桂西北又到暴雨季，全球AI预警到哪一步了？

点击上方蓝字“羽飞智能”关注我们

桂西北的河池、百色一带，是典型的喀斯特山区。峰丛、洼地、溶洞、暗河，造就了奇绝山水，也埋下了灾害的隐患：石漠化重、地表土层薄、下渗快、排水不畅，一遇强降雨，山体容易下滑，地面容易塌陷，洼地容易内涝。生态越脆弱，灾害越密集。

这一面，最近一周再次被印证。6月19日以来，河池遭遇持续性、极端性强降雨——24小时内，1个乡镇出现特大暴雨、16个乡镇大暴雨，河水暴涨、城区内涝、山体滑坡多点并发。据中新网报道，截至21日16时，全市26136人受灾，紧急营救、转移安置3189人；当地还拉网排查出受威胁的2947户12424人，提前转移427人，从源头规避山洪、滑坡伤亡。同期，百色隆林、西林、田林、乐业、凌云等多地也降下大雨到暴雨。

提前排查、提前转移，正是预警与处置的关键。放眼全球，最前沿、也最见效的AI预警做法，已经走出了不短的距离。这篇文章以全球前沿代表性AI实践为主线，分六类灾害的AI应对措施逐一来看——滑坡、崩塌、泥石流、山洪、岩溶内涝、江河洪水，它们是什么、怎么用、什么原理、有什么效果。

先用一张图，把这六类灾害各自的AI做法看个大概：

江河洪水：中美两条路径

美国一侧，最有代表性的是谷歌的【洪水预报】（Flood Hub）。它是一个网页平台，打开地图找到所在河流，就能查未来几天是否涨水，并按风险分级标色。其原理，是用AI学习全球河流的水文规律，把卫星观测的降雨、土壤湿度等数据输入模型推算水位；缺少监测站的河段，则用周边数据生成“虚拟水位站”补出估算值。目前覆盖范围正从80个国家扩展到100个国家、惠及约7亿人，新模型把7天预报做到了过去5天的精度。

中国一侧，主线是水利部推动的数字孪生流域。它给真实流域建一个数字镜像，依托“预报、预警、预演、预案”四预体系，结合AI洪水快速预报和水利大模型，把过去的被动响应变为提前预演。据水利部介绍，这套体系已在防御海河“23·7”流域性特大洪水、珠江北江百年罕见洪水等实战中发挥支撑作用。

山洪暴雨：日本「線状降水帯」最见专长

有一种短时强降雨叫“線状降水帯”——一长条积雨云停在同一片区域反复降雨，几小时内即可引发山洪和泥石流，日本在这件事上的预警做得最专。日本防灾科技研究所、气象协会与气象研究所联合开发了AI自动检测，在危险急剧上升的区域更快识别出这类雨带。气象厅据此发布两类信息：一类提前约半天提示当日可能出现此类暴雨，便于天亮前转移；一类在其一出现即刻示警。当地还把预报所用局地模型的分辨率从2公里细化到1公里，进一步明确落区。

滑坡：美国 NASA 的全球近实时评估

美国航天局（NASA）的全球滑坡近实时评估，在世界地图上按每平方公里标出当下滑坡风险高低，每日更新。模型综合坡度、断层、岩性、降雨与卫星土壤湿度等因子，用机器学习计算风险，新版准确率较旧方法提升约一倍。对管理和救援人员而言，它回答的是一个很实在的问题：今天哪片山区需要重点盯防。

崩塌：中国「天-空-地」一体化识别隐患

卫星雷达干涉（InSAR）如同从太空反复为同一片山体做体检，比对不同时间的回波，测出坡体毫米级的位移。坡面是否正在缓慢变形、是否存在崩塌风险，可在其明显移动之前被识别出来。中国把卫星InSAR与无人机、地面监测组成“天-空-地”一体化，由中国地质调查局牵头用于隐患早期识别，让肉眼看不见的形变被提前发现。

泥石流：中国「普适型」监测预警网

在隐患点布设的“普适型”监测仪，是一组成本低、易安装的传感器——雨量计、裂缝计、倾角加速度计、含水率计等，安装即用，不依赖专业人员。它们24小时监测降雨、位移、裂缝和土壤含水率，数据上云后交由AI算法判断，一旦超过阈值即自动将预警短信推送至基层和受威胁群众。中国地质调查局指导27个省铺设了这套系统，覆盖滑坡、崩塌、泥石流隐患点，是目前部署规模领先的地面预警网络。

岩溶内涝：桂西北最需要攻克的一类

喀斯特（岩溶）地区地下溶洞、暗河发育，地表排水缓慢、洼地众多，一场急雨便容易在低处积水，部分地段还伴随岩溶塌陷，桂西北尤为典型。城市内涝AI把气象、地形与地下管网数据建成模型，推算哪些路口、片区易积水，以便提前布置排水、设置封路。岩溶区地下结构复杂，预报精度仍在提升，这也是国内外共同面对的难点。

底座：会“算”天气的AI大模型（中美领先）

上述六类灾害多由一场暴雨触发，把雨算得更准、更快，是所有预警的共同底座；这两年最大的变化，正是AI气象大模型。中国一侧，华为的盘古气象大模型于2023年登上《自然》，在单卡上约1.4秒即可生成一遍全球未来天气，较传统数值预报快约一万倍，欧洲中期天气预报中心和中国气象局在实测中都认可其优势。美国一侧，谷歌DeepMind的同类模型持续领先。欧洲作为业务化标杆，其AI预报系统AIFS已于2025年2月正式投入运行，与传统模型并跑，在台风路径等指标上领先约两成，单次预报能耗仅为过去的约千分之一。算得更快、更省，意味着同样算力能多跑几遍、看清更多可能，为前述灾害预警争取更长的提前量。

