山洪预警新突破：TACLS利用卫星与机器学习技术提升灾害应对效率
6月9日早上，劳拉·林正在位于印第安纳州南部的兰斯维尔——一个距离肯塔基州边境约15英里的乡村小镇——家中工作。她正在参加 Zoom 视频会议，完全没有意识到外面的暴雨正在让她的院子积水。
“我看向谷仓的方向，看到一些木头在水里漂，我当时就傻眼了，‘什么？’我立刻意识到，‘我得走了。’我合上笔记本电脑，叫醒孩子们，说‘出事了，’”林回忆道。
林和家人安全撤离，暂住在邻居家中。然而，兰斯维尔当天的短短几个小时内就降下了超过8英寸的雨量，远远超过了通常被视为“强降雨”的阈值。几个小时后，洪水就消退了。
洪水是美国第二致命的天气灾害，也是全球范围内最致命的灾害之一。仅6英寸的急流就能冲倒成年人，12英寸的洪水足以掀起一辆汽车，而2英尺的水深则能卷走卡车和 SUV 等大型车辆。气候变暖意味着美国出现极端降雨的频率更高，从而增加了洪水发生的可能性。8月尼泊尔因冰川崩塌引发的致命山洪，再次展现了洪水摧毁社区的巨大破坏力。
幸运的是，针对这一威胁的新工具正在研发中。一款名为瞬态特征与持续学习系统（TACLS）的新软件，利用卫星和机器学习技术，旨在更早地发现潜在洪水区域，帮助国家气象局（NWS）在发布山洪警报时做出更优决策。
“等我赶到那户人家时，才收到‘爬上屋顶’的警报，”Lin 说，“警报发出来的时候，全镇的人早就被淹了，提示说什么‘爬上屋顶，我们正在调派船只’。一切都太晚了。”
TACLS 有望改变这种局面。
“它能帮你挽救生命，”NWS 圣迭戈气象预报办公室的科学业务主管 Ivory Small 说。他表示，如果没有 TACLS，一场逼近的风暴“可能夺走一些人的生命”；有了 TACLS，“你就能及时发出警报，救下一些人。”
追踪水情
气象预报办公室负责发布各类极端天气警报，包括山洪警报。据加州 Oxnard 气象预报办公室（负责洛杉矶地区）的高级水文服务专家 Jayme Laber 介绍，美国及其属地的这类办公室共有 122 个。Small 和 Laber 与一支更庞大的科学家和研究人员团队紧密合作，推进 TACLS 项目，希望这套新系统能让天气警报的发布更加高效。要理解 TACLS，首先得了解 NWS 是如何发布洪水警报的。
目前，气象预报办公室的工作人员使用多种工具监测洪水状况。拉伯表示，他们依靠雨量计和径流计来测量特定地点在任意时刻的水量，并利用卫星和气象雷达追踪正在发展的风暴。工作人员会监测降雨量，其计算机系统也会在降雨超过特定区域安全阈值时发出警报。拉伯解释说：“根据土壤类型和坡度陡峭程度，我们制定了山洪防御指南，以便清楚何时、何地、何种降雨量和持续时间会导致山洪爆发。”
“这将帮助你挽救生命。”
— 艾沃里·斯莫尔拉伯指出，上述所有手段加上那些机构多年积累的专业经验，共同决定了是否按下按钮，为当地发布洪水警报。
“关注”警报是最轻级别的警报，意味着可能发生山洪。拉伯解释，这种警报可提前12至48小时发布。他建议，一旦发布山洪关注警报，当地应急团队就应立即着手实施“防洪措施”，以便在人们被困、被迫向高地撤离之前有足够时间做准备。响应团队可以检查撤离计划，部署沙袋和道路障碍物，并在潜在洪水来临前识别出风险最高的区域。
“咨询”警报是下一个级别。拉伯说，这种情况可能出现洪水，“但属于滋扰级别，不会威胁生命或财产安全。”“警告”则是最高级别的警报。斯莫尔指出：“这意味着生死攸关的风险，比如被冲倒或被洪水中的车辆撞倒。”
斯莫尔表示，国家气象局（NWS）根据时间来区分常规洪水和山洪。如果在六小时内发生洪水，即被定义为山洪。
NWS（美国国家气象局）有多种方式判断是否发布山洪预警，但 Yehuda Bock 指出，其技术存在局限性。Bock 是 TACLS 项目负责人，也是加州大学圣地亚哥分校斯克里普斯海洋研究所的研究大地测量学家。他表示，NWS 使用的卫星在海洋上的细节分辨率高于陆地。此外，在降雨过程中追踪数据也无法提供足够的预警时间，“因为一旦开始降水，你就已经处于灾害事件之中了”，他解释道。
Laber 表示，沙漠和其他人烟稀少地区的雨量站数量通常较少。“我们拥有相当密集的雨量站网络，但它无法覆盖地球的每一个角落。”
空中视角
