CarbonFluxAI: Previsão de Balanço de Carbono na Floresta Nacional do Tapajós Utilizando Inteligência Artificial

Mudanças climáticas são intensificadas devido a emissãode carbono para a atmosfera. Dessa forma, a previsão daTroca Líquida de Carbono (NEE) é especialmente relevantepara compreender o ciclo do carbono e suas implicações nasmudanças climáticas. Este artigo descreve o processo dedesenvolvimento e implementação do modelo CarbonFluxAI,projetado para prever o NEE em escala semanal na regiãode Belterra, Pará. Foram comparadas três arquiteturas deRedes Neurais Recorrentes: RNN clássica, Long Short TermMemory (LSTM) e Gated Recurrent Unit (GRU). A avaliaçãodos modelos utilizou métricas como Mean Absolute Error(MAE), Root Mean Square Error (RMSE), coeficiente decorrelação de Pearson (r) e o coeficiente de determinação(R2). O melhor modelo foi otimizado através de ajustesde hiperparâmetros e épocas, resultando em melhoriassignificativas na precisão e estabilidade das previsões.