Google开发了一套利用人工智能预测河流洪水和突发洪水的系统，并表示目前已在150个国家提供预测，惠及超过20亿人。该公司通过Flood Hub工具提供这些信息，部分警报也会显示在搜索结果中，并通过Flood Forecasting API向机构和组织提供服务。
该项目始于Google于2018年在印度开展的一项试验，当时主要利用实时河流数据预测洪水。此后，该公司扩大了模型的应用范围，可最早提前七天预测河流洪水，并提前24小时预测城市地区的突发洪水。
Flood Hub系统如何运作？
这些模型处理大量全球数据，包括降雨量、河流水位、地表状况和天气数据。河流洪水预测主要依靠两个模型：水文模型根据天气和地表条件计算将流入河流的水量，而淹没模型则依据水流数据估算可能受到洪水影响的区域。
传统模型通常需要当地历史数据，例如水位测量数据，才能完成校准。但测量设备网络并非在世界各地都同样完善，尤其是在最需要预警的地区。Google表示，其模型可以利用来自不同地区的数据，为缺乏充足当地记录的地点提供预测。
Groundsource填补城市突发洪水数据缺口
将城市突发洪水纳入Flood Hub，比预测河流洪水更加困难，因为这类事件的传感器和历史记录较为稀缺。为弥补这一缺口，Google于2026年3月公布了Groundsource方法，该方法使用Gemini模型分析了20年间超过500万篇有关洪水的新闻报道。
这一过程生成了一个数据库，其中包含来自150多个国家的260万起历史洪水事件。随后，这些数据被整合到一个新的城市突发洪水模型中，该模型现已在Flood Hub中提供。
为什么这一进展意义重大？
提前预测的价值不只是发布警报，还能为社区和人道主义机构争取时间，在水位上涨前采取实际措施。Google以GiveDirectly组织在尼日利亚科吉州的试验为例：该组织利用Flood Forecasting API，在水位上涨前向面临洪水风险的人们发放资金。根据Google提供的结果，提前援助帮助家庭撤离、保护资产并进行重建；收入增加了一倍以上，粮食不安全程度下降了90%，并且93%的受益者表示，他们为未来的洪水做好了更充分的准备。
下一步计划与数据开放
Flood Hub中的突发洪水模型目前仍局限于城市地区，因为这些地区拥有现阶段最完善的数据。Google正在研究将其扩展到农村地区的突发洪水和沿海洪水，并探索将Groundsource方法用于预测其他风险的可能性，例如热浪和泥石流。
该公司表示，已将其水文框架作为开源项目提供，使国家气象和水文机构及相关部门能够整合自有数据并生成定制化预测。Google还开放了Groundsource数据集和Flood Forecasting API，以支持洪水研究和灾害韧性应用。