Given the importance of innovation and digitalization for the sustainable management of forests, the new version of the cork oak spatial tree growth model, CORKFITS 2026, is presented. This updated simulator has been rebuilt using modern online technologies, allowing it to be delivered more easily to final users and supporting practical use in forest management, planning, and decision-making. The new version includes improved data input and results visualization interfaces, enhances tree-level simulation, is better suited for complex stands, and increases the capacity to explore and compare alternative management scenarios.

CORKFITS 2026 is based on the potential increment modifier principle:

z = zpot × modifier + ε

where zpot represents potential growth as a function of site conditions, modifier is a reduction factor depending on the spatial competition index and debarking intensity, and ε represents random error. The simulator includes several sub-growth models, covering cork growth, stem development, tree height and crown dynamics, as well as cork production and survival models.

The presented model is particularly relevant in the current context of management planning and digital support tools needed to restore and improve cork productivity in cork oak stands, which cover approximately 713,000 ha in Portugal. Beyond their large spatial extent, cork oak stands represent a significant economic factor, especially in rural areas, where cork production contributes to local employment, income generation, and the maintenance of traditional multifunctional land-use systems.

Acknowledgements:

This work is funded by Agenda Transform, project no. C644865735-00000007, following the Mobilization Agendas for Business Innovation (Notice No. 02/C05-i01/2021), supported by the Recovery and Resilience Plan (PRR) and European Funds NextGeneration EU.

O ForestSTATS é uma plataforma digital agregadora de estatísticas florestais, que foi desenvolvida, pelo consórcio do projeto 1.8 da Agenda transForm, para colmatar uma lacuna identificada pelos agentes interessados, ao pesquisar e procurar aceder a dados sobre o setor florestal, que são disponibilizados por múltiplas fontes oficiais, de forma dispersa e em diferentes formatos. Trata-se de um repositório de informação que reúne atualmente mais de 450 variáveis organizadas em 13 áreas temáticas, abrangendo domínios como incêndios rurais, recursos e sanidade florestal, produção, biomassa, biodiversidade, ordenamento do território, economia e áreas protegidas. Para cada variável, os dados são harmonizados numa estrutura uniforme, identificando nos metadados, a fonte, entidade responsável, periodicidade e data da última atualização.

No âmbito das suas funcionalidades, o ForestSTATS é uma ferramenta de conhecimento e transparência, concebido para uma vasta tipologia de utilizadores, desde o público em geral a investigadores, empresas, gestores florestais e decisores políticos, permitindo diferentes níveis de análise e contribuindo para decisões mais informadas e sustentáveis. Oferecendo uma interface intuitiva e de acesso a dados abertos, que podem ser visualizados de forma tabular, gráficos dinâmicos, mapas, partilhar filtros e exportação de dados. A plataforma permite também visualizar indicadores‑chave e explorar infográficos dedicados a variáveis relevantes do setor florestal.

Neste contexto, e com recurso ao serviço API do INE para garantir a atualização contínua dos dados, foi introduzida de forma dinâmica, a variável balança comercial para o setor florestal, abrangendo informação sobre matérias‑primas florestais e produtos transformados, como pasta de papel, mobiliário e painéis de madeira. Esta solução dá continuidade à informação anteriormente disponibilizada de forma estruturada nas Contas Económicas da Silvicultura publicadas pelo INE, entretanto ausente no atual modelo de Contas da Floresta.

A crescente severidade, frequência e complexidade dos incêndios rurais, têm vindo a expor limitações estruturais nos modelos tradicionais de prevenção, deteção e resposta. Estes desafios assumem particular relevância em territórios atravessados por infraestruturas energéticas, onde a continuidade do serviço, a segurança das populações e a proteção dos ecossistemas dependem de uma gestão do risco cada vez mais integrada, antecipatória e suportada por conhecimento científico e tecnológico.

Neste contexto, foi desenvolvido o NATUREYE, um sistema integrado de apoio à decisão orientado para a monitorização, previsão e gestão do risco de incêndio rural. A solução assenta numa arquitetura tecnológica que integra dados multissensoriais provenientes de diferentes fontes, incluindo uma rede de câmaras multiespectrais instaladas em infraestruturas de muito alta tensão, dados meteorológicos em tempo real e informação geoespacial detalhada, nomeadamente topografia, uso e ocupação do solo e caracterização do combustível florestal. Esta integração permite construir uma representação dinâmica e contextualizada das condições de risco no território.

O sistema permite a deteção precoce de ignições e a monitorização contínua da evolução dos incêndios, assegurando a validação técnica dos alertas por operadores especializados, reduzindo significativamente a ocorrência de falsos positivos. Um dos seus principais elementos diferenciadores reside na integração de modelos avançados de simulação do comportamento do fogo, cientificamente validados, que incorporam variáveis críticas como a velocidade e direção do vento, temperatura, humidade relativa, topografia e tipologia e distribuição do combustível. Estes modelos permitem gerar cenários preditivos de propagação espacial e temporal, identificando áreas potencialmente afetadas, infraestruturas em risco e impactos prováveis, num horizonte temporal relevante para apoio à decisão operacional.

