据加州林业和森林局(California Department of Forestry &)称，加州2018年的野火季是有记录以来最致命、最具破坏性的:至少100人死亡，超过2.4万座建筑被烧毁，近200万英亩土地被烧毁防火。
这些大火使许多家庭无家可归，造成了数十亿美元的损失，耗尽了宝贵的州和联邦资源。每年夏天，金州的居民都要为这一危险的现象做准备，而气候变化加剧了这一现象。
野火是加州的一个现实，但是UCI的地球系统科学博士候选人Shane Coffield正在寻求减轻它们的影响。他正在领导一个跨学科的同事团队，开发和应用一种新技术，从着火的那一刻就预测火灾的最终规模。他们的模型是建立在机器学习算法的基础上的，可以帮助预测火灾发展到一定阶段是小、中还是大——这些知识对那些负责分配稀缺消防资源的人来说很有用。
在宾夕法尼亚州西南部长大的Coffield只在电视新闻上看到过野火。在芝加哥大学读本科时，他对空气质量、水质和微生物学等多学科环境科学研究产生了兴趣。在NASA的实习让他接触到了利用卫星数据进行大规模研究的机会。他选择在UCI攻读博士学位，研究火灾生态学。
他在算法上的工作最初集中在阿拉斯加，因为在过去的十年里，该州的北方森林同时发生了一连串的火灾。“它们正在产生大量的烟雾，威胁着人类的健康，并通过向大气中释放二氧化碳进一步影响气候，”Coffield说。“我想做一些研究，在气候、环境和人类福祉的交叉点上有所作为。”
UCI科学家的预测模型是围绕“决策树”算法建立的。通过向它提供气候数据和有关大气条件的重要细节，以及火灾起点周围的植被类型，研究人员可以在50%的时间里预测火灾的最终规模。一个关键的变量是在火灾发生的前六天的蒸汽压不足，即该地区的湿度有多低。阿拉斯加森林的第二个主要考虑因素是黑云杉树种的比例。
“在阿拉斯加占主导地位的黑云杉有这些长长的、下垂的枝条，从进化的角度来看，这些枝条是为了点燃火焰而设计的，”拉尔夫·j·德森教授说卡罗·m·西塞罗是UCI地球系统科学的主席，也是Coffield的研究顾问。“它们的种子适应了火灾后的环境，所以它们的策略是在火灾期间杀死周围的一切，以减少对后代的竞争。”
UCI团队的人工智能方法的一个优势是速度，Coffield说。该算法对每个新的数据点进行“学习”，能够快速找出识别大型火焰的临界阈值。他指出，人们可以手动操作，也可以在不同的点火方式上进行模拟，但机器学习系统的统计方法“确实更快、更有效，尤其是在同时考虑多个点火方式的情况下。”
最近发表在《国际野地火灾杂志》(International Journal of Wildland Fire)上的一项研究表明，该模型在阿拉斯加的成功应用获得了国际媒体的报道，并成为该杂志网站上自发表以来阅读人数最多的论文。菲尔德对聚光灯感到紧张;他几乎不记得第一次电视采访了。他对这次经历很谦虚:“现在在可持续发展方面有很多很棒的项目，我的项目得到的关注比我预期的要多。”
9月,在一次约塞米蒂探索领域受到火灾的影响和灭火,Coffield意识到在加州野火的程度问题,决定开发——与他的团队——一个新的、更完整的火蔓延模型加州使用机器学习,以及更广泛的看自己的将来野火和生态系统。
“阿拉斯加大火对生态系统和人类健康的危害最大。它们不会像加州火灾那样直接导致那么多人死亡，”他说。“现在，我将重点转移到加州，因为那里是我们生活的地方，因为火灾造成了巨大的人员伤亡。”
新闻旨在传播有益信息，英文原版地址：https://news.uci.edu/2019/12/16/taming-wildfires/