O mapeamento da biodiversidade enfrenta desafios como falta de investimentos e dificuldade de acesso a áreas remotas, resultando em lacunas de dados que prejudicam a estimativa real da riqueza de espécies.
De acordo com pesquisadores da UFMG, o Centro de Sensoriamento Remoto desenvolveu um método de aprendizado de máquina para diferenciar o efeito do ambiente na biodiversidade da falta de dados em certas regiões. O modelo estimou como seria a riqueza de espécies se todas as áreas fossem pesquisadas igualmente.
O estudo, publicado na revista Frontiers in Ecology and Evolution, usou mais de 14 milhões de registros de ocorrência de aves, mamíferos, anfíbios, répteis, insetos e plantas, combinados com dados climáticos, de relevo e imagens de satélite. O método também considerou áreas desmatadas ou degradadas.
Resultados do mapeamento
Segundo a UFMG, as florestas tropicais apresentaram a maior riqueza de espécies em quase todos os grupos analisados. A Amazônia destacou-se como a região mais diversa do planeta, enquanto o Cerrado brasileiro foi a savana tropical com maior biodiversidade entre as estudadas.
“Os modelos tiveram desempenho muito bom, com alta precisão confirmada em testes internos e comparações com mais de 100 inventários de campo”, afirmou Ubirajara Oliveira, um dos líderes da pesquisa. Os mapas gerados coincidiram com os da União Internacional para a Conservação da Natureza, mas com maior detalhamento.
Oliveira explicou que os novos mapas capturam variações locais de riqueza, especialmente em regiões afetadas por desmatamento, o que os tradicionais não conseguem. “Essa ferramenta pode orientar decisões de conservação e planejamento do uso da terra”, concluiu.