AI增強了全球洪水預測可靠性

人們在危機期間依賴Google獲取可靠資訊，以保護自己及親人。洪水作為最常見的自然災害，影響近15億人——約佔世界人口的19%——他們面臨嚴重洪災的重大風險。洪水不僅威脅生命安全，還每年在全球造成約500億美元的經濟損失。

在歷史上的大部分時間裡，由於問題的複雜性以及缺乏必要的資源和數據，準確預測大規模洪水是一項艱難任務。全球僅有極少數河流配備了水位計，這對安全性構成重大挑戰，特別是對於發展中國家和服務不足的社區而言。

在一篇發表於《Nature》的論文中，我們探討了AI如何革命化洪水預報，觸及受氣候變化影響最嚴重的地區。我們的發現顯示，AI幫助我們更準確地預測河流水災，最長可提前7天。這使我們能夠在80個國家提供洪水預報，覆蓋4.6億人口。我們還盡可能通過Google Search、Google Maps和Android通知提供這些預報。

我們的Research Blog深入探討了這篇論文，展示了Google Research的AI全球水文技術如何顯著提升洪水預報的準確性，相較於現有標準。這在洪水數據有限的國家尤為重要，使我們能夠在全球範圍內擴展預報能力。早期預警系統可大幅降低死亡率，延長預報提前時間對社區來說是改變局面的關鍵。我們的技術將全球即時預報的可靠性從零天延長至平均五天，並利用AI改善了非洲和亞洲的預報，使其與歐洲的預報水平相當。

這些資訊現已成為人們、社區、政府和援助組織採取預防措施、保護脆弱人群的工具。這段旅程並不容易，特別是在數據稀缺且洪水影響嚴重的地區。隨著我們發布最新的論文，讓我們回顧在利用AI進行精準河流水災預報的過程中一些關鍵時刻：

我們在印度的首次試點教會了我們寶貴的一課

我們的旅程始於印度Patna地區的試點。Patna所在的比哈爾邦是印度洪災最嚴重的州之一，許多居民面臨毀滅性洪水的持續威脅。我們與當地官員合作，利用實時數據開發洪水預報，並於2018年將其整合進Google Public Alerts。

我們為模型輸入歷史事件、河流水位和地形數據，運行數十萬次模擬，以創建詳細的河流水災預報。雖然這種方法旨在針對特定地點實現精準預測，但我們的終極目標是應對全球挑戰。我們相信機器學習可以幫助實現全球洪水預報的規模化。

與研究和科學界展開合作

2019年，我們將洪水預報覆蓋範圍擴大了12倍，向受影響地區的民眾發送了80萬次警報，同時改進了我們的預報技術。隨著我們深入探索機器學習的潛力，我們開始與學術研究者合作，將基於水文物理的洪水模擬與我們的AI方法相結合。

我們的研究以及在長短期記憶網絡（LSTMs）上的進展，啟發我們構想一個全球端到端的洪水預報平台。這個平台即使在沒有水位計的地區也能提供可靠資訊。

洪水預報進一步擴展，但受限於當地數據可用性

在印度試點成功的基礎上，我們將預報範圍擴展至整個印度和孟加拉國，覆蓋3.6億人。得益於技術的進步，我們的預報可提前至48小時。然而，我們的模型依賴當地水位數據，這使得擴展到其他國家面臨挑戰。

轉向全球AI洪水預報模型並擴展至80多個國家

意識到依賴當地數據的局限性，並隨著AI研究的進展，我們轉向了全球模型。我們使用全球數據源訓練我們的LSTM網絡，旨在預測無當地水位數據地區的洪水。

2022年，我們推出了Flood Hub平台，在20個國家提供預報，包括非洲的15個國家，這些地區此前因數據稀缺而預報受限。到2023年，我們擴展至非洲、亞太地區、歐洲以及南美和中美洲的60個國家，覆蓋4.6億人。現在，Flood Hub上的實時預報已免費提供給許多發展中國家的脆弱社區。得益於我們的全球AI模型，非洲的洪水預報能力現已與歐洲持平。

合作夥伴關係

為了持續推進科學和研究，並在最需要的地方產生實際影響，我們深知與學術界、當地政府和國際組織的合作至關重要。

我們與國際援助團體合作，提供可操作的洪水預報，並與世界氣象組織（WMO）合作，支持早期預警系統，特別是「全民早期預警」計劃，目標是到2027年為所有人提供氣候災害的早期預警。我們還在研究AI如何應對國家洪水預報機構面臨的現實挑戰。

我們通過年度工作坊和Caravan項目等舉措，與學術界和水文組織密切合作，標準化和整合現有數據集。

我們的旅程遠未結束

隨著氣候變化的加劇，洪水可能突如其來。我們的目標是繼續利用研究和技術擴展覆蓋範圍，預測其他洪水相關事件，如山洪和城市洪水，並探索AI如何應對更廣泛的氣候適應挑戰和可持續發展問題。