Mapas coincidentes de mudança na cobertura do solo, uso da terra e condição florestal nos Estados Unidos, 1985-presente

Por que observar a paisagem importa

Em todo os Estados Unidos, florestas queimam e regeneram, cidades se expandem, fazendas mudam de cultivo e lagos aumentam ou encolhem. Ainda assim, vistos de cima, muitos desses episódios tão distintos podem parecer surpreendentemente semelhantes: um talhão de árvores é um talhão de árvores, seja um povoamento manejado para madeira, um parque urbano ou uma floresta selvagem. Este artigo apresenta o Landscape Change Monitoring System (LCMS), um esforço de mapeamento em escala nacional que separa não apenas o que está no solo (cobertura do solo), mas como as pessoas o utilizam (uso da terra) e como a vegetação muda ao longo do tempo. Para quem se preocupa com clima, fauna, água ou crescimento urbano, o LCMS oferece uma nova e poderosa maneira de ver como as paisagens americanas evoluíram de 1985 até o presente.

Ver mais do que apenas verde e cinza

Mapas tradicionais por satélite geralmente descrevem a terra usando categorias visuais amplas — floresta, cultivo, água, pavimento. O LCMS parte de uma distinção simples, porém importante: o dossel verde que vemos (cobertura do solo) não é o mesmo que o propósito atribuído a um lugar (uso da terra). Uma floresta temporariamente desbastada por corte e deixada para regenerar tem um impacto de longo prazo muito diferente de uma floresta derrubada permanentemente para moradias ou uma rodovia, mesmo que ambas possam inicialmente aparecer como perda de árvores do espaço. O LCMS, portanto, produz três produtos cartográficos coordenados em resolução de 30 metros para quase todas as terras dos EUA: cobertura do solo anual, uso da terra anual e um registro separado de perturbação e regeneração da vegetação. Essa visão tripartida permite aos usuários distinguir se uma mudança é uma cicatriz passageira em uma floresta de trabalho, uma transição de pastagem para novo bosquete, ou uma conversão duradoura de terras agrícolas em subúrbios.

Transformando décadas de imagens em histórias consistentes

Para construir esses mapas, os autores baseiam‑se em um vasto arquivo de imagens de satélite do programa Landsat, recentemente complementado pelos satélites Sentinel‑2 da Europa. Em vez de olhar cada ano isoladamente, o LCMS ajusta curvas matemáticas através da série temporal completa de imagens para cada pixel, usando dois algoritmos complementares conhecidos como LandTrendr e CCDC. Um é calibrado para detectar rupturas súbitas em tendências de longo prazo, como um incêndio ou corte raso; o outro foca em padrões dentro de cada estação de crescimento, como o ritmo sazonal distinto de plantações ou pastagens. Ao combinar ambos, o LCMS consegue distinguir melhor mudanças reais e duradouras de ruídos efêmeros como nuvens, neve ou variações climáticas ano a ano. Informações de terreno, como elevação e declive, também são incorporadas, ajudando a separar, por exemplo, rocha de altitude de pavimento em baixada.

Verificação em campo a partir de milhares de pontos amostrais

Mesmo os melhores algoritmos precisam de exemplos confiáveis para aprender. O LCMS depende de mais de 13.000 localidades de referência cuidadosamente interpretadas por todo os EUA contíguos, sudeste do Alasca, Havaí, Porto Rico e Ilhas Virgens Americanas. Usando uma ferramenta chamada TimeSync, analistas percorrem décadas de imagens de satélite e fotos aéreas de alta resolução em cada ponto, atribuindo, ano a ano, qual é a cobertura do solo, como a terra é usada e que tipo de mudança — incêndio, corte, dano por tempestade ou declínio lento — ocorreu. Como algumas situações importantes, como perda florestal ou superfícies impermeáveis urbanas, são relativamente raras, a equipe deliberadamente sobreamostra essas categorias para garantir que os modelos as aprendam bem. Modelos de aprendizado de máquina Random Forest são então treinados separadamente para mudança, cobertura do solo e uso da terra, e seu desempenho é testado com técnicas rigorosas de validação cruzada que levam em conta o desenho amostral.

O que os novos mapas revelam

Com mapas anuais a partir de 1985, o LCMS consegue traçar as histórias de conhecidos episódios ambientais. Em torno do Great Salt Lake, em Utah, captura o dramático recuo das linhas costeiras durante anos de seca recentes, mostrando a cobertura de água encolhendo até planos expostos enquanto o uso da terra permanece categorizado como “outro”, refletindo que novo pasto ou desenvolvimento fica atrás do leito do lago exposto. Ao longo da Costa do Golfo da Flórida, o LCMS destaca a faixa de floresta derrubada pelo furacão Michael em 2018 como um surto de perda rápida de vegetação seguido por regeneração gradual, enquanto o uso subjacente da terra permanece em grande parte florestal. Na Front Range do Colorado, separa o declínio lento de árvores por besouros‑da‑casca das cicatrizes abruptas de grandes incêndios florestais, e mostra onde a vegetação começa a se recuperar. Nesses exemplos, aparece um padrão recorrente: a cobertura do solo pode alternar rapidamente entre árvores, arbustos e gramíneas após uma perturbação, mas o uso da terra pode permanecer estável por anos.

De mapas a decisões melhores

Para gestores florestais e formuladores de políticas, o ganho prático mais imediato do LCMS são estimativas mais precisas de quanto território é realmente manejado como floresta, e não apenas onde há árvores por acaso. Quando os autores combinam os mapas de uso da terra do LCMS com a rede de parcelas de campo de longa duração do Serviço Florestal dos EUA, eles verificam que as estimativas estatísticas da área florestal se tornam aproximadamente três vezes mais precisas do que usar apenas as parcelas em escalas regionais. Isso significa que agências podem acompanhar tendências e avaliar políticas com menos visitas de campo e maior confiança. Mais amplamente, o LCMS fornece dados abertos, atualizados anualmente, e ferramentas on‑line que permitem aos usuários animar mudanças, resumir condições por condado ou floresta e conceber suas próprias análises. Ao separar claramente como a terra parece, como as pessoas a usam e como a vegetação responde, este sistema oferece uma janela mais nítida sobre a paisagem americana em transformação — e uma base mais sólida para mantê‑la saudável.

Citação: Housman, I.W., Healey, S.P., Heyer, J. et al. Coincident maps of changing land cover, land use, and forest condition in the United States, 1985-present. Sci Data 13, 575 (2026). https://doi.org/10.1038/s41597-026-06743-0

Palavras-chave: mudança na cobertura do solo, mapeamento do uso da terra, sensoriamento remoto, monitoramento florestal, séries temporais de satélite