Acerto na previsão da temperatura vai de 100% a apenas 48% nas capitais

Projeções para o clima na região Nordeste e Norte foram melhores, mas deixaram a desejar no Sudeste

LEONARDO DIEGUES, PAULA SOPRANA, CRISTIANO MARTINS E NICHOLAS PRETTO

SÃO PAULO, SP (FOLHAPRESS) – É sexta-feira, você está no Rio de Janeiro e confere a previsão do tempo para planejar o fim de semana.

Dependendo do aplicativo, a programação sairá bem diferente: Weather Channel e AccuWeather dizem que a temperatura mínima no sábado será de 26°C, enquanto o Inmet indica 19°C. Já a máxima chega a 37°C, segundo o Climatempo, mas não passa de 31°C para o Inpe.

A incerteza pode parecer exagerada, mas essa foi uma situação real observada no dia 10 de novembro. Análise da Folha de S.Paulo com dados de quase 10 mil previsões coletadas ao longo daquele mês, marcado por ondas de calor, mostra que a taxa de acerto desses cinco serviços meteorológicos variou de 100% a 48% nas capitais brasileiras.

O cálculo considera correta uma estimativa com até dois graus para mais ou para menos em relação à medição do Inmet (Instituto Nacional de Meteorologia), registro oficial no Brasil. Para cada data, são contabilizadas as previsões feitas nos três dias anteriores (24, 48 e 72 horas).

Os serviços mais assertivos no período foram o Climatempo e o próprio Inmet, que também divulga seus prognósticos, com taxas de 83,9% e 83,8%, respectivamente. O pior resultado foi o do Weather Channel, provedor dos dados presentes por padrão na maioria dos celulares Android e Iphone, com 80,4%.

Acertos acima de 80% são satisfatórios para três dias de antecedência, mas o levantamento detalhado revela que os índices variam muito conforme a localidade.

De modo geral, as projeções para o clima na região Nordeste e Norte foram melhores. Em São Luís (MA), os cinco serviços tiveram precisão de 98% a 99% cada um. Macapá (AP) e Teresina (PI) completam a lista de capitais nas quais todos acertaram acima de 90% das estimativas. João Pessoa (PB), por sua vez, foi a única cidade em que um dos provedores, o Inmet, alcançou 100% de eficiência.

No outro extremo, os moradores e turistas do Rio de Janeiro foram os mais surpreendidos pela imprevisibilidade das temperaturas, considerando o agregado de todos os serviços analisados. O Weather Channel só acertou metade das estimativas (50,6%), e o melhor desempenho na cidade foi o do Climatempo (80%).

Na sequência aparece Aracaju (SE). No período, o Inpe (Instituto Nacional de Pesquisas Espaciais) teve uma precisão de apenas 48% na cidade, sendo este o pior resultado individual no levantamento. Os melhores provedores no município sergipano foram o Inmet e o Climatempo, empatados com 72% de eficiência.

A análise mostra ainda que foi mais difícil acertar as temperaturas máximas do que as mínimas. Em São Paulo, a imprevisibilidade foi tanta que nenhum serviço conseguiu antecipar o calor registrado em 4 dos 30 dias analisados, mesmo com a margem de dois graus para mais ou para menos.

Em 19 de novembro, por exemplo, o termômetro chegou aos 31°C na capital paulista, enquanto todas as estimativas para a temperatura máxima feitas nos três dias anteriores haviam ficado entre 23°C e 28°C, totalizando 15 previsões erradas.

Isso também aconteceu pelo menos uma vez no período nas cidades de Aracaju (SE), Campo Grande (MS), Cuiabá (MT), Curitiba (PR), Porto Velho (RO) e Vitória (ES).

A diferença de exatidão entre as empresas ocorre tanto por fatores computacionais quanto humanos, além, claro, do poder de investimento de cada uma em sistemas avançados.

Os serviços utilizam modelos matemáticos já processados em supercomputadores de grandes centros de meteorologia, em especial da Europa e dos Estados Unidos, que captam dados de todo o globo e estimam o comportamento das horas e dias seguintes. São centros governamentais ou organizações meteorológicas.

Esses modelos são, basicamente, softwares desenhados para simular a interação da atmosfera com outros tipos de superfície. As equações consideram registros atmosféricos em tempo real de todos os países (no Brasil, elas captam os dados do Inmet, por exemplo), além de dados de chuva, umidade, vento, pressão, insolação, entre outros. Todos esses sinais surgem a partir de variadas fontes –estações meteorológicas, satélites, boias oceânicas e radares.

Com a fotografia do momento de cada cidade, registros históricos, estatística e análise preditiva, os modelos emitem resultados numéricos, que são disponibilizados aos serviços de meteorologia, como Climatempo e Accuweather.

Cabe às empresas, então, interpretar e analisar os dados, um trabalho humano. São os profissionais que corrigem e calibrar os números partir do conhecimento de cada região.

Algumas empresas também podem desenvolver modelos próprios e implementar seus radares para captar dados.

“Além de utilizar aprendizado de máquina, usamos mais de 170 modelos de previsão numérica, incluindo modelagem proprietária e governamental, como do ECMWF [Centro Europeu de Previsões Meteorológicas a Médio Prazo, em inglês] e do Sistema Global de Previsão dos EUA”, diz a Accuweather, em nota.

As diferenças entre aplicativos dependem, então, da escolha entre as dezenas de modelos, da resolução espacial de cada um e de uma supervisão subjetiva.

“Existe às vezes uma dificuldade em cidades litorâneas, porque o ponto de referência fica muito próximo do oceano, ou mesmo no oceano, o que diminui a precisão da temperatura. Próximo de um corpo d’água muito grande, a temperatura vai variar menos. Mas se você andar um quilômetro para dentro da cidade, a temperatura varia muito mais”, diz Vinícius Lucyrio, meteorologista da Climatempo.

Outra dificuldade é que o Brasil tem menos estações meteorológicas do que Estados Unidos e Austrália, por exemplo, o que muda a condição inicial dos cálculos de previsão.

Apesar disso, os serviços têm avançado ao longo dos anos no Brasil e o no mundo, e a expectativa de especialistas é que se aperfeiçoem com o avanço da inteligência artificial e mais registros históricos.

“Diversos trabalhos e monitoramentos apontam para a melhora da qualidade nas previsões de tempo e de clima no mundo. Elas estão ganhando prazo de previsibilidade”, diz Saulo Ribeiro Freitas, doutor em física pela USP e diretor no Inpe. “Quando você olha para a década de 1980, a previsão para cinco dias não era confiável. A de três dias tinha uma qualidade na faixa de, no máximo, 60% de acurácia. Hoje, a previsão para cinco dias já está para a faixa acima da marca de 80%, ou seja, é confiável.”

Segundo ele, o supercomputador do Inpe –centro que faz o processamento no Brasil– está atrasado em relação à inovação, mas o instituto deve receber recursos do do Ministério de Ciências e Tecnologia para a compra de um novo equipamento, o que deve aumentar a exatidão de suas análises.

Além disso, um comitê científico de 30 instituições de pesquisa está desenvolvendo uma nova geração de modelos específicos para o Brasil, o Monan (sigla em inglês de Modelo para Previsão dos Oceanos, Superfícies Terrestres e Atmosfera). “Trata-se um esforço nacional para desenvolver um sistema ajustado para as nossas condições, da Amazônia, das montanhas dos Andes, da região tropical, para melhorar as informações”, diz Freitas.

METODOLOGIA

A Folha de S.Paulo coletou as previsões de temperatura mínima e máxima feitas por cinco serviços de referência e que disponibilizam os próprios dados via interfaces de programação para softwares e aplicativos (APIs). São eles: Accuweather, Climatempo, Inmet, Inpe e Weather Channel.

As estimativas foram então comparadas às temperaturas oficiais verificadas nas estações do Inmet. Para cada data de medição, a análise considerou as previsões feitas nos três dias anteriores (24, 48 e 72 horas). A taxa final corresponde ao percentual de acertos em relação ao total de prognósticos, considerando uma margem de dois graus celsius para mais ou para menos.

Esse modelo premia quem começa a acertar com maior antecedência e foi baseado na metodologia do Forecast Advisor, plataforma de avaliação dos canais meteorológicos dos Estados Unidos e do Canadá.

O levantamento foi realizado entre os dias 1° e 30 de novembro deste ano. Boa Vista (RR), Natal (RN), Maceió (AL) e Recife (PE) foram excluídas da análise porque não tiveram dados suficientes registrados pelas estações do Inmet no período.