基于強(qiáng)大的技術(shù)設(shè)施和專家團(tuán)隊(duì)，研究人員逐漸掌握了預(yù)測(cè)洪水的方法，通過與物理模型結(jié)合和大量工程優(yōu)化以及與地方水務(wù)部門的密切配合，使得準(zhǔn)確有效的洪水預(yù)測(cè)成為可能。
一、洪水上漲的物理模型
開發(fā)精確洪水預(yù)測(cè)系統(tǒng)的關(guān)鍵在于建立有效的上漲-淹沒模型，基于它可以通過給定河流的輸出測(cè)量或預(yù)測(cè)出水量和水位情況，并模擬出洪澇時(shí)期的河流狀況。
這使得我們可將目前的或未來的河流狀況轉(zhuǎn)換為具有高空間分辨率的危險(xiǎn)地圖，用于提示政府和相關(guān)民眾洪水來臨時(shí)的安全區(qū)域和危險(xiǎn)區(qū)域。淹沒模型主要依賴于以下四個(gè)因素，分別是實(shí)時(shí)水位測(cè)量、精確的高程地圖、水力學(xué)模型、未來預(yù)測(cè)等，每個(gè)因素都涉及到一系列技術(shù)問題，研究人員們提出了多種方法來創(chuàng)造性地解決了遇到的種種難題。
- 實(shí)時(shí)水位測(cè)量
為了在實(shí)際中運(yùn)行洪水預(yù)測(cè)模型，研究人員需要知道真實(shí)河流的實(shí)地情況。在與印度水務(wù)部門的合作下，研究人員可以獲取全印度范圍內(nèi)每小時(shí)上千個(gè)水體的計(jì)量結(jié)果，通過對(duì)于數(shù)據(jù)的聚合可以基于上游數(shù)據(jù)預(yù)測(cè)出水量水位的變化。水務(wù)部門給出的實(shí)時(shí)測(cè)量數(shù)據(jù)和預(yù)測(cè)結(jié)果就可以作為本文模型的輸入來預(yù)測(cè)區(qū)域的洪水情況。
- 構(gòu)建精確高程地圖
在知道了河流中的水量后，一幅精確的地形圖成為了預(yù)測(cè)水體流動(dòng)和淹沒范圍的關(guān)鍵。高精度數(shù)字高程地圖(DEMs)對(duì)于地球及地理相關(guān)科學(xué)的研究至關(guān)重要，但對(duì)于世界上某些地區(qū)來說獲取DEMs卻十分困難，對(duì)于洪水泛濫地區(qū)尤為明顯，為物理模型的構(gòu)建帶來了一系列困難。
這主要源于洪水會(huì)改變泛濫地區(qū)的精細(xì)地形，這些地形都在米量級(jí)，而公開的數(shù)字高程模型則只有十米量級(jí)的分辨率。為了克服精度不足的問題，研究人員提出了基于衛(wèi)星提供的清晰光學(xué)圖像來補(bǔ)全和提升數(shù)字高程模型的分辨率。
研究人員首先從谷歌地圖上收集了大量的衛(wèi)星圖像，并將這些圖像用于優(yōu)化衛(wèi)星相機(jī)模型和粗糙的地形數(shù)據(jù)。接著利用矯正后的相機(jī)模型為每幅衛(wèi)星地圖構(gòu)建出深度圖，并將每個(gè)地點(diǎn)的深度圖與粗糙高程進(jìn)行融合。最后將地表的樹木、橋梁等對(duì)水流沒有重要影響的因素去除得到了1m左右精度的高程地形，它為運(yùn)行水利模型提供了重要的地理基礎(chǔ)。
- 水力學(xué)建模及其高效實(shí)現(xiàn)
當(dāng)擁有了河流流量和預(yù)測(cè)以及對(duì)應(yīng)區(qū)域的地形高程圖后就可以正式開始建模預(yù)測(cè)了。首先最重要的是水力學(xué)的物理模型，基于物理定律它將不斷更新水位和淹沒的位置。
具體實(shí)現(xiàn)過程中，研究人員通過求解淺水條件下二維的圣維南方程組來進(jìn)行，模型可以獲得精確的水體輸入但面臨著計(jì)算較為復(fù)雜的問題。具有三次計(jì)算復(fù)雜度的模型意味著當(dāng)分辨率提高二倍時(shí)整體的計(jì)算復(fù)雜度將提高八倍多。在期待的高分辨率面前，如此復(fù)雜的計(jì)算量即便對(duì)于谷歌來說也是無法承受的。
