VIUrb-7: A Dynamic Coupled ODE Model for Urban Tree Biomass and Allometric Prediction in Tropical Biomes

Imagine a cidade como um organismo gigante e agitado. Assim como o corpo humano precisa de oxigênio, água e uma temperatura confortável para se manter saudável, as árvores que margeiam nossas ruas precisam das mesmas coisas para crescer. Mas as cidades são lugares complicados para as plantas. Em vez de solo macio e profundo, elas muitas vezes precisam empurrar suas raízes através de terra compactada e dura sob calçadas de concreto. Em vez de brisas suaves, elas enfrentam o calor retido pelos edifícios e a poluição dos carros. No mundo da ciência, pesquisadores usam "equações alométricas" — que são basicamente receitas matemáticas — para adivinhar o tamanho que uma árvore terá com base em sua largura e altura. Por muito tempo, essas receitas foram escritas para árvores crescendo em florestas selvagens e naturais. Quando os cientistas tentaram usar essas mesmas receitas de floresta para árvores urbanas, os palpites eram frequentemente errados por uma margem enorme, como tentar prever o desempenho de um maratonista em uma corrida de velocidade. Isso importa porque, se não soubermos o quão grandes e saudáveis serão nossas árvores urbanas, não poderemos planejar quanto carbono elas absorverão ou quanta sombra fornecerão para resfriar nossos bairros.

Surge o VIUrb-7, um novo modelo digital superinteligente projetado especificamente para árvores que vivem em cidades brasileiras. Pense neste modelo não como uma receita simples, mas como uma simulação de videogame de cinco partes rodando dentro de um computador. Neste jogo, cada árvore tem cinco "estatísticas" ocultas que mudam todos os dias: a largura do seu tronco, o nível de estresse que está sentindo, sua "vitalidade" geral (ou nível de energia), quantos germes ou patógenos a estão atacando e o quão "resiliente" ela é (o quão bem ela se recupera).

O artigo apresenta este modelo, que utiliza um conjunto de cinco equações matemáticas conectadas (chamadas equações diferenciais ordinárias acopladas) para encenar a vida de uma árvore ao longo do tempo. O pesquisador não apenas adivinhou as regras; ele construiu o motor do jogo usando dados do mundo real de 18 espécies diferentes de árvores nativas encontradas em seis paisagens brasileiras distintas, desde a floresta úmida da Amazônia até a Caatinga seca. Ele alimentou o modelo com 25 pontos de dados reais de estudos anteriores, essencialmente ensinando ao computador como essas árvores realmente se parecem em diferentes idades nas cidades.

Os resultados desta simulação são uma grande surpresa em comparação aos métodos antigos. Quando o pesquisador testou o VIUrb-7 contra os modelos clássicos de "floresta", a diferença foi massiva. Os modelos antigos estavam errados por uma margem enorme, com erros variando de 83% a 92%. Imagine adivinhar que uma árvore pesa 100 kg quando ela na verdade pesa 50 kg; esse é o tipo de erro que os modelos antigos estavam cometendo. Em contraste, o novo modelo VIUrb-7 acertou a biomassa (o peso total da árvore) com um erro médio de apenas 4,7%. Foi tão preciso que, para algumas espécies, o erro foi quase zero.

No entanto, o artigo é cuidadoso ao notar que isso não é um bola de cristal mágica que prevê o futuro perfeitamente. O modelo é uma simulação baseada nos dados específicos com os quais foi treinado. O pesquisador descobriu que o modelo funciona melhor quando possui múltiplos pontos de dados para uma única espécie para aprender. Para árvores onde eles tinham apenas um ou dois pontos de dados, o modelo ainda teve um bom desempenho, mas o "palpite" era um pouco mais incerto. Eles também identificaram fraquezas específicas: o modelo às vezes tem dificuldade em prever a rapidez com que uma árvore se recupera após uma seca severa, e pode subestimar ligeiramente o tamanho de árvores que crescem em invernos muito frios ou superestimá-las em regiões extremamente secas e semiáridas.

Para tornar esta ferramenta útil para todos, o autor construiu um site interativo gratuito. Você pode escolher uma cidade em um mapa, e o modelo usará dados de clima e qualidade do ar em tempo real para mostrar como diferentes árvores podem crescer ali ao longo dos próximos 30 anos. É como uma "previsão do tempo para árvores" para planejadores urbanos. Embora o modelo seja um passo significativo para a compreensão das florestas urbanas no Brasil, o autor admite que não está terminado. Eles sugerem que versões futuras precisam de mais dados do mundo real para refinar as regras, especialmente para árvores em áreas onde os dados são atualmente escassos. Mas, por enquanto, o VIUrb-7 oferece uma imagem muito mais clara e precisa de como nossas árvores urbanas realmente estão, ajudando-nos a planejar ruas mais verdes e saudáveis.