Sistema com baixo custo computacional favorece a aplicação em áreas com cobertura de radares. A nova ferramenta intitulada TITAN-LSTM, desenvolvida pela Universidade de São Paulo (USP), é capaz de prever a rota e a intensidade da chuva para os próximos 30 minutos sem depender de supercomputadores. Este sistema híbrido combina dados de radares meteorológicos com inteligência artificial, permitindo atualizações a cada cinco minutos sobre as precipitações.
O projeto recebeu apoio da Fapesp e foi conduzido por Andrea Salome Viteri López, pós-doutoranda no Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG-USP). Os resultados foram publicados no Journal of Geophysical Research: Machine Learning and Computation e contam com a participação do professor Carlos Augusto Morales Rodriguez, orientador de López.
“O objetivo era prever chuvas de curto prazo utilizando o TITAN, um algoritmo que identifica tempestades individualmente. Com ele, conseguimos medir características como área, intensidade, direção e velocidade. Em seguida, essas informações foram integradas em uma rede neural para prever a evolução da tempestade”, explica López.
O nome TITAN-LSTM reflete a combinação de duas gerações tecnológicas: TITAN, um algoritmo clássico dos anos 1990 para rastreamento de nuvens, e LSTM (Memória de Longo e Curto Prazo), uma rede neural projetada para processar sequências temporais de dados.
A divisão de funções entre o TITAN e o LSTM é clara: enquanto o TITAN fornece a localização e o movimento da tempestade, a rede LSTM projeta como ela evoluirá nos próximos minutos.
A flexibilidade do TITAN-LSTM permite que ele se posicione entre métodos tradicionais e redes neurais sofisticadas, processando informações numéricas sobre as tempestades em vez de imagens, o que resulta em menor demanda computacional
A eficácia da LSTM se deve à sua memória seletiva, que prioriza informações relevantes ao longo do tempo. Mecanismos chamados de “portas” regulam o que deve ser mantido ou descartado, permitindo ao sistema analisar não apenas o estado atual de uma tempestade, mas também sua evolução histórica, tornando as previsões mais precisas.
Os testes validaram que quanto mais histórica de tempestades for fornecida à rede, mais assertivas serão as previsões.
Os pesquisadores basearam sua análise em dados de tempestades coletados entre 2016 e 2019 usando um radar na barragem de Ponte Nova, em Biritiba Mirim, dentro da Região Metropolitana de São Paulo. O radar realiza varreduras a cada cinco minutos, com um raio de 120 km de cobertura.
Foram consideradas mais de 32 mil tempestades, mas apenas 439 foram escolhidas para análise por atenderem a critérios rigorosos. 307 delas foram usadas para treinar a rede e 132 para avaliação.
Os dados revelaram que 70% das tempestades ocorreram entre novembro e março. Testes demonstraram que o TITAN-LSTM foi mais de três vezes mais eficaz em prever a área de chuva inicial em comparação aos métodos tradicionais, além de reduzir falsos alarmes em quase 70%.
A estimativa de erro na intensidade da chuva foi de 3 mm/h para cinco minutos à frente, alcançando cerca de 3 a 4 mm/h após 30 minutos, com a qualidade das previsões melhorando com um histórico mais extenso da tempestade.
Outra vantagem prática é que o treinamento completo pode ser realizado em um computador convencional em cerca de 20 minutos, utilizando a linguagem de programação Python, comum em ciência de dados e IA.
Ao não precisar de supercomputadores, o TITAN-LSTM é acessível em qualquer notebook, e pode ser adaptado a outros radares, favorecendo sua aplicação em diversas regiões do Brasil.
Essas previsões podem ser decisivas para sistemas de alerta de inundações e para a Defesa Civil, permitindo ações rápidas para proteger áreas vulneráveis.
Atualmente, o TITAN-LSTM se foca em tempestades contínuas, podendo seguir a evolução sem fusões com outras tempestades. Pesquisas em andamentos visam ampliar essa capacidade para ajustar o modelo a tempestades complexas.
Com possibilidades de adaptação a outros radares e uma interface amigável, a ferramenta tem o potencial de ser disponível para download em todos os notebooks, impulsionando a segurança em áreas em risco.
Esse desenvolvimento também recebe financiamento da Fapesp.
Fonte: https://www.agenciasp.sp.gov.br/nova-ia-preve-tempestades-curtissimo-prazo/
