Este artigo foi publicado originalmente em A conversa. A publicação contribuiu com o artigo para Space.com’s Vozes de especialistas: artigos de opinião e insights.
Os furacões são os perigos naturais mais destrutivos da América, causando mais mortes e danos materiais do que qualquer outro tipo de desastre. Desde 1980, estas poderosas tempestades tropicais causaram mais de 1,5 biliões de dólares em danos e mataram mais de 7.000 pessoas.
Onda de tempestade é o aumento do nível da água do oceano, causado por uma combinação de ventos fortes que empurram a água em direção à costa e pela redução da pressão do ar dentro do furacão em comparação com a pressão fora dele. Além desses fatores, as ondas que quebram perto da costa fazem com que o nível do mar aumente perto da costa, um fenômeno que chamamos de configuração de ondas, que pode ser um componente importante da onda de tempestade.
Previsões precisas de tempestades são essenciais para dar aos residentes costeiros tempo para evacuar e para que as equipes de emergência tenham tempo para se preparar. Mas as previsões de tempestades em alta resolução podem ser lentas.
Como engenheiro costeiro, Eu estudo como as tempestades e as ondas interagem com as características naturais e provocadas pelo homem no fundo do oceano e na costa e formas de mitigar o seu impacto. Usei modelos baseados na física para inundações costeiras e recentemente explorei maneiras pelas quais a inteligência artificial pode melhorar a velocidade de previsão de tempestades.
Como a tempestade está prevista hoje
Hoje, previsões operacionais de tempestades dependem de modelos hidrodinâmicos, que se baseiam na física do fluxo de água.
Estes modelos utilizam as condições ambientais atuais – como a rapidez com que a tempestade se move em direção à costa, a velocidade e direção do vento, o momento da maré e a forma do fundo do mar e da paisagem – para calcular a altura projetada da onda e determinar quais os locais que correm maior risco.
Modelos hidrodinâmicos melhoraram substancialmente nas últimas décadas e os computadores tornaram-se significativamente mais poderosos, de tal forma que simulações rápidas de baixa resolução são possíveis em áreas muito grandes. No entanto, a simulação de alta resolução que fornece detalhes em nível de vizinhança pode levar várias horas para ser executada.
Essas horas podem ser críticas para que as comunidades em risco evacuem com segurança e para que as equipes de emergência se preparem adequadamente.
Para previsão tempestade em uma área ampla, os modeladores dividem a área alvo em muitos pequenos pedaços que juntos formam uma grade ou malha computacional. Pixels de imagem em uma imagem. Quanto menores forem as partes da grade, ou células, maior será a resolução e mais precisa será a previsão. No entanto, a criação de muitas células pequenas em uma grande área requer maior poder de computação, portanto, a previsão de tempestades leva mais tempo.
Os meteorologistas podem utilizar grelhas informáticas de baixa resolução para acelerar o processo, mas isso reduz a precisão, deixando as comunidades com mais incerteza sobre o risco de inundações.
A IA pode ajudar a acelerar isso.
Como a IA pode criar melhores previsões
Existem duas fontes principais de incerteza nas previsões de tempestades.
Um envolve os dados inseridos no modelo de computador. A trajetória da tempestade e o campo de vento de um furacão, que determinam onde ele atingirá a costa e quão intensa será a onda, são ainda é difícil prever com precisão com mais de alguns dias de antecedência. Mudanças na costa e no fundo do marcomo por dragagem de canal ou perda de pântanos salgados, manguezais ou dunas de areia, pode afetar a resistência que a tempestade enfrentará.
A segunda incerteza envolve a resolução da grade computacional, sobre a qual as equações matemáticas da onda e do movimento das ondas são resolvidas. A resolução determina quão bem o modelo vê as mudanças na elevação da paisagem e na cobertura do solo e as considera, e com que granularidade a física da onda e das ondas do furacão é resolvida.
Os modelos de IA podem produzir previsões detalhadas com mais rapidez. Por exemplo, engenheiros e cientistas desenvolveram modelos de IA baseado em redes neurais profundas que pode prever os níveis de água ao longo da costa com rapidez e precisão, usando dados sobre o campo de vento. Em alguns casos, esses modelos têm foi mais preciso do que os modelos hidrodinâmicos tradicionais.
A IA também pode desenvolver previsões para áreas com poucos dados históricos ou ser usada para compreender condições extremas que podem não ter ocorrido ali antes.
Para essas previsões, modelos baseados na física podem ser usados para gerar dados sintéticos para treinar a IA em cenários que poderiam ser possíveis, mas que na verdade não aconteceram. Depois que um modelo de IA é treinado com base em dados históricos e sintéticos, ele pode gerar rapidamente previsões de picos usando detalhes sobre o vento e a pressão atmosférica.
Treinar a IA com base em dados de modelos hidrodinâmicos também pode melhorar a sua capacidade de gerar rapidamente mapas de risco de inundação, mostrando quais ruas ou casas têm probabilidade de inundar em eventos extremos que podem não ter um precedente histórico, mas que podem acontecer no futuro.
O futuro da IA para previsão de furacões
IA é já está sendo usado nas previsões operacionais de tempestades de forma limitada, principalmente para aumentar os modelos baseados na física comumente usados.
Além de melhorar esses métodos, minha equipe e outros pesquisadores têm trabalhado desenvolvendo maneiras de usar IA para previsão de tempestades usando dados observados, avaliando os danos após furacões e processando imagens de câmeras para deduzir a intensidade da inundação. Isso pode preencher uma lacuna crítica nos dados necessários para validar modelos de tempestades em níveis granulares.
À medida que os modelos de inteligência artificial se espalham rapidamente por todos os aspectos das nossas vidas e mais dados se tornam disponíveis para os treinar, a tecnologia oferece potencial para melhorar a previsão de furacões e tempestades no futuro, dando às comunidades costeiras avisos mais rápidos e detalhados sobre os riscos que estão a caminho.
