Ao prever o tempo, meteorologistas usam uma série de modelos e fontes de dados para rastrear formas e movimentos de nuvens que podem indicar tempestades severas. Contudo, com conjuntos de dados meteorológicos cada vez mais em expansão e prazos que se aproximam, é quase impossível para eles monitorar todas as formações de tempestade - especialmente as de escala menor - em tempo real.

Agora, existe um modelo de computador que pode ajudar os previsores a reconhecerem potenciais tempestades severas com mais rapidez e precisão, graças a uma equipe de pesquisadores da Penn State, AccuWeather, Inc., e a Universidade de Almería na Espanha. Eles desenvolveram uma estrutura baseada em classificadores lineares de aprendizado de máquina - um tipo de inteligência artificial - que detecta movimentos rotacionais em nuvens a partir de imagens de satélite que poderiam ter passado despercebidas. Esta solução de IA foi executada no supercomputador Bridges no Pittsburgh Supercomputing Center.

Steve Wistar, meteorologista forense sênior da AccuWeather, disse que ter essa ferramenta para apontar seu olhar para formações potencialmente ameaçadoras poderia ajudá-lo a fazer uma previsão melhor.

"A melhor previsão incorpora o máximo de dados possível, "disse ele." Há tanto para assimilar, como a atmosfera é infinitamente complexa. Ao usar os modelos e os dados que temos [diante de nós], estamos tirando uma foto da aparência mais completa da atmosfera. "

Em seu estudo, os pesquisadores trabalharam com Wistar e outros meteorologistas da AccuWeather para analisar mais de 50, 000 imagens históricas de satélite meteorológico dos EUA. Neles, especialistas identificaram e rotularam a forma e o movimento das nuvens em formato de vírgula. Esses padrões de nuvem estão fortemente associados a formações de ciclones, o que pode levar a eventos climáticos severos, incluindo granizo, tempestades, ventos fortes e nevascas.

Então, usando visão computacional e técnicas de aprendizado de máquina, os pesquisadores ensinaram os computadores a reconhecer e detectar automaticamente nuvens em formato de vírgula em imagens de satélite. Os computadores podem ajudar os especialistas apontando em tempo real onde, em um oceano de dados, eles poderiam focar sua atenção a fim de detectar o início de um clima severo.

"Como a nuvem em forma de vírgula é um indicador visual de eventos climáticos severos, nosso esquema pode ajudar os meteorologistas a prever tais eventos, "disse Rachel Zheng, doutoranda na Faculdade de Ciências e Tecnologia da Informação da Penn State e pesquisadora principal do projeto.

Os pesquisadores descobriram que seu método pode detectar efetivamente nuvens em forma de vírgula com 99 por cento de precisão, em uma média de 40 segundos por previsão. Ele também foi capaz de prever 64 por cento dos eventos climáticos severos, superando outros métodos existentes de detecção de clima severo.

"Nosso método pode capturar a maioria dos rótulos humanos, nuvens em forma de vírgula, "disse Zheng." Além disso, nosso método pode detectar algumas nuvens em forma de vírgula antes de serem totalmente formadas, e nossas detecções às vezes são anteriores ao reconhecimento do olho humano. "

"O objetivo do nosso negócio é salvar vidas e proteger a propriedade, "acrescentou Wistar." O aviso mais avançado para as pessoas que seriam afetadas por uma tempestade, melhor estaremos fornecendo esse serviço. Estamos tentando obter as melhores informações o mais cedo possível. "

Este projeto aprimora o trabalho anterior entre o AccuWeather e um grupo de pesquisa do College of IST liderado pelo professor James Wang, quem é o orientador da dissertação de Zheng.

"Reconhecemos quando nossa colaboração começou [com o AccuWeather em 2010] que um desafio significativo enfrentado por meteorologistas e climatologistas era dar sentido à vasta e continuamente crescente quantidade de dados gerados por satélites de observação da Terra, radares e redes de sensores, "disse Wang." É essencial que os sistemas computadorizados analisem e aprendam com os dados para que possamos fornecer uma interpretação oportuna e adequada dos dados em aplicativos sensíveis ao tempo, como previsão de tempo severo. "

Ele adicionou, "Esta pesquisa é uma tentativa inicial de mostrar a viabilidade da interpretação baseada em inteligência artificial de informações visuais relacionadas ao clima para a comunidade de pesquisadores. Mais pesquisas para integrar esta abordagem com modelos numéricos de previsão do tempo existentes e outros modelos de simulação provavelmente farão a previsão do tempo mais preciso e útil para as pessoas. "

Wistar concluído, "O benefício [desta pesquisa] é chamar a atenção de um previsor muito ocupado para algo que, de outra forma, poderia ter sido esquecido."