Resultado do edital Desafio IA Natureza e Clima
Oito iniciativas foram selecionadas no Desafio IA Natureza & Clima, desenvolvido pelo Instituto Clima e Sociedade (iCS) com apoio do Google.org e suporte técnico do Instituto de Tecnologia e Sociedade (ITS). O programa criado para impulsionar soluções que unem inteligência artificial e ação climática com foco em agricultura regenerativa, bioeconomia e reversão da perda da biodiversidade.
Foram 395 propostas inscritas, das quais 389 foram validadas. Vinte projetos participaram de um programa intensivo de mentoria especializada com quatro semanas de duração, etapa que antecedeu a seleção final dos contemplados.
Conheça as iniciativas escolhidas para receberem doações que contribuirão significativamente para novas e robustas soluções no setor de mudanças do uso da terra:
Conheça os vencedores do Desafio IA Natureza & Clima
Kanindé
IA para Monitoramento da Biodiversidade: Detecção de Impactos em Florestas na Amazônia
Problema: Degradação florestal na Amazônia, que já supera o desmatamento direto em extensão territorial, afetando significativamente a integridade ecossistêmica e os estoques de carbono. Sistemas oficiais existentes não são eficientes em identificar a degradação florestal, resultando em subnotificação.
Solução: Desenvolvimento do índice MOVI (Multi-source Optimized Vegetation Index), um indicador multissensor adaptativo que proporcionará capacidades inéditas de detecção precoce de degradação florestal com resolução espacial decamétrica e latência temporal inferior a uma semana. O projeto também prevê coleta de dados de campo com apoio de comunidades locais e instituições parceiras para validar os padrões detectados via IA e alimentar iterativamente o sistema com feedback territorial, promovendo inteligência coletiva.
CITE
Plataforma Inteligente para Financiamento Rural Sustentável
Problema: O Plano Safra carece hoje de ferramental dinâmico e territorializado, dificultando a identificação clara de “para onde, como e por quem” os recursos são aplicados, o que prejudica a mensuração de impactos, a responsabilização e o alinhamento com compromissos climáticos. O Plano ABC+ é outro exemplo de política onde há lacuna entre concepção, execução e monitoramento. O processo de análise e qualificação do CAR, exigido por lei para acesso ao crédito, enfrenta desafios operacionais e técnicos. Obstáculos que geram gargalos e limitam a transição para uma agropecuária regenerativa e a promoção da justiça social e ambiental.
Solução: Desenvolvimento de plataforma de inteligência territorial analítica, integrando dados ambientais, fundiários e financeiros, para apoiar a execução e o monitoramento de políticas públicas vigentes, especialmente o Plano Safra. A ferramenta, de acesso público, utilizará inteligência artificial e modelagem espacialmente explícita, permitindo avaliação da elegibilidade socioambiental de imóveis rurais ao crédito e monitoramento dos impactos ambientais e econômicos das operações financiadas, contribuindo para previsibilidade, assertividade e segurança técnica para as políticas. O diferencial está na capacidade de transformar dados dispersos em informação precisa, em tempo real e imediatamente aplicável, promovendo transparência e sustentabilidade da produção agropecuária.
Centro de Estudos em Sustentabilidade da Escola de Administração de Empresas de São Paulo da Fundação Getúlio Vargas
Sistema Inteligente para Monitoramento Florestal de Terras Indígenas Amazônicas
Problema: A Coordenação das Organizações Indígenas da Amazônia Brasileira (COIAB) criou, em 2023, a Gerência de Monitoramento Territorial Indígena (GEMTI). Entre suas responsabilidades, a GEMTI busca estruturar a infraestrutura tecnológica da COIAB e desenvolver um sistema indígena de monitoramento. A construção dessa infraestrutura é essencial para garantir a autonomia na produção de informações e a eficácia da gerência. Hoje, os dados gerados por essas atividades encontram-se dispersos em diferentes projetos, plataformas e aplicativos, muitos dos quais são propriedade de empresas privadas localizadas fora do país. Isso compromete o acesso, a segurança e a permanência dos dados, que podem ser alterados ou perdidos devido a mudanças ou descontinuidade dos serviços.
