Inteligência artificial ajuda a prever o caminho e a força das tempestades nos próximos 30 minutos, auxiliando produtores rurais e a população em geral a se proteger.
Quem já foi surpreendido por um temporal sabe como alguns minutos de aviso podem fazer diferença. É o tempo que salva vidas. Pesquisadores da Universidade de São Paulo (USP) criaram uma ferramenta que usa inteligência artificial (IA) para antecipar por onde uma tempestade vai passar, que área ela vai cobrir e com que intensidade vai chover, nos 30 minutos seguintes. A previsão é atualizada a cada cinco minutos. A inovação se chama TITAN-LSTM e foi desenvolvida por Andrea Salome Viteri López, pós-doutoranda do Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG-USP), com orientação do professor Carlos Augusto Morales Rodriguez. Veja o texto completo em https://bit.ly/4xZA2Qm.
Como funciona
Os modelos de previsão do tempo costumam dizer se vai chover ao longo do dia. Já a previsão de curtíssimo prazo, ou seja, de minutos a poucas horas, precisa acompanhar a tempestade em tempo real, e é nesse intervalo que as decisões de emergência são tomadas. Em cidades grandes, onde a chuva forte pode causar alagamentos e deslizamentos em pouco tempo, cada minuto de antecedência é crucial. Em pomares e hortas, é o pouco tempo que se dispõe para medidas de proteção.
O nome da ferramenta junta duas tecnologias. A primeira, o TITAN, é um programa dos anos 1990 que olha as imagens de radar meteorológico e identifica cada tempestade separadamente. Ele informa onde ela está, de onde veio, para onde vai e com que velocidade se desloca, além do tamanho e da intensidade da chuva.
A segunda parte, a LSTM, é um tipo de IA com memória seletiva. Ela recebe uma sequência de informações e aprende o que do passado ainda é importante e o que pode ser esquecido. É como um meteorologista experiente que, ao ver como a chuva se comportou nos últimos minutos, tem boa noção de como ela estará logo mais.
A LSTM faz isso por meio de portas de decisão. A cada etapa, a rede avalia se determinada informação é relevante e deve ser mantida ou se pode ser descartada. Durante o treinamento, ela ajusta esses critérios até acertar cada vez mais.
Essa combinação é importante porque uma tempestade não é um objeto rígido que apenas se desloca. Ela cresce, encolhe, ganha ou perde força, muda de forma e, por fim, se desfaz. Os métodos tradicionais acompanham bem o movimento, mas erram mais ao prever essas transformações. Já as IAs que analisam imagens completas de radar costumam exigir enormes bancos de dados e computadores muito potentes.
Já o TITAN-LSTM segue um caminho intermediário: em vez de entregar a imagem inteira à IA, o TITAN a transforma em números, como área, volume de chuva, intensidade média e máxima, direção e velocidade. A rede neural aprende como esses números mudam com o tempo e projeta o que vem a seguir. Os testes mostraram que, quanto mais histórico da tempestade a rede recebe, melhor é a previsão.
Testando e validando
Os dados vieram do radar da barragem de Ponte Nova, em Biritiba Mirim, na Região Metropolitana de São Paulo, que faz uma varredura das condições meteorológicas a cada cinco minutos. Foram analisadas informações coletadas entre 2016 e 2019, num raio de 120 quilômetros em torno do equipamento.
De mais de 32 mil tempestades registradas, os pesquisadores selecionaram 439 que duraram mais de 20 minutos e não se juntaram a outras nuvens. Desse grupo, 307 serviram para treinar a IA e 132 foram guardadas para testá-la. A análise mostrou ainda que cerca de 70% dessas tempestades ocorreram entre novembro e março, e que aproximadamente 83% duraram de 20 a 40 minutos. O estudo também mostrou que tempestades mais curtas atingem o tamanho máximo por volta dos 15 minutos de vida, enquanto as que duram mais de uma hora chegam ao pico entre 40 e 45 minutos, um padrão que a IA consegue aprender.
Os resultados foram expressivos e entusiasmantes. Nos primeiros minutos, o índice de acerto da área de chuva (Probabilidade de Detecção = POD) passou de POD < 0,2, no método tradicional, para cerca de POD >0,7 no novo modelo. Os falsos alarmes caíram quase 70%. O POD é uma métrica muito usada em meteorologia para avaliar eventos binários (tipo "choveu" ou "não choveu"). A fórmula usada é POD = H/(H+M), onde: H (Hits) = acertos e M (Misses) = eventos que ocorreram mas não foram previstos.
Obviamente, a incerteza aumenta quanto mais distante no tempo é a previsão. O erro na intensidade da chuva ficou em torno de 3 milímetros por hora para cinco minutos de antecedência e chegou a apenas 3 a 4 milímetros por hora aos 30 minutos.
Outra vantagem do método é o baixo custo computacional. O treinamento completo da IA levou cerca de 20 minutos, em um computador comum, usando a linguagem Python. O software pode ser instalado em qualquer notebook. Com ajustes de acordo com as características de cada radar, a ferramenta pode ser usada em outras regiões que já tenham esse tipo de cobertura.
Próximos passos
A ferramenta lida com tempestades "contínuas", que podem ser acompanhadas como uma só ao longo de sua vida, sem se fundir com outras nem se dividir. A equipe já trabalha nas tempestades complexas, que se juntam ou se separam durante a evolução. A meta é que o programa possa ser baixado e associado a outros radares do Brasil, compartilhando previsões com órgãos de prevenção de desastres.
Saber onde a chuva vai cair, com que força e em quanto tempo é valioso para a Defesa Civil e para sistemas de alerta de enchentes. Com essa informação, é possível decidir mais rápido se é preciso interditar ruas ou retirar pessoas de áreas de risco. Os dados também podem alimentar modelos que estimam a subida de rios e o risco de alagamentos.
Em resumo, o TITAN-LSTM mostra a capacidade inovativa dos cientistas brasileiros, e que nem sempre é preciso uma máquina gigante para obter boas previsões: combinando um método clássico de rastreamento com uma IA enxuta, é possível ganhar tempo precioso diante de uma tempestade.
O autor é engenheiro agrônomo, membro do Conselho Científico Agro Sustentável e da Academia Brasileira de Ciência Agronômica.
