概述
覆盖范围、交付时间和技能取决于模型、流域和输入数据。
深入探讨
River forecasts can support preparedness, such as planning evacuation resources, but decisions also depend on official warnings and local conditions. Hydrologic models estimate runoff and streamflow; inundation models estimate where water may spread over terrain. Recurrent models such as LSTMs can represent temporal inputs, but their accuracy must be evaluated. Google’s November 2024 announcement describes a seven-day lead time, with reliability compared against a specified nowcast baseline. It reports 100 countries with verified data and up to 150 countries using data based on virtual gauges; this is a dated release statement, not a guarantee of verified predictions everywhere. Ungauged basins lack local streamflow observations needed for calibration and validation. NOAA’s National Water Model simulates observed and forecast streamflow and complements official NWS forecasts. Riverine forecasts do not necessarily resolve rapid flash flooding or urban drainage at the required local scale.
现实世界的实施
使用河流预报和官方警告来做好准备。
将降雨预报与水文估算相结合。
将洪水图视为具有不确定性的指导。
利用当地应急管理渠道。
人工智能在洪水预报中的未来
预测应支持而不是取代官方警告和当地应急指导。传达提前期和不确定性，并区分河流和山洪灾害。
付诸实践
为什么这很重要
- 构建选择. 应用级设计决定了人工智能是否能改善实际结果。
- 团队与工作流程. 良好的工作流程集成可以创造用户值得信赖的生产力收益。
- 风险与安全. 范围明确的用例可以减少变更疲劳和实施风险。
留意
- 将损坏的流程自动化可能会加剧现有问题。
- 团队可能会过度自动化并消除所需的人工判断。
- 如果不持续评估输出，质量可能会出现偏差。
后续步骤
- 绘制当前工作流程并确定摩擦最大的步骤。
- 在完全自动化之前定义人工检查点。
- 对用户进行提示、升级路径和质量标准方面的培训。
- 跟踪任务级结果以确认持续价值。
不断探索
常见问题
什么是洪水预报中的人工智能？
洪水预报可预测未来的河流状况或洪水情况，以支持防备工作。覆盖范围、交付时间和技能取决于模型、流域和输入数据。
在河流洪水工作流程中，水文模型和洪水模型有何不同？
这两个阶段回答不同的问题：河流状况和可能被水覆盖的区域。他们的产出仍然存在不确定性。
NOAA 的国家水模型与官方预测可以发挥什么作用？
NOAA 将国家水模型描述为补充官方预报产品的水文模拟；它不能替代本地警告。
为什么像 LSTM 这样的循环模型可以用于河流流量预测？
LSTM 可以对序列中的时间关系进行建模。适宜性和技能需要对目标盆地和预测范围进行评估。
Google 的 2024 年 11 月洪水模型公告描述了多长时间？
2024 年 11 月的公告描述了 7 天的预测提前期，并根据指定的即时预报基线评估了可靠性。这是报告的模型结果，不能保证每次洪水都会发生。
Google 在 2024 年 11 月洪水模型公告中如何区分两个覆盖组？
Google 报告了该版本的这两个覆盖范围组。它们不应合并到每个地点的已验证覆盖范围声明中。