Google利用新闻数据突破突发洪水预测瓶颈
突发洪水每年导致超5000人死亡，是全球最致命且最难预测的自然灾害之一。尽管天气预报汇聚了大量气象数据，但山洪暴发具有持续时间短、局部性强的特点，难以全面测量，导致深度学习模型因数据缺失而预测受阻。
基于Gemini构建“Groundsource”真实世界参考系
为解决上述难题，Google研究人员首次利用大语言模型Gemini扫描全球500万篇新闻文章，筛选出260万份洪水报告并转化为带地理标签的时间流“Groundsource”。以此作为真实世界参考点，团队训练了基于长短期记忆（LSTM）神经网络的模型并结合全球天气数据，成功计算出特定区域的山洪发生概率。
Flood Hub平台落地应用与局限性分析
目前，该预测模型已在Google Flood Hub平台上线，覆盖150个国家的城市风险区并向应急机构共享数据。南部非洲发展共同体（SADC）官员António José Beleza证实，该模型有效提升了洪水响应速度。
需注意的是，该模型分辨率较低（20平方公里），且缺乏实时雷达降雨数据，精密程度不及美国国家气象局系统。但其核心价值在于服务无力建设昂贵探测设施的地方政府及气象数据匮乏地区，填补了关键领域的防灾空白。