Previsão de curtíssimo prazo a partir de um radar meteorológico polarimétrico

• Ano de defesa: 2025
• Autor(a) principal: Lopez, Andrea Salome Viteri
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: LSTM; Previsão de curtíssimo prazo; Radar meteorológico; TITAN; Very Short-Term Forecasting; Weather Radar
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/14/14133/tde-14082025-104836/

Este trabalho propõe um modelo de previsão de chuva de curtíssimo prazo baseado em aprendizado de máquina, integrando o TITAN (Thunderstorm Identification, Tracking, Analysis, and Nowcasting) a uma rede neural recorrente do tipo LSTM (Long Short-Term Memory). O objetivo é prever a evolução temporal e espacial da área de chuva e a intensidade da precipitação utilizando campos de chuva estimados por um radar meteorológico polarimétrico. No modelo, TITAN-LSTM, o TITAN identifica e rastreia os sistemas precipitantes observados no radar, alimenta o algoritmo LSTM e prevê a posição dos centroides das tempestades em até 30 minutos, enquanto a LSTM estima a área, a forma e a intensidade da chuva. A rede é composta por três camadas LSTM com dropout de 0,2 e uma camada linear, treinada com o otimizador ADAM (taxa de aprendizado de 0,0001). Utilizaram-se dados do radar Doppler banda S de dupla polarização (SPOL) do DAEE e operado pela FCTH, com resolução temporal de 5 minutos, no estado de São Paulo, entre 2016 e 2019. Um total de 439 tempestades foi selecionado por critérios de trajetória, duração, localização e proximidade; 307 (70%) tempestades foram usadas no treinamento e 132 (30%) na validação. Para tempestades com duração entre 20-40 minutos, o RMSE da área de chuva prevista reduziu-se em cerca de 6% (36%) para quando são utilizados entre 10 e 15 (30-35) minutos de entrada. O viés médio (MBE) indica superestimação (subestimação) da área de chuva para tempestades com duração entre 20-40 (> 60) minutos. A probabilidade de detecção de chuva (POD) atingiu 89% nos primeiros 15 minutos de previsão com taxa de falso alarme (FAR) inferior a 20%. Nos demais tempos de previsão, o POD variou entre 50-70% e o FAR entre 30-60%, a depender do intervalo de entrada. Para a intensidade da chuva, o melhor desempenho apresentou RMSE entre 3,5 e 4,5 mm/h quanto se utilizaram 20 minutos de entrada. De modo geral, o modelo mostrou bom desempenho espacial e temporal na previsão da área de chuva e da taxa de precipitação, destacando-se pelo uso de campos de chuva estimados por radar, pela previsão da evolução das tempestades com base em propriedades físicas e pelo baixo custo computacional.