Os pequenos lagos e lagoas do Ártico e Subártico são verdadeiros heróis invisíveis dos ecossistemas polares! Apesar do seu tamanho reduzido, têm um impacto gigantesco: ajudam a regular o clima, sustentam a biodiversidade, e influenciam as emissões de gases com efeito de estufa. No entanto, mapear com precisão estas superfícies de água minúsculas (menos de 0,01 km²) é um desafio, especialmente porque são dinâmicas e mudam rapidamente com a degradação do permafrost, libertando gases como metano e dióxido de carbono.
Mas há boas notícias! Uma equipa de investigadores desenvolveu uma ferramenta revolucionária chamada HLWATER V1.0, baseada em inteligência artificial (IA). Utilizando o modelo Mask R-CNN, treinado com imagens de satélite de alta resolução da PlanetScope, esta ferramenta consegue identificar automaticamente lagos e lagoas com até 166 m². O estudo concentrou-se na região de Nunavik, no Subártico Canadiano, conhecida pelas suas paisagens impressionantes que misturam tundra, floresta boreal e uma grande diversidade de corpos de água, desde lagos glaciais a lagoas em turfeiras.
E os resultados? Surpreendentes! O modelo de IA revelou-se extremamente eficaz, até mesmo em locais onde as técnicas tradicionais não funcionam. Esta inovação pode agora ser usada para monitorizar grandes áreas do Ártico e Subártico, oferecendo uma visão detalhada e abrangente destes ecossistemas vitais. Além disso, melhora a nossa capacidade de seguir as mudanças nos pequenos corpos de água, ajudando a compreender melhor os impactos das alterações climáticas e o papel crucial do permafrost no ciclo do carbono.
Este estudo mostra o poder transformador da inteligência artificial e da tecnologia de satélite para a proteção ambiental, reforçando o esforço global de adaptação à mudança climática e de proteção do nosso planeta!
Fonte: Freitas, P., Vieira, G., Canário, J., Vincent, W., Pina, P., & Mora, C. (2024). A trained Mask R-CNN model over PlanetScope imagery for very-high resolution surface water mapping in boreal forest-tundra. Remote Sensing of Environment. 304. 10.1016/j.rse.2024.114047.
Autora: Diana Martins
