Nova técnica com IA promete reduzir falhas em previsões do tempo feitas com semanas de antecedência; entenda

Uma nova técnica de inteligência artificial pode ajudar a reduzir erros em previsões do tempo feitas com duas a seis semanas de antecedência, uma faixa em que os modelos meteorológicos ainda perdem bastante precisão.

O método, chamado de correção probabilística de vieses (PBC, na sigla em inglês), foi apresentado em um estudo publicado nesta quarta-feira (14) na revista Nature.

Em vez de criar um novo modelo meteorológico, a ferramenta funciona como uma camada de correção: aprende com erros de sistemas que já existem e tenta ajustá-los nas previsões seguintes.

Hoje, as previsões conseguem manter uma precisão maior por até cerca de duas semanas. Depois disso, pequenos erros se acumulam e, somados à própria natureza caótica da atmosfera, tornam mais difícil antecipar chuva, temperatura e outros fatores com confiança.

“Nosso novo sistema pega o modelo escolhido, aprende de que forma ele costuma errar e corrige esses erros”, explicou Lester Mackey, pesquisador da Microsoft Research e um dos autores do estudo.

Nos testes, o PBC foi aplicado a modelos do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF).

No sistema de inteligência artificial da instituição, a técnica dobrou, em média, a capacidade preditiva das projeções sub-sazonais.

Em um modelo tradicional que já passava por correções, houve melhora em 98% dos pontos analisados para precipitação, 92% para temperatura e 91% para pressão atmosférica.

Na prática, o sistema analisa previsões antigas, compara os resultados com o que de fato aconteceu e identifica padrões de erro.

Depois, usa essas informações para corrigir novas projeções, levando em conta também as condições observadas mais recentemente.

Os pesquisadores também observaram ganhos na previsão de eventos extremos, como chuvas intensas, enchentes e períodos de frio.

Em uma análise de enchentes registradas entre 2016 e 2026, por exemplo, o PBC aumentou a habilidade das previsões em 76% a 92%, dependendo do horizonte analisado.

A técnica também foi testada em uma competição internacional organizada pelo ECMWF em 2025. Uma solução que usava o PBC ficou em primeiro lugar para todas as variáveis meteorológicas e períodos avaliados, superando modelos de seis centros operacionais e sistemas de outras 34 equipes.

Um dos exemplos citados pelos pesquisadores ocorreu nos Estados Unidos. O sistema conseguiu indicar com 19 a 26 dias de antecedência duas fortes tempestades de inverno registradas no início de 2026.

Esse tipo de previsão pode ser útil em áreas como agricultura, gestão de água e energia e preparação para desastres. No Quênia, o método já está sendo testado para ajudar meteorologistas a melhorar projeções de chuva usadas por agricultores.

Especialistas ouvidos pelo Science Media Centre Espanha, porém, dizem que os resultados ainda precisam ser vistos com cautela.

Froila M. Palmeiro, pesquisadora do Instituto de Geociências da Espanha, afirma que os maiores ganhos apareceram principalmente nas regiões tropicais e que a melhora ainda foi mais limitada em áreas como a Europa.

Outro ponto é que o PBC não substitui os modelos meteorológicos.

“Não se constrói um novo modelo atmosférico do zero”, afirmou Robert Monjo, pesquisador da Fundação para a Investigação do Clima.

Segundo ele, se o modelo de origem falhar em uma situação muito rara ou complexa, o método pode não conseguir corrigir o problema.