Tânia Cosentino, presidente da Microsoft Brasil. Foto: divulgação.
A Microsoft, o Instituto do Homem e Meio Ambiente da Amazônia (Imazon) e o Fundo Vale lançaram nesta quarta-feira, 4, a ferramenta PrevisIA, que antecipa informações de regiões com maior risco de desmatamento e incêndios na Amazônia por meio de inteligência artificial.
Segundo o Imazon, a ideia surgiu após a percepção de que só se estudavam os desmatamentos que já haviam acontecido, sem poder impedí-los. Foi estimulada, então, a questão de olhar para frente e o instituto desenvolveu uma pesquisa como base para gerar o modelo de previsão.
“Publicamos em 2017, mas nós não tínhamos capacidade para escalar essa solução. Aí veio essa oportunidade com a Microsoft e o Fundo Vale”, conta Carlos Souza Jr, pesquisador associado do Imazon.
A PrevisIA é um sistema com quatro componentes principais: monitoramento, capacidade de processamento, ciência de predição e engajamento.
O componente de monitoramento é baseado na plataforma Microsoft Planetary Computer, que tem as imagens de satélite e os recursos para processamento dessas imagens. Nele, a equipe desenvolveu as soluções de monitoramento de estradas com IA.
Isso porque 85% das queimadas e focos de desmatamento estão em um corredor de cinco quilômetros ao longo das estradas, então tornou-se fundamental saber onde estão todas as ruas — principalmente as não-oficiais.
Com isso, o Imazon vinha realizando o mapeamento de estradas manualmente desde 2006 e parou em 2016. Essa base de dados, no entanto, foi usada para treinar o algoritmo de inteligência artificial que permite reconhecer nas imagens onde estão as ruas.
Assim, foi possível automatizar o processo de mapeamento de estradas e, a partir de agora, esses locais serão monitorados pelo menos uma vez por ano.
Em relação à ciência de predição, o modelo tem um componente que estuda a correlação no espaço e no tempo do desmatamento que aconteceu no passado, prevendo onde estão as áreas com o problema ativo versus aquelas em que o desmatamento já está consolidado.
Para isso, existem várias camadas de informação, incluindo estradas, distância para cidades, distância para frigoríficos, variáveis socioeconômicas, barreiras naturais e barreiras das áreas desprotegidas, assim como variáveis biofísicas do ecossistema.
“Com isso, a gente gera um mapa de probabilidade, com escala equivalente a 100 campos de futebol, e, em seguida, gera um mapa de intensidade. A combinação da probabilidade com a intensidade forma o mapa de risco”, explica Souza.