Моделирование лесных пожаров - Wildfire modeling

Простая модель распространения лесных пожаров.

В вычислительная наука, моделирование лесных пожаров связана с Численное моделирование из лесные пожары для понимания и прогнозирования поведения огня. Моделирование лесных пожаров в конечном итоге может помочь тушение пожаров в дикой местности, а именно повысить безопасность пожарные и население, уменьшают риск и минимизируют ущерб. Моделирование лесных пожаров также может помочь в защите экосистемы, водоразделы, и качество воздуха.

Цели

Моделирование лесных пожаров пытается воспроизвести поведение огня, например, как быстро распространяется огонь, в каком направлении, сколько тепла он выделяет. Ключевым элементом моделирования поведения является Топливная модель, или вид топлива, через которое горит огонь. Моделирование поведения также может включать в себя переход пожара с поверхности («поверхностный пожар») на кроны деревьев («пожар в кроне»), а также экстремальное поведение пожара, включая быстрое распространение, огненные вихри, высокие, хорошо развитые конвекционные колонны. Моделирование пожара также пытается оценить эффекты пожара, такие как экологический и гидрологический последствия пожара, расход топлива, гибель деревьев, а также количество и скорость образовавшегося дыма.

Факторы окружающей среды

На поведение лесных пожаров влияют: Погода, топливо характеристики и топография.

Погода влияет на огонь через ветер и влага. Ветер увеличивает распространение огня в направлении ветра, выше температура заставляет огонь гореть быстрее, а выше относительная влажность, и осадки (дождь или снег) может замедлить или полностью погасить. Погода, связанная с резкими изменениями ветра, может быть особенно опасной, поскольку может внезапно изменить направление и поведение огня. Такая погода включает холодные фронты, Foehn Winds, гроза нисходящие потоки, морской и наземный бриз, и дневной наклонные ветры.

Топливо для лесных пожаров включает траву, дрова и все, что может гореть. Маленькие сухие веточки горят быстрее, а большие - медленнее; сухое топливо легче воспламеняется и горит быстрее, чем влажное топливо.

Факторы топографии, влияющие на лесные пожары, включают ориентацию на солнце, которое влияет на количество энергии, получаемой от солнца, и уклон (огонь распространяется быстрее в гору). Огонь может усиливаться в узких каньонах, его можно замедлить или остановить за счет таких препятствий, как ручьи и дороги.

Эти факторы действуют в сочетании. Дождь или снег увеличивают влажность топлива, высокая относительная влажность замедляет высыхание топлива, в то время как ветер может ускорить высыхание топлива. Ветер может изменить ускоряющий огонь эффект склонов на такие эффекты, как ураганные бури (называемые Санта Анас, фёновские ветры, восточные ветры, в зависимости от географического положения). Свойства топлива могут варьироваться в зависимости от топографии, так как плотность установки зависит от высоты или положения по отношению к солнцу.

Давно признано, что «пожары создают свою погоду». То есть тепло и влага, создаваемые огнем, возвращаются в атмосферу, создавая сильные ветры, которые определяют поведение огня. Тепло, производимое лесным пожаром, изменяет температуру атмосферы и создает сильные восходящие потоки, которые могут изменить направление приземных ветров. Водяной пар, выделяющийся при пожаре, изменяет баланс влаги в атмосфере. Водяной пар может уноситься туда, где скрытая теплота хранится в паре, выделяется через конденсация.

Подходы

Как и все модели в вычислительной науке, модели пожара должны обеспечивать баланс между точностью, доступностью данных и быстрым выполнением. Модели лесных пожаров охватывают широкий диапазон сложности, от простых причинно-следственных принципов до наиболее физически сложных, представляющих собой сложную суперкомпьютерную задачу, которую невозможно решить быстрее, чем в реальном времени.

Модели лесных пожаров разрабатывались с 1940 года по настоящее время, но многие химические и термодинамические вопросы, связанные с поведением огня, все еще не решены. В статье перечислены ученые и их модели лесных пожаров 1940–2003 годов.[1] Модели можно разделить на три группы: эмпирические, полуэмпирические и физически обоснованные.

