Uma área degradada aparece no mapa, o objetivo é transformá-la novamente em floresta e a solução mais óbvia parece imediata: escolher milhares de mudas, organizar equipes e começar a plantar. Para dois pesquisadores brasileiros, porém, começar dessa maneira pode significar fazer trabalho demais justamente onde a natureza ainda consegue realizar boa parte dele sozinha.
A inteligência artificial entra nessa história de uma maneira bem diferente da imagem futurista de máquinas substituindo pessoas no campo. Em vez de “construir” uma floresta, ela pode ajudar a descobrir onde plantar, onde apenas remover obstáculos e, principalmente, onde a melhor decisão pode ser permitir que sementes, animais, microrganismos e a vegetação remanescente conduzam a recuperação.
A proposta foi apresentada por Pedro Henrique Santin Brancalion, da Escola Superior de Agricultura Luiz de Queiroz da Universidade de São Paulo e do Centro de Estudos de Carbono em Agricultura Tropical, e Marcelo P. L. Medeiros, ligado também ao Salata Institute for Climate and Sustainability, da Universidade Harvard. O artigo foi disponibilizado em setembro de 2026 na revista científica Trends in Ecology & Evolution.
O ponto central parece simples, mas muda a lógica tradicional da restauração: uma floresta não é uma obra que pode ser reconstruída encaixando todas as peças exatamente nos lugares escolhidos por seres humanos. Ela é um sistema que se reorganiza continuamente a partir de relações entre árvores, animais, fungos, bactérias, solo, água, clima e perturbações que se acumulam durante décadas.
Plantar uma árvore é relativamente simples; reconstruir uma floresta inteira não é
Quando uma muda é plantada, é possível medir espaçamento, altura, sobrevivência e crescimento. Esses indicadores são úteis, mas dizem apenas uma parte do que está acontecendo naquele terreno.
Uma floresta funcional também depende de polinizadores visitando flores, aves e mamíferos transportando sementes, fungos associados às raízes, decomposição de folhas, circulação de nutrientes e competição entre espécies. Nenhum projeto consegue escolher individualmente todas essas relações e instalá-las no campo como quem monta as peças de uma máquina.
É justamente essa diferença que os autores querem colocar no centro da restauração florestal. O artigo argumenta que recuperar um ecossistema exige criar condições para que ele volte a desenvolver complexidade, e não simplesmente reproduzir uma fotografia de como imaginamos que uma floresta deveria parecer.
Isso não significa abandonar o plantio de árvores. Existem áreas tão degradadas, isoladas ou alteradas que a intervenção humana pode ser indispensável para iniciar a recuperação.
A mudança está em parar de tratar o plantio como resposta automática para todos os lugares. Em algumas paisagens, proteger a área, eliminar uma fonte de degradação ou favorecer a chegada de sementes pode produzir uma trajetória de recuperação que aproveita processos naturais já disponíveis.
Uma floresta degradada pode guardar um mecanismo de reconstrução que não aparece na fotografia
Imagine uma pastagem abandonada cercada por fragmentos de mata.
À primeira vista, o terreno aberto pode parecer vazio. Sob o solo, porém, podem existir sementes; nas bordas, árvores podem fornecer novos propágulos; aves e morcegos podem atravessar a área carregando frutos; raízes e organismos subterrâneos podem permanecer ativos.
Quando essas condições existem, começa a chamada regeneração natural.
Primeiro surgem espécies capazes de tolerar muito sol e ambientes mais secos. Conforme a vegetação cresce, aumenta a sombra, a temperatura próxima do solo muda, matéria orgânica se acumula e novas espécies encontram condições para se estabelecer.
A composição não permanece parada. Ela passa por um processo conhecido como sucessão ecológica, no qual diferentes comunidades ocupam e modificam o ambiente ao longo do tempo.
Essa capacidade de reorganização é aquilo que os pesquisadores chamam, no modelo proposto, de “inteligência natural”. Não se trata de afirmar que uma floresta pensa como uma pessoa, mas de reconhecer que ecossistemas complexos respondem, se reorganizam e produzem estruturas que nenhuma equipe humana consegue programar integralmente.
É aqui que a inteligência artificial pode mudar a decisão
O desafio é saber antecipadamente qual área conseguirá se regenerar com pouca ajuda e qual continuará degradada durante décadas se ninguém intervier.
