Uma nova solução de inteligência artificial, desenvolvida na Universidade de São Paulo (USP) e batizada de TITAN-LSTM, permite prever com precisão a rota e a intensidade de tempestades para os próximos 30 minutos, atualizando as informações a cada cinco minutos.

O sistema se destaca por exigir poucos recursos computacionais, o que possibilita sua operação em notebooks convencionais e facilita a adoção em áreas que já contam com cobertura de radares meteorológicos.

O projeto contou com apoio da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) e foi conduzido pela pós‑doutoranda Andrea Salome Viteri López, vinculada ao Instituto de Astronomia, Geofísica e Ciências Atmosféricas da USP (IAG‑USP). O professor Carlos Augusto Morales Rodriguez, orientador de López durante o doutorado, também assina o artigo científico.

Os resultados foram divulgados na revista científica Journal of Geophysical Research: Machine Learning and Computation.

Segundo López, o objetivo era gerar previsões de chuva de curtíssimo prazo utilizando o algoritmo TITAN, que identifica tempestades individualmente e calcula características como área, intensidade, direção e velocidade de deslocamento. Esses parâmetros são então inseridos em uma rede neural para estimar a evolução da tempestade.

O nome da ferramenta reflete a junção de duas tecnologias: o TITAN (Identificação, Rastreamento, Análise e Previsão de Curtíssimo Prazo de Tempestades), algoritmo clássico dos anos 1990 especializado em rastrear nuvens em imagens de radar, e a LSTM (Long Short‑Term Memory), modelo de IA projetado para memorizar sequências temporais.

A divisão de tarefas funciona da seguinte maneira: o TITAN determina a localização atual da tempestade, sua origem e a direção que está seguindo, enquanto a rede LSTM responde à pergunta de como a tempestade se comportará nos minutos seguintes, considerando as mudanças recentes.

Essa abordagem é relevante porque uma tempestade não se comporta como um objeto rígido; ela pode crescer, encolher, intensificar ou enfraquecer, mudar de forma e, eventualmente, dissipar‑se. Métodos tradicionais de extrapolação acompanham bem o deslocamento, mas têm dificuldade em representar essas transformações. Redes neurais mais avançadas conseguem aprender essas dinâmicas, porém geralmente exigem o processamento de imagens bidimensionais completas de radar, grandes bancos de dados e alta capacidade de cálculo.

O TITAN-LSTM propõe um caminho intermediário: ao invés de fornecer à IA a imagem inteira do radar, o TITAN converte cada tempestade em uma sequência numérica contendo dados como área ocupada pela chuva, volume de precipitação, intensidade média e máxima, dimensões, direção e velocidade de movimento, entre outros. A rede neural então aprende a projetar a evolução da tempestade com base nesses parâmetros.

Com informacoes de Folha de S.Paulo.