Abrindo uma janela para fenômenos ambientais com nova tecnologia de imagem

Dados coletados por satélites, drones, radares e microscópios fornecem uma mina de ouro de informações para entender melhor nosso ambiente. E quando esses dados são acoplados à inteligência artificial (IA), eles podem desvendar os segredos dos fenômenos que ocorrem em todos os níveis.

Em um mundo em rápida mudança, onde as ameaças ambientais são abundantes, obter uma melhor compreensão dos processos naturais e antropogênicos pode ajudar a corroborar pontos de vista, orientar esforços de conservação e renovação e orientar novas pesquisas.

Uma chave para obter esse tipo de entendimento é a tecnologia de imagem. Uma riqueza de dados está sendo capturada por satélites, radares, lidars e microscópios; o truque é reunir as diferentes formas de dados e, às vezes, com a ajuda da IA, obter insights valiosos.

Pesquisadores de diversas áreas estão aproveitando as oportunidades oferecidas pela nova tecnologia de imagem — como determinar a composição química das plantas, detectar resíduos flutuando no oceano, quantificar e caracterizar a precipitação, mapear recifes de corais no Mar Vermelho e avaliar a saúde de grandes áreas de terras cultivadas — para aprender mais sobre ecossistemas de todos os tamanhos.

Congelar plantas para ter uma melhor visão

No Laboratório de Geoquímica Biológica (LGB) da EPFL, os cientistas estão estudando uma série de processos biológicos e outros em nível subcelular: a quebra da relação entre microalgas e os corais em que vivem; o estresse causado às plantas pelo estresse salino; a reconstrução de condições climáticas passadas com base em pequenas conchas de carbonato medindo menos de um milímetro de comprimento; e muito mais.

Os cientistas estão usando vários microscópios e outros instrumentos de microanálise de alta tecnologia para observar transferências químicas onde até mesmo pequenas variações moleculares e iônicas podem perturbar um organismo inteiro e ter um impacto em uma escala muito maior.

Tomando como exemplo os corais e os milhares de microalgas que eles abrigam, no que parece ser uma relação simbiótica perfeita: o coral se alimenta dos nutrientes liberados pelas microalgas, enquanto as microalgas absorvem o CO₂ produzido pelo coral. Mas essa relação antiga, que, incidentalmente, é o que dá aos corais sua cor brilhante, agora está sendo ameaçada pelo aquecimento global.

Temperaturas mais altas da água colocam as microalgas sob estresse, levando-as a liberar compostos tóxicos para o coral. O coral responde eventualmente expulsando-as. Isso leva ao branqueamento do coral e possivelmente até à morte do coral. Quando isso acontece em larga escala, ecossistemas inteiros de recifes de coral podem entrar em colapso e causar uma enorme perda de biodiversidade oceânica.

Nos últimos anos, uma equipe de cientistas LGB tem usado um microscópio iônico para estudar os segredos ocultos dessa relação simbiótica. “Usamos um microscópio NanoSIMS, que basicamente bombardeia as amostras com íons”, diz Nils Rädecker, um pós-doutorado no LGB. “Isso nos permite observar processos de transferência em uma resolução muito alta. Podemos ver células individuais e até mesmo estruturas subcelulares.”

Usando o NanoSIMS, os cientistas conseguiram descobrir novos mecanismos na quebra da simbiose — como a maneira egoísta pela qual as microalgas param de fornecer nutrientes aos corais bem antes que eles os expulsem.

“O problema com o NanoSIMS é que a maioria dos compostos solúveis são perdidos durante a preparação necessária da amostra”, diz Anders Meibom, professor do LGB. Para contornar esse problema, os cientistas desenvolveram pacientemente um microscópio CryoNanoSIMS que permite a análise de amostras biológicas em um estado congelado e das quais nada é perdido.

“O CryoNanoSIMS nos permite, portanto, obter imagens precisas de onde compostos solúveis, como moléculas específicas, como medicamentos ou micropoluentes, se acumulam em células individuais”, diz Meibom.

O microscópio abriu muitas novas avenidas de pesquisa. Por exemplo, Priya Ramakrishna, uma pós-doutoranda no LGB, está usando-o para produzir mapas químicos de alta resolução de uma planta modelo para investigar a resposta celular à salinidade do solo.

“O aumento da salinidade do solo afeta o crescimento das plantas e, portanto, tem consequências para as plantações de alimentos. Precisamos entender como as plantas respondem a isso”, ela diz.

Imagens e IA dão voz ao nosso planeta

A Terra tem uma superfície de mais de 196 milhões de km²—muito espaço para ecossistemas prosperarem longe dos caminhos batidos em áreas remotas que são impossíveis para cientistas de campo alcançarem. No entanto, drones, satélites e smartphones equipados com sensores formam uma rede densa de dispositivos de coleta de dados que podem fornecer informações anonimizadas e utilizáveis.

“O satélite que mais usamos, por exemplo, pode tirar imagens altamente detalhadas de áreas que abrangem 290 quilômetros de largura e com uma resolução de 10 metros”, diz Devis Tuia, professor do Environmental Computational Science and Earth Observation Laboratory (ECEO) da EPFL. “Como as imagens são geolocalizadas, sempre sabemos as coordenadas do local que estamos analisando.”

