4 min de leitura
Até seis semanas de antecedência entram no horizonte da previsão de tempestades com um projeto que analisará desde grandes padrões climáticos até processos nas nuvens e poderá ajudar concessionárias, seguradoras e comunidades a se prepararem com mais tempo para condições climáticas severas
Escrito por Fabio Lucas Carvalho
Publicado em 23/07/2026 às 18:48
Atualizado em 23/07/2026 às 18:58
Ciência e Tecnologia
1 pessoa reagiu a isso.
Prefira o CPG no Google
Iniciativa apoiada pelo Departamento de Energia dos EUA testará aprendizado profundo com modelos físicos para antecipar tempestades e ampliar o tempo de preparação de comunidades, concessionárias e seguradoras diante de ventos fortes, chuvas e inundações.
Um projeto apoiado pelo Departamento de Energia dos EUA testará inteligência artificial na previsão de tempestades de grandes proporções entre sete dias e seis semanas antes de sua formação no território continental do país.
Previsão de tempestades ainda enfrenta limite de uma semana
De acordo com o interestingengineering, a Planette AI, o Laboratório Nacional do Noroeste do Pacífico, conhecido como PNNL, e a Universidade de Wyoming trabalham conjuntamente no projeto DL4MCS, integrante da Fase I do programa Genesis Mission do Departamento de Energia dos Estados Unidos.
A iniciativa busca melhorar a previsão dos sistemas convectivos de mesoescala, identificados pela sigla MCS em inglês. Esses sistemas são grandes aglomerados de tempestades capazes de ocupar áreas com centenas de quilômetros de extensão.
ARTIGO CONTINUA ABAIXO
Veja também
Os fenômenos podem provocar ventos fortes, chuvas intensas, inundações e outras condições climáticas severas. Eles também respondem por uma parcela significativa da precipitação registrada durante a estação quente nos Estados Unidos.
Atualmente, prever com precisão a atividade desses sistemas com mais de uma semana de antecedência continua sendo um desafio. A dificuldade está nas diferentes escalas envolvidas na formação e no desenvolvimento das tempestades.
As condições atmosféricas responsáveis pela formação dos sistemas podem evoluir durante períodos prolongados. As tempestades, porém, são impulsionadas por processos que ocorrem em escalas muito menores, dificultando sua representação pelos sistemas de previsão existentes.
Aprendizado profundo será combinado com modelos físicos
O DL4MCS investigará previsões entre aproximadamente sete dias e seis semanas, intervalo conhecido como previsão sub-sazonal. O projeto avaliará se o aprendizado profundo pode ajudar a preencher a lacuna existente nesse período.
A proposta não é substituir os modelos meteorológicos baseados em princípios físicos. Os pesquisadores testarão se métodos computacionais conseguem extrair padrões úteis das previsões disponíveis e indicar melhor quando e onde os sistemas provavelmente se desenvolverão.
A equipe analisará condições atmosféricas em diferentes escalas. O trabalho abrangerá desde padrões climáticos amplos, capazes de influenciar a formação das tempestades, até processos na escala das nuvens que determinam como esses eventos evoluem.
Segundo Hansi Singh, fundador e CEO da Planette AI, a combinação entre inteligência artificial e sistemas físicos comprovados pretende tornar as informações antecipadas sobre riscos de tempestades mais úteis para setores e comunidades dependentes de previsões melhores.
O PNNL contribuirá com conhecimentos em modelagem do sistema terrestre e avaliação de processos atmosféricos. A Universidade de Wyoming ficará concentrada na modelagem regional e na redução de escala das previsões.
Modelos regionais tentarão produzir orientações mais precisas
Os modelos meteorológicos de grande escala normalmente trabalham com resoluções consideradas grosseiras demais para representar todos os detalhes necessários à previsão de tempestades locais. A redução de escala busca converter essas informações em dados de maior resolução e relevância regional.
Susannah Burrows, cientista atmosférica do PNNL, afirmou que melhorar as previsões exige avanços desde os fatores climáticos de grande escala até a microfísica das nuvens responsável por moldar o comportamento das tempestades.
De acordo com Burrows, a colaboração reúne competências em modelagem do sistema terrestre, inteligência artificial e avaliação de modelos no nível dos processos para explorar um novo caminho na previsão sub-sazonal.
Stefan Rahimi, professor da Universidade de Wyoming, declarou que transformar previsões de grande escala e baixa resolução em orientações mais precisas e relevantes para decisões é essencial para melhorar a preparação e a resiliência.
Alertas antecipados poderão apoiar serviços públicos e comunidades
Caso a abordagem funcione, uma indicação antecipada de risco elevado poderá conceder mais tempo para que concessionárias de serviços públicos se preparem para possíveis interrupções.
As informações também poderão ajudar seguradoras a avaliar exposições potenciais e permitir que comunidades se planejem para tempestades severas e inundações. Esses benefícios são possibilidades condicionadas ao funcionamento da abordagem investigada.
O projeto integra um esforço mais amplo do Departamento de Energia para aplicar computação avançada e aprendizado de máquina a problemas científicos ainda difíceis de resolver por métodos convencionais.
A Genesis Mission reúne pesquisadores do governo, da indústria e da academia para desenvolver abordagens em energia, ciência e segurança nacional. No DL4MCS, o objetivo imediato é verificar se previsões físicas e aprendizado profundo podem antecipar grandes sistemas de tempestades.
Conteúdo reproduzido originalmente em: clickpetroleoegas por Fabio Lucas Carvalho.