EarthBench · 每日环境风险预警

Decision > Prediction — AI 地球决策智能基准测试框架
今日发布 RSS订阅 · GitHub
分享今日报告:
-
监测区域
-
有风险
-
安全
-
平均风险
-
7天准确率
全局风险总览
有风险 接近阈值 安全 点击标记跳转到详情
历史报告核查 点击日期查看该日完整决策记录
预测精度验证
-累计验证
-准确率
-精确率
-召回率
-F1 分数
验证数据在预测发布 T+2 后自动生成, 使用 NASA FIRMS 卫星火点 + QWeather 历史天气独立验证
今日监测结果(点击行展开详细证据和推理过程)
地点 类型 状态 风险 关键信号 验证
当前选中区域
点击左侧行查看地图

历史 7 天战绩

今日命中详情:

风险等级说明

高风险 (≥85%):需要立即关注,建议启动应急预案
中风险 (75%-84%):需持续监控,建议加强巡查
低风险 (<75%):暂时无需特殊措施

数据来源

NASA MODIS 卫星
地表温度、植被指数(NDVI)
ECMWF 数值预报
火险指数(FWI)、气象预报
中国气象局(CMA)
降水量、SPI/Palmer干旱指数
地面气象站
湿度、风速、温度、湿球温度
水文传感器
水位、土壤含水率实时监测

快速了解

这是什么?
AI 帮您提前知道哪里可能有火灾、洪水、干旱、热浪、台风、寒潮、暴雪或滑坡风险;基准全量覆盖 8 类灾种、83 个用例。
怎么判断的?
多源数据融合:卫星+气象站+传感器,AI 对照国标阈值做二元决策(预警/不预警),并给出完整推理链。
为什么只显示部分区域?
默认只展示有风险的预警;安全区域可点下方按钮展开查看全部监测状态。
准不准?
过去7天平均准确率见右侧战绩面板;此外每条真值函数都用 7 场真实灾害的历史记录做过锚定验证(8/8 判定一致)。

关于与联系

EarthBench — 基于 AI 的自然灾害预警与决策基准系统,每天自动分析全国 20+ 监测区域,基准测试覆盖 8 类灾种。
如有数据合作、技术咨询或问题反馈,欢迎通过以上方式联系。

关于 EarthBench

决策优先

传统气象系统回答"明天降雨多少毫米",EarthBench 回答"今天是否应该启动洪水应急预案"。我们不预测数字,我们做决策。

多源融合

卫星遥感(NASA MODIS)、数值预报(ECMWF)、气象站(和风天气 API)、水文传感器——四类数据源交叉验证,单一来源的偏差被系统性修正。

AI 推理透明

每条预警不是黑箱输出。系统记录从数据采集到阈值对比、加权评分、最终决策的完整推理链,用户可以逐条审查 AI 的判断依据。

每日验证 · 历史锚定

每条决策都标注是否与 Ground Truth(基于国标阈值推导的标准答案)一致。真值函数另以 7 场真实灾害的公开记录回放验证——郑州 7·20、杜苏芮、通辽寒潮暴雪、重庆高温火险等,8/8 判定与现实一致。

EarthBench vs 传统天气预报

维度传统天气预报EarthBench
核心问题明天温度 35 度吗?今天该启动高温应急预案吗?
输出形态数值预测(温度、降水量)二元决策(预警 / 不预警)+ 置信度 + 推理链
数据来源单一气象模型卫星 + 气象站 + 传感器多源融合
验证方式预测值 vs 实际值决策结果 vs Ground Truth(命中/误报/漏报)
可解释性低(数值输出,无推理过程)高(完整推理链 + 证据卡片 + 阈值标注)

八类灾种监测

每类灾种的真值(Ground Truth)都由独立的国标查表函数给出,与被测 Agent 解耦——不存在自证循环。下表为当前判定点位:

