AI增強了全球洪水預測可靠性

人們在危機期間依靠Google獲取可靠的信息來保護自己和親人。洪水是最常見的自然災害，影響了近15億人口（佔世界人口的19％），他們面臨嚴重洪水的重大風險。洪水不僅威脅著生命，而且每年在全球造成約500億美元的經濟損失。

在大多數歷史上，由於問題的複雜性以及缺乏必要的資源和數據，因此很難準確地預測洪水。由於流量表監測了世界河流的一小部分，這構成了重大的安全挑戰，尤其是對於發展中國家和服務不足的社區的人們。

在自然界發表的一篇新論文中，我們探討了AI如何徹底改變洪水預測，到達氣候變化最嚴重的領域。我們的發現表明，AI幫助我們預測河流洪水氾濫到未來7天。這使我們能夠在80個國家 /地區提供洪水預測，覆蓋4.6億人。我們還可以通過Google搜索，Google Maps和Android通知提供這些預測。

我們的研究博客深入研究了該論文，展示了Google Research基於AI的全球水文技術如何顯著增強與當前標準相比的洪水預測。這在洪水數據有限的國家中尤其重要，從而使我們能夠在全球範圍內擴展預測。預警系統可以大大減少死亡人數，延長交貨時間是社區的遊戲規則改變者。我們的技術平均將全球現象的可靠性從零擴大到五天，我們在非洲和亞洲的預測提高了預測，以使用AI匹配歐洲的預測。

現在，此信息是人們，社區，政府和援助組織採取先發製人行動並保護脆弱人群的工具。這並不是一件容易的事，尤其是在數據稀缺和高洪水影響的地區。當我們發行最新論文時，讓我們回顧一下使用AI進行準確的Riverine洪水預測的一些關鍵時刻：

我們在印度的第一位飛行員教會了我們一個寶貴的課程

我們的旅程始於印度Patna地區的飛行員。比哈爾邦（Patna）所在的比哈爾邦（Bihar）是印度最容易發生洪水的州之一，許多居民面臨著毀滅性洪水的不斷威脅。我們與當地官員合作，並使用實時數據來開發洪水預測，並在2018年將其集成到Google公共警報中。

我們以歷史事件，河流和地形數據的混合方式為我們的模型提供了培養，並進行了數十萬個模擬，以創建詳細的河流洪水預測。儘管這種旨在精確的特定位置的方法，但我們的最終目標是應對全球挑戰。我們認為機器學習可以幫助擴展全球洪水預測。

與研究和科學界合作開始

2019年，我們擴大了12次洪水預測的覆蓋範圍，向受影響地區的人發出了800,000個警報，同時改善了我們的預測技術。隨著我們深入研究機器學習的潛力，我們開始與學術研究人員合作，將基於水文物理學的洪水模擬與我們的AI方法融合在一起。

我們的研究和長期短期記憶網絡（LSTM）的進展以及準確的洪水預測激發了我們設想一個全球，端到端的洪水預測平台。該平台即使在沒有洪水量表的地區也可以提供可靠的信息。

洪水預測進一步擴展，但受到本地數據可用性的限制

在印度飛行員成功的基礎上，我們擴大了整個印度和孟加拉國的預測，達到了3.6億人。由於我們的技術進步，我們的預測提前了48小時。但是，我們的模型取決於本地流量數據，這使得對其他國家的規模更具挑戰性。

全球基於AI的洪水預測模型和向80多個國家的擴展的樞紐

意識到依靠本地數據的局限性，隨著AI研究的發展，我們轉向了全球模型。我們使用全球數據源來訓練我們的LSTM網絡，旨在預測洪水，即使在沒有本地流量數據的地區。

2022年，我們啟動了洪水樞紐平台，在20個國家 /地區提供了預測，包括在非洲15個國家，預測以前受到數據稀缺的限制。到2023年，我們擴展到了非洲，亞太，歐洲以及南美洲和中美洲的60個國家，覆蓋了4.6億人。現在，發展中國家的許多弱勢社區可以自由訪問洪水樞紐的實時預測。多虧了我們全球AI的模型，非洲的洪水預測通道現在與歐洲相當。

合作工作

為了繼續推動科學和研究的前進，並在最需要的情況下發揮了真正的作用，我們知道與學者，地方政府和國際組織的合作至關重要。

我們與國際援助小組合作，提供可行的洪水預測，並與世界氣象組織（WMO）合作，以支持預警系統，尤其是所有主動行動的早期警告，旨在在2027年之前向所有人發出早期警告。我們還可以在2027年之前對氣候危害進行警告。我們還可以研究AI如何解決全國性的現實範圍挑戰現實的挑戰。

我們已經通過年度研討會和諸如我們的大篷車項目（標準化和匯總現有數據集）的年度研討會和計劃與學者和水文組織密切合作。

我們的旅程還遠遠沒有完成

隨著氣候變化的惡化，洪水會出乎意料的襲擊。我們的目的是繼續使用我們的研究和技術擴大我們的覆蓋範圍，預測其他與洪水有關的事件，例如Flash和Urban Floods，並探索AI如何解決更廣泛的氣候適應挑戰和可持續性問題。