본 연구는 데이터 부족 지역에서 홍수 취약성 매핑(FSM)을 위한 데이터 효율적인 접근법인 ZeroFlood를 소개한다. ZeroFlood는 Thinking-in-Modality (TiM) 추론을 사용하여 Geospatial Foundation Models (GFMs)을 fine-tuning하는 지리 공간 기반 모델 프레임워크이다. Sentinel-1 또는 Sentinel-2 이미지와 같은 기본적인 지구 관측 데이터로부터 홍수를 예측할 수 있도록 설계되었다. 데이터가 풍부한 지역의 EO (Earth Observation) 데이터와 시뮬레이션된 홍수 지도를 사용하여, ZeroFlood는 교차 모달 표현 학습을 통해 데이터 가용성 격차를 해결한다. TerraMind 및 Prithvi GFMs을 이용한 실험 결과, TiM이 모델의 견고성을 향상시켰으며, TerraMind-Large 구성에서 F1 점수 67.21을 달성했다.
