Tecnologia e economia para conservação do verde urbano: proposta de uso de índices de vegetação e IA como indicadores para créditos voluntários de biodiversidade urbana
Technology and economics for urban green conservation: proposal for using vegetation indices and AI as indicators for voluntary urban biodiversity credits
Publication year: 2024
Theses and dissertations in Portugués presented to the Universidade de São Paulo. Faculdade de Saúde Pública to obtain the academic title of Mestre. Leader: Buckeridge, Marcos Silveira
A proteção de áreas verdes urbanas enfrenta desafios complexos, especialmente quando comparada a emergências sociais como saúde, moradia e educação. No entanto, mecanismos econômicos como os Créditos Voluntários de Biodiversidade (CVB) emergem como soluções viáveis e sustentáveis para a manutenção dessas áreas. A criação de CVBs tem avançado rapidamente, com abordagens inovadoras sendo implementadas globalmente, incluindo a proteção de áreas nos Andes na Argentina, a valoração da biodiversidade oceânica e a conservação de espécies ameaçadas como a onça-pintada no Brasil. Tecnologias acessíveis, como Sistemas de Informação Geográfica (GIS), Inteligência Artificial (IA) e Machine Learning, mostram-se eficazes na identificação e monitoramento de espécies, qualidade de habitats e mudanças na vegetação ao longo do tempo. Esses sistemas oferecem uma base sólida para a criação de indicadores que suportam a gestão de áreas verdes urbanas. Nosso estudo demonstrou que os índices de vegetação NDVI e GNDVI possuem alta correlação com a biodiversidade real, especialmente em períodos de maior disponibilidade hídrica, como a primavera e o verão em São Paulo. Métodos visuais simples, como fotografias no solo feitas com dispositivos móveis e imagens aéreas de drones, complementam tecnologias mais avançadas, oferecendo formas acessíveis de monitorar a densidade de espécies invasoras e a saúde da vegetação. Elas fornecem um registro visual-temporal valioso para demonstrar melhorias na saúde do ecossistema e o sucesso de estratégias de controle de espécies invasoras. O método de Aprendizado semi-supervisionado para contagem de objetos (palmeiras e troncos) com anotações mínimas mostrou-se eficaz na obtenção de contagens robustas e confiáveis em ambientes com oclusão significativa. A estrutura semis-supervisionada, que combina dados anotados e pseudo-rotulados, melhora o desempenho do modelo e minimiza a necessidade de anotações manuais extensivas. O conjunto de dados gerado, composto por imagens ao nível do solo e anotações correspondentes, é uma contribuição valiosa para estudos adicionais em estimativa de biodiversidade. Apesar dos desafios, os experimentos demonstraram a eficácia desses métodos na avaliação da saúde da vegetação e na contagem de palmeiras invasoras, sugerindo que podem ser ferramentas úteis na criação de CVBs voltados para a conservação de áreas verdes urbanas. Essas abordagens simples, baseadas em monitoramento e coleta de dados remoto e de baixo custo, são uma contribuição importante e útil para auxiliar na priorização, conservação e gestão de áreas verdes, especialmente em municípios brasileiros que frequentemente carecem de estrutura adequada para decisões relacionadas às áreas verdes urbanas.
The protection of urban green areas faces complex challenges, especially when compared to social emergencies such as health, housing, and education. However, economic mechanisms like Voluntary Biodiversity Credits (VBCs) emerge as viable and sustainable solutions for maintaining these areas. The development of VBCs has progressed rapidly, with innovative approaches being implemented globally, including the protection of areas in the Andes in Argentina, the valuation of oceanic biodiversity, and the conservation of threatened species such as the jaguar in Brazil. Accessible technologies, such as Geographic Information Systems (GIS), Artificial Intelligence (AI), and Machine Learning, have proven effective in identifying and monitoring species, habitat quality, and vegetation changes over time. These systems provide a robust foundation for the creation of indicators that support the management of urban green areas. Our study demonstrated that the NDVI and GNDVI vegetation indices are highly correlated with actual biodiversity, particularly during periods of greater water availability, such as spring and summer in São Paulo. Simple visual methods, such as ground-level photographs taken with mobile devices and aerial images captured by drones, complement more advanced technologies, offering accessible ways to monitor invasive species density and vegetation health. These methods provide a valuable visual-temporal record to showcase ecosystem health improvements and the success of invasive species control strategies. The semi-supervised learning method for object counting (palm trees and trunks) with minimal annotations proved effective in obtaining robust and reliable counts in environments with significant occlusion. The semi-supervised structure, which combines annotated and pseudo-labeled data, enhances model performance and minimizes the need for extensive manual annotations. The dataset generated, composed of ground-level images and corresponding annotations, represents a valuable contribution to further studies on biodiversity estimation. Despite the challenges, the experiments demonstrated the effectiveness of these methods in assessing vegetation health and counting invasive palm trees, suggesting they can serve as useful tools in developing VBCs for urban green area conservation. These simple approaches, based on remote, low-cost monitoring and data collection, are a significant and practical contribution to assisting with the prioritization, conservation, and management of green areas - particularly in Brazilian municipalities, which often lack adequate structures for decision-making regarding urban green spaces.