这场山火可能成为美国历史上损失最为严重的自然灾害。
然而没多久过去，仅在 3 月，美国就又有多处发生大规模山火。3 月 8 日，美国纽约长岛地区突然出现多起灌木丛火灾。上周五（3 月 14 日），密苏里、阿肯色、伊利诺伊和密西西比州等遭遇极端天气，进而引发了 150 余起山火。
事实上，美国是全球山火频发的国家之一，加州是其中的重灾区。每年有六七千起山火发生，给加州带来了巨大的经济损失和生态灾难。这些山火既有不可控的天灾因素，也有人为活动的影响以及监管的漏洞。
加州作为全球科技创新的中枢，其科技企业正在利用人工智能等技术加强对山火的监测和管理，大学们也在利用这些技术进行山火的监测和管理，它们在防灾减灾方面都做出了有益的探索。
01 经济与生态的双重灾难
美国山火频繁发生，这与气候变化所导致的极端天气事件有着密切的联系。全球气候变暖，致使很多地区的气温上升，降水也在减少，从而让植被变得更加干燥且容易燃烧。与此同时，强风、干旱以及高温等极端天气状况，又进一步使山火的发生频率提升，蔓延速度加快。
近年来，美国山火的频率显著上升，强度也呈现出上升趋势。这给当地居民的生命和生活带来了挑战，对自然生态造成了影响，也给经济带来了冲击。山火不但吞噬了大片土地和无数房屋，还导致了大量人员伤亡，造成了巨额经济损失，已然成为美国面临的一项重大环境和公共安全危机。
美国国家跨部门消防中心（National Interagency Fire Center）统计显示，自 1985 年起，美国每年主动扑灭的山火数量达数万起。这些山火波及的面积高达数百万英亩，在部分年份更是突破 1000 万英亩。
美国每年山火过火面积（数据：NIFC）
与此同时，扑灭山火所产生的消防成本呈现出逐年上升的趋势。在上世纪 80 年代，每年的消防成本只是在几亿美元的范围内；到了 2020 年左右，就上升到了 10 亿美元的量级；在 2018 年之后，更是突破到了 30 亿美元，其中 2021 年达到了 44 亿美元的峰值。
山火带来的直接和间接经济损失更是天文数字。例如 2023 年夏威夷茂宜岛的山火，它烧毁了超过 17000 英亩土地，导致至少 97 人死亡，2207 座建筑物被毁，经济损失估计达 60 亿美元。此灾难既摧毁了无数家庭的住所，又对当地旅游业、农业和基础设施造成了毁灭性打击。茂宜岛的许多居民在火灾之后被迫离开了他们的家园，而重建工作面临着极大的资金方面的挑战以及技术方面的挑战。
美国扑灭成本最高的10起山火（数据：III）
山火的破坏性体现在多个方面。其一，体现在直接烧毁的土地面积上；其二，体现在烧毁的房屋数量上；其三，更在于对生态系统的长期影响；其四，还在于对社会经济结构的冲击。
山火对生态系统的破坏具有长期性和深远性。森林以及植被被烧毁，这不但破坏了动植物的栖息之地，还致使土壤发生侵蚀，水源受到污染，生物多样性也随之丧失。比如，在 2024 年的加州南部，“桥火”和“机场火”烧毁了大面积的森林和草地，众多野生动物失去了它们的栖息地，从而被迫进行迁徙。火灾过后，土地缺少了植被的覆盖。这样的土地容易出现水土流失的情况，并且这种水土流失会进一步使生态系统的退化情况更加严重。
此外，山火会释放出许多二氧化碳以及其他温室气体，从而使全球变暖的情况进一步加剧。研究显示，大规模的山火能够释放出等同于一个中等国家一年的碳排放量。这不但给全球气候带来了负面的影响，而且也让当地的空气质量遭受到了严重的污染。火灾过后的烟雾以及灰烬里面包含着大量的有害物质，对人类的健康和生态系统都构成了严重的威胁。
02 易燃易爆炸
美国是一个山火频发的国家，而加州在其中处于灾难的中心位置。加州尽管濒临太平洋，然而它却是美国山火数量最多的州，也是受灾面积最大的州，同时还是经济损失最高的州。
