Cada vez que alguém fotografa uma flor silvestre em um parque urbano ou um arbusto carregado de frutos à beira de uma trilha, está fazendo mais do que registrar um momento de curiosidade. Para a maioria, é algo mais do que simplesmente registrar uma cena. INaturalista Para os usuários, essa fotografia pode ser simplesmente um registro pessoal, uma descoberta de fim de semana ou uma forma de identificar a planta à sua frente. No entanto, esse arquivo digital também pode se tornar matéria-prima para a ciência. Com a ajuda de uma ferramenta de visão computacional chamada PhenoVisionFotografias da comunidade podem ser transformadas em um vasto banco de dados para rastrear como as plantas respondem às mudanças ambientais.
As plantas possuem seus próprios relógios biológicos, e a fenologia, o momento em que ocorrem eventos do ciclo de vida como o desabrochar das folhas, o surgimento das folhas, a floração e a frutificação, é um dos sinais mais claros de como os ecossistemas respondem às mudanças nas condições ambientais. Se as plantas florescem ou frutificam mais cedo do que o normal, podem ficar dessincronizadas com os polinizadores, dispersores de sementes ou outras espécies que dependem delas. Essas mudanças podem afetar as interações entre as espécies e alterar a estrutura e a função do ecossistema. Para detectar e prever tais mudanças, os cientistas precisam de dados fenológicos detalhados e de alta qualidade de todo o mundo. No entanto, os registros fenológicos históricos são frequentemente escassos e geograficamente enviesados, limitando a compreensão mais ampla de como a vida vegetal está mudando.
É aqui que os dados da ciência cidadã se tornam vitais. Plataformas como o iNaturalist recebem milhões de observações da natureza todos os meses, criando um registro extraordinário de onde e quando plantas e outros organismos são observados. Apesar desse enorme fluxo, a maioria dessas imagens não é rotulada com informações sobre se uma planta está florindo ou frutificando. A anotação humana é muito mais lenta do que a taxa de novos uploads, tornando a revisão manual de dezenas de milhões de imagens de campo inviável. Para solucionar esse gargalo, uma equipe liderada pelos pesquisadores Russell Dinnage, Daijiang Li e Robert Guralnick desenvolveu PhenoVisionEste modelo de visão computacional automatiza a anotação de flores e frutos a partir de imagens de campo, representando uma estrutura de alto desempenho orientada por rigorosas necessidades de pesquisa.
Construir PhenoVisionOs pesquisadores treinaram um modelo computacional, baseado em um Vision Transformer, com 1.5 milhão de imagens do iNaturalist que as pessoas já haviam marcado como sendo de flores, frutos ou nenhuma das duas. Eles também forneceram ao modelo treinamento adicional com um grande conjunto de dados de identificação de plantas, ajudando-o a aprender as pistas visuais que botânicos e naturalistas usam ao identificar plantas.
No entanto, as fotos do iNaturalist não são retratos de estúdio. Elas podem ser desfocadas, distantes, mal iluminadas, cheias de outras plantas ou tiradas de ângulos incomuns. Para lidar com isso, os pesquisadores estabeleceram pontos de corte rigorosos para quando o programa pudesse afirmar com segurança a presença de uma flor ou fruto e quando uma imagem deveria ser tratada como ambígua. Após essa etapa de controle de qualidade, PhenoVision Apresentou um desempenho muito bom nas imagens de teste, detectando corretamente a presença de flores com 98.5% de precisão e a presença de frutos com 95% de precisão.
Após a calibração dos resultados do modelo, os pesquisadores aplicaram o PhenoVision a mais de 53 milhões de imagens de plantas não anotadas do iNaturalist. O resultado foi um novo e importante recurso para a botânica digital: 30,199,391 registros fenológicos padronizados e prontos para pesquisa, incluindo mais de 25 milhões de registros de flores e quase 5 milhões de frutos. Isso expande significativamente os dados fenológicos de locais que muitas vezes foram sub-representados, especialmente no Sul Global e longe dos principais centros de pesquisa urbanos ou costeiros. O projeto também amplia a cobertura taxonômica, gerando rótulos fenológicos automatizados para 119,340 espécies de plantas, representando mais de um quarto de todas as plantas conhecidas, em 10,406 gêneros e 408 famílias.
Para facilitar o uso desses dados em conjunto com outros registros botânicos, os pesquisadores mapearam as informações fenológicas resultantes para o Ontologia da Fenologia Vegetal e então o introduziu em um aplicativo web chamado PhenoBaseIsso permite que os registros da ciência cidadã sejam combinados mais facilmente com registros de espécimes físicos de herbários e com dados de monitoramento in situ. Juntas, essas fontes podem fornecer aos cientistas uma visão mais ampla de quando as plantas florescem e frutificam, e como esses padrões estão mudando entre regiões, espécies e ecossistemas.
An artigo de pesquisa inicial já está mostrando o que os dados do PhenoBase podem revelar. Usando fotos do iNaturalist etiquetadas com flores e frutos, os autores compararam plantas em cidades tropicais com plantas em áreas rurais próximas. Eles descobriram que as plantas urbanas tendiam a florescer ou frutificar por mais tempo, com padrões sazonais menos claros. Se as cidades estão alterando o calendário usual de floração e frutificação, isso pode afetar os polinizadores, a produção de sementes, a sobrevivência das plantas e o ecossistema urbano em geral.
Para os usuários do iNaturalist, o projeto demonstra como a ciência cidadã pode ir muito além de observações individuais. Uma fotografia tirada durante uma caminhada, excursão ou passeio de fim de semana pode se tornar parte de um esforço global para monitorar as mudanças na biodiversidade. Para pesquisadores, o PhenoVision oferece modelos de código aberto, fluxos de trabalho e métricas de qualidade padronizadas que podem apoiar estudos fenológicos em larga escala. Para a conservação, dados fenológicos quase em tempo real podem ajudar a detectar épocas de floração atípicas, rastrear mudanças relacionadas ao clima e identificar regiões onde o ciclo de vida das plantas está mudando mais rapidamente.
A botânica digital não se trata de substituir o fascínio pelas plantas por algoritmos ou bancos de dados. Em vez disso, plataformas como o PhenoVision mostram como o aprendizado de máquina pode amplificar a curiosidade humana do dia a dia. Da próxima vez que você fotografar uma planta florida para o iNaturalist, essa imagem poderá fazer mais do que preservar uma lembrança ou ajudar na identificação. Ela poderá se tornar uma pequena parte de um esforço global para entender como a vida vegetal está mudando.
LEIA OS ARTIGOS
Dinnage, R., Grady, E., Neal, N., Deck, J., Denny, E., Walls, R., Seltzer, C., Guralnick, R., & Li, D. (2025). PhenoVision: Uma estrutura para automatizar e fornecer dados de fenologia de plantas prontos para pesquisa a partir de imagens de campo. Métodos em Ecologia e Evolução, 16, 1763–1780. https://doi.org/10.1111/2041-210X.70081
Jha, R.Simha, A., Ita, R., Rao, R., Li, D., e Kandlikar, G. (2026) Ambientes urbanos remodelam a fenologia reprodutiva em plantas nos trópicos. Disponível em: https://doi.org/10.64898/2026.01.28.702306.
Tradução para espanhol e português de Erika Alejandra Chaves-Diaz.
Foto da capa por Zoro (Canva).
Perfil do Escritor Convidado
Erika é uma bióloga e ecóloga colombiana apaixonada por florestas tropicais, primatas e comunicação científica. Ela possui mestrado em Ecologia e Conservação da Vida Selvagem e trabalha com a @cienciatropical para conectar pessoas com a biodiversidade.
