近年，人類活動引起的氣候變遷加速了水文循環，也加劇洪災發生風險。根據世界氣象組織（WMO）2021年的報告，自2000年以來，全球與洪水有關的災害增加了134%。
洪水預警可以救人命
在世界第三極的喜馬拉雅山，冰河融化造成的冰湖潰決洪水（Glacial Lake Outburst Flood, GLOF）時有所聞，從印度拉達克到尼泊爾的聖母峰，隨著氣候變遷加劇，冰川湖不斷擴大，一旦潰堤，將對居民的生命與財產帶來極大威脅與傷害。
建置洪水預警系統是降低災害損失的有效做法，能夠降低四成以上的死亡人數與約三到五成的經濟損失。
目前常見的河川預測系統，多仰賴架設於河川流域的沿河監測站，透過長時間的數據收集來校準預測。然而，河川監測系統在全球仍分布不均。在全球易受洪災風險影響的18億人口中，90%位於中低收入國家，這些國家往往沒有成熟可靠的洪水預警系統，河川流域也缺乏監測站，讓全球的洪水預測難題更為棘手。
根據WMO報告，洪災造成的死亡與經濟損失大多集中在亞洲。WMO約有33%的成員國能提供水文數據，不過，其中有近三成五的成員國仍缺乏端到端的洪水預報與警報系統（End-to-end riverine flood forecasting and warning systems），或還在使用不適當的預警系統；目前只有44%成員國的現存系統能覆蓋超過三分之二的洪災風險人口。
世界銀行估計，若能大幅改善發展中國家的洪水預警系統，平均每年可拯救 2萬3000人的性命。設備上的限制為發展中國家帶來巨大挑戰，在最需要洪災預測且人命更容易受洪災影響的地區，卻最缺乏高品質的數據以及有效的洪災預警，將生命財產損失暴露於風險之中。
AI加入洪水預測
近期在《自然》期刊上發表的研究，讓洪水預測出現轉機。2024年4月，由Google研究員尼爾林（Grey S. Nearing）以及中期氣象預測歐洲中心等研究員共同發表的研究指出，利用AI可望有效預測洪水風險。研究團隊開發了新的模型，使用現有5680個河流監測站的資料來訓練AI，並利用長短期記憶（long short-term memory, LSTM）網路來預測七天內那些未測量流域的每日水流。
現行的全球即時水文預測系統，是由歐盟委員會聯合研究中心（European Commission’s Joint Research Centre）所發布的「全球洪水預警系統（Global Flood Awareness System, GloFAS）」。
研究團隊將新開發的AI模型預測結果與GloFAS做比對，結果顯示，AI模型提高了洪水重現期（Return Period）的預測準確度，且在多數結果中，AI對不同大陸地區的預測表現都比GloFAS好。
AI模型提高了對極端河流事件的短期（0-7天）預報能力，並延長了預報的可靠性，能夠提前五～七天預測洪水，且與GloFAS系統的當日預測一樣可靠，更將缺乏監測站的非洲大陸的預報提高到了與歐洲相近的水準。
參考資料
- Global prediction of extreme floods in ungauged watersheds, Nature , DOI: https://doi.org/10.1038/s41586-024-07145-1
- PreventionWeb（2024年3月21日），AI could help predict floods where traditional methods struggle
- WMO（2021年10月6日），2021 State of Climate Services: Water
- Dialogue Earth（2021年4月6日），From Ladakh to Everest, risk of GLOFs grows in the Himalayas
※本文轉載自低碳生活部落格〈科技防災！ Google如何靠AI預測洪水來襲風險？〉