為了解決計(jì)算量的問題，研究人員在實(shí)現(xiàn)水利模型的過程中引入獨(dú)特的方法。首先，將模型的求解問題優(yōu)化為TPU可以處理的問題，并行化使得計(jì)算速度提升了85倍，此外研究人員還尋求一系列機(jī)器學(xué)習(xí)的方法來代替模型中某些物理學(xué)算法，以便模型的計(jì)算能力可以支持更大的區(qū)域。
- 未來預(yù)測(cè)
除了水利模型外，研究人員還需要不斷地發(fā)掘系統(tǒng)中不夠精確的地方，包括不準(zhǔn)確地?cái)?shù)字高程圖、河流的分支堤壩以及未被納入考慮的支流等等。研究人員致力于尋找有效的方法不斷減少誤差，基于歷史數(shù)據(jù)的預(yù)測(cè)模型為誤差源的搜尋提供了幫助。
歐空局自14年起就開始利用合成孔徑雷達(dá)觀測(cè)地球，它可以有效識(shí)別洪水泛濫的區(qū)域而不受天氣和云層的影響。在這些寶貴的數(shù)據(jù)下，研究人員將歷史水位數(shù)據(jù)和洪澇情況進(jìn)行分析，識(shí)別出了模型中可以改進(jìn)的空間?？梢詮闹泄烙?jì)出誤差來源與模型還是地形的變動(dòng)所致。
二、展望
洪水預(yù)測(cè)模型的建立只是萬里長(zhǎng)征的第一步，未來還有很多工作需要推進(jìn)才能讓洪水預(yù)測(cè)模型造福人類。
首先需要努力拓展預(yù)測(cè)模型的適用范圍；其次需要為用戶提供更豐富的信息，包括洪水深度、氣溫以及更多的實(shí)時(shí)信息。最后還需要研究如何有效的向政府和民眾傳達(dá)洪水預(yù)報(bào)信息，最大化地覆蓋人群并幫助他們做好合理的防護(hù)準(zhǔn)備。
雖然洪澇模型對(duì)于改善洪水預(yù)測(cè)的空間分辨率十分有效，但政府對(duì)于它的實(shí)際有效性和即時(shí)性還抱有懷疑態(tài)度。同時(shí)還需要更為深入的基礎(chǔ)研究來提升水力學(xué)模型，期待在未來將為決策者快速提供更為精確、更高分辨率的預(yù)報(bào)，為防護(hù)留下充足的準(zhǔn)備時(shí)間。
水利模型的輸入異常豐富，包括降水、太陽輻射、土壤濕度以及河流水量等，還包括融雪、地表徑流以及蒸發(fā)等因素。
這類模型傳統(tǒng)上需要大量的手工標(biāo)定，并且在數(shù)據(jù)缺失的區(qū)域表現(xiàn)不佳。研究人員利用了多任務(wù)學(xué)習(xí)的方法來提高模型的精確性和廣泛適應(yīng)性?；跈C(jī)器學(xué)習(xí)的方法和LSTM等模型可以達(dá)到超越經(jīng)典模型的優(yōu)秀結(jié)果。
雖然這些僅僅是非常基礎(chǔ)的工作，還有大量的任務(wù)需要進(jìn)行，但邁出了這重要的一步會(huì)極大地推動(dòng)水利學(xué)和相關(guān)領(lǐng)域的研究。這樣能造福千千萬萬人類的工程也具有重要重要的意義，希望這一領(lǐng)域繼續(xù)發(fā)展。
AI向善、防災(zāi)減災(zāi)、造福人類。
參考文獻(xiàn)
https://www.blog.google/products/search/helping-keep-people-safe-ai-enabled-flood-forecasting/
https://blog.google/technology/ai/tracking-our-progress-on-flood-forecasting/
http://ai.googleblog.com/2019/09/an-inside-look-at-flood-forecasting.html
AI向善：https://ai.google/social-good
圣維南方程https://www.zhihu.com/question/36902274images: https://dribbble.com/shots/3459927-Cop-CarDEMS:https://nn.wikipedia.org/wiki/Seven_Summits https://nsidc.org/data/hma_dem8m_mos?qt-data_set_tabs=2
