Pesquisadores da Microsoft e do MIT desenvolveram uma tecnologia que melhora as previsões de chuva, temperatura e pressão atmosférica com várias semanas de antecedência. O sistema superou modelos meteorológicos de referência e pode ajudar a preparar a população para inundações, secas e outros eventos extremos.
Uma equipe internacional de pesquisadores desenvolveu um sistema de inteligência artificial capaz de melhorar consideravelmente as previsões meteorológicas com várias semanas de antecedência. A tecnologia dobrou o desempenho preditivo de um modelo de referência e aprimorou a detecção antecipada de fenômenos extremos, segundo pesquisa publicada em 14 de outubro de 2026 na revista científica Nature.
O desenvolvimento reúne especialistas da Microsoft Research, do Instituto de Tecnologia de Massachusetts (MIT) e de outras instituições científicas. Sua principal inovação é corrigir erros que se acumulam nos modelos meteorológicos atuais, especialmente quando tentam estimar as condições do tempo para além dos próximos 14 dias.
A pesquisa aborda um dos maiores desafios da meteorologia: obter informações úteis sobre as probabilidades de chuva, temperatura e outros fenômenos entre duas e seis semanas antes de ocorrerem.
Como funciona a inteligência artificial que melhora as previsões
A tecnologia se chama Probabilistic Bias Correction (PBC), que pode ser traduzido como correção probabilística de vieses.
Ao contrário de outras iniciativas que tentam criar novos modelos capazes de simular o comportamento da atmosfera, esse sistema usa previsões meteorológicas existentes e aprende a identificar seus erros mais comuns.
Para isso, analisa previsões históricas, compara-as com as condições meteorológicas efetivamente registradas e identifica os desvios que tendem a se repetir.
Em seguida, usa esse aprendizado para ajustar as probabilidades das previsões futuras.
Por exemplo, se um modelo costuma errar ao estimar a precipitação em determinadas regiões ou épocas do ano, a ferramenta pode identificar esses padrões e corrigir as novas estimativas.
O processo também incorpora observações recentes e registros climáticos para aprimorar a distribuição das probabilidades.
A principal vantagem é que não é preciso substituir os sistemas meteorológicos existentes, mas adicionar uma etapa de processamento que melhora as informações geradas por eles.
Além disso, a ferramenta foi projetada para funcionar com diferentes modelos de previsão, tanto os baseados em equações físicas quanto os desenvolvidos com inteligência artificial.
Os números: melhora em até 98% das áreas avaliadas
Os pesquisadores testaram a ferramenta com sistemas do Centro Europeu de Previsões Meteorológicas de Médio Prazo (ECMWF), uma das principais instituições dedicadas à previsão meteorológica global.
Ao aplicar a tecnologia a seu modelo dinâmico, já corrigido por métodos convencionais, observaram melhorias em uma ampla variedade de áreas.
Os resultados foram positivos em aproximadamente 98% das células geográficas avaliadas para precipitação, 92% para temperatura e cerca de 91% para pressão atmosférica, dependendo do horizonte considerado.
Outro resultado relevante foi observado quando a ferramenta foi usada com o sistema de previsão por inteligência artificial do ECMWF, conhecido como AIFS-SUBS.
Nas avaliações referentes a 2025, a correção dobrou a pontuação média de habilidade preditiva probabilística, de cerca de 0,03 para aproximadamente 0,06.
É importante fazer uma ressalva: dobrar esse indicador técnico não significa que todas as previsões se tornem duas vezes mais precisas. A medição mostra quanto o desempenho probabilístico melhora em relação a uma referência climatológica.
O estudo concentrou suas principais avaliações na terceira e na quarta semanas, correspondentes a períodos entre aproximadamente o 19º e o 32º dia após a emissão da previsão.
Sistema antecipou episódio de frio extremo
A tecnologia também foi avaliada em uma competição internacional organizada pelo ECMWF em 2025.
A equipe apresentou uma solução chamada MicroDuet, que combina previsões meteorológicas convencionais com modelos de inteligência artificial e a nova técnica de correção probabilística.