2020 年至 2024 年期间，加州每年被记录在案的山火数量处于 7127 起到 9639 起之间。这显示山火的频率在逐年提升，并且每次火灾的规模以及破坏性都在持续增大。
2023 年时，从数量方面来看，加州有 7364 起山火，比得克萨斯和北卡罗来纳的数量都多，位居全美首位。同时，加州的山火数量是佛罗里达、佐治亚等州的两倍多。从过火面积方面来看，加州达到了 33.2 万英亩，也超过了其他各州。
与此同时，加州山火发生得越来越频繁，规模也在逐渐增大。到 2024 年 10 月为止，在该州有记录的历史中，受灾面积最大的 10 起山火当中，有 7 起是在 2020 年之后发生的。并且，今年 1 月的帕利塞德大火并未被统计在内。
火灾给加州带来了巨大的经济影响，这更是雪上加霜。加州是美国经济最发达的第一州，自然灾难往往容易导致比其他州更大的损失。据保险经纪公司怡安（AON）统计，在美国直接消防成本最高的 10 起山火中，有 7 起位于加州，并且这还未计算人员伤亡、房屋损毁等所造成的经济损失。
加州的山火数量和过火面积都是全美第一（数据：III）
那么，为什么加州承受如此之重的山火灾难？
简而言之，既有天灾，也有人祸。
地理特征
加州的地形特点是四周高而中间低。这种地形致使来自内陆的气流在翻越山脉时，会在背风坡形成焚风效应。另外，加州的山脉以及峡谷地形较为复杂。一旦山火在山区发生，地势的起伏会加大灭火的难度。并且峡谷地形还有可能产生“狭管效应”，让风速加快，从而进一步推动火势的蔓延。
一旦有火源，焚风会迅速扩大火势，使山火难以控制。
自然植被
该州的森林数量在全美各州中处于第二位。全州有 40 多万平方公里，其中三分之一被森林和草地等植被覆盖。这一覆盖面积仅少于地广人稀且天寒地冻的阿拉斯加。
雨季结束后，若缺少降水或出现高温，就会致使植物枯萎或死亡。因为干旱以及虫害等因素的影响，加州的森林里存在着大量死亡的树木和植被，这些干枯的物质变成了极易燃烧的燃料。据统计，在加州，有超出 1.63 亿棵树木因干旱或虫害而死亡。
加州植被中存在大量桉树以及查帕拉尔等植物，这些植物富含油脂和蜡质，它们十分易燃，进而加大了火灾的风险。
iNaturalist利用AI技术绘制的超高精度加州植被图
雷暴气象
闪电是加州山火的自然引火源之一。在加州的山火中，有受灾面积较大的情况。其中 10 起受灾面积最大的山火里，有 4 起是由雷击引发的。
加州的天气高温且干燥。高温使得地面的热量不断积聚起来。同时，高温也加剧了空气的上升运动。而空气上升运动的加剧，又使得大气的对流活动得以增强。这样一来，就容易形成雷暴天气。
加州位于太平洋沿岸。海洋和陆地之间存在着显著的热力差异。在白天，陆地升温速度较快，从而形成低压区。这个低压区会吸引海洋上的湿润气流。这些湿润气流在上升过程中容易形成雷暴。
雷击遭遇到易燃的植被，就如同干柴烈火，极易酿成山火。
气候变暖
人类活动引发的全球气候变暖，致使加州的气温持续上升。这就使得植被中的水分更易于蒸发，进而让植被变得干燥且易燃。
同时，气候变化致使加州的降水模式出现了改变，降水的季节被推迟了，并且降水量也减少了，这就使得干旱期得以延长。比如，在今年 1 月，洛杉矶帕利塞德地区所爆发的山火，是在经历了长时间的干旱以及降水稀少的这种背景之下才发生的。
人为活动
加州人口在增长，城市也在扩张，这使得越来越多的人居住在了野生与城市交界的地区，而这些地区的火灾风险是更高的。
人们在这些区域进行活动，比如使用电力设施，这可能引发火灾；人们在这些区域驾驶车辆，这也可能引发火灾；人们在这些区域露营，同样可能引发火灾。其他人为活动，像乱扔烟头，会引发山火；其他人为活动，如篝火，会引发山火；其他人为活动，若为纵火，也会引发山火。