TACLS 利用卫星和机器学习技术，在地图上识别那些有雨水转变为危险山洪风险的地域——目前仅限于加州。但很快，这项技术将向每个 NWS 办公室开放。加州大学圣地亚哥分校、NWS 和 NASA 的科学家合作开发了TACLS。NASA 地球科学技术办公室通过其先进信息系统技术项目资助了该项目。
Bock 说，TACLS 依赖于全球导航卫星系统（GNSS），该系统主要用于预测地震。但由卫星和地面传感器组成的 GNSS 网络，恰好也能提供有助于预报员决定是否发布山洪预警的数据。大气中的水蒸气（湿度）越多，GNSS 卫星与地面传感器之间的通信延迟就越长。
Laber 称，大气中的湿度或“可降水水量”能告诉 NWS 在风暴来临前的天空实际发生了什么。
TACLS 利用卫星和机器学习技术，识别有雨水转变为危险山洪风险的地域。
在 TACLS 出现之前，Laber 和同事们只能依靠预报，而预报并不总是准确。TACLS 可以提供大气中可降水量的实时数据，供他们与预报结果对比，从而判断风暴的实际移动速度是否与气象模型的预测一致。“这有助于我们在预警决策过程中做出更好的判断，”Laber 说。
即便有了 GNSS 水汽数据，预报员仍然需要工具来分析这些信息。UCSD 研究生 Bhavik Chandna 花了大约一年时间，使用一种叫做 long short-term memory（长短期记忆）的结构开发了 TACLS 的机器学习部分。据 Chandna 介绍，这种机器学习系统特别擅长处理发展中的风暴等随时间变化的天气模式。
他们利用 GNSS 网络多年的大气观测数据，以及关于大气河流、降水和山洪预警的数据，训练机器学习模型理解“风暴发展过程中”大气水汽的变化，Chandna 解释道。与此同时，这个系统也被训练用来判断当前条件是否适合发布山洪预警。
“机器学习在某些事情上表现很差，在另一些事情上又很出色，”德克萨斯大学奥斯汀分校地球与行星科学系副教授 Joel Johnson 说。Johnson 并未参与 TACLS 项目，但对使用这类工具的挑战深有体会。“总的来说，数据里很容易出现伪影和误报，比如某个传感器出了故障之类的情况，”他说。不过他也表示，TACLS 看起来“非常适合”预测山洪这项任务。
Chandna 承认误报确实存在。“一个真实的天气系统通常会影响一片区域，而不只是单个孤立的 GNSS 站。如果只有一站出现强信号，而周边站点没有，这条检测就会被抑制。但如果多个邻近站点都观测到同样的模式，我们就更有把握认为这是真实的大气信号，”他补充道。
Chandna 强调，TACLS 并非要取代发布气象警报的预报员，只是为他们的决策提供又一项参考信息。
寻找更好的方法
拉伯表示，TACLS 软件已在洛杉矶和圣地亚哥的天气预报办公室投入使用，这两个地区常发生山洪。他解释说：“在西部地区，我们应对的山洪更多，且形成速度更快。”如今，TACLS 通过图表展示实时动态，帮助预报员掌握各类关键指标。
拉伯称，TACLS 的一个新版本文案已接近部署完成，该版本引入了改进后的图形界面，并正在加载到美国国家气象局（NWS）系统中。他补充道，预计今年10月下旬，所有 NWS 办公室都将可以使用此版本。此次更新包含一张详细地图，直观显示降雨量以及是否正在发生极端天气事件。
据拉伯介绍，拥有更多工具——例如 TACLS 的最新更新——将进一步优化发布山洪警报时的决策过程，并有助于缩短预警时间，让人们更早获知潜在风险。
拉伯认为，TACLS 在美国西部可能会得到最广泛的应用，因为大多数 GNSS 传感器都分布在已知的高地震活动区。但钱德纳认为，TACLS 在其他地区同样适用。只要有若干 GNSS 传感器和可用的当地气象数据，“我们就能在世界各地应用系统中的同一套逻辑，”他说。
斯莫尔正在思考超越 TACLS 的长远发展。他坚信，持续的研究对改进 NWS 发布山洪预警的方式至关重要。“每次风暴过后，我们都能学到一点新知识，因为每次情况都不同，”他说。“事后进行研究，尤其是针对重大事件，是至关重要的。我们需要查明原因，了解它为何如此发展，以及如果结果与我们已知的规律不同，为什么会发生这种差异。”
林担心的是兰兹维尔和她的家。“如果能在被困住之前知道[洪水将至]就有帮助了。当时我无处可逃，”林说。“如果收到一条警报说：‘如果你身处低洼地带，必须立即撤离，洪水来了。’那会有帮助。但洪水来得太快了。”