加州城乡交界区建筑火灾风险的多因素机器学习分析与社区减灾策略研究

本研究针对加州城乡交界区(WUI)愈演愈烈的野火威胁，通过机器学习方法分析2017-2020年五场重大火灾中47,000栋建筑的损毁数据，首次量化评估了建筑间距(SSD)、防火硬化(hardening)和防御空间(defensible space)等减灾措施的协同效应。采用XGBoost模型实现82%的预测准确率，证实建筑间距是最关键风险因子，同时揭示硬化改造与防御空间清理相结合可减少52%损失，为社区级减灾规划提供了科学依据。

　　

在全球气候变化背景下，野火的频率、规模和破坏力呈现惊人增长，特别是在城乡交界区(Wildland-Urban Interface, WUI)。加州作为重灾区，2013-2018年间已有47,000栋建筑毁于野火，造成189人死亡。传统研究多聚焦单一火灾事件或独立风险因素，对建筑间距、防火硬化和防御空间等关键因素的协同作用缺乏系统量化，导致风险评估不够精准，社区减灾措施效果有限。这项发表在《Nature Communications》的研究，通过整合多源数据与创新建模方法，为破解这一难题提供了全新解决方案。

研究团队采用三项关键技术：1) 整合加州消防局(CAL FIRE)2013-2022年87,156栋建筑的灾后调查数据(DINS)，建立最大规模的建筑损毁数据库；2) 应用ELMFIRE火灾蔓延模型结合HAMADA城市火蔓延扩展模块，重建五场重大火灾(2017 Tubbs、2017 Thomas、2018 Camp、2019 Kincade和2020 Glass火灾)的火势与飞火分布；3) 开发XGBoost机器学习框架，纳入建筑特征、暴露条件和空间关系等21个参数，实现82%的损毁预测准确率。

【建筑损毁的空间分布特征】

地理空间分析显示，建筑密集区呈现"连锁损毁"模式，如2018年Camp火灾中Paradise市90%建筑损毁集中发生在结构间距<15米的区域。模拟重建表明，这类区域火灾会从野外燃烧转变为建筑间蔓延的城市火灾(urban conflagration)。

【关键风险因素的量化评估】

SHAP值分析揭示：建筑间距(SSD)是最重要预测因子(SHAP=0.090)，其次是外墙材料(0.085)和建造年份(0.058)。1997年后按新防火标准建造的建筑存活率高37%，证实建筑规范更新的有效性。值得注意的是，建筑间距的重要性是飓风等自然灾害所没有的独特特征。

【减灾情景模拟】

模拟显示：单独实施防火硬化(如防火外墙、双层玻璃)可减少25%损失；结合1.5米内防御空间清理(Zone 0)效果翻倍；当扩展到9米范围(Zone 1+0)时，最高可减少52%损失。这突显"建筑-植被"系统协同改造的价值。

研究结论强调三点革新认知：首先，建筑密度是不可移动的风险因子，必须通过社区级规划从源头控制；其次，防火硬化与防御空间存在显著协同效应，1.5米内的燃料清理(Zone 0)效果最为关键；最后，机器学习框架成功量化了多因素交互作用，为精准风险评估提供新范式。这些发现不仅为加州，也为全球WUI区域的减灾政策制定提供了科学依据，特别是对建筑规范更新、保险定价和社区规划具有直接指导意义。研究建立的47,000栋建筑数据库和XGBoost预测模型，将成为未来野火风险管理的重要基准工具。