e pesquisador responsável pelo modelo, Raul Feitosa, considera que a previsibilidade do sistema é um grande diferencial. “Enquanto vários outros estudos de previsão de desmatamento se baseiam em períodos mais amplos, como de hoje até um ano, este prevê com precisão o que pode acontecer nos próximos 15 dias. Isso é consideravelmente mais desafiador. Nosso modelo foi desenvolvido especificamente para enfrentar essa complexidade do curto prazo”, diz.
De acordo com dados do Detecção de Desmatamento em Tempo Real (Deter), de agosto de 2024 a julho de 2025, o número de alertas de desmatamento na Amazônia apresentou queda de 48%, mesmo com o avanço da degradação em estados como Mato Grosso e Amazonas.
A nova atualização é fruto de uma parceria entre o Inpe, o MMA, o Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis (Ibama) e a Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio).
Operação
Para fazer a previsão, semanalmente o sistema recebe informações de desmatamento, degradação e dados climáticos dos programas Deter, Prodes (de mapeamentos de supressão e/ou degradação de vegetação nativa) e Queimadas, também do Inpe. “Com os dados em mãos, nós os colocamos no modelo para que ele faça essa relação entre os fatores possíveis da área. Com isso, ele consegue projetar qual local tem maior potencial de ocorrer um desmatamento”, explica Ana Paula.
Segundo Feitosa, o modelo foi treinado com base na série histórica de dados coletados pelo Inpe. “O modelo de IA identifica nesse histórico padrões entre o que acontece imediatamente antes do desmatamento e quais são os fatores determinantes, como a distância de rios e de estradas.”
Ele explica que a inteligência artificial emprega métodos de pesquisa sistemática para identificar padrões no histórico dos dados. “Uma vez treinado, o modelo monitora continuamente informações do passado recente para projetar o que provavelmente ocorrerá no futuro próximo”, finaliza.
No portal TerraBrasilis, o resultado do projeto se traduz em um indicador de risco de desmatamento, disponível para usuários cadastrados. Os indicadores podem ser visualizados em células de 150 km x 150 km ou 25 km x 25 km, 5 x 5 km², organizados por municípios e estados e em diferentes períodos de tempo.
Conheça a Sala de Situação no Painel TerraBrasilis
Categoria Ciência e Tecnologia
