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 …
Uganda · Kampala · Ver el perfil de Uganda · Ver el perfil de Kampala
Top 46% 60/100 · Pregunte a Evidence Copilot sobre esta práctica
Uganda lanzó en Kampala (abril de 2026) un sistema de IA de previsión inmediata de inundaciones repentinas, que combina datos de lluvia por satélite, radar y modelización hidrodinámica. Es el primer sitio operativo de un proyecto piloto de cinco ciudades en África Oriental respaldado por la OMM, con expansión prevista a otras cuatro ciudades ugandesas.
Uganda sufre inundaciones repentinas urbanas recurrentes en Kampala y otras ciudades, con sistemas de alerta hasta ahora limitados. En marzo-abril de 2026, el Departamento de Meteorología del Ministerio de Agua y Medio Ambiente, junto con la Organización Meteorológica Mundial (OMM) y los especialistas neerlandeses en hidrología HKV y Deltares, lanzó en Kampala el Sistema de Previsión de Inundaciones Repentinas Urbanas (UFFFS) — el primer despliegue operativo de un proyecto piloto de cinco ciudades que también abarca Adís Abeba, Yuba, Jartum y Kigali, financiado por el Ministerio de Asuntos Exteriores de los Países Bajos dentro de los programas «Water at the Heart of Climate Action» y «Early Warnings for All».
El UFFFS combina el algoritmo de previsión inmediata por aprendizaje automático PySTEPS con estimaciones de precipitación por satélite, datos de estaciones meteorológicas automáticas y radar, y modelización hidrodinámica SFINCS para generar alertas basadas en el impacto real, teniendo en cuenta el drenaje y el relieve, no solo el volumen de lluvia. Un taller técnico celebrado en Kampala del 23 al 25 de marzo de 2026 formó a más de 20 técnicos meteorológicos e hidrológicos de los cinco países, y el sistema entró en funcionamiento operativo el 8 de abril de 2026.
Hasta la fecha de las fuentes consultadas, no se han publicado datos sobre precisión de las previsiones, tiempo de antelación o daños evitados; el sistema es de reciente puesta en marcha y aún no ha sido evaluado de forma independiente. Las propias autoridades ugandesas señalaron una infraestructura de monitoreo limitada y equipos insuficientes como riesgos continuos para su eficacia. El Ministerio de Uganda anunció un plan para ampliar el sistema a Fort Portal, Kasese, Gulu y Mbale.
Los detalles de implementación (coste, plazo, personal, condiciones para el éxito) aún no están disponibles para esta práctica.
¿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 …
Samoa
El servicio meteorológico nacional de Samoa emite ahora previsiones basadas en impacto, no solo alertas de peligro, para ciclones, inundaciones …
Mozambique
El INGD y el INAM de Mozambique, junto con el PNUD, el Banco Mundial y el Instituto Meteorológico de Noruega, …
Reino Unido
El ECMWF puso en funcionamiento su modelo meteorológico de aprendizaje automático AIFS en febrero de 2025, con una versión probabilística …
Abrir el copiloto completo Basado en prácticas citadas: comprueba siempre las fuentes.