Névoas e nevoeiros representam desafios significativos para a segurança na aviação, especialmente nas fases de decolagem e pouso, devido à redução drástica da visibilidade. Este trabalho investigou o impacto desses fenômenos meteorológicos nas operações aéreas e avaliou a eficácia de técnicas de aprendizado de máquina na sua previsão. A formação de nevoeiro, decorrente da condensação de vapor d’água em microgotas por resfriamento do ar até o ponto de orvalho, eleva os riscos de desorientação espacial e acidentes, conforme evidenciado por dados do CENIPA, que apontam 77 de 1690 acidentes entre 2014 e 2024 associados a condições meteorológicas adversas. A metodologia combinou uma revisão bibliográfica qualitativa, explorando os efeitos de condições climáticas na aviação, com uma abordagem quantitativa, utilizando dados meteorológicos do aeródromo SBYS (Campo de Fontenelle) advindos do banco de dados do ICEA (Instituto de Controle do Espaço Aéreo). Esses dados alimentaram modelos de aprendizado de máquina, mais especificamente um modelo Random Forest, que alcançou alta acurácia (0,968) e acurácia média de 0,94 na identificação de padrões de formação de nevoeiro, destacando a umidade relativa (67,78%) como variável predominante. Apesar dos desafios na previsão de fenômenos localizados, influenciados por fatores geográficos e ambientais, os resultados indicam que técnicas de machine learning podem aprimorar a acurácia das previsões meteorológicas. Contudo, também aponta que uma acurácia muito elevada pode ser um indício de overfitting. A integração desses modelos em serviços aeronáuticos, pode otimizar o planejamento de operações em aeródromos, reduzindo riscos e incidentes em condições de visibilidade restrita. Assim, este estudo reforça a importância da previsibilidade de nevoeiros para a segurança e eficiência da aviação, especialmente em regiões de alta umidade, contribuindo para a mitigação de acidentes e a gestão eficaz do tráfego aéreo.

Palavras-chave: Névoa; Visibilidade; Aprendizado de Máquina; Decolagem; Pouso. Ver menos