Cientistas dinamarqueses criam radar que identifica espécies de abelhas e vespas

Identificar espécies de polinizadores tradicionalmente exige um método perigoso e caro: os insetos são capturados, mortos e examinados em detalhe ao microscópio. O procedimento é necessário para uma identificação precisa, mas prejudica as populações. Pesquisadores europeus encontraram uma forma de distinguir abelhas, vespas e outros polinizadores sem causar danos: usando radar.

Como o radar reconhece os insetos

Cientistas da Technological University of Denmark (TU da Dinamarca) e do Trinity College Dublin desenvolveram um sistema baseado em ondas de rádio milimétricas. A ideia central é simples: cada espécie de inseto bate as asas de um jeito próprio, e esses movimentos geram assinaturas micro-Doppler únicas, ou seja, padrões específicos no eco do radar. Funciona como uma impressão digital, só que das asas.

Por muito tempo, o radar convencional foi usado apenas para rastrear grandes enxames de insetos migratórios em altitudes elevadas, como gafanhotos ou borboletas durante a migração. Já o sinal de um único inseto pequeno voando baixo sobre uma flor é extremamente fraco. Adam Narbudowicz, líder do estudo na TU da Dinamarca, explica que era impossível detectar um sinal tão fraco olhando apenas os dados de um único instante.

A solução veio da integração de sinais: em vez de analisar um único instante, o sistema acumula e processa os dados por mais tempo e extrai deles informação suficiente para a identificação. Os especialistas se concentraram em como o batimento das asas gera assinaturas micro-Doppler, isto é, variações sutis no eco do radar causadas por movimentos microscópicos.

«Quando olhamos os sinais brutos, é difícil captar todos os detalhes sutis.

Mas, com machine learning, conseguimos distingui-los», — Adam Narbudowicz.

Testes e resultados

Os cientistas treinaram um modelo de machine learning com cinco espécies de polinizadores: abelhas-melíferas, abelhas-de-solo e vespas de diferentes tipos. O experimento foi realizado no campus do Trinity College Dublin. Cada inseto era colocado em um pequeno cilindro de plástico sobre um emissor de antena milimétrica; a equipe registrava sua assinatura de radar e depois o soltava ileso.

O modelo analisou mais de 70 características diferentes do eco de radar de cada inseto, incluindo a frequência do batimento das asas, a velocidade de variação do movimento e a amplitude do sinal.

Os resultados impressionam:

• 85% de precisão na identificação da espécie exata do inseto
• 96% de precisão em uma classificação mais ampla: distinguir o grupo das abelhas das vespas
• Análise de 70+ características de cada eco de radar
• Ganho de precisão de 75% com 0.1 segundo de observação para 84% com 1 segundo

Aplicações práticas

Os pesquisadores propõem criar dispositivos semelhantes a armadilhas, nos quais os insetos entrariam naturalmente: o sistema os analisa em pleno voo e, em seguida, eles saem ilesos.

Isso abre caminho para diversas aplicações práticas. O monitoramento de populações de polinizadores é crucial para a agricultura, já que as abelhas polinizam cerca de um terço dos alimentos que consumimos. O sistema também pode rastrear pragas agrícolas e detectar espécies invasoras antes que se espalhem.

As ondas de rádio usadas pelo sistema são totalmente seguras: a potência fica muito abaixo de qualquer nível potencialmente nocivo. É um contraste marcante com as armadilhas tradicionais, que frequentemente usam cianeto ou outras substâncias tóxicas.

O que isso significa

A transição da morte de insetos para o monitoramento não invasivo é um enorme avanço para a entomologia e para a conservação da biodiversidade.

A próxima meta dos cientistas é desenvolver uma versão portátil para uso em campo e montar um banco de dados global com as assinaturas de radar de todos os polinizadores conhecidos. Esse banco permitirá identificar um inseto instantaneamente pelo padrão de seu voo.

Com a adição de dados ambientais, será possível acompanhar não só a composição de espécies, mas também mudanças de comportamento, como padrões anômalos na frequência do batimento das asas que sinalizem estresse populacional ou doença.