Publicado pela Nature em 14 de outubro de 2026, um estudo avaliou o Probabilistic Bias Correction (PBC), framework de aprendizado de máquina associado à Microsoft Research que ajusta previsões probabilísticas já existentes. Ele não produz uma previsão meteorológica por conta própria: corrige previsões de sistemas dinâmicos, de inteligência artificial ou híbridos. Na avaliação global, o PBC melhorou a habilidade preditiva em grande parte das células da grade analisada, em comparação com previsões da ECMWF que já tinham correção operacional de viés. Leia o estudo na Nature.
Como o PBC corrige uma previsão
O PBC aprende padrões de erro a partir de previsões históricas e observações. Em vez de fornecer um único resultado determinístico, ajusta a distribuição de probabilidades da previsão recebida — isto é, como as chances se distribuem entre diferentes cenários.
O método aplica duas correções em paralelo, Debias++ e Persistence++, e combina os resultados em uma distribuição ajustada. Na prática, isso permite acrescentar uma etapa de correção a um sistema meteorológico existente, em vez de substituí-lo.
O que o estudo mediu
A avaliação principal concentrou-se na terceira e na quarta semanas: dias 19 a 25 e 26 a 32, respectivamente. O estudo analisou temperatura média a 2 metros de altura e precipitação total sobre áreas terrestres, além da pressão média ao nível do mar. Os resultados foram calculados numa grade global de 1,5° de latitude e longitude.
A Nature comparou o PBC às previsões dinâmicas da ECMWF com correção operacional de viés. As porcentagens abaixo indicam a parcela das células avaliadas em que houve ganho de habilidade preditiva:
| Variável avaliada | Período de previsão | Células avaliadas com ganho de habilidade |
| Precipitação total sobre áreas terrestres | Semanas 3 e 4 (dias 19–25 e 26–32) | 98% |
| Temperatura média a 2 m sobre áreas terrestres | Semanas 3 e 4 (dias 19–25 e 26–32) | 91–92% |
| Pressão média ao nível do mar | Semanas 3 e 4 (dias 19–25 e 26–32) | 89–91% |
Para avaliar previsões probabilísticas, o estudo usou cinco faixas de probabilidade e a pontuação RPSS, que compara o desempenho com uma referência climatológica. A ERA5 serviu como referência observacional. Portanto, os percentuais da tabela descrevem em quantas células da grade o desempenho melhorou; não são a chance de uma previsão acertar o tempo numa cidade específica.
Em outras avaliações, o PBC dobrou a pontuação média RPSS de 0,03 do sistema de IA AIFS-SUBS, em testes de 2025. Com o sistema híbrido POET, o estudo registrou ganhos de RPSS de 68–98% para precipitação, 15–23% para pressão média ao nível do mar e 5–7% para temperatura, com dados de 2024. São resultados de sistemas e períodos de teste específicos.
MicroDuet ficou em primeiro na competição de 2025
Na temporada inaugural da AI Weather Quest, de setembro a novembro de 2025, o conjunto de previsões MicroDuet ficou em primeiro lugar para cada variável meteorológica e prazo avaliados. O MicroDuet usava o PBC e competiu pela equipe MicroEnsemble. A Nature relata que o resultado superou sistemas de seis centros operacionais de previsão e equipes de 34 grupos.
O estudo também avaliou eventos de inundação registrados no catálogo do Global Disaster Alert and Coordination System (GDACS). Nessa análise, relatou ganhos de habilidade de 76–92% para os eventos avaliados e de 86–150% para inundações severas; essas medidas se referem à pontuação de habilidade, não à probabilidade de acerto de uma previsão.
Uso inicial no Quênia
A Microsoft Research relata que meteorologistas da Kenya Meteorological Service Authority (KMSA) testaram o PBC e o usaram na preparação de atualizações semanais durante a estação chuvosa de 2026. Segundo o relato da empresa, Phillip Okello, meteorologista principal da KMSA, avaliou que o método melhorou as previsões da equipe mais do que as outras abordagens testadas na região do Grande Chifre da África. Ele também apontou a previsão de chuvas intensas e períodos secos como áreas que ainda precisam avançar. Veja o relato da Microsoft Research.
Código aberto não é o mesmo que acesso a um serviço de previsão
A implementação do PBC e o código dos experimentos são de código aberto, segundo a Nature. A Microsoft Research também distingue o framework de seu modelo S2S, que fornece orientação probabilística semanal de até seis semanas e foi descrito pela empresa como uma prévia privada para clientes selecionados.
