Você já se perguntou como é possível, em poucos cliques, descobrir se irá chover? No passado, previa-se o tempo através da observação do formato das nuvens, da intensidade dos ventos e até do comportamento de animais e insetos. Hoje, o que parece simples envolve muito esforço no desenvolvimento de tecnologias cada vez mais precisas para análise das condições climáticas.

Entre as tecnologias utilizadas para que você saiba se vai chover ou fazer sol no final de semana, por exemplo, estão sensores, radares, balões meteorológicos, satélites e boias oceânicas para captar dados sobre a atmosfera e o oceano, além de supercomputadores e sistemas que fazem a leitura desses dados, através de cálculos matemáticos complexos. Todo esse processo gera uma série de informações que vão orientar desde o seu dia na praia até a operação de um grande navio cargueiro. Com o avanço contínuo da tecnologia, esses processos estão em constante evolução para entrega de informações cada vez mais precisas e aumento da capacidade de planejamento e gestão de riscos.

PUBLICIDADE

Um grande desafio associado às previsões de mar e tempo é a característica caótica da atmosfera e oceano. É essa característica que torna inviável previsões do tempo superiores a duas semanas, ao diminuir a assertividade das previsões ao longo dos dias. Em resumo, pequenos desvios nas primeiras horas de previsão podem resultar em erros cada vez maiores e, quando se fala em operações de grandes cargas, isso pode ter um resultado catastrófico.

Previsões hiperlocais

As previsões de tempo disponíveis para a população geral são processadas através de sistemas numéricos de previsões meteorológicas (NWP – Numerical Weather Prediction) que fornecem informações sobre todo o planeta para os próximos dias. No entanto, há uma maior dificuldade em prever o que acontecerá nas próximas horas em um local específico.

Para a tomada de decisão em operações de um porto marítimo, por exemplo, são necessárias informações precisas das condições climáticas, em um tempo e espaço bem definidos. Através de modelos numéricos hiperlocais, que oferecem maior nível de detalhe, e dados das condições locais, é possível refinar a previsão global e saber como uma frente fria que se aproxima do litoral vai impactar o movimento de ondas em uma determinada praia ou área portuária, por exemplo.

Um grande avanço tecnológico recente para aumentar ainda mais a acurácia da previsão hiperlocal é a implementação de um modelo de autoaprendizagem, o chamado machine learning, no qual o sistema se aperfeiçoa a partir da leitura dos próprios dados. Com o uso de inteligência artificial, os computadores desenvolvem a capacidade de reconhecer padrões ou prever resultados futuros, mesmo que não tenham sido programados com essa função.

Além de ampliar a capacidade de adaptação dos sistemas, o machine learning permite que a análise de dados complexos ocorra de forma automática e rápida. A técnica também torna as previsões mais precisas, já que correções são efetuadas em tempo real, a partir da atualização dos dados das condições locais de mar e tempo.

Por exemplo, o uso de técnicas de machine learning no Porto do Açu dobrou a assertividade das previsões em momentos reais de restrições ambientais – com condições de ventos, ondas e marés limitantes para as operações. Já no Rio Reno, na Alemanha, essa técnica gerou até 21 dias de previsões de nível d’agua mais precisas por ano.

O avanço tecnológico permite cada vez mais a personalização dos dados, de acordo com a necessidade de cada atividade e local. Com uso de inteligência artificial, é possível prever com precisão condições de mar e tempo de forma a garantir maior segurança na tomada de decisão.

Bruno Balbi é graduado em Oceanografia pela Universidade Federal da Bahia (UFBA) e cofundador da i4sea.