Qual é a melhor previsão do tempo? A pegadinha que a maioria ignora

Qual é o melhor modelo de previsão do tempo?

Sites e aplicativos de previsão mostram números diferentes para o mesmo lugar e o mesmo dia porque cada um usa um modelo numérico diferente, desenvolvido por agências governamentais regionais ou nacionais, como a americana NOAA. Os principais modelos globais são ECMWF, ICON, GFS e WaveWatch III. A maioria dos aplicativos de tempo usa os resultados desses modelos e os apresenta com um layout mais simples e agradável. No fim das contas, escolher entre eles costuma ser uma questão de preferência visual, não de precisão.

Para ir além do layout, existem três formas de avaliar qual modelo tem o melhor desempenho para uma região e um uso específicos:

1. Análise de acurácia customizada para o local e o uso. Foi o que a i4sea fez para a Vattenfall na fazenda eólica de Dan Tysk, avaliando a acurácia da previsão de ondas.
2. Precisão geral publicada por alguns sites. Ajuda, mas tem limite: um modelo pode ser excelente para ventos de até 15 nós e falhar acima de 25 nós.
3. Características técnicas dos modelos. Na ausência de uma análise customizada, entender resolução espacial, resolução temporal e frequência de atualização já ajuda bastante.

A revolução da IA na previsão do tempo: o que mudou desde 2024

Desde a publicação original deste artigo, a previsão do tempo global mudou de fase. Em fevereiro de 2025, o ECMWF colocou em operação o AIFS, seu primeiro modelo baseado em inteligência artificial. Meses antes, em dezembro de 2024, o Google DeepMind publicou na revista Nature o GenCast, um modelo probabilístico global de 15 dias, com resolução de 0,25 grau, algo em torno de 25 km no equador.

O resultado chamou atenção da indústria inteira. O GenCast superou o sistema de ensemble físico do ECMWF em 97,2% das 1.320 métricas avaliadas, com um desempenho particularmente melhor para sinalizar eventos extremos (Nature, dez/2024; Valor Econômico, 05/dez/2024).

Isso é bom. É também menos mágico do que parece.

O que a IA ganha, de fato: velocidade brutal de processamento, ensembles (múltiplos cenários probabilísticos) muito mais baratos de gerar, e um sinal mais nítido para eventos extremos. Onde antes uma agência levava horas de supercomputador para rodar um conjunto de cenários, hoje isso sai em minutos.

O que a IA não resolve: escala local. A grade do GenCast e de outros modelos globais de IA continua na casa dos 25 km, mais ampla que os 9 km do ECMWF físico e muito mais do que o que um porto, uma subestação ou um talude de mineração precisam para decidir com segurança.

Em outras palavras, a IA deixou os modelos globais mais espertos estatisticamente. Não deu zoom neles. Ela ainda enxerga o Brasil, não o berço 3 do seu terminal.

Como saber qual é a melhor previsão: os três critérios que importam

Para avaliar qual é a melhor previsão de mar e tempo para o seu local e sua atividade, três características dos modelos numéricos importam mais do que qualquer selo bonito de aplicativo: resolução espacial, resolução temporal e frequência de atualização. São elas que indicam em quais circunstâncias você pode confiar mais, ou menos, numa previsão.

O que é resolução espacial?

Resolução espacial é a distância entre os pontos de dados de um modelo numérico. Funciona como a quantidade de pixels de uma foto: quanto mais pixels, menor a distância entre eles, maior o detalhe da imagem.

Ela varia de poucos metros, em modelos hiperlocais, até dezenas de quilômetros, em modelos globais, e indica a capacidade do modelo de captar variações espaciais do tempo e do mar. A melhor resolução para você depende do seu objetivo.

Para saber se uma tempestade se aproxima do litoral brasileiro, um modelo de baixa resolução já funciona bem. Mas se você precisa saber o que vai acontecer num trecho específico da costa, como um porto, quanto maior a resolução, melhor.

O que é resolução temporal?

Resolução temporal é o intervalo de tempo entre cada previsão gerada pelo modelo. As mais comuns são horárias (6h, 7h, 8h, 9h) ou a cada três horas (6h, 9h, 12h, 18h). O impacto disso é simples de entender: se você só tem dados a cada três horas, qualquer fenômeno que ocorra dentro desse intervalo passa despercebido.

Um vento forte de alguns minutos, ou de uma hora, pode nunca aparecer numa previsão trihorária. O mesmo vale para previsões horárias: o dado das 12h00 pode não valer para as 12h45. Como as previsões gratuitas não trazem resultados a cada 15 ou 30 minutos, o próximo ponto só chega às 13h00, sem pegar o evento.

Não dá para cobrar de um modelo horário que ele preveja um fenômeno atmosférico de 10 minutos de duração.

O que é frequência de atualização?

