Pesquisadores da Universidade de São Paulo criaram o TITAN-LSTM, um sistema inovador que combina inteligência artificial e dados de radares meteorológicos para antecipar a rota e a intensidade de chuvas fortes para os próximos 30 minutos. O grande diferencial da tecnologia é a eficiência: ela dispensa o uso de supercomputadores, o que viabiliza sua implementação em diferentes regiões cobertas por radares.
A união entre algoritmos clássicos e aprendizado profundo
O projeto é fruto do trabalho da pós-doutoranda Andrea Salome Viteri López, vinculada ao Instituto de Astronomia, Geofísica e Ciências Atmosféricas da USP, com orientação do professor Carlos Augusto Morales Rodriguez e financiamento da Fapesp. Os resultados foram divulgados no periódico Journal of Geophysical Research: Machine Learning and Computation.
“Nosso objetivo era fazer uma previsão de chuva de curtíssimo prazo, utilizando o TITAN, que é um algoritmo capaz de identificar as tempestades individualmente. Com ele conseguimos calcular características como área, intensidade, direção e velocidade de propagação. Depois, usamos essas informações em uma rede neural computacional para prever como a tempestade vai evoluir”, conta López.
O nome da inovação reflete a fusão de duas tecnologias distintas. De um lado está o TITAN, criado nos anos 1990 para rastrear nuvens por meio de radar; do outro, a LSTM, uma inteligência artificial especializada em reter sequências de eventos temporais.
Como funciona a memória seletiva do sistema
Enquanto o algoritmo tradicional mapeia a localização e o movimento das nuvens, a rede neural avalia a história recente para projetar o comportamento futuro. Isso é fundamental porque as tempestades sofrem constantes alterações de tamanho, formato e força ao longo de seu deslocamento.
“O TITAN-LSTM procura ocupar um terreno intermediário. Em vez de entregar à inteligência artificial toda a imagem produzida pelo radar, o TITAN transforma cada tempestade em uma sequência de informações numéricas: área ocupada pela chuva, volume de precipitação, intensidade média e máxima, dimensões da tempestade, direção e velocidade do movimento, entre outras. A rede neural aprende então como essas características se modificam ao longo do tempo. E, assim, consegue prever sua evolução futura”, diz a pesquisadora.
A arquitetura da LSTM utiliza mecanismos conhecidos como “portas” para gerenciar quais dados anteriores devem ser guardados ou descartados.
“São como portas de decisão. Em cada etapa, a rede analisa se aquela informação é relevante ou não, se deve ser mantida ou descartada. Durante o treinamento, os pesos são ajustados e, conforme recebe novas sequências de dados, a memória interna é atualizada para produzir as previsões seguintes”, explica.
Análise de milhares de tempestades e alta precisão
Para o treinamento da ferramenta, a equipe utilizou informações coletadas entre 2016 e 2019 por um radar em Biritiba Mirim, na Região Metropolitana de São Paulo, cobrindo um raio de 120 quilômetros. Mais de 32 mil eventos foram mapeados inicialmente, mas um filtro rigoroso selecionou 439 tempestades com ciclo completo superior a 20 minutos. Dse total, 307 serviram para treinar a IA e 132 para os testes de validação.
Os testes demonstraram que a abordagem combinada superou em mais de três vezes os métodos convencionais na definição inicial da área de precipitação. O índice de acerto saltou de 0,2 para 0,7 nos primeiros minutos, ao passo que os alarmes falsos caíram em quase 70%.
Baixo custo computacional e impacto prático
Um dos pontos mais chamativos do projeto é a leveza do software. O treinamento completo com centenas de tempestades levou cerca de 20 minutos em um computador comum utilizando Python.
“Uma das vantagens é que não precisamos de supercomputadores”, comenta a pesquisadora. “O software pode ser instalado em qualquer notebook. E, desde que sejam consideradas as especificações do radar utilizado, o algoritmo pode ser adaptado.”
A aplicação prática inclui o suporte direto a órgãos de proteção e segurança pública.
“Para a Defesa Civil é necessária uma previsão muito rápida. Se sabemos por onde a chuva está passando, qual será sua intensidade, qual sua área de cobertura e para onde ela está indo, podemos avaliar quais regiões serão afetadas. O objetivo é ajudar na tomada de decisão, como interditar vias ou retirar pessoas de áreas de risco”, ressalta López.
Atualmente, o modelo concentra-se em tempestades contínuas, mas os pesquisadores já avançam no estudo de células complexas que se fundem ou se dividem. O objetivo final é disponibilizar a tecnologia para radares de todo o país, auxiliando na prevenção de desastres naturais.
“A ideia é possibilitar que a ferramenta possa estar disponível para ser baixada em qualquer notebook, e possa ser associada a outros radares, em outros lugares do Brasil”, conclui.
