据 Google AI 博客发布的信息，Google Research 在过去十余年间持续探索利用人工智能和机器学习检测野火并模拟火势蔓延。目前，该团队已与 Muon Space 合作，支持 Earth Fire Alliance 的 FireSat 项目——一个专为探测和监测野火设计的新卫星星座。一旦部署完成并结合 AI 技术，该系统能够识别地球上小至 5×5 米（约一辆汽车大小）的火源。
为什么选择从太空做早期探测
Google 气候与能源研究组负责人 Chris Van Arsdale 表示，团队曾考虑过使用携带阻燃剂的无人机群或在环境中嗅探烟雾等方案，最终认定在火灾尚小时进行早期探测具有最高潜在影响。早期探测本质上是一个信息问题，但所需的数据此前并不存在，因此团队决定设计新型卫星星座来生成这些数据。
传统卫星图像常受云层反射阳光、烟囱甚至后院烧烤等热源干扰，且数据往往滞后约 11 小时或分辨率过低，难以应对快速蔓延的火情。构建大型高分辨率卫星成本高昂，FireSat 选择了另一条路径：采用体积更小、成本更低的卫星以实现更大规模部署，并用机器学习和 AI 弥补精度差距。
如何区分真实野火与误报
消防机构通常需要在火场面积为 50 至 100 平方米时介入才可能控制火势，而该项目将早期探测目标设定为更严格的 25 平方米。为此，团队研发了专门针对野火探测优化的新型相机，并通过飞越受控燃烧区域获取初始训练数据，建立可靠的空中火情基线。随后，相机在加州上空持续拍摄类似火情的场景，通过追踪这些场景随时间的变化，改进算法以区分真实火灾与误报。
Van Arsdale 指出，农业焚烧等受控火源不应触发对消防员的警报，AI 模型需要理解火情如何随时间演变——哪些会发展为野火，哪些不会。运行在低地球轨道的 FireSat 卫星在完整星座部署后，可每 20 分钟拍摄一次地球图像，在近实时条件下捕捉火情并追踪其进展。项目目标之一是建立地面真实记录，用于微调算法，使系统聚焦于最具威胁的火情。
部署时间表与应用价值
首批业务卫星已经升空，下一批计划于明年发射。实现每 20 分钟覆盖全球的目标大约需要 50 颗卫星，预计在 2030 年前后达到全面运行能力。在未来两年内，团队的目标是将地球表面完整成像频率提升至每小时一次。
对一线应急响应人员而言，更早发现火情意味着获得更多处置时间，同时积累的数据有助于预测火势行为。在科研与规划层面，FireSat 收集的数据可用于分析火情活动如何随当地条件变化。例如，城市规划者可据此确定防火隔离带的最佳位置，而这在历史上缺乏足够数据支持。