Pesquisadores do Centro de Sensoriamento Remoto da UFMG desenvolveram um modelo de aprendizado de máquina que aprimora o mapeamento da biodiversidade, capturando variações de riqueza de espécies que os mapas tradicionais não conseguem identificar.
O mapeamento da biodiversidade é essencial para a pesquisa e conservação de espécies, mas enfrenta desafios como a falta de investimentos e o acesso limitado a áreas remotas. O novo método, liderado pelos pesquisadores Ubirajara Oliveira e Britaldo Silveira Soares-Filho, isola o efeito do ambiente sobre a biodiversidade, permitindo estimativas mais precisas da riqueza de espécies.
O modelo foi alimentado com mais de 14 milhões de registros de ocorrência de diversas espécies, combinados com dados climáticos e de vegetação obtidos por imagens de satélite. Isso possibilitou a inclusão de áreas desmatadas no mapeamento, algo que os mapas convencionais não conseguem fazer.
As florestas tropicais mostraram-se como as regiões com maior riqueza de espécies, com a Amazônia destacando-se como a área de maior diversidade. O Cerrado brasileiro também se destacou, reforçando a importância do Brasil na conservação da biodiversidade global.
De acordo com Ubirajara Oliveira, os mapas gerados pelo novo método apresentaram alta precisão e correspondência com os elaborados pela União Internacional para a Conservação da Natureza (IUCN), mas com um nível de detalhamento superior. Ele ressalta que esses mapas são ferramentas valiosas para orientar decisões de conservação e planejamento do uso da terra.
