Nos últimos anos, a IA revolucionou a previsão do tempo, usando registros históricos para fazer previsões mais rápidas e precisas do que os métodos tradicionais.
Apesar disso, prever condições meteorológicas altamente localizadas e em rápida mudança segue sendo um desafio.
Para mudar isso, o Google DeepMind e o Google Research lançaram o WeatherNext 3, modelo meteorológico global que já se provou o mais preciso entre os principais concorrentes testados no Operational WeatherBench, ferramenta que compara previsões de IA da startup Brightband.
“Nosso modelo aprende diretamente com observações em tempo real, permitindo fornecer previsões mais oportunas e localizadas para os eventos climáticos que mais impactam as pessoas”, relata o Google.
E continua: “Ao usar dados brutos de satélite para produzir uma previsão a cada hora em alta resolução, torna as previsões confiáveis acessíveis em todos os produtos do Google no mundo todo”.
O WeatherNext 3 gera previsões horárias em múltiplas resoluções espaciais.
Com ele, é possível visualizar variáveis de superfície importantes — como temperatura e umidade — com uma resolução de 5 quilômetros, outras variáveis de superfície com 10 quilômetros e variáveis atmosféricas, como velocidade do vento, com 25 quilômetros.
“No geral, isso proporciona uma visão global do clima aproximadamente cinco vezes mais precisa do que nosso modelo anterior, o WeatherNext 2, que produzia previsões em uma grade de 25 quilômetros com intervalos de 6 horas”, destaca a big tech.
O maior avanço do WeatherNext 3, salienta, reside na sua capacidade de aprendizado.
Diferentemente da maioria dos modelos meteorológicos de IA, incluindo o WeatherNext 2, que são treinados com dados de modelos de previsão numérica do tempo (NWP), ele incorpora um mosaico de dados globais de satélites geoestacionários em tempo real para obtém uma visão continuamente atualizada da atmosfera.
WeatherNext 3 aprende diretamente a partir de observações do mundo real, incluindo dados de satélites em tempo real e informações de estações meteorológicas em solo
Reprodução/Google
Dessa forma, consegue gerar uma nova previsão a cada hora, cada uma baseada nas observações de satélite mais recentes disponíveis, com resolução de até 5 quilômetros.
“Isso é importante porque as condições meteorológicas críticas se desenvolvem rapidamente.
Quando tempestades, frentes frias ou sistemas de precipitação surgem repentinamente, nosso ciclo de atualização rápida e a maior resolução fornecem informações mais precoces e detalhadas, necessárias para ajudar a direcionar uma resposta eficaz”, observa o Google.
A companhia complementa que, por ser capaz de fazer previsões localizadas, o WeatherNext 3 beneficiará regiões da América Latina, da África e do Ásia-Pacífico, que historicamente têm sido mal atendidas por previsões de alta resolução devido aos imensos custos de supercomputação dos modelos regionais tradicionais.
Além disso, o novo modelo introduz previsões especificamente projetadas para a produção de energia renovável.
Ele prevê velocidades do vento a 100 metros de altura (aproximadamente na altura da turbina) para uma produção precisa de energia eólica, juntamente com cobertura de nuvens e níveis de radiação solar para ajudar as fazendas solares a estimar quanta luz receberão no solo.
Ele também foi treinado para prever com mais precisão as precipitações.
O Google usou dados do Integrated Multi-satellite Retrievals for GPM (IMERG) da NASA, baseado em satélites, e sua própria reanálise global de precipitação baseada em radar de satélite.
“Em previsões globais de médio prazo, as avaliações em comparação com as linhas de base mostram uma melhoria na Pontuação de Probabilidade Classificada Contínua (CRPS) de até 60% em relação ao IMERG, 30% para o MRMS e 10% em relação às medições de pluviômetros para previsões com grande antecedência”, indica a empresa.
O WeatherNext 3 começará a alimentar as experiências meteorológicas na Busca do Google, no aplicativo Gemini, no Google Maps, na API de Clima da Plataforma Google Maps e no Google Earth Engine a partir desta quinta-feira (3).
Mais Lidas