Estudo propõe uso de inteligência artificial para otimizar a regeneração natural de florestas

Pesquisadores da Universidade de São Paulo (USP) e da Universidade Harvard publicaram em setembro um estudo que questiona a abordagem predominante na recuperação de ecossistemas florestais. O artigo defende que os projetos de restauração em larga escala costumam replicar a lógica da construção civil, tratando florestas como obras de infraestrutura, e propõe integrar inteligência humana, natural e artificial para que a própria natureza conduza a recomposição vegetal.

O trabalho, intitulado Human, natural, and artificial intelligence in forest restoration, foi veiculado na revista científica Trends in Ecology & Evolution. Um dos autores é Pedro Brancalion, docente do Departamento de Ciências Florestais da Escola Superior de Agricultura Luiz de Queiroz (Esalq-USP), em Piracicaba, e pesquisador do Centro de Estudos de Carbono em Agricultura Tropical (CCARBON), centro apoiado pela FAPESP. O estudo também conta com a autoria de Marcelo Medeiros, bolsista de ação climática do Instituto Salata, de Harvard. Ambos mantêm vínculos com a empresa de restauração re.green, sediada no Rio de Janeiro.

De acordo com os especialistas, o plantio de árvores tem sido utilizado como uma resposta universal e padronizada, priorizando formatos comerciais e fotogênicos. No entanto, os autores ressaltam que grandes extensões de florestas nativas retornaram historicamente por meio da sucessão natural após o abandono de áreas agrícolas e de pastagens, e não de intervenções planejadas. O cenário expõe um paradoxo: enquanto a agricultura comercial expandiu-se simplificando a paisagem, a restauração exige lidar com centenas de espécies e variáveis de longo prazo.

Os pesquisadores destacam o potencial da regeneração natural amparados por dados globais. Um levantamento publicado na revista Nature em 2024 apontou que 215 milhões de hectares em regiões tropicais degradadas — extensão superior à área do México — apresentam condições para retornar ao estágio florestal de forma espontânea, com capacidade de sequestrar 23,4 bilhões de toneladas de carbono acima do solo em um período de 30 anos. No contexto nacional, o Brasil concentra 43,7 milhões de hectares com esse potencial. A meta oficial do Plano Nacional de Recuperação da Vegetação Nativa (Planaveg) estabelece a recuperação de pelo menos 12 milhões de hectares até o dia 31 de dezembro de 2030.

Para otimizar o processo, o modelo teórico sugere a aplicação conjunta de três frentes: humanos definindo objetivos e prioridades, algoritmos de aprendizado de máquina interpretando dados ecológicos complexos, e a inteligência natural exercendo o papel principal na sucessão e auto-organização. Na prática, a tecnologia permitiria cruzar informações sobre solo, hidrologia, clima e histórico de ocupação para identificar os locais onde a intervenção ativa é indispensável e onde a vegetação pode se reerguer sem plantio.

Apesar das vantagens operacionais, o estudo aponta limitações e riscos associados ao uso intensivo de inteligência artificial na área ambiental. Os autores advertem que a escassez de dados sobre a biodiversidade menos estudada pode induzir os algoritmos a priorizar espécies amplamente conhecidas, gerando o risco de homogeneização biótica. Além disso, o sombreamento provocado por plantios inadequados em formações abertas pode prejudicar ervas nativas. No âmbito socioeconômico, a automação excessiva pode impactar postos de trabalho e a renda de comunidades locais envolvidas na coleta de sementes e produção de mudas, o que reforça a necessidade de equilibrar a eficiência tecnológica com o bem-estar social.