Os pesquisadores demonstraram que os modelos de inteligência artificial (IA) podem detectar a biodiversidade a partir de sons de animais em florestas tropicais, especificamente em áreas reflorestadas.
O objetivo da pesquisa, liderada pela Universidade de Würzburg, é monitorar o retorno da biodiversidade em zonas tropicais anteriormente desmatadas.
Monitoramento da biodiversidade
As florestas tropicais desempenham um papel essencial na manutenção da saúde do nosso planeta. Fornecem habitats para uma vida selvagem única, desempenham um papel no ciclo do carbono e influenciam o clima à escala global. No entanto, estas florestas tropicais estão sob pressão crescente devido à sobreexploração implacável.
“As florestas tropicais desempenham um papel fundamental no ciclo global do carbono e são fundamentais para soluções climáticas baseadas na natureza, tanto em termos de adaptação como de mitigação climática”, escreveram os autores do estudo.
“Eles também são fundamentais para a conservação da biodiversidade global, abrigando 62% das espécies de vertebrados terrestres. Como tal, restaurar as florestas tropicais é fundamental para neutralizar duas das maiores crises dos nossos tempos: a perda de biodiversidade e as alterações climáticas.”
Análise de som
Nas regiões tropicais que estão a receber um impulso muito necessário da reflorestação, torna-se crucial monitorizar a biodiversidade. Os pesquisadores demonstraram recentemente que os sons dos animais fornecem uma ferramenta útil de monitoramento.
“Para serem eficazes, todas as medidas de conservação requerem uma monitorização robusta e rentável da biodiversidade, que está atrasada em relação à monitorização do carbono devido, em parte, à falta de metodologias de amostragem escaláveis, reprodutíveis e económicas”, explicaram os autores do estudo.
Foco do estudo
Os pesquisadores escolheram o norte do Equador como local de estudo, concentrando-se especificamente em pastagens abandonadas e antigas plantações de cacau em recuperação florestal.
O objetivo do estudo era determinar se gravadores de som autônomos, combinados com IA, podem reconhecer composições de espécies de pássaros, anfíbios e mamíferos.
O que os pesquisadores aprenderam
“Os resultados da pesquisa mostram que os dados sólidos refletem de forma excelente o retorno da biodiversidade em áreas agrícolas abandonadas”, disse o professor Jörg Müller, chefe da Estação Ecológica Fabrikschleichach na Julius-Maximilians-Universität (JMU) Würzburg.
Uma descoberta notável foi o alinhamento das comunidades de espécies vocalizantes com gradientes de recuperação. Um conjunto preliminar de 70 modelos de aves de IA descreveu comunidades inteiras de espécies, capturando até mesmo mudanças em insetos noturnos.
Pesquisa futura
A equipe de pesquisa planeja refinar esses modelos de IA. O objetivo é registar um espectro ainda mais amplo de espécies e estabelecer estes modelos noutras zonas protegidas, incluindo a Floresta JMU de Sailershausen e o venerável parque nacional alemão na Floresta da Baviera.
“Nossos modelos de IA podem ser a base para uma ferramenta universal de monitoramento da biodiversidade em áreas reflorestadas”, disse Müller. Ele sugere a sua aplicabilidade em créditos de biodiversidade, que são comparáveis ao comércio de emissões de dióxido de carbono.
Esses créditos, que compensam os impactos ambientais adversos das atividades, podem ser adquiridos por empresas ou organizações.
Implicações do estudo
“Nossos resultados demonstram que o monitoramento bioacústico automatizado pode ser usado para rastrear a recuperação de comunidades animais em florestas tropicais provenientes do abandono agrícola, além de vertebrados vocalizadores, sugerindo seu amplo uso para avaliar os resultados da restauração”, escreveram os pesquisadores.
O estudo foi concebido no âmbito do grupo de pesquisa Reassembly, que é financiado pela Fundação Alemã de Pesquisa (DFG).
A pesquisa está publicada na revista Comunicações da Natureza.
Gostou do que leu? Assine nosso boletim informativo para artigos envolventes, conteúdo exclusivo e as atualizações mais recentes.
