INPE e CTI Renato Archer firmam acordo para detectar manchas de óleo no mar com IA sobre imagens de radar

O que foi assinado

O Instituto Nacional de Pesquisas Espaciais (INPE) e o Centro de Tecnologia da Informação Renato Archer (CTI), ambos vinculados ao Ministério da Ciência, Tecnologia e Inovação, celebraram em 15 de julho de 2026 um Acordo de Parceria para Pesquisa, Desenvolvimento e Inovação. O extrato do instrumento foi publicado no Diário Oficial da União em 22 de julho de 2026, e o INPE divulgou a informação em 24 de julho de 2026.

O objeto é a cooperação técnica e científica para o desenvolvimento do Sistema Multiusuário de Detecção, Previsão e Monitoramento de Derrame de Óleo no Mar (SisMOM), com vigência de 24 meses e plano de trabalho anexo ao instrumento. A meta específica desta parceria é criar um sistema baseado em técnicas de Inteligência Artificial, com arquiteturas de Deep Learning, capaz de classificar e identificar manchas de óleo mineral e vegetal na superfície oceânica.

A divisão de papéis está explícita no acordo: o INPE fornece as imagens de radar de abertura sintética (SAR) e disponibiliza a infraestrutura computacional; o CTI desenvolve os algoritmos de aprendizado de máquina e implementa o modelo funcional. A iniciativa se soma aos esforços de vigilância das Águas Jurisdicionais Brasileiras, com foco em preservação ambiental e em suporte a órgãos públicos na mitigação de desastres ambientais marinhos.

Por que radar, e não imagem óptica

A escolha do SAR não é detalhe técnico secundário: ela define o que o sistema consegue ver e quando. O radar de abertura sintética é um sensor ativo, ou seja, emite o próprio sinal de micro-ondas e mede o retorno. Isso lhe dá duas propriedades decisivas para vigilância marítima: funciona de dia e de noite e atravessa a cobertura de nuvens, situação corriqueira no litoral brasileiro e limitação conhecida dos sensores ópticos.

No mar, o SAR detecta óleo por um efeito indireto. A superfície oceânica normalmente é rugosa, com pequenas ondas de capilaridade que espalham o sinal de volta ao sensor. Uma película de óleo amortece essas ondas e deixa a superfície mais lisa, o que devolve menos energia ao radar e produz uma área escura na imagem. O problema é que outros fenômenos produzem áreas escuras parecidas: regiões de vento fraco, florações de algas, sombras de ilhas e frentes oceânicas. São os chamados falsos positivos, e é exatamente aí que entra o aprendizado de máquina previsto no acordo, para separar o que é mancha de óleo do que apenas se parece com uma.

Outro ponto relevante do texto oficial: o sistema deve distinguir óleo mineral de óleo vegetal. A diferença importa para a resposta, porque muda a natureza do evento e o encaminhamento por parte dos órgãos de fiscalização.

O SisMOM e o desastre de 2019

O programa SisMOM tem origem direta em um evento concreto. Segundo o histórico publicado pelo próprio INPE, o projeto nasceu depois do vazamento de óleo cru registrado a partir de agosto de 2019, que atingiu o litoral do Nordeste e do Sudeste. O instituto contabiliza mais de dois mil quilômetros de costa afetados e cerca de 5.380 toneladas de óleo no episódio, o maior desastre do tipo já registrado no país.

A resposta institucional veio por uma chamada de pesquisa do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) voltada à criação de capacidade nacional de monitoramento de derramamentos de óleo no mar. De acordo com o INPE, o projeto foi selecionado entre 141 propostas submetidas, das quais 14 foram aprovadas. Concluída essa fase inicial financiada pelo CNPq, recursos da Marinha do Brasil permitiram a expansão, e o projeto multiusuário passou a ser estruturado como SisMOM-MCTI, por meio de encomenda FNDCT/MCTI/FINEP. O programa se insere no Plano de Ação em Ciência, Tecnologia e Inovação para Oceanos, no âmbito do Comitê de Ciências do Mar e do Programa Ciências do Mar (Portaria MCTI nº 4.719, de 2021).

A coordenação geral fica no INPE, em São José dos Campos (SP), e o programa reúne instituições como o Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis (Ibama), a Marinha do Brasil e a Fundação de Ciência, Aplicações e Tecnologia Espaciais (Funcate).

Nove frentes, e onde esta parceria se encaixa

A página oficial do programa organiza o SisMOM em nove metas. Vale listá-las porque elas mostram que a detecção de óleo é apenas uma peça de uma cadeia bem mais longa:

• Algoritmos de detecção de embarcações, combinando imagens de satélite com sinais auxiliares de radiofrequência e AIS para identificar a presença e o movimento de navios.
• Algoritmos de detecção de óleo sobre imagens de satélite e dados oceânicos. É a frente diretamente atendida pelo acordo com o CTI.
• Modelagem de dispersão do óleo, adaptada às condições ambientais regionais brasileiras.
• Agregação inteligente de informações para resposta em tempo real e comunicação com tomadores de decisão.
• Modelagem acoplada oceano-atmosfera em alta resolução, para correntes, temperatura, salinidade, ventos e precipitação.
• Infraestrutura de supercomputação e armazenamento em operação contínua.
• Estudo de sensores autônomos de lançamento rápido.
• Estudo de viabilidade de uma constelação de microssatélites para monitoramento oceânico.
• Provimento de informação, com entrega de acesso operacional ao sistema à Marinha do Brasil e ao Ibama.

Lidas em conjunto, as nove metas descrevem um encadeamento clássico de geoinformação operacional: detectar o evento, localizar a fonte provável, prever para onde ele vai e entregar isso a quem decide, dentro de um prazo em que a decisão ainda vale alguma coisa.

Impacto para quem trabalha com dados geográficos

Fora do contexto marítimo, o desenho do SisMOM é um bom retrato de para onde vai o sensoriamento remoto aplicado em geral. Três leituras se sustentam para além do tema óleo:

• Radar deixa de ser nicho. Enquanto o acervo óptico gratuito domina boa parte das aplicações civis, monitoramento que precisa de garantia de revisita, independente de nuvem e de luz solar, migra para SAR. Isso muda o pipeline inteiro, da calibração à interpretação, porque uma imagem de radar não se lê como uma foto.
• Detecção automática vale pela redução de falso positivo. Encontrar áreas escuras em imagem de radar é trivial; o valor está em descartar as que não são óleo. O mesmo raciocínio se repete em alerta de desmatamento, em detecção de mudança em rede elétrica e em monitoramento de obras: o gargalo raramente é achar candidatos, é qualificá-los.
• Dado geográfico só vira decisão quando chega ao órgão certo. A nona meta do programa não é técnica, é de entrega. Um sistema de detecção que não desemboca em fluxo operacional de fiscalização é exercício acadêmico. É o mesmo princípio que a Felikis aplica ao transformar dados espaciais em análise geográfica que sustenta operação.

Separando o que é fato do que é expectativa: o acordo é fato verificado em fonte oficial, com data e publicação no Diário Oficial. As capacidades do sistema descritas pelo programa são objetivos de projeto, e ainda não resultados demonstrados em operação.

Próximos passos

A vigência de 24 meses coloca o encerramento previsto do acordo em meados de 2028, sem que o INPE tenha divulgado marcos intermediários públicos. O acompanhamento natural do tema passa pelos comunicados do INPE sobre o programa SisMOM, pelos avanços das demais metas e por eventuais anúncios de entrega de acesso operacional à Marinha e ao Ibama. Esta notícia segue em acompanhamento e será atualizada se houver desdobramento oficial.

Fontes e referências