evidoria

← Voltar à navegação

Boa prática Importada

Forest Foresight — Previsão de Desflorestação com IA e Radar a Proteger a Floresta Tropical do Gabão

Gabão · Libreville · Ver o perfil de Gabão · Ver o perfil de Libreville

Evidência: Descritivo / autorreportado Top 76% 47/100 · Pergunte a Evidence Copilot sobre esta prática

A ferramenta Forest Foresight, da WWF e da Universidade de Wageningen, usa radar Sentinel-1 e aprendizagem automática para sinalizar riscos de exploração madeireira e mineração ilegais com meses de antecedência. Guardas florestais gaboneses agiram sobre um alerta para travar uma operação ilegal de mineração de ouro, salvando cerca de 30 hectares de floresta e levando a detenções.

30 hectares
Floresta salva numa intervenção documentada de mineração de ouro
34 actions
Ações de prevenção da desflorestação nos projetos-piloto do Gabão e do Kalimantan (six months)
6 months (up to)
Tempo de antecedência da previsão antes da desflorestação ilegal
Forest Foresight — Previsão de Desflorestação com IA e Radar a Proteger a Floresta Tropical do Gabão

Detalhes

Maturidade
Piloto
Promotor
WWF and Wageningen University & Research, with Gabon's Ministry of Water and Forest Affairs
Período
2022–present (pilot, scaling to 2027)
Palavras-chave
environment, conservation, satellite monitoring, forestry, compliance & enforcement

Contexto

O Forest Foresight combina imagens de radar Sentinel-1 (através do sistema RADD) com um modelo de aprendizagem automática treinado nos padrões que normalmente precedem a exploração madeireira ilegal, a mineração e a desflorestação agrícola, sinalizando áreas florestais de alto risco até cerca de seis meses antes de a desflorestação ocorrer. No Gabão, é gerido em conjunto pela WWF, pela Universidade de Wageningen (Wageningen University & Research) e pelo Ministério da Água e das Florestas do Gabão, com o MINFOF dos Camarões como parceiro no projeto-piloto mais alargado da Bacia do Congo; a iniciativa foi apresentada na COP28, em 2023.

Objetivos

A ferramenta visa dar aos guardas florestais e às autoridades uma janela de alerta precoce para intervir antes de ocorrer a desflorestação ilegal, em vez de apenas a detetar depois de acontecer, com o objetivo final de alargar a monitorização preditiva a 15 paisagens em 12 países até 2027.

Atividades

São gerados alertas baseados em radar e aprendizagem automática para áreas florestais em risco, que são transmitidos aos guardas florestais e às autoridades; a abordagem está a ser testada em simultâneo no Gabão, no Kalimantan (Indonésia) e no Suriname.

Resultados

Num caso documentado, um alerta permitiu que guardas florestais gaboneses detetassem e travassem uma operação ilegal de mineração de ouro, salvando cerca de 30 hectares de floresta e levando a detenções. Em conjunto, nos projetos-piloto do Gabão e do Kalimantan, os parceiros relatam que os alertas conduziram a 34 ações de prevenção da desflorestação num período de seis meses.

Conclusões

As evidências provêm diretamente dos parceiros de implementação e não de uma avaliação independente, e não existe qualquer taxa de precisão ou de falsos positivos publicada para o modelo de previsão; a divisão de responsabilidades operacionais entre o governo gabonês e os parceiros ONG/universidade também não está claramente documentada, pelo que este caso deve ser lido como um projeto-piloto promissor e real, mas ainda dependente de ONG.

Implementação

Custo indicativo
Médio (50 mil–500 mil €) — No budget figures are published; classified as medium cost based on the scale of a multi-country satellite-ML monitoring partnership involving two research/NGO bodies and government ministries, presented internationally at COP28.
Tempo até resultados
Médio (1–3 anos) — Piloted since 2022 with a stated roadmap to scale to 15 landscapes across 12 countries by 2027, indicating a multi-year programme rather than a short pilot cycle.
Equipa e competências
WWF, Wageningen University & Research, Gabon's Ministry of Water and Forest Affairs, Cameroon's Ministry of Forests and Wildlife (MINFOF), partner for the wider Congo Basin pilot

Condições de sucesso

  • Access to Sentinel-1 radar imagery and the RADD deforestation-detection system
  • Rangers and authorities able to act on alerts before clearing occurs
  • Ongoing government partnership for on-the-ground enforcement

Modos de falha comuns

  • No published accuracy or false-positive rate for the prediction model
  • Operational responsibility between government and NGO/university partners not clearly documented

Habitualmente financiado por

Philanthropic / foundation funding

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis