{"id":422258,"date":"2022-01-20T17:49:32","date_gmt":"2022-01-20T20:49:32","guid":{"rendered":"https:\/\/revistapesquisa.fapesp.br\/?p=422258"},"modified":"2022-01-20T17:49:32","modified_gmt":"2022-01-20T20:49:32","slug":"la-tecnologia-al-servicio-de-la-selva","status":"publish","type":"post","link":"https:\/\/revistapesquisa.fapesp.br\/es\/la-tecnologia-al-servicio-de-la-selva\/","title":{"rendered":"La tecnolog\u00eda al servicio de la selva"},"content":{"rendered":"

Las plataformas tecnol\u00f3gicas capaces de prever los riesgos de deforestaci\u00f3n y el impacto del fuego en la selva pueden transformarse en aliados importantes para la protecci\u00f3n de los biomas brasile\u00f1os, fundamentalmente la Amazonia. La plataforma PrevisIA, resultado de una colaboraci\u00f3n entre el Instituto del Hombre y el Medio Ambiente de la Amazonia (Imazon), Microsoft y Fundo Vale, un fondo de fomento e inversi\u00f3n que administra la compa\u00f1\u00eda minera hom\u00f3nima, utiliza geoestad\u00edstica e inteligencia artificial para cartografiar las regiones amenazadas de la selva. \u201cLa idea es poner a disposici\u00f3n informaciones que les permitan a los agentes p\u00fablicos intervenir en forma preventiva y evitar la deforestaci\u00f3n\u201d, dice el ge\u00f3grafo Carlos Souza Jr., investigador asociado del Imazon.<\/p>\n

Los datos geoestad\u00edsticos de la plataforma se obtienen mediante el an\u00e1lisis autom\u00e1tico de los informes anuales sobre la tala superficial (al ras del suelo) de la cobertura vegetal captados por medio de sat\u00e9lites, principalmente los de la serie Landsat, y acumulados desde 1988 por el Proyecto de Monitoreo de la Deforestaci\u00f3n de la Selva Amaz\u00f3nica v\u00eda Sat\u00e9lite (Prodes), coordinado por el Instituto Nacional de Investigaciones Espaciales (Inpe).<\/p>\n

Con ayuda de la inteligencia artificial, los desarrolladores de PrevisIA acoplaron los datos del historial de deforestaci\u00f3n con la informaci\u00f3n sobre los caminos abiertos en la Amazonia obtenida a partir de im\u00e1genes satelitales. Otras variables predictivas del modelo de riesgo de desmonte incluyen el uso del suelo, las actividades socioecon\u00f3micas en la regi\u00f3n, la topograf\u00eda local y los r\u00edos. Las im\u00e1genes para el mapeo de los caminos son recogidas por el sat\u00e9lite Sentinel-2 de la Agencia Espacial Europea (ESA) y se las procesa en la plataforma en la nube Azure, de Microsoft.<\/p>\n

\u201cCon este conjunto de informaciones es posible entender la din\u00e1mica de la deforestaci\u00f3n y determinar cu\u00e1les son las fronteras activas, las zonas de la selva que corren mayor riesgo a corto plazo, aproximadamente 12 meses\u201d, explica Souza Jr. Un ejemplo es el mapeo de los caminos no autorizados abiertos en la selva, las \u201carterias de la destrucci\u00f3n\u201d, tal como los define el ge\u00f3grafo.<\/p>\n

Los estudios revelan que el 95 % de la deforestaci\u00f3n y el 85 % de las quemas en la Amazonia se concentran a distancias de hasta 5,5 kil\u00f3metros (km) de esas v\u00edas. La geoestad\u00edstica permite conocer el historial de ocupaci\u00f3n del suelo y uso de la tierra en las proximidades de cada camino. El algoritmo de inteligencia artificial desarrollado por el Imazon permite detectar en las im\u00e1genes captadas por sat\u00e9lite carreteras que no figuran en los mapas oficiales y estimar la regi\u00f3n de la selva bajo su influencia. Estos caminos generalmente est\u00e1n asociados a actividades de extracci\u00f3n ilegal de madera, miner\u00eda informal y ocupaci\u00f3n irregular de tierras p\u00fablicas.<\/p>\n

Un algoritmo detecta en las im\u00e1genes captadas v\u00eda sat\u00e9lite caminos que no figuran en los mapas oficiales y estima el \u00e1rea forestal bajo su influencia<\/p><\/blockquote>\n

Para 2021, la plataforma PrevisIA ha detectado 9.635 kil\u00f3metros cuadrados (km2<\/sup>) en riesgo de deforestaci\u00f3n, \u00e1rea que incluye 18 unidades de conservaci\u00f3n con zonas de riesgo alto o muy alto, 192 municipios, 48 territorios ind\u00edgenas, 2 territorios remanentes de palenques [quilombolas<\/em>] y 789 asentamientos rurales. A lo largo del a\u00f1o, el equipo de la plataforma ha comparado la proyecci\u00f3n con los indicadores del Sistema de Alerta de Deforestaci\u00f3n (SAD) del Imazon, que en su bolet\u00edn informativo correspondiente al mes de julio de este a\u00f1o identific\u00f3 2.095 km2<\/sup> de desmonte en la denominada Amazonia Legal. \u201cNuestro nivel de precisi\u00f3n es muy alto. Alrededor del 80 % de los espacios deforestados corresponde a \u00e1reas que hab\u00edamos apuntado como de riesgo mediano, alto y muy alto\u201d, corrobora Souza Jr.<\/p>\n

La plataforma PrevisIA est\u00e1 abierta al p\u00fablico y se puede acceder a ella desde https:\/\/previsia.org.<\/a> Los administradores se han propuesto establecer colaboraciones con usuarios que puedan hacer un uso eficaz de los datos disponibles, tales como los gobiernos municipales, estaduales y organismos federales. La idea es que esta herramienta tambi\u00e9n puedan utilizarla los bancos que establecen criterios sostenibles en sus pol\u00edticas crediticias, las aseguradoras que pretenden reducir los riesgos de sus actividades y las empresas comprometidas en el establecimiento de cadenas productivas abastecidas por insumos de procedencia legal. Ya hay un primer proyecto en curso con el Ministerio P\u00fablico del estado de Par\u00e1, interesado en proporcionarles a los agentes municipales informaci\u00f3n para la prevenci\u00f3n y el control de la deforestaci\u00f3n a escala local.<\/p>\n

Otra iniciativa prevista por el equipo de PrevisIA consiste en la elaboraci\u00f3n de un mapa de acciones que puedan implementar tanto agentes p\u00fablicos como privados para evitar el desmonte. Una de las propuestas es estimular a los agentes para que generen ingresos econ\u00f3micos por sus iniciativas a trav\u00e9s del sistema de Reducci\u00f3n de Emisiones por Deforestaci\u00f3n y Degradaci\u00f3n Forestal Evitable (REDD+), un mecanismo financiero ideado por la Convenci\u00f3n Marco de la Organizaci\u00f3n de las Naciones Unidas sobre el Cambio Clim\u00e1tico (UNFCCC) con el prop\u00f3sito de remunerar a quienes instrumentan actividades preventivas centradas en la preservaci\u00f3n de los bosques.<\/p>\n

Cada avance en la devastaci\u00f3n que padece la Amazonia genera amplias repercusiones en el planeta, ya que incide sobre las emisiones de di\u00f3xido de carbono (CO2<\/sub>) hacia la atm\u00f3sfera, que pueden superponerse a la absorci\u00f3n de CO2<\/sub> por la vegetaci\u00f3n por medio de la fotos\u00edntesis. Las emisiones resultantes de los incendios vinculados a la deforestaci\u00f3n tambi\u00e9n pueden tener impacto sobre el r\u00e9gimen de lluvias en Am\u00e9rica del Sur, que tiene incidencia sobre la producci\u00f3n agropecuaria y el abastecimiento de las cadenas productivas de alimentos en todo el mundo (lea en <\/em>Pesquisa FAPESP, edici\u00f3n n\u00ba 285<\/em><\/a>).<\/p>\n

Esta trascendencia ha impulsado a investigadores de la Escuela de Ciencias Geogr\u00e1ficas de la Universidad de Ciencia y Tecnolog\u00eda de la Informaci\u00f3n de Nank\u00edn, en China, a evaluar opciones tecnol\u00f3gicas capaces de mejorar la obtenci\u00f3n de informaci\u00f3n sobre los incendios en la selva amaz\u00f3nica y su disponibilidad en tiempo real. Este estudio gener\u00f3 un art\u00edculo que sali\u00f3 publicado en la edici\u00f3n de junio de la revista cient\u00edfica Remote Sensing<\/em>, indicando que la herramienta Profundidad \u00d3ptica de la Vegetaci\u00f3n, que se conoce por las siglas VOD, es m\u00e1s eficiente.<\/p>\n

El VOD es un sistema que utiliza datos provistos por sat\u00e9lites dotados con tecnolog\u00eda de radar de microondas. Seg\u00fan el ingeniero ambiental Ricardo Dal\u2019Agnol, investigador de la Divisi\u00f3n de Observaci\u00f3n de la Tierra y Geoinform\u00e1tica del Inpe, quien colabor\u00f3 con los cient\u00edficos chinos y es uno de los autores del art\u00edculo, el VOD logra captar la incidencia del agua en la vegetaci\u00f3n y determinar si la selva es m\u00e1s o menos h\u00fameda. \u201cCon base en estos datos puede diferenciarse una vegetaci\u00f3n en estado normal de aquella que es afectada por el fuego\u201d, dice Dal\u2019Agnol, quien desarrolla un proyecto de investigaci\u00f3n posdoctoral con una beca concedida por la FAPESP.<\/p>\n

\"\"

PrevisIA <\/span><\/a> El mapa generado por la plataforma PrevisIA clasifica el riesgo de deforestaci\u00f3n en la selva amaz\u00f3nicaPrevisIA <\/span><\/p><\/div>\n

Los sistemas de monitoreo de incendios forestales tradicionales en todo el mundo utilizan datos \u00f3pticos obtenidos mediante sat\u00e9lites como el Landsat, con el cual el Inpe vigila la Amazonia. Los instrumentos \u00f3pticos operan con la radiaci\u00f3n visible o infrarroja y detectan los focos de calor. \u201cEs un buen instrumento para detectar lo que ocurre en el dosel forestal de la selva, pero no para determinar lo que sucede a nivel del suelo. Y la mayor parte del fuego en la selva se produce primero en el suelo y a menudo no llega a lo m\u00e1s alto del dosel\u201d, informa Dal\u2019Agnol. El dosel es la cubierta superior de la selva, la parte superior de la copa de los \u00e1rboles.<\/p>\n

Seg\u00fan el investigador, el radar de microondas ofrece otra ventaja frente a los de lectura \u00f3ptica. \u201cEl dispositivo registra menos interferencias de la atm\u00f3sfera en la recolecci\u00f3n de datos. La presencia de nubes y el humo de los incendios no afecta las mediciones, tal como ocurre con los sistemas \u00f3pticos\u201d, dice.<\/p>\n

El estudio que llev\u00f3 a cabo la Universidad de Nank\u00edn utiliz\u00f3 informaci\u00f3n de 2019 obtenida por los sat\u00e9lites de la Agencia Japonesa de Exploraci\u00f3n Aeroespacial (Jaxa). Se hizo una comparaci\u00f3n entre el sistema VOD y los tres sistemas satelitales \u00f3pticos m\u00e1s utilizados en la actualidad: el \u00cdndice de Vegetaci\u00f3n de Diferencia Normalizada; el \u00cdndice de Vegetaci\u00f3n Mejorado, y el \u00cdndice Normalizado de \u00c1rea Quemada (NDVI, EVI y NBR, respectivamente).<\/p>\n

Seg\u00fan informa Dal\u2019Agnol, los cient\u00edficos de la Universidad de Nank\u00edn se han mostrado dispuestos a desarrollar un sistema de monitoreo de incendios en tiempo real para la selva amaz\u00f3nica utilizando la tecnolog\u00eda VOD, pero el gobierno brasile\u00f1o a\u00fan no ha manifestado inter\u00e9s en invertir en el proyecto. De acuerdo con la informaci\u00f3n que posee el Inpe, entre enero y agosto de este a\u00f1o se registraron 39.427 focos de incendios en la Amazonia, una regi\u00f3n de selva h\u00fameda donde este tipo de eventos ser\u00edan raros de no ser por la intervenci\u00f3n humana.<\/p>\n

