A-усиление прогнозирования наводнений: поддержка партнеров расширена

Каждый год разрушительные наводнения наносят ущерб, что приводит к трагическим потерям, массовому перемещению и огромному финансовому ущербу. Чтобы поддержать правительства, НПО, глобальные организации и уязвимые сообщества в принятии активных мер, наша команда в Google Research работает над передовыми решениями по искусственному искусству для предоставления точных данных о наводнениях и повышения устойчивости к климату. Наши революционные модели прогнозирования глобального наводнения, опубликованные в *Nature *, теперь предлагают информацию почти в реальном времени, чтобы помочь сообществам и организациям по всему миру.

В соответствии с нашей целью сделать информацию о прогнозировании наводнений, доступной во всем мире через ИИ, мы рады объявить о нескольких ключевых расширениях:

• Мы расширяем нашу модель прогнозирования наводнений речного наводнения на руке с ИИ, чтобы охватить 100 стран, по сравнению с 80, достигая районов, где живут 700 миллионов человек, что составляет 460 миллионов.
• Мы разработали улучшенную модель прогнозирования наводнений, которая соответствует точности нашей предыдущей модели с пятидневным временем выполнения, но сейчас в семь дней.
• Мы делаем наши модели прогнозы доступными для исследователей и партнеров через предстоящий набор данных API и нашего набора данных Google RENOFF Reanalysis & Reforecast (GRRR).
• Мы расширяем охват исследователям и экспертам, введя «виртуальные датчики» для местоположений по расчетам данных через предстоящий API, набор данных GRRR и новый экспертный уровень данных на Plood Hub, в котором содержится почти 250 000 точек прогноза в 150 странах.
• Мы также выпускаем исторические наборы данных из нашей модели прогнозирования наводнений, чтобы помочь исследователям в понимании и смягчении влияния разрушительных наводнений.

Эти расширения предоставят информацию о жизнеопалом речных наводнений миллионам людей во всем мире и предоставит исследователям и партнерам более полные данные.

Расширение охвата прогнозирования наводнений, чтобы охватить больше стран и большего количества людей

Расширяя нашу модель прогнозирования наводнений речного наводнения на основе AI до более чем 100 стран, мы теперь можем обслуживать 700 миллионов человек по всему миру, что значительно увеличилось по сравнению с предыдущими 460 миллионами. Это расширение подпитывается недавними прорывами исследований, которые повысили точность нашей модели. Мы включили более помеченные данные, утроили количество мест обучения, представили новую модельную архитектуру для повышения устойчивости и интегрировали новую модель прогнозирования погоды в наши прогнозы наводнения. Вы можете углубиться в эти разработки в нашем исследовательском блоге.

Это означает, что больше сообществ будут иметь своевременный доступ к информации о наводнениях, улучшая готовность и усилия по реагированию на миллионы по всему миру, доступные через поиск Google, Google Maps и Google Flood Hub.

Сообщение данных о прогнозировании наводнения, доступных для экспертов и исследователей в большей степени и большим количеством мест

Сейчас мы делимся нашими прогнозами модели прогнозирования наводнений, которые могут похвастаться улучшенной точностью, надежностью и более широким охватом, с исследователями и партнерами через GRRR и предстоящий API.

Наша новая пилотная программа API, разработанная с ведущими организациями, открыта для регистрации. Этот API позволит исследователям и практикующим врачам получить доступ к нашим гидрологическим прогнозам и ожидаемому статусу наводнения, даже в ограниченных данных регионах, для ускорения исследований и реакции наводнений.

В то время как наша глобальная гидрологическая модель может предсказать разряд в любом месте Земли, в настоящее время заводка показывает прогнозы только в точках с датчиками для проверки, используя исторические данные из надежных датчиков. Тем не менее, многим частям мира не хватает этих датчиков. Чтобы решить эту проблему, мы добавляем новый уровень данных в затопленный концентратор с 250 000 точек прогноза из нашей модели прогнозирования наводнений с использованием «виртуальных датчиков». Это предоставит дополнительные данные прогнозирования наводнений экспертам и исследователям в более чем 150 странах, в том числе без физических датчиков, повышение доступности данных для ранее недостаточно обслуживаемых областей.