▲全球洪水事件分布密度圖：紅色點為 GDACS 記錄的洪水事件。（圖／Google）
記者吳立言／綜合報導
Google Research 今（13日）宣布推出 Groundsource，這是一套利用 AI 模型 Gemini 從全球新聞報導中提取資訊、並轉換為可分析資料的技術框架。
Google 同時釋出首個開放資料集，內容聚焦於都市型突發洪水（urban flash floods），共收錄 260 萬筆事件紀錄，涵蓋 150 多個國家。研究團隊表示，這些資料可用於改進災害預測模型，提升各地對自然災害的預警能力。
全球洪水資料不足 成為預測難題
Google 指出，與地震等災害不同，洪水等水文氣象災害缺乏統一的全球觀測網路。
現有資料來源例如：
Global Flood Database（GFD）
Dartmouth Flood Observatory（DFO）
Global Disaster Alert and Coordination System（GDACS）
雖然能提供重要資訊，但仍存在限制，例如衛星觀測頻率、雲層遮蔽，以及多數資料僅記錄大型或持續時間較長的災害。GDACS 的資料庫約只有 1 萬筆事件紀錄，相較於 AI 模型訓練所需的大規模資料仍顯不足，特別是對於發生迅速、範圍較小的突發洪水。
Gemini 分析 80 種語言新聞
為解決資料缺口，Groundsource 會分析全球新聞、政府報告與地方公告等公開資料，將非結構化資訊轉為可用數據。
整體流程包括：
文本提取：系統透過 Google Read Aloud user-agent 取得新聞主要內容，並從 80 種語言轉換為英文。
AI 事件判定：Gemini 模型會分析報導內容，判斷是否為實際發生的洪水事件，而非僅是預測或政策討論。
時間判定：AI 會將「上週二」等相對時間與文章發布日期比對，以確定災害發生時間。
地點定位：系統辨識街區與行政區資訊，並透過 Google Maps Platform 將位置轉換為地理座標。
260 萬筆洪水紀錄 大幅超越既有資料
Groundsource 已建立 260 萬筆洪水事件紀錄，時間跨度從 2000 年至今。在人工驗證測試中，60% 的事件在時間與位置上完全準確；82% 的資料對實際研究已具實用價值。研究團隊也指出，與 GDACS 的資料比對後，Groundsource 能捕捉 85% 至 100% 的重大洪水事件，同時補足許多小型或地方性災害的紀錄。
強化洪水預測 提前 24 小時預警
透過這些新的歷史資料，研究團隊已能建立模型，在洪水發生前約 24 小時提供都市突發洪水預測。相關預測功能將整合進 Google Flood Hub 平台，擴大洪水監測與預警範圍。
Google 也指出，Groundsource 方法未來可能應用於例如乾旱、土石流、雪崩等災害，藉由將全球新聞轉換為結構化資料，研究人員希望填補長期存在的「災害資料缺口」，進而提升全球對自然災害的預測與應對能力。
