Cientistas da computação da Universidade de Massachusetts Amherst, em colaboração com biólogos do Cornell Lab of Ornithology, anunciaram recentemente na revista Métodos em Ecologia e Evolução um novo modelo preditivo capaz de prever com precisão para onde uma ave migratória irá em seguida – uma das tarefas mais difíceis da biologia. O modelo é chamado de BirdFlow e, embora ainda esteja sendo aperfeiçoado, deve estar disponível para os cientistas dentro de um ano e, eventualmente, chegará ao público em geral.
“Os humanos tentam descobrir a migração de pássaros há muito tempo”, diz Dan Sheldon, professor de informação e ciências da computação na UMass Amherst, autor sênior do artigo e um apaixonado observador de pássaros. “Mas”, acrescenta Miguel Fuentes, principal autor do artigo e aluno de pós-graduação em ciência da computação na UMass Amherst, “é incrivelmente difícil obter informações precisas e em tempo real sobre quais pássaros estão para onde, muito menos para onde exatamente estão indo. “
Houve muitos esforços, tanto anteriores quanto em andamento, para marcar e rastrear aves individuais, o que rendeu informações valiosas. Mas é difícil marcar fisicamente pássaros em números grandes o suficiente – para não mencionar as despesas de tal empreendimento – para formar uma imagem completa o suficiente para prever os movimentos dos pássaros. “É realmente difícil entender como uma espécie inteira se move pelo continente com abordagens de rastreamento”, diz Sheldon, “porque eles informam as rotas seguidas por alguns pássaros capturados em locais específicos, mas não como pássaros em locais completamente diferentes podem se mover”.
Nos últimos anos, houve uma explosão no número de cientistas cidadãos que monitoram e relatam avistamentos de aves migratórias. Observadores de pássaros em todo o mundo contribuem com mais de 200 milhões de avistamentos anuais de pássaros por meio do eBird, um projeto gerenciado pelo Cornell Lab of Ornithology e parceiros internacionais. É um dos maiores projetos científicos existentes relacionados à biodiversidade e tem centenas de milhares de usuários, facilitando a modelagem de distribuição de espécies de última geração por meio do projeto eBird Status & Trends do Lab. “Os dados do eBird são incríveis porque mostram onde as aves de uma determinada espécie estão todas as semanas em toda a sua distribuição”, diz Sheldon, “mas não rastreiam indivíduos, então precisamos inferir quais rotas as aves seguem para melhor explicar as espécies padrões de nível.”
O BirdFlow baseia-se no banco de dados Status & Trends do eBird e em suas estimativas de abundância relativa de pássaros e, em seguida, executa essas informações por meio de um modelo probabilístico de aprendizado de máquina. Este modelo é sintonizado com GPS em tempo real e dados de rastreamento por satélite para que possa “aprender” a prever para onde as aves individuais se moverão a seguir à medida que migram.
Os pesquisadores testaram o BirdFlow em 11 espécies de pássaros norte-americanos – incluindo o American Woodcock, Wood Thrush e Swainson’s Hawk – e descobriram que o BirdFlow não apenas superou outros modelos para rastrear a migração de pássaros, mas também pode prever com precisão os fluxos de migração sem o GPS em tempo real e os dados de rastreamento por satélite, o que torna o BirdFlow uma ferramenta valiosa para rastrear espécies que podem literalmente passar despercebidas pelo radar.
“Atualmente, as aves estão passando por uma rápida mudança ambiental e muitas espécies estão em declínio”, diz Benjamin Van Doren, pós-doutorando do Cornell Lab of Ornithology e coautor do estudo. “Usando o BirdFlow, podemos unir diferentes fontes de dados e pintar um quadro mais completo dos movimentos das aves”, acrescenta Van Doren, “com aplicativos interessantes para orientar ações de conservação”.
Com informações de Science Daily.
