Cientistas, durante décadas, tentaram responder uma questão aparentemente simples: por que plantas que vivem em ambientes diferentes desenvolvem características tão distintas? O problema é que a resposta nunca foi simples. Temperatura, chuvas, solo, idade das florestas e competição entre espécies parecem influenciar a vegetação, mas, isoladamente, explicam apenas uma pequena fração dessas diferenças. Agora, uma equipe internacional afirma ter encontrado algo comparável a uma “estrutura invisível” que organiza a vida vegetal no planeta.

Publicado nesta quinta-feira (21), na revista científica Nature Communications, o estudo apresenta um modelo de inteligência artificial híbrida chamado “DifferLand”, capaz de identificar padrões ocultos que regulam a forma como ecossistemas crescem, respiram, consomem água e armazenam carbono. O trabalho foi liderado por pesquisadores do Departamento de Engenharia Ambiental e da Terra da Columbia University, em colaboração com o laboratório Jet Propulsion Laboratory.

Os autores principais são Jianing Fang, Kevin Bowman, Wenli Zhao, Xu Lian e Pierre Gentine.

Em vez de analisar cada espécie vegetal separadamente, o sistema combinou observações de satélites, medições de campo, dados climáticos, idade das florestas e características dos solos. A partir desse enorme volume de informação, a IA identificou um pequeno conjunto de “eixos ecológicos” capazes de explicar grande parte da diversidade funcional da vegetação global.

Na prática, o que a descoberta sugere é que a vegetação do planeta talvez seja menos caótica do que parecia.

A descoberta ocorre num momento em que cresce a preocupação global sobre a capacidade das florestas de continuar absorvendo carbono nas próximas décadas. Hoje, a vegetação terrestre funciona como um grande amortecedor climático, retirando parte significativa do dióxido de carbono lançado pela atividade humana. Porém, prever o comportamento desse mecanismo continua sendo uma das maiores fontes de incerteza nos modelos climáticos.

Historicamente, cientistas utilizaram classificações amplas — chamadas de “tipos funcionais de plantas” — para representar ecossistemas inteiros. Árvores decíduas, florestas tropicais, gramíneas ou vegetações arbustivas eram tratadas como grandes categorias homogêneas. O problema é que indivíduos da mesma categoria podem apresentar diferenças enormes.

Segundo o estudo, variáveis ambientais isoladas explicavam geralmente apenas entre 10% e 20% das diferenças observadas entre características vegetais.

O novo sistema mostrou resultados superiores aos modelos tradicionais. Em testes realizados com dados globais entre 2001 e 2023, o DifferLand atingiu índices elevados de capacidade preditiva. O modelo registrou coeficiente R² de 0,88 para estrutura da vegetação, 0,76 para atividade fotossintética, 0,71 para trocas de carbono entre ecossistemas e atmosfera e 0,68 para evapotranspiração.

Os pesquisadores analisaram ainda informações de 128 locais de monitoramento ecológico distribuídos pelo planeta e observaram forte correlação entre as previsões do sistema e dados reais de produtividade vegetal e respiração dos ecossistemas.

A análise revelou dois grandes padrões universais.

O primeiro representa o chamado “espectro econômico das folhas”: plantas podem investir em folhas duráveis, que sobrevivem por mais tempo, ou optar por folhas menos resistentes, porém mais eficientes em crescimento rápido. O segundo eixo descreve a diferença entre vegetações baixas e altas, separando gramíneas e plantas herbáceas de árvores de grande porte.

Um terceiro padrão apareceu associado à intervenção humana, sobretudo regiões agrícolas intensivas como o Meio-Oeste americano, partes da Europa e áreas agrícolas da China.

Os cientistas observaram ainda que a temperatura média anual surge como o fator ambiental mais influente. Ambientes mais quentes tendem a favorecer plantas mais altas, com períodos maiores de crescimento e maior eficiência fotossintética. Regiões frias, por outro lado, favorecem estratégias mais conservadoras.

O impacto potencial vai além da ecologia acadêmica.

Modelos climáticos usados por governos e organismos internacionais dependem de previsões sobre o comportamento futuro das florestas e demais ecossistemas terrestres. Pequenas melhorias nesses cálculos podem alterar estimativas sobre aquecimento global, políticas de descarbonização e planejamento ambiental.

No artigo, os pesquisadores afirmam que a abordagem pode ajudar a enfrentar o chamado “problema da dimensionalidade”, em que a enorme quantidade de variáveis torna modelos complexos excessivamente difíceis de calibrar.

Também apontam um horizonte ainda mais ambicioso: integrar modelos ecológicos diferenciáveis a sistemas climáticos baseados em inteligência artificial.

Se a hipótese estiver correta, o planeta talvez possua regras de organização biológica mais simples do que parecia. E, para cientistas que tentam antecipar o futuro climático da Terra, encontrar essas regras pode representar uma mudança comparável a descobrir um novo mapa escondido sob a superfície do mundo natural.