Эмпирические модели

Концептуальные модели, основанные на опыте и интуиции прошлых пожаров, можно использовать для предсказания будущего. Многие полуэмпирические уравнения распространения огня, например, опубликованные Лесной службой Министерства сельского хозяйства США,[2] Лесное хозяйство Канады,[3] Нобель, Бэри и Гилл,[4] и Чейни, Гулд и Кэтчпол[5] для австралийских топливных комплексов были разработаны для быстрой оценки фундаментальных параметров, представляющих интерес, таких как скорость распространения пожара, длина пламени и интенсивность очага надводных пожаров в точке для конкретных топливных комплексов, предполагая типичный ветер точки и угол наклона местности. Основываясь на работе Фонса в 1946 году,[6] и Эммонс в 1963 г.,[7] квазистационарная равновесная скорость распространения, рассчитанная для поверхностного пожара на ровной поверхности в безветренных условиях, была откалибрована с использованием данных о кучах палок, сожженных в пламенной камере / аэродинамической трубе, для представления других условий ветра и уклона для испытанных топливных комплексов.

Двумерные модели роста пожара, такие как ДАЛЬНИЙ САЙТ[8] и Прометей,[9] Канадская модель роста лесных пожаров, разработанная для работы на канадских топливных комплексах, была разработана, в которой применяются такие полуэмпирические и другие зависимости, касающиеся переходов от земли к кроне, для расчета распространения пожара и других параметров по поверхности. Определенные допущения должны быть сделаны в таких моделях, как FARSITE и Prometheus, чтобы сформировать рост пожара. Например, Prometheus и FARSITE используют принцип распространения волн Гюйгенса. Набор уравнений, которые можно использовать для распространения (формы и направления) фронта огня с использованием эллиптической формы, был разработан Ричардсом в 1990 году.[10] Хотя в более сложных приложениях используется трехмерная система численного прогнозирования погоды для предоставления входных данных, таких как скорость ветра, для одной из моделей роста пожаров, перечисленных выше, вход был пассивным, и обратная связь пожара с атмосферным ветром и влажностью не учитывалась. .

Физически обоснованные модели и связь с атмосферой

Упрощенные физически обоснованные двумерные модели распространения пожара, основанные на законах сохранения, которые используют излучение в качестве доминирующего механизма теплопередачи и конвекцию, которая представляет влияние ветра и уклона, приводят к реакционно-диффузионные системы из уравнения в частных производных.[11][12]

Присоединяются более сложные физические модели вычислительная гидродинамика модели с компонентом «лесной пожар» и позволяют огню отражаться в атмосфере. Эти модели включают НКАР Разработанная в 2005 году модель "Связанная атмосфера-природные пожары-окружающая среда" (CAWFE),[13] WRF-огонь в НКАР и Колорадский университет в Денвере[14] который сочетает в себе Модель исследования и прогнозирования погоды с моделью распространения от метод установки уровня, Университет Юты Разработанная в 2009 году программа «Объединенное моделирование больших вихрей атмосферы и лесных пожаров»,[15] Лос-Аламосская национальная лаборатория FIRETEC разработан в[16] WUI (Городской интерфейс Wildland) Симулятор динамики огня (WFDS) разработан в 2007 году,[17] и, в некоторой степени, двумерная модель FIRESTAR.[18][19][20] Эти инструменты имеют разные акценты и были применены для лучшего понимания фундаментальных аспектов поведения при пожаре, таких как неоднородности топлива при пожаре,[16] обратная связь между огнем и атмосферной средой как основа универсальной формы огня,[21][22] и начинают применяться для борьбы с пожаром на границе между домами в дикой местности, распространяющимся в масштабах сообщества.

