Fenômenos naturais
Previsão numérica do tempo: observações assimiladas, equações numa grade e supercomputadores
Publicado em 13/10/2026 · Última alteração em 13/10/2026
Assuntos: Tempo e clima
A previsão numérica do tempo calcula em computador como a atmosfera evolui. Primeiro, a assimilação de dados combina observações dispersas com uma previsão curta anterior para montar o estado inicial do ar. Depois, as equações físicas da atmosfera são resolvidas em pontos de uma grade que cobre o globo, um passo de tempo após o outro. O que a grade não alcança entra por aproximações chamadas parametrizações, e por isso toda previsão carrega incerteza.
Um modelo numérico trata a atmosfera como um problema de valor inicial: dado o estado do ar agora, as equações dizem como ele muda no instante seguinte. O estado fica guardado numa grade de pontos, em várias camadas de altitude, e cada passo de tempo (de poucos segundos a alguns minutos) usa o resultado do anterior como ponto de partida. O problema é que o ponto de partida nunca é conhecido por inteiro: as medições são esparsas e imperfeitas. Por isso o ciclo tem duas metades que se alimentam, a assimilação, que estima o estado atual, e o modelo, que o projeta para a frente. Os dados vêm de balões, satélites, aviões comerciais e estações em terra e no mar. Lewis Fry Richardson tentou esse cálculo à mão em 1922; só com computadores ele virou rotina.
Dez quadrilhões de contas por rodada
Segundo a NOAA, uma rodada completa do modelo global GFS exige mais de 10 quadrilhões de cálculos e leva duas horas, e o modelo roda quatro vezes por dia. É por isso que a previsão numérica depende de supercomputadores.
Primeiro o estado inicial: a assimilação de dados
Medições não bastam: milhões chegam por dia, mas continuam insuficientes para descrever toda a atmosfera, e vêm de lugares, horas e instrumentos diferentes. A assimilação as projeta na grade do modelo, ajusta-as no tempo e corrige erros dos sensores. É um ciclo: uma previsão curta anterior, o background, é comparada com as observações novas, o estado é atualizado (a análise) e dele parte a previsão seguinte. Os métodos atuais são variacionais (3D-Var, 4D-Var), de conjunto (filtro de Kalman) ou híbridos.
A grade, o passo de tempo e o que fica de fora
O modelo resolve as equações do ar em cada célula da grade e repete o cálculo a cada passo de tempo. Mais células dão mais detalhe, mas custam mais: no exemplo da NOAA, uma grade 6 x 6 pede quatro vezes a computação de uma 3 x 3 na mesma área. Nos modelos globais, as células cobrem alguns quilômetros quadrados. O que é menor que a célula, como convecção, turbulência e microfísica de nuvens, entra por parametrizações: aproximações empíricas, ajustadas, não calculadas a partir das equações.
Como sabemos que a previsão melhorou, e até onde
A melhora é medida comparando previsões passadas com o que de fato aconteceu, por exemplo a correlação de anomalia da altura geopotencial de 500 hPa, que resume o padrão de grande escala. Segundo uma revisão de 2021, o modelo do ECMWF mantém 80% por cerca de 7 dias, o erro da temperatura a 2 m em 72 horas fica perto de 2 K e trajetórias de furacões são previstas com 150 km de precisão até 4 dias antes. Isso vale para esse modelo e essas métricas; para o tempo local, a incerteza é maior, e outros centros e variáveis dão resultados diferentes.
Por que a previsão tem limite
Há dois limites. A atmosfera é caótica: nunca se conhece o estado inicial exato, e pequenas diferenças crescem. Os modelos, além disso, simplificam processos pequenos. Por isso centros como o ECMWF rodam um conjunto de 51 previsões com condições iniciais e modelo perturbados, tema de outro post. Desde fevereiro de 2025, o ECMWF também opera um modelo de aprendizado de máquina (AIFS) ao lado do físico (IFS); a página institucional não compara a precisão dos dois.
Como sabemos
O processo (assimilação, grade, parametrizações) está sustentado por uma revisão aberta e páginas institucionais; os números de acerto vêm de uma única revisão de 2021.
