Novo sistema de IA mapeia com precisão espaços verdes urbanos, expondo as clivagens ambientais

Uma equipa de investigação liderada por Rumi Chunara – um professor associado da NYU com nomeações tanto na Escola de Engenharia Tandon como na Escola de Saúde Pública Global – revelou um novo sistema de inteligência artificial (IA) que utiliza imagens de satélite para localizar espaços verdes urbanos com maior precisão do que os métodos anteriores, essenciais para garantir cidades saudáveis.

Para validar a sua abordagem, os investigadores testaram o sistema em Karachi, a maior cidade do Paquistão, onde vários membros da equipa estão baseados. Karachi revelou-se um caso de teste ideal com a sua mistura de áreas urbanas densas e condições de vegetação variáveis.

Aceite para publicação pelo ACM Journal on Computing and Sustainable Societies, a análise da equipa expôs uma forte divisão ambiental: algumas zonas têm ruas arborizadas, enquanto muitos bairros quase não têm vegetação.

Há muito que as cidades se esforçam por localizar com precisão os seus espaços verdes, desde parques a árvores de rua individuais, sendo que a análise tradicional por satélite omite até cerca de 37% da vegetação urbana.

À medida que as cidades enfrentam as alterações climáticas e a rápida urbanização, especialmente na Ásia e em África, as medições exatas tornaram-se vitais. Os espaços verdes podem ajudar a reduzir as temperaturas urbanas, filtrar a poluição atmosférica e proporcionar espaços essenciais para o exercício físico e a saúde mental.

Mas estes benefícios podem ser distribuídos de forma desigual. As zonas de baixos rendimentos carecem frequentemente de vegetação, o que as torna mais quentes e mais poluídas do que os bairros ricos arborizados.

Melhoria de 13,4%  da precisão da deteção da vegetação 

A equipa de investigação desenvolveu a sua solução melhorando as arquiteturas de segmentação de IA, como o DeepLabV3+. Utilizando imagens de satélite de alta resolução do Google Earth, treinaram o sistema aumentando os dados de treino para incluir versões variadas de vegetação verde em diferentes condições de iluminação e sazonais – um processo a que chamam “aumento verde”. Esta técnica melhorou a precisão da deteção da vegetação em 13,4% em comparação com os métodos de IA existentes, o que representa um avanço significativo neste domínio.

Quando se mede a frequência com que o sistema identifica corretamente a vegetação, obtém-se uma precisão de 89,4% com uma fiabilidade de 90,6%, substancialmente melhor do que os métodos tradicionais que apenas atingem uma precisão de 63,3% com uma fiabilidade de 64,0%.

“Os métodos anteriores baseavam-se em medições simples do comprimento de onda da luz”, afirma Chunara, que é diretor do NYU Center for Health Data Science e membro do NYU Tandon’s Visualization Imaging and Data Analysis Center (VIDA).

“O nosso sistema aprende a reconhecer padrões mais subtis que distinguem as árvores da relva, mesmo em ambientes urbanos difíceis. Este tipo de dados é necessário para que os planeadores urbanos identifiquem os bairros que não têm vegetação, para que possam desenvolver novos espaços verdes que proporcionem o máximo de benefícios possível. Sem um mapeamento exato, as cidades não podem lidar eficazmente com as disparidades”, acrescenta.

A análise de Karachi mostrou que a média da cidade é de apenas 4,17 metros quadrados de espaço verde por pessoa, menos de metade do mínimo recomendado pela Organização Mundial de Saúde (OMS) de 9 metros quadrados per capita.

A disparidade entre bairros é dramática: enquanto alguns conselhos sindicais periféricos – o órgão de governo local mais pequeno do Paquistão, um total de 173 foram incluídos no estudo – têm mais de 80 metros quadrados por pessoa, cinco conselhos sindicais têm menos de 0,1 metros quadrados per capita.

O estudo revelou que as áreas com mais estradas pavimentadas – tipicamente um marcador de desenvolvimento económico – tendem a ter mais árvores e relva. Mais significativamente, em oito conselhos sindicais diferentes estudados, as áreas com mais vegetação apresentaram temperaturas de superfície nitidamente mais baixas, demonstrando o papel dos espaços verdes no arrefecimento das cidades.

Singapura oferece um contraste, mostrando o que é possível fazer com um planeamento deliberado. Apesar de ter uma densidade populacional semelhante à de Karachi, oferece 9,9 metros quadrados de espaço verde por pessoa, excedendo o objetivo da OMS.

Os investigadores tornaram pública a sua metodologia, embora a sua aplicação a outras cidades exigisse a reciclagem do sistema com base em imagens de satélite locais.

Este estudo vem juntar-se ao trabalho de Chunara no desenvolvimento de métodos computacionais e estatísticos, incluindo a extração de dados e a aprendizagem automática, para compreender os determinantes sociais da saúde e as disparidades na saúde.

Estudos anteriores incluem a utilização de publicações nas redes sociais para mapear o racismo e a homofobia sistémicos a nível do bairro e avaliar o seu impacto na saúde mental, bem como a análise de registos de saúde eletrónicos para compreender as disparidades de acesso à telemedicina durante a COVID-19.