Lebogang explora rios não perenes e segurança alimentar através da observação da Terra

Lebogang Moropane é investigadora de doutoramento em Ciências Ambientais e Hídricas, cujo trabalho se situa na intersecção da observação da Terra, aprendizagem automática e segurança alimentar. Residente na África do Sul, a sua investigação foca-se na compreensão de como os rios não perenes sustentam os sistemas agrícolas em regiões semiáridas, e como a análise de big data pode informar uma melhor governação da água e tomada de decisões. Ela tem um envolvimento ativo com a Digital Earth Africa através de programas de formação e projetos de investigação, utilizando a plataforma para desenvolver perspetivas práticas e baseadas em dados para desafios ambientais do mundo real.

Possuo um doutoramento em [sua área de estudo] e a minha investigação concentra-se em [seu foco de pesquisa].

Tenho formação académica em Ciências Ambientais e Hídricas, tendo concluído tanto a licenciatura como o mestrado nesta área. O meu mestrado centrou-se na avaliação dos impactos de plantas invasoras em ecossistemas dependentes de água subterrânea (EDAS), utilizando técnicas de deteção remota e aprendizagem automática. A minha investigação de licenciatura avaliou a precisão de estimativas de precipitação derivadas de satélite (CHIRPS e TRMM) em comparação com medições de pluviómetros em diferentes zonas climáticas da África do Sul.

Atualmente, estou a realizar um doutoramento focado em aproveitar a análise de big data para compreender o papel dos rios não perenes no apoio à segurança alimentar em regiões semiáridas da Província de Limpopo, África do Sul. Participei também em várias escolas de verão, incluindo a 5ª Big Data Africa, Open Data for Social Impact Challenge, Waternet e UKUDLA, que fortaleceram a minha compreensão de como a observação da Terra combinada com o machine learning pode ser aplicada a desafios ambientais e relacionados com a água do mundo real.

Como é que descobriu o Digital Earth Africa, e o que o atraiu às suas ferramentas?

Descobri o Digital Earth Africa durante a 5ª Big Data Africa Summer School, onde o programa foi estruturado em torno da utilização da plataforma para todos os nossos projetos. A minha equipa e eu trabalhámos no mapeamento de plantações de banana em África, utilizando dados de observação da Terra e aprendizagem automática.

O que me atraiu à plataforma foi a intuição e o bom design das suas ferramentas, especialmente os cadernos Python, que facilitaram o trabalho com conjuntos de dados em grande escala e construíram confiança na aplicação de análises avançadas a problemas ambientais reais.

Qual é o foco da sua investigação ou projeto atual e como é que os dados de Observação da Terra (OT) ajudam?

A minha investigação de doutoramento atual foca-se na compreensão do papel dos rios não perenes no apoio à produção agrícola em Limpopo, África do Sul. Tenho particular interesse em identificar que áreas agrícolas dependem destes rios, como a disponibilidade de água influencia a produtividade hídrica das culturas e como esta informação pode apoiar uma melhor tomada de decisão para a segurança alimentar e a governação da água.

Os dados de observação da Terra (EO) são centrais para este trabalho. Utilizo dados de satélite para monitorizar ao longo do tempo a dinâmica dos rios, a saúde da vegetação, a precipitação e as condições das águas subterrâneas, que seriam muito difíceis de capturar apenas com dados de campo. Ao combinar dados de EO com aprendizagem automática, consigo analisar padrões de uso e produtividade da água em escala e desenvolver ferramentas práticas e baseadas em dados para apoiar planeadores e técnicos na gestão dos recursos hídricos sob variabilidade climática.

Quais ferramentas ou conjuntos de dados na DE Africa foram mais úteis no seu trabalho e porquê?

Os conjuntos de dados mais úteis para o meu trabalho têm sido os Landsat-8 e Sentinel-2, pois proporcionam o detalhe espacial e a cobertura temporal necessários para a análise ambiental. Combinados com o machine learning, estes conjuntos de dados permitiram-me derivar índices de vegetação para identificar ecossistemas dependentes de águas subterrâneas, avaliar o seu estado e monitorizar a expansão a longo prazo de espécies invasoras.