管理漏洞
电力设施故障和森林管理不利也是引发山火的重要原因之一。
高压电缆出现故障时，有可能使传输设备过热。传输设备过热后，会进而形成电弧。电弧产生后，会出现闪光和火花。这些高温的电弧和火花，有可能引燃周边的植被。
在美国，山火中有 32.3%是由电气故障引发的，它是火灾的主要原因之一。2018 年加州“坎普”山火发生之后，电力公司因为这场火灾需要进行赔偿，从而面临着巨大的财务压力，这也体现出了电力设施故障引发山火的严重性。
另外，在过去的几十年里，美国森林服务局在违法违规行为的管理方面做得不够。森林管理人员的短缺导致枯死树木等未能及时得到清理，小型山火也未能及时被发现，最终这些情况酝酿成了巨大的灾难。
电力故障频频引发山火
03 科技赋能山火消防
加州是全球很多科技巨头的故乡，也是众多科研机构的故乡。这里频发的山火，既刺痛了这些科技巨头的心，也直接威胁到了它们的生活。同时，这里的山火也刺痛了那些科研机构的心，并且直接威胁到了它们的生活。
山火问题日益严重，传统的监测和应对方法已难以满足需求。幸运的是，人工智能技术正快速发展，这为山火防治带来了新的希望。
加州的科技巨头们在利用人工智能技术，包括从早期进行预警，到对火灾路径进行预测，以及应用智能传感器网络和无人机技术，逐步地改变了加州对于山火的应对方式。
早期预警与监测
AI摄像头监测网络
早期预警对于山火防治而言是极为关键的环节。一旦能够在火灾刚刚开始的时候及时察觉并采取相应措施，那么就能够极大地降低火灾所带来的破坏性。近些年来，由人工智能驱动的摄像头以及传感器网络在山火监测方面发挥出了重要的效用。借助这些设备，消防部门可以更早地探测到火灾的发生，如此一来就能缩短紧急服务的响应时长。
加州消防局野火技术研发办公室与圣地亚哥大学展开合作，启动了“alertCalifornia”这一公共安全计划，利用全州的高清摄像机对活跃的野火进行跟踪和监控。目前，加州消防局在全州高海拔地区已安装了 1114 个具备人工智能与烟雾探测功能的摄像头。这些摄像头每两分钟能够进行一次全方位的 360 度扫描，在天气晴朗的日子里能够看清距离达 60 英里远的地方。
2024 年 12 月，奥兰治县消防局（OCFA）首次借助 alertCalifornia 人工智能摄像头网络在视频里察觉到一个异样，即探测到了灌木丛发生火灾。因为发现得早，消防员得以迅速采取行动，成功把火势限制在不足四分之一英亩的范围之内，从而避免了人员伤亡以及房屋受损的情况。
这一事件显示出，人工智能技术在山火监测以及应对领域具备极大的潜力。加州消防局称，该州的目标为把至少 95%的山火范围控制在 10 英亩以内。
alertCalifornia 网络具备实时监测山火的能力，这里有一张系统截图（该截图来源于 alertcalifornia.org）
智能传感器网络
一些公司在开发智能传感器网络，此网络结合多种检测方法，目的是提高火灾监测的准确性和效率。比如，洛杉矶的 PriviNet 公司正在开发一种低功耗传感器网络，它由太阳能驱动，结合了红外传感器、热检测设备和物联网传感器，能够实时监测火灾风险并向用户发出警报。这些传感器网络利用低功耗广域网（LoRaWAN）来传输数据，并且可以在偏远地区持续地提供监测服务。
智能传感器网络具有低功耗和高效率的优势。这些传感器能够在无外部电源的情况下运行数月乃至数年，并且通过太阳能或其他可再生能源来获取电能。与此同时，传感器网络可以实时地传输数据，从而为消防部门提供持续的火灾监测信息。在 2025 年加州南部发生山火时，智能传感器网络把火灾的早期迹象成功监测到了，并且及时向消防部门发出了警报，从而为灭火工作争取到了宝贵的时间。
卫星图像视觉识别系统
