Um mapa global capaz de separar floresta primária de plantação comercial e de cultivo de árvores como dendê, borracha e cacau acaba de ser publicado pelo Google DeepMind em parceria com o World Resources Institute. Batizado ForTy (Forest Typology), o sistema distribui a superfície terrestre de 2020 em seis classes, com resolução de 10 metros, e acertou 90,2% dos casos na verificação feita por dois especialistas sobre 8.190 pontos escolhidos ao acaso. É o primeiro mapa do tipo com cobertura mundial: bases anteriores, inclusive a da Comissão Europeia, retratam apenas recortes do globo.
A data que organiza o projeto: 31 de dezembro de 2020
O motor do ForTy é o EUDR, o regulamento europeu que barra a entrada no bloco de mercadorias associadas a florestas desmatadas ou degradadas depois de 31 de dezembro de 2020 — inclusive nos casos em que a mata primária deu lugar a uma plantação. Fazendas de dendê e de cacau são tratadas como área agrícola, de modo que quem mede risco de fornecedor precisa saber como o terreno estava naquele ano. O mapa entrega justamente essa fotografia de referência e ainda pode servir a iniciativas que dependem do mesmo tipo de dado, como o TFFF (Tropical Forest Forever Facility, veículo de financiamento para florestas tropicais) e a meta da ONU de proteger 30% das terras do planeta até 2030.
As seis classes são floresta primária, floresta de regeneração natural, floresta plantada, plantação florestal, cultivo de árvores e outras terras. Montar esse retrato é difícil porque o tipo de floresta vem da trajetória do lugar, não apenas da aparência. Um povoamento misto antigo, plantado pelo homem, pode se confundir com mata nativa na imagem de satélite, enquanto uma plantação recém-cortada continua enquadrada como floresta pela definição — mesmo que o sensor registre apenas solo nu.
Três etapas de modelo sobre o AlphaEarth Foundations
A engrenagem por trás do ForTy é o AlphaEarth Foundations, apresentado pelo DeepMind em julho de 2025 como uma espécie de satélite virtual: ele funde imagens ópticas, radar, varredura a laser e simulações climáticas em uma descrição enxuta de cada célula de 10 por 10 metros. Os embeddings anuais desde 2017 estão liberados no Google Earth Engine.
Sobre essas descrições operam etapas de reconhecimento de imagem. A primeira aprende com exemplos verificados; suas previsões, somadas a dados externos de altura de árvores, construções e perda florestal, formam uma base de treino ampliada para a segunda; a etapa final processa vários anos em conjunto para atenuar outliers — leituras muito fora do padrão. O Gemini, modelo de linguagem do Google, foi usado para adaptar bases antigas às definições do EUDR. Nas rodadas de correção, especialistas incluíram cerca de 43 mil exemplos para resolver erros do tipo vinhedo europeu classificado como cultivo de árvores, pinheiro nativo da América Central rotulado como floresta plantada e dendezal não identificado na África e na Indonésia.
Como a imagem não revela manejo, a equipe adotou o corte de 40 anos de rotação para diferenciar plantação de outras florestas plantadas — parâmetro que não serve a todas as regiões.
Onde a precisão cai
A auditoria ouviu dois especialistas em cada um dos 8.190 pontos. O resultado global de 90,2% é inflado pela classe mais fácil, a de outras terras. O desempenho por tipo varia bastante: 89% das florestas primárias confirmadas em campo foram identificadas, mas só cerca de metade dos cultivos de árvores e das florestas plantadas apareceu, e 60% das plantações florestais.
Na direção contrária, entre um quarto e um terço das áreas mapeadas como plantação ou cultivo de árvores estava mal classificada, e o mapa errou em um terço das áreas rotuladas como floresta plantada. Essas margens atingem justamente as fronteiras que mais importam ao EUDR. A avaliação ainda tende a favorecer o modelo: os especialistas ficaram mais inseguros em áreas manejadas, e esses casos duvidosos foram excluídos da conta.
| Teste | ForTy | Comissão Europeia |
|---|---|---|
| Floresta contra não floresta | 95,5% | 93,6% |
| Diferenciação por tipo de floresta | 90,9% | 87,8% |
No mesmo conjunto de teste, o ForTy supera os mapas produzidos pela Comissão Europeia especificamente para o EUDR nas duas métricas.