- Fato estabelecido: Previsão numérica do tempo é o uso de computadores para modelar a atmosfera e prever como o movimento do ar muda, na horizontal e na vertical, ao longo do tempo. [2] Weather Models, §2
Contexto: Definição didática usada pela NOAA. · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: O tempo resulta de movimentos da atmosfera que podem ser descritos por equações matemáticas; a partir delas se calculam os movimentos futuros. [2] Weather Models, §2
Contexto: Formulação simplificada de página didática; as equações são aproximadas, não exatas (ver a8). · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: Os modelos resolvem numericamente o sistema de equações diferenciais parciais acopladas que descreve a atmosfera em termos de momento, massa e entalpia (as equações de Navier-Stokes), obtendo o estado futuro em cada célula da grade. [1] §2, State-of-the-art numerical weather prediction
Contexto: Descrição geral dos modelos operacionais globais. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: Cada modelo usa uma grade: os pontos de previsão são distribuídos sobre a área que ele cobre. Há modelos globais, que cobrem a Terra inteira, e regionais, que cobrem parte dela. [2] Weather Models, §3
Contexto: Descrição didática da NOAA. · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: Mais pontos de grade dão mais detalhe, mas custam mais computação: no exemplo da NOAA, uma grade de 6 x 6 pontos exige quatro vezes o tempo de cálculo de uma de 3 x 3 sobre a mesma área. [2] Weather Models, §3
Contexto: Exemplo didático em duas dimensões. · Limitações: Em modelos reais há também camadas verticais e passos de tempo menores, de modo que o custo não segue exatamente essa proporção; o exemplo ilustra a tendência. · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: Nos modelos globais atuais, cada célula da grade cobre uma área de alguns quilômetros quadrados; modelos de área limitada usam espaçamentos ainda mais finos. [1] §2
Contexto: Estado da arte em 2020/2021, data da revisão. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: O resultado calculado ao fim de um passo de tempo vira a condição inicial do passo seguinte, e o processo se repete até o fim da rodada do modelo. [2] Weather Models, §4
Contexto: Descrição geral; o intervalo do passo varia com o modelo (segundos a minutos, segundo a mesma página). · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: Os modelos precisam simplificar muitos processos que ocorrem em escalas muito pequenas, como a formação de nuvens, e por isso toda previsão tem alguma incerteza associada. [3] Modelling and Prediction, §1
Contexto: Posição do ECMWF sobre seus próprios modelos. · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: Processos menores que a célula da grade são representados por parametrizações empíricas, entre elas as de convecção, mistura turbulenta, acoplamento com terra e oceano, microfísica de nuvens e transferência radiativa. [1] §2
Contexto: Revisão de 2021 sobre modelos operacionais. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: Segundo a NOAA, uma rodada completa do modelo global GFS exige mais de 10 quadrilhões de cálculos e leva duas horas. [2] Weather Models, §6
Contexto: Página didática sem data; a configuração do GFS muda com as versões. Quadrilhão usado na escala curta (10^15), como na fonte. · Limitações: Valor de uma versão do modelo não datada na página; pode ter mudado. · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: O GFS roda quatro vezes por dia. [2] Weather Models, §6
Contexto: Mesma página da afirmação anterior. · Limitações: Trecho muito curto por estar numa frase isolada da página. · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: Todo modelo precisa conhecer a condição inicial da atmosfera; para isso entram dados de radiossondas, satélites meteorológicos, observações de superfície em terra e mar e de aviões comerciais, num processo chamado inicialização. [2] Weather Models, §4
Contexto: Descrição da NOAA; outros centros também usam radar, boias e outras fontes (ver a14). · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: Milhões de medições diretas e indiretas chegam todos os dias, mas ainda não bastam para descrever o estado completo da atmosfera. [1] §2
Contexto: Revisão de 2021. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: A tarefa central da assimilação de dados é preencher a lacuna entre observações incompletas, heterogêneas e dispersas e os campos iniciais que os modelos exigem; os dados são projetados na grade, interpolados no tempo e ajustados para ficarem coerentes. [1] §2
Contexto: DA = data assimilation, na sigla do artigo. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: Segundo o ECMWF, o objetivo da assimilação é determinar o melhor estado possível da atmosfera e suas incertezas, usando observações e previsões de curto prazo. [4] Data assimilation, §1
