针对突发性洪水这一每年致数千人死亡且极难预测的气象灾害，谷歌利用人工智能和过往新闻记录开创了新的预测方案。由于传统气象数据难以捕捉突洪的短暂与局部特征，深度-learning 模型往往失效。为此，谷歌研究人员借助其大型语言模型 Gemini，梳理全球 500 万篇新闻报道，从中筛选出 260 万条洪水事件，并将其转化为带有地理标签的时间序列数据集，命名为“地表源”。 基于这一独特数据集，谷歌训练了长短期记忆神经网络模型，能够结合全球天气预报生成特定区域的突洪概率。目前，该模型已在谷歌的“洪水中心”平台上，覆盖全球 150 个城市的洪水风险预警，并向各国应急响应机构开放数据。南共体应急官员在试用后表示，该技术显著提升了组织应对洪水的速度。 尽管该模型在分辨率上存在局限，仅能识别 20 平方公里的区域，且精度不如美国国家气象局系统，无法利用实时雷达数据，但其核心价值在于服务那些缺乏昂贵气象基础设施或历史数据的地区。谷歌复原力团队负责人指出，通过聚合海量新闻报道，该数据集有效填补了信息盲区，使全球风险地图更加平衡。未来，这种利用语言模型从定性文本中提取定量数据的方法，有望推广至热浪、泥石流等其他灾害的预测。业内专家评价这一创意方案，为解决地学领域数据稀缺难题提供了新路径。