Uma propriedade pode reunir trechos próximos de floresta, áreas compactadas pelo gado, encostas erodidas, solos férteis, setores dominados por espécies invasoras e pontos completamente isolados de fontes de sementes. Tratar todos esses hectares com o mesmo método desperdiça recursos e pode produzir resultados ambientais inferiores.
É nesse quebra-cabeça que a IA pode se tornar útil.
Sistemas computacionais podem combinar grandes volumes de informações sobre relevo, solo, clima, histórico de uso da terra, proximidade de fragmentos florestais e evolução da vegetação observada por sensoriamento remoto. Em vez de substituir a ecologia, eles podem ajudar especialistas a encontrar padrões difíceis de perceber analisando cada variável separadamente.
Em um trecho, o sistema pode indicar que o potencial de regeneração é elevado e que a principal necessidade é impedir novas perturbações. Alguns quilômetros adiante, a mesma análise pode apontar isolamento suficiente para justificar plantio ativo ou técnicas de regeneração assistida.
O algoritmo pode ajudar justamente a decidir onde não plantar
Esse talvez seja o aspecto mais contraintuitivo da proposta.
Quando pensamos em aplicar tecnologia à restauração, é natural imaginar drones distribuindo sementes, máquinas abrindo covas ou algoritmos escolhendo quais espécies plantar. Todas essas aplicações podem ter utilidade, mas a inteligência artificial também pode gerar valor quando evita uma intervenção desnecessária.
Se uma área tem capacidade elevada de regeneração natural, direcionar ali dinheiro, mudas e mão de obra pode significar retirar recursos de outro terreno onde a floresta dificilmente retornaria sem ajuda.
Nesse cenário, não plantar deixa de representar ausência de ação.
A intervenção humana pode estar na proteção contra fogo, na retirada do gado, no controle de plantas invasoras, na recuperação de cursos d’água ou na criação das condições necessárias para que a sucessão ecológica avance.
A tecnologia ajudaria a localizar essas situações e acompanhar o que acontece depois.
O modelo reúne três inteligências em vez de colocar uma contra a outra
Brancalion e Medeiros organizam a proposta ao redor de três tipos de inteligência: humana, natural e artificial.
A inteligência humana permanece responsável por definir objetivos, mobilizar recursos, incorporar conhecimento científico e local e decidir quais consequências sociais e ambientais são aceitáveis. Não existe algoritmo capaz de determinar sozinho quais valores uma comunidade deve priorizar.
A inteligência natural é o conjunto dos processos pelos quais o ecossistema recupera complexidade.
Já a inteligência artificial ocupa uma posição intermediária: processa informações, identifica padrões, auxilia o monitoramento e oferece apoio para decisões que precisam ser revistas conforme a floresta responde.
Esse detalhe é importante porque transforma a restauração em processo adaptativo.
Uma decisão tomada no primeiro ano não precisa permanecer imutável durante vinte anos. Se imagens, levantamentos de campo ou sensores mostrarem que determinada área não está se recuperando como esperado, a estratégia pode ser modificada.
Um satélite pode enxergar verde onde um ecólogo ainda vê um problema
Existe outra dificuldade que a tecnologia precisa enfrentar.
Uma imagem de satélite pode mostrar aumento rápido da cobertura vegetal e sugerir sucesso, enquanto no terreno o resultado pode ser muito diferente da floresta que se pretendia recuperar.
Uma área dominada por poucas espécies pode ficar verde rapidamente. Isso não significa que recuperou diversidade, funcionamento ecológico ou capacidade semelhante à de um ecossistema nativo.
Por isso, medir apenas quantidade de árvores ou cobertura do solo cria um risco de simplificação.
A proposta dos pesquisadores é relevante justamente porque insiste na complexidade. A inteligência artificial deve ajudar os seres humanos a lidar com mais variáveis, e não reduzir o objetivo de restauração ao indicador mais fácil de calcular.
A própria inteligência artificial pode cometer um erro silencioso
Um modelo de IA aprende com os dados disponíveis. Se determinadas árvores foram muito estudadas e outras quase não aparecem em bancos de dados, o sistema pode acabar favorecendo aquilo que conhece melhor.
O resultado pareceria científico e preciso, mas carregaria um viés produzido pela própria desigualdade das informações utilizadas no treinamento.
