A Meta e o World Resources Institute (WRI) anunciaram nesta semana o Canopy Height Maps v2 (CHMv2), um modelo de inteligência artificial de código aberto capaz de mapear a estrutura de florestas em escala global com precisão sem precedentes.

O sistema mede a altura das copas de árvores a partir de imagens de satélite e está disponível gratuitamente para ser utilizada por governos, pesquisadores e organizações de conservação.

No Brasil, a tecnologia já está em uso: em parceria com o ICMBio, foi aplicada na Amazônia para monitorar áreas protegidas.

O material também serviu de base para um acordo de 1,3 milhão de créditos de carbono no Cerrado firmado entre a Meta e a BTG Pactual TIG, iniciativa de reflorestamento do mesmo grupo controlador da EXAME.

O problema que a ferramenta resolve

Monitorar florestas em escala sempre foi um desafio: levantamentos de campo são caros e lentos, e os dados de satélite disponíveis publicamente careciam de resolução suficiente para embasar decisões de conservação e políticas climáticas.

O CHMv2 responde a esse problema ao transformar imagens de satélite em mapas detalhados da estrutura florestal — identificando a altura de cada árvore, cada clareira e cada borda de dossel, a região de transição onde a floresta abre e as dinâmicas ecológicas são mais intensas.

Os dados têm aplicação direta no monitoramento da saúde florestal, rastreamento de restauração, detecção de degradação e estimativa de estoques de carbono.

Como funciona

No centro do CHMv2 está o DINOv3, modelo de visão computacional da Meta treinado em um vasto e diverso conjunto de imagens de satélite. O sistema aprende a identificar padrões visuais — sombras, texturas e formatos de copa — que indicam a altura da vegetação, sem depender de milhões de exemplos manualmente rotulados.

Em relação à versão anterior, os avanços são expressivos. O índice R², que mede o quanto as previsões do modelo se aproximam de medições reais em campo, saltou de 0,53 para 0,86.

Os erros médios de mapeamento caíram 30%, e o sistema passou a representar com maior fidelidade as árvores mais altas — justamente as de maior relevância ecológica e carbônica. O conjunto de dados de treinamento também foi ampliado com amostras de maior diversidade geográfica, tornando os mapas mais confiáveis em diferentes tipos de floresta ao redor do mundo.

Veja imagens:

Aplicações no Brasil: Amazônia

Em dezembro de 2024, após workshops com o ICMBio, a Meta passou a usar os mapas para extrapolar dados de inventário florestal e validar ações de conservação em áreas protegidas da Amazônia — regiões onde a coleta presencial de dados é logisticamente complexa e dispendiosa.

Com a maior precisão do CHMv2, a parceria ganha escala: é possível monitorar remotamente o estado de conservação de unidades de proteção integral e identificar sinais precoces de degradação.

Cerrado

Em setembro de 2024, a Meta firmou um acordo de 1,3 milhão de créditos de carbono com a BTG Pactual TIG. A tecnologia de mapeamento foi usada para avaliar o potencial inicial do projeto, estimando o estoque de carbono armazenado na vegetação nativa.

O Cerrado perde área continuamente para o avanço agropecuário, e ferramentas de mapeamento de alta resolução são consideradas essenciais para dar credibilidade a projetos de conservação e ao mercado de carbono na região.

Aplicações globais

Fora do Brasil, o CHMv2 já encontra terreno fértil. No Reino Unido, a agência Forest Research usa os mapas para monitorar e gerir florestas em escala nacional.

Na União Europeia, o Joint Research Centre da Comissão Europeia utilizou a versão anterior em seu mapeamento global de cobertura florestal e pretende incorporar o CHMv2 à iniciativa de plantio de 3 bilhões de árvores até 2030.

Nos Estados Unidos, os dados integram ferramentas de planejamento urbano adotadas por cidades como Atlanta, Baltimore e Nova Orleans no programa Cities for Smart Surfaces, voltado ao resfriamento de áreas metropolitanas por meio de arborização e outras intervenções.

Próximos passos

A Meta e o WRI indicam que o desenvolvimento continua. As prioridades incluem melhorar a precisão em regiões com poucos dados históricos, corrigir distorções causadas pelo ângulo de visada dos satélites e ampliar a cobertura temporal — permitindo rastrear mudanças florestais ao longo do tempo.

"O DINOv3 fortalece nossa capacidade de medir a estrutura florestal em paisagens diversas, tornando o monitoramento de restauração mais consistente e escalável", afirmou John Brandt, líder de ciência de dados do WRI.

O modelo e os mapas do CHMv2 estão disponíveis publicamente. O acesso pode ser feito a partir deste site.