Matheus Pinheiro Ferreira.

A proposta deste projeto é promover o exercício da Extensão aos alunos de graduação da Universidade Federal do Paraná (UFPR) através de atividades de educação ambiental ao público externo. Os acadêmicos participantes do projeto têm como objetivo geral monitorar estudantes de escolas do Ensino Básico e Fundamental da Rede Pública e Privada, durante uma excursão numa trilha localizada na UFPR, realizando atividades de educação ambiental com crianças.

Homepage: http://www.trilhadafloresta.ufpr.br/index.html

As mudanças climáticas representam um desafio crítico à sustentabilidade ambiental, afetando ecossistemas e sociedades globalmente. Florestas nativas são essenciais na mitigação desses impactos, desempenhando papéis cruciais no sequestro de carbono, regulação climática e preservação da biodiversidade. O monitoramento efetivo dessas florestas é vital para implementar políticas públicas eficazes voltadas à mitigação das mudanças climáticas e à gestão sustentável dos recursos florestais. Este projeto visa utilizar tecnologia LiDAR para gerar dados precisos sobre as florestas do estado, contribuindo para as metas do Plano de Ação Climática 2050 (PAC2050) do Estado de São Paulo. O PAC2050 busca reduzir as emissões de gases de efeito estufa em 79 até 2050 e remover carbono da atmosfera por meio da restauração de 1,5 milhão de hectares até 2025, alinhando-se ao Acordo de Paris e aos Objetivos de Desenvolvimento Sustentável (ODS). Em colaboração com o Instituto Geográfico e Cartográfico do Estado de São Paulo (IGC-SP) e a Secretaria de Meio Ambiente, Infraestrutura e Logística (SEMIL), que coordena o PAC2025 e o Programa Refloresta-SP, o projeto propõe validar esses dados com nuvens de pontos coletadas em 150 parcelas de 50 hectares utilizando um sistema drone-LiDAR. A validação garantirá a precisão dos dados obtidos. Os principais objetivos incluem o desenvolvimento de produtos cartográficos e análises espaciais e metodológicas, como: a) mapas de estágios sucessionais, degradação florestal, efeito de borda e potencial de sequestro de carbono; b) mapas de risco de deslizamentos e inundações; c) diagnóstico das áreas de restauração; d) banco de dados rotulado de espécies arbóreas; e) desenvolvimento de parâmetros para o monitoramento remoto de projetos de restauração. Os resultados oferecerão suporte para a formulação de políticas públicas eficazes, melhorando a gestão e conservação das florestas e promovendo a integração de tecnologias avançadas na gestão ambiental.

O projeto será composto por duas etapas realizadas de forma simultânea: a primeira é o censo florestal, que será conduzido na parcela permanente do Parque Estadual da Ilha do Cardoso. Nesta etapa, serão coletados dados de diâmetro à altura do peito (DAP), altura total, identificação das espécies e posição geográfica de todas as árvores com DAP igual ou superior a 1 cm e altura maior que 1,30 m. Paralelamente, será realizada a aquisição e processamento de dados LiDAR terrestre em quatro parcelas de 10 ha localizadas no Parque Estadual da Ilha do Cardoso, Parque Estadual Carlos Botelho, Estação Ecológica de Assis e Estação Ecológica de Caetetus. Em cada uma dessas áreas, os dados LiDAR serão coletados em 3 ha, cobrindo um gradiente de biomassa no interior das parcelas, totalizando 12 ha de levantamentos LiDAR terrestre. Nesta etapa, será utilizado o equipamento RIEGL VZ400i, um sistema de escaneamento a laser terrestre de alta precisão, com capacidade de capturar até 1,2 milhões de pontos por segundo, com um alcance efetivo de até 800 metros e precisão de 5 mm. Os dados LiDAR serão coletados em áreas de 3 hectares em um gradiente de biomassa em cada uma das quatro parcelas permanentes (Parque Estadual da Ilha do Cardoso, Parque Estadual Carlos Botelho, Estação Ecológica de Assis e Estação Ecológica de Caetetus). A aquisição será feita em intervalos de 10 metros dentro de subáreas de 1 hectare. Os dados coletados serão processados em etapas, começando pela remoção de ruídos e pela separação de folhas e galhos nas nuvens de pontos. Em seguida, o volume individual de cada árvore será estimado utilizando o método de Modelagem Quasi-Cilíndrica (QSM). Essas estimativas derivadas do LiDAR serão comparadas com as obtidas no censo de campo, garantindo a calibração e validação dos modelos e aumentando a precisão das estimativas de biomassa e volume florestal.

