Pesquisadores da Universidade de S\u00e3o Paulo (USP) criaram uma nova ferramenta chamada TITAN-LSTM, que combina dados de radares meteorol\u00f3gicos e intelig\u00eancia artificial para prever a trajet\u00f3ria e a intensidade de chuvas em um per\u00edodo de 30 minutos. O sistema atualiza essas previs\u00f5es a cada cinco minutos e se destaca pelo baixo custo computacional, facilitando sua aplica\u00e7\u00e3o em v\u00e1rias regi\u00f5es j\u00e1 equipadas com radares.<\/p>\n\n\n\n
O projeto foi liderado por Andrea Salome Viteri L\u00f3pez, p\u00f3s-doutoranda no Instituto de Astronomia, Geof\u00edsica e Ci\u00eancias Atmosf\u00e9ricas (IAG-USP), com apoio da Fapesp. Os resultados da pesquisa foram publicados no Journal of Geophysical Research: Machine Learning and Computation. L\u00f3pez explica que o objetivo era fazer previs\u00f5es de chuvas em curt\u00edssimo prazo, utilizando o TITAN, um algoritmo tradicional que rastreia tempestades, e a rede neural LSTM, que aprende a evolu\u00e7\u00e3o das condi\u00e7\u00f5es clim\u00e1ticas.<\/p>\n\n\n\n
O TITAN \u00e9 um algoritmo dos anos 90, projetado para identificar nuvens por meio de radares, enquanto a LSTM \u00e9 uma intelig\u00eancia artificial que memoriza sequ\u00eancias temporais. Juntas, essas tecnologias permitem que o TITAN forne\u00e7a informa\u00e7\u00f5es sobre a localiza\u00e7\u00e3o e o movimento das tempestades, enquanto a LSTM analisa a hist\u00f3ria recente das tempestades para prever suas futuras condi\u00e7\u00f5es.<\/p>\n\n\n\n
O TITAN-LSTM transforma a imagem de uma tempestade em dados num\u00e9ricos, como \u00e1rea, volume de precipita\u00e7\u00e3o e intensidade, que s\u00e3o processados pela rede neural. Essa abordagem permite que o sistema mantenha um hist\u00f3rico da tempestade, o que melhora a precis\u00e3o das previs\u00f5es. A LSTM possui uma mem\u00f3ria seletiva, ajustando-se \u00e0s informa\u00e7\u00f5es relevantes conforme recebe novos dados.<\/p>\n\n\n\n
Os pesquisadores analisaram dados de mais de 32 mil tempestades coletados entre 2016 e 2019 pelo radar de Ponte Nova, em Biritiba Mirim, na Regi\u00e3o Metropolitana de S\u00e3o Paulo. Ap\u00f3s rigorosa sele\u00e7\u00e3o, 439 eventos foram estudados, dos quais 307 foram utilizados para treinar a rede neural. Os testes mostraram que a nova ferramenta \u00e9 mais de tr\u00eas vezes mais eficaz do que os m\u00e9todos tradicionais na previs\u00e3o da \u00e1rea de chuva nos primeiros minutos.<\/p>\n\n\n\n
Apesar de a precis\u00e3o diminuir com o aumento do tempo de previs\u00e3o, a ferramenta tem se mostrado promissora. A diferen\u00e7a nas estimativas de intensidade de chuva foi de aproximadamente 3 mil\u00edmetros por hora para previs\u00f5es de cinco minutos, aumentando para 3 a 4 mil\u00edmetros por hora em 30 minutos. A implementa\u00e7\u00e3o dessa tecnologia pode representar um avan\u00e7o significativo nas previs\u00f5es meteorol\u00f3gicas, com potencial para reduzir falsos alarmes em at\u00e9 70%.<\/p>\n\n\n