evidoria

← Retour à la liste

Bonne pratique Importée

Le Centre National de Prévision Hydrométéorologique du Vietnam Associe l'IA à Google et Weathernews pour Affiner les Alertes aux Typhons

Viêt Nam · Hanoi · Voir le profil de Viêt Nam · Voir le profil de Hanoi

Preuves: Observationnel / avant-après Top 62% 53/100 · Demandez à Evidence Copilot à propos de cette pratique

Le centre national de prévision du Vietnam a déployé une prévision des typhons et des crues assistée par IA pour la saison des tempêtes 2025, combinant des modèles d'apprentissage automatique sur données radar et satellite avec les modèles de Google, dans le cadre d'un protocole signé en juillet 2025 avec la société japonaise Weathernews.

90-110 km
Erreur de position du centre cyclonique à 24 heures (2025 season)
~30 %
Réduction estimée des pertes économiques grâce aux alertes à 24h

Détails

Maturité
Établie
Promoteur
National Centre for Hydro-Meteorological Forecasting, Vietnam Meteorological and Hydrological Administration (Ministry of Agriculture and Environment)
Période
2025-2025
Mots-clés
meteorology, disaster forecasting, machine learning, public safety, flood and typhoon warning

Contexte

Après que le typhon Yagi, en 2024, a révélé des lacunes dans la précision de la prévision de trajectoire, le Centre national vietnamien de prévision hydrométéorologique (NCHMF) a commencé à intégrer l'IA dans ses prévisions opérationnelles pour la saison des typhons et inondations 2025.

Activités

Des modèles d'apprentissage automatique entraînés sur des données radar, des images satellite et des stations d'observation automatisées génèrent des prévisions immédiates de précipitations et identifient les centres cycloniques. Un protocole d'accord de juillet 2025 avec la japonaise Weathernews fournit des prévisions de trajectoire de typhons par IA, aux côtés de modèles d'inondation/cyclones de Google.

Résultats

L'erreur de position du centre cyclonique à 24 heures est désormais de 90 à 110 km, conforme aux normes régionales ; les alertes de tempête et de foudre sont émises 30 minutes à 3 heures avant les événements, et les avertissements à 24 heures sont associés à environ 30 % de pertes économiques en moins.

Conclusions

Le centre reconnaît accuser encore un retard technologique sur le Japon, la Chine et la Corée du Sud, citant des réseaux d'observation clairsemés, des contraintes budgétaires et une pénurie de spécialistes en IA comme limites persistantes.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€) — Not disclosed; largely software/partnership-based rather than new hardware.
Délai jusqu’aux résultats
Moyen (1–3 ans) — Integrated ahead of the 2025 typhoon and flood season; MOU signed 31 July 2025.
Personnel et compétences
NCHMF forecasters, Hanoi University of Science and Technology AI institute (integration support)

Conditions de réussite

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

Modes d’échec courants

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

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles