Os ecossistemas de canga (couraças ferruginosas) abrigam milhares de cavernas e sustentam elevada biodiversidade e endemismo de plantas e animais. Estes ambientes já sofreram intensas perdas e degradações devido à mineração de ferro em larga escala. Uma das últimas regiões no Brasil que ainda abriga ecossistemas de canga e ainda não sofreu impactos irreversíveis da mineração está localizada no Vale do Rio Peixe Bravo, região norte de Minas Gerais. Entretanto, praticamente não existiam dados básicos como a cobertura vegetal, localização, distribuição geográfica e a área de ocorrência das couraças de canga.
A pesquisa
A ausência de dados e informações em escala adequada dificulta o planejamento em conservação e as estratégias para prevenir, mitigar ou compensar os impactos nos ecossistemas de canga. Nesse cenário adverso, nós, colaboradores e pesquisadores do Instituto Prístino, desenvolvemos o primeiro mapeamento de ecossistemas de canga no Brasil.
O mapeamento foi elaborado a partir de um método de inteligência artificial denominado aprendizado profundo (Deep learning), utilizando imagens de satélite Sentinel-2. Além disso, estimamos o grau de ameaça direta dos ecossistemas devido a sobreposição espacial das manchas de cangas preditas e a localização dos títulos de concessão para exploração do minério de ferro.
Utilizamos a técnica de aprendizado profundo com redes neurais convulacionais. Esta técnica tem elevada eficácia no reconhecimento de imagens em larga escala e detecção de objetos. Especificamente, utilizamos a arquitetura U-Net para a classificação, através de imagens de satélite Sentinel-2, com uma resolução espacial de 10 metros.
Resultados: mapeamento dos ecossistemas de canga
O algoritmo de aprendizado profundo identificou 762 manchas de canga (acurácia acima de 98,5%). Estas manchas estão distribuídas uma área de 30.000 ha no Vale do Rio Peixe Bravo. Além disso, estimamos que há um grau máximo de ameaça direta aos ecossistemas de canga. Isto ocorre porque 99,6% das manchas identificadas estão sobrepostas por títulos de concessão de mineração de ferro.
Clique aqui e acesse o artigo para conhecer todos os resultados e as implicações do método de inteligência artificial e do uso de imagens de satélite de código aberto para apoiar estratégias de conservação e políticas públicas ambientais.
Todos os scripts e imagens podem ser acessados em: https://zenodo.org/record/6762185#.ZDb1XHbMJMw
Pereira, E. O., Wagner, F. H., Kamino, L. H. Y., & Carmo, F. F. do. (2023). Mapping threatened canga ecosystems in the Brazilian savanna using U-Net deep learning segmentation and Sentinel-2 images: a first step toward conservation planning. Biota Neotropica, 23(1). Disponível em https://www.biotaneotropica.org.br/BN/article/view/1985. Acesso em 10/04/2023.