Seja para estudar populações animais, distribuição e maturidade de plantações, identificar resíduos flutuando na superfície do oceano ou monitorar o derretimento de geleiras, o potencial de uso da tecnologia de imagem para observar e monitorar o meio ambiente é enorme.

“Cada problema tem seu próprio sensor e sua própria resolução preferida. Além disso, os dados disponíveis são muito heterogêneos. Empregamos algoritmos padrão de extração de informações e IA para classificar, catalogar, pesquisar e processar esses conjuntos de dados heterogêneos e não estruturados e transformá-los em informações úteis e estruturadas”, diz Tuia.

Seu grupo de pesquisa desenvolveu recentemente um programa de IA para o mapeamento rápido em 3D de corais — organismos conhecidos por desempenhar um papel essencial em ecossistemas marinhos — com base em sequências filmadas por câmeras disponíveis comercialmente. Com essa tecnologia, até mesmo mergulhadores sem treinamento especial podem facilmente coletar dados sobre grandes recifes de corais.

E então há dados de satélite. Esses tipos de imagens ainda têm muito potencial inexplorado, e os pesquisadores frequentemente descobrem que precisam treinar programas elementares de reconhecimento de imagem do zero com os dados limitados disponíveis para um campo específico. “Até agora, não existia nenhum programa que pudesse mudar rapidamente de reconhecer um pedaço de lixo para reconhecer uma árvore ou um edifício, por exemplo”, diz Tuia.

Ele e sua equipe, juntamente com colegas da Universidade de Wageningen na Holanda, MIT, Yale e o Centro de Pesquisa Jülich na Alemanha, desenvolveram um aplicativo camaleão chamado METEOR que pode treinar algoritmos para reconhecer novos objetos após serem mostrados apenas um punhado de imagens de boa qualidade, e um algoritmo de meta-aprendizagem. Uma grande economia de tempo onde a aquisição de dados de campo é difícil ou muito cara.

Criação de perfil de nuvem

Enquanto isso, cientistas do Environmental Remote Sensing Laboratory (LTE) da EPFL estão explorando por que não há dois flocos de neve — ou gotas de chuva, nesse caso — iguais. Eles estão monitorando a precipitação e estudando nuvens ao redor do mundo, incluindo nos Alpes, Antártida, Ártico e Grécia, com a ajuda de radares, lidars e um dispositivo especial para tirar fotos 3D de flocos de neve.

“A geração de imagens é a única maneira de observar fenômenos climáticos em mudança ao longo do tempo e do espaço e em muitas escalas diferentes”, diz Alexis Berne, professor do LTE.

Mesmo hoje, pesquisadores lutam para obter dados quantitativos precisos e confiáveis ​​sobre precipitação, especialmente quando está em forma sólida e em regiões montanhosas e polares. No entanto, esses dados podem percorrer um longo caminho para preservar recursos hídricos, prever desastres naturais e avaliar os efeitos das mudanças climáticas em regiões altamente sensíveis.

Cristais supranumerários

Ainda há muito a ser aprendido sobre como gotículas de água e cristais de gelo se formam dentro das nuvens. Embora o mecanismo de condensação em torno de certos aerossóis — partículas sólidas ou líquidas suspensas na atmosfera — servindo como os chamados núcleos “glaciogênicos” seja bem conhecido, um segundo processo, o gelo secundário, ainda esconde um elemento de mistério.

Quando os pesquisadores apontaram seus radares para as nuvens para quantificar a formação de precipitação, gotículas e cristais superaram em muito as partículas de aerossol. Os números não batiam. “Ainda não temos certeza de como esse processo de gelo secundário funciona”, diz Berne.

Seu laboratório, juntamente com outros do EPFL (Laboratório de Pesquisa em Ambientes Extremos e Laboratório de Processos Atmosféricos e seus Impactos) participarão de um grande projeto para conduzir perfis de nuvens em diferentes locais ao redor do mundo.

O objetivo é observar o comportamento de cumulonimbus e outras famílias de nuvens. “Aqui, a modelagem computacional também nos ajudará a entender melhor as condições ambientais nas quais fazemos nossas observações”, diz Berne.

Imagens derivadas de ondas eletromagnéticas

No entanto, Berne acrescenta: “Não realizamos o tipo de análise de imagem que é feita em imagens biomédicas, por exemplo”. Os radares usados ​​por cientistas em sua área produzem dezenas de gigabytes de dados todos os dias, que são analisados ​​para realizar estudos de caso de fenômenos climáticos específicos e gerar estatísticas.

“Os fatores que mais nos interessam estudar são geralmente aqueles observados indiretamente”, diz Berne. “Lidars e radares operam com ondas eletromagnéticas e medimos as propriedades eletromagnéticas de objetos em tempo real. Nosso trabalho se concentra em algoritmos de restituição que nos permitirão extrair informações sobre as propriedades microfísicas de partículas de nuvens para entender melhor os mecanismos envolvidos e quantificar a precipitação com mais precisão.”