Compostagem
Erradicação da Pobreza
Energia
Com supercomputadores e inteligência artificial, NASA mapeia pela primeira vez árvores não reconhecidas por satélites comuns
Cientistas do Goddard Space Flight Center da NASA, em Maryland (EUA), firmaram parceria com uma equipe internacional de pesquisadores para mapear as árvores do planeta usando imagens de satélite de alta resolução. Até agora, mais de 1,8 bilhão de árvores foram encontradas fora das florestas, em uma área de mais de 1 milhão de quilômetros quadrados. A ideia é ter uma noção de quanto carbono a Terra pode armazenar e de que maneira esse armazenamento muda com o tempo.
Para a medição, os cientistas têm de contar um número surpreendente de árvores e monitorar seu crescimento ao longo dos anos. Com o uso de supercomputadores e inteligência artificial, a equipe da NASA está conseguindo fazer exatamente isso pela primeira vez, utilizando imagens de cima para baixo no espaço. O estudo foi publicado na revista científica Nature.
A equipe usou um dos supercomputadores mais rápidos do mundo (o Blue Waters, na Universidade de Illinois) para realizar uma análise de “aprendizado profundo” em imagens de terreno de grandes partes da África Ocidental. Assim, os cientistas descobriram que podiam não apenas contar as árvores que os satélites não eram capazes de ver antes, mas também começar a avaliar o potencial de armazenamento de carbono dessas árvores ao mesmo tempo.
Grande parte do esforço mundial para avaliar uma grande quantidade de árvores tem se concentrado em regiões bem florestadas. Por isso, a equipe da NASA procurou se concentrar em árvores isoladas em terras áridas e regiões semiáridas na África Ocidental, a fim de capturar um panorama mais completo.
Martin Brandt, autor principal do estudo, afirma em comunicado que as áreas secas aparecem como áreas brancas nos mapas, porque os satélites tradicionais simplesmente não conseguem enxergá-las. Brandt relata que os satélites são capazes de identificar uma floresta, mas, se a árvore está isolada, não conseguem capturá-la como tal. Para ele, finalmente a ciência está no caminho certo para preencher as lacunas que faltavam.
Para treinar os algoritmos de aprendizado de máquina, Brandt, que é professor assistente de geografia da Universidade de Copenhagen, marcou pessoalmente cerca de 90 mil árvores em diferentes terrenos, dando ao software diferentes formas e sombras para aprender a diferença. A equipe também treinou seus algoritmos para reconhecer árvores individuais e pequenos aglomerados em diferentes tipos de terreno, variando de savanas a desertos. Com o treinamento certo implementado, um trabalho que poderia ter levado vários anos para olhos treinados levou apenas algumas semanas para a inteligência artificial.
A equipe foi capaz de mapear o diâmetro da copa (a largura de uma árvore vista de cima) de 1,8 bilhões de árvores, abrangendo uma área de mais de 1 milhão de quilômetros quadrados. Eles também compararam a variabilidade na cobertura e densidade das árvores sob diferentes padrões de chuva – informações que a equipe planeja comparar com os próximos dados de altura e biomassa das árvores para identificar o potencial de armazenamento de carbono.
No futuro, avaliações desse tipo rastrearão de maneira mais eficaz o desmatamento em todo o mundo, com o intuito de aprimorar medidas de preservação das florestas. Os dados gerais de um ano também serão comparados aos anos posteriores para que os cientistas avaliem se os esforços de conservação estão funcionando ou não.
A contagem de árvores precisa e automatizada também deve aumentar a capacidade dos proprietários de monetizar o espaço não utilizado que possam ter para o plantio de novas árvores, a fim de quantificar quanto carbono estão armazenando. Em última análise, melhorar a capacidade dos pesquisadores de localizar árvores onde antes não era possível com imagens de satélite – e, consequentemente, avaliar o armazenamento de carbono dessas árvores – permitirá que os cientistas do clima façam medições globais do armazenamento de carbono no planeta, uma informação vital em nosso tempo.
Confira mais informações sobre o estudo no vídeo abaixo (em inglês):
