Reabilitação de áreas mineradas com uso de tecnologias maximiza resultados

Um dos principais desafios da mineração é garantir a restauração eficaz da vegetação em áreas pós-lavra. Essa dificuldade torna-se mais evidente quando se utilizam imagens de satélite para avaliação, e os resultados obtidos divergem da realidade observada em campo. Diante disso, é essencial adotar tecnologias que aprimorem o monitoramento ambiental e aumentem a confiabilidade dos dados.

Foi pensando em minimizar seus impactos ambientais e implementar práticas na recuperação de áreas mineradas, que o estudo da equipe da Hydro em Paragominas, propôs uma combinação do Índice de Folha Verde ou Green Leaf Index (GLI) com técnicas de binarização de imagens como alternativa mais precisa e eficiente para avaliar a cobertura vegetal. Essa aplicação conjunta nas áreas em processo de reabilitação, resultou em maior precisão na delimitação das áreas que requerem enriquecimento, reduzindo em 25 hectares a área previamente estimada para manutenção, o que representou uma economia de R$ 1.525.000,00 em um único ciclo anual.

A Hydro é uma empresa global de alumínio e energia renovável, onde atua em toda a cadeia de valor do alumínio, desde a extração de bauxita até a produção e extrusão de alumínio. A operação da companhia em Paragominas, iniciada em 2007, movimenta 16 milhões de toneladas de minério anualmente e produz 11,4 milhões de toneladas de bauxita, transportada por um mineroduto de 244 km até Barcarena, o primeiro do mundo a realizar esse transporte. Até 2024, a empresa realizou a recuperação ambiental de 3.467 mil hectares.

A extração de bauxita segue o método de mineração em tiras (strip mining), começando com a supressão vegetal, remoção de topsoil e extração do estéril, com profundidades de 2 a 18 m. Após a extração, os rejeitos são devolvidos à cava.

A Hydro, em seguida, recondiciona o terreno e escolhe a técnica de reflorestamento mais adequada para cada área.

Após cinco anos da recuperação, a Mineração Paragominas realizou uma avaliação técnica das áreas em processo de recuperação ambiental, com o objetivo de verificar a efetividade das medidas implementadas, conforme os parâmetros definidos no Programa de Recuperação de Áreas Degradadas (PRAD) e em conformidade com a legislação ambiental vigente.

Essa avaliação é realizada utilizando ferramentas de Sensoriamento Remoto e Geoprocessamento, por meio da análise de imagens do satélite Sentinel 2A, das quais são calculados índices de vegetação, como o NDVI (Índice de Vegetação por Diferença Normalizada), permitindo o monitoramento quantitativo e qualitativo da cobertura vegetal e o acompanhamento da evolução das áreas em recuperação.

No entanto, a resolução espacial das imagens de satélite utilizadas (10 m) limita a precisão das análises espaciais, especialmente em períodos de alta precipitação, regiões com alta heterogeneidade e pequenas áreas em análise. Recentemente, com os avanços tecnológicos, tornou-se possível a utilização de drones para a captura de imagens de alta resolução espacial, permitindo a aplicação de índices de vegetação como o Índice de Folha Verde (em inglês, Green Leaf Index, GLI), que proporciona uma análise mais precisa da vegetação. O GLI é especialmente eficaz por sua sensibilidade à clorofila, possibilitando a distinção mais acurada entre plantas vivas, senescentes e áreas de solo exposto, o que melhora a avaliação do vigor vegetal e facilita o monitoramento ambiental em áreas complexas.

MATERIAIS E MÉTODOS

Este estudo utilizou imagens do Banco de Ortofotos Ortomosaicos da Hydro, captadas nas bandas do espectro visível (RGB – vermelho, verde e azul), as quais permitem a análise espectral da superfície. Para a análise foi utilizado o software QGis Desktop versão 3.34.10-Pi, onde inicialmente foi inserido o ortomosaico e por meio da ferramenta “Calculadora Raster” e foi calculado o Green Leaf Index (GLI) que utiliza as bandas do espectro visível (RGB). Após o cálculo do índice GLI, foi realizada a binarização do raster gerado, utilizando a ferramenta “Calculadora Raster” do QGIS. A próxima etapa consistiu na transformação do raster binário em vetor, utilizando a ferramenta “Poligonizar” do QGIS. Essa transformação converteu os pixels binarizados em shapefiles de polígonos, onde as áreas classificadas como vegetação e solo exposto foram representadas como áreas vetoriais. A partir dos shapefiles gerados pelo processo de “poligonalização”, foi possível extrair as áreas correspondentes à vegetação e ao solo exposto.

Ao calcular a área de vegetação e compará-la com a área de solo exposto, foi possível avaliar de forma quantitativa as mudanças na cobertura vegetal e fornecer informações cruciais para o planejamento de atividades de enriquecimento do solo e para o monitoramento da sustentabilidade ambiental.

ETAPAS DO PROCEDIMENTO

RESULTADOS E DISCUSSÃO

Os resultados obtidos demonstraram que a área inicialmente prevista para enriquecimento apresentava uma cobertura vegetal mais significativa do que tinha sido estimado utilizando a análise de imagens de satélite.. A análise dos ortomosaicos indicou a presença de vegetação ativa em grande parte da região, o que permitiu a redefinição das zonas de atuação, com o objetivo de preservar a vegetação existente e evitar intervenções desnecessárias.

Do ponto de vista prático, a combinação do GLI com a binarização resultou em uma redução de 25 hectares na área que anteriormente seria submetida a ações de enriquecimento, considerando um total inicial de 101 hectares. Essa otimização representou uma economia direta de R$ 625.000,00 em preparo do terreno e R$ 900.000,00 em produção e plantio de mudas, totalizando R$ 1.525.000,00 em um único ciclo anual. Além dos benefícios financeiros, a abordagem adotada aumentou a confiabilidade dos dados e reduziu o risco de impacto ambiental desnecessário.

Portanto, os resultados deste estudo evidenciam a robustez e a aplicabilidade das tecnologias de sensoriamento remoto e processamento digital de imagens como ferramentas eficazes no apoio à tomada de decisão em projetos de recuperação ambiental. A integração entre dados espectrais, vetorização e análise binária se mostra uma alternativa promissora para uma gestão mais racional, técnica e ambientalmente responsável do território minerado em processo de reabilitação.