在全球气候变化背景下，野火对生态系统、空气质量、人民生命财产安全构成日益严峻的威胁。然而当前野火风险预报聚焦于近地面温、湿、风条件，缺乏对点火（人为和闪电）的直接预测，以及从点火到扩散的过程预报。要填补上述研究空白，需要构建覆盖野火点火-扩散-熄灭全生命周期的全球数据集，在此基础上开展机理研究和预报实践探索。本研究基于不同复杂程度的AI算法，利用卫星和地面观测，构建了野火起火原因推测模型和野火扩散模型。基于多机器学习算法投票的起火原因推测模型在验证集中获得了超过93%的总准确率，对于人为火和闪电火获得了较为平衡的精确率-召回率指标。基于物理信息启发的双分支Swin Transformer模型在预报野火蔓延任务中获得了超过95%的总准确率和超80%的精确率和召回率。可解释性分析显示，闪电和强对流天气指标是点火原因推测的主要依据，而野火蔓延取决于陆-气耦合过程。上述研究揭示了人工智能对于野火这一复杂的陆气耦合灾害天气的预报能力，以及在野火研究中填补缺失数据、挖掘机理方面的应用潜力。

野火，,机器学习