Este projeto tem como objetivo principal o desenvolvimento de abordagens inovadoras baseadas em redes neurais profundas para o monitoramento da diversidade de espécies arbóreas em florestas tropicais, fazendo uso de dados de sensoriamento remoto com baixa quantidade de rótulos. As florestas tropicais desempenham um papel fundamental na conservação da biodiversidade e na manutenção de serviços ecossistêmicos globais, como o armazenamento de carbono e a ciclos de nutrientes.Os objetivos específicos delineados incluem o desenvolvimento de métodos de aprendizado profundo para o monitoramento automatizado da biodiversidade florestal em biomas brasileiros. Isso envolverá a criação e avaliação de técnicas capazes de identificar padrões dinâmicos em dados escassamente rotulados, através de técnicas de aprendizado de representação eficiente e de agrupamento de padrões dinâmicos que permitirá uma análise mais completa da diversidade de espécies florestais utilizando dados de sensoriamento remoto. Além dos objetivos técnicos, o projeto visa contribuir para a formação de recursos humanos nas áreas de conhecimento relacionadas à pesquisa, fortalecendo a capacidade científica e técnica da FGV na aplicação de inteligência artificial para a conservação e monitoramento de biomas brasileiros. O avanço desses objetivos promete ser um passo importante na preservação e gestão sustentável desses ecossistemas vitais para nosso país.

Esta proposta de projeto visa a geração de informações críticas e inéditas sobre os estoques de madeira em florestas de produção submetidas a um segundo ciclo de colheita na Amazônia brasileira. Na primeira fase, o projeto pretende realizar a colheita de 2 ciclo em uma área explorada no passado sob dois métodos: a Exploração de Impacto Reduzido (EIR) e Exploração Convencional (EC) para fins experimentais. Além disso, pretende-se acompanhar e coletar informações antes, durante e depois de um manejo florestal em escala empresarial. Os sítios de estudo estão localizados nos municípios de Belterra e Paragominas (PA), Itacoatiara (AM) e Santa Carmen (MT), nos estados do Pará, e Amazonas Itacoatiara foram manejados respectivamente em 1979, 1993 e 1996. Por fim, o projeto nesta primeira etapa pretende realizar o inventário florestal em mais três ou quatro áreas manejadas no início dos anos 90. Na segunda fase, as principais informações fornecidas durante a coleta de dados desses locais serão divulgadas pela academia (universidades), profissionais florestais e indústria madeireira. Com isso, busca-se promover a atualização das regulamentações relacionadas às diretrizes para a colheita de madeira de 2 ciclo na Amazônia brasileira a partir dos resultados alcançados. Em seguida, a lista de espécies florestais comerciais mais abundantes em florestas de produção de 2 ciclo será utilizada em iniciativas voltadas à divulgação de seu uso por operadores de mercado, engenheiros, arquitetos e nos mercados internos da construção civil. As ações deste projeto também incluem a capacitação e treinamento dos principais grupos de compradores de madeira nos mercados da construção civil sobre os usos e características dessas espécies.

