Nova ferramenta de IA prevê rota e intensidade de tempestades em tempo real

Pesquisadores da Universidade de São Paulo (USP) criaram uma nova ferramenta chamada TITAN-LSTM, que combina dados de radares meteorológicos e inteligência artificial para prever a trajetória e a intensidade de chuvas em um período de 30 minutos. O sistema atualiza essas previsões a cada cinco minutos e se destaca pelo baixo custo computacional, facilitando sua aplicação em várias regiões já equipadas com radares.

Desenvolvimento e resultados

O projeto foi liderado por Andrea Salome Viteri López, pós-doutoranda no Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG-USP), com apoio da Fapesp. Os resultados da pesquisa foram publicados no Journal of Geophysical Research: Machine Learning and Computation. López explica que o objetivo era fazer previsões de chuvas em curtíssimo prazo, utilizando o TITAN, um algoritmo tradicional que rastreia tempestades, e a rede neural LSTM, que aprende a evolução das condições climáticas.

O TITAN é um algoritmo dos anos 90, projetado para identificar nuvens por meio de radares, enquanto a LSTM é uma inteligência artificial que memoriza sequências temporais. Juntas, essas tecnologias permitem que o TITAN forneça informações sobre a localização e o movimento das tempestades, enquanto a LSTM analisa a história recente das tempestades para prever suas futuras condições.

Funcionamento da tecnologia

O TITAN-LSTM transforma a imagem de uma tempestade em dados numéricos, como área, volume de precipitação e intensidade, que são processados pela rede neural. Essa abordagem permite que o sistema mantenha um histórico da tempestade, o que melhora a precisão das previsões. A LSTM possui uma memória seletiva, ajustando-se às informações relevantes conforme recebe novos dados.

Os pesquisadores analisaram dados de mais de 32 mil tempestades coletados entre 2016 e 2019 pelo radar de Ponte Nova, em Biritiba Mirim, na Região Metropolitana de São Paulo. Após rigorosa seleção, 439 eventos foram estudados, dos quais 307 foram utilizados para treinar a rede neural. Os testes mostraram que a nova ferramenta é mais de três vezes mais eficaz do que os métodos tradicionais na previsão da área de chuva nos primeiros minutos.

Resultados e perspectivas

Apesar de a precisão diminuir com o aumento do tempo de previsão, a ferramenta tem se mostrado promissora. A diferença nas estimativas de intensidade de chuva foi de aproximadamente 3 milímetros por hora para previsões de cinco minutos, aumentando para 3 a 4 milímetros por hora em 30 minutos. A implementação dessa tecnologia pode representar um avanço significativo nas previsões meteorológicas, com potencial para reduzir falsos alarmes em até 70%.

Com informações de Sp