.
Pela primeira vez no mundo, cientistas da UNSW e do Jardim Botânico de Sydney treinaram IA para desbloquear 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 cápsulas do tempo incríveis de espécimes de plantas”, diz o principal autor do estudo, o professor associado Will Cornwell. “A cada ano, mais de 8.000 espécimes são adicionados apenas ao Herbário Nacional de New South Wales, então não é mais possível fazer as coisas manualmente.”
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.
Publicado no Jornal Americano de Botânicaesta pesquisa não apenas revela que outros fatores além do clima têm um forte efeito no tamanho da folha dentro de uma espécie de planta, mas também demonstra 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. Todo registro tem um tempo e um lugar e um coletor e uma suposta identificação da espécie”, diz A/Prof. Cornwell, pesquisador da School of BEES e membro do UNSW Data Science Hub.
Alguns anos atrás, para ajudar a facilitar a colaboração científica, houve um movimento para transferir essas coleções online.
“As coleções do herbário eram trancadas em pequenas caixas em lugares específicos, mas o mundo é muito digital agora. Então, para levar as informações sobre todos os incríveis espécimes aos cientistas que agora estão espalhados pelo mundo, houve um esforço para escanear o espécimes para produzir cópias digitais de alta resolução deles.”
O maior projeto de imagem de herbário foi realizado no Jardim Botânico de Sydney, quando mais de 1 milhão de espécimes de plantas no Herbário Nacional de New South Wales 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 – Dr. Jason Bragg – entrou em contato comigo do Jardim Botânico de Sydney. Ele queria ver como poderíamos incorporar aprendizado de máquina com alguns desses aplicativos de alta resolução imagens digitais dos espécimes do Herbário.”
“Fiquei empolgado em trabalhar com A/Prof. Cornwell no desenvolvimento de modelos para detectar folhas nas imagens das plantas e, em seguida, usar esses grandes conjuntos de dados para estudar as relações entre o tamanho das folhas e o clima”, disse o Dr. Bragg.
“Visão computacional” mede o tamanho das folhas
Juntamente com o Dr. Bragg no Jardim Botânico de Sydney e o estudante UNSW Honors Brendan Wilde, A/Prof. 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 conhecidos como lillipillies, brush cherries ou satinas) e Ficus (um gênero de cerca de 850 espécies de árvores lenhosas, arbustos e trepadeiras).
“Este é um tipo de IA chamado de rede neural convolucional, também conhecida como Visão Computacional”, diz A/Prof. 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”, diz A/Prof. Cornwell. “Então basicamente ensinamos o computador a localizar as folhas e depois medir o tamanho delas.
“Medir o tamanho das folhas não é novidade, porque muitas pessoas já fizeram isso. Mas a velocidade com que esses espécimes podem ser processados e suas características individuais podem ser registradas é um novo desenvolvimento.”
Uma 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”, diz A/Prof. Cornwell. “O primeiro teste que fizemos foi para ver se poderíamos reconstruir essa relação a partir dos dados aprendidos pela máquina, o que poderíamos. Mas a segunda pergunta foi, como agora temos muito mais dados do que tínhamos antes, vemos a mesma coisa dentro da espécie?”
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 para Syzygium e Ficus plantas.
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 devido a um processo diferente, conhecido como fluxo gênico, está operando dentro das espécies. Esse processo enfraquece a adaptação das plantas em escala local e pode estar impedindo que a relação tamanho-clima da folha se desenvolva dentro das espécies.
Usando IA para prever futuras respostas às mudanças climáticas
A abordagem de aprendizado de máquina usada aqui para detectar e medir folhas, embora não seja perfeita em termos de pixels, forneceu níveis de precisão adequados para examinar as relações entre as características das folhas e o clima.
“Mas como o mundo está mudando muito rápido e há tantos dados, esses tipos de métodos de aprendizado de máquina podem ser usados para documentar efetivamente os efeitos das mudanças climáticas”, diz A/Prof. Cornwell.
Além disso, os algoritmos de aprendizado de máquina podem ser treinados para identificar tendências que podem não ser imediatamente óbvias para pesquisadores humanos. Isso pode levar a novos insights sobre a evolução e as adaptações das plantas, bem como previsões sobre como as plantas podem responder aos efeitos futuros das mudanças climáticas.
.
