Accessibility Tools

BONNET, S. M. ; EVSUKOFF, A. G. ; RODRIGUEZ, C. A. M. . Precipitation Nowcasting with Weather Radar Images and Deep Learning in São Paulo, Brasil. Atmosphere JCR, v. 11, p. 1157, 2020.

Resumo: A previsão a curto prazo da precipitação pode prever e alertar para qualquer possibilidade de mudanças climáticas abruptas que podem causar riscos tanto humanos quanto materiais. A maioria dos métodos convencionais de previsão a curto prazo extrapolam os ecos do radar meteorológico, mas a previsão da precipitação ainda é um desafio, principalmente devido às rápidas mudanças nos sistemas meteorológicos e ao tempo necessário para as simulações numéricas. Recentemente, algoritmos de aprendizado profundo de predição de vídeo (VPDL) foram aplicados em previsão a curto prazo de precipitação. Neste estudo, usamos o VPDL PredRNN ++ e sequências de imagens de refletividade de radar para prever a sequência futura de imagens de refletividade para até 1 h de lead time para São Paulo, Brasil. Também verificamos a viabilidade do uso contínuo do modelo VPDL, fornecendo ao meteorologista tendências e previsões nas bordas de precipitação independentemente da ocorrência do evento climático. Os resultados obtidos confirmam o potencial do modelo VPDL como uma ferramenta adicional para auxiliar a previsão a curto prazo. Ainda que os sistemas meteorológicos que desencadeiam desastres naturais variem conforme a localização, uma solução geral pode contribuir como ferramenta para auxiliar os tomadores de decisão e consequentemente emitir alertas eficientes.

Palavras-chave: previsão do tempo de precipitação; previsão espaço-temporal; aprendizagem profunda de predição de vídeo; radar meteorológico

Topo