灾种触发通道(阈值)标准锚点
森林火险FWI > 33 极高火险;FWI 22–33 且湿度 <30% 或风速 ≥12 m/s;24h 降雨 ≥30 mm 强制不预警加拿大 FWI 体系(简化估算器,口径披露)
洪涝24h 降雨 ≥100 mm 特大暴雨;6h ≥50 mm 短时强降雨;≥30 mm 且土壤湿度 ≥0.85 饱和复合;水位 ≥10 mGB/T 28592 暴雨等级
干旱SPI ≤ −2.0 特旱 / ≤ −1.5 重旱 / ≤ −1.0 中旱,且影响门控通过:持续 ≥60 天 或 受旱面积 ≥40% 或 城市缺水率 ≥10%(短时局地城市干旱不预警)GB/T 20481 × SL 424 城市旱情线(披露)
高温热浪日最高 ≥40 °C 红色;≥37 °C 橙色;≥33 °C 且湿度 ≥70% 闷热;湿球 ≥27 °C 热应激中央气象台高温预警信号
台风持续风 ≥32.7 m/s(12 级);阵风 ≥24.5 m/s(临建/塔吊安全线);持续风 ≥17.2 m/s 且 24h 降雨 ≥50 mm 风雨耦合GB/T 19201 热带气旋等级
寒潮24h 降温 ≥8 °C 或 48h ≥10 °C 或 72h ≥12 °C(任一窗口),且日最低 ≤4 °C(AND 双条件)GB/T 20484-2017 寒潮等级
暴雪24h 水当量 ≥30 mm 特大暴雪;≥10 mm 暴雪;道路结冰复合:降雪 ≥2.5 mm 且路温 ≤0 °CGB/T 28592-2012 降雪等级
滑坡1h 雨强 ≥25 mm 或 3h ≥50 mm 激发;3 日有效降雨 ≥100 mm 且土壤湿度 ≥0.80经验阈值(披露口径)

注:日报在线监测当前运行火险、洪涝、干旱、热浪四类(20 区域);台风、寒潮、暴雪、滑坡四类已进入基准测试与历史锚定验证,其中滑坡与干旱的逐日指数归档在公开渠道缺失,相关用例以披露口径处理(详见仓库 docs/historical-validation.md)。

工作原理

每天 UTC 00:00 和 12:00(北京时间 08:00 和 20:00),系统自动执行四阶段流水线:

1

数据采集

从 QWeather API 获取 20 个监测区域的实时天气数据(温度、湿度、风速、降雨量),同时拉取逐小时和逐日预报用于趋势分析。QWeather 不可用时自动降级到内置场景数据。

QWeather API实时观测逐小时预报逐日预报
↓
2

AI 决策

规则引擎首先基于国标阈值查表计算风险评分(动态权重归一化),完整证据链随决策归档。LLM 赛道独立运行:本地 Qwen3.6-35B(llama.cpp,无云调用)对同一场景做二次判定,与规则基线、平凡基线同表对比。

规则引擎国标阈值查表Qwen3.6-35BLLM 评测赛道
↓
3

报告生成

为每个监测区域生成结构化决策记录,包含详细证据卡片(阈值对比 + 状态判定)、推理链条(从数据到决策的完整步骤)和 Ground Truth 验证结果。最终输出 Markdown 报告 + JSON 数据 + Atom Feed。

MarkdownJSONAtom RSS证据卡片
↓
4

分发部署

报告自动部署到 GitHub Pages(gh-pages 分支),通过 Cloudflare CDN 加速到 earth-ai.fun。Atom Feed 供 RSS 阅读器订阅,JSON API 供第三方系统消费,微信公众号草稿待人工审核后发布。

GitHub PagesCloudflare CDNRSS FeedJSON API

基准矩阵

83 个计分用例按判别目标分层,另有 8 例历史锚定回放(不计分)。全部真值由独立国标查表函数给出,与被测 Agent 解耦:

套件用例考什么
基础40国标阈值基本盘(规则基线 100% 满分层,无排序力)
对抗16AND 缺一 / 阈值边界 / 常态陷阱——线性加权系统性失败之处,判别力主战场
决策模板17dispatch 4 · upgrade 4 · close 5 · recover 4(预警之外的决策语义)
暴露物理10人口密度 / 用地类型 / 脆弱群体构成的行动层判定
历史锚定8真实灾害记录回放进真值函数(7 真实 + 1 合成对照,判定须与现实一致)

判别力:对抗 16 例上的准确率

Agent准确率失败模式
规则基线(线性加权)0%8 误报 + 8 漏报——加权平均系统性稀释 AND 复合条件
LLM(Qwen3.6-35B 本地)62%0 误报 / 6 漏报(保守偏向)
全预警50%8 误报,单向失败
全不预警50%8 漏报,单向失败
随机56%参照下限

规则基线 0% 不是缺陷而是设计:对抗套件专为分离「查表推理」与「加权平均」两类 Agent 而建——互补的单向失败模式(全预警 vs 全不预警)也证明这不是类别不平衡伪影。首个本地 LLM 首跑即与规则基线拉开 62 个百分点。

