Para Quem Tem Pressa
- Pesquisadores integraram imagens ópticas (RGB) e dados tridimensionais a laser (LiDAR) captados por drones com um modelo inédito de inteligência artificial chamado SAMFormer.
- O sistema identifica espécies arbóreas individualmente e estima parâmetros como altura, diâmetro e biomassa para calcular estoques de carbono com 86,3% de pontuação F1.
- Os dados revelaram que a competição excessiva entre árvores reduz o acúmulo de carbono e que certas composições de florestas mistas armazenam mais carbono do que plantios homogêneos.
- A metodologia oferece uma alternativa não destrutiva e em larga escala aos custosos inventários florestais de solo, auxiliando no manejo adaptativo e na auditoria de créditos de carbono.
Determinar a quantidade exata de carbono retida em florestas é um dos pilares mais estratégicos no combate às mudanças climáticas e no mercado de créditos ambientais. No entanto, calcular esse volume sempre envolveu um dilema operacional: inventários de solo tradicionais exigem alto custo de mão de obra e cobrem áreas restritas, enquanto levantamentos aéreos com um drone comum enfrentam dificuldades para distinguir espécies de copas sobrepostas ou muito semelhantes.
Para superar essa barreira, uma equipe de cientistas do Instituto de Técnicas de Informação de Recursos Florestais, vinculado à Academia Chinesa de Silvicultura, em conjunto com colaboradores do Parque Nacional das Montanhas Qilian, desenvolveu uma estrutura que combina dados aéreos multimodais coletados por drones e aprendizado profundo (deep learning).
O estudo foi publicado em 2026 na revista científica Plant Phenomics, periódico associado à Universidade Agrícola de Nanjing e à Associação Americana para o Avanço da Ciência (AAAS).
Como funciona a arquitetura SAMFormer
A inovação central do projeto recebeu o nome de SAMFormer (Self-Attention-guided Spectral-Structural Multimodal Fusion Transformer). O modelo atua como um sistema automatizado de inventário individualizado, processando simultaneamente dois fluxos de informação obtidos a partir dos sensores acoplados aos drones:
- Fotografias RGB de ultra-alta resolução: Imagens captadas pelas câmeras do drone fornecem os detalhes espectrais e visuais das copas.
- Dados LiDAR (Detecção e Telemetria por Luz): O sensor laser transportado pelo drone captura a estrutura geométrica tridimensional da vegetação, gerando modelos de altura de copa (Canopy Height Model – CHM).
A integração entre as informações visuais em 2D e os dados estruturais em 3D levantados pelo drone ocorre por meio de dois mecanismos internos:
- Módulo de Aprimoramento Adaptativo de Recursos (AFEM): Aplica mecanismos de atenção espacial e de canais para evidenciar os limites das copas nos dados do drone e mitigar ruídos de fundo.
- Módulo de Fusão Transmodal (CMFM): Funciona como um articulador entre os dois fluxos de sensores do drone, fazendo com que as propriedades ópticas e as métricas de profundidade se complementem no treinamento da rede.
Nos testes de segmentação de instâncias a partir dos voos, o SAMFormer alcançou uma pontuação F1 de 86,3% e uma precisão média (mAP@0.5) de 88,0%, superando redes amplamente empregadas no setor, como o Mask R-CNN, e abordagens que utilizavam apenas dados monomodais coletados por drone.
Da identificação botânica ao cálculo de biomassa pelo ar
Mais do que apontar a localização de uma planta na imagem aérea do drone, o sistema automatizado permite mensurar individualmente parâmetros biométricos essenciais para a silvicultura: diâmetro à altura do peito (DAP), altura total, biomassa acumulada e a espécie botânica de cada indivíduo mapeado pelo drone.
Com a extração desses parâmetros em grande escala através do monitoramento com drones, os pesquisadores conseguiram gerar mapas detalhados da distribuição de carbono e observar dinâmicas ecológicas diretamente no dossel:
- Impacto da competição florestal: Os dados gerados pelo drone demonstraram uma correlação negativa estatisticamente significativa entre o nível de competição de uma árvore e seu estoque individual de carbono. Árvores submetidas a competição intensa limitaram a expansão de suas copas, reduziram a taxa de crescimento e estocaram volumes sensivelmente menores.
- Florestas mistas versus monocultivos: Povoamentos florestais identificados nos mapeamentos de drones que mesclavam coníferas e folhosas (árvores de folhas largas) apresentaram armazenamento total de carbono superior ao de plantios monoespecíficos. Por outro lado, a combinação inadequada de certas espécies provocou o efeito oposto, evidenciando a necessidade de planejamento florístico criterioso.
Aplicações práticas na silvicultura e em créditos de carbono
A metodologia viabiliza um manejo florestal de alta precisão orientado para a adaptação climática com o suporte operacional de drones. Com mapas contínuos e detalhados de parâmetros estruturais gerados a partir do sobrevoo de cada drone, técnicos e gestores podem identificar zonas de adensamento excessivo e otimizar desbastes e cortes seletivos, reduzindo o estresse entre árvores e promovendo a resiliência das áreas florestadas.
No campo da economia verde, a possibilidade de quantificar biomassa e classificar espécies individualmente por meio de drones introduz um método escalável, objetivo e auditável para inventários de estoques de carbono, facilitando a verificação de projetos de mitigação climática sem a necessidade de intervenções destrutivas na mata.
fonte/crédito: Imagem destacada ilustrativa gerada por IA.