A inteligência artificial pode ajudar nas previsões meterológicas

O relâmpago é uma das forças mais destrutivas da natureza, como foi possível de observar em 2020, quando provocou enormes incêndios no Complexo de Relâmpago da Califórnia. Contudo, continua a ser um fenómeno difícil de prever. Um novo estudo liderado pela Universidade de Washington revela que a tecnologia de machine learning – algoritmos realizados por computadores, sem serem programados directamente por humanos – pode ser utilizado para melhorar as previsões de relâmpagos.

Neste sentido, este avanço tecnológico pode auxiliar os cientistas na preparação contra incêndios florestais, melhorar os avisos de segurança e criar modelos climáticos mais precisos e de longo alcance.

“Os melhores objectos de estudo para machine learning são coisas que não entendemos totalmente. E o que é falta no campo das ciências atmosféricas que continua sem muita informação? Relâmpagos ”, disse Daehyun Kim, um professor de ciências atmosféricas da UW.

A nova técnica combina as previsões do tempo com uma equação de machine learning, com base em análises de eventos anteriores de relâmpagos. O método híbrido, apresentado no passado dia 13 de dezembro na reunião de outono da American Geophysical Union, pode prever relâmpagos, no sudeste dos EUA, dois dias antes.

O novo método foi capaz de prever raios com a mesma habilidade cerca de dois dias antes em lugares, como o sudeste dos EUA, onde ocorrem muitos relâmpagos. Os cientistas acreditam também que esta técnica pode ser aplicada em projecções de longo prazo.

Os investigadores esperam melhorar o seu método, usando mais fontes de dados, mais variáveis meteorológicas e técnicas mais sofisticadas. Neste caso, os especialistas pretendem melhorar as previsões de situações específicas, como relâmpagos secos ou sem chuva, uma vez que são especialmente perigosos para incêndios florestais.

“Nas ciências atmosféricas, como em qualquer outra ciências, algumas pessoas ainda são cépticas sobre o uso de algoritmos de machine learning – porque, como cientistas, não confiamos em algo que não entendemos. Eu era um dos cépticos, mas depois de ver os resultados neste e em outros estudos, estou convencido”, afirma Kim.

Fonte: washington.edu

DEIXE UMA RESPOSTA

Por favor digite seu comentário!
Por favor, digite seu nome aqui