卫星图像分析是一种重要的山火监测手段。研究人员开发出一种卷积神经网络（CNN），利用它来分析卫星图像以识别野火。该模型在区分受火灾影响区域与未受影响区域时能达到 93%的准确率，并且随着数据进一步曝光，其准确性还有望提升。这种技术能够对现有的卫星监测系统进行补充，提升对偏远地区火灾的监测能力。
卫星图像分析具有大范围覆盖和高分辨率的优势。研究人员借助卫星图像，能够实时对全球范围内的火灾动态进行监测，能够及时发现火灾的发生并发出警报。比如在 2023 年的赛达山火中，卫星图像分析技术成功监测到了火灾的早期迹象，还为消防部门提供了准确的火灾位置信息，为灭火工作提供了重要支持。
人工智能除了具备早期预警的功能外，还能够利用分析卫星数据和气象信息来对火灾的路径进行预测。南加州大学的研究人员研发了一种名为条件 Wasserstein 生成对抗网络（cWGAN）的人工智能模型，此模型通过对受天气、燃料以及地形影响的模式进行分析，从而预测火灾可能开始的地点以及蔓延的方式。这种预测能力有助于消防部门提前做好资源部署，降低火灾对高风险地区构成的威胁。
中期扑灭与协调
AI火灾路径预测
火灾路径预测的关键是要有准确的数据分析以及模型训练。研究人员收集了历史火灾数据、气象信息和地形特征，接着训练人工智能模型来识别火灾的传播模式。这些模型既能预测火灾的蔓延方向，又能估算火灾的强度和速度，从而为消防部门提供科学的决策依据。
大型科技公司正在应对收集和分析环境数据的挑战，IBM 和 NASA 开发了一个可在 Hugging Face 上使用的地理空间基础模型，这个模型能帮助科学家估计过去野火的程度，它是更广泛合作的一部分，合作旨在让气候和天气应用更易访问，未来的发展是要识别可能导致野火的条件。
2024 年加州南部发生“桥火”，研究人员借助人工智能模型对火灾路径进行了预测，这使得消防部门能够提前安排灭火资源，进而成功地阻止了火灾继续蔓延。
无人机群空中监测与协同灭火
无人机技术在山火应对方面发挥了重要作用。研究人员研发出一种无人机群算法，此算法能让无人机之间进行交流并协调扑灭森林火灾。每架无人机都能够独立地计算火势的规模以及潜在的蔓延情况，并且会依据火势的严重程度来分配所需数量的无人机进行扑灭工作。通过这些，能为消防部门提供更准确的火灾信息。
无人机群技术具有灵活性和高效性的优势。无人机能够在复杂地形与恶劣天气条件下迅速部署，对火灾的动态变化进行实时监测。并且，无人机群可以通过协同作战的方式，将大面积的火灾有效扑灭。比如在 2024 年加州南部的“机场火”事件里，无人机群成功监测到了火灾的蔓延方向，还协助消防部门开展了灭火工作，从而极大地提高了灭火效率。
无人机群协同灭火（图源：NASA）
后期重建和理赔
视觉识别定损重建
人工智能能够对受灾区域进行精确的评估。它通过标记受损建筑以及基础设施的数量和位置，来确定受灾的严重程度。CrowdAI 公司借助卫星图像和深度学习技术，仅仅用一秒钟就可以预测和评估受灾程度，并且把结果报告给救援指挥中心。比如在加州圣罗莎火灾中，人工智能模型识别损坏建筑物的准确率达到了 81.1%。
人工智能分析受灾区域的地理信息以及损失数据，能够帮助应急管理部门优化资源分配，进而确保救援和重建工作高效进行。
自动化保险理赔
保险公司借助卫星图像以及无人机拍摄的高分辨率照片，运用人工智能对上传的受灾图片展开智能识别工作，能够迅速地判定出受损的部位、受损的部件、损伤的程度以及维修所需的价格等相关内容。
人工智能技术能够实现理赔流程的自动化与智能化，可减少人工的干预，进而提升理赔效率。比如，InsurBot.ai 能够自动回应投保人的各种问题和请求，协助保险公司迅速处理理赔申请，即便在遭遇重大灾难的时候，也能做到投保人呼叫无需等待。
