Inteligência artificial e paisagens sonoras como novos aliados na recuperação florestal

Em uma revelação significativa para o monitoramento da biodiversidade, um estudo recente publicado na revista Nature Communications demonstra que a análise de paisagens sonoras de florestas, combinada com inteligência artificial (IA), pode rastrear a recuperação da biodiversidade após o desmatamento. Este avanço apresenta uma alternativa de baixo custo e não intrusiva para avaliar a saúde dos ecossistemas, particularmente em regiões tropicais onde até 90% das florestas virgens têm sido perdidas devido ao desmatamento.

O estudo, conduzido por pesquisadores da Universidade de Würzburg na Alemanha em colaboração com outras instituições, concentrou-se em projetos de reflorestamento no Equador, utilizando bioacústica para quantificar os sons naturais percebidos pelos humanos. A IA, treinada para reconhecer cantos de mais de 100 tipos de vida selvagem, foi aplicada nas gravações das paisagens sonoras de diferentes parcelas em estágios variados de recuperação pós-desmatamento. Os resultados indicaram que, quanto mais uma parcela se recuperava do desmatamento, mais rica se tornava a biodiversidade, como evidenciado pela variedade de cantos e chamados de fauna. A detecção precisa dessas alterações acústicas do meio ambiente sugere que o método pode ser eficaz na verificação e aceleração do processo de recuperação da floresta. A técnica promete ser um instrumento útil não apenas para cientistas e gestores de conservação, mas também para a implementação de créditos de carbono e biodiversidade que visam compensar as emissões de gases de efeito estufa e os impactos do desenvolvimento sobre as espécies de plantas e animais.

Metodologias tradicionais de monitoramento da biodiversidade como metabarcoding, que analisa fragmentos curtos de DNA para identificar populações específicas de espécies, são limitadas pela intrusão ambiental e pelos custos elevados. Em contraste, a monitoração bioacústica, uma técnica passiva que ‘espiona’ ecossistemas sem a necessidade de capturar ou perturbar a fauna, se revela como um método notavelmente eficaz e econômico. Entretanto, o estudo admite limitações, como a necessidade de aperfeiçoar os modelos de IA com mais dados de treinamento global e o fato de que os sons captados também podem incluir espécies migratórias que apenas passam pela área.

A busca por mais ferramentas de monitoramento eficazes é urgente à medida que os países se esforçam para enfrentar a perda de biodiversidade. A combinação de bioacústica e metabarcoding para medir a recuperação florestal representa uma abordagem pioneira. Os pesquisadores ressaltam a importância de criar repertórios sonoros globais, melhorando assim os modelos de aprendizado de máquina para uma avaliação ambiental mais abrangente. A conclusão do estudo realça a capacidade de ferramentas automatizadas baseadas em novas tecnologias de fornecer avaliações robustas e reprodutíveis do sucesso na recuperação de florestas, informação essencial para os esforços de restauração global.

Fonte: Müller, J., Mitesser, O., Schaefer, H.M. et al. Soundscapes and deep learning enable tracking biodiversity recovery in tropical forestsNat Commun 14, 6191 (2023). https://doi.org/10.1038/s41467-023-41693-w

Compartilhar