Esta proposta visa criar um Centro de Ciência para o Desenvolvimento (CCD) voltado para a elaboração de estratégias de restauração da vegetação nativa do Bioma Mata Atlântica (Estratégia Mata Atlântica - CCD-EMA). O projeto tem como objetivo gerar informações, apresentadas na forma de ações estratégicas, visando a implementação dos compromissos de restauração de vegetação nativa neste bioma, definidos em iniciativas estaduais, nacionais e internacionais, caminhando em paralelo com a Década da Restauração de Ecossistemas 2021-2030, das Nações Unidas. Dentre as metas para as quais serão apresentados planos estratégicos, destacam-se o Desafio de Bonn, o Pacto pela Restauração da Mata Atlântica, o Plano Nacional de Recuperação da Vegetação Nativa (Planaveg), o Programa de Regularização Ambiental, e o Plano de Ação Climática do estado de São Paulo - "Net Zero 2050", que atende às campanhas da ONU, "Race to Zero" e "Race to Resilience". O Net Zero 2050 paulista é uma demanda de interesse direto da Secretaria de Infraestrutura e Meio Ambiente (SIMA) de SP. A abordagem de pesquisa se baseia na divisão em três desafios que se intersectam (restauração via mecanismos de comando e controle, compromissos voluntários incentivados, e em benefício de Unidades de Conservação e remanescentes de vegetação nativa), contidos dentro de um desafio maior (estabelecimento de custos de implementação e possíveis linhas de financiamento). Iremos avaliar cenários espacialmente explícitos de restauração pela combinação de (a) mecanismos de comando e controle, principalmente a regularização ambiental da Lei de Proteção da Vegetação Nativa (LPVN - "novo Código Florestal", Lei n 12.651, de 2012), (b) com compromissos voluntários incentivados (e.g. programas de pagamento por serviços ambientais e incentivo ao mercado de carbono). Outro aspecto a ser considerado é a (c) expansão das áreas protegidas, definindo áreas prioritárias para criação de Unidades de Conservação, assim como a restauração prioritária visando o benefício para as Unidades já existentes, com a sua conexão através de corredores e outras formas de restauração ou proteção de remanescentes rumo à integração e sinergia em um contexto de melhor funcionamento da paisagem natural. Os cenários pretendem explorar complementaridades e sinergias, identificando e elaborando estratégias que permitam facilitar e otimizar a restauração necessária. Para tanto, levaremos em consideração as áreas complementares de elevado valor de restauração, a situação fundiária, o perfil dos proprietários rurais envolvidos e os mecanismos de incentivo necessários para promover a restauração necessária. A metodologia envolve o desenvolvimento de modelos geoespaciais e temporais analíticos e preditivos, com uso de determinantes espaciais biofísicos e socioeconômicos, também em um contexto de mudanças climáticas, e a geração de dados primários alinhados às necessidades de informação dos atores envolvidos (gestores públicos, sociedade civil, investidores, produtores rurais, órgãos de regulação e monitoramento, entre outros). Os resultados serão divulgados de maneira ampla, acessível e de forma clara para cada grupo de interesse, durante todo processo de geração de resultados; além de sua publicação em meios científicos. A atuação do grupo de pesquisadores se dará no formato de intercâmbio de idéias e soluções, em conjunto com as instituições parceiras, integrantes do terceiro setor e de gestores públicos, valorizando o conhecimento científico, experiência técnica e de legislações, com o propósito de elaboração de soluções com alta probabilidade de se tornarem ações efetivas e políticas públicas no âmbito da Mata Atlântica do estado de São Paulo.

A arborização urbana fornece importantes serviços ecossistêmicos e contribui para a melhoria da qualidade de vida nos centros urbanos. Informações acerca de características da infraestrutura verde das cidades como, por exemplo, a distribuição espacial de espécies arbóreas ou características funcionais de árvores são usualmente obtidas por inventários de campo. Tais inventários exigem logística complexa e envolvem altos custos, o que limita sua área de abrangência. A combinação entre dados de campo e de sensoriamento remoto permite o monitoramento da arborização urbana em grandes tratos. Este projeto visa explorar o potencial de dados hiperespectrais e light detection and ranging (LiDAR) obtidos por sensores a bordo de uma aeronave remotamente pilotada e imagens de satélite para a extração de características funcionais e identificação de espécies da arborização urbana da cidade do Rio de Janeiro, Brasil. O monitoramento de tais características e o mapeamento de espécies por sensoriamento remoto irão fornecer uma visão sinóptica da provisão de serviços ecossistêmicos providos pela infraestrutura verde da cidade, possibilitando a compreensão de seu papel na qualidade de vida da população urbana e subsidiando ações de manejo e planejamento de áreas verdes.

A biodiversidade de plantas e animais da Mata Atlântica é uma das maiores do planeta, sendo fonte de fármacos, alimentos, cosméticos, perfumes, entre outros produtos. A prospecção da biodiversidade é tradicionalmente realizada em escala local (áreas < 1 ha), de forma manual e destrutiva. Abordagens que utilizam ferramentas da revolução 4.0 como, por exemplo, a Inteligência Artificial (IA), a Manufatura Aditiva (MA), a Robótica de Alto Desempenho (RAD), as Aeronaves Remotamente Pilotadas (RPA) e o Sensoriamento Remoto (SR), podem revolucionar a prospecção de&#10;bioativos da Mata Atlântica e, consequentemente, a Química de Produtos Naturais. Neste projeto, planeja-se empregar essas ferramentas para realizar prospecções de bioativos de uma maneira inédita: Localizando biomoléculas por suas características espectrais (no visível ao infravermelho de ondas curtas, VSWIR 400-2500 nm) utilizando SR hiperespectral por RPAs e aviões. Assim, será possível detectar em grandes tratos de Mata Atlântica, a presença de óleos essenciais, alcaloides e terpenos em espécies arbóreas, fornecendo uma visão sinóptica de bioativos. Pesquisadores especialistas em sensoriamento remoto e robótica trabalharão com IA em parceria a químicos de produtos naturais para realizar a prospecção de bioativos e estudos de metabolômica, o desenvolvimento de RAD e instrumentos de MA para coleta automática de folhas do dossel e de produtos florestais nãomadeireiros importantes para a bioeconomia local do cinturão verde fluminense, como o açaí juçara. Os resultados químicos serão acompanhados por estudos in sílico, in vitro e finalmente de propriedades nutricionais in vivo que possibilitarão o desenvolvimento de novos bioprodutos. Os resultados deste projeto serão tecnologias disruptivas para o desenvolvimento da bioeconomia do Estado do Rio de Janeiro, bem como para a conservação e manejo sustentável da Mata Atlântica.

