Veja como a SciCrop auxiliou uma das maiores empresas do planeta a otimizar operações de reflorestamento
Grandes eventos globais ocorridos em 2021, como a COP 26, relembraram todo o sistema corporativo sobre a urgência da intensificação de iniciativas sustentáveis.
Uma empresa brasileira, colocada entre as maiores produtoras de papel e celulose do planeta, recorreu a técnicas de advanced analytics para melhorar o processo de regeneração ambiental nos biomas Cerrado e Mata Atlântica, mais especificamente nos estados de .
Por meio nossos serviços de algoritmos sob demanda, construímos um modelo baseado em machine learning através do qual identificamos as áreas capazes de regenerar-se de forma natural, fato que possibilitou ao cliente, maior assertividade e menor uso de recursos em operações de reflorestamento.
Acompanhe os detalhes desta parceria em prol do meio ambiente e da excelência operacional.
O Desafio: Identificar a capacidade de regeneração natural em fazendas de forma remota e instantânea.
Quando imaginamos uma área desmatada, como é comum em fazendas destinadas à extração de madeira (eucalipto no caso do cliente), imaginamos equipes cavando buracos e plantando sementes ou mudas, o que nem sempre é necessário.
É claro que a plantação de árvores é importante nessas situações (plantio em área total, regeneração antrópica), mas a forma mais barata e saudável de realizar essa restauração, é deixar com que a floresta recupere-se sozinha, ou com pouca participação humana.
Porém, a adoção deste modelo envolve alguns riscos que podem limitar a regeneração, como por exemplo: o crescimento de vegetação competidora, insuficiência de flora nativa, erosão do solo e presença de pragas.
Tendo em vista a grande extensão das fazendas do cliente (mais de 900 mil ha somente em áreas a serem regeneradas), realizar este tipo de diagnóstico torna-se algo custoso em relação a tempo e recursos.
A Solução: Modelo de machine learning para regeneração florestal
Pensando em atender a essa demanda do cliente por previsibilidade, desenvolvemos um modelo de machine learning para prever a capacidade de regeneração das fazendas pelos próximos anos.
Realizamos uma fase de aprendizado do modelo com imagens de satélite das fazendas, retiradas do banco de dados “Map Biomas”, capturadas antes de 2007.
Após esta fase, realizamos uma previsão da regeneração natural para o ano de 2007 e comparamos com mapas da real recuperação apresentada naquele ano.
Para validar o modelo, estabelecemos comparativos entre a previsão e a realidade para 2007 e apresentamos os resultados em forma de gráficos e números.
O Resultado: previsão da regeneração natural das florestas com acurácia superior a 90%
Os comparativos mostraram que nosso modelo de machine learning atingiu índices de acurácia superiores a 90% na maioria das fazendas analisadas.
Ao contar com previsões dotadas deste grau de assertividade, as equipes do cliente podem determinar com maior precisão e facilidade o tipo de estratégia de regeneração que deve ser adotado em determinada fazenda.
Os benefícios desta melhoria nas tomadas de decisões transcendem a otimização do uso do tempo e dos recursos, mas também permitem maximizar o uso da regeneração natural, o que acarreta em benefícios para a biodiversidade.
Com big data analytics você pode colocar sua empresa em alinhamento com políticas sustentáveis e elevar sua produtividade.
A SciCrop é a startup referência em soluções de analytics para o agro e irá te auxiliar em sua jornada de transformação digital e preservação ambiental.
