Conhecer o futuro do Pampa, o maior bioma do Rio Grande do Sul. Esse é o objetivo da pesquisa “Cenários Futuros da Vegetação Nativa na Bacia Hidrográfica do Rio Santa Maria: Uma Integração entre Ecologia de Paisagem e Inteligência Artificial”, realizada no Programa de Pós-Graduação de Engenharia Florestal da Universidade Federal de Santa Maria (UFSM).
O pampa é o bioma predominante no Rio Grande do Sul. De acordo com dados do site MapBiomas, entre 1985 e 2024, a vegetação caiu de mais de 10,260 milhões, o equivalente a 52,9% do território, para aproximadamente 6,345 milhões de hectares, ou seja, 32,72%. No mesmo período, a área destinada à agropecuária, que correspondia a 4,816 milhões de hectares, cerca de 24,83%, e cresceu para mais de 8,600 milhões, somando mais de 44,35%.
O objetivo do trabalho é investigar o impacto da ação do homem no uso do solo e na mudança da vegetação. “Escolhemos o Pampa porque ele abriga uma diversidade muito grande de espécies na sua fauna e flora, mas é um dos biomas brasileiros mais negligenciados em questões de conservação”, explica Pedro Seeger, estudante de mestrado em Engenharia Florestal da UFSM e autor da pesquisa.
A escolha pela bacia hidrográfica do Rio Santa Maria é justificada pela abrangência dentro do território do bioma. O rio, localizado no sudoeste do estado, passa pelos municípios de Rosário do Sul, Cacequi, Santana do Livramento, Dom Pedrito, São Gabriel e Lavras do Sul.
Para a realização do trabalho, são selecionados dados históricos e periódicos sobre clima, solo e desmatamento da região. Os dados foram obtidos no período de 2003 a 2023, em intervalos de 5 anos.
As informações coletadas integram um banco de dados, que será analisado a partir de modelos matemáticos de machine learning, em que o algoritmo de inteligência artificial aprende a interpretar as variáveis climáticas e de paisagem dos últimos 30 anos. A partir desses dados, é possível prever como estará a vegetação, o clima e a paisagem do bioma daqui a cinco anos com precisão. De acordo com Rudiney Soares, modelos que utilizam essa metodologia podem ter um índice de precisão entre 90 e 95%.
O projeto utiliza três modelos de inteligência artificial: Floresta Randômica, Suporte Vetor Máquina e Redes Neurais. “A partir desse mapeamento, vamos conseguir estimar os anos de 2028 e de 2033 para verificar se as políticas ambientais atuais são de fato efetivas para a manutenção da biodiversidade no Pampa”, afirma Seeger.
Modelos de IA para previsão de cenários
O modelo Floresta Randômica reúne as variáveis de dados para realizar uma previsão. Esse prognóstico é feito por uma série de estruturas, chamadas de árvores, cada uma com uma resposta. Com esse mecanismo é possível obter respostas do tipo de resposta mais comum entre as árvores ou a média entre elas. Por combinar a resposta das diferentes árvores, o modelo assegura respostas robustas e precisas.
Já o Suporte Vetor Máquina tem como objetivo encontrar a melhor separação entre dados de diferentes classes, como se desenhasse uma linha reta para separar os grupos A e B com a maior distância possível entre eles. Caso seja difícil separar os dois grupos, é possível utilizar recursos mais complexos, como traçar curvas para separar os elementos. Esse mecanismo funciona de forma eficiente para dados estruturados.
O funcionamento das Redes Neurais é mais conhecido, pois é a base de modelos de inteligência artificial como o Chat GPT e o Gemini. Esses modelos se baseiam no cérebro humano e utilizam neurônios artificiais que são conectados para aprender e resolver problemas. Esse modelo é indicado para lidar com uma grande quantidade de dados e aprendizado de padrões complexos.
As redes neurais Large Language Models (LLMs) são voltadas para o processamento de linguagem e predominam nos assistentes de inteligência artificial. Essa interface está presente no projeto desenvolvido por Seeger para que seja interativo e responda questões sobre o clima e a vegetação do pampa em certa época ou sob determinada condição climática.
A validação dos modelos escolhidos é feita mediante testes com parte dos dados coletados. Os testes visam analisar se o modelo é capaz de dar respostas precisas a partir de dados reais. Para que os algoritmos sejam considerados ajustados, eles devem estar preparados para diversas variáveis. Quando surge uma variável imprevista, pode ocorrer o que é chamado de alucinação, e a inteligência artificial começa a dar informações equivocadas ou até mesmo inventadas.
Apesar da popularização recente entre os usuários comuns, a inteligência artificial já é um instrumento consolidado na pesquisa científica. Estudos do PPG em Engenharia Florestal usam modelos de previsão de cenários ambientais há mais de 10 anos, como destaca o professor Rudiney Soares Pereira, orientador do trabalho.
