北京新一輪降雨來襲，AI防汛“偵探”上線，提前看懂山洪連鎖風(fēng)險(xiǎn)

圖片來源:首都之窗

北京地區(qū)近期進(jìn)入雨季, 從降水趨勢(shì)來看，未來一段時(shí)間內(nèi)，北京將頻繁遭遇分散性雷陣雨或陣雨天氣。降雨具有明顯的局地性和突發(fā)性，常伴有短時(shí)強(qiáng)降水、7級(jí)以上短時(shí)大風(fēng)甚至冰雹等強(qiáng)對(duì)流現(xiàn)象。入汛以來，北京累計(jì)降水量較常年同期明顯偏多，土壤含水量飽和，山區(qū)發(fā)生山洪地質(zhì)災(zāi)害的風(fēng)險(xiǎn)隨之上升。

每到夏季汛期，一場突如其來的局地暴雨，極易在山區(qū)引發(fā)兇猛的山洪，并帶來泥石流、山體滑坡等一系列次生災(zāi)害，給途經(jīng)的地區(qū)帶來巨大的安全威脅。

面對(duì)如此突發(fā)、兇猛復(fù)雜的自然災(zāi)害，我們能不能提前預(yù)判它的動(dòng)向，搶在災(zāi)難降臨前拉響警報(bào)？

答案是肯定的！近期，來自中國科學(xué)院地理科學(xué)與資源研究所等機(jī)構(gòu)的中國科學(xué)家們，研發(fā)出了一種基于DeepSeek R1大語言模型的全新預(yù)警方法。

過去很多AI像一個(gè)只給答案的學(xué)生，只告訴你“結(jié)果是A”。而這套方法更像是把解題步驟也寫出來：為什么危險(xiǎn)、危險(xiǎn)從哪里來、可能往哪里發(fā)展。

預(yù)測山洪災(zāi)害有多難？

你可能會(huì)問，現(xiàn)在天氣預(yù)報(bào)這么準(zhǔn)，預(yù)測個(gè)山洪有那么難嗎？

答案是：難！

要理解這背后的原因，首先得明白什么是“山洪災(zāi)害鏈”。

一次山區(qū)暴雨絕非“雨大”這么簡單，它是連環(huán)災(zāi)難的“發(fā)令槍” 。在大自然暗中鋪設(shè)的物理棋局里，雨水匯聚可能引發(fā)山洪；狂暴的水流沖刷河岸，卷起碎石或?qū)⒒髂嗍鳎荒嗍魈涂章坊l(fā)滑坡，滑坡體甚至?xí)氯拥溃纬蓸O度危險(xiǎn)的堰塞湖 。

這就是“山洪災(zāi)害鏈”，其破壞力在級(jí)聯(lián)效應(yīng)中不斷疊加放大，像推倒了多米諾骨牌，讓災(zāi)害的演進(jìn)路徑極難被捕捉 。

傳統(tǒng)預(yù)測方法的軟肋

你可能會(huì)問，既然知道山洪災(zāi)害是一環(huán)扣一環(huán)的，要進(jìn)行預(yù)測有什么難的？這是因?yàn)閹追N主流預(yù)測方法都有各自難以克服的“軟肋”。

簡單而言就是，傳統(tǒng)方法不是不好，而是各管一段。有的擅長看雨，有的擅長算水，有的擅長劃危險(xiǎn)區(qū)。但山洪災(zāi)害真正麻煩的地方在于：它常常不是單點(diǎn)爆發(fā)，而是一連串變化。

利用AI大模型進(jìn)行山洪預(yù)測是近些年興起的手段。但傳統(tǒng)的深度學(xué)習(xí)AI模型（如神經(jīng)網(wǎng)絡(luò)）就像一個(gè)經(jīng)驗(yàn)豐富但不愛解釋的顧問。他可能告訴你“這里危險(xiǎn)”，卻不一定能說清楚：是因?yàn)橛晏保€是山坡太陡，還是溝里堆了太多松散泥沙。在人命關(guān)天的決策面前，沒有人敢把籌碼押在一個(gè)“黑箱”上。

如何讓AI學(xué)會(huì)"解釋自己"

為了打破這個(gè)“算得準(zhǔn)就跑得慢，跑得快就看不懂”的僵局，中國科學(xué)院地理科學(xué)與資源研究所的吳鋒團(tuán)隊(duì)給出了一個(gè)解決方案：讓AI學(xué)會(huì)"解釋自己"。

