Defesa de dissertação de doutorado
Aluna: Andrea Salomé Viteri López
Programa: Meteorologia
Título: ““Previsão de Curtíssimo Prazo a partir de um Radar Meteorológico Polarimétrico”
Orientador: Prof. Dr. Carlos Augusto Morales Rodriguez - IAG/USP
Comissão Julgadora:
Membros Titulares:
- Prof. Dr. Carlos Augusto Morales Rodriguez – Presidente e Orientador - IAG/USP
- Prof. Dr. Alexandre Gonçalves Evsukoff – UFRJ (videoconferência)
- Dr. Thiago Souza Biscaro – INPE (videoconferência)
- Prof. Dr. Leonardo Calvetti – UFPEL (videoconferência)
- Dr. Alan James Peixoto Calheiros - INPE (videoconferência)
Membros Suplentes:
- Profa. Dra. Maria de Fatima Andrade - IAG/USP
- Profa. Dra. Suzanna Maria Bonnet de Oliveira Martins – UFRJ
- Dr. Alfredo Pisani - SPÁguas
- Dr. Leonardo Bacelar Lima Santos - CEMADEN
- Prof. Dr. Eduardo Mario Mendiondo - USP-São Carlos
Resumo:
Este trabalho propõe um modelo de previsão de chuva de curtíssimo prazo de inteligência artificial que combina o algoritmo TITAN (Thunderstorm Identification, Tracking, Analysis, and Nowcasting) com redes neurais recorrentes 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. Neste modelo, TITAN-LSTM, o algoritmo TITAN rastreia os sistemas precipitantes observados no radar, alimenta o algoritmo LSTM e prevê a posição dos centróides das tempestades em até 30 minutos. O LSTM realiza a previsão da área, forma e intensidade da chuva. A arquitetura da rede é composta por três camadas LSTM com dropout de 0,2 e uma camada linear, utilizando o otimizador ADAM com taxa de aprendizado de 0,0001. Neste trabalho, foram utilizados os 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 foram selecionadas com base em critérios de trajetória, duração, localização e proximidade. Para a construção do algoritmo foram utilizadas 307 (70%) tempestades, enquanto que 132 (30%) foram usadas na validação. A raiz do erro quadrático médio (RMSE) da área de chuva prevista em função da duração das tempestades diminui em 6% (36%) para tempestades com duração entre 20-40 minutos quando são utilizados entre 10 e 15 (30-35) minutos de entrada. O viés médio (MBE) indica que o modelo superestima (subestima) a área de chuva para tempestades com durante entre 20-40 (> 60) minutos. O algoritmo apresentou uma probabilidade de detecção de chuva (POD) máxima de 89% nos primeiros 15 minutos de previsão, enquanto a taxa de falso alarme (FAR) foi inferior a 20%. Nos demais tempos de previsão o POD variou entre 50-70%, mas o FAR aumentou para 30-60% dependendo do intervalo de tempo de entrada. O melhor desempenho da intensidade da chuva apresentou um RMSE de 3,5 mm/h a 4,5 mm/h quanto foram usados 20 minutos de entrada. De modo geral, o modelo demonstrou ser uma boa ferramenta para previsão da área de chuva quanto da taxa de precipitação, com bom desempenho espacial e temporal. Entre as principais vantagens da metodologia adotada, destaca-se o uso dos campos de chuva estimados por um radar meteorológico, a previsão da evolução das tempestades com suas propriedades físicas e o baixo custo computacional do processamento.
Palavras- chave: TITAN, LSTM, radar meteorológico