Em artigo publicado recentemente, pesquisadores da Divisão de Processamento de Imagens (DPI) do Instituto Nacional de Pesquisas Espaciais apresentaram um modelo para previsão a curto prazo de áreas com risco de desmatamento. O artigo intitulado A spatio-temporal Bayesian Network approach for deforestation prediction in an Amazon rainforest expansion frontier (Tradução: Uma abordagem de redes Bayesianas espaço-temporal para previsão de desmatamento em uma fronteira de expansão na floresta Amazônica) foi publicado na revista Spatial Statistics (https://doi.org/10.1016/j.spasta.2019.100393).

Segundo o autor principal, Alexsandro Cândido, doutorando no programa de pós-graduação em Computação Aplicada – INPE, modelos de mudança do uso e cobertura da terra são úteis para representar prováveis cenários no futuro. No entanto, as previsões se tornam cada vez mais incertas ao longo do tempo, uma vez que fatores que influenciam essas mudanças, por exemplo, o contexto econômico e político, podem ser completamente diferentes daqueles quando a previsão foi feita. Neste sentido, previsões a curto prazo são mais aconselháveis para antever as áreas com maior risco de serem desmatadas.

Um estudo de caso foi realizado em uma fronteira de expansão do desmatamento ao longo da BR-163, mais especificamente nos arredores do município de Novo Progresso/PA. O modelo proposto utiliza redes Bayesianas para estabelecer uma relação de causa e consequência entre a variável alvo (desmatamento) e variáveis de contexto (indicadores de desmatamento). A variável alvo refere-se às áreas desmatadas identificadas pelo Projeto PRODES. Algumas variáveis de contexto utilizadas foram distância de focos de queimada (Projeto QUEIMADAS), distância de áreas degradadas (Projeto DEGRAD-DETER), áreas protegidas, dentre outras. O aprendizado do modelo de rede Bayesiana foi realizado utilizando as variáveis de contexto de um determinado ano e a variável alvo do ano seguinte. Uma vez treinado, o modelo é capaz de responder a seguinte pergunta: “Qual a probabilidade de uma área ser desmatada dado os valores observados nas variáveis de contexto?”

O principal resultado do modelo é uma imagem de probabilidade, em que os valores dos pixels indicam a susceptibilidade de o mesmo se tornar uma área desmatada. Conforme pode ser visto na figura, foram realizadas previsões anuais entre 2010 e 2015. Os dados do Projeto PRODES foram utilizados para validação. Os resultados mostraram que o modelo proposto apresentou uma performance significativa, com uma alta taxa de assertividade entre as previsões e os eventos de desmatamento. Assim, as imagens de probabilidade poderiam ser utilizadas como indicadores de áreas em situação de risco. Além do desmatamento, o modelo proposto pode ser utilizado para análise de outros fenômenos espaço-temporais.

Figura: Probabilidade de Desmatamento na Floresta Nacional do Jamanxim