怎么做？他們把兩種技術(shù)"聯(lián)姻"了。

圖片來源：《地理信息科學(xué)學(xué)報(bào)》論文配圖

研究人員先讓AI把論文里的知識(shí)整理成一張“災(zāi)害關(guān)系網(wǎng)”。在這張網(wǎng)里，“暴雨”“陡坡”“松散泥沙”“山洪”“泥石流”“道路受損”“房屋倒塌”不再是孤零零的詞，而是被一條條關(guān)系連了起來。在技術(shù)上，這樣的“關(guān)系網(wǎng)”就叫知識(shí)圖譜。

光有關(guān)系網(wǎng)還不夠。因?yàn)楝F(xiàn)實(shí)中不是“下雨就一定山洪”“山洪就一定泥石流”。

所以研究人員又給這張關(guān)系網(wǎng)裝上了一個(gè)“概率算盤”：當(dāng)雨量變大、坡度變陡、溝里泥沙變多時(shí)，它會(huì)估算后面發(fā)生山洪、泥石流、房屋受損的可能性會(huì)不會(huì)升高。這個(gè)“概率算盤”，就是貝葉斯網(wǎng)絡(luò)。

知識(shí)圖譜負(fù)責(zé)告訴AI“誰和誰有關(guān)”，貝葉斯網(wǎng)絡(luò)負(fù)責(zé)判斷“這種事有多可能發(fā)生”。兩相結(jié)合，就形成了一個(gè)"既能推理，又能解釋"的預(yù)警系統(tǒng)。

但這背后，有一個(gè)巨大的工程難題：知識(shí)從哪來？數(shù)據(jù)從哪來？

預(yù)測模型如何煉成

為了打造這樣一位內(nèi)外兼修的“AI神探”，研究人員請(qǐng)出了AI大語言模型DeepSeek R1-14B（以下簡稱R1），讓它跳出了寫代碼、寫公文的舒適區(qū)，對(duì)它進(jìn)行了三項(xiàng)“魔鬼特訓(xùn)”，試圖構(gòu)建一套可解釋的災(zāi)害鏈模型。

圖片來源：AI生成圖片

第一步：瘋狂“刷書”，建立知識(shí)地圖。研究人員讓AI“讀”了3176篇山洪相關(guān)論文。準(zhǔn)確地說，是讓它從這些論文里找出反復(fù)出現(xiàn)的關(guān)鍵詞、危險(xiǎn)因素和災(zāi)害之間的聯(lián)系。這相當(dāng)于一位地質(zhì)學(xué)博士苦讀多年，而AI僅用了極短的時(shí)間就完成了知識(shí)結(jié)構(gòu)的提煉。不同于普通大模型，R1利用其強(qiáng)大的推理鏈，從中揪出了 2608 條隱蔽的邏輯線索，這些線索就像一根根線，把原本分散的災(zāi)害知識(shí)串成了一張網(wǎng)。

它不再僅僅記住“暴雨”，而是理解了“強(qiáng)降雨→坡面侵蝕→泥石流容重增加”這一因果鏈條。這就好比讓AI先背熟了災(zāi)害界的《孫子兵法》，理清了災(zāi)害之間誰是起因、誰是后果。

第二步：從“寫作文”到“算概率”。這是最關(guān)鍵的突破。科學(xué)家讓R1大模型充當(dāng)專家知識(shí)的搬運(yùn)工，將文獻(xiàn)里的文字邏輯轉(zhuǎn)化為一張貝葉斯網(wǎng)絡(luò)（Bayesian Network）。這相當(dāng)于給AI裝上了一個(gè)“概率計(jì)算器”：它不僅知道 A 會(huì)引發(fā) B，還能根據(jù)地形和實(shí)時(shí)雨量，它不能保證給出絕對(duì)正確的答案，但能根據(jù)已有信息估算：風(fēng)險(xiǎn)是偏低、偏高，還是已經(jīng)進(jìn)入需要警惕的區(qū)間。

第三步：復(fù)盤歷史，積攢實(shí)戰(zhàn)經(jīng)驗(yàn)。空有理論不行，AI又翻閱了過去 10 年里的 2380 篇 災(zāi)情新聞報(bào)道，從中復(fù)盤了 1075 個(gè)獨(dú)立災(zāi)害事件。這些歷史案例相當(dāng)于給模型補(bǔ)了一本“災(zāi)害經(jīng)驗(yàn)冊(cè)”：過去哪些條件下容易出事，出事后常常會(huì)發(fā)展到哪一步，都可以從中找到參考。不過，新聞報(bào)道畢竟不是現(xiàn)場監(jiān)測記錄，可能有遺漏，也可能有描述不夠精確的地方。因此，AI給出的結(jié)果更適合作為參考，而不是最終裁判。

