São Paulo — InkDesign News — Um novo estudo utiliza *machine learning* para mapear áreas mais afetadas por furacões nos Estados Unidos, analisando dados históricos para ajudar empresas de seguros a refinar suas políticas de preços.
Arquitetura de modelo
Os pesquisadores empregaram algoritmos geoespaciais avançados, utilizando bibliotecas como Tropycal e GeoPandas para acessar e processar dados de furacões. Isso inclui o cruzamento de trajetórias de tempestades com limites de condados. “As contagens de furacões foram calculadas a partir de interseções com estes limites”, explica um membro da equipe.
“As contagens de furacões foram calculadas a partir de interseções com estes limites”
(“Hurricane counts were calculated from intersections with these boundaries.”)— Pesquisador, Instituto de Meteorologia
Treinamento e otimização
A filtragem dos dados se baseou no critério de intensidade, considerando apenas furacões com vento superior a 64 nós. A análise abrangeu um período de 49 anos, de 1975 a 2024, e foi realizada com um foco específico nas condições de aquecimento global que influenciam o padrão dos furacões. “Analisamos a distribuição de furacões em regiões costeiras e interiores, a fim de obter uma imagem mais completa dos impactos”, diz o pesquisador.
“Analisamos a distribuição de furacões em regiões costeiras e interiores, a fim de obter uma imagem mais completa dos impactos”
(“We examined the distribution of hurricanes in coastal and inland areas to get a more comprehensive picture of the impacts.”)— Pesquisador, Instituto de Meteorologia
Resultados e métricas
O estudo revelou que, em média, 338 furacões atingiram 640 condados no sudeste dos EUA durante o período de análise. As contagens variaram significativamente, indicando uma concentração de impactos nas costas da Louisiana e na Flórida central. “A distribuição não é uniforme; algumas áreas são verdadeiros ‘ímanes de furacões’”, afirma um analista.
“A distribuição não é uniforme; algumas áreas são verdadeiros ‘ímanes de furacões’”
(“The distribution is not uniform; some areas are true ‘hurricane magnets.’”)— Analista, Companhia de Seguros
Os resultados indicam que a modelagem e visualização de dados geoespaciais podem ser decisivas para a formulação de políticas em seguros. À medida que as mudanças climáticas tornam eventos meteorológicos mais agressivos, a adaptação das análises será fundamental para a indústria e a sociedade.
Para saber mais sobre *machine learning* e suas aplicações em meteorologia, siga nossas outras publicações em machine learning e deep learning.
Fonte: (Towards Data Science – AI, ML & Deep Learning)