这些预警，靠的是什么数据

再先进的模型，也要喂得进可靠的数据。上面这些系统用的数据，大体来自四个方向：天上的卫星（降雨、土壤湿度、雷达InSAR形变）、地上的传感器与水文站（普适型的雨量、位移、裂缝、含水率，以及河道水位）、底图（地形、地质、城市地下管网）、历史台账（多年的灾害点位与成灾记录）。把这四类拼到一起，才能既看清“天上要下多少雨”，又看清“地上这块地扛不扛得住”。

数据是否高质量，关键看四点：时空分辨率、更新频率、是否连续、有没有长期定标。卫星覆盖广，但分辨率偏粗、易受云层影响；地面传感器精度高，点位却有限。二者互补，靠交叉校验和长期定标来保证可信。监测够不到的地方，模型会生成“虚拟”观测值补位——它是合理推算，而非现场实测，使用时需留一分谨慎。这也解释了为什么各国都在加密监测点、打通卫星与地面数据：算法是通用的，数据是本地的。

数据怎么反映灾情，又怎么进到处置

这些数据最终会被折算成三样东西：风险分级、影响落区、提前量——哪条河会涨到什么水位、哪面坡正在变形、哪个路口将要积水，统一呈现在一张地图的红黄绿上。看不见的形变、还没落下的雨，由此变成可读、可判断的灾情图景。

数据的价值，不止于“预报”，更在于“处置”。中国水利提出的“四预”——预报、预警、预演、预案，是一个清晰的链条：预演用模型推演淹没范围与受影响人口，提前确定转移路线、物资点位和救援力量的摆放；预警通过“叫应”机制把信息直达到人。灾害发生后，受灾范围数据又用于指挥调度和人员力量分配，把有限的人手放到最该去的地方。预警做得准不准，最终要看它能不能转化为这一连串及时、到位的行动。

羽飞智能正与专业学术机构合作，面向桂西北这样生态脆弱、灾害多发的山区，研发一套地质水文灾害的AI预警系统，目前已有初步原型，并实现对部分区域灾害的总结与预警。我们除了想把灾害看得更早，更想往前走一步——用AI辅助灾后的处置调度与人员力量分配，让有限的人手用在最该去的地方。系统仍在打磨，进展会陆续分享，欢迎大家持续关注。

和你的关系

一、对每天要出门的人，提前量就是安全垫。哪段路要淹、哪面坡要避、什么时候不宜出行，提前一两个小时知道，就能改道、改时间。多留意官方预警，胜过临到跟前再掉头。

二、对经营者而言，预警能省真金白银。有工地、门店、仓库、车队、山边厂房的，最怕进水和山体失稳。提前一晚掌握风险，工地可停工盖料、门店可垫高货物、车队可改线、山边作业可先行撤人。把灾害风险纳入日常排产，损失能压低不少。

三、认准官方权威渠道。气象台的暴雨预警、自然资源与应急部门的地质灾害预警、村屯的“叫应”机制，是当下最可靠的一手信息。AI是有力的帮手，最终决定走还是留的，仍是这些权威预警，加上各自的判断。

汛期避险，把这几条记牢

AI预警是未来的方向，眼下最能保命的，还是几条朴素的避险常识和畅通的求助电话。转给身边人，多一个人知道，多一分安全。

防滑坡、崩塌：住在山脚、陡坡、高切墙下的，雨天多留意坡体有没有新裂缝、掉块、渗水，树木和电杆有没有歪斜。一旦发现，立刻往滑动方向的两侧、向高处撤，别站在坡的正下方。

防泥石流：山区沟谷边，听到上游传来轰鸣声，或溪水突然变浑、变小，可能是泥石流将至。要往沟谷两侧的高坡跑，不要顺着沟向下游跑。

防山洪、内涝：强降雨时远离河道、桥洞和漫水路面，水深不明不蹚、不强行通过。城区积水别靠近被冲开的井盖和排水口，远离倒地电线与带电设施；开车遇深水，弃车比保车重要。

提前准备、服从转移：手机充满电，备好身份证、常用药、手电和少量饮水；记住村屯的转移路线和安置点。基层干部组织转移时尽快配合——提前一步，往往就是安全一步。

紧急求助，记住这些号码

暴雨不会因为有了AI就减少，山体也不会自行变稳。但每提前一小时掌握风险，就多一分从容。全球的前沿方法，正在让预警更早、更准、更细；把它们接到桂西北自己的街道、坡体与河流上，既需要技术，也需要每个人对身边的风险多一分上心。雨季尚长，愿大家平安。

信源：NASA/JPL 机器学习滑坡预报（LHASA，2026年）；Google Research / Google Blog 洪水预报项目说明（2026年）；日本气象厅《气象业务现状 2025》及线状降水帯相关页面；华为云盘古气象大模型（《自然》，2023）；ECMWF AIFS 正式业务运行（2025-02）；中国水利部“十四五”数字孪生水利体系建设进展发布会（2025年）；中国地质调查局《2025年支撑全国地质灾害防治工作综述》（2026-05）；广西暴雨应急响应升至Ⅲ级（光明网，2026-06-15）；强降雨致广西河池受灾、官方转移安置民众3189人（中新网，2026-06-22）。文中第三方界面截图请从官方页面获取并注明来源；羽飞在研预警系统尚处原型阶段，非现行官方预警。数据为各方公开披露口径，核实于2026年6月24日。