Estimativa de acúmulo de carbono em macaúbas a partir de imagens de drone e inteligência artificial

• Ano de defesa: 2025
• Autor(a) principal: Santos, Wellington Rangel dos
• Orientador(a): Collicchio, Erich
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Tocantins; Palmas
• Programa de Pós-Graduação: Programa de Pós-Graduação em Agroenergia - PPGA
• País: BR
• Palavras-chave em Português: Acrocomia. Sequestro de carbono. VANT. Inteligência artificial. Equações alométricas.Acrocomia aculeata. Carbon estimation. UAV. Artificial intelligence. Allometric equations
• Área do conhecimento CNPq: CNPQ::CIENCIAS AGRARIAS
• Link de acesso: http://hdl.handle.net/11612/8082

A crescente demanda por soluções sustentáveis na agroenergia e no mercado de carbono, aliada à necessidade de subsidiar políticas públicas de crédito de carbono, planejamento agrícola e iniciativas de restauração ecológica em regiões tropicais, tem impulsionado o desenvolvimento de métodos mais precisos e escaláveis para mensurar o acúmulo de carbono em culturas agrícolas. Entre essas, destaca-se a macaúba (Acrocomia aculeata), uma palmeira nativa com elevado potencial oleaginoso, ampla adaptabilidade e alta capacidade de sequestro de carbono, sendo considerada estratégica para a bioeconomia brasileira. No entanto, a quantificação do carbono acumulado na macaúba ainda é limitada por métodos convencionais, como análises destrutivas e equações alométricas aplicadas a dados coletados manualmente, os quais são onerosos, imprecisos e inviáveis em larga escala. Este trabalho teve como objetivo propor e validar uma metodologia não destrutiva para estimar, de forma individualizada, o acúmulo de carbono em plantas de macaúba por meio da integração entre equações alométricas com sensoriamento remoto, drones e inteligência artificial (IA). Foram realizadas coletas em quatro áreas experimentais e naturais nos estados de Tocantins e Minas Gerais. As imagens capturadas por Veículos Aéreos Não Tripulados (VANTs) foram processadas com o uso de redes neurais convolucionais (YOLOv8-Seg) para segmentar automaticamente as copas das palmeiras. A partir disso, foram extraídos o maior diâmetro da copa e a altura das plantas, utilizados como variáveis preditoras em equações alométricas previamente definidas. A acurácia das estimativas foi avaliada por meio da correlação entre os valores estimados e os medidos em campo, utilizando métricas como Erro Absoluto Médio (MAE) e coeficiente de correlação de Pearson. Os resultados demonstraram elevada correlação (R > 0,80) entre as estimativas computacionais e os dados de campo, tanto para o diâmetro da copa quanto para a altura das plantas, com baixos valores de MAE. A estimativa de carbono, baseada nesses parâmetros, também apresentou forte concordância com os valores reais, validando a eficácia do método proposto. Além disso, observou-se que o uso de IA reduziu significativamente o tempo de processamento e a intervenção manual, tornando o processo mais eficiente e aplicável em grandes áreas. Conclui-se que a metodologia desenvolvida representa demonstrou potencial para a mensuração do carbono em sistemas agroflorestais de forma individualizada, contribuindo para a consolidação da macaúba como cultura estratégica para políticas públicas de crédito de carbono.