Modelo com inteligência artificial prevê evolução de tempestades com até 30 minutos de antecedência

Pesquisadores da Universidade de São Paulo (USP) desenvolveram um modelo capaz de prever a evolução de tempestades com até 30 minutos de antecedência. A tecnologia combina o rastreamento de chuvas por radares meteorológicos com inteligência artificial e poderá contribuir para aprimorar sistemas de alerta e medidas de prevenção diante de eventos extremos.

Desenvolvido no Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG) da USP, o sistema une duas abordagens utilizadas na previsão meteorológica. De um lado está o Titan, ferramenta que identifica e acompanha tempestades a partir de imagens de radar. Do outro, uma rede neural treinada para estimar como a área e o volume das precipitações devem evoluir nos minutos seguintes.

A combinação busca superar limitações existentes nos métodos tradicionais. Modelos baseados em extrapolação conseguem estimar o deslocamento das chuvas a partir de sua direção e velocidade, mas possuem dificuldades para representar mudanças de intensidade. Redes neurais, por sua vez, conseguem interpretar dinâmicas mais complexas, porém podem exigir grande capacidade de processamento computacional.

Chuvas rápidas desafiam previsões

O desafio é especialmente relevante em regiões tropicais, onde são frequentes as chamadas “pancadas” de chuva. Essas tempestades podem surgir, ganhar intensidade e desaparecer rapidamente, produzindo grandes volumes de precipitação em períodos curtos e dificultando sua representação pelos sistemas de monitoramento.

Os radares meteorológicos registram informações em intervalos determinados, que podem variar de cinco a 15 minutos. Nesse espaço de tempo, uma tempestade pode se desenvolver ou deslocar significativamente. Parte dessa transformação pode, portanto, não aparecer nas observações utilizadas para alimentar os algoritmos de previsão.

Para enfrentar o problema, os pesquisadores criaram um modelo híbrido. A solução combina o Titan, desenvolvido pelo Centro Nacional de Pesquisa Atmosférica dos Estados Unidos (NCAR), com uma rede neural do tipo Long Short-Term Memory (LSTM), projetada para armazenar informações relevantes ao longo do tempo e utilizá-las na realização de novas previsões.

Dados de radar alimentam inteligência artificial

No estudo, o Titan recebeu dados de um radar meteorológico operado atualmente pela SP Águas, referentes ao período entre 2016 e 2019. A ferramenta analisou imagens produzidas em intervalos de cinco minutos e identificou áreas de tempestade a partir de parâmetros definidos pelos pesquisadores.

Para testar a ferramenta, os cientistas compararam as projeções do modelo com a evolução das chuvas efetivamente registrada pelo radar. O chamado Titan-LSTM realizou previsões para períodos de até 30 minutos e apresentou melhora em relação ao uso isolado do Titan, além de reduzir a taxa de erros.

Tecnologia pode apoiar sistemas de alerta

Outro resultado considerado importante foi a eficiência computacional. Segundo os pesquisadores, o desempenho do modelo híbrido foi comparável ao de sistemas mais complexos baseados em aprendizado profundo, mas exigindo menor capacidade de processamento. Essa característica pode facilitar sua implementação em diferentes instituições.

A pesquisadora Andrea Salome Viteri Lopez, autora do estudo, pretende agora integrar a ferramenta a um modelo probabilístico de previsão de cheias desenvolvido durante seu mestrado. A proposta é avançar na criação de um sistema capaz de antecipar inundações, enchentes e alagamentos na cidade de São Paulo.

Além de indicar como uma tempestade poderá evoluir, uma ferramenta desse tipo pode ajudar centros de gerenciamento a avaliar quais áreas estão no caminho das chuvas e tomar decisões com maior antecedência. Com até meia hora adicional para agir, órgãos públicos podem aprimorar alertas, organizar ações de emergência e adotar medidas destinadas a reduzir danos e proteger a população.