Técnicas de 'machine Learning' ajudam no mapeamento da biodiversidade tropical brasileira
Quebra-cabeça da biodiversidade, montado com aprendizado de máquinas, mostra Amazônia e Cerrado como áreas de extrema importância para a conservação da biodiversidade do planeta
Pesquisadores da UFMG desenvolveram um método com inteligência artificial para mapear com precisão a biodiversidade tropical, superando a escassez histórica de dados em áreas remotas. A técnica analisou mais de 14 milhões de registros de animais e plantas junto a dados de satélite e clima, captando inclusive impactos do desmatamento. O estudo confirmou a Amazônia e o Cerrado como líderes globais em riqueza de espécies, gerando mapas detalhados cruciais para orientar a conservação ambiental.
Saber quais locais abrigam o maior número de espécies é fundamental para conservação da natureza. Mapas de riqueza em espécies mostram quantas espécies existem em cada lugar e podem ajudar, por exemplo, a definir onde criar áreas protegidas, onde investir em pesquisa e onde o risco de perda de biodiversidade é maior.
O problema é que grande parte dos trópicos, justamente as regiões mais ricas em vida do planeta, ainda têm poucos dados. Cientistas costumam visitar lugares próximos a estradas e cidades, pelo menor custo e falta de investimento em pesquisa científica, deixando florestas remotas, savanas e desertos com pouquíssimos registros de ocorrências de espécies. O resultado são mapas com buracos enormes de informação, o que dificulta saber onde a biodiversidade é maior.
O que fizemos para tentar contornar esse problema
Nossa equipe, do Centro de Sensoriamento Remoto da UFMG, desenvolveu uma técnica que ensina o computador a separar dois efeitos que costumam se misturar nos dados. Um é o efeito real do ambiente sobre a quantidade de espécies e o outro é o efeito da simples falta de coleta em certas áreas. Ao reconhecer o quanto cada região foi estudada, o modelo consegue estimar como seria a riqueza de espécies, como se todos os lugares tivessem sido pesquisados.
Para isso, usamos machine learning, um tipo de inteligência artificial que aprende padrões a partir de milhões de registros de ocorrência de espécies, combinados com informações de clima, relevo e condição da vegetação obtida por satélite. Essa última informação é importante porque permite que o modelo reconheça áreas desmatadas ou degradadas, algo que os mapas tradicionais de riqueza de espécies não conseguem captar.
Aplicamos esse método a um conjunto muito amplo de grupos biológicos, incluindo aves, mamíferos, anfíbios, répteis, abelhas, aranhas, formigas, borboletas, várias famílias de plantas com flores e samambaias, entre outros. Ao todo, mais de 14 milhões de registros de ocorrência foram usados para treinar os modelos.
O que descobrimos
Os modelos tiveram desempenho muito bom, com alta precisão confirmada tanto em testes internos quanto em comparação com mais de cem inventários de campo publicados na literatura científica. Isso significa que eles realmente conseguiram prever onde e quantas espécies existem nos lugares.
As florestas tropicais se destacaram como as áreas de maior riqueza em espécies para praticamente todos os grupos estudados. A Amazônia apareceu como a região de maior diversidade do planeta em quase todos os grupos analisados, e o Cerrado brasileiro se destacou como a savana tropical mais rica entre todas as estudadas. Isso reforça o papel do Brasil como um dos países mais importantes do mundo para a conservação da biodiversidade.
Comparamos também nossos mapas com os mapas tradicionais usados pela União Internacional para a Conservação da Natureza (IUCN), que são feitos a partir de polígonos desenhados por especialistas. Os padrões gerais coincidiram nas áreas mais preservadas, o que confirma que nosso método é confiável.
Mas nossos mapas revelaram um nível de detalhe muito maior, mostrando variações locais de riqueza que os mapas tradicionais simplesmente não capturam, principalmente em regiões afetadas por desmatamento.
Nosso modelo computacional foi capaz de estimar como seria a riqueza de espécies caso todos os lugares tivessem sido pesquisados com a mesma intensidade. Os resultados foram publicados no artigo Occurrence-based models reveal greater spatial details in tropical species richness, na revista Frontiers in Ecology and Evolution.
Esse tipo de mapa detalhado é uma ferramenta valiosa para orientar decisões de conservação, planejamento do uso da terra e avaliação de impactos ambientais, que geralmente precisam de informação em escala local e regional.
Ao cobrir não só vertebrados, mas também invertebrados e plantas, o trabalho amplia a visão sobre a biodiversidade tropical para além dos grupos mais estudados, ajudando a preencher lacunas de conhecimento que antes limitavam a proteção efetiva da natureza.
Ubirajara Oliveira recebe financiamento do CNPq e do European Union's Horizon Europe programme.
Este artigo foi publicado no The Conversation Brasil e reproduzido aqui sob a licença Creative Commons
Comentários
Os comentários são de responsabilidade exclusiva de seus autores e não representam a opinião deste site. Se achar algo que viole os termos de uso, denuncie.