印度东北部多灾种预警不再只靠雨量阈值：开源平台把山体滑坡、山洪与村庄失联放进同一套告警
核心概要
印度东北部长期缺少能同时覆盖滑坡、山洪与道路中断的预警系统，现有监测依赖人工上报和固定雨量阈值，难以给出村级预警。SAMBHV 把物联网遥测、气象与雷达数据接入一条流处理链路，用两阶段混合预测和物理、AI、地面核实三路投票决定告警级别，并支持离线运行与多语言问答。在 311 个灾害测试用例上，平台报告检测 F1 为 0.87、误报率 8%、从阈值触发到告警的延迟为 30 秒。
深度剖析
一套开源平台把滑坡、山洪和道路中断三类风险放进同一条预警链路，告警可以落到村庄一级，而不只是区县一级。 此前的滑坡预警主要依赖随时间不变的降雨阈值和现场观测，山洪预警通常只到区县尺度，难以分辨喜马拉雅狭窄河谷里的单个村庄。 在与单模型系统和人工监测的对比中，SAMBHV 报告检测 F1 为 0.87、误报率 8%、告警延迟 30 秒，而单模型系统对应 0.72、22% 和 120 秒，人工监测对应 0.55、35% 和 1800 秒。
告警级别由物理模拟、机器学习预测和地面核实三路投票决定，只有至少两路同意才升级。 单一模型即使给出高置信度预测，只要物理闸门和地面核实没有支持，也不会触发告警。 消融结果显示，在仅用降雨指数规则的基线上依次加入 XGBoost 空间回归、图神经网络道路阻断模型、集成决策闸门和 ConvLSTM 临近预报，F1 从 0.62 升到 0.87，误报率从 28% 降到 8%。
平台在断网条件下仍可运行，并通过六条冗余通道下发符合 CAP 1.2 的告警，包括覆盖通信盲区的 LoRa 网状网。 此前的开源灾害平台多为单灾种协调工具，不包含预测建模，也不具备多通道告警与离线边缘运行能力。 平台报告边缘设备离线运行 72 小时以上，告警覆盖 11 种印度语言，并在 Sikkim 原型中演示了主路被阻断时用 pgRouting 实时计算替代安全路线。
启示与展望
已展示的范围是印度东北部试点区，包括 Sikkim 原型的路线重算演示、311 个测试用例和合成数据上的模型评估；平台以 Apache 2.0 或兼容许可开源，并以 14 个服务的 Docker Compose 拓扑交付。
XGBoost 空间回归和图神经网络使用合成训练数据，因为缺少官方滑坡清单；2/3 共识阈值由领域专家判断设定，未在标注历史事件上做经验优化；IndicBART 翻译处于模拟模式，尚需在 10 种目标语言上做人工评估；传感器布设和外部 API 授权密钥仍未全部到位。