Southeast Asia's First Live AI Weather Forecasting System — DOST-PAGASA & ASTI (Philippines)
Philippines
In October 2024, the Philippines' PAGASA and ASTI deployed Southeast Asia's first live AI weather system with US firm Atmo: …
Mozambique · Maputo · See the Mozambique profile
L'INGD et l'INAM du Mozambique, avec le PNUD, la Banque mondiale et l'Institut météorologique norvégien, testent des prévisions par apprentissage automatique sur un système d'alerte précoce multirisque qui a contribué à réduire le bilan du cyclone Freddy en 2023 à 183 morts, contre 603 pour le cyclone Idai en 2019 — bien que la couche IA reste au stade pilote.
Le cyclone Idai a frappé le centre du Mozambique en mars 2019, faisant 603 morts et causant environ 3 milliards de dollars de dégâts. En réponse, l'Institut national de gestion et de réduction des risques de catastrophes (INGD) et l'Institut national de météorologie (INAM) du Mozambique ont développé un système d'alerte précoce multirisque avec l'appui de la Banque mondiale (le Programme de gestion et de résilience aux risques de catastrophes, de 265 millions de dollars) : les prévisions de l'INAM, basées sur satellite et radar, sont diffusées par 70 stations de radio communautaires et des brigades communautaires formées qui évacuent les foyers à risque avant une tempête.
Le cyclone Freddy — le cyclone tropical le plus durable jamais enregistré — a frappé deux fois le centre du Mozambique en 2023, avec des vents atteignant 230 km/h, plus puissant que Idai. Selon l'Organisation météorologique mondiale, Freddy a fait 183 morts et 176 millions de dollars de pertes économiques, une réduction importante par rapport à Idai malgré une intensité supérieure de la tempête, que les rapports de l'OMM et de l'UNDRR attribuent en partie à l'investissement réalisé entre-temps dans l'alerte précoce.
Depuis environ 2023-2025, l'INGD et l'INAM ont ajouté à ce système un projet pilote de prévision par apprentissage automatique et analyse de données satellitaires, en partenariat avec le PNUD, la Banque mondiale, l'Institut météorologique norvégien et le Fonds vert pour le climat, dans le but de réduire le délai entre la détection du risque et l'alerte publique pour les inondations, cyclones et sécheresses. Des reportages indépendants de FurtherAfrica indiquent clairement que « l'utilisation de l'IA reste au stade pilote », avec des gains prometteurs mais pas encore pleinement prouvés dans la précision des prévisions d'inondation, et que les améliorations de prévision financées par les donateurs « ne se sont pas toujours traduites par une diffusion cohérente des alertes », en raison de contraintes de coordination institutionnelle et de continuité du financement.
Cette pratique est incluse comme un cas honnête et encore en évolution : un système d'alerte précoce éprouvé et largement dépourvu d'IA, au solide bilan, est progressivement renforcé par l'IA, mais la contribution spécifique de l'IA n'a pas encore fait l'objet d'une mesure indépendante avant/après, et le pays s'est engagé sur un objectif 2027 de couverture complète « Alertes précoces pour tous ».
Implementation detail (cost, timeline, staffing, conditions for success) is not yet available for this practice.
Where this practice's information was retrieved from, and when.
Philippines
In October 2024, the Philippines' PAGASA and ASTI deployed Southeast Asia's first live AI weather system with US firm Atmo: …
Jamaica
Google DeepMind's WeatherNext AI model gave the U.S. National Hurricane Center — and Jamaica's Meteorological Service — a five-day warning …
Nepal
Melbourne and Tribhuvan universities, with Nepal's disaster authority, pilot SAFE-RISCCS, AI fusing rainfall, ground-movement and satellite data to flag landslide …
Singapore
Singapore's National Environment Agency runs a peer-reviewed machine-learning system that forecasts dengue cases up to three months ahead. In the …
Open full copilot Grounded in cited practices — always check the sources.