El Proyecto de Mapeo Anual del Uso y Cobertura del Suelo en Brasil (MapBiomas) pudo comprobar que entre 1985 y 2020, Brasil quem\u00f3, en promedio, 150.957 km2<\/sup> por a\u00f1o, una superficie mayor que la de Inglaterra. En la totalidad de ese per\u00edodo se quemaron 1.672.142 km2<\/sup>, aproximadamente el 20 % del territorio nacional. La temporada de sequ\u00eda, que sobreviene entre los meses de julio y octubre, concentra el 83 % de las quemas e incendios forestales y, de los cinco biomas presentes en el pa\u00eds, el Pantanal fue, proporcionalmente, el m\u00e1s afectado, con el 57 % de la superficie que abarca quemada al menos una vez durante el per\u00edodo comprendido en el estudio.<\/p>\n

Un grupo de alumnos de la asignatura de ciencias ambientales de la carrera de ingenier\u00eda civil de la Universidad Federal de Paran\u00e1 (UFPR) desarroll\u00f3 un m\u00e9todo que utiliza recursos de inteligencia artificial para predecir el riesgo de incendios forestales causados por las condiciones clim\u00e1ticas. El modelo generado por computadora tuvo en cuenta datos de los focos de incendios monitoreados v\u00eda sat\u00e9lite por el Programa Queimadas, del Inpe, y datos meteorol\u00f3gicos extra\u00eddos de la red autom\u00e1tica del Instituto Nacional de Meteorolog\u00eda (Inmet), tales como la temperatura, radiaci\u00f3n solar, velocidad del viento, humedad y precipitaciones.<\/p>\n

Se llev\u00f3 a cabo una prueba inicial del sistema en el Parque Nacional Chapada das Mesas, en el estado de Maranh\u00e3o. \u201cPudimos predecir focos de incendio con hasta 12 horas de antelaci\u00f3n, con un \u00edndice de acierto del 83 %\u201d, dice el coordinador del proyecto, el ingeniero civil F\u00e1bio Teodoro de Souza, docente del Programa de Posgrado en Gesti\u00f3n Urbana de la Pontificia Universidad Cat\u00f3lica de Paran\u00e1 (PUC-PR). Ese resultado pudo lograrse con tres lecturas diarias de los datos suministrados por una estaci\u00f3n meteorol\u00f3gica ubicada a 34 km de distancia del parque nacional. \u201cCon lecturas m\u00e1s frecuentes en estaciones meteorol\u00f3gicas m\u00e1s cercanas al punto de an\u00e1lisis, el \u00edndice de precisi\u00f3n podr\u00eda acercarse al 100 %\u201d, estima el profesor de la PUC-PR.<\/p>\n

Proyecto<\/strong>
\nCuantificaci\u00f3n de la mortalidad de los \u00e1rboles con l\u00e1ser: Uso de un abordaje de fusi\u00f3n de datos y modelado de \u00faltima generaci\u00f3n para calcular la p\u00e9rdida de biomasa en los bosques tropicales (n\u00ba 19\/21662-8<\/a>); Modalidad<\/strong> Beca posdoctoral; Investigador responsable<\/strong> Luiz Eduardo de Oliveira e Cruz de Arag\u00e3o (Inpe); Inversi\u00f3n<\/strong> R$ 203.497,56<\/p>\n

Art\u00edculos cient\u00edficos<\/strong>
\nZHANG, H. et al<\/em>. Forest canopy changes in the southern Amazon during the 2019 fire season based on passive microwave and optical satellite observations<\/a>. Remote Sensing<\/strong>. 8 jun. 2021.
\nSOUZA, F. T. et al<\/em>. A data-based model for predicting wildfires in Chapada das Mesas National Park in the State of Maranh\u00e3o<\/a>. Environmental Earth Sciences<\/strong>. v. 74, p. 3603-11. ago. 2015.<\/p>\n","protected":false},"excerpt":{"rendered":"Inteligencia artificial, datos satelitales y modelos estad\u00edsticos anticipan riesgos de deforestaci\u00f3n e incendios en la Amazonia y eval\u00faan el impacto del fuego en tiempo real","protected":false},"author":538,"featured_media":422040,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"footnotes":""},"categories":[192],"tags":[286,269],"coauthors":[1346],"class_list":["post-422258","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia-es","tag-clima-es","tag-ambiente-es"],"acf":[],"_links":{"self":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/422258","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/users\/538"}],"replies":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/comments?post=422258"}],"version-history":[{"count":2,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/422258\/revisions"}],"predecessor-version":[{"id":422260,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/422258\/revisions\/422260"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media\/422040"}],"wp:attachment":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media?parent=422258"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/categories?post=422258"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/tags?post=422258"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/coauthors?post=422258"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}