As fortes chuvas que atingiram o Sudeste pegaram todo mundo de surpresa. Sim, elas causam estragos nas mesmas regiões todo ano, mas se tivéssemos como prever o momento e intensidade das chuvas, seria mais fácil evitar tragédias – de forma semelhante aos alertas de furacão em outros países. Mas como prever melhor? Com a potência de um supercomputador de 258 teraflops.

Nós já falamos por aqui do Tupã, o 29º supercomputador mais rápido do mundo, comprado pelo Inpe por R$50 milhões para ajudar nas previsões meteorológicas do CPTEC (Centro de Previsão do Tempo e Estudos Climáticos). Essas previsões são feitas com modelos matemáticos complexos, cheios de variáveis e que precisam de um computador parrudo pra gerar resultados de forma rápida e confiável.

Só que prever o tempo no Brasil é uma tarefa difícil. Segundo Marcelo Enrique Seluchi, chefe de supercomputação do Inpe, nosso país é muito grande e muito diverso, então previsões para daqui a alguns dias têm margem de erro maior que em outros países. Além disso, os modelos de previsão meteorológica têm várias limitações: por exemplo, eles geram previsões apenas de três em três horas – chuvas devastadoras duraram menos que isso este mês – e não consideram nuvens menores que 20km, quando nuvens de 2km podem fazer um grande estrago.

Aí entra o Tupã: com o supercomputador, o Inpe vai conseguir aumentar a margem de acerto para previsões de longo prazo (maiores que 24 horas) e, de quebra, vai processar modelos mais precisos e mais realistas. Não só: como a previsão meteorológica tem vínculos com a teoria do caos, é necessário estabelecer direito a condição inicial que vai gerar a previsão – ou erros graves podem acontecer na previsão final. E o Tupã vai ajudar a elaborar condições iniciais mais precisas.

Mas isso começa quando? Bem, os primeiros modelos de previsão novos para o Tupã serão gerados este mês, mas ainda em fase de testes. Então os pesquisadores poderão ajustar os modelos e, espero, ajudar na prevenção de tragédias como a que estamos vendo todo dia no Brasil. [Agência FAPESP/Info]