Por Andréia Bahia em 01/10/2026 - 16:37
Uma ferramenta desenvolvida por pesquisadores da Universidade de São Paulo (USP) usa inteligência artificial para prever, em intervalos de cinco minutos, a trajetória, a área e a intensidade de tempestades pelos próximos 30 minutos. O sistema, chamado TITAN-LSTM, combina dados de radares meteorológicos com uma rede neural e pode ser utilizado sem a necessidade de supercomputadores.
A tecnologia foi desenvolvida com apoio da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) por Andrea Salome Viteri López, pós-doutoranda do Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG-USP). O professor Carlos Augusto Morales Rodriguez, do IAG-USP, também participa do trabalho.
Os resultados foram publicados no Journal of Geophysical Research: Machine Learning and Computation.
A proposta é melhorar a chamada previsão de curtíssimo prazo, permitindo identificar não apenas onde uma tempestade está, mas também como ela deve evoluir nos minutos seguintes.
“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”, explica López.
Tecnologia combina radar e inteligência artificial
O nome TITAN-LSTM reúne as duas tecnologias utilizadas no sistema. O TITAN é um algoritmo desenvolvido nos anos 1990 para identificar, rastrear e analisar tempestades a partir de imagens de radar. Já a LSTM é um tipo de rede neural capaz de trabalhar com sequências de informações e identificar padrões ao longo do tempo.
Na prática, o TITAN identifica a posição e as características da tempestade, enquanto a rede neural analisa seu histórico recente para estimar o que poderá acontecer nos minutos seguintes.
Essa combinação é importante porque uma tempestade não apenas se desloca. Durante sua evolução, ela pode aumentar ou diminuir de tamanho, ganhar ou perder intensidade, mudar de formato e desaparecer. Os métodos tradicionais de extrapolação conseguem acompanhar o deslocamento, mas apresentam limitações para prever essas transformações.
O TITAN-LSTM procura reduzir essa dificuldade ao transformar as informações observadas pelo radar em uma sequência de dados numéricos, como área ocupada pela chuva, volume de precipitação, intensidade média e máxima, dimensões, direção e velocidade de deslocamento.
A rede neural aprende, então, como essas características se modificam ao longo do tempo.
“Em vez de entregar à inteligência artificial toda a imagem produzida pelo radar, o TITAN transforma cada tempestade em uma sequência de informações numéricas. A rede neural aprende como essas características se modificam ao longo do tempo e consegue prever sua evolução futura”, afirma a pesquisadora.
Sistema utiliza uma espécie de memória
A LSTM possui mecanismos que permitem selecionar quais informações do histórico de uma tempestade devem ser mantidas e quais podem ser descartadas.
Com isso, a ferramenta não considera apenas a situação atual da chuva. Ela também leva em conta o comportamento observado nos minutos anteriores.
Os testes realizados pelos pesquisadores indicaram que quanto maior o histórico da evolução da tempestade fornecido à rede, melhor tende a ser a previsão.
Mais de 32 mil tempestades foram analisadas
Para desenvolver e testar o sistema, os pesquisadores utilizaram dados coletados entre 2016 e 2019 pelo radar meteorológico instalado na barragem de Ponte Nova, em Biritiba Mirim, na Região Metropolitana de São Paulo.
O equipamento realiza uma nova varredura a cada cinco minutos. O estudo considerou uma área de até 120 quilômetros de raio em torno do radar.
Inicialmente, foram analisadas mais de 32 mil tempestades. Após a aplicação de critérios para selecionar eventos que pudessem ter seu ciclo completo acompanhado, restaram 439 tempestades.
Foram consideradas apenas ocorrências com duração superior a 20 minutos e que não se fundiram com outras tempestades.
Desse conjunto, 307 eventos foram utilizados para treinar a rede neural e 132 foram separados para testar a capacidade de previsão do sistema.
