Estes são os modelos de previsão disponíveis no PredictWind.

Nosso objetivo é fornecer a você acesso aos dados de previsão mais precisos disponíveis. Nenhum modelo de previsão isolado será o mais preciso em todas as situações, portanto, comparar vários modelos de previsão líderes de mercado pode lhe dar maior confiança em suas previsões e tomadas de decisão.

Desde 2008, a PredictWind é líder de mercado em previsões precisas para o setor náutico recreativo. Utilizando o modelo CCAM da CSIRO com 450 domínios de alta resolução ao redor do mundo, a PredictWind abrange a maioria dos usuários de atividades náuticas recreativas no mundo.

O PWG é um modelo meteorológico proprietário da PredictWind que utiliza as condições iniciais globais do NCEP , processadas pelo modelo CCAM da CSIRO, para gerar a previsão do PWG.

O PWE é um modelo meteorológico proprietário da PredictWind que utiliza as condições iniciais globais ECMWF , processadas pelo modelo CCAM da CSIRO, para gerar a previsão do PWE.

As condições iniciais do ECMWF e do NCEP fornecem um "instantâneo fotográfico" do estado atual da atmosfera terrestre. Usamos essas condições iniciais para executar nossos próprios modelos meteorológicos proprietários em todo o mundo, utilizando tecnologia exclusiva da PredictWind no setor privado de previsão do tempo.

O PWAi é o modelo de previsão global proprietário da PredictWind, baseado em inteligência artificial. Ele combina informações do ECMWF , AIFS, Fengwu e GraphCast para gerar uma única previsão otimizada que abrange o mundo todo.

O PWAi fornece intervalos de tempo de 1 hora para os três primeiros dias e apresenta um desempenho particularmente bom em estudos de validação em períodos de previsão de curto a médio prazo e em áreas de maior escala.

Você pode visualizar esta avaliação , que representa a primeira fase de validação. Os resultados são muito encorajadores e a PredictWind continuará aprimorando o modelo por meio de testes em situações reais e feedback dos usuários.

ECMWF significa Centro Europeu de Previsões Meteorológicas de Médio Prazo . Seu modelo de previsão global tem resolução de 9 km e é altamente conceituado por meteorologistas e navegadores profissionais em todo o mundo. Ele apresenta desempenho consistentemente sólido na verificação de previsões globais e é o único modelo de previsão global disponível com essa alta resolução.

GFS significa Sistema Global de Previsão e é produzido pelos Centros Nacionais de Previsão Ambiental dos EUA (NCEP). O GFS é um modelo numérico global de previsão do tempo e é amplamente utilizado por serviços meteorológicos, sites e aplicativos em todo o mundo. Exibimos o modelo GFS-FV3 quando você vê a etiqueta GFS no PredictWind.

O GFS-FV3 é capaz de simular movimentos verticais, como correntes ascendentes, um componente chave de tempo severo, com altíssima resolução. Testes sugerem que o modelo FV3 apresenta previsões de cinco dias mais precisas, além de melhores previsões de trajetórias e intensificação de furacões. Embora o novo núcleo do FV3 tenha demonstrado melhorias em relação ao GFS, ele permanece em 3º lugar em precisão, atrás ECMWF (1º) e do UKMO (2º).

UKMO refere-se ao modelo de previsão global produzido pelo Met Office do Reino Unido . Também conhecido como Modelo Unificado, possui uma longa reputação como um dos principais modelos meteorológicos globais do mundo.

O ICON é o modelo global de previsão numérica do tempo (NWP) da Alemanha, desenvolvido pelo Serviço Meteorológico Alemão (DWD) em colaboração com o Instituto Max Planck de Meteorologia (MPI-M).

O ICON utiliza uma grade icosaédrica que proporciona uma cobertura aproximadamente uniforme em todo o globo. Isso ajuda a evitar algumas das distorções e ineficiências computacionais que podem ocorrer perto dos polos com as grades tradicionais de latitude e longitude.

O AIFS é um sistema global de previsão meteorológica baseado em inteligência artificial, desenvolvido pelo Centro Europeu de Previsões Meteorológicas de Médio Prazo ( ECMWF ) .

Utiliza inteligência artificial e aprendizado de máquina para gerar previsões globais e apresenta um desempenho particularmente bom em alto-mar, capturando padrões climáticos de grande escala a médio e longo prazo.

HRRR significa High-Resolution Rapid Refresh (Atualização Rápida de Alta Resolução ). É o modelo meteorológico de alta resolução de 3 km da NOAA, que cobre os Estados Unidos continentais e é atualizado a cada hora para fornecer previsões detalhadas de curto prazo.

O HRRR incorpora observações de radar e foi projetado para capturar sistemas meteorológicos de pequena escala e em rápido desenvolvimento. Para mais informações, assista a estevídeo .

NAM significa Sistema de Previsão Mesoescala da América do Norte e é um dos modelos meteorológicos regionais da NOAA que cobre a América do Norte.

Como um modelo de mesoescala, o NAM pode representar a terra e outras características geográficas com uma resolução maior do que muitos modelos globais, fornecendo previsões regionais mais detalhadas.

O AROME é um modelo numérico de previsão meteorológica regional de alta resolução desenvolvido pela Météo-France. Ele foi projetado para previsões detalhadas de curto prazo e é particularmente útil para prever fenômenos meteorológicos de menor escala e eventos climáticos severos, como precipitações intensas no Mediterrâneo (eventos Cévenole).

Comparar as previsões de vários modelos pode ajudar a avaliar a confiabilidade da previsão. Quando diferentes modelos mostram condições semelhantes, a confiabilidade da previsão geralmente é maior. Quando elas divergem significativamente, vale a pena monitorar as atualizações subsequentes da previsão e considerar a gama de condições possíveis.

Ao visualizar as tabelas de previsão do PredictWind, o menu que contém as diferentes variáveis ​​de previsão se recolhe à medida que você percorre os dias de previsão. Isso permite que mais intervalos de tempo de previsão sejam exibidos na tela.

Quando o menu está recolhido, os nomes dos modelos de previsão são abreviados:

Para exibir novamente os nomes completos dos modelos, deslize o dedo totalmente para a esquerda.