导读：Google Research在2026年7月宣布三颗新FireSat卫星入轨。此前试验卫星已展示识别约5×5米早期火点的能力，新卫星将扩展专用山火数据与持续覆盖。技术价值不止是发现一处亮点，而是把卫星观测、AI识别、人工确认和消防调度在有限时间内连接起来。
专用卫星为何重要
传统遥感任务多，重访时间和分辨率未必适合早期山火。FireSat围绕火灾设计传感器与星座，目标是在火势扩大前发现小而低强度的热点。多颗卫星提高覆盖频率，也为不同地形和天气积累训练数据。
红外热点可能来自工业设施、阳光反射或农业用火。模型输出需要位置、面积、温度特征、观测时间和置信度，并与历史火点、风向、植被和地面报告交叉判断。
从检测到告警的链路
卫星数据下传后进行校准、云层识别和地理定位，模型生成候选火点，值守人员复核高风险区域，再推送当地机构。每个环节定义最大时延和责任人，不能让告警停留在技术平台。
按人口、基础设施、风速和可燃物进行风险排序。小火点不一定优先级低，靠近社区或大风天气可能需要立即行动。对偏远地区准备卫星通信和离线地图。
误报漏报与公平覆盖
用受控燃烧和历史事件评估探测率、定位误差和提前量，并按森林、草原、山区和城市边缘拆分。云层和烟雾会影响观测，系统应明确不可见区域并调用飞机、地面摄像头或其他卫星补充。
数据丰富地区更容易优化模型，全球部署需要当地消防、原住民社区和生态专家参与。预警信息尊重土地和隐私规则，不能公开敏感设施或个人位置。
演练与效果评估
定期模拟卫星延迟、模型不可用、通信中断和多地同时起火。保留人工发现与传统热线作为降级渠道。告警消息包含坐标、证据、更新时间和建议核查方式。
最终指标是发现提前量、确认时间、调度时间、受影响面积与人员安全，而不是模型识别图片数量。灾后将真实边界和处置结果回流评测，并保留模型版本和阈值历史。
执行清单
- 定义观测、识别、复核、告警和调度责任。
- 融合风、植被、人口与地面报告排序风险。
- 按地形天气评估误报、漏报和定位误差。
- 演练通信与模型故障并保留传统降级。
- 用提前量和救援结果衡量系统价值。
结语
FireSat代表AI与专用空间基础设施结合的趋势。只有把高频观测接入本地消防流程，并持续处理误报、覆盖与通信问题，早期识别才会真正减少灾害损失。
