Comparação de modelos para predição do desmatamento na Amazônia brasileira

O presente relatório contém resultados parciais do projeto “Definição de áreas prioritárias para recuperação florestal”, referentes a atividade “Uso e comparação da acurácia de diferentes modelos preditivos de desmatamento na Amazônia”. O objetivo deste estudo foi a implementação de modelos preditivos de desmatamento na Amazônia brasileira com base nas técnicas de Random Forest (RF), Spatial Random Forest (SpRF) e Integrated Nested Laplace Approximations (INLA) e comparação dos erros obtidos com cada modelo. Uma base de dados geográficos foi gerada por meio da integração de dados de diversas instituições brasileiras, como IBGE, MMA e INPE, utilizando células de 25 x 25 km e uma janela temporal de um ano. Os principais drivers de desmatamento identificados estão relacionados à fragmentação florestal e à expansão de áreas de pastagem na Amazônia, corroborando com outros trabalhos encontrados em literatura. A modelagem obteve melhores resultados com o uso dos modelos RF e SpRF em relação aos modelos do tipo INLA, com menores valores de erro médio quadrático obtido em conjuntos de dados de treinamento e validação dos algoritmos. A previsão de desmatamento para o ano de 2020 foi de 31 mil km2, dados que apresentam uma superestimava devido ao método utilizado para o cálculo do desmatamento. Entre as ações identificadas que podem ser adotadas em trabalhos futuros para melhorar a previsão do desmatamento, cita-se o uso da abordagem CLUE e a melhoria de algumas bases de dados utilizada, a exemplo da malha viária.