Equipe de pesquisa usa dados de satélite e aprendizado de máquina para prever intensidade de tufão

Em meio aos desafios impostos pelas mudanças climáticas na previsão de tufões, uma equipe de pesquisadores desenvolveu uma tecnologia que aproveita dados de satélite em tempo real e recursos de aprendizado profundo para prever tufões com maior precisão.

Liderada pelo Professor Jungho Im no Departamento de Engenharia Civil, Urbana, Terrestre e Ambiental da UNIST, a equipe de pesquisa revelou um modelo de previsão baseado em aprendizado profundo que combina dados de satélites meteorológicos geoestacionários e dados de modelos numéricos em tempo real.

Os resultados foram publicados em GIScience e Sensoriamento Remoto e iCiência em março e junho de 2024, respectivamente.

O modelo Hybrid-Convolutional Neural Networks (Hybrid-CNN), proposto pela equipe de pesquisa, combina efetivamente características espaciais baseadas em satélite e saídas de modelos de predição numérica para prever objetiva e precisamente a intensidade de ciclones tropicais (TC) com prazos de 24, 48 e 72 horas. O modelo Hybrid-CNN demonstra uma redução significativa na incerteza associada a modelos numéricos, permitindo, assim, uma previsão de tufões mais precisa.

O método tradicional de observação de tufões depende muito de dados de satélites geoestacionários analisados ​​por meteorologistas; no entanto, essa abordagem é dificultada pela necessidade de longos tempos de análise e pela incerteza inerente aos modelos numéricos. Em contraste, o modelo Hybrid-CNN reduz significativamente a incerteza associada aos modelos numéricos, permitindo, assim, uma previsão de tufões mais precisa.

A equipe de pesquisa empregou um modelo de aprendizagem de transferência para estimar a intensidade do TC usando dados de satélite do Satélite de Comunicação, Oceano e Meteorologia (COMS), lançado em 2010, e do GEO-KOMPSAT-2A (GK2A), lançado em 2019. A IA visualizou e analisou quantitativamente o processo automático de estimativa da intensidade do tufão para aumentar a precisão das previsões de tufões.

Fatores ambientais que afetam mudanças na intensidade de TC podem ser objetivamente extraídos e aplicados ao sistema de previsão de campo. Espera-se que essa tecnologia forneça assistência significativa na preparação para desastres e prevenção de danos ao fornecer informações rápidas e precisas sobre tufões aos meteorologistas.

O professor Im declarou: “Nossa estrutura de previsão de tufões baseada em aprendizado profundo permitirá que os meteorologistas desenvolvam medidas rápidas e eficazes, fornecendo informações de previsão mais precisas.”