Tree species mapping at the individual tree crown (ITC) level requires very-high resolution (VHR) images (pixel < 1 m). While the potential VHR satellite images combined with machine learning methods (e.g., Random Forest) to automatically discriminate among tree species in urban and forest environments has been demonstrated, the potential of aerial photographs and deep learning algorithms remains poorly investigated. Unlike satellite images, aerial photographs are acquired with only three (RGB) channels, thus providing limited spectral information on the ground objects. However, aerial photographs feature sub-metric spatial resolutions (typically a pixel size < 0.3 m), which allows clear visualization of ITCs and extraction of their structural characteristics (crown shape, size, and texture). Different crown structures may produce fine-scale variations in image gray levels that can be quantified by image texture techniques. The quantification of texture is particularly important when spectral information is poorly available, as in the case of aerial photographs. Convolutional Neural Networks (CNNs), a type of deep learning method, extract texture patterns of images without user intervention and has been producing outstanding results for remote sensing image classification. Of interest in the context of tree species mapping is the possibility of integrating CNNs and semantic segmentation, allowing a simultaneous ITC delineation and classification. The potential of CNNs and aerial photographs to map the spatial distribution of tree species in tropical urban environments is poorly known. More research is needed to find out the most suitable CNN architecture to produce maps of urban tree species in an automated fashion. In this research, we aim to develop a deep-learning based approach to automatically map urban tree species, in the city of Rio de Janeiro, Brazil. We expect to produce the first map of species at the individual tree crown level over large portions of the city. This map will be of great value for local authorities to guide urban forestry activities and to plan the establishment of new green spaces. This project is supported by the Artifitial Inteligence for Earth (AI4 Earth) initiative of the Microsoft Coorporation.

O mapeamento arbóreas em ambiente urbano fornece informações valiosas para o gerenciamento de infraestrutura verde das cidades. No entanto, informações sobre a distribuição espacial de espécies arbóreas em cidades geralmente são adquiridas com procedimentos dispendiosos, como inventários de campo e interpretação visual de fotografias aéreas. Nesta pesquisa, será desenvovida uma metodologia para mapear automaticamente espécies arbóreas, na cidade do Rio de Janeiro, Brasil, integrando redes neurais convolucionais, segmentação semântica e fotografias aéreas. Espera-se produzir o primeiro mapa de espécies no nível de copas de árvores individuais em grandes porções da cidade. Este mapa será de grande valia para as autoridades locais orientarem as atividades florestais urbanas e planejar o estabelecimento de novos espaços verdes. Além disso, o projeto busca avançar o conhecimento acerca do potencial de métodos de aprendizagem profunda, como as redes neurais convolucionais, para classificação de imagens de sensoriamento remoto.

