Em setembro de 2026, o Instituto Nacional de Pesquisas Espaciais (INPE) iniciou a operação oficial do Monan, modelo brasileiro para previsões de oceano, terra e atmosfera. Executado no supercomputador Jaci, o sistema cobre o globo com resolução espacial de aproximadamente 10 km, atualiza seus cálculos duas vezes ao dia e produz previsões para até 11 dias. O avanço responde a uma pergunta prática: como transformar infraestrutura de computação e dados meteorológicos em informação útil para decisões que dependem do tempo? A resposta começa pela nova forma de o instituto produzir e distribuir suas previsões.

Do projeto de pesquisa ao produto operacional

O primeiro sinal de mudança está no status que o modelo passou a ocupar dentro do instituto. O anúncio do INPE informa que o Monan foi elevado à categoria de produto operacional, com desempenho superior ao antigo modelo BAM. Em termos simples, isso significa que a ferramenta deixou de ser tratada apenas como uma iniciativa em desenvolvimento e passou a integrar a rotina oficial de previsão do tempo. O projeto também adota um modelo comunitário, com participação de instituições brasileiras e latino-americanas, em uma construção que conecta diferentes grupos de pesquisa sob a liderança do INPE e a vinculação ao MCTI.

Por trás dessa mudança existe um ciclo de desenvolvimento de três anos, apoiado por uma infraestrutura de processamento capaz de executar cálculos meteorológicos em escala global. O Monan utiliza o núcleo dinâmico MPAS, que é a parte responsável por calcular a evolução dos processos atmosféricos, adaptado pelo INPE para condições tropicais e subtropicais. A resolução de 10 km pode ser entendida como o tamanho aproximado da malha usada para representar o território e a atmosfera nos cálculos. Quanto mais detalhada for essa malha, maior é a quantidade de informação que o sistema precisa processar, o que explica a conexão direta entre o modelo e o supercomputador Jaci.

Como os dados viram uma previsão utilizável

O Monan recebe informações que ajudam a descrever o estado da atmosfera antes de simular seus próximos movimentos. Dados de satélites e radares entram nesse processo para que o modelo represente o comportamento atmosférico em diferentes áreas. A lógica é semelhante à de uma mesa de diálogo: cada fonte oferece uma parte da informação, enquanto o sistema organiza esses sinais em uma previsão que pode ser consultada com antecedência. O resultado não é apenas uma leitura do tempo atual, mas uma simulação capaz de projetar como as condições podem evoluir ao longo dos dias seguintes.

Essa rede de informações também inclui estações meteorológicas, que registram condições observadas em pontos específicos e ajudam a compor a base usada pelo modelo. Na prática, as previsões podem apoiar o planejamento agrícola, incluindo decisões relacionadas a plantio e colheita, além de estimativas sobre o volume de chuva em bacias hidrográficas. As mesmas informações podem servir de apoio a alertas da Defesa Civil para eventos extremos, aproximando o processamento de alta capacidade de decisões que afetam áreas rurais, cidades e estruturas de gestão da água. É nessa passagem entre dados técnicos e uso cotidiano que a operação do Monan ganha sentido para além do laboratório.

Por que a infraestrutura nacional entra na conversa

A operação também tem uma dimensão relacionada ao controle da capacidade de produzir dados meteorológicos. A ministra da Ciência, Tecnologia e Inovação, Luciana Santos, destacou o Monan como uma garantia de soberania sobre dados climáticos. Essa ideia ganha forma porque o modelo é liderado pelo INPE, conta com participação de instituições da região e roda em uma máquina vinculada ao projeto RISC, sigla para Renovação da Infraestrutura de Supercomputação. Em vez de depender somente de uma solução externa para interpretar as condições atmosféricas, o país passa a manter uma estrutura própria de modelagem e processamento.

Essa estrutura funciona como uma ponte entre instituições que produzem dados e setores que precisam tomar decisões com base neles. O Monan concentra a capacidade de transformar observações meteorológicas em previsões com escala global, enquanto a agricultura e a Defesa Civil podem aplicar essas informações em problemas diferentes. A conexão não elimina a complexidade técnica, mas organiza o caminho entre o dado bruto e a ação possível. Para o leitor, a consequência mais concreta é entender que a previsão publicada no cotidiano depende de uma cadeia de processamento na qual modelo, supercomputador e fontes de observação precisam conversar entre si.

A próxima etapa é aumentar o zoom

A operação atual é o primeiro estágio de uma expansão já prevista para o projeto. Entre as próximas entregas está uma versão regional com resolução de 5 km para a América do Sul, capaz de representar detalhes mais finos do território do que a configuração global de 10 km. O plano também inclui o chamado nowcasting, termo usado para previsões de curtíssimo prazo, com alcance de até seis horas. A diferença entre as duas frentes é direta: uma aumenta o nível de detalhe regional, enquanto a outra encurta o horizonte para acompanhar mudanças imediatas no tempo.

O cronograma de desenvolvimento se estende até 2031 e prevê novas escalas de previsão. Além dos 11 dias já disponíveis, o planejamento inclui horizontes subsazonais de até 60 dias, previsões sazonais de até seis meses e projeções climáticas de longo prazo. O programa também prevê o acoplamento de oceanos, criosfera e vegetação dinâmica, ou seja, a inclusão dessas partes do sistema terrestre nos cálculos para que elas sejam consideradas junto da atmosfera. O próximo passo concreto, portanto, é ampliar gradualmente o alcance e o nível de detalhe do Monan, acompanhando a capacidade de processamento do Jaci e as metas definidas para o programa.