Metodologia desenvolvida pelo professor e pesquisador Fábio Teodoro de Souza, do Programa de Pós-Graduação em Gestão Urbana da Pontifícia Universidade Católica do Paraná (PUC-PR), com uso de inteligência artificial (IA),  identifica focos de incêndio com 12 horas de antecedência e 85% de acerto. A metodologia está disponível desde 2015, com testes efetuados no Parque Nacional Chapada das Mesas, no Maranhão, e pode ser aplicada em qualquer local do país. Ela considerou dados de focos de incêndios monitorados por satélites do Programa Queimadas do Instituto Nacional de Pesquisas Espaciais (Inpe) e dados meteorológicos da rede automática do Instituto Nacional de Meteorologia (Inmet).  

Mudanças climáticas e práticas de manejo destrutivas provocam incêndios florestais que, ao longo dos últimos anos, têm se tornado cada vez mais comuns. Queimadas significativas foram registrados em semanas recentes no Canadá e em países europeus como Grécia, Itália e Espanha. Mas muitos desses focos podem ser previstos com a ajuda da tecnologia.

Os incêndios florestais são fenômenos naturais que se iniciam pela baixa umidade do ar e alta temperatura. “Esses fenômenos são monitorados por vários satélites que estão na órbita da Terra e têm a capacidade de registrar as coordenadas dos focos de incêndio quando eles se iniciam, com determinado diâmetro, dependendo da resolução de cada satélite”, disse Souza à Agência Brasil.

Os satélites registram o horário do foco e as coordenadas de onde está o incêndio. Isso ocorre 24 horas por dia.

O artigo do pesquisador da PUC-PR foi publicado na revista internacional Environmental Earth Sciences, da editora Springer. O método consiste no cruzamento das informações de foco de incêndio com os dados meteorológicos da estação situada a 34 quilômetros do Parque Nacional Chapada das Mesas. Essa estação registra temperatura, radiação solar, velocidade do vento, umidade, chuva. Foi criada também uma variável sem chuva.

Prevenção

Segundo Souza, as duas taxonomias (incêndios florestais e meteorologia) alimentam o modelo de inteligência artificial que é capaz de apreender esses padrões de condições meteorológicas e disparos de incêndios florestais. Quando eles apreendem, nessa amostra passada, são capazes de generalizar para situações futuras. Ou seja, poderão ser utilizados para prevenir situações semelhantes.

O diagnóstico feito com antecedência permite a mitigação dos desastres, dando tempo de comunicar às instituições responsáveis para que apaguem o fogo no local e, inclusive, tomam providências necessárias para impedir que o incêndio aconteça. “Com isso, eu consigo proteger a biodiversidade e o patrimônio genético brasileiro”, assegurou o pesquisador.

“O quanto antes você identificar a probabilidade desse incêndio ocorrer, pode mobilizar as instituições responsáveis para apagar o fogo. É uma ferramenta auxiliar para essas instituições. Padrões meteorológicos podem indicar que vai ocorrer o incêndio. Seria relevante para as instituições que monitoram e trabalham com esse tipo de acidente”, disse o pesquisador.

Embora tenha sido testado no parque do Maranhão, o pesquisador reiterou que a metodologia pode ser aplicada em qualquer local do território nacional. “Infelizmente, o Poder Público não implantou o sistema”, reclama.

“Para nós pesquisadores, que estamos na academia e sempre buscamos soluções que tragam benefícios para a sociedade e, nesse caso, para a biodiversidade brasileira, a descoberta não ser utilizada foi frustrante”.

Na avaliação do professor, falta uma ponte entre a universidade e o governo, e políticas públicas para implantar o modelo. Ele acredita que, agora, na gestão do presidente Luiz Inácio Lula da Silva, o governo poderá se apropriar dessas metodologias baseadas em inteligência artificial, não só na questão de desastres naturais, mas em aplicações na área da saúde.

Também com inteligência artificial, o pesquisador desenvolveu recentemente, na Bélgica, um modelo de previsão de surtos epidemiológicos de doenças respiratórias. Outros modelos visam a prevenção de surtos de covid em função de poluição do ar e das condições meteorológicas.