洪水感受性マッピング（FSM）は災害防止において重要ですが、データ不足の地域では水理モデルが密な地球物理データを必要とするため、困難が伴います。本研究では、ZeroFloodという地理空間基盤モデルフレームワークを紹介し、データ効率的なFSMを実現します。このアプローチは、Thinking-in-Modality（TiM）推論を用いて地理空間基盤モデル（GFM）を微調整し、Sentinel-1やSentinel-2といった基本の地球観測データから洪水予測を可能にします。データが豊富な地域からのペアデータを用いた学習により、ZeroFloodはデータの可用性ギャップを埋めることを目指します。実験では、TerraMindとPrithviのGFMが使用され、TiMがモデルの堅牢性を向上させる結果が得られ、TerraMind-Largeの構成ではF1スコア67.21が達成されました。これにより、基盤モデルを用いたFSMがスケーラブルかつデータ効率的な洪水リスク管理の解決策として現実的であることが示されています。