Google, Groundsource로 urban flash flood 예측 확대… 150개국 260만건 데이터 구축

Google는 Mar 12, 2026 urban flash flood 예측에서 가장 어려운 문제 가운데 하나였던 historical data 부족을 줄이기 위해 Groundsource를 공개했다. 이 방법론은 Gemini를 이용해 수십 년치 public report를 분석하고, Google Maps를 결합해 흩어진 사건 기록을 구조화된 geographic record로 바꾸는 방식이다. 목표는 단순 요약이 아니라 실제 forecasting model을 학습시킬 수 있는 데이터셋을 만드는 데 있다.

회사에 따르면 Groundsource는 150개국 이상에 걸친 2.6 million건 이상의 historical flood event를 식별했다. Google는 이어서 Maps를 활용해 각 사건의 precise geographic boundary를 정리하고, urban flash flood 중심의 dataset을 구축했다. 그 결과 이 데이터셋으로 학습한 새 모델이 urban flash flood를 최대 24시간 전에 예측하는 방향으로 진전을 보였다고 설명했다.

핵심 포인트

• Groundsource는 Gemini와 Google Maps를 사용해 public report를 historical disaster dataset으로 바꾼다.
• Google는 150개국 이상에서 2.6 million건이 넘는 flood event를 식별했다고 밝혔다.
• 새 모델은 urban flash flood를 최대 24시간 전에 예측하는 것을 목표로 한다.
• Google는 landslide나 heat wave 같은 다른 hazard로도 접근법을 확장할 수 있다고 설명했다.

이 예측은 이제 Google Flood Hub에서 제공된다. Google는 기존 riverine flood forecast가 가장 중요한 하천 홍수 상황을 기준으로 150개국 이상, 2 billion명에게 도달한다고 밝혔고, 여기에 urban flash flood forecast가 추가되면서 과거 데이터가 부족했던 도시 지역에서도 플랫폼의 활용 범위가 넓어졌다고 설명했다. 즉, 이번 발표는 연구 결과 발표이면서 동시에 기존 public-facing resilience product에 새로운 forecast layer를 연결한 배포 업데이트이기도 하다.

Google는 Groundsource를 일회성 flood project 이상으로 보고 있다. 회사는 이 방법론이 partner와 scientist를 위한 massive open-source benchmark를 제공할 수 있으며, landslide나 heat wave처럼 historical record가 불완전한 다른 hazard에도 같은 AI-driven approach를 적용할 잠재력이 있다고 밝혔다. 이 전이가 실제로 작동한다면, 의미는 flood forecasting을 넘어설 수 있다.

AI 관점에서 Groundsource는 model이 최종 답변을 생성하는 데서 그치지 않고 더 좋은 training data를 만드는 데 사용된 사례라는 점이 눈에 띈다. 공공기관이나 crisis-response 조직 관점에서는 가치가 더 직접적이다. 데이터 품질이 좋아질수록 조기 경보가 개선될 가능성이 높고, 특히 record가 파편화돼 있는 dense urban area에서 그 효과가 더 클 수 있기 때문이다.

출처: Google