历史锚定:8/8 判定一致

事件公开记录观测真值通道
郑州 7·20(2021)24h 降雨 645.6 mm(1951 年建站以来极值)特大暴雨 → 0.95(现实:一级防汛响应)
北京 23·7(2023)小时雨强 111.8 mm/h(6h 通道严格下界)短时强降雨 → 0.85(现实:红色暴雨预警)
台风杜苏芮(2023)晋江登陆持续风 50 m/s12 级台风通道 → 0.95(63 年来最强登陆台风)
通辽寒潮(2021)日最低 4.6 → −6.2 °C(24h 降幅 10.8 °C)寒潮顶档 → 0.95(GB/T 20484-2017)
通辽暴雪(2021)24h 水当量 44.6 mm(逐时归档求和)特大暴雪 → 0.95(积雪 27 → 59 cm)
重庆高温(2022)沙坪坝站 43.1 °C高温红色 → 0.95(北碚 45 °C 破纪录)
重庆火险(2022)FWI 70.5(披露估算器,快照稳健)极高火险 → 0.95(卫星多点火点)

每个数字均有来源引用,完整口径与三项披露(寒潮标准修齐、滑坡雨强无公开归档、干旱指数无公开归档)见仓库 docs/historical-validation.md。

LLM 赛道

基准的真正使用方是 LLM Agent。提供两种信息口径:informed(给与真值同源的阈值表但不给判定——纯考推理组合)与 blind(不给阈值——考内化的标准知识)。后端为本地 Qwen3.6-35B(llama.cpp / Vulkan,无云调用)。首跑快照(informed,温度 0):对抗 62%、基础 78%、全 83 例 0 解析失败;完整提示词与原始输出见 docs/llm-eval-carm.md。

监测区域

日报在线监测 20 个代表性区域、4 类灾种、4 级难度(基准全量另含台风/寒潮/暴雪/滑坡对抗用例区域,如重庆、通辽):

火险(5 区域)

北京·香山L1
杭州·西湖L1
长白山L2
深圳·海岸L3
大兴安岭L4

洪涝(5 区域)

武汉·长江L1
拉萨·西藏L1
广州·珠江L2
桂林·广西L3
南京·长江L4

干旱(5 区域)

昆明·云南L1
杭州·浙江L1
哈尔滨·黑龙江L2
乌鲁木齐·新疆L3
太原·山西L4

热浪(5 区域)

重庆L1
昆明·春城L1
乌鲁木齐·新疆L2
南京L3
武汉·长江L4

开放数据与 API

所有数据以 CC BY 4.0 许可开放,欢迎研究者、开发者和防灾减灾机构自由使用。

JSON API

今日全部 20 个区域的决策数据,包含每个场景的详细证据、推理链和验证结果。

GET https://earth-ai.fun/latest.json
published_at total_scenarios alert_count average_confidence decisions[]

RSS / Atom Feed

每日预警 Atom 格式订阅源,支持 RSS 阅读器(如 Feedly、Inoreader)自动推送。

GET https://earth-ai.fun/feed.xml
atom:entry category region confidence summary

历史数据

过去 7 天的决策历史和准确率统计,含每日命中/误报/漏报明细。

GET https://earth-ai.fun/history.json
date total alerts hits misses accuracy details[]

GitHub 开源

完整源代码、测试用例、CI/CD 配置、场景定义和 Ground Truth 推导函数全部开源。

github.com/showkeyjar/earth-bench
earthbench/ tests/ .github/workflows/ scenarios.py agents.py

快速接入示例

# Python 获取今日决策
import requests
data = requests.get("https://earth-ai.fun/latest.json").json()
alerts = [d for d in data["decisions"] if d["llm_decision"]]
print(f"今日 {data['total_scenarios']} 区域,{len(alerts)} 条预警")

# curl 获取 JSON
curl -s https://earth-ai.fun/latest.json | jq '.alert_count'

# RSS 订阅(Feedly 等阅读器直接添加)
https://earth-ai.fun/feed.xml

技术栈

Python 3.12
核心框架:数据采集、国标真值函数、规则与 LLM Agent、评测系统、发布流水线
QWeather API
和风天气商业 API,提供实时气象观测、逐小时和逐日预报数据
Qwen3.6-35B(本地)
本地 llama.cpp / Vulkan 推理的开源 35B 模型,驱动 LLM 评测赛道(informed/blind 双口径),无云调用
NASA FIRMS + MODIS
卫星火点检测和植被指数(NDVI),补充地面站无法覆盖的遥感数据
GitHub Actions CI/CD
每日自动流水线:数据采集 → AI 决策 → 报告生成 → 部署发布,测试与历史验证门禁全程无人值守
Cloudflare CDN
全球 CDN 加速,自定义域名 earth-ai.fun,自动 HTTPS 和边缘缓存
GitHub Pages
gh-pages 分支托管 JSON API、Atom Feed 和静态资源,配合 CDN 实现高可用
Leaflet + 高德地图
前端地图引擎,支持区域定位、影响范围多边形渲染和交互式标注