首先，研究人員從高分辨率城市洪水計(jì)算機(jī)模型開(kāi)始，著手開(kāi)發(fā)早期洪水探測(cè)系統(tǒng)。模型結(jié)果需經(jīng)數(shù)據(jù)驗(yàn)證，從而保證其可靠性，但經(jīng)過(guò)三個(gè)月的數(shù)據(jù)采集，研究人員卻空手而歸。其次，研究人員計(jì)劃用基于物理學(xué)的洪泛模型來(lái)更新他們的模型，來(lái)預(yù)測(cè)洪水發(fā)展。

 

　　衛(wèi)星遙感價(jià)格昂貴，且在城市地區(qū)經(jīng)常受到技術(shù)問(wèn)題的影響，而地面?zhèn)鞲衅骶W(wǎng)絡(luò)的安裝和維護(hù)成本很高。即使是最常見(jiàn)的方法，政府工作人員的目擊調(diào)查也不在預(yù)算之內(nèi)。于是，研究人員將推特和眾包應(yīng)用程序MyCoast作為替代方案，用來(lái)收集侵蝕和潮汐等海岸條件的數(shù)據(jù)。

 

　　利用這一替代方案進(jìn)行數(shù)據(jù)收集的步驟如下：（1）掃描推特上的“洪水”、“水壩”和“堤壩”等關(guān)鍵詞，識(shí)別洪水相關(guān)事件。（2）利用自然語(yǔ)言處理（NLP）這一人工智能識(shí)別推特用戶的信息，包括洪水位置、水深、洪水趨勢(shì)、人類(lèi)情感、損失估計(jì)，甚至包括可精確到英尺的超高分辨率數(shù)據(jù)，如推特用戶的街道名稱(chēng)和建筑物號(hào)碼。（3）因?yàn)榘P(guān)鍵字的推文很可能是無(wú)關(guān)緊要的，所以要利用AI進(jìn)行去噪，比如利用計(jì)算機(jī)視覺(jué)程序?qū)⒑樗?a href="http://www.baoxianwx.cn/photo/" target="_blank">圖片從MyCoast的照片中篩選出來(lái)，但是其準(zhǔn)確率僅有70%，故這個(gè)系統(tǒng)并不完美。

 

　　研究人員稱(chēng)，與洪水相關(guān)的推文與較高的降水量相關(guān)，而眾包數(shù)據(jù)與實(shí)際封路密切相關(guān)。他們認(rèn)為推特這樣的工具可以更好地進(jìn)行大規(guī)模監(jiān)控，而MyCoast這樣的應(yīng)用程序則可以在較小的范圍內(nèi)提供寶貴的見(jiàn)解。有了這些工具，他們希望能在潛在的洪水問(wèn)題上發(fā)揮積極的作用。

 

　　這項(xiàng)研究近期已在《計(jì)算機(jī)與地球科學(xué)》雜志上發(fā)刊。