Estimativa do potencial de geração de crédito de carbono através da redução de emissões de carbono por meio de desmatamento evitado e degradação florestal utilizando Redes Neurais Artificiais

Desde o início do século XXI o mundo testemunha diversos eventos decorrentes da crise climática, o histórico das iniciativas globais para lidar com questões ambientais e mudanças climáticas inicia na Conferência das Nações Unidas em 1992 e se estende até a atualidade. O Protocolo de Kyoto e o Acordo de Paris destacam a importância da cooperação internacional para enfrentar esses desafios, como, a crise climática e serviços ecossistêmicos, enfatizando a urgência de adotar medidas de mitigação a nível global. A precificação do carbono impulsiona a transição para uma economia verde global, incentivando o crescimento da indústria de baixo carbono. Assim surge o Mercado Voluntário de Carbono (MVC), uma ferramenta que promove a padronização e eficiência nas transações de créditos de carbono. Neste sentido, esse trabalho tem como objetivo pesquisar o potencial de geração de créditos de carbono através da redução de emissões de carbono por meio de desmatamento evitado e degradação florestal (REDD+), utilizando técnicas de sensoriamento remoto e aprendizado de máquinas. Utilizou-se a metodologia do Programa de Padrão de Carbono Verificado (VCS), para basear os critérios de elegibilidade de áreas de REDD+ em regiões densamente habitadas. Para obtenção dos resultados foi empregado métodos de sensoriamento remoto para análise da cobertura vegetal e mapeamento do uso da terra, bem como métodos de aprendizado de máquina (machine learning) através da implementação de Redes Neurais Artificiais (RNA), do tipo Perceptron Multicamadas (MLP) para classificação e predição de áreas elegíveis. Os resultados apresentados, mostram que o modelo foi eficiente para simulação do uso da terra futuro, com uma acurácia global de 58,46% e índice Kappa de 0,90 na comparação entre o cenário simulado e o cenário real de 2023, o que caracteriza concordância excelente. O modelo identificou cerca de 101,96 ha de áreas sob pressão de desmatamento. A análise das variáveis explicativas indicou que a proximidade aos centros urbanos e à malha viária exerceu a maior influência sobre a dinâmica de desmatamento, evidenciando que a expansão urbana e a infraestrutura viária constituem os principais fatores associados à conversão florestal observada, fornecendo subsídios quantitativos relevantes para a avaliação do potencial de mitigação de emissões associadas ao desmatamento evitado e à degradação florestal (REDD+). Por fim, conclui-se que os resultados podem ser utilizados como base para o desenvolvimento sustentável futuro, e que a metodologia proposta possa contribuir para o estudo de novas áreas que possam contribuir no futuro como potenciais a geração de créditos de carbono, oferecendo a gestão pública e empresarial um mecanismo de análise voltada ao mercado voluntário de carbono, em áreas densamente habitadas e consolidadas.

Resumo (inglês)

Since the beginning of the 21st century, the world has witnessed several events resulting from the climate crisis. The history of global initiatives to address environmental issues and climate change began with the United Nations Conference in 1992 and continues to the present day. The Kyoto Protocol and the Paris Agreement highlight the importance of international cooperation in addressing challenges such as the climate crisis and the preservation of ecosystem services, emphasizing the urgency of adopting mitigation measures at a global scale. Carbon pricing drives the transition toward a global green economy by encouraging the growth of the low-carbon industry. In this context, the Voluntary Carbon Market (VCM) emerges as a tool that promotes standardization and efficiency in carbon credit transactions. Accordingly, this study aims to investigate the potential for carbon credit generation through the reduction of carbon emissions resulting from avoided deforestation and forest degradation (REDD+), using remote sensing and machine learning techniques. The methodology of the Verified Carbon Standard (VCS) Program is applied to define eligibility criteria for REDD+ areas in densely populated regions. To obtain the results, remote sensing methods were employed for vegetation cover analysis and land use mapping, as well as machine learning approaches through the implementation of Artificial Neural Networks (ANN), specifically Multilayer Perceptron (MLP) models, for the classification and prediction of eligible areas. The results demonstrate that the model was efficient in simulating future land use, with an overall accuracy of 58.46% and presenting a Kappa index of 0.90 when comparing the simulated scenario with the observed scenario for 2023, which indicates excellent agreement. The model identified approximately 101.96 ha of areas under deforestation pressure. The analysis of explanatory variables indicated that proximity to urban centers and the road network exerted the greatest influence on deforestation dynamics, evidencing that urban expansion and transportation infrastructure are the main factors associated with the observed forest conversion. These findings provide relevant quantitative support for assessing the potential for emission mitigation associated with avoided deforestation and forest degradation (REDD+). Finally, it is concluded that the results can be used as a basis for future sustainable development and that the proposed methodology may contribute to the investigation of new areas with potential for carbon credit generation. Moreover, it offers public authorities and private enterprises an analytical framework tailored to the voluntary carbon market, particularly in densely populated and consolidated regions.

Palavras-chave

Mudanças climáticas, Créditos de carbono, Aprendizagem profunda (Aprendizado do computador), Redes neurais (Computação), Sensoriamento remoto, Climatic changes, Carbon credits, Deep learning (Machine learning), Neural networks (Computer science), Remote sensing

Idioma

Português

Citação

VIEIRA, Gabriela dos Santos Luchetti. Estimativa do potencial de geração de crédito de carbono através da redução de emissões de carbono por meio de desmatamento evitado e degradação florestal utilizando Redes Neurais Artificiais. 2026. Dissertação (Mestrado em Ciências Ambientais) - Instituto de Ciência e Tecnologia, Universidade Estadual Paulista, Sorocaba, 2026.