A ECMWF tornou operacional o seu modelo meteorológico de aprendizagem automática AIFS em fevereiro de 2025, com uma versão probabilística em julho — reduzindo as necessidades de computação em cerca de 1000x face aos modelos físicos, igualando ou superando-os em várias medidas, incluindo trajetórias de ciclones tropicais.
up to 20%
Melhoria na precisão da trajetória de ciclones tropicais face ao modelo baseado em física
~9%
Computação necessária por um modelo de conjunto de IA comparável face ao seu antecessor baseado em física (NOAA AIGEFS)
Detalhes
Maturidade
Em expansão
Promotor
European Centre for Medium-Range Weather Forecasts (ECMWF)
Período
2025–2026
Palavras-chave
meteorology, weather forecasting, disaster risk reduction, public safety
Contexto
O Centro Europeu de Previsão Meteorológica a Médio Prazo (ECMWF), o organismo intergovernamental que gere o principal sistema mundial de previsão meteorológica a médio prazo para 35 Estados-membros e cooperantes, colocou o seu Sistema de Previsão por Inteligência Artificial (AIFS) em serviço operacional pleno em fevereiro de 2025, com uma versão de conjunto probabilística a seguir em julho de 2025.
Objetivos
O AIFS visa produzir previsões meteorológicas globais de qualidade comparável ou superior à do sistema físico do ECMWF (Integrated Forecasting System, IFS), reduzindo a potência de computação necessária, funcionando em paralelo com (e não em substituição de) o sistema baseado em física.
Atividades
O AIFS é um modelo de aprendizagem profunda treinado com décadas de dados de reanálise do próprio ECMWF. Uma vez treinado, produz uma previsão global a 10 dias numa fração do tempo e da potência de computação exigidos pelo sistema físico IFS.
Resultados
Em pontuações de verificação independentes, o AIFS iguala ou supera as previsões baseadas em física em muitas medidas, incluindo ganhos de até 20% na precisão da trajetória de ciclones tropicais — um resultado confirmado na própria verificação publicada pelo ECMWF e noticiado de forma independente pela Communications of the ACM. O modelo de conjunto de IA comparável da NOAA, o AIGEFS, necessita apenas cerca de 9% da capacidade de computação do seu antecessor baseado em física. O próprio conjunto operacional de IA da NOAA seguiu-se em janeiro de 2026, um primeiro dado sobre a replicação da abordagem entre agências.
Conclusões
O ECMWF continua a executar o AIFS em paralelo com, e não em substituição de, o sistema físico IFS, e os meteorologistas alertam que os modelos de IA treinados em padrões meteorológicos históricos estão menos comprovados para eventos extremos genuinamente sem precedentes.
Implementação
Custo indicativo
Elevado (500 mil €–5 M€)
Tempo até resultados
Médio (1–3 anos)
Equipa e competências
ECMWF scientific and modelling teams, coordination with WMO and member/cooperating state meteorological agencies
Condições de sucesso
Decades of historical reanalysis data available for training
Existing physics-based forecasting system retained in parallel as a safeguard for unprecedented events
Independent verification and publication of comparative skill scores
Habitualmente financiado por
National / regional programmes
Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.
Implementa esta prática?
Reivindique-a —
implementadores verificados obtêm um contacto público na página e podem propor correções.
Fontes de dados
De onde foi obtida a informação desta prática, e quando.