AI增强了全球洪水预测可靠性

人们在危机期间依赖Google获取可靠信息，以保护自己及其亲人。洪水作为最常见的自然灾害，影响了近15亿人——约占世界人口的19%——他们面临严重洪水的重大风险。洪水不仅威胁生命，还每年在全球造成约500亿美元的经济损失。

在历史上，由于问题复杂性和必要资源及数据的缺乏，大规模准确预测洪水一直很困难。全球只有一小部分河流由水位计监测，这对发展中国家和弱势社区的安全构成了重大挑战。

在一篇发表在《自然》杂志上的新论文中，我们探讨了AI如何革命性地改变洪水预测，覆盖受气候变化影响最严重的地区。我们的研究结果显示，AI帮助我们最多提前7天更准确地预测河流洪水。这使我们能够在80个国家提供洪水预测，覆盖4.6亿人。我们还通过Google搜索、Google地图和Android通知尽可能提供这些预测。

我们的研究博客深入探讨了这篇论文，展示了Google Research的AI全球水文技术如何显著提升洪水预测能力，相比当前标准尤其重要。这在洪水数据有限的国家尤为关键，使我们能够扩展全球预测。早期预警系统可以大幅减少死亡人数，延长预警时间对社区来说是游戏规则的改变者。我们的技术将全球即时预测的可靠性从零天平均延长至五天，并且我们使用AI改善了非洲和亚洲的预测，使其与欧洲的水平相当。

这些信息现已成为人们、社区、政府和援助组织采取预防行动、保护弱势群体的工具。这条路并不容易，尤其是在数据稀缺且洪水影响严重的地区。随着我们发布最新论文，让我们回顾一下在利用AI进行准确河流洪水预测的征程中的一些关键时刻：

我们在印度的首次试点教会了我们宝贵一课

我们的征程始于印度帕特纳地区的试点。帕特纳所在的比哈尔邦是印度最易发生洪水的州之一，许多居民面临毁灭性洪水的持续威胁。我们与当地官员合作，利用实时数据开发洪水预测，并于2018年将其整合到Google公共警报中。

我们为模型输入了历史事件、河流水位和地形数据的混合，运行了数十万次模拟，以创建详细的河流洪水预测。虽然这种方法针对特定地点追求精准，但我们的终极目标是应对全球挑战。我们相信机器学习可以帮助全球扩展洪水预测。

与研究和科学界展开合作

2019年，我们将洪水预测覆盖范围扩大了12倍，向受影响地区的人们发送了80万个警报，同时改进了我们的预测技术。随着我们深入探索机器学习的潜力，我们开始与学术研究人员合作，将基于水文物理的洪水模拟与我们的AI方法相结合。

我们的研究以及长短期记忆网络（LSTMs）在准确洪水预测方面的进展，激励我们设想一个全球端到端的洪水预测平台。这个平台即使在没有水位计的地区也能提供可靠信息。

洪水预测进一步扩展，但受限于当地数据可用性

在印度试点成功的基础上，我们将预测扩展到整个印度和孟加拉国，覆盖3.6亿人。得益于技术的进步，我们实现了最多提前48小时的预测。然而，我们的模型依赖于当地水位数据，这使得扩展到其他国家具有挑战性。

转向全球AI洪水预测模型并扩展到80多个国家

意识到依赖当地数据的局限性，随着AI研究的进步，我们转向了全球模型。我们使用全球数据源训练我们的LSTM网络，旨在预测没有当地水位数据的地区的洪水。

2022年，我们推出了Flood Hub平台，在20个国家提供预测——包括非洲的15个国家——这些地区此前因数据稀缺而预测受限。到2023年，我们扩展到非洲、亚太地区、欧洲以及南美洲和中美洲的60个国家，覆盖4.6亿人。现在，Flood Hub上的实时预测对许多发展中国家的弱势社区免费开放。得益于我们的全球AI模型，非洲的洪水预测能力现已与欧洲相当。

合作共赢

为了继续推动科学和研究向前发展，并在最需要的地方产生实际影响，我们知道与学术界、当地政府和国际组织的合作至关重要。

我们与国际援助团体合作提供可操作的洪水预测，并与世界气象组织（WMO）合作支持早期预警系统，特别是“全民早期预警”倡议，旨在到2027年为所有人提供气候灾害的早期预警。我们还在研究AI如何应对国家洪水预测机构面临的现实挑战。

我们通过年度研讨会和Caravan项目等举措，与学术界和水文组织密切合作，该项目标准化并聚合同类数据集。

我们的征程远未结束

随着气候变化加剧，洪水可能出其不意。我们的目标是继续利用我们的研究和技术扩展覆盖范围，预测其他洪水相关事件，如山洪和城市洪水，并探索AI如何应对更广泛的气候适应挑战和可持续发展问题。