Google 洪水預報團隊進度 20200903
Google 洪水預報團隊原先與印度政府合作透過手機，提供洪水預報資訊 。
今年度 擴大預報範圍以涵蓋在印度與孟加拉 (河川水預報區域涵蓋7500萬人)，同時預測時間長度增加為一天 (讓民眾可以有更充足的應變時間)。
並透過與耶魯大學合作，了解當地民眾對於洪水災害資訊需求， 進行使用者介面調整。
同時與當地紅十字會合作進行災害資訊的傳遞，
將洪水訊息提供給沒有手機的居民。
(連結1)
而在淹水預報的技術上
首先改善河川水位預報準確度，並且發展HydroNets模式。使用在ML技術中的LSTM 方式進行推估。
概念上將每一流域點位視為較小的類神經網路架構，依照水系與集水區架構不斷串接成為大型網路架構。
每一個結點可以輸出水位與損失函數，在依序傳遞下去。
目前在預報流域集水區的預報水位，以預報水位90cm 為例，對應預報水位誤差小於15cm。
當水位流量資料準確後。接著就是將河川水位預報轉換為淹水模式成果上。
發展“形態淹水模型(morphological inundation model)”，該方法，使用物理建模與機器學習（ML）相互結合，以提供大範圍淹水成果，並且可保持一定準確度。
改善
1.複雜演算的問題
(大面積範圍且需要具有一定空間解析度的需求)
2.河床水面與水體下，對應的斷面資訊
(模式要準，水面下斷面資料需要掌握)
3.現有資料錯誤問題
(監測資料、圖資內容有問題或圖徵缺少不完整)
先透過非物理模式的ML推估 水位變化下可能淹水的影響範圍(斷面水位變化影響範圍)搭配圖學常用的Flood fill演算法為基礎，搭配河川流量與衛星遙測偵測的淹水範圍進行比對。以改善模式預測準確度。
但資料不足的地方上述方法仍有一定難度。因此而在形態淹水模型尚未涵蓋區域，則利用 end-to-end ML-based 使用水位資料、衛星資料 低水位時圖資進行可能淹水範圍推估。
連結1
Google擴大印度與孟加拉的洪水預報範圍
https://blog.google/technology/ai/flood-forecasts-india-bangladesh/
連結2
Google 改進洪水預報技術提升大範圍空間準確度
https://ai.googleblog.com/2020/09/the-technology-behind-our-recent.html
論文1
HydroNets論文
https://ai4earthscience.github.io/iclr-2020-workshop/papers/ai4earth04.pdf
論文2
HydroNets參考的LSTM 論文
https://hess.copernicus.org/articles/23/5089/2019/
#Google
#洪水預報發展
#HydroNets
#水文模式
#淹水模式
#ML
#衛星遙測
#淹水
