Classificação de Eventos de Descargas Atmosféricas Utilizando Dados de Refletividade de Radar e Técnicas de Aprendizado de Máquina

Este trabalho apresenta uma abordagem para a previsão de descargas atmosféricas utilizando algoritmos de aprendizado de máquina, incluindo Regressão Logística, Árvore de Decisão, Random Forest e Máquinas de Vetores de Suporte (SVM). A pesquisa explora dados de refletividade de radar meteorológico para identificar eventos atmosféricos. O treinamento dos modelos foi realizado com dados de 2021, e a técnica de ensemble foi aplicada para combinar as previsões dos cinco modelos mais promissores. A inferência foi realizada em dados de 2022, obtendo uma taxa de acerto de 91,42% para a classe False (ausência de descarga) e 92,78% para a classe True (presença de descarga). A priorização do recall garantiu maior sensibilidade na detecção de eventos, reduzindo falhas no sistema de alerta. Os resultados demonstram a eficácia do ensemble na previsão de descargas atmosféricas, contribuindo significativamente para a melhoria dos sistemas de alerta em sensoriamento remoto.