Tempestades de alta intensidade causam bilhões de libras de danos a cada ano, e as mudanças climáticas devem piorar isso no futuro. Já parecemos estar vendo tempestades de vento mais frequentes e intensas. O ex-furacão Ophelia e a Storm Eleanor causaram estragos nas Ilhas Britânicas durante o inverno, incluindo ferimentos, cortes de energia e atrasos severos em viagens.

Não são apenas os passageiros e as famílias que são afetados. Todos os anos em toda a Europa, o número de árvores que as florestas comerciais perdem com as tempestades é equivalente à quantidade anual de madeira derrubada na Polônia.

Danos florestais são um problema particular no norte e oeste da Europa, mas cada vez mais também lugares como o Báltico e a Bielo-Rússia. Graças às mudanças climáticas, os danos podem dobrar ao longo deste século.

Os pesquisadores usam várias técnicas de modelagem para ajudar os gestores florestais a prever quais árvores estão em risco de danos, mas nenhum é suficientemente preciso. A inteligência artificial tem potencial para fazer uma grande diferença, Contudo. Construímos um sistema que acreditamos apontar o caminho para proteger a indústria florestal de forma mais eficaz no futuro.

Madeira e latão

A silvicultura é um importante contribuinte para a economia do Reino Unido, com um valor agregado bruto anual de cerca de £ 2 bilhões - um pouco mais de 0,1% da economia total. Há cerca de 31, 000 quilômetros quadrados de floresta, cerca de 13% da superfície terrestre total da Grã-Bretanha.

Esta área está aumentando o tempo todo, tanto para atender à crescente demanda por madeira quanto por razões ambientais:na Inglaterra, a recém-anunciada Floresta do Norte entre Hull no leste e Liverpool no oeste ajudará na prevenção de inundações, perda de solo e vida selvagem. Na Escócia, uma grande proporção do plantio de árvores está sendo impulsionada pela necessidade de mais dióxido de carbono ser removido do ar por meio do sequestro de carbono.

Danos na floresta estão impedindo isso, Contudo. Pelo menos cinco vezes no Reino Unido nos últimos 50 anos, grandes tempestades danificaram madeira com um volume de mais de 1 milhão de metros cúbicos.

A indústria florestal tenta reduzir o risco de danos causados ​​pelo vento de várias maneiras, incluindo a colheita de árvores em uma idade mais jovem, e desbaste das florestas mais cedo para aumentar a estabilidade das árvores a longo prazo.

Os silvicultores do Reino Unido geralmente usam um sistema de software chamado ForestGALES para ajudar a estimar a probabilidade de danos causados ​​pelo vento a grupos de árvores - talhões como são chamados na indústria. Também existem técnicas de modelagem para prever os danos causados ​​por tempestades em árvores individuais, com base em coisas como sua altura, largura e características mais gerais da floresta, como tipo de solo.

Todos esses sistemas sofrem com o fato de que suas previsões fazem referência a bancos de dados de informações que não contêm muitos dados. Infelizmente, é muito demorado reunir as informações relevantes e não estão disponíveis para algumas áreas, portanto, nem sempre é prático melhorar isso. Também não ajuda que a proporção de árvores danificadas em qualquer floresta seja muito baixa, em cerca de 15% do total.

Futuros florestais

Nós e vários outros colegas temos colaborado para encontrar uma maneira diferente de avançar, combinando nossa experiência em ciência da computação e gestão florestal. Conseguimos mostrar que os computadores podem usar o aprendizado de máquina para criar um modelo que pode prever danos a árvores individuais com muita precisão.

Ele se baseia em um tipo de evolução artificial chamada programação genética (GP), que imita a evolução no mundo natural para apresentar recursos completamente novos que podem ser inseridos em um sistema de classificação para facilitar a distinção entre diferentes árvores. Esses recursos não se enquadram em nenhuma categorização humana organizada, por isso é difícil dar exemplos; cada novo recurso é uma função matemática complexa que combina algumas das variáveis ​​originais, como densidade da árvore e circunferência do tronco, de novas maneiras.

Quando testamos o modelo usando dados coletados de duas florestas danificadas por tempestades no sudoeste da França, foi 90% preciso em uma floresta e 79% preciso na outra. Em termos de pontos percentuais, a melhoria em outros sistemas de modelagem estava em dois dígitos.

A nova abordagem também fornece novos insights para gestores florestais, por exemplo, destacando os fatores que mais influenciam a suscetibilidade a danos - como a densidade das árvores - que por sua vez os ajuda a desenvolver melhores planos de manejo florestal para o futuro. E os modelos funcionam suficientemente rápido para que o impacto desses planos de gestão possa ser mapeado em tempo real, o que é extremamente útil para o planejamento florestal e o engajamento das partes interessadas.

É um bom exemplo de como a inteligência artificial está melhorando nossa capacidade de lidar com o mundo ao nosso redor. Não conhecemos ninguém tentando aplicar o aprendizado de máquina ao gerenciamento de riscos florestais, mas existem paralelos em várias áreas - diagnóstico de câncer de mama, para dar um exemplo. O tempo dirá se podemos enfrentar as mudanças climáticas:mas se houver mais tempestades no futuro, devemos pelo menos ser melhores em identificar os pontos fracos nas florestas com antecedência.

Este artigo foi publicado originalmente em The Conversation. Leia o artigo original.