As previsões meteorológicas nunca serão perfeitas – e estas são as razões!

Praticamente toda a gente verifica as previsões meteorológicas e espera que estejam corretas: afinal de contas a tecnologia é cada vez maior, pelo que haverá cada vez menos falhas, certo? Mais ou menos…

Todos querem saber se poderá chover, se haverá muito vento, se haverá trovoadas – enfim tudo aquilo que, no fundo, afeta o dia a dia e nos obriga a preparar – seja para escolher que tipo de roupa usar, ou se levamos um guarda-chuva para a rua, ou para organização de eventos, por exemplo

Mas, por muito rigorosos que os meteorologistas sejam nas suas análises, temos sempre de lembrar que nenhuma previsão é perfeita, e nunca será. Porquê? Bem, por várias razões

Há 3 razões fundamentais que acabam por limitar a precisão de uma previsão meteorológica: a resolução dos modelos, a assimilação de dados e integração no modelo meteorológico, e a nossa compreensão da atmosfera – que cada vez se torna mais complexa com as alterações climáticas

RESOLUÇÃO DOS MODELOS – É IMPOSSÍVEL CAPTAR TODOS OS DETALHES!

Os modelos meteorológicos na elaboração das previsões\simulações dividem a atmosfera em grelhas, com resoluções que variam de modelo para modelo – modelos globais geralmente com resoluções mais altas, e modelos HD\regionais com resoluções mais baixas

Contudo mesmo os modelos regionais não conseguem, obviamente, captar todos os detalhes e fenómenos como trovoadas ou outras situações convectivas ocorrem no geral em escalas inferiores à resolução dos modelos

Os modelos meteorológicos tentam “adivinhar” no fundo o que poderá ocorrer, e isso tende a criar generalizações que criam erros bastante significativos – por exemplo um modelo pode prever condições para trovoada num determinado local, e devido à resolução pode acabar por generalizar essa trovoada a muito mais locais do que acaba por ocorrer – isso é algo bastante comum!

Quanto maior for a resolução horizontal e vertical de um modelo, maior a precisão do mesmo, assim como capacidade para prever fenómenos localizados – mas tudo isso exige muito maior poder computacional

As execuções deterministas\operacionais dos modelos acabam por ter de equilibrar resolução e frequência das atualizações para gerar previsões que possam ser úteis, mas que não consomem demasiados recursos – e isso torna impossível executar modelos com resolução semelhante aos modelos regionais para uma escala global

ASSIMILAÇÃO DE DADOS – NÃO TEMOS DADOS EM MUITOS LOCAIS!

Nenhum modelo meteorológico “inicia” a sua simulação com conhecimento total da atmosfera – isso é impossível, e na verdade, sempre será!

A assimilação de dados é feita através de observações de satélite, radares, estações meteorológicas, bóias e sondas atmosféricas, além de dados vindos de aviões por exemplo – mas não são suficientes – há locais onde não há observações, e os modelos iniciam com uma aproximação para esse local

É por essa razão que os erros nas condições iniciais são inevitáveis. Pequenas diferenças nas condições iniciais podem amplificar-se rapidamente – certamente já ouviu falar no efeito borboleta. Um pequeno erro nos dados iniciais, seja uma medição de vento, pressão ou temperatura, pode alterar drasticamente a simulação a curto\médio prazo

Os modelos mais avançados como ECMWF (IFS) utilizam técnicas como 4DVAR para assimilar dados de forma mais contínua, e minimizar erros, contudo continuam a não ser técnicas perfeitas

Quando combinamos múltiplas execuções de uma simulação de um determinado modelo, com condições iniciais ligeiramente diferentes para tentar minimizar estes erros, obtemos um ensemble, e conseguimos observar melhor a incerteza e obter previsões probabilísticas – mas não passam de probabilidades – e algo que tem 1% de probabilidade pode vir a ser o correto…

LIMITE DO NOSSO CONHECIMENTO DA ATMOSFERA – AS PREVISÕES METEOROLÓGICAS NUNCA PODEM SER PERFEITAS!

A atmosfera é um sistema dinâmico e “caótico”, com diversas variáveis interdependentes, como temperatura, pressão atmosférica, humidade, radiação abosrvida\refletida, vento, e ainda outras coisas mais complexas, a nível microfísico

Alguns destes processos ainda não são totalmente compreendidos, pelo que não podem ser programados nos modelos de forma 100% correta – e, quando se junta erros na nossa compreensão da atmosfera, aos erros gerados pela resolução e assimilação de dados anteriormente referidos, as previsões tornam-se menos fiáveis

Apesar de avanços significativos nos últimos anos, os modelos ainda não podem prever com elevada precisão além de cerca de 7 dias, com a confiança das previsões a diminuir rapidamente após esse período (a que chamamos período de previsão útil)

E as previsões sazonais\climáticas, podem ser fiáveis? Em parte, sim, mas são ainda mais limitadas – baseadas em tendências estatísticas e cenários análogos por exemplo, e não simulações exatas (no geral, há modelos que efetivamente tentam simular a longo prazo, mas a resolução tem de ser extremamente baixa devido à capacidade computacional, pelo que se tornam pouco fiáveis)

Com as alterações climáticas, há cada vez mais novas incertezas a serem introduzidas: mudanças na circulação atmosférica, nos padrões climáticos, no comportamento de anticiclones ou do jet-stream\corrente de jato. Essas transformações tornam mais difícil para os modelos preverem certas situações, exigindo constantes alterações e atualizações dos mesmos 

Na Luso Meteo tentamos sempre usar vários modelos (ECMWF, GFS, ICON, entre outros) e recorremos aos ensembles para tentar verificar todas as possibilidades. Ainda assim, quando existe divergência entre os modelos ou elevada incerteza no ensemble, a incerteza das previsões aumenta – e geralmente explicamos isso nas nossas previsões. Por exemplo para dias 5 de agosto em diante ainda não temos certeza na continuação do calor – há demasiada incerteza!

Nunca atingiremos a perfeição – isso é algo que parece óbvio. E a inteligência artificial pode até ajudar em alguns casos, mas nunca substituirá o “toque humano” que consegue perceber mais facilmente alguns “biases” dos modelos, e filtrar previsões que estão claramente erradas!

Temos de aceitar que a incerteza é é parte de uma previsão, e temos de ser sempre honestos, e dizer quando existem incertezas, pois isso torna uma previsão muito mais válida do que “prometer” algo que não temos a certeza que se irá cumprir…

Muito obrigado pela leitura deste artigo, que esperamos que lhe seja útil!

Se encontrou este artigo no seu feed da Google Notícias\Discover clique em seguir\gosto (no símbolo ❤️) para ver mais das nossas previsões e informações e não perder nada! Siga também a página Luso Meteo – Meteorologia e Clima, nas nossas redes sociais e na Google Notícias AQUI para mais atualizações e informações!

Se desejar ajudar com donativos para o projeto, para suportar custos de website\manutenção e serviços de subscrição para vos trazer o melhor conteúdo pode fazê-lo, ficamos muito agradecidos!, podendo fazê-lo através de MBWay para 918260961, ou IBAN para PT50 0007 0000 0029 3216 7422 3

Muito obrigado pela confiança e preferência ❤️