Inteligência artificial pode melhorar as previsões de curto prazo

Alertas quase instantâneos dependem de uma estrutura organizada de radares e computadores hábeis, avaliam especialistas - (crédito: GENE BLEVINS)

Correio Braziliense

postado em 11/09/2023 06:00

Quem nunca foi surpreendido por um temporal em um dia com previsão de sol forte? Certamente, muitos leigos e meteorologistas. Isso porque a ciência a que esses profissionais se dedicam tem as suas limitações. Por exemplo, não é fácil antever um temporal um pouco antes de ele acontecer. Pesquisadores do Stevens Institute of Technology, nos Estados Unidos, trabalham em uma nova abordagem que poderá tornar esse processo mais preciso. O objetivo é de que, no futuro, o método baseado em inteligência artificial seja utilizado para antecipar tempestades repentinas que resultem em inundações e em outros desastres associados às fortes chuvas.

Marouane Temimi, um dos responsáveis pelo estudo, explica que esse tipo de avaliação de prazo extremamente curto se chama nowcasting. "A questão não é apenas se você deve levar seu guarda-chuva quando for passear. As previsões que nos faltam, aquelas que apontam para 2 a 5 minutos, são precisamente o que é necessário para responder eficazmente a tempestades, inundações e outras emergências", afirma, em nota, o também hidrometeorologista da universidade americana.

A equipe estudou sete algoritmos de previsão a curto prazo, sendo cinco determinísticos e dois probabilísticos. O primeiro modelo assume que uma célula de chuva não mudará ao longo do tempo, enquanto o outro — considerado pelos pesquisadores como altamente preciso na previsão de precipitação de longo e curto prazo — explica a constante mudança de uma célula de chuva, que é determinada pela dinâmica do ar quente e frio dentro de uma nuvem.

Nos testes dos programas, foram utilizados dados meteorológicos da região de Nova York colhidos ao longo de oito anos e obtidos nos sistemas de radar meteorológico da Administração Nacional Oceânica e Atmosférica (NOAA). No total, 2.941 pontos de previsão foram calculados em diversas durações de eventos climáticos ocorridos na cidade americana. Segundo o grupo, é a primeira comparação robusta da precisão dos modelos de inteligência artificial em uma vasta gama de condições meteorológicas.

Os resultados, apresentados na revista Environmental Modeling & Software, mostraram que ambos os modelos podem ser eficazes para previsões de períodos de alguns minutos. "A principal conclusão é que precisamos selecionar modelos de previsão de curto prazo com base no caso de uso pretendido", afirma Achraf Tounsi, principal autor do artigo. "Se você quer saber se vai chover nos próximos cinco minutos, precisa de um modelo determinístico. Se você administra um aeroporto ou porto marítimo e deseja dados para os próximos 20 minutos ou horas, será melhor atendido com um modelo probabilístico", diferencia.

Limitações

Andrea Ramos, pesquisadora do Instituto Nacional de Meteorologia (Inmet), explica que o nowcasting é difícil de executar, uma vez que esse tipo de previsão inclui detalhes que não podem ser resolvidos por modelos numéricos de grande escala, usados principalmente para previsões com vários dias de antecedência. "Cada uma das técnicas utilizadas apresenta limitações de acurácia e tempo de previsibilidade, uma vez que as implementações dessas ferramentas requerem uma estrutura organizada de rede de radares e computadores hábeis no processamento de diversas fontes de informação", diz.

Segundo a especialista, a abordagem proposta pelo grupo tem potencial para ajudar os meteorologistas na emissão de respostas mais rápidas para a prevenção de desastres naturais. "Diante do aumento de eventos atmosféricos severos que impactam significamente em diversos setores da sociedade, se faz necessário o monitoramento dessas ameaças naturais em áreas de risco para reduzir os prejuízos. Esse novo método pode ser essencial para viabilizar a previsão de curtíssimo prazo de tempo", avalia. "A busca pela melhoria da acurácia de algoritmos é o que motiva a busca por novos métodos. Os baseados em reconhecimento de padrões em séries temporais, como nowcast, tem se mostrado um caminho promissor nessa busca."

Grande escala

Professor titular do Departamento de Ciência da Computação do Instituto de Matemática e Estatística da Universidade de São Paulo (USP), Marcelo Finger avalia que o método proposto pela equipe estadunidense apresenta potencial para ser utilizado em grande escala, desde que existam dados que possam ser usados em aprendizado automático dos modelos. "Os algoritmos de aprendizado mais modernos são capazes de lidar com séries temporais imediatas, como o nowcast, da mesma forma que lidam com sequências de dados de um futuro mais distante. Basta que se tenha coletado um número grande de dados para aprendizado automático", afirma.

Segundo o especialista, não há a necessidade de um número muito grande de dados para que a acurácia desses algoritmos comece a melhorar. "Muitas vezes, a coleta de dados de qualidade é uma tarefa cara", explica o também Diretor do Instituto Lawgorithm. A equipe americana trabalha, agora, para investigar as razões pelas quais certos modelos têm melhor desempenho do que outros em diferentes condições. O próximo passo deverá ser a criação da própria ferramenta tecnológica. "Esperamos desenvolver o nosso modelo de previsão a curto prazo e ensiná-lo a superar os que avaliamos", conta Tounsi.

* Amanda Gonçalves, estagiária sob a supervisão de Carmen Souza