A componente operacional do sistema é suportada pelo CENTRODEC, que funciona como centro físico de suporte à decisão, assegurando a monitorização contínua, a validação e interpretação da informação e a comunicação estruturada aos decisores. Esta articulação entre plataforma tecnológica e centro operacional reforça a capacidade de resposta em tempo real, promovendo decisões mais informadas, coordenadas e eficazes em cenários de elevada complexidade e pressão temporal.

A capacidade de antecipação proporcionada pelo NATUREYE constitui um contributo determinante para a definição de prioridades de intervenção, otimização da mobilização de meios e reforço da proteção de infraestruturas críticas. Para além da sua aplicação direta, o sistema promove uma abordagem preventiva e integrada à gestão do território, contribuindo para a redução da área ardida, a preservação dos ecossistemas florestais e a valorização do papel da floresta enquanto sumidouro de carbono. A sua natureza modular e escalável permite ainda a integração futura de outros riscos naturais, como cheias ou eventos meteorológicos extremos, reforçando a resiliência territorial e alinhando-se com as estratégias de transição digital, sustentabilidade e adaptação às alterações climáticas. O projeto enquadra-se na Agenda transForm, Agenda Mobilizadora do PRR integrada na Componente 5 (C5) – Capitalização e Inovação Empresarial, contribuindo para a transformação digital da fileira florestal e para a promoção de uma economia resiliente e de baixo carbono.

Num setor florestal cada vez mais complexo, como o português, é necessário adotar soluções digitais capazes de integrar informação, apoiar a tomada de decisão e simplificar processos de rastreabilidade e certificação florestal. Neste contexto, a digitalização assume-se como um eixo estratégico para impulsionar a gestão ativa da floresta e reforçar a capacidade de resposta das entidades do setor.

Entre as principais necessidades da gestão florestal no país, destacam-se: (1) a criação de um cadastro florestal completo, com vista a uma gestão holística da paisagem num contexto de abandono rural e fragmentação da propriedade; (2) a disponibilização de informação geográfica atualizada, para apoiar a elaboração de planos de gestão florestal e projetos de (re)arborização; e (3) a simplificação dos processos de auditoria e certificação florestal, através da disponibilização de ferramentas operacionais acessíveis a gestores, técnicos e proprietários. A estes desafios acrescem ainda a baixa literacia digital de parte dos proprietários mais idosos e o reduzido interesse das gerações mais jovens pelo setor.

Face a estas dificuldades, a 2BForest desenvolveu um sistema integrado de apoio à gestão, certificação e mapeamento florestal. Este sistema, criado no âmbito do projeto P1.7 – Bases de dados geográficas e aplicações para a gestão florestal, integrado na Agenda transForm, tem como objetivo facilitar a utilização de soluções digitais em contexto real e transformar os dados disponíveis em informação útil para apoiar a decisão, tanto no gabinete como no terreno. No presente trabalho, apresentam-se os resultados obtidos no projeto P1.7, materializados em três soluções distintas, mas interoperáveis: (1) a plataforma ForestSIM®, que integra funcionalidades avançadas de apoio à gestão e certificação florestal; (2) a aplicação móvel ForestSIM Mobile®, disponibilizada gratuitamente para apoiar proprietários florestais; e (3) a aplicação ForestCAD®, concebida para facilitar o mapeamento de propriedades florestais com recurso a drones (UAV) e equipamentos GPS.

A ForestSIM foi reestruturada no projeto P1.7 para dar resposta às crescentes exigências da certificação florestal nacional e internacional, integrando funcionalidades como a gestão de membros, propriedades e parcelas, a elaboração de planos de gestão, a calendarização de operações com previsão orçamental, a monitorização de áreas de conservação, a exportação de relatórios e ferramentas de edição e visualização cartográfica.

A ForestSIM Mobile foi concebida para disponibilizar, num único ambiente móvel, um acesso simplificado à plataforma ForestSIM, bem como um conjunto de ferramentas gratuitas para visualização de mapas, consulta de custos de operações florestais, cotações de produtos, notícias setoriais com curadoria da 2BForest, notificações de risco de incêndio, fórum de discussão pública e solicitação de orçamentos a prestadores de serviços.

A ForestCAD, por sua vez, foi desenvolvida para apoiar o cadastro e o mapeamento simplificado de propriedades florestais, permitindo importar pontos capturados por UAV ou equipamentos GPS, gerar e editar polígonos, associar fotografias georreferenciadas, descarregar mapas-base para utilização em modo offline e exportar os resultados para a ForestSIM ou para o QGIS.

Em conjunto, estas três soluções ilustram como a digitalização pode responder às necessidades identificadas, contribuindo para uma gestão florestal mais ativa, eficiente e informada em Portugal.

