evidoria

← Voltar à navegação

Good practice

O primeiro sistema de previsão meteorológica com IA em tempo real do Sudeste Asiático — DOST-PAGASA e ASTI (Filipinas)

Filipinas · Quezon City · Ver o perfil de Filipinas

Em outubro de 2024, a PAGASA e a ASTI (Filipinas), com a Atmo, implementaram o primeiro sistema meteorológico com IA em tempo real do Sudeste Asiático: cálculo de 3h para 15min, previsão de 2 para 14 dias, resolução de 3km para 2km.

3 km to 2 km km
Melhoria da resolução horizontal das previsões (as of October 2024 deployment)
2 to 14 days
Extensão do prazo de antecedência das previsões (as of October 2024 deployment)
~3 hours to ~15 minutes time per forecast
Redução do tempo de cálculo (execução) das previsões (as of October 2024 deployment)
O primeiro sistema de previsão meteorológica com IA em tempo real do Sudeste Asiático — DOST-PAGASA e ASTI (Filipinas)

Detalhes

Maturidade
Scaling
Promotor
DOST-PAGASA (Philippine Atmospheric, Geophysical and Astronomical Services Administration) and DOST-ASTI, with Atmo Inc.
Período
October 2024–present
Palavras-chave
weather forecasting, disaster risk reduction, machine learning, meteorology, early warning systems

Contexto

A Administração Filipina de Serviços Atmosféricos, Geofísicos e Astronómicos (PAGASA) e o Instituto de Ciência e Tecnologia Avançada do Departamento de Ciência e Tecnologia (DOST-ASTI) assinaram um acordo comercial com a empresa norte-americana de meteorologia com IA Atmo Inc. em outubro de 2024, descrevendo o resultado como o primeiro sistema de previsão meteorológica com IA em funcionamento no Sudeste Asiático, num país que enfrenta cerca de 20 ciclones tropicais por ano.

Objetivos

O sistema pretendia melhorar a resolução das previsões, alargar o prazo de antecedência e reduzir o tempo de cálculo, alimentando os sistemas mais amplos de alerta de riscos e impacto das Filipinas, incluindo alertas precoces de cheias e ciclones tropicais.

Atividades

Os modelos de aprendizagem automática foram treinados com dados de imagens de satélite, radar, estações terrestres e sensores ambientais para gerar previsões de alta resolução, integradas nas ferramentas nacionais de alerta precoce. Uma segunda fase da parceria foi noticiada em 2026, indicando uso operacional continuado.

Resultados

Segundo os parceiros, a resolução horizontal melhorou de 3 km para 2 km, o prazo de antecedência da previsão foi alargado de 2 para 14 dias, e o tempo de cálculo necessário para produzir uma previsão caiu de cerca de 3 horas para cerca de 15 minutos.

Conclusões

Estes são parâmetros técnicos reportados pelo fornecedor e pelas agências, e não uma avaliação de impacto auditada de forma independente sobre a precisão das previsões face aos resultados meteorológicos observados.

Implementação
Custo indicativo
Medium (€50k–€500k) — Commercial agreement with a private US AI-meteorology vendor (Atmo Inc.); no public cost figures found in source.
Tempo até resultados
Medium (1–3 years) — Deployed operationally from October 2024, with a second partnership iteration reported in 2026.
Equipa e competências
DOST-PAGASA (national weather agency) and DOST-ASTI (science/technology institute) as government partners, Atmo Inc. (US AI-meteorology firm) as commercial technology vendor

Condições de sucesso

  • Integration with existing satellite, radar, ground-station and environmental-sensor data feeds
  • Feeding AI forecasts into established national hazard and early-warning systems (flood, tropical cyclone)
  • Sustained multi-year commercial partnership, with a second iteration reported in 2026

Modos de falha comuns

  • Reported performance figures originate from the vendor and implementing agencies rather than independent third-party verification against observed outcomes
  • Underlying proprietary ML model and validation methodology are not publicly disclosed

Onde se enquadra

Tipo de governação
national government science agencies with private vendor partnership
Escala
national
Nível de rendimento
lower-middle-income (Philippines)

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis