O objetivo desse estudo foi analisar o comportamento de tempestades severas visando acompanhar os sistemas atmosféricos produtores de raios e sua relação com a precipitação para que seja possível destacar suas principais características evolutivas. A pesquisa foi desenvolvida através das análises de dois estudos de casos de tempestades severas nas cidades de Belém e Santarém, na Amazônia Oriental. Foram utilizados dados de raios coletados pela rede STARNET e dados de chuva disponibilizados por vários sistemas de observação de superfície. Embora restrito a casos de tempestades em latitudes próximas, as analises indicaram que os sistemas meteorológicos geradores das mesmas não tiveram padrão semelhante. Apesar disso, esse estudo demonstrou que através do monitoramento continuo das ocorrências de raios é possível criar alertas de tempestades severas nessas e em outras localidades. Dessa maneira poder-se-ia evitar, ou mitigar, danos materiais e a vidas, desligamentos de sistemas elétricos, e transtornos de transito caudados por alagamentos. Palavra-chave: Amazônia, tempestades severas, raios, sistemas atmosféricos.

A Região Amazônica frequentemente tem a maior parte da sua superfície coberta por nuvens do tipo cúmulos, as quais, para se desenvolverem, precisam de uma forçante termodinâmica (fonte de calor e umidade) e uma forçante dinâmica (vento). O município de Belém se localiza numa das regiões mais chuvosas da Amazônia, devido à forte atividade convectiva da região. O objetivo geral desse trabalho é criar um modelo estatístico baseado no método árvore de decisão, que compõe uma das técnicas de inteligência computacional, com o intuito de encontrar uma relação entre os índices termodinâmicos da atmosfera e a ocorrência de raios. Para tanto foram utilizados dados de sondagens da atmosfera feitas diariamente no Aeroporto de Belém e divulgados pela Universidade de Wyoming. Por outro lado foi feita uma coleta, análise e armazenamento de dados da ocorrência de raios em uma área circular de 100 km de raio, no entorno de Belém, extraídos do banco de dados disponibilizados pela Rede de Detecção de Raios STARNET, que cobre continuamente toda a Amazônia. Os resultados mostraram que as regras da árvore de decisão são significativas, pois mostraram que os valores críticos dos índices termodinâmicos do modelo são semelhantes aos descritos na literatura. O modelo de árvore de decisão estabelece regras que podem contribuir na previsão de tempo e raios para a região de Belém. O estudo de índices termodinâmicos com ocorrência de raios mostrou uma relação significativa com o modelo criado que obteve 94% de acerto.A B S T R A C TThe Amazon region often has most of its surface covered by cumulus type clouds which, to thrive; need a thermodynamic forcing (source of heat and humidity) and dynamic forcing (wind). The city of Belém-PA is located in one of the rainiest regions of the Amazon, due to the strong convective activity in the region. The overall goal of this work is to create a statistical model based on the decision tree method, which consists of a computational intelligence technique, in order to find a relationship between thermodynamic indices of the atmosphere and the occurrence of lightning. We used data from radio soundings of the atmosphere made daily from Belém airport and published at an Internet site by the University of Wyoming. Additionally, lightning daily occurrences within a 100 km radius area around the sound launching site were drawn from the STARNET lightning monitoring network data base; which covers the entire Amazon. The results showed that the rules of the decision tree are significant because the critical values of thermodynamic indices of the model are similar to those described in the literature. The decision tree model establishes rules that can help in forecasting weather and lightning in the region surrounding Belém The study of atmospheric thermodynamic indices versus the occurrence of lightning showed a positive relationship where the evaluation of the model obtained a result of 94% correct values.Keywords: Lightning forecast. decision tree.statistical model.