SÃO PAULO — Pesquisadores da Universidade de São Paulo desenvolveram uma ferramenta capaz de prever, com antecedência de até 30 minutos, a rota, a área e a intensidade de tempestades. Batizado de TITAN-LSTM, o sistema combina dados de radar meteorológico e inteligência artificial, atualizando as previsões a cada cinco minutos.
O método foi criado por Andrea Salome Viteri López, pós-doutoranda no IAG-USP (Instituto de Astronomia, Geofísica e Ciências Atmosféricas), com apoio da FAPESP. Carlos Augusto Morales Rodriguez, professor do IAG e orientador de López durante o doutorado, também assina o artigo publicado no Journal of Geophysical Research: Machine Learning and Computation.
Como o sistema funciona
O TITAN é um algoritmo desenvolvido nos anos 1990 para identificar e acompanhar tempestades individualmente no radar. Ele calcula características como área, intensidade, direção e velocidade de propagação. A LSTM, por sua vez, é uma rede neural com memória seletiva, capaz de avaliar sequências de dados e aprender quais informações do passado permanecem relevantes.
A ferramenta não entrega à inteligência artificial toda a imagem do radar. Em vez disso, transforma cada tempestade em uma série de dados numéricos, como volume de precipitação, dimensões, intensidade média e máxima, direção e velocidade do movimento. A rede neural usa esse histórico para estimar como o fenômeno deverá evoluir.
“Nosso objetivo era fazer uma previsão de chuva de curtíssimo prazo, utilizando o TITAN, que é um algoritmo capaz de identificar as tempestades individualmente”, afirmou López.
A abordagem foi criada para representar mudanças que métodos tradicionais têm mais dificuldade de acompanhar, como crescimento, redução, intensificação, enfraquecimento, alteração de forma e dissipação da tempestade. Os testes indicaram que, quanto maior o histórico fornecido à rede, melhor tende a ser a previsão da área de chuva.
Dados e resultados
O estudo usou dados coletados entre 2016 e 2019 pelo radar instalado na barragem de Ponte Nova, em Biritiba Mirim. O equipamento fazia uma nova varredura a cada cinco minutos, em uma área com raio de 120 quilômetros.
Inicialmente, foram analisadas mais de 32 mil tempestades. Após a aplicação de critérios que selecionaram eventos com evolução completa, duração superior a 20 minutos e sem fusão com outras nuvens, restaram 439 casos. Desse total, 307 foram usados no treinamento e 132 ficaram separados para testar a capacidade de previsão.
Cerca de 70% das tempestades ocorreram entre novembro e março. Aproximadamente 83% duraram entre 20 e 40 minutos. Nos testes, o índice de acerto para a área da chuva passou de 0,2 para aproximadamente 0,7 nos primeiros minutos, enquanto os falsos alarmes foram reduzidos em quase 70%.
O erro estimado para a intensidade da chuva ficou em torno de 3 milímetros por hora com cinco minutos de antecedência e chegou a aproximadamente 3 a 4 milímetros por hora aos 30 minutos. O treinamento completo dos 439 eventos levou cerca de 20 minutos em um computador convencional, usando programas em Python.
Possíveis aplicações
Segundo López, o sistema pode fornecer informações para alertas de inundações e para a Defesa Civil, indicando por onde a chuva passa, sua intensidade, sua área de cobertura e sua direção. Esses dados também podem alimentar modelos hidrológicos usados para estimar o risco de aumento rápido da vazão de rios, alagamentos e inundações.
Nesta primeira etapa, o TITAN-LSTM trabalha com tempestades contínuas, que podem ser acompanhadas como um único objeto e não se fundem com outros sistemas nem se dividem em células diferentes. Os pesquisadores já trabalham com tempestades complexas, que podem se fundir ou se dividir durante a evolução.
A expectativa é adaptar a ferramenta a outros radares e disponibilizá-la para uso em notebooks, desde que sejam consideradas as especificações de cada equipamento. Os trabalhos em andamento também contam com financiamento da FAPESP.
