Minha última publicação versou sobre o diagnóstico de síndromes demenciais. Hoje vou passar para a área ambiental, com foco na construção de sistemas para previsão de eventos climáticos extremos, mais especificamente envolvendo a questão das chuvas. Tive uma experiência pessoal muito forte na tragédia de 2011 na região serrana do estado do Rio, perdendo 3 parentes muito próximos em Nova Friburgo, cidade onde resido. E acredito que a computação pode ajudar tremendamente na emissão de alertas para a população e na prevenção de acidentes como os que ocorreram.
Nesse contexto, participo de alguns projetos que visam criar modelos para identificar a ocorrência futura de chuva fortes. Tive a oportunidade de coordenar uma pesquisa que objetivava prever a existência de chuvas fortes (maiores que 10mm por hora) com uma hora de antecedência. Essa previsão pode ser muito relevante, especialmente em casos em que já há um acúmulo grande de precipitação, permitindo a emissão de alertas para autoridades e população.
O grande diferencial desse projeto foi utilizar a junção de dados de duas fontes diferentes. Uma das fontes utilizadas continha dados em mesoescala, em que são considerados fenômenos meteorológicos e suas variáveis em uma escala de alguns quilômetros até 100 quilômetros. Estes dados foram obtidos na base de dados do CPTEC (Centro de Previsão de Tempo e Estudos Climáticos). Atualmente existem excelentes modelos preditivos que utilizam estes dados como base para previsão.
Se nos lembramos da tragédia de 2011, havia previsões de que haveria precipitações extremas um dia antes do evento. Mas essas previsões, por serem realizadas com modelos mesoescala, apresentavam informações genéricas, indicando que o evento ocorreria sobre uma região geográfica muito grande, no caso a região serrana do estado do Rio. E o que aconteceu é que houve diferenças significativas de precipitação em regiões relativamente próximas (com poucos quilômetros de diferença). Por exemplo, em Lumiar, distrito de Nova Friburgo, felizmente não houve um nível tão drástico de chuva quanto no centro da cidade. A chuva no bairro de Córrego Dantas, naquele evento, foi absurdamente superior, por exemplo, do que no bairro do Cônego, ambos em Friburgo, talvez não mais do que 10 km afastados entre si.
A partir dessa reflexão, nossa estratégia foi integrar às informações de mesoescala, dados coletados em uma estação meteorológica de superfície localizada no município. Essa estação coletava dados, conhecidos como dados em microescala, a cada 5 minutos, indicando temperatura, umidade, pressão atmosférica, velocidade e direção do vento, além, evidentemente dos volumes registrados de precipitação.
E qual seria o objetivo de reunir dados de micro e mesoescala em um mesmo modelo? Poder obter maior precisão nas previsões em uma escala mais reduzida, ou seja, poder ter uma previsão mais apurada em uma região de 2 a 3 km2 de proximidade à estação meteorológica. Em suma, aproveitar a riqueza dos dados de mesoescala, mas incrementar essa riqueza com dados de microescala, permitindo a construção de um modelo mais robusto e preciso. Evidentemente, o modelo preditivo considerava todas as variáveis em meso e microescala coletadas e seus efeitos sobre o volume de chuva registrado, a partir da análise dos registros históricos.
E os resultados obtidos demonstraram uma melhoria considerável em relação aos modelos tradicionais, sendo divulgados em artigo na Revista Brasileira de Recursos Hídricos. Podemos então colher duas lições a partir desse caso: 1) é fundamental que o cientista de dados busque, junto a especialistas, informações que o auxiliem no entendimento amplo e profundo do problema, o que foi feito a partir do acesso a especialistas na área de meteorologia; 2) a chave para a construção de um modelo melhor é entender exatamente o problema real na prática – no caso específico, a questão da falta de exatidão na previsão em regiões próximas – e identificar oportunidades de solucionar esse problema, o que aqui foi feito a partir da junção de duas fontes de dados que serviram como entrada para a construção do modelo final.
Por enquanto é isso! Minha próxima publicação continuará falando sobre clima, mas abordando a relação de variáveis climáticas com a dinâmica populacional de algumas espécies de mamíferos. Até lá!!
Anderson Namen é cofundador e cientista de dados da Digital Innovation Consulting Group, empresa focada em ajudar outras empresas a habilitar o digital como um importante impulsionador de negócios em vários setores da economia. Doutor em Engenharia de Sistemas e Computação pela COPPE/UFRJ, possui experiência de mais de 30 anos, tendo liderado projetos inovadores em diferentes organizações. Seu foco se concentra primordialmente em projetos englobando ciência de dados e sistemas de suporte à decisão. Atua também como professor de graduação e programas de pós-graduação na Universidade do Estado do Rio de Janeiro e na Universidade Veiga de Almeida.
Desenvolve há mais de 10 anos projetos ligados ao meio ambiente, envolvendo a análise da biodiversidade e suas relações com o clima, além da gestão e monitoramento de fauna. Na área de gestão de resíduos sólidos, teve projeto de rastreabilidade de resíduos perigosos selecionado entre os 3 melhores projetos ligados ao meio ambiente, sendo premiado no RFID Journal Green Awards, evento patrocinado pelo mais conhecido jornal focado em tecnologia RFID no mundo. Atualmente coordena projeto de aplicação de Inteligência Artificial para gestão de resíduos orgânicos, patrocinado pela Faperj, que envolve 8 diferentes organizações públicas e privadas, entre elas Embrapa, UFF, UERJ e Universidade Veiga de Almeida.
Liderou diversos projetos na área de educação, utilizando dados do INEP/MEC para previsão de resultados relacionados ao processo ensino-aprendizagem de estudantes do ensino básico. Também atou no planejamento e elaboração de currículos para o ensino superior e na criação de sistemas de apoio à decisão focados na experiência do aluno. Ainda na área de educação, liderou equipe transdisciplinar para criação de recursos de on-line focados nos diferentes estilos de aprendizagem dos estudantes, sendo agraciado com premiação pelo desenvolvimento de melhor disciplina on-line entre 15 diferentes instituições de ensino superior na América Latina.
Atuou durante 25 anos como diretor da empresa E3A Educação e Assessoria, tendo desenvolvido projetos de consultoria para empresas como Furnas Centrais Elétricas, Fundação Getúlio Vargas e Universidade Veiga de Almeida. Anteriormente, trabalhou nas empresas Mesbla Lojas de Departamentos e IBM Brasil, sendo reconhecido nessa última com 3 prêmios de contribuição significativa ao negócio.