Projetos de Pesquisa

 

Foto de perfil

Alexandre Schiavetti

Outra

Ciências Ambientais
  • revendo o tráfico de animais silvestres no estado da bahia
  • Tendo em vista que o manejo da fauna passou a ser função dos estados e que os dados existentes sobre espécies oriundas do tráfico são praticamente de apreensão, torna-se muito limitada a possibilidade de soltura dos indivíduos em suas áreas de captura. Técnicas baseadas na análise de isótopos estáveis vêm mostrando potencial para caracterizar os locais de origem, o que contribui para a compreensão dos efeitos locais do tráfico. Assim é proposta a aplicação desta analise, associada à ciência-cidadã, para caracterizar as áreas sob ameaça nos três biomas do estado da Bahia, melhorando a governança local para este conflito. O presente estudo está organizado em três etapas, sendo elas: (I) Caracterização da distribuição de isótopos estáveis (13C, 15N, 18O, 2H e 87Sr) em áreas dos diferentes biomas encontrados no estado da Bahia, realizada através da avaliação destes isótopos estáveis em tecidos de animais silvestres de vida livre (representantes de aves e testudines). (II) Análise dos isótopos estáveis (13C, 15N, 18O, 2H e 87Sr) em tecidos de animais silvestres (representantes de aves e testudines) que se encontram cativos nos CETAS-CETRAS da Bahia para confrontar os resultados com os animais de vida livre. (III) Ampliação da atuação em rede entre os órgãos fiscalizadores responsáveis pelo resgate dos animais silvestres, como as unidades da polícia rodoviária federal na Bahia, corpo de bombeiros e gestores dos CETAS-CETRAS da Bahia, tendo como base a ciência cidadã, utilizando-se da realização de seminários, rodas de conversa e da produção de matérias que poderão ser utilizados por estas instituições. Por fim, espera-se que as metodologias propostas sirvam de base para outros estudos acerca do tráfico de animais silvestres no Brasil e no mundo, pois a defaunação é uma das principais ameaças antrópicas sofridas por populações naturais, e a caça para comercialização é um dos principais hábitos associados a esse contexto.
  • Universidade Estadual de Santa Cruz - BA - Brasil
  • 06/12/2023-31/12/2026
Foto de perfil

Alexandre ten Caten

Ciências Agrárias

Agronomia
  • projeto sensorgreen: análise inteligente do solo
  • O recurso natural solo é fundamental para a produção de alimentos e para a resiliência do planeta aos pontos de inflexão em curso (e.g. mudanças climáticas e perda de biodiversidade). Além disso, o setor agropecuário tem se preocupado cada vez mais com a produção, disponibilidade e aplicação dos fertilizantes fundamentais para produção Agropecuária, setor este no qual é gerado um quarto do PIB nacional. Este contexto mostra a importância de os agricultores terem um diagnostico eficiente, descomplicado e digital dos solos de suas lavouras. O propósito da Startup SensorGreen é o de fortalecer o elo de ligação entre Agricultores e Laboratórios de Solos. As amostras de solos serão escaneadas por um radiômetro e os dados coletados carregados em uma nuvem. Via um Software como um Serviço (SaaS) a SensorGreen irá aplicar Inteligência Artificial para caracterizar as amostras de solo – viabilizando uma jornada da fertilidade do solo totalmente digital e possível de integração em toda a cadeia do agronegócio (e.g. agricultores, laboratórios de solo, cooperativas, bancos e seguradoras). A Startup SensorGreen conta com amostras de solos já coletadas em projetos de pesquisa anteriores, e no momento, faz parte do programa de inovação do SEBRAE Catalisa ICT. O projeto foi vencedor da competição Hackatagro Banrisul, e está entre as 10 startups brasileiras que vão participar de um training camp da Swissnex na Suiça. A SensorGreen promove o emprego intensivo de tecnologias e conhecimentos inerentes à Inteligência Artificial na agricultura brasileira. Os agricultores têm um mercado extremamente promissor com a possibilidade de comercializar créditos de carbono (i.e. práticas ESG), e de aderir ao seguro rural paramétrico. Contudo, para ambos mercados, é sine qua non a adoção de técnicas de análise de dados digitais via a Inteligência Artificial escalável promovida pela SensorGreen.
  • Universidade Federal de Santa Catarina - SC - Brasil
  • 23/01/2023-31/07/2025