Google Flood Hub — El sistema de alerta de inundaciones fluviales con IA del Bangladesh Water Development Board
Bangladés
Desde 2020, el modelo de aprendizaje automático de inundaciones de Google Research —capaz de prever el nivel de los ríos …
Nigeria · Abuja · Ver el perfil de Nigeria · Ver el perfil de Abuja
Evidencia: Descriptivo / autodeclarado Top 83% 40/100 · Pregunte a Evidence Copilot sobre esta práctica
La Agencia de Servicios Hidrológicos de Nigeria afirma haber desplegado modelos de aprendizaje profundo entrenados con más de 200 años de datos de inundaciones para su Previsión Anual de Inundaciones de 2026, citando una precisión de aproximadamente 88% y señalando 14.118 comunidades de alto riesgo —una afirmación ampliamente difundida pero aún no verificada de forma independiente.
NIHSA, la agencia federal de previsión hidrológica de Nigeria, elabora un Panorama Anual de Inundaciones (Annual Flood Outlook, AFO) que clasifica las áreas de gobierno local (LGA) en categorías de riesgo de inundación alto, moderado y bajo cada año. En mayo de 2026, el Director General de NIHSA informó de que la agencia había desplegado modelos de inteligencia artificial y aprendizaje profundo entrenados con más de 200 años de datos históricos de inundaciones, con una precisión de previsión que, según afirmó, había aumentado hasta cerca del 88%. El Panorama de 2026 también introdujo un nuevo sistema de notificación comunitaria de inundaciones y un régimen de microseguro contra inundaciones.
El Panorama de 2026 identificó 14.118 comunidades en 266 LGA, en 33 estados y el Territorio de la Capital Federal, como de alto riesgo de inundación, y otras 15.597 comunidades en 405 LGA como de riesgo moderado. El Director General de NIHSA afirmó que la precisión de la previsión había subido a cerca del 88%, lo que, según él, supera los estándares de la Organización Meteorológica Mundial.
National / regional programmes
Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.
¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
De dónde se obtuvo la información de esta práctica, y cuándo.
Bangladés
Desde 2020, el modelo de aprendizaje automático de inundaciones de Google Research —capaz de prever el nivel de los ríos …
Islas Salomón
La UNESCO, SAP Japón y la iniciativa de la Universidad de Oita Inspiration Plus eligieron las Islas Salomón para pilotar …
Somalia
La plataforma HungerMap Live del PMA, asistida por IA y desarrollada con Google.org, cubre más de 50 países y ayudó …
Fiyi
Digital Earth Pacific, gestionado por la SPC, convierte datos satelitales abiertos en productos de riesgo de desastres, costa y manglares …
Abrir el copiloto completo Basado en prácticas citadas: comprueba siempre las fuentes.