洪水是破坏性最强的自然灾害之一，而在气候变化背景下洪水发生频率不断上升，使得基于卫星的淹没范围制图成为灾害应急响应的关键工具。预训练于卫星影像档案的地理空间基础模型具备跨地域迁移能力，但它们在多样且未见过的真实事件中是否可靠，此前一直没有得到系统刻画。发表于2026年6月5日的arXiv论文《Land cover and flood type govern the detection limits of satellite-based flood mapping across diverse global flood events》（arXiv:2606.07780）由Venkatesh Kolluru等九位作者完成，属于人工智能（cs.AI）、计算机视觉与模式识别（cs.CV）以及机器学习（cs.LG）交叉领域的研究，试图回答这一问题。
研究团队将Prithvi-EO-2.0模型部署到19个分布外（out-of-distribution）洪水事件上进行检验，时间跨度为2017年至2025年，覆盖六大洲、八个气候带以及六种洪水成因机制，并使用两个相互独立的参考产品进行验证。这种设计的意义在于，此前多数评估只在模型训练分布内的数据上进行，难以反映模型在真实业务场景中的表现；而本次测试刻意选择了模型未见过的洪水事件，更接近应急机构实际面对的情形。
结果显示，检测精度并非由单一因素决定，而是由土地覆盖类型与洪水类型共同作用。耕地上的检测一致性最高，IoU达到52%；河流型洪水事件的检测效果最好，F1为0.69。相比之下，在树冠覆盖区和建成区（城市建筑密集区域），无论洪水机制如何，检测精度都接近于零，IoU仅为4%。这意味着模型在森林地区和城市环境中对淹没范围的识别能力存在明显边界，而这两类地区恰恰是洪灾损失评估中不可忽视的部分。
双参考产品验证还揭示了一个重要问题：模型表面上的误差，有一部分并非检测失败，而是源于两个参考产品之间对“洪水”定义的不一致。换句话说，当评估所用的“真值”本身存在分歧时，模型的表现会被低估或误判。这一发现提醒后续研究在构建基准数据集时，需要更谨慎地处理标注标准的统一性。
此外，研究团队通过迭代式的流程测试识别出23种失败模式，并发现流程工程（pipeline engineering）在初期误差中所占比重超过模型容量本身。也就是说，在业务化部署的早期阶段，数据处理、配准、后处理等工程环节对最终精度的影响，往往大于更换更强模型带来的收益。
综合来看，这项研究为业务化卫星洪水制图确立了依赖环境条件的检测边界：模型并非在所有地表类型和洪水机制下都同样有效，耕地和河流型洪水是相对可靠的应用场景，而森林与城市区域则需要额外的辅助数据或方法改进。论文同时强调，评估体系本身的设计与流程工程质量，是提升实际洪水制图可靠性的两个关键但常被忽视的环节。该论文以arXiv:2606.07780v1发布，DOI为10.48550/arXiv.2606.07780。