Q
Índice
ativos florestais
gestão georreferenciada de ativos florestais
O geoprocessamento é a técnica computacional que realiza o processamento de informações geográficas ou espaciais transformando-os em resultados, colhidos na forma de mapas digitais, tabelas, relatórios ou gráficos, onde a gestão do território é a essência do negócio. Latitude, longitude e altitude são relacionadas com informações não espaciais, como espécie plantada, temperatura, umidade, pH do solo, etc. O uso do geoprocessamento não é novidade no mercado florestal. O controle dos ativos florestais tem se valido desse recurso com fervor desde os anos 1990. No entanto o emprego se limitava a atividades de campo operacionais, como: • levantamento de perímetros; • escoamento da produção; • questões fundiárias; e • cálculo de áreas de talhões de plantios. A partir dos anos 2000, o uso de geotecnologias volta-se com mais força no planejamento, onde softwares especialistas, utilizando informações georreferenciadas, proporcionaram melhorias nas prognoses de plantios, transporte e colheita. Diversas atividades passaram a melhorar seu desempenho devido à atenção ao planejamento em escritório, a partir de informações previamente coletadas por hardwares acoplados a equipamentos como harvesters, geolocalização do transporte, utilização de drones, além da disponibilização de dados em massa pelas empresas provedoras de geoinformação. Com a popularização da internet e a evolução tecnológica embaladas pelo massivo desenvolvimento
de aplicações de smartphones (Apps) e APIs nos anos 2010, novas tendências e técnicas para análise de gestão dos ativos têm sido empregadas. A seguir, são listadas algumas. 1. Aprendizado de máquina: Com o desenvolvimento de softwares voltados à inteligência artificial, abriu-se um novo horizonte para processos que, até então, só poderiam ser executados com intervenção humana direta. A aprendizagem de máquina baseia-se na análise de dados para que se estabeleçam algoritmos que possam responder às regras do negócio, portando uma concepção inversa à programação tradicional. Como exemplo, podemos citar o reconhecimento de padrões em imagens, onde a máquina aprende a reconhecê-los, delimitá-los e quantificá-los de forma rápida, com altos níveis de precisão. Nos softwares de machine learning, é possível analisar padrões de imagens através de criação de regras intuitivas, de modo a obtermos respostas a perguntas como: identifique nas imagens plantios de eucalipto em uma amostra. Cria-se um subconjunto intuitivo de instruções que auxiliarão a aprendizagem da máquina; em seguida, treina-se a rede neural de aprendizado de detecção de objetos e, por último, utiliza-se do algoritmo de
dados geoespaciais de alta precisão no processo da gestão dos ativos representam, ao fazermos as contas, investimento e economia em várias etapas do processo florestal "
Daniel Humberto Saavedra Alvarado e Nilton Luís Venturi Engenheiros Cartógrafos da Senografia Desenvolvimento e Soluções
40