As florestas mediterrânicas encontram-se entre os ecossistemas mais vulneráveis aos efeitos das alterações climáticas e à ação cumulativa de múltiplos agentes de perturbação, incluindo incêndios, secas, pragas e eventos meteorológicos extremos. O aumento da frequência e intensidade destes fenómenos tem evidenciado limitações nos modelos convencionais de monitorização e gestão florestal, reforçando a necessidade de abordagens mais integradas, adaptativas e sustentadas em evidência científica. Neste contexto, as tecnologias associadas a veículos aéreos não tripulados (UAV) e algoritmos de deep learning apresentam elevado potencial para automatizar processos tradicionalmente dependentes de inventário de campo, frequentemente condicionados pela acessibilidade do terreno, tempo de execução e custos operacionais.

O presente trabalho enquadra-se na Agenda transForm – Melhor Floresta, financiada pelo Plano de Recuperação e Resiliência (PRR), que visa desenvolver soluções inovadoras e estratégias de gestão florestal adaptativa para aumentar a resiliência dos ecossistemas florestais e apoiar a resposta aos desafios colocados pelas alterações climáticas. Neste contexto, avaliou-se a aplicação da arquitetura Mask R-CNN na deteção automática de árvores em povoamentos de Pinus pinaster recorrendo a imagens RGB e multiespectrais adquiridas por UAV. Foram considerados dois cenários representativos de perturbações florestais no centro de Portugal. O primeiro incidiu na deteção de árvores derrubadas após um evento meteorológico extremo na Serra da Lousã, visando apoiar a quantificação de danos e a resposta pós-tempestade. O segundo focou-se na deteção de árvores jovens em plantações instaladas após incêndio na Serra do Açor, permitindo avaliar o sucesso inicial da restauração florestal.

As imagens adquiridas com um DJI Mavic 3M foram processadas para geração de ortomosaicos de elevada resolução, posteriormente utilizados em ambiente ArcGIS Pro para treino e aplicação de modelos de segmentação por instância baseados em Mask R-CNN. O processo incluiu anotação manual, criação de bases de treino, definição de conjuntos independentes de validação e análise do desempenho através de métricas de precisão e deteção.

Os resultados evidenciaram desempenho elevado na identificação de árvores derrubadas, com valores de precisão próximos de 90%, demonstrando elevada capacidade do modelo para reconhecer padrões associados a danos florestais em ambientes estruturalmente complexos. Na identificação de árvores jovens em plantações recentes, os modelos alcançaram taxas de deteção superiores a 90% em parcelas validadas, permitindo identificar indivíduos e extrair métricas espaciais relevantes para avaliação da instalação e distribuição das plantações. Os resultados confirmam o potencial da integração entre UAV e deep learning como ferramenta operacional de monitorização florestal, contribuindo para reduzir esforço de campo, acelerar processos de avaliação e apoiar decisões de gestão em contextos de perturbação e recuperação florestal. O trabalho evidencia ainda o contributo da inovação tecnológica e da digitalização para o desenvolvimento de estratégias de gestão mais resilientes e adaptadas aos desafios atuais da floresta portuguesa.

No contexto da adaptação das florestas aos impactos das alterações climáticas, a monitorização do restauro de áreas florestais afetadas por distúrbios, nomeadamente incêndios florestais, assume particular relevância. Neste âmbito, as plantações florestais constituem uma das principais estratégias de intervenção, sendo a sua monitorização uma componente essencial da gestão florestal adaptativa.

Tradicionalmente, a avaliação do sucesso destas intervenções baseia-se na recolha de indicadores em campo, tais como o número de árvores sobreviventes e o grau de desenvolvimento das respetivas copas. Contudo, este tipo de monitorização apresenta limitações significativas, sendo frequentemente moroso, dispendioso e logisticamente desafiante, especialmente quando é realizada em áreas extensas ou de difícil acesso.

A presente investigação propõe uma abordagem alternativa baseada em técnicas de deteção remota e visão computacional, com o objetivo de avaliar o sucesso de plantações realizadas no âmbito do projeto Floresta Serra do Açor, no distrito de Coimbra, Portugal. Para tal, foram produzidas milhares de imagens aéreas através de voos realizados com um drone DJI Mavic 3. Estas imagens foram sujeitas a um processo de seleção e processamento, com vista à sua utilização nas fases de treino, validação e teste dos modelos desenvolvidos. Neste contexto, foram avaliadas diferentes arquiteturas de aprendizagem profunda, nomeadamente YOLO, U-Net e Mask R-CNN, com o intuito de comparar o seu desempenho na deteção e segmentação de árvores.

Com base no conjunto de dados obtido, foi possível estimar o número de árvores e o volume das suas copas. Os resultados demonstraram um desempenho elevado dos modelos testados: o modelo YOLO alcançou valores próximos de 90% no indicador F1 para a contagem de árvores, enquanto o modelo Mask R-CNN apresentou desempenhos superiores a 85% na estimativa da área de copa.

Estes resultados evidenciam o potencial da metodologia proposta como alternativa eficaz às abordagens tradicionais de monitorização. A sua aplicação no contexto do projeto “Melhor Floresta”, inserido na Agenda Transform, poderá contribuir para a redução dos custos operacionais e do tempo de trabalho de campo. Adicionalmente, permitirá aumentar a frequência de monitorização e melhorar o acompanhamento da evolução das plantações, constituindo um suporte relevante para a tomada de decisão em gestão florestal.