O Sentinel-2 e o Modelo Digital de Elevação (DEM) também foram fundamentais durante a 5.ª Big Data Africa Summer School, onde os utilizamos para detetar e mapear plantações de banana em África. Adicionalmente, os dados de pluviosidade e humidade do solo CHIRPS ajudaram a adicionar contexto hidrológico, permitindo uma compreensão mais integrada das interações água-vegetação.

Claro. Um exemplo de uma vantagem significativa do DE Africa é a sua capacidade de aceder e analisar rapidamente grandes volumes de dados de satélite para identificar padrões e anomalias que, de outra forma, seriam difíceis de detetar. Isto tem sido crucial na monitorização do impacto das alterações climáticas em ecossistemas sensíveis, como as zonas húmidas, permitindo uma resposta mais rápida e eficaz.

Um feito fundamental possibilitado pelo Digital Earth Africa foi a conclusão do meu mestrado com distinção e a produção de resultados de investigação publicáveis. A plataforma proporcionou acesso a dados de observação da Terra de alta qualidade e a ferramentas de análise prontas, permitindo-me concentrar mais em análises robustas em vez de na preparação de dados. Esta eficiência apoiou a conclusão atempada do meu grau e contribuiu para a geração de resultados adequados para publicações revistadas por pares.

Já colaborou com outras pessoas através da DE Africa? Como é que isso moldou o seu trabalho?

Sim, colaborei com outros através da Digital Earth Africa, particularmente durante a 5ª Big Data Africa Summer School. Trabalhei com membros de equipas de origens diversas, incluindo ciência da computação, ciências sociais, matemática e ciência de dados. Esta colaboração interdisciplinar ajudou-nos a resolver problemas de forma mais eficiente, uma vez que cada pessoa contribuiu com a sua especialidade.

Para além disso, a partilha e discussão da Digital Earth Africa com colegas de diferentes disciplinas levou a projetos colaborativos adicionais. Estas interações expandiram a forma como utilizo a plataforma e expuseram-me a novas aplicações, métodos e perspetivas que continuam a moldar a minha abordagem de investigação.

Qual é o maior desafio que antevê para a adoção de EO na investigação africana e quais são as ideias para o superar?

O maior desafio para a adoção de Observação da Terra (OT) em pesquisas africanas é a falta de conhecimento e exposição, que está profundamente enraizada num sistema educativo desatualizado e colonial. Este sistema continua a moldar a forma como a ciência e as carreiras são enquadradas, com uma forte ênfase em disciplinas tradicionais e exposição limitada a áreas emergentes como a observação da Terra, ciência de dados e aprendizagem automática. Como resultado, muitos jovens e decisores políticos permanecem alheios à OT e à sua relevância para os desafios de desenvolvimento africanos.

Para superar isto, é necessária uma mudança deliberada para modernizar os currículos escolares, particularmente ao nível do ensino secundário. A introdução da EO, da deteção remota e da resolução de problemas baseada em dados desde cedo ajudaria a colmatar lacunas de consciencialização, a alargar os percursos profissionais e a capacitar os jovens africanos com competências alinhadas com as prioridades de investigação e desenvolvimento de África.

O que gostaria que a DE Africa alcançasse a seguir para investigadores em todo o continente?

Gostaria de ver a Digital Earth Africa expandir ainda mais os seus esforços de formação, divulgação e capacitação, especialmente para estudantes e investigadores em início de carreira. Tornar as competências avançadas em Observação da Terra (OT) e ciência de dados mais acessíveis, ao mesmo tempo que se continua a simplificar ferramentas e fluxos de trabalho, ajudaria a fazer crescer uma comunidade mais forte e mais confiante de investigadores africanos a usar a OT para resolver desafios locais.

Uma dica para um jovem investigador que queira utilizar as ferramentas da DE Africa?

Não se limite a usar as ferramentas, compreenda-as. Dedique tempo a aprender o que cada ferramenta faz, porque funciona e como se encaixa no fluxo de trabalho analítico geral. Essa compreensão constrói competências sólidas e transferíveis e torna-o um investigador muito mais confiante e eficaz a longo prazo.