Um estudo da Empresa Brasileira de Pesquisa Agropecuária (Embrapa) e da Universidade de Brasília (UnB) usou inteligência artificial (IA) e imagens de satélite para encontrar terras agrícolas abandonadas no Cerrado que podem ser recuperadas ambientalmente.
A pesquisa foi feita em Buritizeiro, no norte de Minas Gerais, com tecnologia de aprendizado profundo para analisar imagens da Agência Espacial Europeia (ESA). A IA conseguiu classificar áreas de vegetação nativa, pastagens, plantações anuais, eucalipto e, pela primeira vez, identificar terras agrícolas abandonadas, com 94,7% de precisão.
Os resultados foram publicados na revista científica internacional Land, em um artigo chamado “Putting Abandoned Farmlands in the Legend of Land Use and Land Cover Maps of the Brazilian Tropical Savanna”.
Os especialistas ressaltam que os mapas ajudam na criação de políticas públicas ambientais, auxiliando governos, planejadores e proprietários rurais a escolher áreas para restauração, incluindo plantações de eucalipto degradadas e pastagens com baixo rendimento. O analista Gustavo Bayma, da Embrapa Meio Ambiente, destaca o uso da IA para apoiar estratégias de sequestro de carbono e formar corredores de restauração ecológica no Cerrado.
Entre 2018 e 2022, foram identificados mais de 13 mil hectares abandonados, o que representa 4,7% da área agrícola de Buritizeiro, equivalente ao tamanho da cidade de Niterói (RJ). Dessas áreas, 87% eram antigas plantações de eucalipto para carvão vegetal.
Edson Sano, da Embrapa Cerrado, explica que o abandono está ligado a problemas como baixa produtividade das pastagens no período seco e aumento dos custos, o que torna a produção de carvão menos atrativa financeiramente.
Apesar dos avanços, os pesquisadores reconhecem limitações. Édson Bolfe, da Embrapa Agricultura Digital, comenta que o estudo analisou duas datas de imagens em quatro anos, o que dificulta distinguir entre abandono permanente e uso temporário das terras. A validação ainda precisa de análise visual e conhecimento local.
O artigo conclui que o aprendizado profundo é eficiente para identificar mudanças sutis no uso da terra em savanas tropicais, oferecendo ferramentas importantes para o planejamento regional e gestão ambiental no Cerrado.