اعتمد باحثو جوجل على نموذج Gemini لتحليل نحو 5 ملايين مقال إخباري من مختلف أنحاء العالم. وتمكن النظام من استخراج معلومات تتعلق بحوالي 2.6 مليون حادثة فيضان. ثم حول هذه البيانات إلى سلسلة زمنية جغرافية أُطلق عليها Groundsource، ليصبح بإمكان الباحثين فهم أماكن وتوقيت الفيضانات المفاجئة بشكل أكثر دقة. وتساعد هذه القاعدة الضخمة من البيانات في دعم الباحثين أثناء دراسة المناطق التي تفتقر إلى بيانات أرصاد جوية كافية.
كيف يعمل النظام
بعد بناء قاعدة البيانات، اعتمد الباحثون على نموذج يعتمد على شبكة عصبية من نوع LSTM لتحليل توقعات الطقس العالمية وربطها ببيانات الفيضانات التاريخية. يتيح هذا الربط تقدير احتمالية حدوث فيضانات مفاجئة في مناطق محددة. تعرض هذه التوقعات عبر منصة Google Flood Hub، حيث تُظهر مخاطر الفيضانات في المدن والمناطق الحضرية داخل أكثر من 150 دولة. كما تتاح البيانات لجهات الاستجابة للطوارئ حول العالم لتفعيل التدابير المبكرة.
فوائد النظام
يساعد النظام الجديد الحكومات والمنظمات الإنسانية على الاستعداد المبكر للكوارث الطبيعية، خاصة في الدول التي لا تمتلك بنية تحتية متقدمة لمراقبة الطقس. وبالرغم من التقدم، لا تزال هناك قيود تتعلق بالدقة، إذ تغطي التوقعات مناطق تصل إلى نحو 20 كيلومترًا مربعًا. كما أن الدقة ليست بمستوى أنظمة الإنذار المحلية المعتمدة على بيانات الرادار المباشرة. هذه القيود تستدعي العمل على تحسين النماذج وتوسيع نطاق البيانات المستخدمة.
آفاق التطوير
ويأمل الباحثون في تطبيق الفكرة نفسها على مصادر مكتوبة أخرى، مثل التقارير والدراسات، لبناء قواعد بيانات تساعد في التنبؤ بظواهر طبيعية أخرى مثل موجات الحر والانهيارات الطينية. ويهدف ذلك إلى توسيع نطاق التنبؤ وتحسين الاستعداد الكفيل بالحد من الخسائر البشرية والمادية. ومن المتوقع أن تسهم هذه المنهجية في دعم صناع القرار في أكثر من 150 دولة من خلال توفير تحذير مبكر وبيانات قابلة للتحليل. يظل الهدف تعزيز موثوقية التنبؤات وتوسيع الاستخدام لتشمل مناطق ذات بيانات أرصاد محدودة.
