Pesquisadores da Embrapa e da Universidade de Brasília (UnB) desenvolveram uma metodologia pioneira que utiliza inteligência artificial (IA) e imagens de satélite para monitorar o abandono de áreas agrícolas no bioma Cerrado. O projeto-piloto, focado no município de Buritizeiro, no Norte de Minas Gerais, revelou que cerca de 13 mil hectares de terras deixaram de ser produtivos entre 2018 e 2022, o que representa quase 5% da área agrícola local no período analisado.
Tecnologia a serviço da restauração
A Embrapa e a UnB divulgaram um estudo que mapeou, de forma detalhada e inédita, o abandono de terras agrícolas em Buritizeiro (MG) utilizando redes neurais e o satélite Sentinel-2. A pesquisa, realizada por equipes multidisciplinares ao longo dos últimos cinco anos, buscou entender como fatores econômicos e produtivos — como o alto custo de fertilizantes e a queda na atratividade do carvão vegetal — levam à descontinuidade de atividades rurais. Os dados obtidos são estratégicos para que o Governo Federal e órgãos ambientais possam planejar políticas de restauração ecológica, corredores de biodiversidade e contagem de crédito de carbono no bioma.
O peso do eucalipto no abandono
De acordo com o levantamento, a vasta maioria das terras abandonadas (87%) consistia em antigos plantios de eucalipto. O fenômeno está diretamente ligado à crise de competitividade da produção de carvão vegetal, que tem como destino principal o polo siderúrgico de Sete Lagoas (MG). Fatores como a alta dos custos logísticos e de insumos tornaram a manutenção dessas áreas economicamente inviável para muitos produtores.
O estudo observou que essas áreas transicionaram para uma vegetação arbustiva ou campestre após a extração da madeira, sem que houvesse um novo ciclo de plantio. Por outro lado, lavouras de ciclo anual, como soja e milho, não apresentaram abandono significativo, demonstrando que os sistemas intensivos conseguiram manter a rentabilidade no mesmo intervalo de tempo.
Inteligência Artificial e Precisão
A inovação da pesquisa reside no uso da Rede Neural Totalmente Conectada (FCNN). Essa tecnologia de deep learning (aprendizado profundo) permitiu ao computador identificar padrões complexos em imagens de satélite, atingindo uma acurácia de 94,7%. O modelo foi capaz de diferenciar com precisão vegetação nativa, pastagens cultivadas e as áreas agrícolas efetivamente abandonadas.
Apesar do sucesso metodológico, os cientistas apontam desafios técnicos. A assinatura espectral de pastagens degradadas, por exemplo, é muito semelhante à da vegetação nativa do Cerrado, o que exige um refinamento constante dos algoritmos e o uso de séries históricas mais longas para distinguir o abandono definitivo do período de pousio (descanso da terra).
Impacto em Políticas Públicas
Os mapas gerados pela tecnologia oferecem uma base sólida para a criação de estratégias nacionais de mitigação das mudanças climáticas. Ao identificar onde estão as terras subutilizadas, o governo pode incentivar a recuperação de solos ou a criação de áreas de preservação permanente. Além disso, os dados sugerem a necessidade de políticas que protejam pequenos e médios produtores da volatilidade dos preços de insumos, evitando que a inviabilidade econômica force a descontinuação das atividades no campo.
Informações mais detalhadas estão no artigo Putting Abandoned Farmlands in the Legend of Land Use and Land Cover Maps of the Brazilian Tropical Savanna.
