O furacão Ida foi um dos furacões mais intensos e prejudiciais da história da Louisiana. A violenta tempestade subiu para um furacão de categoria 1 na sexta-feira, 27 de agosto. Em seguida, escalou outras duas categorias em dois dias, saltando da categoria 3 para 4 em apenas uma hora.
Felizmente, os modelos de previsão nos ajudam a prever quando, onde e com que força os furacões podem atacar. Mas essa intensificação rápida – o exemplo mais recente de Ida – pode iludir as previsões até mesmo dos melhores modelos. Prever com precisão as breves janelas nas quais essas violentas tempestades surgem e se intensificam é um ponto cego remanescente dentro da comunidade de previsão de furacões.
Agora, graças a um novo modelo desenvolvido por pesquisadores do Laboratório Nacional do Noroeste do Pacífico do Departamento de Energia, é possível prever melhor a intensidade do furacão no futuro próximo e em cenários climáticos futuros. Usando técnicas de inteligência artificial, a equipe criou um modelo que pode, em média, prever com mais precisão a intensidade do furacão em relação aos modelos usados em nível nacional. E pode ser executado em um laptop comercial.
Preenchendo uma lacuna nas previsões de furacões
Alguns modelos de furacão rastreiam relações estatísticas entre o comportamento da tempestade e os locais. Outros calculam movimentos complexos em jogo na atmosfera da Terra. Quando combinados, esses modelos ajudam os comandantes de incidentes a preparar recursos como helicópteros ou barcos de resgate, para que as comunidades costeiras estejam mais bem preparadas para enfrentar esses desastres naturais.
Mas, como qualquer simulação de um sistema extremamente complexo, esses modelos cometem erros.
“Existem tantos exemplos de falhas nas previsões de furacões”, disse o cientista da Terra do PNNL Karthik Balaguru, co-autor do estudo. “Se você está dizendo a todos que a tempestade será de Categoria 2, mas de repente se tornará de Categoria 4, é claro que isso é um grande problema”.
Para atender à necessidade de melhores previsões de intensidade, Balaguru e seus co-autores buscaram o aprendizado profundo: um tipo de aprendizado de máquina em que os pesquisadores fornecem informações aos algoritmos que, neste caso, detectam relações entre o comportamento do furacão e fatores climáticos, como o calor armazenado no oceano, velocidade do vento e temperatura do ar. Os algoritmos então formam previsões sobre o caminho que uma tempestade pode tomar, quão forte ela pode se tornar e com que rapidez pode se intensificar.
O novo modelo, disse o cientista de dados do PNNL Wenwei Xu, que liderou o estudo, se baseia nos mesmos dados de outros modelos de furacões. Mas difere no uso de redes neurais: um sistema de neurônios artificiais que imita a computação do cérebro humano, capacitando o modelo para fazer previsões.
“Houve uma explosão de recursos de modelagem possibilitados pelo aprendizado profundo desde cerca de 2015”, disse Xu. “Vimos o aprendizado de máquina incorporado em outros campos, mas não em previsões operacionais de furacões.” Apenas um punhado de estudos aplicou técnicas de inteligência artificial para formar previsões sobre furacões.
Compreendendo os furacões em um mundo mais quente
A equipe está mais animada com a capacidade do modelo de projetar como o comportamento do furacão pode mudar em diferentes cenários climáticos. A Administração Nacional Oceânica e Atmosférica prevê que a intensidade dos furacões aumentará, em média, de um a 10 por cento em um futuro mais quente, trazendo consigo maior força destrutiva, segundo modelos que projetam dois graus Celsius de aquecimento global.
Pesquisas anteriores de Balaguru e outros cientistas do PNNL mostraram que os grandes furacões se intensificam com mais força e rapidez agora do que nos últimos 30 anos. O novo modelo pode gerar milhares de furacões simulados, disse Balaguru, oferecendo a chance de entender melhor como o risco evolui em um mundo mais quente.
“Se você conhece o estado do oceano e da atmosfera hoje”, disse Balaguru, “e conhece o estado da tempestade, pode prever o que será 24 a 48 horas depois? E cerca de 30 anos depois, quando há muito do aquecimento global e temos um clima diferente? Esse é um problema diferente, um conjunto diferente de questões, e nosso modelo pode abordá-los. ”
Esse poder também ajuda a resolver um problema de escassez de dados de longa data na comunidade de previsões. Apenas 8 a 10 furacões acontecem em um ano, disse Balaguru, e registros robustos de dados de furacões só começaram quando o uso de satélites se espalhou, cerca de 40 anos atrás. A produção de mais furacões simulados significa que mais dados estão disponíveis para ajudar a desenvolver uma compreensão básica do comportamento do furacão.
Técnicas de teste
Para explorar o poder preditivo do modelo, a equipe conduziu testes para simular uma previsão operacional em tempo real. Primeiro, eles treinaram o novo modelo, alimentando-o com dados climáticos conhecidos de furacões anteriores, até 2018. O modelo então formou previsões para os anos 2019 e 2020 com base no que havia aprendido com os dados anteriores. Os pesquisadores compararam as previsões do novo modelo com vários outros modelos de previsão usados em nível nacional, calculando os erros de previsão de cada modelo.
A nova técnica consome significativamente menos poder de computação do que muitos outros modelos – tão pouco que pode ser executado em um laptop comercial, trazendo acesso para aqueles que não trabalham com computadores de alto desempenho.
Este trabalho foi apoiado pelo Deep Learning for Scientific Discovery Science Agile Investment do PNNL, bem como pela área de programas MultiSector Dynamics do Office of Science do DOE. Apoio adicional foi fornecido pela área de programa de Análise de Modelo Regional e Global do Office of Science. O código do modelo aplicado no estudo está disponível para uso público. Os autores planejam compartilhar a produção do modelo com outros grupos na pesquisa colaborativa de furacões.
O estudo, “Experimentos de aprendizado profundo para previsões de intensidade de ciclones tropicais”, no qual esse modelo é descrito, foi publicado na edição de agosto da Weather and Forecasting, um jornal da American Meteorological Society.
Publicado em 01/10/2021 21h48
Artigo original:
Estudo original: