麻省理工学院的科学家们正在研发一种人工智能（AI）工具，该工具能够生成逼真的卫星图像，模拟潜在的洪水情景。这项技术融合了生成式AI模型和物理洪水模型，旨在更精确地识别高风险地区，并为决策者提供可信的视觉辅助。

AI与物理模型结合：打造精确洪水图像

据Space.com报道，该工具首先利用物理模型确定洪水风险区域。随后，它将根据即将到来的风暴强度，生成洪水过后该区域可能呈现的详细鸟瞰图。该工具通过将生成式对抗网络（GAN）与物理模型结合，减少了GAN可能产生的“幻觉”——即图像看似真实但并不准确的特征。

image.png

麻省理工学院地球、大气和行星科学系的博士后研究员比约恩·吕特延斯表示：“‘幻觉’可能会误导公众。我们正在研究如何在气候影响背景下应用这些生成式AI模型，此时，可靠的数据源至关重要。物理模型正是发挥这一作用的关键。”

直观预警：提升疏散意识

吕特延斯表示：“我们的目标是，在飓风来临之前，利用这项技术为公众提供额外的可视化信息。”他还强调了疏散的重要性：“鼓励人们在面临风险时撤离是一项挑战。这种可视化或许能提高人们的疏散准备程度。”

实测对比：AI与物理模型优势突出

为了展示该模型，研究人员将其应用于休斯顿，生成了该市在类似飓风哈维强度风暴后可能发生的洪水卫星图像。他们将AI生成的图像与真实卫星图像以及未结合物理模型的AI图像进行了对比。结果显示，未结合物理模型的AI图像存在许多“幻觉”，错误地显示在不可能发生洪水的区域。而结合物理模型的图像则与真实情景高度吻合。

应用前景：辅助决策，保障生命安全

科学家们预计，这项技术将有助于预测未来的洪水情景，并提供可靠的可视化数据，帮助决策者为洪水规划、疏散和缓解工作做出明智决策。吕特延斯表示，决策者通常使用可视化（如颜色编码地图）评估洪水风险，但卫星图像可视化能提供更直观、更具吸引力的信息，同时保持可信度。

目前，该团队的方法仍处于概念验证阶段，需要更多时间分析其他区域，以更精确预测各种风暴的结果。

MIT航空航天学教授、MIT媒体实验室主任达瓦·纽曼表示：“我们展示了一种将机器学习与物理学结合的可行方法，用于风险敏感应用，这需要我们分析地球系统的复杂性，预测未来行动和可能情景，确保人们远离危险。我们迫不及待地将我们的生成式AI工具交给地方社区决策者，这可能会产生重大影响，甚至拯救生命。”