Expressar a incerteza torna a previsão mais informativa, pois preserva diferenças que uma resposta categórica não consegue comunicar. Imagine duas situações. Na primeira, as informações disponíveis indicam pequena possibilidade de chuva. Na segunda, apontam fortemente para sua ocorrência. Se ambas forem comunicadas simplesmente como “pode chover”, uma informação importante se perde. A probabilidade permite diferenciar essas situações e, mais importante, permite que essa diferença seja considerada por quem precisa tomar uma decisão.
Por Ana Maria Heuminski de Avila e Chou Sin Chan
Chove hoje? Posso responder que há 70% de probabilidade de chuva. Isso ajuda? Mas 70% de quê? Para interpretar essa informação, precisamos saber para qual local e período a previsão se aplica e qual critério define a ocorrência de chuva. Estamos acostumados a querer respostas simples: vai chover ou não vai? Vai fazer frio? Haverá uma tempestade? Mas nem a atmosfera – nem a previsão – funcionam de forma tão simples.
Quando expressamos uma previsão em termos de probabilidade, não estamos apenas substituindo uma resposta categórica por um número. Estamos incorporando à previsão uma informação fundamental: a incerteza.
Talvez a meteorologia seja uma das áreas em que mais claramente podemos perceber o valor da probabilidade. Afinal, prever o tempo significa antecipar o estado futuro de um sistema extremamente complexo que é a atmosfera. Nas últimas décadas, a capacidade de previsão avançou enormemente. Dispomos de quantidade crescente de observações, satélites, radares meteorológicos, modelos numéricos cada vez mais sofisticados e recursos computacionais que seriam inimagináveis há poucas décadas (Bauer, Thorpe e Brunet, 2015).
Ainda assim, permanece uma característica fundamental: a previsibilidade limitada da atmosfera. Os trabalhos de Edward Lorenz, na década de 1960, foram decisivos para a compreensão desse problema. Pequenas diferenças nas condições iniciais de determinados sistemas dinâmicos podem crescer com o tempo e produzir evoluções bastante diferentes. Isso significa que, mesmo conhecendo as leis físicas que governam a atmosfera e dispondo de observações e previsões cada vez melhores, há limites para determinar o estado futuro.
Isso porque antecipar o estado futuro da atmosfera envolve perguntas bastante diferentes. Em previsões para os próximos dias, perguntamos onde e quando irá chover, qual será a temperatura ou se haverá tempestade. Quando a antecedência da previsão avança para semanas ou meses, as previsões subsazonais e sazonais, as perguntas mudam. Já não é possível dizer como estará o tempo em determinada tarde de um determinado dia daqui a dois meses, mas se pode dizer, por exemplo, se o período apresenta maior probabilidade de ser mais quente, mais frio, mais seco ou mais chuvoso do que o normal. Em horizontes de décadas, as projeções de mudanças climáticas respondem a outras questões, procurando avaliar como as características do clima podem se modificar sob diferentes suposições sobre condições futuras.
Muda-se o horizonte, a antecedência da previsão, muda-se a pergunta mas, em comum, permanece a necessidade de se lidar com a incerteza.
A previsibilidade varia conforme o fenômeno, a antecedência da previsão e a situação atmosférica: em algumas condições, a incerteza é menor; em outras, maior. Por exemplo, durante o El Niño, o aquecimento anormal das águas superficiais do Pacífico equatorial central e oriental influencia a circulação atmosférica e pode aumentar a previsibilidade climática em determinadas regiões e épocas do ano (Shukla, 1998). Como discutem Slingo e Palmer (2011), a incerteza na previsão meteorológica e climática está relacionada às características inerentes ao sistema que tentamos prever.
Isso tem uma consequência importante: previsão mais incerta não é necessariamente uma previsão sem valor. Saber o quanto podemos confiar em uma determinada previsão também é informação. É justamente aí que a probabilidade se torna tão importante.
As previsões por conjunto são uma das principais ferramentas para estimar a probabilidade de ocorrência de eventos meteorológicos. Essa abordagem reúne diferentes previsões, produzidas por modelos numéricos distintos ou por um mesmo modelo com pequenas variações nas condições iniciais e na representação dos processos físicos (Toth e Kalnay, 1993). Cada uma dessas previsões é chamada de membro do conjunto. Ao analisar os diferentes resultados, podemos estimar a probabilidade de determinado evento ocorrer e avaliar a incerteza associada à previsão.
Em vez de reduzir a previsão a um único resultado: “vai chover” ou “não vai chover”, podemos expressar quão provável é a ocorrência de determinado evento. A incerteza deixa de ser apenas uma limitação da previsão e passa a fazer parte da própria informação meteorológica. Quando membros da previsão por conjunto convergem na previsão de ocorrência de um evento, há alta probabilidade e, portanto, mais confiança na previsão; ao contrário, quando os membros da previsão divergem, a incerteza aumenta.
Expressar a incerteza torna a previsão mais informativa, pois preserva diferenças que uma resposta categórica não consegue comunicar. Imagine duas situações. Na primeira, as informações disponíveis indicam pequena possibilidade de chuva. Na segunda, apontam fortemente para sua ocorrência. Se ambas forem comunicadas simplesmente como “pode chover”, uma informação importante se perde. A probabilidade permite diferenciar essas situações e, mais importante, permite que essa diferença seja considerada por quem precisa tomar uma decisão.
Acertou ou errou?
Estamos muito acostumados a julgar a previsão meteorológica depois que o evento ocorreu. “Disseram que ia chover e não choveu”. “A previsão errou”.
Essa lógica de “acertou ou errou” não é suficiente quando a previsão é probabilística. Se foi prevista a probabilidade de 70% de chuva e não choveu, a previsão estava errada? Não necessariamente.
Uma probabilidade de 70% também admite a possibilidade de o evento não ocorrer. Por isso, uma previsão probabilística não pode ser adequadamente avaliada a partir de um único caso. É necessário considerar muitas previsões. Se, em 100 situações com previsão de 70% de probabilidade de chuva, chover em aproximadamente 70 delas, isso fornece uma indicação de que essas probabilidades são confiáveis.
Em um artigo clássico sobre o que significa uma “boa previsão”, Allan Murphy (1993) mostra que a questão é mais complexa do que simplesmente verificar se algo aconteceu ou não. Ele distingue três dimensões: consistência, relacionada à correspondência entre o julgamento do previsor e aquilo que é comunicado; qualidade, relacionada à correspondência entre a previsão e a observação; e valor, relacionado ao benefício que a previsão proporciona a quem precisa tomar uma decisão. Essa última dimensão nos leva a uma questão essencial. Qual é a chance de o evento previsto acontecer e o que faço com essa informação?
Voltemos aos 70% de probabilidade de chuva. Essa informação, por si só, não determina o que devemos fazer. Uma pessoa pode decidir levar um guarda-chuva; outra pode considerar que não vale a pena. As duas receberam a mesma previsão. Agora pensemos em situações nas quais as consequências são muito maiores. O agricultor precisa decidir se realiza determinada operação de plantio; a empresa de energia precisa planejar suas atividades para garantir a segurança energética; a Defesa Civil precisa avaliar a mobilização de equipes diante da possibilidade de um evento meteorológico severo. Nesses casos, não importa apenas a probabilidade de o evento acontecer. Importam também as consequências se ocorrer o evento e as consequências de agir ou não diante da informação.
Murphy (1993) trata esse problema considerando a relação entre custo e perda. Uma medida preventiva tem um custo. Por outro lado, se o evento ocorrer e nenhuma medida tiver sido tomada, pode haver uma perda. O valor da previsão está relacionado à possibilidade de utilizar a informação meteorológica para tomar uma decisão melhor do que aquela que seria tomada sem ela.
Isso significa que uma probabilidade relativamente baixa pode justificar uma ação quando as consequências potenciais são muito graves e o custo da prevenção é relativamente pequeno. Em outra situação, pode ser racional esperar por uma probabilidade maior. Isso é análise de risco. E aqui a incerteza volta a ser importante. Há situações em que a previsibilidade é menor e diferentes cenários permanecem plausíveis. Isso não significa que a previsão deixe de ser útil. A própria incerteza é uma informação que precisa ser considerada na decisão, juntamente com a probabilidade e as consequências associadas aos diferentes resultados possíveis.