Solução: Desenvolvimento de um sistema inteligente de monitoramento florestal, com foco em Terras Indígenas da Amazônia brasileira, combinando dados de observação da Terra, IA e dados de campo. A solução incluirá algoritmos capazes de identificar anomalias associadas a crimes ambientais, além de potenciais áreas de restauração. Ele contará com um dashboard interativo com mapas, alertas e relatórios. O sistema será desenvolvido em conjunto com a COIAB. Uma vez em funcionamento, os alertas gerados pela análise automatizada de imagens de satélite serão validados por Agentes de Monitoramento Indígena in loco.
Embrapa Pantanal
Biodiversidade nas paisagens rurais: instrumentação de políticas públicas
Problema: O desconhecimento sobre a riqueza e o perfil da biodiversidade das paisagens rurais brasileiras. Há lacunas substanciais tanto na abrangência geográfica das informações quanto no alcance taxonômico da biodiversidade. Esta realidade impõe um enorme desafio à conservação em função da falta de conhecimento sobre o estado e a distribuição da biodiversidade, especialmente num cenário de crescente avanço na mudança na cobertura da terra no Brasil.
Solução: O projeto visa conduzir inventários baseados em eDNA e gerar modelos de IA capazes de possibilitar a automação de diagnósticos do potencial das paisagens para a biodiversidade no meio rural – serão a base para o desenvolvimento de uma ferramenta básica (software) capaz de agilizar a previsão das respostas da biodiversidade aos diferentes cenários (reais ou simulações) de paisagens sob efeito de alterações de atividades antrópicas. O objetivo é instrumentalizar avaliações de impacto, monitoramento, licenciamento e definição de objetivos de restauração, com foco na biodiversidade. O alvo é uma conciliação entre a produção agrícola e a conservação da biodiversidade nas paisagens rurais brasileiras.
IFAM – Instituto Federal do Amazonas
IA-FogoBio: Inteligência Artificial para Predição de Risco e Avaliação de Impacto de “Eventos de Fogo” na Biodiversidade Amazônica
Problema: O atual sistema de monitoramento de incêndios na Amazônia (Painel do Fogo) é essencialmente reativo, com limitações na predição antecipada e quantificação de impacto na biodiversidade. A recente aprovação da PNMF (Lei 14.858/24) cria demanda institucional por ferramentas preditivas que apoiem o planejamento preventivo, enquanto as metas 30×30 de conservação requerem monitoramento preciso de impactos em áreas protegidas. A pressão internacional sobre o Brasil para demonstrar resultados concretos na proteção amazônica, combinada com a necessidade de otimizar recursos limitados de combate (R$ 180 milhões/ano do PREVFOGO), torna crítico o desenvolvimento de ferramentas que transicionem do modelo reativo para gestão proativa.
Solução: A proposta IA-FogoBio visa desenvolver um sistema web independente com inteligência artificial para predizer eventos de fogo com >90% acurácia (7-14 dias de antecedência), classificar causas automaticamente e quantificar impacto ecológico em tempo real. Utilizando redes neurais LSTM/CNN e Random Forest, integrará dados multi-fonte (CENSIPAM, INPE, NASA) via API automatizada, processados localmente e disponibilizados em interface WebGIS para parceiros e colaboradores.
IIEB – Instituto Internacional de Educação do Brasil
IÊ: Integrando Dados Ecológicos-Econômicos da Bioeconomia da Castanha-da-amazônia com IA e Análise Espacial
Problema: A profunda assimetria de informações e a vulnerabilidade econômica dos extrativistas na cadeia de valor da castanha-da-amazônia. Este cenário é um desafio compartilhado por diversas outras cadeias de valor da sociobiodiversidade. A cadeia da Castanha-da-Amazônia movimenta cerca de US$ 400 milhões globalmente e sustenta diretamente mais de 60 mil famílias, sendo marcada pela forte presença de intermediários, grande dispersão geográfica e baixa capacidade de negociação por parte dos produtores.
