evidoria

← Voltar à navegação

Boa prática Importada

Centro Nacional de Previsão Hidrometeorológica do Vietname Une IA à Google e à Weathernews para Melhorar os Avisos de Tufão

Vietnã · Hanoi · Ver o perfil de Vietnã · Ver o perfil de Hanoi

Evidência: Observacional / pré-pós Top 62% 53/100 · Pergunte a Evidence Copilot sobre esta prática

O centro nacional de previsão do Vietname lançou previsão de tufões e cheias assistida por IA para a época de tempestades de 2025, combinando modelos de aprendizagem automática com dados de radar e satélite e os modelos da Google, ao abrigo de um memorando assinado em julho de 2025 com a japonesa Weathernews.

90-110 km
Erro de posição do centro do ciclone a 24 horas (2025 season)
~30 %
Redução estimada de perdas económicas com avisos de 24h

Detalhes

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

Contexto

Depois de o tufão Yagi, em 2024, ter exposto falhas na precisão da previsão de trajetória, o Centro Nacional de Previsão Hidrometeorológica do Vietname (NCHMF) começou a integrar IA na previsão operacional para a época de tufões e cheias de 2025.

Atividades

Modelos de aprendizagem automática treinados com dados de radar, imagens de satélite e estações de observação automáticas geram previsões imediatas de precipitação e identificam centros de ciclones. Um memorando de julho de 2025 com a japonesa Weathernews fornece previsões de trajetória de tufões por IA, juntamente com modelos de cheias/ciclones da Google.

Resultados

O erro de posição do centro do ciclone a 24 horas está agora entre 90-110 km, em linha com padrões regionais; os alertas de tempestade e trovoada são emitidos entre 30 minutos e 3 horas antes dos eventos, e os avisos com 24 horas de antecedência estão associados a cerca de 30% menos perdas económicas.

Conclusões

O centro reconhece continuar atrás do Japão, China e Coreia do Sul tecnologicamente, citando redes de observação escassas, restrições orçamentais e escassez de especialistas em IA como limites persistentes.

Implementação
Custo indicativo
Médio (50 mil–500 mil €) — Not disclosed; largely software/partnership-based rather than new hardware.
Tempo até resultados
Médio (1–3 anos) — Integrated ahead of the 2025 typhoon and flood season; MOU signed 31 July 2025.
Equipa e competências
NCHMF forecasters, Hanoi University of Science and Technology AI institute (integration support)

Condições de sucesso

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

Modos de falha comuns

  • 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

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

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

Práticas semelhantes que podem ser úteis