Portanto, não existe probabilidade universal a partir da qual todos devam tomar a mesma decisão. A previsão informa sobre a possibilidade de ocorrência do evento; a decisão depende também dos custos, das perdas e das consequências envolvidas. Murphy (1993) formaliza essa relação por meio do modelo custo–perda.
Talvez esteja aí uma das maiores contribuições da probabilidade para a meteorologia. Ela permite separar duas perguntas que frequentemente confundimos: Qual é a chance disso acontecer? O que devo fazer diante dessa chance? A primeira pertence ao domínio da previsão; a segunda, ao da decisão. Uma previsão melhor não é uma promessa de certeza.
A evolução da meteorologia não deve ser medida pela capacidade de eliminar completamente a incerteza. Isso decorre da própria natureza do problema de prever a evolução da atmosfera. O avanço está também em compreender melhor essa incerteza, quantificá-la, avaliar a qualidade das probabilidades e comunicá-las de maneira que as previsões possam ser utilizadas.
Trabalhos recentes sobre previsão probabilística destacam justamente essa mudança de perspectiva. A informação sobre a incerteza não é algo a ser omitido de quem utiliza a previsão. Quando adequadamente comunicada, ela permite que diferentes usuários considerem não apenas o resultado mais provável, mas também outros resultados possíveis e suas consequências.
Isso exige também mudança de procedimentos de quem recebe a previsão. Precisamos aprender a trabalhar com possíveis resultados e suas respectivas probabilidades, em vez de esperar sempre uma afirmação categórica de um único cenário sobre o que pode acontecer.
Voltemos, então, à pergunta inicial. Chove hoje? Há 70% de probabilidade de chuva. Talvez agora essa resposta pareça menos incompleta. Ela contém algo que um simples “sim” ou “não” não conseguiria expressar: o grau de incerteza associado à evolução da atmosfera que estamos tentando antecipar.
A probabilidade não elimina a incerteza sobre o que pode acontecer, mas considera a natureza caótica da atmosfera. A probabilidade permite quantificar a incerteza, comunicá-la e transformá-la em informação para decisões que precisam ser tomadas antes de sabermos o que acontecerá.
Ana Maria Heuminski de Avila é pesquisadora no Centro de Pesquisas Meteorológicas e Climáticas Aplicadas em Agricultura (Cepagri/Unicamp)
Chou Sin Chan é pesquisadora do Centro de Previsão de Tempo e Estudos Climáticos (Cptec/Inpe)
Referências
Bauer, P.; Thorpe, A.; Brunet, G. “The quiet revolution of numerical weather prediction”. Nature, v. 525, p. 47–55, 2015. DOI: 10.1038/nature14956
Lorenz, E. N. “Deterministic nonperiodic flow”. Journal of the atmospheric sciences, v. 20, p. 130–141, 1963.
Murphy, A. H. “What is a good forecast? An essay on the nature of goodness in weather forecasting”. Weather and Forecasting, v. 8, p. 281–293, 1993.
Mylne, K. “Probability forecasts – Part 1: ensembles and probabilistic forecasts”. Weather, v. 81, p. 82–88, 2026a. DOI: 10.1002/wea.70015.
Mylne, K. “Probability forecasts – Part 2: Will people understand?”. Weather, v. 81, p. 100–106, 2026b. DOI: 10.1002/wea.70016.
Shula, J., 1998: “Predictability in the midst of chaos: a scientific basis for climate forecasting”. Science 282, 728 -731 (1998) DOI: 10.1126/science.282.5389.728
Slingo, J.; Palmer, T. “Uncertainty in weather and climate prediction”. Philosophical transactions of the Royal Society A, v. 369, p. 4751–4767, 2011. DOI: 10.1098/rsta.2011.0161.
Toth, Z.; Kalnay, E. “Ensemble forecasting at NMC: the generation of perturbations”. Bull. Amer. Meteor. Soc., v. 74, p. 2317-2330 1993.