實(shí)戰(zhàn)演習(xí)：它真的準(zhǔn)嗎？

圖片來源：澎湃新聞

研究人員拿 2020 年四川小金縣的一次特大連環(huán)災(zāi)害對(duì) R1大模型進(jìn)行了“閉卷考試”。

當(dāng)時(shí)，小金縣遭遇了典型的“暴雨-山洪-泥石流”暴擊。在只給初始信息的情況下，這位“神探”交出的答卷令人驚艷。

這次“考試”的結(jié)果不錯(cuò)。模型大體還原了災(zāi)害從暴雨到山洪、再到泥石流和人員房屋受損的過程。但一次考試成績好，不代表它在所有地方、所有災(zāi)害中都能穩(wěn)定發(fā)揮。要真正用于預(yù)警，還需要更多案例檢驗(yàn)。

更具價(jià)值的是其可解釋性，模型指出，這場災(zāi)害并不是單純因?yàn)椤坝甏蟆保P(guān)鍵的是：山坡和溝道里有大量松散泥沙，洪水一來，就把這些物質(zhì)裹挾起來，推動(dòng)災(zāi)害繼續(xù)放大。

不過，模型也有看走眼的時(shí)候。比如對(duì)水電站、通信基站等設(shè)施受損的判斷，它可能不夠敏感。原因可能是過去案例里這類信息記錄得不夠多，也可能是模型對(duì)當(dāng)?shù)卦O(shè)施位置和防護(hù)能力了解不夠。

從"信不信"到"為什么信"

不過，這項(xiàng)研究的意義，遠(yuǎn)不止"一個(gè)更準(zhǔn)的預(yù)警模型"。它解決的是一個(gè)更深層的問題：人機(jī)信任。

過去，AI預(yù)警系統(tǒng)最大的障礙，不是技術(shù)不夠先進(jìn)，而是決策者"不敢信"——"你告訴我風(fēng)險(xiǎn)高，但憑什么讓我撤離整個(gè)村子？出了問題誰負(fù)責(zé)？"

現(xiàn)在，這個(gè)系統(tǒng)能給出一個(gè)清晰的答案："風(fēng)險(xiǎn)高是因?yàn)椤评砺窂绞恰瓪v史相似案例有……"

圖片來源：光明網(wǎng)

當(dāng)AI學(xué)會(huì)了解釋自己，它就不再是"黑箱"，而變成了"顧問"。

從"猜"到"懂"，從"信不信"到"為什么信"——這才是這項(xiàng)研究真正的突破。不是讓AI取代人類預(yù)警員，也不是讓DeepSeek單獨(dú)決定哪里會(huì)發(fā)生山洪。它真正有價(jià)值的地方在于：把分散在論文、案例和經(jīng)驗(yàn)里的山洪知識(shí)整理成一套能推理、能解釋的工具。

對(duì)防災(zāi)來說，AI最重要的能力也許不是“神機(jī)妙算”，而是幫助人們更早看見風(fēng)險(xiǎn)、更清楚理解風(fēng)險(xiǎn)，并更快做出決策。

未來，在地震預(yù)警、臺(tái)風(fēng)路徑預(yù)測、傳染病風(fēng)險(xiǎn)評(píng)估等更多領(lǐng)域……凡是需要"人做決策"的地方，都需要"可解釋的AI"。

科技在進(jìn)步，人人的防災(zāi)意識(shí)也要提高。看完DeepSeek R1如何為山洪預(yù)警帶來突破，也請(qǐng)花一分鐘，溫習(xí)這份實(shí)用的防災(zāi)避險(xiǎn)指南。

圖片來源：自制圖片

1.https://www.sciengine.com/JGIS/doi/10.12082/dqxxkx.2026.250536

2.http://js.cma.gov.cn/dsjwz/zjs/xwzx_4527/rdzt_4532/202507/t20250730_7242887.html

作者：蝌蚪君

審核：劉穎 李培元 張超 楊柳

審核專家：蘭名滎 北京郵電大學(xué)數(shù)字媒體與設(shè)計(jì)藝術(shù)學(xué)院副教授、信息通信全國科普教育基地副主任

尹乃毅 中國科學(xué)院大學(xué)資源與環(huán)境學(xué)院教授