AI增强了全球洪水预测可靠性

人们在危机期间依靠Google获取可靠的信息来保护自己和亲人。洪水是最常见的自然灾害，影响了近15亿人口（占世界人口的19％），他们面临严重洪水的重大风险。洪水不仅威胁着生命，而且每年在全球造成约500亿美元的经济损失。

在大多数历史上，由于问题的复杂性以及缺乏必要的资源和数据，因此很难准确地预测洪水。由于流量表监测了世界河流的一小部分，这构成了重大的安全挑战，尤其是对于发展中国家和服务不足的社区的人们。

在自然界发表的一篇新论文中，我们探讨了AI如何彻底改变洪水预测，到达气候变化最严重的领域。我们的发现表明，AI帮助我们预测河流洪水泛滥到未来7天。这使我们能够在80个国家 /地区提供洪水预测，覆盖4.6亿人。我们还可以通过Google搜索，Google Maps和Android通知提供这些预测。

我们的研究博客深入研究了该论文，展示了Google Research基于AI的全球水文技术如何显着增强与当前标准相比的洪水预测。这在洪水数据有限的国家中尤其重要，从而使我们能够在全球范围内扩展预测。预警系统可以大大减少死亡人数，延长交货时间是社区的游戏规则改变者。我们的技术平均将全球现象的可靠性从零扩大到五天，我们在非洲和亚洲的预测提高了预测，以使用AI匹配欧洲的预测。

现在，此信息是人们，社区，政府和援助组织采取先发制人行动并保护脆弱人群的工具。这并不是一件容易的事，尤其是在数据稀缺和高洪水影响的地区。当我们发行最新论文时，让我们回顾一下使用AI进行准确的Riverine洪水预测的一些关键时刻：

我们在印度的第一位飞行员教会了我们一个宝贵的课程

我们的旅程始于印度Patna地区的飞行员。比哈尔邦（Patna）所在的比哈尔邦（Bihar）是印度最容易发生洪水的州之一，许多居民面临着毁灭性洪水的不断威胁。我们与当地官员合作，并使用实时数据来开发洪水预测，并在2018年将其集成到Google公共警报中。

我们以历史事件，河流和地形数据的混合方式为我们的模型提供了培养，并进行了数十万个模拟，以创建详细的河流洪水预测。尽管这种旨在精确的特定位置的方法，但我们的最终目标是应对全球挑战。我们认为机器学习可以帮助扩展全球洪水预测。

与研究和科学界合作开始

2019年，我们扩大了12次洪水预测的覆盖范围，向受影响地区的人发出了800,000个警报，同时改善了我们的预测技术。随着我们深入研究机器学习的潜力，我们开始与学术研究人员合作，将基于水文物理学的洪水模拟与我们的AI方法融合在一起。

我们的研究和长期短期记忆网络（LSTM）的进展以及准确的洪水预测激发了我们设想一个全球，端到端的洪水预测平台。该平台即使在没有洪水量表的地区也可以提供可靠的信息。

洪水预测进一步扩展，但受到本地数据可用性的限制

在印度飞行员成功的基础上，我们扩大了整个印度和孟加拉国的预测，达到了3.6亿人。由于我们的技术进步，我们的预测提前了48小时。但是，我们的模型取决于本地流量数据，这使得对其他国家的规模更具挑战性。

全球基于AI的洪水预测模型和向80多个国家的扩展的枢纽

意识到依靠本地数据的局限性，随着AI研究的发展，我们转向了全球模型。我们使用全球数据源来训练我们的LSTM网络，旨在预测洪水，即使在没有本地流量数据的地区。

2022年，我们启动了洪水枢纽平台，在20个国家 /地区提供了预测，包括在非洲15个国家，预测以前受到数据稀缺的限制。到2023年，我们扩展到了非洲，亚太，欧洲以及南美洲和中美洲的60个国家，覆盖了4.6亿人。现在，发展中国家的许多弱势社区可以自由访问洪水枢纽的实时预测。多亏了我们全球AI的模型，非洲的洪水预测通道现在与欧洲相当。

合作工作

为了继续推动科学和研究的前进，并在最需要的情况下发挥了真正的作用，我们知道与学者，地方政府和国际组织的合作至关重要。

我们与国际援助小组合作，提供可行的洪水预测，并与世界气象组织（WMO）合作，以支持预警系统，尤其是所有主动行动的早期警告，旨在在2027年之前向所有人发出早期警告。我们还可以在2027年之前对气候危害进行警告。我们还可以研究AI如何解决全国性的现实范围挑战现实的挑战。

我们已经通过年度研讨会和诸如我们的大篷车项目（标准化和汇总现有数据集）的年度研讨会和计划与学者和水文组织密切合作。

我们的旅程还远远没有完成

随着气候变化的恶化，洪水会出乎意料的袭击。我们的目的是继续使用我们的研究和技术扩大我们的覆盖范围，预测其他与洪水有关的事件，例如Flash和Urban Floods，并探索AI如何解决更广泛的气候适应挑战和可持续性问题。