Iniciativa pioneira integrará dados históricos e de sensoriamento remoto para prever a biodiversidade marinha e apoiar a gestão ambiental em prol da conservação e desenvolvimento sustentável.
Unifesp usará inteligência artificial para mapear ecossistema
Arte: Divulgação Petrobras
Um projeto de pesquisa coordenado por Gustavo Fonseca, docente do Instituto do Mar (Imar/Unifesp) - Campus Baixada Santista, denominado "Modelagem Ecossistêmica da Margem Continental Brasileira e Integração Estatística da Bacia da Foz do Amazonas com ML" realizado em parceria com o Instituto Nacional de Pesquisa Espacial, Instituto Oceanográfico, Universidade Federal Fluminense e Universidade Estadual do Rio de Janeiro, traz uma proposta inovadora: mapear a biodiversidade ao longo da margem continental brasileira e desenvolver um sistema de informações para modelagem de dados costeiros e oceanográficos (SimDCO). A finalidade é compor um sistema de informações alinhado a plataformas de dados da Petrobras e de outras fontes de dados abertas para dar suporte à caracterização, ao manejo e ao monitoramento ambiental de regiões estratégicas ao desenvolvimento econômico do país.
Serão utilizadas técnicas de Inteligência Artificial (IA) e aprendizado de máquina (machine learning) na construção de um conjunto amplo de dados ambientais e na previsão da distribuição de biodiversidade na margem continental brasileira cobrindo as profundidades de 25 m a 3000 m de profundidade. O sistema vai reunir tanto dados históricos quanto dados recém-coletados, permitindo análises estatísticas, visualização de mapas e o acesso a previsões regionais geradas por modelos ecossistêmicos.
A iniciativa visa integrar e processar toda a informação de relevância para entendimento e gestão dos ecossistemas marinhos e torná-la mais acessível aos tomadores de decisão. Mais ainda, com base nas técnicas análises de dados que estão sendo implementados será possível otimizar a obtenção de novos dados, reduzindo os custos associados e aumentando a eficiência no processamento da informação.
Metodologia e Aprendizados Anteriores
O projeto se inspira em outra proposta desenvolvida por Gustavo, na Bacia de Santos (PCRBS), que integrou diferentes tipos de dados da região (físicos, químicos, geológicos, biológicos da coluna d'água e dos sedimentos). Essa abordagem será aplicada em outras Bacias da margem continental brasileira, como Bacia de Campos, Bacia do Espírito Santos, Sergipe-Alagoas, Potigua e para a Bacia da Foz do Amazonas. Nesta última a fase inicial enfrentará o desafio da escassez de dados de biodiversidade. A estratégia será utilizar os dados ambientais já disponíveis — como geomorfologia, dados de sedimentos e de sensoriamento remoto — como um "proxy" para mapear potenciais habitats da região e guiar a coleta de novos dados.
A experiência prévia na Bacia de Santos demonstrou a viabilidade desse tipo de abordagem. “Lá, os modelos de aprendizado de máquina conseguiram uma taxa de acerto acima de 79% na previsão de comunidades bentônicas integradas, identificando variáveis-chave como oxigênio dissolvido na água, tipo de sedimento e indicadores da produção primária como principais fatores preditivos”, afirma o docente.
Já a metodologia em curso no Imar/Unifesp inclui a construção de uma Base de Dados Unificada, que integra dados históricos e recém-coletados, e o desenvolvimento de um sistema de informação (SimDCO) atrelado a um painel interativo, ferramenta que permitirá a pesquisadores e gestores realizar análises exploratórias, visualizar mapas e acessar as previsões regionais geradas pelos modelos.[1]
A primeira fase do projeto foca na Bacia da Foz do Amazonas. O objetivo principal é responder as questões fundamentais de como a biodiversidade varia no tempo e no espaço, identificando os principais habitats da região. Uma vez que os habitats sejam mapeados, o projeto buscará validar esses mapas com os dados de biodiversidade existentes e propor uma amostragem mais eficiente e representativa para futuras expedições de coleta. O objetivo final é construir um modelo preditivo robusto que auxilie nas ações de monitoramento e gestão ambiental da região.
"Enfrentamos o grande desafio de compreender os ecossistemas da Margem Continental Brasileira e em particular da Bacia da Foz do Amazonas, que é vasto, complexo e com dados biológicos ainda limitados. Nossa abordagem é inovadora pois utiliza o conhecimento que acumulamos em outros projetos de caracterização ambiental, e o potencial da inteligência artificial para preencher essas lacunas. Ao integrar todos os dados disponíveis, conseguimos criar modelos preditivos que funcionam como um 'mapa' da biodiversidade da região. Este trabalho não é apenas um exercício acadêmico; ele constrói uma base de conhecimento sólida e baseada em dados para apoiar a gestão sustentável e o monitoramento ambiental em uma das áreas marinhas mais estratégicas do Brasil”, comemora o coordenador do projeto.