Modelagem preditiva de isoscapes de delta-18O para o rastreamento da origem da madeira na Amazônia

• Processo: 26/08684-6
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2026
• Data de Término da vigência: 31 de julho de 2027
• Área de conhecimento: Ciências Agrárias - Recursos Florestais e Engenharia Florestal - Conservação da Natureza
• Pesquisador responsável: Deoclecio Jardim Amorim
• Beneficiário: Rafael Esgobi de Sousa Costa
• Instituição Sede: Centro de Energia Nuclear na Agricultura (CENA). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Assunto(s): Aprendizado computacional Estatística Madeira Rastreabilidade
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | ecologia isotopica | Estatística | Isoscape | Madeira | Rastreabilidade | Rastreabilidade da origem geográfica de madeira por isótopos estáveis e aprendizado de máquina

Resumo

Este projeto tem como objetivo desenvolver modelos preditivos para rastrear a origem geográfica de espécies arbóreas da Amazônia a partir das razões isotópicas de oxigênio (deta-18O). Embora os isótopos estáveis apresentem elevado potencial para estudos de rastreabilidade, a variabilidade isotópica na Amazônia ainda não é plenamente compreendida, o que limita a precisão e a aplicação de métodos tradicionais em ambientes tropicais altamente complexos. Para enfrentar esse desafio, propõe-se a integração de algoritmos de aprendizado de máquina, em particular Random Forest e Extreme Gradient Boosting (XGBoost), com técnicas de Inteligência Artificial Explicável (XAI), permitindo simultaneamente elevado desempenho preditivo e interpretação dos mecanismos subjacentes aos modelos. O projeto será desenvolvido em colaboração com o Laboratório de Ecologia Isotópica do CENA/USP, coordenado pelo Prof. Dr. Luiz Antonio Martinelli, responsável pelo fornecimento de dados isotópicos. A questão central da pesquisa é: como construir isoscapes preditivas capazes de atribuir a origem geográfica da madeira em florestas tropicais, considerando a complexidade ambiental da Amazônia? Parte-se da hipótese de que a combinação de aprendizado de máquina espacial e modelagem isotópica, integrada a variáveis climáticas, geológicas e pedológicas, é capaz de superar limitações metodológicas existentes, ampliando a robustez e a aplicabilidade dos modelos de rastreabilidade. A pesquisa será estruturada em cinco etapas: (i) organização de um banco de dados isotópicos integrado a variáveis ambientais; (ii) desenvolvimento, calibração e avaliação de modelos de aprendizado de máquina; (iii) implementação de modelos probabilísticos de atribuição de ori-gem geográfica; e (iv) integração, análise interpretável e disponibilização dos resultados. Espe-ra-se que as isoscapes desenvolvidas contribuam para o combate ao comércio ilegal de madeira, fortalecendo estratégias de conservação ambiental na Amazônia e alinhando-se aos Objetivos de Desenvolvimento Sustentável (ODS) da ONU. (AU)