Frequência de atualização é quantas vezes por dia o modelo reprocessa dados novos e gera uma previsão atualizada. Toda previsão tenta diagnosticar o futuro a partir de dados do passado recente, e quanto menos vezes por dia o modelo atualiza, mais desatualizada fica a leitura em relação ao que está acontecendo de fato, porque a atmosfera muda rápido.

A frequência mais comum varia de uma a quatro vezes ao dia, ou seja, a cada seis horas. De forma geral, mais atualizações diárias significam previsões de melhor qualidade.

Tabela comparativa dos principais modelos de previsão do tempo

Um resumo das características técnicas dos modelos globais mais usados, incluindo os modelos de inteligência artificial mais recentes:

Qual o melhor modelo de previsão para minha região?

Das três características, a resolução espacial é, de longe, a que mais pesa. Não adianta atualizar um modelo dez vezes por dia se ele continua com baixa resolução: isso não muda a capacidade dele de enxergar o recorte da sua linha de costa.

O GFS, modelo atmosférico gratuito mais usado, e seu par oceânico, o WaveWatch III, operam com resolução espacial de aproximadamente 22 km, o equivalente a 48,4 campos de futebol. Por causa dessa resolução mais grossa, o GFS costuma falhar em regiões montanhosas e no padrão de chuva e nuvens. O WaveWatch III tem bom desempenho em mar aberto, mas falha em zonas rasas, como portos, baías e enseadas.

O ICON é mais moderno, com resolução de 13 km, e tem bons resultados globalmente, embora performe melhor na Europa, continente para o qual foi otimizado.

Entre os modelos físicos tradicionais, o ECMWF segue com a maior resolução espacial, 9 km, o que equivale a cerca de 8 campos de futebol por ponto de grade. Ele entrega tanto variáveis atmosféricas, como vento, chuva, temperatura e umidade, quanto oceânicas, como altura e período de onda, com resultados horários atualizados a cada seis horas.

E os modelos de IA, como o GenCast? Ficam na casa dos 25 km de resolução espacial. Ganham em inteligência estatística e em velocidade, mas perdem em zoom até para o ECMWF físico, que já é considerado o mais eficaz entre os modelos globais tradicionais.

Na prática, entre os modelos globais gratuitos, o ECMWF segue como a aposta mais segura, especialmente fora da Europa. Todos eles, porém, incluindo os modelos de IA mais avançados, compartilham a mesma limitação: nenhum enxerga o que acontece dentro de um porto, de um talude ou de uma subestação.

Como tomar melhores decisões baseadas em previsões de tempo

Depois dessa descrição de modelos e suas características, uma verdade incômoda precisa ser dita: toda previsão, um dia, vai errar. Não é possível esperar acerto total. Ainda é tecnologicamente inviável. A atmosfera é complexa demais, e para entregar uma previsão de 10 a 15 dias em tempo hábil, todo modelo precisa fazer aproximações. Isso vale tanto para o físico quanto para o de IA.

Mesmo assim, previsões de mar e tempo adequadas seguem sendo a melhor ferramenta disponível para planejar o futuro, gerenciar risco, reduzir custo e aproveitar oportunidade. O que muda o jogo é o custo de decidir com uma previsão errada, ou genérica demais para o seu ativo. E esse custo, no Brasil, está mapeado.

Entre 2022 e 2024, o país registrou R$ 184 bilhões em prejuízos climáticos, uma média de R$ 60 bilhões por ano. Desse total, 91% não tinha nenhuma cobertura de seguro (CNseg/EY, COP30 2025).

Nos portos, o problema aparece na forma de demurrage: US$ 2,3 bilhões, cerca de R$ 13 bilhões, pagos em 2024, alta de 15% sobre 2023 (Bain & Company, via Valor Econômico, abr/2025). Em Santos, 84% dos navios atrasaram em 2024, com espera média de 12 dias (Datamar/CNT).

Eventos climáticos extremos ficaram três vezes mais frequentes e severos na última década (Atlas Digital MDR). Onde a maioria vê imprevisto, esse número mostra uma variável de gestão que já deveria estar na planilha de risco de qualquer operação.

Diante disso, alguns pontos ajudam a usar melhor qualquer previsão, física ou de IA:

1. Modelos globais são bons em prever condições extremas. Mesmo errando a magnitude, o sinal de que algo relevante vai acontecer costuma aparecer.

2. Também são bons em captar os padrões mais frequentes do local, o clima típico daquela região.

3. Mas não identificam as diferenças locais de vento e onda, como entre o canal de navegação em mar aberto e o interior do porto, ou entre um berço e outro no mesmo terminal.

Uma resolução de 9 km significa que o dado que você está vendo pode estar a até 9 km de distância do seu ponto real de interesse. Em zona costeira, isso muda tudo. Uma resolução de 25 km, como a dos modelos de IA mais avançados de hoje, amplia essa distância ainda mais.

Quebra-mares, molhes e outras estruturas portuárias reduzem a intensidade das ondas dentro do porto. Nenhum modelo global, físico ou de IA, capta essa diferença entre área abrigada e área exposta. O mesmo vale para baías, enseadas e outras particularidades da linha de costa. A resolução espacial, mesmo nos 9 km do ECMWF ou nos 25 km de um modelo de IA, não "enxerga" essas nuances de costa, profundidade ou infraestrutura. Para isso, só resolve um modelo de alta resolução feito para o seu local: o modelo hiperlocal.

Cinco práticas para extrair mais valor de qualquer previsão

Com as expectativas alinhadas sobre o que cada tipo de previsão entrega, seguem algumas práticas para tirar mais proveito da informação que você já tem em mãos:

1. Prefira sites e aplicativos que mostrem o horário da última atualização do modelo, a resolução espacial usada e dados horários, não só trihorários.
2. Consulte a previsão logo depois da atualização mais recente, e continue acompanhando as mudanças a cada nova rodada.
3. Deixe a decisão final o mais próxima possível do evento. Quanto mais perto do horário, mais preciso tende a ser o dado.
4. Quando previsões divergirem entre si, aceite que isso é normal, e monte mais de um cenário de planejamento.
5. Sempre que possível, compare com sensores locais para saber se a previsão costuma subestimar ou superestimar a realidade do seu ativo.

Previsão do tempo não é inteligência climática

Todo o avanço que a IA trouxe para os modelos globais é real e bem-vindo. Só que ele resolve um problema diferente do que enfrenta quem opera um porto, uma usina, uma ferrovia ou uma mina. Previsão do tempo, mesmo turbinada por IA, ainda fala a língua do país ou do continente. Decisão operacional fala a língua do berço, da subestação, do talude, do trecho de 200 metros de ferrovia que alaga primeiro.

É essa a distância que a inteligência climática tenta fechar. Na i4sea, trabalhamos com resolução de 1 a 3 km, contra os cerca de 25 km entregues pelos modelos públicos mais avançados de hoje, incluindo os de IA. Isso é sustentado por mais de 10 anos de reanálise climática proprietária e por 18 perigos hidrometeorológicos monitorados de forma contínua, hoje presentes em mais de 100 ativos críticos na América Latina e na Europa.

A pergunta "qual a melhor previsão do tempo" ganhou uma resposta nova em 2025 e 2026: os modelos globais ficaram mais rápidos e mais espertos com estatística e IA. Mas para quem decide sobre pátio, berço, linha de transmissão ou frente de lavra, a pergunta certa mudou. Não é mais só "qual modelo acerta mais o Brasil". É "qual dado enxerga o meu ativo".

Foi pensando nisso que desenvolvemos o Agente Climático da i4sea, um copilot conversacional de risco climático construído sobre essa mesma base de dados hiperlocal. Ele não substitui a previsão do tempo. Ele traduz previsão, reanálise histórica e risco em resposta direta para quem precisa decidir hoje, sem esperar um relatório.

Previsão do tempo não é inteligência climática. E confundir as duas custa caro, como mostram os números de demurrage e de prejuízo sem seguro que vimos aqui. Decida com o clima, não pelo clima.

Perguntas frequentes

Qual é o modelo de previsão do tempo mais preciso?

Entre os modelos globais gratuitos, o ECMWF costuma ser apontado como o mais preciso, com resolução espacial de 9 km e dados horários atualizados a cada seis horas. Modelos de IA como o GenCast superaram o ECMWF físico em 97,2% das métricas avaliadas (Nature, dez/2024), mas ainda operam a cerca de 25 km de resolução, uma grade mais grossa.

A inteligência artificial já é melhor que os modelos físicos de previsão do tempo?

Em velocidade, geração de ensembles probabilísticos e sinalização de eventos extremos, sim. Em resolução espacial para decisões locais, não. Os modelos de IA globais continuam na casa dos 25 km, mais grossos que os 9 km do ECMWF físico.

O que é resolução espacial em previsão do tempo?

É a distância entre os pontos de dados de um modelo numérico, como os pixels de uma foto: quanto menor a distância entre eles, maior o detalhe da previsão.

Por que modelos globais, mesmo os de IA, não servem para decisões operacionais em portos e infraestrutura?

Porque nenhum modelo global capta diferenças locais, como a proteção de um quebra-mar ou a diferença entre berços num mesmo terminal. Mesmo os 9 km do ECMWF deixam o dado a até 9 km do ponto real de interesse. É por isso que existem modelos hiperlocais, com resolução de 1 a 3 km.

Qual o impacto financeiro de previsões genéricas no Brasil?

R$ 184 bilhões em prejuízos climáticos entre 2022 e 2024, dos quais 91% sem seguro, e cerca de R$ 13 bilhões em demurrage portuário só em 2024, com 84% dos navios atrasando em Santos.