632\u00ba programa: <\/b>25 de setembro de 2025:<\/span><\/p>\n 1- Resenha: <\/b>No programa de hoje vamos tratar sobre um projeto de pesquisa da UFSM que usa a Intelig\u00eancia Artificial IA para prever cen\u00e1rios futuros do bioma Pampa no Rio Grande do Sul. O trabalho investiga o impacto da a\u00e7\u00e3o do homem no uso do solo e na mudan\u00e7a da vegeta\u00e7\u00e3o. Sigo aqui material publicado no site do Brasil de Fato no dia 22 de setembro, cujo link coloco a seguir para quem quiser ter acesso ao material completo.<\/span><\/p>\n Pesquisadores da UFSM usam intelig\u00eancia artificial para prever futuro do bioma Pampa no RS – Brasil de Fato<\/span><\/a><\/p>\n Conhecer o futuro do <\/span>Pampa<\/span><\/a>, o maior bioma do Rio Grande do Sul. Esse \u00e9 o objetivo da pesquisa \u201cCen\u00e1rios Futuros da Vegeta\u00e7\u00e3o Nativa na Bacia Hidrogr\u00e1fica do Rio Santa Maria: Uma Integra\u00e7\u00e3o entre Ecologia de Paisagem e Intelig\u00eancia Artificial\u201d, realizada no Programa de P\u00f3s-Gradua\u00e7\u00e3o de Engenharia Florestal da Universidade Federal de Santa Maria (UFSM). O pampa \u00e9 o bioma predominante no Rio Grande do Sul. De acordo com dados do site <\/span>Map Biomas<\/span><\/a>, entre 1985 e 2024, a vegeta\u00e7\u00e3o caiu de mais de 10,260 milh\u00f5es, o equivalente a 52,9% do territ\u00f3rio, para aproximadamente 6,345 milh\u00f5es de hectares, ou seja, 32,72%. No mesmo per\u00edodo, a \u00e1rea destinada \u00e0 agropecu\u00e1ria, que correspondia a 4,816 milh\u00f5es de hectares, cerca de 24,83%, cresceu para mais de 8,600 milh\u00f5es, somando mais de 44,35%.<\/span><\/p>\n O objetivo do trabalho \u00e9 investigar o impacto da a\u00e7\u00e3o do homem no uso do solo e na mudan\u00e7a da vegeta\u00e7\u00e3o. \u201cEscolhemos o Pampa porque ele abriga uma diversidade muito grande de esp\u00e9cies na sua fauna e flora, mas \u00e9 um dos biomas brasileiros mais negligenciados em quest\u00f5es de conserva\u00e7\u00e3o\u201d, explica Pedro Seeger, estudante de mestrado em Engenharia Florestal da UFSM e autor da pesquisa. A escolha pela bacia hidrogr\u00e1fica do Rio Santa Maria \u00e9 justificada pela abrang\u00eancia dentro do territ\u00f3rio do bioma. O rio, localizado no sudoeste do estado, passa pelos munic\u00edpios de Ros\u00e1rio do Sul, Cacequi, Santana do Livramento, Dom Pedrito, S\u00e3o Gabriel e Lavras do Sul. Para a realiza\u00e7\u00e3o do trabalho, s\u00e3o selecionados dados hist\u00f3ricos e peri\u00f3dicos sobre clima, solo e desmatamento da regi\u00e3o. Os dados foram obtidos no per\u00edodo de 2003 a 2023, em intervalos de 5 anos.<\/span><\/p>\n As informa\u00e7\u00f5es coletadas integram um banco de dados, que ser\u00e1 analisado a partir de modelos matem\u00e1ticos de machine learning, em que o algoritmo de intelig\u00eancia artificial aprende a interpretar as vari\u00e1veis clim\u00e1ticas e de paisagem dos \u00faltimos 30 anos. A partir desses dados, \u00e9 poss\u00edvel prever como estar\u00e1 a vegeta\u00e7\u00e3o, o clima e a paisagem do bioma daqui a cinco anos com precis\u00e3o. De acordo com Rudiney Soares, modelos que utilizam essa metodologia podem ter um \u00edndice de precis\u00e3o entre 90 a 95%. O projeto utiliza tr\u00eas modelos de intelig\u00eancia artificial: Floresta Rand\u00f4mica, Suporte Vetor M\u00e1quina e Redes Neurais. \u201cA partir desse mapeamento, vamos conseguir estimar os anos de 2028 e de 2033 para verificar se as pol\u00edticas ambientais atuais s\u00e3o de fato efetivas para a manuten\u00e7\u00e3o da biodiversidade no Pampa\u201d, afirma Seeger.<\/span><\/p>\nTrabalho investiga o impacto da a\u00e7\u00e3o do homem no uso do solo e na mudan\u00e7a da vegeta\u00e7\u00e3o<\/b><\/h2>\n
Modelos de IA para previs\u00e3o de cen\u00e1rios: O modelo Floresta Rand\u00f4mica re\u00fane as vari\u00e1veis de dados para realizar uma previs\u00e3o. Esse progn\u00f3stico \u00e9 feito por uma s\u00e9rie de estruturas, chamadas de \u00e1rvores, cada uma com uma resposta. Com esse mecanismo \u00e9 poss\u00edvel obter respostas do tipo de resposta mais comum entre as \u00e1rvores ou a m\u00e9dia entre elas. Por combinar a resposta das diferentes \u00e1rvores, o modelo assegura respostas robustas e precisas. J\u00e1 o Suporte Vetor M\u00e1quina tem como objetivo encontrar a melhor separa\u00e7\u00e3o entre dados de diferentes classes, como se desenhasse uma linha reta para separar os grupos A e B com a maior dist\u00e2ncia poss\u00edvel entre eles. Caso seja dif\u00edcil separar os dois grupos, \u00e9 poss\u00edvel utilizar recursos mais complexos, como tra\u00e7ar curvas para separar os elementos. Esse mecanismo funciona de forma eficiente para dados estruturados.<\/span><\/h4>\n
![\"\"](\"https:\/\/padrejosimo.com.br\/site\/wp-content\/uploads\/2025\/09\/cebi-20-1-300x143.jpg\")
![\"\"](\"https:\/\/padrejosimo.com.br\/site\/wp-content\/uploads\/2025\/09\/cebi-21-1-300x139.jpg\")
![\"\"](\"https:\/\/padrejosimo.com.br\/site\/wp-content\/uploads\/2025\/09\/cebi-22-188x300.jpg\")
![\"\"](\"https:\/\/padrejosimo.com.br\/site\/wp-content\/uploads\/2025\/09\/inst-25-3-225x300.jpg\")
<\/p>\n","protected":false},"featured_media":5683,"template":"","class_list":["post-7957","revista_radio","type-revista_radio","status-publish","has-post-thumbnail","hentry"],"acf":[],"yoast_head":"\n