Melhorando a previsão sazonal da temperatura média global da superfície ao incorporar previsões dinâmicas realistas do ENSO

Por que previsões sazonais melhores importam

Agricultores, planejadores de energia e gestores de desastres precisam cada vez mais saber quão quente o planeta provavelmente estará nas próximas estações. Este estudo investiga por que as previsões de curto prazo da temperatura média da superfície da Terra às vezes falham e mostra como acompanhar padrões climáticos tropicais familiares pode tornar essas previsões mais precoces e confiáveis.

Um termômetro global com consequências reais

A temperatura média global da superfície, ou o calor médio próximo à superfície do planeta, é um número simples que oculta uma física complexa. Ainda assim, tem consequências diretas para o momento das colheitas, demanda por combustível, estresse pelo calor e riscos relacionados ao clima. Previsões sazonais dessa temperatura global podem ajudar a sociedade a se preparar com alguns meses de antecedência. Modelos climáticos existentes e até sistemas modernos de aprendizado de máquina, porém, têm dificuldade em prever as oscilações ano a ano, especialmente nos meses cruciais do outono e inverno do hemisfério norte, quando muitos extremos climáticos ocorrem.

O enigma dos erros de previsão no outono

Os autores examinaram por que seu sistema de previsão anterior, desenvolvido no Instituto de Física Atmosférica em Pequim, começou a perder precisão quando as previsões eram iniciadas no outono. Ao comparar previsões com observações de 1980 a 2024, eles descobriram que os erros estavam fortemente ligados ao que acontecia nos oceanos tropicais. Durante eventos de El Niño, quando o Pacífico central e oriental se aquece, seu modelo tendia a subestimar a temperatura global. Durante La Niña, com águas mais frias no Pacífico, frequentemente superestimava. O padrão de erros não se restringia ao Pacífico, mas se espalhava também pelo Índico e pelo Atlântico, revelando uma cadeia pantropical de interações que o modelo original não capturava totalmente.

Oceanos tropicais atuando em conjunto

Fisicamente, o estudo mostra como uma fase quente de El Niño enfraquece e desloca uma circulação atmosférica chave sobre o Pacífico. Esse deslocamento altera ventos e correntes no Oceano Índico, favorecendo uma zona mais aquecida em suas regiões ocidental e central, e também muda ventos sobre o Atlântico Tropical Norte, levando ao aquecimento ali. Essas bacias oceânicas interligadas atuam em conjunto para influenciar a temperatura superficial global nas estações seguintes. Quando essas respostas em escala de bacia são mais fortes do que o modelo espera, a previsão da temperatura global sai baixa demais; quando são mais fracas, sai alta demais. O inverso ocorre durante La Niña, quando o resfriamento em escala de bacia é comum. Reconhecer essa cadeia ajuda a explicar por que os erros se concentram em anos com condições fortes de El Niño ou La Niña.

Misturando insight físico com estatística

Para transformar esse entendimento em uma ferramenta prática, os autores projetaram uma estrutura de previsão híbrida. Mantiveram seu sistema estatístico existente, que já separava oscilações climáticas mais lentas e mais rápidas, mas adicionaram informações de um modelo separado que prevê a intensidade de El Niño e La Niña com meses de antecedência. Usando dados passados, eles aprenderam como os erros de previsão variavam com o sinal pacífico previsto e então usaram essa relação para corrigir novas previsões em tempo real. Também testaram incluir índices adicionais do Índico e do Atlântico. Embora esses tenham ajudado a remover algum viés médio, não melhoraram tanto a habilidade ano a ano quanto focar apenas no Pacífico, provavelmente porque o comportamento dessas bacias já está fortemente ligado a El Niño e La Niña.

O que o novo sistema entrega

Com essa abordagem combinada, as previsões melhoradas reduziram os erros médios em cerca de dois quintos para previsões iniciadas em setembro e outubro e trouxeram muitos anos marcados por fortes El Niño e La Niña de volta para dentro da incerteza observacional. Em aproximadamente dois terços dos anos estudados, as previsões corrigidas ficaram mais próximas da realidade, com ganhos especialmente grandes durante episódios de El Niño. O mais notável é que o horizonte temporal para previsão confiável da temperatura global aumentou de dois para quatro meses. Para os usuários de informação climática, isso significa aviso mais precoce de estações incomumente quentes ou frias em escala planetária, alcançado com um método mais simples e menos exigente computacionalmente do que muitos modelos climáticos em escala total.

Citação: Li, KX., Zheng, F. Improving seasonal prediction of global mean surface temperature by incorporating dynamic ENSO realistic forecasts. npj Clim Atmos Sci 9, 114 (2026). https://doi.org/10.1038/s41612-026-01386-9

Palavras-chave: previsão climática sazonal, temperatura média global da superfície, ENSO, El Niño, oceanos pantropicais