Os autores alertam para a possibilidade de tecnologias mal aplicadas reforçarem justamente algumas limitações que deveriam ajudar a superar. Um modelo construído principalmente com informações sobre plantios, por exemplo, pode acabar recomendando plantio mais frequentemente porque possui menos dados sobre trajetórias espontâneas de regeneração.
Há ainda espécies pouco estudadas, interações ecológicas difíceis de medir e organismos que raramente aparecem nos grandes bancos de informações ambientais.
Uma floresta não passa a ser menos importante porque parte de sua biodiversidade ainda não foi transformada em tabela.
Eficiência também pode produzir um problema social
Restaurar milhões de hectares movimenta viveiros, coletores de sementes, trabalhadores rurais, técnicos, comunidades locais e diferentes cadeias de serviços. Automatizar partes desse trabalho pode reduzir custos, mas também alterar a distribuição de empregos e renda.
Os pesquisadores defendem que esse efeito faça parte da decisão.
Uma estratégia tecnologicamente eficiente não é automaticamente a melhor escolha se concentra poder sobre os dados, elimina oportunidades importantes para comunidades locais ou ignora conhecimentos acumulados por quem vive no território.
Esse ponto separa a proposta de uma visão em que inteligência artificial representa apenas redução de custos.
A tecnologia precisa estar subordinada aos objetivos ecológicos e sociais da restauração, e não o contrário.
No Brasil, o problema tem uma escala que torna essa escolha especialmente importante
A discussão ganha peso particular em um país que reúne Amazônia, Mata Atlântica, Cerrado e outros ecossistemas profundamente diferentes entre si.
Mesmo dentro de um único bioma, duas propriedades próximas podem apresentar históricos completamente distintos de desmatamento, fogo, pecuária, agricultura, erosão e isolamento.
Uma receita única dificilmente funcionará em todas elas.
É justamente nesse cenário de enorme heterogeneidade que sistemas capazes de combinar informações ambientais podem ajudar a decidir onde o investimento humano terá maior impacto.
O Brasil possui também uma vantagem: décadas de pesquisa sobre regeneração de florestas tropicais, sensoriamento remoto e restauração ecológica.
O próprio trabalho que propõe essa integração nasce de pesquisadores ligados à USP, ao CCARBON e a instituições que trabalham diretamente com restauração. O estudo foi publicado em 7 de setembro de 2026 e destacado pela Agência FAPESP em 8 de outubro.
O futuro pode ter menos fileiras de mudas e mais decisões diferentes para cada pedaço da paisagem
A imagem clássica de uma restauração ambiental é facilmente reconhecível: dezenas de pessoas carregando mudas e preenchendo uma área aberta com pequenas árvores organizadas em linhas.
Esse método continuará necessário em muitos lugares.
O que o novo estudo questiona é a ideia de que essa imagem representa necessariamente a forma mais avançada de restauração.
Uma estratégia mais sofisticada pode parecer menos espetacular.
Em determinado hectare, pode significar plantar centenas de mudas. No hectare seguinte, controlar uma espécie invasora; em outro, reconstruir a conexão com uma mata próxima; e em outro simplesmente retirar a pressão que impedia sementes já presentes de germinar.
A inteligência artificial teria justamente a função de ajudar a separar esses cenários.
A tecnologia mais avançada pode terminar dizendo para o ser humano fazer menos
Há uma ironia interessante nessa proposta.
Estamos acostumados a imaginar que uma tecnologia nova serve para aumentar nossa capacidade de intervenção: produzir mais, construir mais rápido, plantar mais árvores e controlar um número maior de variáveis.
No caso das florestas, a conclusão pode seguir a direção oposta.
Quanto melhor compreendermos a paisagem, mais fácil pode se tornar reconhecer aqueles lugares onde a intervenção mais inteligente é pequena.
A IA pode identificar padrões, processar imagens, organizar informações e atualizar cenários em uma escala impossível para uma pessoa sozinha. Mas a floresta continua dependendo de processos que nenhum algoritmo fabrica: uma ave levando uma semente, um fungo formando associação com uma raiz, uma árvore criando sombra para outra espécie e milhares de organismos transformando lentamente o solo.
O avanço tecnológico, portanto, não está em substituir essa rede.
E talvez a aplicação mais sofisticada da inteligência artificial na restauração florestal seja justamente descobrir o momento em que máquinas, algoritmos e seres humanos devem parar de tentar construir a floresta e criar espaço para que ela volte a construir a si mesma.
