Tecnologia e economia para conservação do verde urbano: proposta de uso de índices de vegetação e IA como indicadores para créditos voluntários de biodiversidade urbana

• Ano de defesa: 2024
• Autor(a) principal: Lemes, Ana Júlia Fonseca da Luz Giacometti
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado Semi-supervisionado; Áreas Verdes Urbanas; Créditos Voluntários de Biodiversidade; Espécies Invasoras; Geographic Information Systems; Invasive Species; Semi-Supervised Learning; Sistemas de Informação Geográfica; Urban Green Areas; Voluntary Biodiversity Credits
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/6/6139/tde-04122024-145039/

A proteção de áreas verdes urbanas enfrenta desafios complexos, especialmente quando comparada a emergências sociais como saúde, moradia e educação. No entanto, mecanismos econômicos como os Créditos Voluntários de Biodiversidade (CVB) emergem como soluções viáveis e sustentáveis para a manutenção dessas áreas. A criação de CVBs tem avançado rapidamente, com abordagens inovadoras sendo implementadas globalmente, incluindo a proteção de áreas nos Andes na Argentina, a valoração da biodiversidade oceânica e a conservação de espécies ameaçadas como a onça-pintada no Brasil. Tecnologias acessíveis, como Sistemas de Informação Geográfica (GIS), Inteligência Artificial (IA) e Machine Learning, mostram-se eficazes na identificação e monitoramento de espécies, qualidade de habitats e mudanças na vegetação ao longo do tempo. Esses sistemas oferecem uma base sólida para a criação de indicadores que suportam a gestão de áreas verdes urbanas. Nosso estudo demonstrou que os índices de vegetação NDVI e GNDVI possuem alta correlação com a biodiversidade real, especialmente em períodos de maior disponibilidade hídrica, como a primavera e o verão em São Paulo. Métodos visuais simples, como fotografias no solo feitas com dispositivos móveis e imagens aéreas de drones, complementam tecnologias mais avançadas, oferecendo formas acessíveis de monitorar a densidade de espécies invasoras e a saúde da vegetação. Elas fornecem um registro visual-temporal valioso para demonstrar melhorias na saúde do ecossistema e o sucesso de estratégias de controle de espécies invasoras. O método de Aprendizado semi-supervisionado para contagem de objetos (palmeiras e troncos) com anotações mínimas mostrou-se eficaz na obtenção de contagens robustas e confiáveis em ambientes com oclusão significativa. A estrutura semis-supervisionada, que combina dados anotados e pseudo-rotulados, melhora o desempenho do modelo e minimiza a necessidade de anotações manuais extensivas. O conjunto de dados gerado, composto por imagens ao nível do solo e anotações correspondentes, é uma contribuição valiosa para estudos adicionais em estimativa de biodiversidade. Apesar dos desafios, os experimentos demonstraram a eficácia desses métodos na avaliação da saúde da vegetação e na contagem de palmeiras invasoras, sugerindo que podem ser ferramentas úteis na criação de CVBs voltados para a conservação de áreas verdes urbanas. Essas abordagens simples, baseadas em monitoramento e coleta de dados remoto e de baixo custo, são uma contribuição importante e útil para auxiliar na priorização, conservação e gestão de áreas verdes, especialmente em municípios brasileiros que frequentemente carecem de estrutura adequada para decisões relacionadas às áreas verdes urbanas.