Ferramentas de inteligência artificial medem com precisão a quantidade de carbono que as árvores podem armazenar
Plantar árvores é uma das ações mais simples e eficientes combater as mudanças climáticas, e o plantio é usado por muitas empresas para compensar as emissões de carbono. Mas, ao escolher este caminho, é preciso se certificar que estamos plantando árvores que efetivamente irão armazenar quantidades suficientes de carbono.
Nesta escolha, o local do plantio é um fator importante. As árvores precisam ser plantadas onde poderão viver durante décadas e absorver devidamente o carbono que circula no ar.
Apesar de ser uma das estratégias mais simples para capturar mais carbono do ar, o plantio precisa ser feito de forma adequada. Se ele ocorrer com planejamento e de maneira inteligente, poderá permitir tratamento e compensações de carbono mais precisas.
Pesquisas podem ajudar urbanistas e ambientalistas a determinar exatamente quais tipo de árvores são necessárias e em quais locais poderão melhorar a qualidade do ar local.
Inteligência artificial
Utilizando o distrito nova iorquino de Manhattan, nos Estados Unidos, como área de teste, os pesquisadores da IBM desenvolveram um processo para identificar, mapear e medir com precisão a quantidade de carbono que as árvores em uma determinada zona podem armazenar.
O estudo leva em consideração sua espécie, forma geométrica e volume de folhagem. Por exemplo, os pesquisadores puderam medir que as árvores de Manhattan estão retendo 52 mil toneladas de carbono, assim como identificar as características precisas da efetividade de certas espécies e onde certos tipos de árvore seriam mais benéficos.
Este olhar único sobre a capacidade de armazenamento do carbono da vegetação na Terra foi possível graças ao machine learning e a plataforma de análise de dados geoespaciais da IBM, o PAIRS, com sua capacidade em agregar e analisar grandes quantidades de imagens aéreas, e o LiDAR, que são dados de luz e alcance utilizados para criar informações muito precisas e modelos de elevação de terreno de alta resolução.
Fonte: CicloVivo
