Falta de base de dados é desafio para automatizar pesquisas ambientais
Por Fabíola Sinimbú – Repórter da Agência Brasil*
Uma equipe de pesquisadores de diversas universidades brasileiras deu início a um inventário da Floresta Amazônica, com o levantamento de informações que vão desde sequenciamento de DNA, a fotos e sons de espécies vegetais e animais.
A base de dados dará subsídios para a automatização do reconhecimento de espécies por uma inteligência artificial utilizada pela equipe Brazilian Team na competição XPrize Florestas Tropicais.
Formado majoritariamente por brasileiros, o grupo se estruturou em 2019 pela necessidade de reunir diferentes expertises em busca das melhores contribuições para disputar a competição global de mapeamento de florestas tropicais.
“Começamos com um grupo pequeno e aos pouquinhos fomos acrescentando pessoas. Por exemplo, eu como botânico não conhecia ninguém da área de robótica, então fui atrás para achar um dos maiores especialistas de robótica e cheguei ao Marco Terra. Assim foi também para a parte de bioacústica, de DNA e tudo mais”, relembra o coordenador do grupo Vinícius Souza, que é botânico e professor na Escola Superior de Agricultura Luiz de Queiroz da Universidade de São Paulo (Esalq-USP).
Juntos, os integrantes da equipe passaram a se dedicar às soluções tecnológicas que permitiriam avançar na disputa. Chegaram a uma combinação de sensores, podadores e armadilhas adaptados a drones e um robô terrestre, capazes de coletar DNA ambiental e atuar em rede para envio das informações a uma inteligência artificial que identifica as espécies.
A equipe desenvolveu também um protocolo que envolve abordagem modular para identificar sons, além de laboratórios de mochila para análise de DNA ambiental em qualquer local.
Apesar de toda a tecnologia agrupada e adaptada para acessar lugares remotos nas florestas e captar a maior quantidade possível de amostras científicas, o grupo identificou que havia uma lacuna a ser preenchida para identificar e validar as espécies: a base de dados.
Apesar de haver amostras e listas de espécies amazônicas em coleções científicas, o material não era completo o suficiente para ensinar uma inteligência artificial a fazer a identificação instantânea.
“Várias espécies aqui da Amazônia não são descritas pela ciência e as que já são descritas, a gente não tem muitas informações, então, não tem sequência de DNA, às vezes não tem boas imagens, às vezes não tem o som gravado”, explica Carla Lopes, bióloga molecular e professora da Esalq-USP.
Um dos exemplos citados pela equipe são os insetos da Amazônia. Acredita-se que apenas 10% das espécies locais são registradas pela ciência.
“Por volta de 90% das espécies de insetos que existem aqui na Amazônia ainda não foram catalogadas, não foram descritas, não tem um nome científico. A ciência ainda não conhece, mas pode ser que a população local, a comunidade local conheça”, reforça Simone Dena, bióloga especialista em bioacústica e professora da Universidade Estadual de Campinas (Unicamp).
Inventário
A solução proposta para este problema foi iniciar um inventário de espécies amazônicas e hospedá-lo, inicialmente, em coleções científicas ou em bancos de dados de ciência-cidadã, até o fim da competição. Segundo os pesquisadores, a ideia é que isso venha a ser disponibilizado em uma plataforma pública.
“A comunidade local às vezes conhece o que a ciência desconhece. O protocolo que a gente monta cria um potencial para essa comunidade local registrar digitalmente aquela espécie que é conhecida já há milhares de anos”, explica o professor Paulo Guilherme Molin, da Universidade Federal de São Carlos (Ufscar), especialista em sensoriamento remoto.
Até as semifinais, o Braziliam Team levantou 50 mil imagens de espécies amazônicas, 16 mil sons e sequenciou o DNA de 624 árvores, 384 insetos e 117 peixes, que foram classificados e inseridos na base de dados que alimenta a inteligência artificial utilizada na última prova aplicada às seis equipes finalistas.
O teste consistia em explorar 100 hectares de Floresta Amazônica, na Reserva de Desenvolvimento Sustentável do Rio Negro (AM), e coletar material por 24 horas, para serem processados em até 48 horas.