Notícia

Inteligência Artificial revela traços ocultos sobre a flora do planeta e pode ajudar a salvar espécies

Fonte

UNSW | Universidade de Nova Gales do Sul

Data

quarta-feira, 28 junho 2023 06:30

Áreas

Biodiversidade. Biologia. Botânica. Clima. Ecologia. Inteligência Artificial. Monitoramento Ambiental. Mudanças Climáticas.

Pela primeira vez no mundo, cientistas da Universidade de Nova Gales do Sul (UNSW) e do Jardim Botânico de Sydney, na Austrália, treinaram um algoritmo de Inteligência Artificial (IA) para processar dados de milhões de espécimes de plantas mantidos em herbários em todo o mundo, para estudar e combater os impactos das mudanças climáticas na flora.

“As coleções de herbários são incríveis cápsulas do tempo de espécimes de plantas”, disse o professor Dr. Will Cornwell, autor principal do estudo. “Todos os anos, mais de 8.000 espécimes são adicionadas apenas ao Herbário Nacional de Nova Gales do Sul, portanto, não é mais possível fazer as coisas manualmente”, continuou o professor.

Usando um novo algoritmo de aprendizado de máquina para processar mais de 3.000 amostras de folhas, a equipe descobriu que, ao contrário dos padrões interespécies frequentemente observados, o tamanho da folha não aumenta em climas mais quentes dentro de uma única espécie.

Publicada na revista científica American Journal of Botany, a pesquisa não apenas revelou que outros fatores além do clima têm um forte efeito no tamanho da folha dentro de uma espécie de planta, mas também demonstrou como a IA pode ser usada para transformar coleções estáticas de espécimes e para documentar de forma rápida e eficaz os efeitos das mudanças climáticas.

Coleções de herbários migram para o mundo digital

Herbários são bibliotecas científicas de espécimes de plantas que existem desde pelo menos o século XVI. “Historicamente, um valioso esforço científico foi sair, coletar plantas e depois mantê-las em um herbário. Cada registro tem uma hora e um local e um coletor e uma identificação da espécie”, disse o professor Cornwell, que também é membro do UNSW Data Science Hub.

Alguns anos atrás, para ajudar a facilitar a colaboração científica, houve um movimento para transferir essas coleções para o modo on-line.

“As coleções do herbário eram trancadas em pequenas caixas em determinados lugares, mas o mundo é muito digital agora. Então, para obter as informações sobre todos os espécimes para os cientistas que agora estão espalhados pelo mundo, houve um esforço para escanear os espécimes e produzir cópias digitais de alta resolução deles”, explicou o pesquisador.

O maior projeto de imagens de herbário foi realizado no Jardim Botânico de Sydney, quando mais de 1 milhão de espécimes de plantas no Herbário Nacional de Nova Gales do Sul foram transformados em imagens digitais de alta resolução.

“O projeto de digitalização levou mais de dois anos e logo após a conclusão, um dos pesquisadores – o Dr. Jason Bragg – entrou em contato comigo a partir do Jardim Botânico de Sydney. Ele queria ver como poderíamos incorporar aprendizado de máquina com algumas dessas imagens digitais de alta resolução dos espécimes do Herbário”, disse o Dr. Will Cornwell.

“Eu estava animado para trabalhar com o professor Cornwell no desenvolvimento de modelos para detectar as folhas nas imagens e, em seguida, usar esses grandes conjuntos de dados para estudar as relações entre o tamanho da folha e o clima”, disse o Dr. Jason Bragg.

‘Visão computacional’ mede o tamanho das folhas

Juntamente com o Dr. Bragg no Jardim Botânico de Sydney e o estudante da UNSW Honors Brendan Wilde, o professor Cornwell criou um algoritmo que pode ser automatizado para detectar e medir o tamanho das folhas de amostras de herbário digitalizadas para dois gêneros de plantas – Syzygium (geralmente conhecido como lillipillies, cerejeiras ou satinas) e Ficus (um gênero de cerca de 850 espécies de árvores lenhosas, arbustos e trepadeiras).

“Esse tipo de IA é chamado de rede neural convolucional, também conhecida como Visão Computacional”, disse o professor Cornwell. O processo essencialmente ensina a IA a ver e identificar os componentes de uma planta da mesma forma que um humano faria.

“Tivemos que construir um conjunto de dados de treinamento para ensinar ao computador: isso é uma folha, isso é um caule, isso é uma flor. Então, basicamente ensinamos o computador a localizar as folhas e depois medir o tamanho delas. Medir o tamanho das folhas não é novidade, porque muita gente já fez isso. Mas a velocidade com que esses espécimes podem ser processados e suas características individuais podem ser registradas é um novo desenvolvimento”, destacou o professor.

Quebra nos padrões frequentemente observados

Uma regra geral no mundo botânico é que em climas mais úmidos, como florestas tropicais, as folhas das plantas são maiores em comparação com climas mais secos, como desertos.

“E esse é um padrão muito consistente que vemos nas folhas entre as espécies em todo o mundo”, disse o professor Cornwell. “O primeiro teste que fizemos foi para ver se poderíamos reconstruir essa relação a partir dos dados aprendidos pela máquina, o que conseguimos. Mas a segunda pergunta era: porque agora temos muito mais dados do que tínhamos antes, e vemos a mesma coisa dentro das espécies?”

O algoritmo de aprendizado de máquina foi desenvolvido, validado e aplicado para analisar a relação entre o tamanho da folha e o clima dentro e entre as espécies de plantas Syzygium e Ficus.

E os resultados deste teste foram surpreendentes: a equipe descobriu que, embora esse padrão possa ser visto entre diferentes espécies de plantas, a mesma correlação não é observada em uma única espécie em todo o mundo, provavelmente porque um processo diferente, conhecido como fluxo gênico, está ocorrendo e operando dentro das espécies. Esse processo enfraquece a adaptação das plantas em escala local e pode estar impedindo que a relação entre o tamanho da folha e o clima se desenvolva dentro das espécies.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página da Universidade de Nova Gales do Sul (em inglês).

Fonte: Lilly Matson, UNSW. Imagem: herbáceas do herbário da cidade de Elektrostal, na Rússia (2020). Fonte: Dmitry Makeev via Wikimedia Commons.