机器学习和统计模型正帮助消防员绘制火灾可能如何、在何处起火并蔓延的图景。
消防员使用分析工具已有数十年，但新的人工智能技术正帮助他们变得更加先进。
随着气候变化加剧，森林火灾愈演愈烈，消防资源日益捉襟见肘。
这些工具使消防队伍能够在资源有限的情况下开展工作。
去年夏天，威尔·哈林（Will Harling）指挥一辆消防车，试图控制一场从加利福尼亚州北部克拉马斯国家森林蔓延出来的野火。这场大火突破了防火隔离带，并朝他的家乡急速推进，此时他收到了一封令人懊恼的电子邮件。
这是俄勒冈州立大学林业研究员克里斯·邓恩（Chris Dunn）发来的一份统计分析报告，预测消防员修建防火隔离带的位置（位于距离小镇几英里外的一道山脊上）只有10%的几率阻止火势蔓延。
“他们耗费了大量资源修建那道毫无用处的隔离带，”哈林说。他负责领导中克拉马斯流域委员会（Mid Klamath Watershed Council），同时受雇于当地的卡拉克部落（Karuk Tribe），担任野外消防员。
“数据显示它根本没有任何希望，”他在接受汤森路透基金会电话采访时说。
灭火难度指数（SDI）是众多分析工具中的一种。邓恩及其他消防技术专家正在研发相关工具，旨在将机器学习、大数据和预测技术的最新进展引入消防领域。
气候变化以及森林管理方面的漏洞正在造成强度更大、更具致命性的野火季，消防资源正日益被逼到极限。
像邓恩这样的研究人员希望，通过确保有限的灭火资源得到尽可能高效的部署，他们的工具能够帮助缓解这一压力。
邓恩表示，目前已有一半的国家森林正在使用他参与开发的一款热门分析工具，名为潜在作战划定区（Potential Operational Delineations，PODs）。
该工具将当地消防员的实践经验与先进的空间分析相结合，帮助各队伍甚至在火灾发生之前就规划好应对火情的位置。
该工具将多种统计模型（例如灭火难度指数）叠加到某一地区的地图之上，使火场管理人员和社区能够提前规划好控制线和作战方案。
“你永远无法将灭火中的人的因素完全剔除，”布拉德·皮耶特鲁什卡（Brad Pietruszka）说。他是占地180万英亩（728,000公顷）的圣胡安国家森林的火场管理人员，自2017年起就一直在使用PODs等先进分析工具。
“但人在压力之下会做出糟糕的决策——他们无法独自处理所有这些数据。这件事的关键在于降低不确定性，帮助消防员做出更好的决策。”
数据饥渴
几十年来，消防员一直依赖分析工具来预测火灾可能的发展态势，他们会综合各类数据，从天气形态、卫星拍摄的潜在燃料影像，到历史火灾行为等。
如今，计算技术与人工智能（AI）的进步意味着消防员可以越来越多地借助预测技术，来增强自身的洞察力。
“当有人第一次问我能否用人工智能灭火时，我说：‘绝无可能。不确定性太大了。’”美国林务局（USFS）的资深研究员戴维·卡尔金（David Calkin）回忆道。
“但后来我想：‘如果我们真的规划一项研究议程，朝这个方向努力呢？’”
美国林务局的火灾分析师里克·斯特拉顿（Rick Stratton）解释说，分析人员将机器学习与多年的研究相结合，像卡尔金和邓恩这样的火灾分析师构建模型，在当地消防队伍的机构性经验之上，叠加多层数据。
“消防员所见有限，职业生涯也很短——但现在我们可以模拟数千个人工季节，并从中挖掘各种洞见，”斯特拉顿说。他负责运营一个在线仪表板，可让火场管理人员实时查看其所辖区域的分析结果。
“十五年前，我们无法做到这一点。当时我们没有足够的计算能力。”
近年来，研究人员开发的最复杂的工具之一是潜在控制点位（Potential Control Locations，PCL）算法。该算法利用机器学习，建议消防员在火灾期间应将控制线设置在何处。
“它非常依赖数据，”邓恩解释道，“它会考虑与道路的距离、山脊和平地的分布、地面存在何种燃料，还会对历史火灾周界进行采样。”
皮耶特鲁什卡表示，消防员借助PCL、灭火难度指数、PODs等一系列分析工具，在火季日益失控的情况下，获得了决定如何集中力量的关键帮助。
“我们越来越多地看到多个地区同时发生大火，争夺消防资源的竞争异常激烈——人手根本不够，”他说。
“我们需要知道如何利用有限的资源——这正是这些工具的价值所在。”
人与机器
邓恩和其他专家强调，这些模型在与人的洞察力相结合时效果最佳，尤其是在生活于野火易发地区的人们理解了整个流程的情况下。
邓恩表示，他们鼓励社区在火季到来之前开展的一项练习，是绘制当地的优先事项图。
其中包括确定哪些地点无论付出何种代价都必须防火保护，以及哪些区域可以任由火势经过，以帮助疏减地表可燃物，确保未来的火灾强度更低。
俄勒冈州阿什兰市的消防局长克里斯·钱伯斯（Chris Chambers）亲眼见证了这一做法在实际中的效果。
他近几个月来一直在绘制该市周围的草地和干燥灌木的分布图，并将这些数据输入邓恩的模型。这些模型反过来帮助他确定计划性烧除的区域、防御工事的修建位置，以及火灾发生时调配资源的地点。
“过去，我只能打印一张地图，然后把所有我想清除可燃物的地点一一写下来，”他说。
钱伯斯计划向每个野火季都会到来的临时消防队伍，分发展示不同指数的详细地图。
在今年的火季于美国西部爆发之际，美国林务局研究员卡尔金正全力推进其研究议程，希望就各类问题获得洞见，范围涵盖飞机应在何处投放阻燃剂，到精英消防单位“快速反应队”（hotshot crews）在火场中如何展开部署。
尽管如此，他仍然担忧这些策略的长期可行性。
“‘第22条军规’式的困境在于：当你建模时，你所拥有的只是历史数据，”他说，“而随着气候变化开启一个前所未有的未来，要对你未知的事物建模就会变得越来越困难。”