Durante a competição AI Weather Quest, o sistema ficou em primeiro lugar nas variáveis e nos horizontes avaliados, superando as previsões de seis centros meteorológicos operacionais e as propostas de outras 34 equipes participantes.
Um dos casos analisados ocorreu em novembro de 2025, quando o MicroDuet identificou com antecedência uma alta probabilidade de temperaturas extremamente baixas para meados de dezembro no leste dos Estados Unidos.
O episódio de frio acabou ocorrendo e não havia sido identificado pelo modelo convencional usado como referência na comparação.
Os pesquisadores também avaliaram a capacidade do sistema de antecipar precipitações extremas e inundações.
Em uma avaliação que incluiu ocorrências registradas pelo Sistema Global de Alerta e Coordenação de Desastres (GDACS), a ferramenta melhorou os indicadores de previsão de inundações em relação às previsões originais do ECMWF.
Nos eventos com maior impacto humanitário, os ganhos de habilidade preditiva foram especialmente expressivos.
Os resultados mostram que a tecnologia não apenas melhora as estimativas meteorológicas gerais, mas também pode ajudar a identificar situações de risco com maior antecedência.
No entanto, as previsões continuam sendo probabilísticas e não permitem determinar com certeza, com um mês de antecedência, a data exata, a intensidade ou a localização de todos os fenômenos extremos.
Quais aplicações isso poderia ter na mineração e na indústria
A possibilidade de contar com previsões meteorológicas mais confiáveis com várias semanas de antecedência tem implicações para atividades que dependem diretamente das condições ambientais.
Na mineração, chuvas intensas, nevascas e temperaturas extremas podem afetar o funcionamento de estradas, instalações elétricas, sistemas de transporte e operações em áreas de grande altitude.
Uma maior antecedência na identificação desses riscos poderia ajudar a planejar trabalhos de manutenção, programar atividades em campo e preparar medidas preventivas para enfrentar condições adversas.
Também poderia ser útil na gestão de recursos hídricos, especialmente em operações que precisam planejar o abastecimento de água ou avaliar cenários de precipitação.
Para o setor de energia, previsões melhores permitiriam estimar com maior antecedência as variações na demanda por eletricidade associadas a temperaturas extremas e as mudanças na disponibilidade de recursos para geração.
Na agricultura, um dos setores diretamente considerados pelos pesquisadores, as estimativas poderiam ajudar a definir períodos de plantio, aplicação de fertilizantes e medidas de proteção das lavouras.
Essas são aplicações potenciais da tecnologia. O estudo não comprova que sua adoção tenha reduzido acidentes ou interrupções operacionais em operações de mineração, nem apresenta uma avaliação específica de seu desempenho no Chile.
A tecnologia começa a ser testada fora do laboratório
Um dos aspectos que poderia facilitar sua adoção é a menor demanda computacional em comparação com a execução de grandes modelos meteorológicos completos.
Embora o desenvolvimento tenha usado infraestrutura avançada durante a pesquisa, a ferramenta de correção pode ser executada sem a necessidade de um supercomputador dedicado para cada previsão.
Além disso, o código foi disponibilizado como software de código aberto, permitindo que instituições científicas e serviços meteorológicos analisem seu funcionamento e desenvolvam aplicações próprias.
No Quênia, pesquisadores ligados à organização Rhiza Research colaboram com especialistas em meteorologia para testar essa tecnologia em previsões de precipitação destinadas a apoiar decisões agrícolas.
A Microsoft também continua trabalhando em ferramentas de previsão sub sazonal voltadas a aplicações operacionais.
O desafio que permanece é verificar como a tecnologia se comporta em diferentes regiões, condições climáticas e sistemas meteorológicos, especialmente quando seus resultados precisam ser usados para tomar decisões de grande impacto.
Embora a pesquisa demonstre melhorias verificáveis, ela não elimina as limitações naturais da previsão atmosférica de longo prazo.
Sua contribuição está em aproveitar melhor as informações disponíveis para estimar riscos futuros, ampliando as possibilidades de preparação para fenômenos meteorológicos que, atualmente, podem ser detectados quando resta pouco tempo para adotar medidas preventivas.
