GoogleはMar 12, 2026、urban flash flood forecastingにおける最大の課題の1つだったhistorical data不足を埋めるため、Groundsourceを発表した。これはGeminiを使って数十年分のpublic reportを解析し、Google Mapsと組み合わせて断片的な災害記録を構造化されたgeographic recordへ変換する方法論だ。目的は単なる要約ではなく、実際にforecasting modelを学習できるdatasetを作ることにある。

Googleによれば、Groundsourceは150カ国超にまたがる2.6 million件以上のhistorical flood eventを特定した。その後、Mapsを使って各eventのprecise geographic boundaryを特定し、urban flash floodに焦点を当てたdatasetを構築したという。Googleは、このdatasetから学習した新しいmodelがurban flash floodを最大24時間前に予測する方向で進展を示したと説明している。

主なポイント

GroundsourceはGeminiとGoogle Mapsを使ってpublic reportからhistorical disaster datasetを構築する。
Googleは150カ国超で2.6 million件以上のflood eventを特定したとしている。
新しいmodelはurban flash floodを最大24時間前に予測することを目指す。
Googleはlandslideやheat waveなど他のhazardにも手法を広げられる可能性があると説明している。

このforecastは現在Google Flood Hubで提供されている。Googleは既存のriverine flood forecastが、最も重要な河川洪水イベントに関して150カ国超の2 billion人をカバーしていると説明しており、今回urban flash flood forecastが加わることで、過去データが不足していた都市部でもplatformの有用性が広がるとしている。つまり今回の発表は研究成果であると同時に、既存のpublic-facing resilience productへ新しいforecast layerを実装した配布更新でもある。

GoogleはGroundsourceを単発のflood projectにとどめていない。同社は、この手法がpartnerやscientist向けのmassive open-source benchmarkになり得るとし、historical recordが不足しがちなlandslideやheat waveなどのhazardにも同じAI-driven approachを応用できる可能性があると述べている。もしこの横展開が機能すれば、意義はflood forecastingを超えて広がる。

AI産業の視点では、Groundsourceはmodelが最終回答を生成するだけでなく、より良いtraining dataを作るためにも使われることを示す好例だ。公共機関やcrisis-response組織にとっては価値はさらに直接的で、データ品質の改善が早期警報の精度向上につながる可能性がある。特に記録が断片化しやすいdense urban areaでは、その効果が大きくなるかもしれない。

出典: Google

#floods

Google、Groundsourceでurban flash flood予測を拡張 150カ国・260万件のデータを構築

Google、Groundsourceでurban flash flood予測を拡張　150カ国・260万件のデータを構築