A análise também mostrou padrões na evolução das tempestades. Cerca de 70% dos eventos ocorreram entre novembro e março e aproximadamente 83% duraram entre 20 e 40 minutos.
As tempestades mais curtas atingiram sua maior extensão por volta de 15 minutos de existência. As que duraram entre 40 e 60 minutos chegaram ao pico entre 25 e 30 minutos. Já os eventos com duração superior a uma hora atingiram a maior área aproximadamente entre 40 e 45 minutos.
Acerto na previsão da chuva aumentou
Nos testes, o TITAN-LSTM apresentou desempenho superior ao método tradicional para prever a área de chuva nos primeiros minutos.
Segundo os pesquisadores, o índice de acerto passou de aproximadamente 0,2 para 0,7 no início da previsão, enquanto os falsos alarmes foram reduzidos em quase 70%.
Como ocorre em qualquer previsão meteorológica, a incerteza aumenta quanto maior for o intervalo analisado. O erro na estimativa da intensidade da chuva ficou em aproximadamente 3 milímetros por hora para cinco minutos de antecedência e chegou a entre 3 e 4 milímetros por hora aos 30 minutos.
Mesmo assim, os testes indicaram que o uso de um histórico mais longo da tempestade ajuda a reduzir os erros na estimativa da área de chuva.
Sistema pode ajudar Defesa Civil
Uma das principais possibilidades de aplicação da tecnologia está na prevenção de desastres.
Uma previsão atualizada a cada cinco minutos pode indicar com antecedência por onde uma tempestade deverá passar, qual área poderá ser atingida e qual será sua intensidade.
Essas informações podem auxiliar órgãos como a Defesa Civil na tomada de decisões relacionadas a áreas de risco, interdições de vias e retirada de moradores.
“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”, afirma López.
Os dados também podem ser utilizados em modelos hidrológicos. A previsão antecipada do volume de chuva e do deslocamento das tempestades pode contribuir para estimar o risco de aumento rápido da vazão de rios, alagamentos e inundações.
Ferramenta pode funcionar em notebooks
Outro diferencial apontado pelos pesquisadores é o baixo custo computacional.
O treinamento da configuração utilizada no estudo, com as 439 tempestades selecionadas, levou cerca de 20 minutos em um computador convencional utilizando programas desenvolvidos em Python.
A tecnologia não depende de grandes sequências de imagens de radar processadas por equipamentos de alto desempenho. O TITAN-LSTM trabalha principalmente com séries temporais de dados extraídos do rastreamento das tempestades.
“Uma das vantagens é que não precisamos de supercomputadores. O software pode ser instalado em qualquer notebook. E, desde que sejam consideradas as especificações do radar utilizado, o algoritmo pode ser adaptado”, explica López.
A proposta é justamente ampliar a utilização da ferramenta para outros radares e diferentes regiões do Brasil.
Próxima etapa é prever tempestades mais complexas
Nesta primeira etapa, o TITAN-LSTM foi desenvolvido para acompanhar tempestades que podem ser observadas como um único sistema durante todo o ciclo de vida.
Agora, os pesquisadores trabalham para ampliar a tecnologia para eventos mais complexos, nos quais uma tempestade pode se fundir com outra ou se dividir em diferentes células.
“Agora, já estamos trabalhando com as tempestades complexas. São aquelas que, durante sua evolução, podem se fundir com outras ou se dividir em várias tempestades”, afirma a pesquisadora.
A expectativa é que, com o avanço do desenvolvimento, a ferramenta possa ser adaptada a outros radares meteorológicos e disponibilizada para órgãos responsáveis por monitoramento, alerta e prevenção de desastres.
“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”, diz López.
O trabalho também conta com financiamento da FAPESP.
O artigo científico “TITAN-LSTM: A weather radar nowcasting tool” está disponível no Journal of Geophysical Research: Machine Learning and Computation.
LEIA TAMBÉM:
Incêndio no lixão de Posse está controlado, mas bombeiros mantêm combate e rescaldo
