本研究比较了UNet、ResNet和DeepLabv3三种深度学习模型在洪水监测中的表现，并提出新数据集以增强模型的鲁棒性。结果表明，该全自动方法有效实现水体分割，显著缩短处理时间，为洪水监测和应急响应提供了重要数据。

我们开发了一种基于人工智能的模型，能够提前七天预测极端水文事件，特别适用于没有测量的流域。该模型结合深度学习和大型语言模型，显著提高了洪水监测和响应能力，已在全球80多个国家的预警系统中应用。研究还探讨了大型语言模型在灾害影响报告中的应用，以提高人道主义救援的效率。