Pesquisadores desenvolveram uma nova técnica de inteligência artificial capaz de minimizar erros em previsões do tempo feitas com um intervalo de duas a seis semanas, período em que os modelos meteorológicos tradicionais costumam perder precisão. O método inovador foi detalhado em um estudo publicado na revista Nature.
Como funciona a correção de vieses na meteorologia
Batizada de correção probabilística de vieses (PBC, na sigla em inglês), a ferramenta não cria um sistema meteorológico do zero. Ela atua como uma camada complementar de ajuste, aprendendo com as falhas de sistemas preexistentes para refiná-los nas projeções futuras.
Atualmente, as previsões meteorológicas mantêm alta confiabilidade por até duas semanas. Após esse limite, o acúmulo de pequenos erros, aliado ao comportamento caótico da atmosfera, dificulta a antecipação exata de chuvas e temperaturas.
“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.
Resultados e testes em eventos extremos
Durante os testes aplicados em dados do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF), a tecnologia duplicou a capacidade preditiva em projeções sub-sazonais. Em sistemas tradicionais revisados, houve avanço em quase todos os parâmetros avaliados, como precipitação e pressão atmosférica.
A metodologia também demonstrou eficácia na antecipação de desastres naturais, registrando melhorias expressivas na previsão de enchentes ocorridas entre os anos de 2016 e 2026. Nos Estados Unidos, o recurso conseguiu sinalizar duas tempestades invernais com quase um mês de antecedência.
Apesar do avanço, cientistas alertam que a ferramenta possui limitações geográficas, apresentando melhor desempenho em zonas tropicais e ganhos mais discretos em outras regiões, como o continente europeu.
“Não se constrói um novo modelo atmosférico do zero”, afirmou Robert Monjo, pesquisador da Fundação para a Investigação do Clima, ressaltando que o método depende da qualidade do sistema de origem.
