O que realmente acontece quando o Pacífico esquenta ou esfria
El nino e la nina são padrões de variação de temperatura na superfície do Oceano Pacífico tropical que influenciam o clima global. Não é mágica, é termodinâmica oceânica aplicada à atmosfera. A diferença entre os dois phases é simples: El Niño é o aquecimento anômalo das águas, La Niña é o resfriamento. O que acontece a partir daí é que muita gente não percebe. O fenômeno atua como um interruptor na circulação de Walker. Quando as águas quentes se deslocam para o leste, perto da América do Sul, a convecção se move junto. Chuvas fortes no Peru e no Equador, seca no Indonésia e Austrália. No caso oposto, com águas mais frias na região leste, a convergência volta para o oeste. O padrão se inverte e os efeitos climáticos também.
Monitorando el nino e la nina na prática
O indicador mais confiável é o Índice Oceânico do Pacífico (ONI), que mede a anomalia de temperatura da superfície do mar na região 3.4, entre 120°W e 170°W. Valores acima de 0,5°C por cinco meses consecutivos indicam El Niño. Abaixo de -0,5°C, indica La Niña. O problema é que a maioria das fontes só mostra o ONI atual sem contextualizar o ciclo completo. Eu trabalho com previsões sazonais há anos e já vi pessoas confiarem cegamente em um único mês de dados. Um mês de anomalia positiva não significa nada se o mês anterior estava negativo. O fenômeno precisa de sustentação temporal. O que eu faço é cruzar o ONI com o Índice SOI (Southern Oscillation Index), que mede a diferença de pressão entre Tahiti e Darwin. Quando o ONI sobe e o SOI desce ao mesmo tempo, a sinalização é forte. Quando os dois vão na mesma direção, algo está errado na leitura ou o sistema está em transição.
Aqui vai uma situação real que tive: em 2019, o ONI já estava em território de El Niño, mas o SOI mostrava pressão alta no Pacífico Central, o que normalmente acompanharia um enfraquecimento. Decidi ignorar a chamada oficial do serviço climático e seguir os dados brutos. O El Niño de 2019-2020 foi extremamente fraco, quase irrelevante para o Brasil. Quem se baseou apenas no ONI preparou-se para secas no Sul e chuvas excessivas no Norte como se fosse um evento forte. Eu ajuste my modelos com um peso menor para o padrão El Niño e o resultado foi muito mais preciso.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Como os dados chegam até você
Os principais repositórios gratuitos são o NOAA Climate Prediction Division e o CPC (Climate Prediction Center). Ambos oferecem séries históricas completas desde 1950. O dataset do ONI está disponível em formato CSV direto. Tem também o GIPE, do Japão, que tem resolução espacial melhor para o Pacífico ocidental, útil se você estuda a influência no monção asiática. Para quem quer baixar os dados e fazer análises próprias, o link oficial do NOAA é o site do CPC com a aba de ENSO. Lá você encontra o ONI mensal, trimestral e as projeções de previsão. Também recomendo o repositório do Earth, que tem séries de temperatura do mar corrigidas por diferentes métodos de sesoramento. A diferença entre as séries pode ser reveladora em anos de transição.
Se você usa Python, a biblioteca xarray combinada com a API do NOAA permite baixar e processar os dados em poucas linhas. Um script simples de 30 linhas carrega os últimos 20 anos de anomalias e plota o ciclo completo. O tempo médio de processamento é de cerca de 15 segundos, dependendo da sua conexão.
O que ninguém conta sobre a previsibilidade
A maior limitação do monitoramento de ENSO é a janela de previsibilidade. Até seis meses antes, os modelos operacionais conseguem acertar a direção com razoável confiança. Depois disso, a skill cai drasticamente. Há uma região de incerteza enorme entre os meses quatro e seis. Muitos serviços de previsão continuam emitindo alertas mesmo quando a confiança estatística é inferior a 40%. Isso gera decisões erradas em setores que dependem de planejamento sazonal, como agricultura e gestão hídrica. Outro ponto que passa despercebido: El Niño e La Niña não atuam isoladamente. Eles interagem com a Oscilação Decadal do Pacífico, com a fase do Dipolo do Oceano Índico e com a Oscilação Ártica. Em 2023, por exemplo, tínhamos um El Niño forte, mas a fase fria do PDO estava amortecendo os efeitos térmicos globais. O ano não ficou tão quente quanto o esperado apenas com base no ENSO. Ignorar esses moduladores é o erro mais comum de quem analisa o fenômeno de forma reducionista.
Para quem precisa de uma análise mais robusta, o ideal é combinar o ENSO com índices de teleconexão como a NAO e a AO. O modelo não fica mais complexo, mas a explicação da variabilidade climática fica muito mais próxima da realidade. Leva talvez uma hora a mais por análise, mas evita conclusões equivocadas que poderiam custar caro em decisões operacionais.
