Inteligência Artificial
Ferramenta de IA da USP prevê rota e intensidade de tempestades até 30 minutos à frente
Sistema TITAN-LSTM combina radar meteorológico e redes neurais, atualiza a previsão a cada cinco minutos e reduziu falsos alarmes em cerca de 70%.
Pesquisadores do Instituto de Astronomia, Geofísica e Ciências Atmosféricas da Universidade de São Paulo (IAG-USP) desenvolveram um sistema de inteligência artificial que prevê, em curtíssimo prazo, a trajetória, a área de chuva e a intensidade de tempestades. A ferramenta, chamada TITAN-LSTM, atualiza a previsão a cada cinco minutos e projeta até 30 minutos à frente. A divulgação é de 1º de outubro de 2026, pela Agência FAPESP.
Como funciona
O sistema une dois componentes: o algoritmo TITAN, que identifica e acompanha cada tempestade nos dados de radar, e uma rede neural do tipo LSTM (memória de longo e curto prazo), que aprende padrões temporais para prever a evolução. O trabalho é da pesquisadora de pós-doutorado Andrea Salome Viteri López, com orientação de Carlos Augusto Morales Rodriguez.
Os dados e os resultados
Foram usadas observações do radar da Barragem de Ponte Nova, em Biritiba Mirim, na Região Metropolitana de São Paulo, entre 2016 e 2019, com raio de cobertura de 120 km. De mais de 32 mil tempestades analisadas, a equipe chegou a 439 ciclos de vida completos. Segundo o estudo, a previsão da área de chuva ficou 3,5 vezes melhor que a de métodos tradicionais no início, o índice de acerto subiu de 0,2 para cerca de 0,7 nos primeiros minutos e os falsos alarmes caíram cerca de 70%. O erro na intensidade da chuva foi de cerca de 3 mm/h com cinco minutos de antecedência e de 3 a 4 mm/h com 30 minutos.
Limitações e próximos passos
Por enquanto, o modelo lida apenas com tempestades “contínuas”, sem fusão ou divisão de células. Os pesquisadores trabalham em cenários mais complexos, na adaptação a outras redes de radar e, no futuro, na integração com sistemas de alerta da defesa civil. O estudo foi publicado no Journal of Geophysical Research: Machine Learning and Computation.
Nota da redação: texto elaborado pelo NTB a partir das fontes públicas listadas ao final; datas e números seguem as fontes citadas.
Estudo científico
- Publicação
- Journal of Geophysical Research: Machine Learning and Computation
- Pesquisadores
- Andrea Salome Viteri López, Carlos Augusto Morales Rodriguez
Fontes
Comentários (0)
Seja o primeiro a comentar.
Comentar