Mais espécies de répteis podem estar em risco de extinção do que se pensava

Ferramentas do aprendizado de máquina, um subcampo da inteligência artificial, estima o risco de extinção para espécies anteriormente não priorizadas para conservação

Cecília Sóter

postado em 27/05/2022 12:08 / atualizado em 27/05/2022 12:11

(crédito: Germán Chávez, Wikimedia Commons)

Um estudo da revista científica PLOS Biology, publicado nesta quinta-feira (26/5), apresenta uma nova ferramenta do aprendizado de máquina que avalia o risco de extinção e mostra a partir desta ferramenta que espécies de répteis que não são listados devido à falta de avaliação ou dados são mais propensos a serem ameaçados do que as espécies avaliadas.

A Lista Vermelha de Espécies Ameaçadas, da União Internacional para a Conservação da Natureza (UICN), é a avaliação mais abrangente do risco de extinção de espécies e informa políticas e práticas de conservação globalmente. No entanto, o processo de categorização das espécies é trabalhoso e sujeito a vieses, dependendo muito da curadoria manual por especialistas humanos; muitas espécies animais, portanto, não foram avaliadas ou carecem de dados suficientes, criando lacunas nas medidas de proteção.

Para avaliar 4.369 espécies de répteis que antes não podiam ser priorizadas para conservação e desenvolver métodos precisos para avaliar o risco de extinção de espécies obscuras, esses pesquisadores criaram um modelo de computador de aprendizado de máquina.

O modelo atribuiu categorias de risco de extinção da UICN aos 40% dos répteis do mundo que não tinham avaliações publicadas ou são classificados como “DD” (“Deficientes de Dados”) no momento do estudo. Os pesquisadores validaram a precisão do modelo, comparando-o com as categorizações de risco da Lista Vermelha.

Os pesquisadores descobriram que o número de espécies ameaçadas é muito maior do que o refletido na Lista Vermelha da UICN e que tanto os répteis não avaliados (ou “NA”) quanto os com deficiência de dados eram mais propensos a serem ameaçados do que as espécies avaliadas.

Estudos futuros são necessários para entender melhor os fatores específicos subjacentes ao risco de extinção em táxons de répteis ameaçados, para obter melhores dados sobre táxons de répteis obscuros e para criar planos de conservação que incluam espécies ameaçadas recentemente identificadas.

"No conjunto, nossos modelos preveem que o estado de conservação de répteis é muito pior do que o estimado atualmente, e que ações imediatas são necessárias para evitar o desaparecimento da biodiversidade de répteis. Regiões e táxons que identificamos como provavelmente mais ameaçados devem receber maior atenção em novas avaliações e planejamento de conservação. Por fim, o método que apresentamos aqui pode ser facilmente implementado para ajudar a preencher a lacuna de avaliação em outros táxons menos conhecidos", dizem os autores do estudo.

“Nosso trabalho pode ser muito importante para ajudar os esforços globais para priorizar a conservação de espécies em risco — por exemplo, usando o mecanismo de lista vermelha da UICN. Nosso mundo está enfrentando uma crise de biodiversidade e severas mudanças causadas pelo homem nos ecossistemas e espécies, mas os fundos alocados para conservação são muito limitados. Consequentemente, é fundamental que usemos esses fundos limitados onde eles podem fornecer mais benefícios. Ferramentas avançadas — como as que empregamos aqui, juntamente com o acúmulo de dados, podem reduzir muito o tempo e o custo necessários para avaliar o risco de extinção e, assim, preparar o caminho para uma tomada de decisões de conservação mais informada", acrescenta o coautor Uri Roll.