evidoria

← Volver al listado

Buena práctica Importada

El Centro Nacional de Pronóstico Hidrometeorológico de Vietnam Combina IA con Google y Weathernews para Mejorar las Alertas de Tifones

Vietnam · Hanoi · Ver el perfil de Vietnam · Ver el perfil de Hanoi

Evidencia: Observacional / pre-post Top 62% 53/100 · Pregunte a Evidence Copilot sobre esta práctica

El centro nacional de pronóstico de Vietnam desplegó pronósticos de tifones e inundaciones asistidos por IA para la temporada de tormentas de 2025, combinando modelos de aprendizaje automático con datos de radar y satélite y los modelos de Google, bajo un memorando firmado en julio de 2025 con la japonesa Weathernews.

90-110 km
Error de posición del centro del ciclón a 24 horas (2025 season)
~30 %
Reducción estimada de pérdidas económicas con avisos de 24h

Detalles

Madurez
Consolidada
Promotor
National Centre for Hydro-Meteorological Forecasting, Vietnam Meteorological and Hydrological Administration (Ministry of Agriculture and Environment)
Período
2025-2025
Palabras clave
meteorology, disaster forecasting, machine learning, public safety, flood and typhoon warning

Contexto

Después de que el tifón Yagi, en 2024, expusiera deficiencias en la precisión de la predicción de trayectoria, el Centro Nacional de Pronóstico Hidrometeorológico de Vietnam (NCHMF) comenzó a integrar IA en la previsión operativa para la temporada de tifones e inundaciones de 2025.

Actividades

Modelos de aprendizaje automático entrenados con datos de radar, imágenes satelitales y estaciones de observación automatizadas generan pronósticos inmediatos de lluvia e identifican los centros de los ciclones. Un memorando de julio de 2025 con la japonesa Weathernews aporta predicciones de trayectoria de tifones mediante IA, junto con modelos de inundaciones/ciclones de Google.

Resultados

El error de posición del centro del ciclón a 24 horas se sitúa ahora entre 90 y 110 km, en línea con los estándares regionales; las alertas de tormenta y rayos se emiten entre 30 minutos y 3 horas antes de los eventos, y los avisos con 24 horas de antelación se asocian a una reducción de pérdidas económicas de alrededor del 30%.

Conclusiones

El centro reconoce seguir por detrás de Japón, China y Corea del Sur en tecnología, citando redes de observación escasas, limitaciones presupuestarias y escasez de especialistas en IA como limitaciones persistentes.

Implementación
Coste indicativo
Medio (50 000–500 000 €) — Not disclosed; largely software/partnership-based rather than new hardware.
Tiempo hasta resultados
Medio (1–3 años) — Integrated ahead of the 2025 typhoon and flood season; MOU signed 31 July 2025.
Personal y competencias
NCHMF forecasters, Hanoi University of Science and Technology AI institute (integration support)

Condiciones para el éxito

  • International partnerships (Weathernews MOU, Google flood/cyclone models) supplementing domestic capacity

Modos de fallo comunes

  • Sparse observation networks, budget constraints and a shortage of AI specialists limit further gains
  • Still lags regional peers (Japan, China, South Korea) technologically

Habitualmente financiado por

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.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles