Pesquisadores da UFMG usam inteligência artificial para detalhar mapas de biodiversidade

Mapear a biodiversidade é uma das ferramentas utilizadas por pesquisadores e órgãos de conservação para identificar áreas prioritárias para proteção de espécies.

Mas a tarefa enfrenta um problema recorrente: a falta de dados. Regiões remotas, com acesso limitado ou menor investimento em pesquisas de campo, costumam apresentar lacunas de informação que dificultam estimar a real variedade de espécies existentes.

Para enfrentar essa limitação, pesquisadores do Centro de Sensoriamento Remoto da Universidade Federal de Minas Gerais (UFMG) desenvolveram um método baseado em aprendizado de máquina, tecnologia que permite que sistemas computacionais identifiquem padrões a partir de grandes volumes de dados, para separar dois fatores que costumam se misturar nos mapas tradicionais: as características ambientais de uma região e a ausência de registros científicos.

O modelo foi capaz de estimar como seria a distribuição da riqueza de espécies caso todas as áreas do planeta tivessem recebido o mesmo nível de esforço de pesquisa. Os resultados foram publicados no artigo "Occurrence-based models reveal greater spatial details in tropical species richness", na revista científica Frontiers in Ecology and Evolution.

Dados de espécies, clima e satélites combinados em um único modelo

Para desenvolver o método, os pesquisadores utilizaram mais de 14 milhões de registros de ocorrência de diferentes grupos de organismos, incluindo aves, mamíferos, anfíbios, répteis, abelhas, aranhas, formigas, borboletas e diferentes famílias de plantas.

Essas informações foram combinadas com dados ambientais, como clima, relevo e condições da vegetação obtidas por imagens de satélite. A combinação permitiu que o modelo analisasse não apenas onde as espécies foram registradas, mas também quais características ambientais poderiam explicar sua presença.

Segundo os pesquisadores, uma das diferenças em relação aos mapas tradicionais é a capacidade de incorporar alterações causadas pela ação humana. Áreas desmatadas ou degradadas podem ser consideradas na análise, permitindo identificar como mudanças no território influenciam a distribuição da biodiversidade.

Os resultados indicaram que as florestas tropicais concentram as maiores riquezas de espécies para praticamente todos os grupos analisados. A Amazônia apareceu como a região com maior diversidade do planeta na maioria das categorias avaliadas.

O Cerrado brasileiro também teve destaque, sendo identificado como a savana tropical mais rica entre todas as regiões analisadas. Segundo os pesquisadores, o resultado reforça a relevância do país no cenário global de conservação da biodiversidade.

Modelo teve desempenho comparado a inventários de campo

De acordo com os autores do estudo, o modelo apresentou alta precisão nos testes realizados e também foi comparado com mais de cem inventários de campo publicados na literatura científica.

“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”, afirma Ubirajara Oliveira, líder da pesquisa.

Segundo o pesquisador, os mapas produzidos pelo método apresentaram grande coincidência com aqueles utilizados pela União Internacional para a Conservação da Natureza (IUCN), organização responsável por uma das principais classificações globais de risco de extinção de espécies. A diferença, segundo Oliveira, está no nível de detalhamento espacial.

“Nossos mapas mostram variações locais de riqueza que os mapas tradicionais simplesmente não capturam, principalmente em regiões afetadas por desmatamento”, explica.

Tecnologia pode apoiar decisões de conservação

Para os pesquisadores, mapas com maior resolução espacial podem contribuir para decisões que dependem de informações mais específicas sobre o território, como definição de áreas prioritárias para conservação, planejamento do uso da terra e avaliação de impactos ambientais.

A pesquisa parte de um desafio conhecido na ciência da biodiversidade: áreas com menos registros de espécies nem sempre representam regiões com menor diversidade. Em muitos casos, a ausência de dados está relacionada à dificuldade de acesso, falta de recursos para pesquisas ou concentração histórica de estudos em determinados locais.

Ao estimar padrões de riqueza considerando essas limitações, o método desenvolvido pela UFMG busca reduzir uma das principais incertezas dos mapas de biodiversidade: diferenciar o que é uma característica real dos ecossistemas do que é apenas resultado da falta de informação disponível.