O retrato do planeta e os erros regionais
Segundo a estimativa dos pesquisadores, o mundo tem cerca de 4,1 bilhões de hectares de floresta, dos quais quase 3,9 bilhões são naturais — e, dentro desse total, perto de 2 bilhões de hectares são de floresta primária. Florestas plantadas somam aproximadamente 250 milhões de hectares, e os cultivos de árvores, quase 200 milhões, concentrados sobretudo na Ásia.
Os erros regionais distorcem o quadro. Na Ásia, o mapa exagera a floresta primária em cerca de 200 milhões de hectares, com peso grande das coníferas da Rússia. Na África, erra para menos e deixa de fora algo como 94 milhões de hectares, provavelmente por causa de florestas secas abertas e savanas.
Suécia: muita árvore, pouca floresta natural
Cerca de dois terços da área florestal sueca é plantada, e a floresta natural responde por apenas um quinto do território. Os autores avaliam que a cobertura arbórea total do país pode ser suficiente, mas a fatia de mata nativa — que importa para biodiversidade — estaria criticamente baixa. República Democrática do Congo, Indonésia e Brasil aparecem com as maiores proporções de floresta natural.
O que ainda escapa do satélite
Cacau e café cultivados sob sombra de dossel natural continuam, em algumas regiões, rotulados como floresta. Mata explorada seletivamente ou queimada também embaralha a classificação. E não existe classe própria para formações abertas e arbustivas, tratadas à parte pelo EUDR — algo que os pesquisadores pretendem incluir em versões futuras. Quem usa a base pode montar a própria tipologia ajustando limites a partir dos escores de confiança por classe.
O mapa, a camada de classificação e os dados de teste estão abertos sob licença CC BY 4.0, inclusive no Google Earth Engine; o código foi publicado nos repositórios GeeFlow e JEO. O ForTy é um dos primeiros grandes projetos cartográficos erguidos sobre os embeddings do AlphaEarth e integra o que o Google chama de Earth AI — área que a companhia conectou ao Gemini no outono de 2025 do hemisfério norte para acelerar a detecção de enchentes, secas e florações de algas.
O que isso muda para o investidor
Para quem investe em cadeias agroexportadoras, o ForTy altera a natureza do dado, não a obrigação. Verificar desmatamento em fornecedores indiretos sempre dependeu de imagem de satélite; o salto aqui é padronizar, com resolução de 10 metros, a fronteira entre mata nativa e área plantada — exatamente a linha que separa mercadoria aceita de carga retida na alfândega europeia.
Três leituras práticas se impõem:
- Custo de compliance cai na porta de entrada, mas não zera. Como a base é gratuita e replicável, equipes de rastreabilidade de tradings e indústrias podem triar fornecedores sem contratar licenças caras. O recall de 40% a 50% em cultivos de árvores e florestas plantadas, porém, indica que o mapa serve para priorizar auditoria de campo, não para emitir certidão de conformidade.
- O risco migra para o pequeno produtor. A regra europeia alcança um conjunto de commodities que inclui madeira, cacau, café, dendê e borracha, além de soja e carne bovina. Em cadeias com milhares de fornecedores pulverizados — cacau na Bahia e no Pará, café na África e na Ásia, dendê no Sudeste Asiático —, o custo de documentar a situação do imóvel em 2020 recai sobre quem tem menos estrutura para bancá-lo.
- A pressão competitiva muda de lugar. O Brasil aparece com uma das maiores fatias de floresta natural do mundo, o que favorece a narrativa de origem dos exportadores nacionais. O ponto de atenção está nas classes em que o modelo é mais frágil: cultivo sob sombra e mata explorada seletivamente, justamente padrões comuns em sistemas agroflorestais.
Para o Alphabet (GOOGL), controlador do Google, o impacto em receita é marginal; o valor está na consolidação do Google Earth Engine e do Earth AI como infraestrutura de referência para dados ambientais, terreno em que a companhia disputa espaço com provedores de imagens e plataformas de monitoramento agrícola. Acompanhar a agenda regulatória do EUDR e eventuais atualizações do ForTy — como a classe própria para formações abertas — é mais relevante, para o investidor, do que o anúncio em si.