Un modelo de inteligencia artificial puede ayudar a Brasil a obtener réditos en el mercado de carbono

Es una herramienta basada en el aprendizaje automático que mide de qué manera impactan sobre la cantidad de CO2 capturado en una determinada región las variables ambientales, tales como la humedad y la radiación solar

FAPESP Investigación para la innovación * – La selva amazónica es responsable de la remoción de 400 millones de toneladas anuales de carbono de la atmósfera. Así y todo, los cambios climáticos y la deforestación en la región pueden convertir áreas que constituyen sumideros de CO₂ en fuentes emisoras.

En ese contexto, un estudio realizado en el Programa de Análisis Ambiental Integrado de la Universidad Federal de São Paulo (Unifesp), en Brasil, con el apoyo del Centro de Investigaciones para la Innovación en Gases de Efecto Invernadero (RCGI), desarrolló un modelo de inteligencia artificial para mensurar de qué manera impactan esas variables ambientales, tales como la humedad y la radiación solar, sobre la cantidad de carbono capturado en la región.

El RCGI es un Centro de Investigaciones en Ingeniería (CPE) constituido por la FAPESP y la empresa Shell en la Escuela Politécnica de la Universidad de São Paulo (USP).

Este trabajo es fruto de la investigación de maestría del científico ambiental Lucas Bauer, bajo la dirección de Luciana Rizzo, actualmente docente del Instituto de Física de la USP. Puede leerse un resumen de la misma en el artículo intitulado “Neural Network model for classification of net CO2 fluxes scenarios in Tapajós Forest, in Amazon”, publicado en versión preprint (sin revisión por pares).

“Se trata de un trabajo interdisciplinario en el que confluyeron dos áreas del conocimiento: las ciencias atmosféricas y la ciencia de datos”, explica Rizzo, quien integra el programa de investigación Greenhouse Gases (GHG) del RCGI.

“Sabemos que la selva amazónica presta un importante servicio ambiental al extraer carbono de la atmósfera, pero, ¿cuál sería ese grado de variabilidad en años secos o lluviosos, por ejemplo? Preguntas como esta fueron las que orientaron este estudio.”

En busca de respuestas, Bauer efectuó un recorte en la inmensidad de la selva amazónica, que ocupa 7,2 millones de kilómetros cuadrados (km²) distribuidos por nueve países. En este caso, el enfoque del investigador recayó sobre el Bosque Nacional de Tapajós, en el estado brasileño de Pará, donde se encuentra instalada una de las torres de monitoreo del proyecto Experimento a Gran Escala de la Biósfera-Atmósfera en la Amazonia (LBA), que se lleva adelante desde la década de 1990 y que está a cargo por el gobierno federal brasileño a través del Instituto Nacional de Investigaciones de la Amazonia (Inpa, en portugués).

Los datos registrados por la torre, disponibles para su consulta pública, le sirvieron de fuente a Bauer. “Las cifras reflejan una realidad local, en un radio de alrededor de 5 km. Pero nuestra investigación constituye un primer paso, que a largo plazo deberá extrapolarse a una escala regional para cuantificar cuánto carbono logra extraer de la atmósfera toda la selva amazónica”, comenta Rizzo.

Los datos utilizados cubren el período 2002-2005. “Cabe recordar que, a partir del año 2005, el desmonte experimentó una significativa merma en función del desarrollo de políticas públicas de combate contra este problema”, prosigue la profesora. “Desafortunadamente, en los últimos seis años esa tasa de deforestación volvió a subir, tal como lo demuestran los datos del Instituto Nacional de Investigaciones Espaciales [Inpe, en portugués]. Pero en esta investigación no se emplearon datos recientes, pues aún no se encuentran disponibles para su consulta.”

En el estudio, el investigador también echó mano de información obtenida por dos satélites de la Agencia Espacial Estadounidense (Nasa) que recaban datos continuamente en la atmósfera desde la década de 2000. Los registros de la Nasa informan el espesor óptico de los aerosoles, por ejemplo. “Los aerosoles son partículas en suspensión en la atmósfera que interactúan con la radiación solar e interfieren en la extracción del carbono. De allí la importancia de incluir esa información en la investigación”, justifica Rizzo.

El empleo de la inteligencia artificial

Tras reunir esos datos, Bauer desarrolló un modelo de inteligencia artificial para estimar el intercambio de carbono en aquella parte de la selva. “En el estudio él utilizó la red neural artificial [ANN, por sus siglas en inglés], una técnica de aprendizaje automático con la que se logra captar esa no linealidad entre la variable de respuesta, que sería la remoción de carbono, y las variables predictoras, tales como la humedad y la radiación solar, por ejemplo”, explica la profesora.

“La red neural simula el procesamiento de información del cerebro humano para obtener un conocimiento integrado referente a un determinado escenario. Las células de procesamiento constituyen una especie de neuronas que reciben, procesan y les transmiten datos a otras células del sistema, creando así una red de información.”

La construcción de este modelo se erigió como un desafío en el transcurso de la investigación. “Los intercambios de carbono dependen de una serie de variables, y el modelo debía captar eso”, apunta Rizzo. “En general, durante la estación seca existe una mayor incidencia de la radiación solar. De este modo, la selva logra efectuar más fotosíntesis, y por consiguiente capturar más carbono de la atmósfera. Con todo, aparte de la fotosíntesis, existen otras variables que requieren atención. El brote de hojas, por ejemplo, no depende exclusivamente de la radiación solar: el pico del brote se registra en julio, mientras que el apogeo de la radiación solar suele ocurrir en septiembre.”

Según la directora de Bauer, la idea es que el modelo de inteligencia artificial desarrollado pueda utilizarse para entender otros contextos de la selva amazónica. “Nuestro estudio está recién empezando, pero apunta resultados bastante prometedores. Identificamos las variables predictoras con mayor impacto sobre la condición de sumidero de carbono: la estación del año, los flujos de calor y el índice de área foliar”, puntualiza Rizzo. “Cabe acotar que nunca se había aplicado la ANN para entender el contexto amazónico. Somos pioneros en tal sentido.”

Según la investigadora, Brasil necesita cuantificar efectivamente cuánto carbono capta la Amazonia, pues se trata de un servicio ambiental fundamental y no solamente para Brasil sino para el planeta. “Con la evolución del mercado de carbono, nuestro país podría obtener réditos económicos mediante este servicio. En otras palabras: la selva en pie es muy valiosa”, afirma.

Puede accederse a la lectura del artículo intitulado Neural Network model for classification of net CO2 fluxes scenarios in Tapajós Forest, in Amazon en el siguiente enlace: www.authorea.com/doi/full/10.1002/essoar.10512492.1.

* Con información del RCGI, un Centro de Investigaciones en Ingeniería constituido por la FAPESP y la empresa Shell.