Cientistas do Goddard Space Flight Center da NASA em Greenbelt, Maryland, e colaboradores internacionais demonstraram um novo método para mapear a localização e o tamanho das árvores que crescem fora das florestas, descobrindo bilhões de árvores em regiões áridas e semi-áridas e estabelecendo as bases para uma medição global mais precisa do armazenamento de carbono na terra.

Usando poderosos supercomputadores e algoritmos de aprendizado de máquina, a equipe mapeou o diâmetro da copa - a largura de uma árvore quando vista de cima - de mais de 1,8 bilhões de árvores em uma área de mais de 500, 000 milhas quadradas, ou 1, 300, 000 quilômetros quadrados. A equipe mapeou como o diâmetro da copa das árvores, cobertura, e a densidade variou dependendo da chuva e do uso da terra.

Mapear árvores não florestais neste nível de detalhe levaria meses ou anos com métodos de análise tradicionais, a equipe disse, em comparação com algumas semanas para este estudo. O uso de imagens de altíssima resolução e inteligência artificial poderosa representa um avanço tecnológico para mapear e medir essas árvores. Este estudo pretende ser o primeiro de uma série de artigos cujo objetivo não é apenas mapear árvores não florestais em uma ampla área, mas também para calcular quanto carbono eles armazenam - informações vitais para entender o ciclo do carbono da Terra e como ele está mudando ao longo do tempo.

Medindo carbono em árvores

O carbono é um dos principais blocos de construção de toda a vida na Terra, e este elemento circula pela terra, atmosfera, e oceanos através do ciclo do carbono. Alguns processos naturais e atividades humanas liberam carbono na atmosfera, enquanto outros processos o retiram da atmosfera e o armazenam na terra ou no oceano. Árvores e outras vegetações verdes são sumidouros de carbono, "o que significa que eles usam carbono para o crescimento e o armazenam fora da atmosfera em seus troncos, galhos, folhas e raízes. Atividades humanas, como queimar árvores e combustíveis fósseis ou limpar terras florestadas, liberam carbono na atmosfera como dióxido de carbono, e as concentrações crescentes de dióxido de carbono atmosférico são a principal causa das mudanças climáticas.

Especialistas em conservação que trabalham para mitigar as mudanças climáticas e outras ameaças ambientais têm como alvo o desmatamento há anos, mas esses esforços nem sempre incluem árvores que crescem fora das florestas, disse Compton Tucker, cientista sênior da biosfera na Divisão de Ciências da Terra da NASA Goddard. Não apenas essas árvores poderiam ser sumidouros de carbono significativos, mas também contribuem para os ecossistemas e economias dos humanos próximos, populações de animais e plantas. Contudo, muitos métodos atuais para estudar o conteúdo de carbono das árvores incluem apenas florestas, não árvores que crescem individualmente ou em pequenos grupos.

Tucker e seus colegas da NASA, junto com uma equipe internacional, usou imagens de satélite comerciais da DigitalGlobe, que eram de alta resolução o suficiente para localizar árvores individuais e medir o tamanho de suas copas. As imagens vieram do comercial QuickBird-2, GeoEye-1, WorldView-2, e satélites WorldView-3. A equipe se concentrou nas regiões áridas - áreas que recebem menos precipitação do que o que evapora das plantas a cada ano - incluindo o lado árido do sul do Deserto do Saara, que se estende através da Zona semi-árida do Sahel e nos subtrópicos úmidos da África Ocidental. Ao estudar uma variedade de paisagens de poucas árvores a condições quase florestais, a equipe treinou seus algoritmos de computação para reconhecer árvores em diversos tipos de terreno, de desertos no norte a savanas de árvores no sul.

Aprendizagem no trabalho

A equipe executou um poderoso algoritmo de computação chamado rede neural totalmente convolucional ("aprendizado profundo") nas águas azuis da Universidade de Illinois, um dos supercomputadores mais rápidos do mundo. A equipe treinou o modelo marcando manualmente quase 90, 000 árvores individuais em uma variedade de terrenos, em seguida, permitindo que ele "aprendesse" quais formas e sombras indicavam a presença de árvores.

O processo de codificação dos dados de treinamento levou mais de um ano, disse Martin Brandt, professor assistente de geografia na Universidade de Copenhagen e principal autor do estudo. Brandt marcou todos os 89, 899 árvores sozinho e ajudou a supervisionar o treinamento e a execução do modelo. Ankit Kariryaa, da Universidade de Bremen, liderou o desenvolvimento do processamento de computador de aprendizagem profunda.

“Em um quilômetro de terreno, diga que é um deserto, muitas vezes não há árvores, mas o programa quer encontrar uma árvore, "Brandt disse." Vai encontrar uma pedra, e acho que é uma árvore. Mais ao sul, encontrará casas que parecem árvores. Parece fácil, você pensaria - há uma árvore, por que o modelo não deveria saber que é uma árvore? Mas os desafios vêm com esse nível de detalhe. Quanto mais detalhes houver, mais desafios vêm. "

O estabelecimento de uma contagem precisa de árvores nesta área fornece informações vitais para os pesquisadores, formuladores de políticas e conservacionistas. Adicionalmente, medir como o tamanho e a densidade das árvores variam de acordo com a precipitação - com regiões mais úmidas e mais povoadas suportando mais e maiores árvores - fornece dados importantes para os esforços de conservação no local.

“Existem processos ecológicos importantes, não só por dentro, mas fora das florestas também, "disse Jesse Meyer, um programador da NASA Goddard que liderou o processamento em Blue Waters. "Para preservação, restauração, das Alterações Climáticas, e outros propósitos, dados como esses são muito importantes para estabelecer uma linha de base. Em um ano, dois ou dez, o estudo pode ser repetido com novos dados e comparado com os dados de hoje, para ver se os esforços para revitalizar e reduzir o desmatamento são eficazes ou não. Tem implicações bastante práticas. "

Depois de medir a precisão do programa, comparando-o aos dados codificados manualmente e aos dados de campo da região, a equipe executou o programa em toda a área de estudo. A rede neural identificou mais de 1,8 bilhão de árvores - números surpreendentes para uma região geralmente considerada como suporte de pouca vegetação, disseram Meyer e Tucker.

"Futuros artigos da série serão baseados na contagem de árvores, estender as áreas estudadas, e procurar maneiras de calcular seu conteúdo de carbono, ", disse Tucker. Missões da NASA como a missão Global Ecosystem Dynamics Investigation, ou GEDI, e ICESat-2, ou o gelo, Nuvem, e Satélite de Elevação de Terra-2, já estão coletando dados que serão usados ​​para medir a altura e a biomassa das florestas. No futuro, combinar essas fontes de dados com o poder da inteligência artificial pode abrir novas possibilidades de pesquisa.

“Nosso objetivo é ver quanto carbono existe em árvores isoladas nas vastas porções áridas e semi-áridas do mundo, "Tucker disse." Então, precisamos entender o mecanismo que impulsiona o armazenamento de carbono em áreas áridas e semi-áridas. Talvez essa informação possa ser utilizada para armazenar mais carbono na vegetação, retirando mais dióxido de carbono da atmosfera. "

"Do ponto de vista do ciclo do carbono, essas áreas secas não estão bem mapeadas, em termos de qual densidade de árvores e carbono existe, "Brandt disse." É uma área branca nos mapas. Essas áreas secas são basicamente mascaradas. Isso ocorre porque os satélites normais simplesmente não veem as árvores - eles veem uma floresta, mas se a árvore estiver isolada, eles não podem ver isto. Agora estamos no caminho para preencher essas manchas brancas nos mapas. E isso é muito emocionante. "