Mapeamento da degradação florestal causada pela exploração seletiva de madeira na Amazônia Legal por meio de dados SAR multitemporais em banda X e técnicas de Aprendizado de Máquina

Abstract

Uso da terra, mudanças de uso da terra e degradação de florestas têm sido historicamente os setores que mais contribuem com as emissões de gases de efeito estufa no Brasil, segundo o Sistema de Estimativas de Emissões e Remoções de Gases de Efeito Estufa (SEEG). Por isso, a necessária contenção do aumento das emissões está intimamente relacionada com o controle e combate do desmatamento e degradação florestal. O Brasil, através do Instituto Nacional de Pesquisas Espaciais (INPE), monitora o desmatamento na Amazônia brasileira desde a década de 1980 (projeto PRODES). Desde 2012, percebe-se um aumento nas taxas de desmatamento, principalmente nos últimos dois anos (2019 e 2020), o que evidencia o risco de não atingimento da meta de redução de emissões assinada pelo país no Acordo de Paris em 2015. O INPE também conta com um sistema de emissão de alertas de degradação florestal para a Amazônia (projeto DEGRAD) e para fins de fiscalização em campo. Apesar de não ter a finalidade principal de quantificar área degradada, dados desse projeto têm apresentado taxas semelhantes às do desmatamento por corte raso. A degradação ocorre majoritariamente pela queima florestal e atividade madeireira. A limitação de ambos os sistemas reside no fato de serem baseados em dados de sensores ópticos, os quais sofrem interferência da cobertura de nuvens, principalmente na estação chuvosa, que vai de outubro a abril. Para suprir essa deficiência, esta pesquisa busca o desenvolvimento de metodologia de detecção e qualificação da intensidade de degradação proveniente da atividade de extração madeireira na Amazônia brasileira baseado em dados de radares de abertura sintética (SAR) em banda X do satélite italiano COSMO-SkyMed. Os dados SAR são capazes de imagear a superfície terrestre mesmo em condições meteorológicas adversas. A área de estudo selecionada está localizada na Floresta Nacional do Jamari, estado de Rondônia, onde são encontradas concessões florestais em que a exploração florestal é feita de forma planejada e controlada por empresas autorizadas. As imagens de radar foram processadas pelos seguintes métodos de classificação não-paramétrica baseados em Aprendizado de Máquina: Random Forest, AdaBoost e Multilayer Perceptron (MLP), o qual é baseado em Redes Neurais Artificiais (Artificial Neural Networks - ANN), incluindo redes convolucionais pré-treinadas sobre atributos extraídos pelo analista e pela própria rede neural. Esses métodos de Aprendizado de Máquina foram selecionados por serem capazes de classificar dados não linearmente separáveis e por permitirem aumentos significativos na acurácia e precisão da classificação em relação aos métodos tradicionais, de acordo com a literatura atual. Os melhores resultados foram obtidos quando a MLP-ANN foi aplicada com 50 neurônios na camada oculta, utilizando a função de ativação Rectified Linear Unit (ReLU) e otimizador de peso Stochastic Gradient Descent (SGD), apresentando 88% de acurácia tanto para o par de imagens utilizado para o treinamento da rede (imagens adquiridas em junho e outubro) quanto para o teste de generalização, aplicado em um segundo conjunto de dados (imagens adquiridas em janeiro e junho). Nos testes utilizando redes neurais convolucionais, embora as diferenças entre os embedders testados tenham sido inferiores a 5%, os testes sobre a composição RGB (R = coeficiente de variação; G = valores mínimos; e B = gradiente) apresentaram os melhores resultados, em particular utilizando o embedder Painters (acurácia: 92%; e precisão: ~ 92%), mesmo nos testes de capacidade de generalização, que apresentaram índice de exatidão global de 87%, e no teste sobre os RGB provenientes do par de imagens não-filtradas (acurácia e precisão em torno de 90%). Este estudo mostrou que as imagens SAR na banda X, em conjunto com técnicas de Aprendizado de Máquina, podem ser usadas com precisão para detectar atividades de extração seletiva na Amazônia brasileira. Métodos de agrupamento dessas detecções podem permitir ainda estimar a intensidade de exploração, desde que se obtenha a correlação entre essa intensidade e as áreas de clareiras decorrentes de exploração seletiva legal ou ilegal.