IA e satélites de GPS podem antecipar enchentes repentinas em minutos
Sistema batizado de TACLS, criado por NASA, UCSD e NOAA, usa sinais de satélites de navegação para detectar umidade suspeita na atmosfera e ajudar meteorologistas a emitir alertas de enchente relâmpago mais rápido. Em testes retrospectivos, o sistema identificou 93% dos avisos de inundação já emitidos entre 2017 e 2023.
Por Letícia Prado · Repórter de Ciência
Pra escala humana
Uma enchente repentina pode passar de "chuva forte" para "água na cintura" em menos tempo do que dura um episódio de podcast — às vezes 30, 40 minutos. É pouco tempo pra qualquer meteorologista cruzar dados de radar, satélite e modelos de chuva e decidir, com segurança, se vale acionar uma sirene. O TACLS, sigla para Transient Artifact and Continuous Learning System (algo como "Sistema de Detecção de Artefatos Transitórios e Aprendizado Contínuo"), foi pensado justamente pra encurtar essa janela.
Quem está por trás
O sistema é fruto de uma parceria entre o Jet Propulsion Laboratory (JPL) da NASA, o laboratório da agência espacial americana responsável por sondas e tecnologia de observação da Terra, a Universidade da Califórnia em San Diego (UCSD) — via seu instituto de oceanografia Scripps — e o National Weather Service (NWS), o serviço meteorológico oficial dos Estados Unidos, ligado à NOAA. O financiamento veio do programa Advanced Information System Technology, do Escritório de Tecnologia da Ciência da Terra da NASA (ESTO).
Como funciona, de fato
A ideia central não usa câmeras de satélite nem imagens de nuvens: ela explora um efeito colateral dos sinais de GPS e de outras constelações de navegação (o chamado GNSS). Quando esses sinais atravessam a atmosfera baixa, o vapor d'água no ar os atrasa ligeiramente. Esse atraso, medido em uma rede de estações terrestres do sul da Califórnia com mais de três décadas de dados acumulados, permite estimar quanta umidade está concentrada sobre um ponto específico do território — e um salto brusco nesse número pode ser sinal de chuva pesada se formando.
Um conjunto de algoritmos de aprendizado de máquina processa esses dados e separa "artefatos" (ruído, leituras falsas) de "transientes" reais — eventos físicos que merecem atenção. Uma camada de visualização, chamada MGViz, traduz esse resultado em mapas para meteorologistas humanos analisarem. Segundo Yehuda Bock, pesquisador da Scripps à frente do projeto, o objetivo é "fornecer aos meteorologistas uma ferramenta para ajudar na tomada de decisões sobre avisos de inundação repentina" — a decisão final continua sendo humana.
O que já está confirmado — e o que ainda é piloto
Já testado: em simulações retrospectivas com eventos climáticos reais entre 2017 e 2023 — incluindo rios atmosféricos, tempestades convectivas de monções e restos de ciclones tropicais —, o TACLS capturou 93% dos avisos de inundação repentina que já haviam sido emitidos na época, funcionando em tempo quase real e gerando previsões em cerca de 15 minutos.
Ainda piloto: o sistema não está em uso nacional nos EUA. Meteorologistas do National Weather Service estão, neste momento, trabalhando para incorporar o TACLS aos sistemas operacionais de previsão do sul da Califórnia — uma região escolhida por já ter a rede densa de estações GNSS necessária. Não há, até aqui, cronograma público de expansão para outras regiões dos Estados Unidos ou fora do país.