A conservação e manejo da Mata Atlântica, um dos biomas mais ameaçados do Brasil, depende de informações de alta qualidade sobre seus recursos florestais. A maior parte do nosso conhecimento sobre a Mata Atlântica advém de medidas de campo realizadas ao nível de parcelas (&#8804; 1ha). Entretanto, dados que envolvam grandes tratos são necessários para melhor compreender a estrutura e função desse importante bioma. O sensoriamento remoto é largamente empregado para generalizar e extrapolar informações obtidas por estudos de campo para o nível de paisagem. Em particular, o sensoriamento remoto hiperespectral provou ser uma tecnologia promissora para o estudo de florestas tropicais. Sensores hiperespectrais são capazes de mensurar a radiação solar refletida pelo dossel florestal em um elevado número de bandas estreitas, permitindo assim, a detecção de espécies arbóreas e extração de atributos químicos relacionados a processos ecossistêmicos. Essas aplicações encontram uma série de desafios em ambientes tropicais devido ao fato de que o dossel é espectralmente e estruturalmente muito complexo, mas podem ser aprimoradas pela utilização de Modelos de Transferência Radiativa (MTR). Buscando preencher a lacuna de conhecimento existente em relação à extração de atributos químicos funcionais e informações sobre a biodiversidade de florestas tropicais, são objetivos deste projeto: (i) simular a resposta espectral do dossel de florestas tropicais utilizando um MTR; (ii) validar com dados de campo, estimativas de atributos químicos funcionais do dossel obtidas por inversão das simulações e (iii) aprimorar métodos de discriminação e mapeamento de espécies que utilizam sensoriamento remoto hiperespectral. Esses objetivos serão alcançados por meio de uma base de dados única composta por imagens hiperespectrais e dados de características químicas funcionais de folhas, que será estabelecida pela recente cooperação NERC-FAPESP dentro do projeto aprovado BIO-RED (2015/50484-0). A abordagem inovadora que será desenvolvida neste projeto irá permitir a caracterização química do dossel da Floresta Atlântica em grandes áreas, bem como, o monitoramento de espécies arbóreas a longo prazo. Os resultados da pesquisa irão contribuir para o debate atual sobre os impactos de atividades humanas e mudanças globais sobre as florestas tropicais.

Especificamente, este projeto Jovem Pesquisador objetiva responder as seguintes perguntas: A espectroscopia a bordo de um veículo aéreo não tripulado (VANT) pode caracterizar a química do dossel adequadamente? Seriam os fluxos biogeoquímicos da matéria orgânica quantificáveis por meio de imagens hiperespectrais? Até que ponto os dados hiperespectrais de dosséis permitem estimativas de produção de biomassa e estocagem ao longo de três biomas e vegetações intactas e em regeneração? Será que a elevada diversidade confere resiliência a distúrbios ambientais? Ainda, com o uso de dados Landsat e MODIS, perguntamos quais são as principais mudanças sofridas pela vegetação presente entre os biomas Amazônia e Cerrado? Nossos resultados da avaliação por sensoriamento remoto hiperspectral aerotransportado para reconhecimento de espécies e espectroscopia do dossel deverá prover novos métodos para descrever e explorar serviços ecossistêmicos em grande-escala, e como estes estão relacionados a biodiversidade funcional. Dado a falta de conhecimento sobre o papel da diversidade funcional em manter os serviços ecossistêmicos frente às mudanças globais, estes resultados trarão um avanço substancial no estado da arte da pesquisa nos biomas brasileiros. Estes resultados são de grande relevância para dar suporte ao planejamento ambiental no Brasil, objetivando a mitigação dos impactos das mudanças climáticas, a manutenção dos estoques de carbono e a proteção da biodiversidade e serviços ecossistêmicos.

Investigações sobre a composição florística e ciclos biogeoquímicos de florestas tropicais são de grande importância para sua conservação e manejo sustentável. Neste contexto, o sensoriamento remoto hiperespectral vem sendo utilizado na identificação de espécies arbóreas e estudos de química do dossel. Apenas recentemente estudos desta natureza tornam-se possíveis em regiões de floresta tropical, devido à aquisição de imagens hiperespectrais adquiridas a bordo de aeronaves. Por isso, metodologias e técnicas para explorar estes dados nas mencionadas aplicações estão em estágios iniciais de desenvolvimento. A recente obtenção de imagens hiperespectrais de alta resolução espacial sobre áreas de Floresta Atlântica, abriram novas oportunidades de pesquisa relacionadas ao seu monitoramento. No entanto, é necessário conhecer em detalhe a diversidade química e espectral das espécies arbóreas desta floresta. Sendo assim, o objetivo principal deste projeto de doutorado é estudar a diversidade química e espectral de espécies arbóreas da Reserva de Santa Genebra, localizada no município de Campinas/SP, por meio de análises químicas, espectroscopia de reflectância de folhas e imagens hiperespectrais do sensor ProSpecTIR-VS. Os objetivos específicos incluem: (i) Explorar o potencial de imagens hiperespectrais do sensor ProSpecTIR-VS no reconhecimento remoto de espécies arbóreas; (ii) Estudar a dinâmica química e espectral ao longo de um ano das espécies arbóreas; (iii) Avaliar a capacidade de dados hiperespectrais em estimar a concentração de substâncias químicas de folhas e do dossel de espécies arbóreas. Espera-se com esta pesquisa contribuir para o avanço de investigações sobre a diversidade biológica do Bioma Mata Atlântica, bem como, subsidiar estudos sobre o reconhecimento remoto de espécies arbóreas e química do dossel a nível orbital.