Em algumas regiões dos Estados Unidos, tempestades severas são relativamente comuns. Esses fenômenos costumam provocar ciclones e furacões que são potenciais causadores de danos. A capacidade de prever tempestades é, portanto, essencial para garantir a segurança da população. A previsão do tempo tem melhorado muito nos últimos anos, com o surgimento de modelos mais precisos e a maior disponibilidade de dados para alimentá-los, oriundos de satélites, radares e redes de sensores. Mas se a quantidade de dados melhora o processo de previsão, seu volume atual é tão grande que o processamento se torna um gargalo. Quando os estragos potenciais são tão grandes, a habilidade de fazer previsões eficientes e prematuras é uma necessidade.
O processo deu um grande passo na direção da melhoria com a implementação recente de um modelo computacional desenvolvido por pesquisadores da empresa AccuWeather, pioneira na previsão do tempo, e da Universidade de Almería, na Espanha. O modelo é baseado em classificadores lineares e usa imagens de satélite para detectar movimentos rotacionais de nuvens. O volume de dados que precisam ser processados é enorme, já que a atmosfera é infinitamente complexa. Por isso, a exigência computacional é tão grande que a solução roda no supercomputador Bridges do Centro de Supercomputação de Pittsburgh.
O modelo foi desenvolvido pela análise de 50.000 imagens de satélite históricas contendo informações das condições temporais nos Estados Unidos. Usando princípios de visão computacional, ele foi treinado especificamente para identificar o tamanho e o movimento de nuvens no formato de vírgula. Essa formação é fortemente associada com o aparecimento de ciclones. Quando posto em prática, o modelo consegue identificar, em um oceano de dados, essas formações ainda em estágio inicial – o que até ultrapassa a capacidade de métodos anteriores de previsão, inclusive aquela de especialistas fazendo a inspeção visual das imagens -, e então os meteorologistas podem focar seus esforços nos fenômenos com maior potencial de destruição. A precisão na identificação de nuvens em formato de vírgula é de 99%, e cada predição leva em média 40 segundos. O método foi capaz de prever 64% dos eventos relacionados a tempestades severas, sendo melhor do que os demais métodos disponíveis.
Os pesquisadores consideram seu trabalho nesse modelo preliminar, já que ele apenas demonstra para a comunidade científica a viabilidade da interpretação de informação visual relacionada ao tempo por sistemas dotados de inteligência artificial. Por enquanto, o modelo se limita a direcionar a atenção dos meteorologistas para eventos que podem desencadear fenômenos severos, inclusive aqueles que poderiam passar despercebidos por outros métodos. Sua aplicação prática depende agora de novos trabalhos buscando a integração dessa abordagem com modelos de previsão de tempo numéricos. Os benefícios esperados são previsões mais precisas e mais rápidas, o que aumenta o tempo disponível para que as pessoas possam se preparar para o impacto de fenômenos temporais severos.
