Nova IA prevê tempestades em minutos

Ter uma previsão precisa sobre a trajetória e intensidade da chuva nos próximos minutos não é mais um desafio que exige equipamentos caros e potentes. Uma ferramenta inovadora, criada na Universidade de São Paulo (USP) e chamada TITAN-LSTM, combina dados de radares meteorológicos com inteligência artificial para monitorar tempestades em tempo real, atualizando suas características a cada cinco minutos. Essa solução se destaca por seu baixo custo computacional, facilitando sua implementação em regiões com cobertura de radar.

O projeto foi realizado com o apoio da FAPESP, liderado por Andrea Salome Viteri López, pós-doutoranda do Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG-USP). Os resultados foram publicados no Journal of Geophysical Research: Machine Learning and Computation. O professor do IAG Carlos Augusto Morales Rodriguez, orientador de López em seu doutorado, também participou do estudo.

“Buscamos prever a chuva para curtíssimo prazo usando o TITAN, um algoritmo dos anos 1990 que identifica tempestades isoladamente, calculando sua área, força, direção e velocidade”, explica López. Em seguida, essas informações são processadas por uma rede neural para antecipar a evolução da tempestade.

A ferramenta une duas gerações tecnológicas: o TITAN, que rastreia tempestades nos radares, e a LSTM, uma inteligência artificial especializada em lembrar sequências de eventos ao longo do tempo. Enquanto o TITAN indica onde a tempestade está e seu trajeto, a rede LSTM compreende as mudanças que ocorrem na tempestade para prever seu futuro próximo.

As tempestades não são corpos rígidos; mudam de forma, intensidade e tamanho enquanto se movem. Métodos tradicionais tendem a prever apenas o deslocamento, enquanto redes neurais aprendem essas variações complexas. O TITAN-LSTM cria uma sequência numérica com dados essenciais como área da chuva, volume e velocidade, que a rede usa para prever a evolução com mais eficiência.

A LSTM mantém uma memória seletiva ao analisar esses dados, decidindo quais informações são relevantes para continuar e quais descartar, permitindo que o sistema considere não apenas o estado atual da tempestade, mas também sua história recente. Quanto maior o histórico, melhor a previsão.

O sistema foi treinado com mais de 32 mil tempestades registradas entre 2016 e 2019 pelo radar de Biritiba Mirim, em São Paulo, que digitaliza o céu a cada cinco minutos. Após um rigoroso filtro, 439 tempestades foram selecionadas, sendo 307 usadas para treinar a rede e 132 para testar sua precisão.

Foi observado que a maioria das tempestades ocorre entre novembro e março, com duração variando entre 20 e 60 minutos e picos de intensidade em diferentes momentos de sua vida. A abordagem híbrida mostrou-se até três vezes mais precisa que métodos tradicionais para prever a área da chuva, reduzindo alarmes falsos em cerca de 70%.

A incerteza cresce para previsões mais distantes, com erro na intensidade da chuva de cerca de 3 a 4 milímetros por hora para até 30 minutos à frente. Ainda assim, um histórico maior ajuda a melhorar a acurácia dessas previsões.

Outro ponto positivo é que o treinamento completo levou somente cerca de 20 minutos em um computador comum usando Python. Diferente de outras técnicas que exigem supercomputadores, o TITAN-LSTM trabalha com dados numéricos extraídos do radar, com baixo requisito computacional, podendo rodar em notebooks comuns.

Isso amplia seu uso para aplicações práticas, como sistemas de alerta de inundações e Defesa Civil. Saber a hora e local exatos da chuva permite decisões rápidas, como fechamento de ruas e retirada de pessoas em risco, além de alimentar modelos para prever enchentes.

O sistema atualmente monitora tempestades contínuas que não se fundem nem se dividem, mas já está sendo adaptado para tempestades mais complexas. A ideia é disponibilizar a ferramenta para múltiplos radares e regiões no Brasil, tornando previsões rápidas acessíveis em equipamentos simples.