IA brasileira prevê chuvas intensas com menos gasto de energia e pode ampliar sistemas de alerta

A busca por previsões meteorológicas mais rápidas e precisas ganhou um novo aliado no Brasil. Pesquisadores da Universidade Federal Fluminense (UFF) desenvolveram um modelo de inteligência artificial (IA) capaz de prever chuvas intensas utilizando menos energia, menos capacidade computacional e com impacto ambiental reduzido.

O estudo, liderado pela professora e pesquisadora da UFF, Mariza Ferro, com apoio do Instituto Serrapilheira, foi publicado na revista científica Scientific Reports e teve como foco a previsão de chuvas extremas de curto prazo, conhecidas como nowcasting, a partir de dados de radar meteorológico.

A pesquisa foi realizada inicialmente com dados da cidade do Rio de Janeiro, considerada uma das áreas mais desafiadoras do país para esse tipo de previsão devido à combinação de fatores geográficos, como a presença de maciços, florestas urbanas, lagoas e a proximidade com o oceano.

Segundo Mariza, o objetivo sempre foi encontrar uma solução que ajudasse a enfrentar os impactos das mudanças climáticas sem gerar novos problemas ambientais durante seu desenvolvimento.

"Como eu poderia pensar numa solução para combater as consequências das mudanças climáticas se o desenvolvimento da minha própria solução pudesse gerar novos impactos por meio de emissões de carbono e consumo de água?", questiona a pesquisadora.
Menos energia, mesma eficiência

Os pesquisadores compararam modelos tradicionais de inteligência artificial usados na previsão de chuva com versões mais leves das mesmas arquiteturas. Para isso, utilizaram uma técnica que reduz a escala das imagens de radar durante parte do treinamento dos algoritmos, diminuindo a necessidade de processamento, memória e tempo de execução.

Os resultados mostraram que os modelos otimizados mantiveram desempenho semelhante ao das versões convencionais, mas com ganhos expressivos de eficiência. Em alguns testes, houve redução superior a 60% nas emissões equivalentes de dióxido de carbono (CO₂) e no consumo de água associados ao treinamento dos sistemas.

Além da economia energética, a abordagem pode tornar a tecnologia mais acessível para cidades que possuem menor infraestrutura tecnológica.

Tecnologia para regiões mais vulneráveis

Para a pesquisadora, a preocupação com eficiência computacional é especialmente relevante para países em desenvolvimento. Segundo ela, justamente as regiões mais vulneráveis aos efeitos das mudanças climáticas costumam ter menos recursos para investir em grandes estruturas de processamento de dados.

"Se tivermos soluções mais baratas computacionalmente, mais cidades poderão utilizar esses modelos no dia a dia das operações de monitoramento e prevenção de desastres", afirma.

Mariza também defende que a transparência sobre os custos ambientais do treinamento de sistemas de IA deveria se tornar uma prática comum no setor. "Mesmo quando não conseguimos reduzir completamente os impactos, temos o compromisso de reportar todos os custos envolvidos. Transparência também é uma questão de inclusão e equidade", destaca.

Alertas de enchentes e deslizamentos

Embora o sistema não seja capaz de impedir a ocorrência de enchentes ou deslizamentos, ele pode contribuir para que órgãos públicos tenham mais tempo para agir.

A principal aplicação está nos sistemas de alerta precoce, permitindo que equipes da Defesa Civil e centros de operações adotem medidas preventivas antes da chegada das chuvas mais intensas.

“Este tipo de modelo pode ajudar no alerta precoce para que equipes operacionais, como a Defesa Civil, tenham capacidade de reagir e prevenir os efeitos das enchentes e deslizamentos”, explica a pesquisadora. 

O projeto integra uma parceria entre pesquisadores da UFF, do CEFET-RJ e do Laboratório Nacional de Computação Científica (LNCC), que colaboram com o Centro de Operações Rio para aprimorar a previsão de eventos extremos na capital fluminense.

Além do Rio de Janeiro, os pesquisadores pretendem expandir a tecnologia para cidades como Petrópolis e Niterói, regiões frequentemente afetadas por chuvas fortes e deslizamentos.

Próximos passos

A próxima etapa do projeto será avaliar o desempenho da ferramenta em ambiente operacional, utilizando dados em tempo real nos sistemas do Centro de Operações Rio e do Alerta Rio.

Caso os resultados se confirmem, a tecnologia poderá ser incorporada de forma permanente aos sistemas públicos de monitoramento meteorológico.

Paralelamente, a equipe trabalha no desenvolvimento de novos modelos que integrem informações sobre a física da atmosfera, características do relevo e cobertura vegetal, com o objetivo de tornar as previsões ainda mais precisas.

Para Mariza Ferro, o futuro da inteligência artificial aplicada ao clima passa necessariamente pela sustentabilidade.

"Eu acredito que a chamada IA verde, ambientalmente amigável e inclusiva, deve orientar o desenvolvimento de todas as inteligências artificiais. Precisamos de soluções eficientes não apenas nos resultados, mas também na forma como são construídas", conclui.