Contexto: Descrição do sistema operacional do ECMWF. · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: A assimilação funciona em ciclo: uma previsão anterior é comparada com observações novas, o estado do modelo é atualizado (a análise) e dele parte uma nova previsão; a previsão curta usada nessa etapa chama-se background. [4] Data assimilation, §1
Contexto: Descrição do procedimento típico, segundo o ECMWF. · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: Os sistemas atuais de assimilação baseiam-se sobretudo em métodos variacionais tridimensionais e quadridimensionais (3D-Var e 4D-Var) e em métodos de conjunto, em geral o filtro de Kalman; o 3D-Var estima um único estado minimizando uma função de custo, e o 4D-Var também considera como as observações mudam no tempo. [1] §2
Contexto: Estado da arte em 2020/2021. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: Os satélites são especialmente valiosos para a previsão porque informam sobre a atmosfera acima dos oceanos e de áreas desabitadas, onde medições convencionais são difíceis de obter. [1] §2
Contexto: Revisão de 2021. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: O modelo determinístico do ECMWF mantém uma correlação de anomalia de 80% para a altura geopotencial de 500 hPa por cerca de 7 dias. [1] §2
Contexto: Modelo IFS do ECMWF, avaliação citada em revisão de 2021; altura geopotencial de 500 hPa é uma medida do padrão de grande escala da pressão em altitude. · Limitações: Vale para esse modelo e essa métrica de grande escala; não diz que o tempo local é previsível por 7 dias. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: O erro médio quadrático da temperatura a 2 m em previsões de 72 horas fica perto de 2 K, e trajetórias de furacões são previstas com precisão de 150 km até 4 dias antes. [1] §2
Contexto: Números de modelos globais de ponta citados em revisão de 2021; 2 K equivale a 2 °C de diferença. · Limitações: A equivalência de 2 K a 2 °C vale para diferenças de temperatura (cálculo nosso, fator 1). O desempenho varia entre centros, regiões e épocas. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: A história de usar modelos matemáticos para prever o tempo remonta ao início do século XX, mas eles só se tornaram úteis com os computadores. [5] About Models, §1
Contexto: Resumo histórico do serviço meteorológico dos EUA. · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: Lewis Fry Richardson tentou fazer uma previsão numérica à mão, na Grã-Bretanha, em 1922. [1] §1
Contexto: O artigo diz apenas que a tentativa manual foi de Richardson em 1922; este post não afirma que foi a única nem a primeira de todas. · Conferida na fonte (texto integral), conferência automatizada - Fato estabelecido: A atmosfera é caótica: nunca se conhece com exatidão seu estado inicial, e os modelos não representam perfeitamente as leis físicas, o que limita toda previsão. [3] Modelling and Prediction, §1
Contexto: Posição do ECMWF. · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: O ECMWF roda um conjunto de 51 previsões, a melhor condição inicial mais outras 50 com condições iniciais e modelo perturbados, para estimar quão previsível é cada situação do tempo. [4] Data assimilation, §1
Contexto: Sistema operacional do ECMWF; previsão por conjuntos tem post próprio. · Conferida na fonte (página institucional), conferência automatizada - Fato estabelecido: Em fevereiro de 2025 o ECMWF lançou a primeira versão operacional de seu modelo de aprendizado de máquina, o AIFS, que passou a existir ao lado do modelo físico IFS. [3] Modelling and Prediction, §3
Contexto: O post descreve o método físico; a página do ECMWF não compara a precisão dos dois sistemas. · Conferida na fonte (página institucional), conferência automatizada
Fontes
- Philosophical Transactions of the Royal Society A — Can deep learning beat numerical weather prediction?
Schultz, M. G. et al. · 2021 · Revisão ou síntese científica · lida na íntegra · consultada em 13/10/2026 DOI 10.1098/rsta.2020.0097 - NOAA / National Weather Service — Weather Models (JetStream)
NOAA National Weather Service · s.d. · Documento institucional · lida na íntegra · consultada em 13/10/2026 - European Centre for Medium-Range Weather Forecasts (ECMWF) — Modelling and Prediction
ECMWF · s.d. (menciona 2025) · Documento institucional · lida na íntegra · consultada em 13/10/2026 - European Centre for Medium-Range Weather Forecasts (ECMWF) — Data assimilation
ECMWF · s.d. · Documento institucional · lida na íntegra · consultada em 13/10/2026 - NOAA / National Weather Service — About Models
NOAA National Weather Service · s.d. · Documento institucional · lida na íntegra · consultada em 13/10/2026
Histórico de alterações
- Versão 1 · 13/10/2026 — Primeira versão (produção 1.000, lote 14; conferência de trechos automatizada)