Membros da nossa equipe participaram do trabalho para retratar a diversidade do Cerrado Brasileiro aplicando Sensoriamento Remoto e Inteligência Artificial!

O recente trabalho tem como título: “Spatial Characterization of Woody Species Diversity in Tropical Savannas Using GEDI and Optical Data”

Neste estudo, os pesquisadores avaliaram o potencial dos dados do Global Ecosystem Dynamics Investigation (GEDI), combinados com imagens ópticas de satélites convencionais e dados de reanálise climática, para prever a diversidade alfa in situ (riqueza de espécies, índice de Simpson e índice de Shannon) entre espécies arbóreas. Dados provenientes de imagens ópticas do Sentinel-2, do clima ERA-5, do SRTM-DEM e de dados simulados do GEDI foram selecionados para caracterizar a diversidade em quatro áreas de estudo. A integração de dados auxiliares demonstrou ser eficaz na melhoria das previsões das métricas de biodiversidade. Modelos de regressão Random Forest (RF) foram adequados para estimar índices de diversidade de espécies arbóreas a partir de variáveis de sensoriamento remoto. Com base nesses modelos, geramos mapas de índices de diversidade para todo o Cerrado, utilizando todos os dados do GEDI disponíveis em órbita. Para todos os modelos, a métrica estrutural Foliage Height Diversity (FHD) foi selecionada; o Renormalized Difference Vegetation Index (RDVI) também foi selecionado em todos os modelos de diversidade de espécies. Nossos resultados sugerem que os modelos desenvolvidos são ferramentas valiosas para avaliar a diversidade de espécies em ecossistemas de savanas tropicais, embora cada modelo possa ser escolhido com base nos objetivos de um estudo específico, no nível de desempenho/erro desejado e na disponibilidade de dados. Apesar de existirem muitas oportunidades de melhorias nas capacidades preditivas dos modelos, acreditamos que o aprimoramento no desenvolvimento de ferramentas e procedimentos técnicos para monitorar a diversidade no Brasil e no mundo são fundamentais, tema este na vanguarda do conhecimento.

Link para o paper completo: https://www.mdpi.com/1424-8220/25/2/308