Uma nova pesquisa indica que a capacidade das plantas de absorver o excesso de dióxido de carbono (CO2) pode ser significativamente menor do que o estimado anteriormente pelos modelos climáticos, de acordo com um estudo divulgado em 5 de janeiro de 2026 pela Universidade de Graz. O estudo descobriu que os modelos climáticos superestimaram a fixação natural de nitrogênio, um elemento crucial para o crescimento das plantas, em aproximadamente 50%.

A pesquisa destaca o papel crítico da disponibilidade de nitrogênio para permitir que as plantas utilizem efetivamente os níveis aumentados de CO2 para o crescimento. Embora o CO2 elevado possa estimular o crescimento das plantas, esse efeito depende de nitrogênio suficiente, um nutriente essencial para a fotossíntese e a saúde geral das plantas. A superestimação da fixação natural de nitrogênio nos modelos climáticos sugere que os benefícios de resfriamento climático derivados do crescimento das plantas em condições de alto CO2 são menos substanciais do que o previsto.

Esta descoberta tem implicações significativas para as projeções de mudanças climáticas. Com as plantas absorvendo menos CO2 do que o esperado, o amortecedor natural da Terra contra as mudanças climáticas é diminuído, levando ao aumento da incerteza nas previsões climáticas futuras. "Essa capacidade reduzida das plantas de atuarem como um sumidouro de carbono significa que os níveis de CO2 atmosférico podem aumentar mais rapidamente do que o previsto, potencialmente acelerando o aquecimento global", afirmou um pesquisador líder da Universidade de Graz.

Os modelos climáticos são ferramentas computacionais complexas que simulam o sistema climático da Terra, incorporando vários fatores, como composição atmosférica, correntes oceânicas e processos da superfície terrestre. Esses modelos dependem de algoritmos e vastos conjuntos de dados para projetar cenários climáticos futuros. No entanto, como este estudo demonstra, as incertezas em parâmetros-chave, como as taxas de fixação de nitrogênio, podem impactar significativamente a precisão dessas projeções.

O estudo também ressalta a importância de incorporar representações mais precisas dos processos biológicos nos modelos climáticos. Os modelos tradicionais geralmente simplificam interações ecológicas complexas, o que pode levar a discrepâncias entre as previsões do modelo e as observações do mundo real. Avanços recentes em inteligência artificial (IA) e aprendizado de máquina estão sendo explorados para melhorar a representação desses processos. Os algoritmos de IA podem analisar grandes conjuntos de dados para identificar padrões e relacionamentos que podem não ser aparentes por meio de abordagens de modelagem tradicionais. Por exemplo, os modelos de aprendizado de máquina podem ser treinados para prever as taxas de fixação de nitrogênio com base em fatores ambientais, como temperatura, precipitação e composição do solo.

As implicações desta pesquisa se estendem além da comunidade científica. Os formuladores de políticas confiam em modelos climáticos para informar decisões relacionadas à redução de emissões e estratégias de adaptação climática. A percepção de que as plantas podem não absorver tanto CO2 quanto se pensava anteriormente exige uma reavaliação dessas estratégias. Reduções de emissões mais agressivas podem ser necessárias para atingir as metas climáticas, e maior ênfase pode precisar ser colocada no desenvolvimento de tecnologias que removam diretamente o CO2 da atmosfera.

Pesquisas futuras se concentrarão em refinar as estimativas das taxas de fixação de nitrogênio e incorporar essas estimativas aprimoradas em modelos climáticos. Os cientistas também estão explorando maneiras de aumentar a fixação natural de nitrogênio por meio de práticas agrícolas sustentáveis. A integração de IA e aprendizado de máquina na modelagem climática deverá desempenhar um papel cada vez mais importante na melhoria da precisão e confiabilidade das projeções climáticas.