Sistema nacional de pronóstico de inundaciones y centro central de datos de la Administración Hidrológica Meteorológica de Vietnam

• Desarrollar de un sistema de pronóstico y gestión de bases de datos nacional y centralizado (integrado en un proyecto de infraestructura nacional).
• Reemplazar los sistemas y procedimientos operativos existentes de gestión y pronóstico de datos hidrometeorológicos en 9 centros regionales y 54 provinciales.
• Actualizar y reemplazar una cantidad tecnológica de sistemas de gestión de datos heterogéneos y modelos de pronóstico que utilizan diferentes entradas de datos, entre otros, datos sin control de calidad (no calibrados, desactualizados, etc.).
• Escalar el sistema para ingerir y procesar grandes volúmenes de datos en tiempo real para garantizar pronósticos diarios y basados ​​en eventos (ingesta de datos promedio diaria de 25 GB).
• Integrar de datos y modelos.
• Desarrollar una interfaz común de gestión de pronósticos basada en web accesible para pronosticadores, operadores y analistas de datos en todas las oficinas de VMHA.

El proceso para encontrar la mejor solución estuvo muy regido por aspectos conceptuales y técnicos:

• Conceptualmente, el nuevo sistema debería dar cuenta de una mayor automatización en el flujo de trabajo de gestión de datos y pronóstico, reemplazando el procesamiento «in-the-loop» (los pronosticadores/operadores realizan interacciones directas en el procesamiento de datos y la optimización del modelo) por el procesamiento «over-the-loop» (cadena completamente automatizada y supervisada por el usuario con posibilidad de interactuar si así lo requiere).
• Cambio técnico del reciente proceso de pronóstico que utiliza varios componentes individuales para el almacenamiento, la validación de datos y el modelado a un sistema de modelo bien integrado. El nuevo sistema incluye una base de datos hidrometeorológica centralizada e interfaces directas con los sistemas de modelo hidrológico y marino, así como interfaces de datos con el sistema de pronóstico meteorológico SmartMet del Instituto Meteorológico de Finlandia.

La preparación operativa, la solidez y la duración del proyecto requerían componentes listos para usar y probados, con componentes altamente configurables. Esto se aseguró utilizando:

• Solución de gestión de datos KISTERS para datos hidrometeorológicos (arquitectura del sistema WISKI con interfaz de entrada de datos a campo FieldVisits) integrando datos de las estaciones automáticas y manuales de las redes meteorológicas e hidrológicas.
• Procedimientos automatizados de control de calidad que se aplican a toda la cadena de proceso de datos observados y de pronóstico. El monitoreo del estado técnico se incluye en las métricas en la aplicación web y en las herramientas de análisis de procesos, en combinación con los registros del sistema.
• Almacenamiento de big data para grandes cantidades de datos cuadriculados de modelos numéricos de predicción meteorológica (NWP) globales y regionales, datos satelitales (Himawari 8/9), radares, datos sobre rayos y conjuntos de datos marinos.
• Marco de modelo DELFT-FEWS para integrar modelos marinos e hidrológicos.

• Como los procesos de negocio en el ámbito meteorológico e hidrológico suelen ser muy específicos y existen desde hace años e incluso décadas, las nuevas tecnologías suelen introducirse lentamente en el tiempo. Este proyecto del Banco Mundial muestra cómo se puede lograr una mejora tecnológica de este tipo en un sistema nacional más rápidamente utilizando herramientas de software disponibles en el mercado con un alto potencial para adaptarse a los flujos de trabajo de un servicio hidrometeorológico nacional.
• Los componentes de datos centrales son clave para la previsión y la toma de decisiones, ya que garantizan el control de la calidad de los datos en todos los componentes y dan cuenta en resultados de modelos comparables.
• La integración de sistemas aumenta significativamente la eficacia, la eficiencia y la utilidad. Este cambio de paradigma de «in-the-loop» a «over-the-loop» utiliza nuevas tecnologías (como big data). Los resultados son mejores decisiones, ahorros de costos para la operación del sistema y, mucho más importante, decisiones mejor informadas y una reducción de daminificados gracias a mejores capacidades de pronóstico y toma de decisiones.