Solução: Aprimorar o sistema de coleta e divulgação de dados de preços e ecologia da castanha-da-amazônia, o IÊ, integrando IA, coleta de dados colaborativa, análise espacial e geração de cenários/tendências de mercado. A solução tecnológica proposta é o aprimoramento e expansão do sistema IÊ, já em uso e construído pelo Coletivo da Castanha e o OCA. As novas funcionalidades incluem: 1) Desenvolvimento de um módulo de análise preditiva usando IA para processar o histórico de preços, cruzar com dados econômicos e ecológicos primários e secundários, e gerar previsões e tendências; 2) Análise geográfica dinâmica, para visualização espacial de dados segundo as “Regiões Castanheiras”; 3) Introdução de um chatbot de voz integrado a uma IA com uma base de conhecimento para consulta, coleta e disseminação de informações, buscando superar barreiras de conectividade e letramento digital; 4) Criação de uma plataforma integrada para visualização combinada dos dados econômicos e ecológicos.
FEST – Fundação Espírito-santense de Tecnologia
Terras do Brasil: Inteligência Artificial contribuindo para a Governança Responsável
Problema: Desafios históricos de fragmentação de dados, morosidade e baixa integração institucional na gestão fundiária, fatores que comprometem a efetividade das políticas públicas e a segurança jurídica. A ausência de uma base confiável e integrada de dados territoriais compromete a efetividade das políticas públicas, a segurança jurídica das famílias que vivem em áreas rurais ainda não tituladas e a capacidade do Estado de planejar e implementar ações sustentáveis sobre o território.
Solução: O fortalecimento da plataforma Terras do Brasil como uma solução estruturante e escalável. Por meio da incorporação de IA, automação e integração de dados geoespaciais, a plataforma visa transformar a gestão territorial no setor público. Com funcionalidades voltadas ao monitoramento contínuo do uso da terra, à geração de diagnósticos com georreferenciamento e ao desenvolvimento de indicadores dinâmicos de desempenho, a solução contribuirá para decisões mais ágeis e assertivas, com base em dados atualizados. Além disso, a proposta busca melhorar a experiência do usuário final com ferramentas interativas e inteligentes, como assistentes virtuais capazes de orientar gestores e requerentes de regularização fundiária.
LAPIG – Laboratório de Processamento de Imagens e Geoprocessamento da Universidade Federal de Goiás
Gestão sustentável da propriedade rural: integrando sensoriamento remoto e IA
Problema: Para que o Brasil contribua com a meta de desmatamento líquido zero até 2030, é imprescindível tornar as vastas áreas de pastagens mais produtivas e sustentáveis. Entretanto, pequenos e médios produtores – especialmente da agricultura familiar nos biomas Cerrado e Amazônia – ainda carecem de assistência técnica contínua e de soluções digitais escaláveis, intuitivas e de baixo custo, que ofereçam dados confiáveis, e em tempo quase real, para o monitoramento e manejo sustentável de pastagens. Esta lacuna impede ganhos de produtividade, adoção de práticas intensificadas (como rotação de piquetes) e certificação de produção livre de desmatamento.
Solução:
A proposta “Gestão sustentável da propriedade rural: integrando sensoriamento remoto e IA” responde diretamente a esse desafio ao conceber o “Agente de IA” PastoLegal. Combinando diversas bases de dados existentes e o estado-da-arte das tecnologias de machine learning, o PastoLegal entregará, entre outros:
1. mapas de pastagens, sob demanda / gerados “on-the-fly”, com precisão aproximada de 0,1 ha;
2. estimativas de produção de forragem a cada cinco dias (Sentinel-2/Global Methane Hub) e dados de densidade animal;
3. alertas de eventos climáticos/meteorológicos;
4. indicadores que permitam a certificação de produção livre de conversão e acesso facilitado a crédito verde.
Mais informações dos projetos selecionados podem ser conferidos no site do Instituto Clima e Sociedade (iCS).