Стоимость дополнительной физической сложности - соответствующее увеличение вычислительных затрат, настолько, что полное трехмерное явное рассмотрение горение в дикой природе топлива прямое численное моделирование (DNS) в масштабах, подходящих для атмосферного моделирования, не существует, выходит за рамки современных суперкомпьютеров и в настоящее время не имеет смысла делать из-за ограниченного мастерства моделей погоды с пространственным разрешением менее 1 км. Следовательно, даже эти более сложные модели каким-то образом параметризуют огонь, например, статьи Кларка[23][24] использовать уравнения, разработанные Ротермелем для лесной службы Министерства сельского хозяйства США.[2] для расчета локальных скоростей распространения пожара с использованием местных ветров, модифицированных для пожара. И хотя FIRETEC и WFDS несут прогностические уравнения сохранения для реагирующего топлива и концентраций кислорода, вычислительная сетка не может быть достаточно тонкой, чтобы разрешить лимитирующее скорость реакции смешение топлива и кислорода, поэтому необходимо делать приближения в отношении распределения температуры в подсеточном масштабе. или сами скорости реакции горения. Эти модели также слишком маломасштабны, чтобы взаимодействовать с погодной моделью, поэтому движения жидкости используют вычислительную модель гидродинамики, заключенную в коробку, намного меньшую, чем типичный лесной пожар.

Попытки создать наиболее полную теоретическую модель предпринимали Альбини Ф.А. в США и Гришин А.М.[25] в России. Работа Гришина основана на фундаментальных законах физики, даны теоретические обоснования и сохранения. Упрощенная двухмерная модель бегущего верхового лесного пожара разработана в г. Белорусский государственный университет Баровик Д.В.[26] и Таранчук В.Б.

Ассимиляция данных

Ассимиляция данных периодически корректирует состояние модели для включения новых данных с использованием статистических методов. Поскольку пожар очень нелинейный и необратимый, ассимиляция данных для моделей пожара создает особые проблемы, и стандартные методы, такие как ансамбль фильтр Калмана (EnKF) не работают. Статистическая изменчивость поправок и особенно больших поправок может привести к нефизическим состояниям, которым, как правило, предшествуют или сопровождаются большие пространственные градиенты. Чтобы решить эту проблему, упорядоченный EnKF[27] штрафует большие изменения пространственных градиентов в байесовском обновлении в EnKF. Техника регуляризации оказывает стабилизирующее влияние на моделирование в ансамбле, но не сильно улучшает способность EnKF отслеживать данные: апостериорный ансамбль состоит из линейные комбинации предшествующего ансамбля, и если между линейными комбинациями невозможно найти достаточно близкое расположение и форму пожара, ассимиляции данных просто не повезло, и ансамбль не может приблизиться к данным. С этого момента ансамбль развивается практически без учета данных. Это называется дивергенцией фильтра. Таким образом, очевидно, что существует необходимость корректировать состояние моделирования путем изменения положения, а не только аддитивной коррекцией. В морфинг EnKF[28] объединяет идеи ассимиляции данных с регистрация изображения и морфинг чтобы обеспечить как аддитивную, так и позиционную коррекцию естественным образом, и может использоваться для надежного изменения состояния модели в ответ на данные.[14]

Ограничения и практическое использование

Ограничения на моделирование пожара не являются полностью вычислительными. На этом уровне модели сталкиваются с ограничениями в знаниях о составе пиролиз продукты и пути реакции, в дополнение к пробелам в базовых представлениях о некоторых аспектах поведения огня, таких как распространение огня в живом топливе и переход от поверхности к верхней части пожара.

Таким образом, в то время как более сложные модели имеют ценность для изучения поведения пожара и тестирования распространения пожара в различных сценариях, с точки зрения приложений, FARSITE и ладонь Приложения BEHAVE на основе BEHAVE показали большую полезность в качестве практических инструментов в полевых условиях из-за их способности предоставлять оценки поведения при пожаре в реальном времени. В то время как связанные модели пожара и атмосферы могут включать способность пожара влиять на собственную местную погоду и моделировать многие аспекты взрывоопасной, неустойчивой природы пожаров, которые не могут быть учтены в существующих инструментах, их применение остается сложной задачей. эти более сложные модели в оперативной среде, работающей быстрее, чем в реальном времени. Кроме того, хотя они достигли определенной степени реализма при моделировании конкретных природных пожаров, они все же должны решать такие вопросы, как определение того, какую конкретную актуальную оперативную информацию они могут предоставить помимо существующих инструментов, как время моделирования может соответствовать оперативным временным рамкам для принятия решений. (следовательно, моделирование должно выполняться значительно быстрее, чем в реальном времени), какое временное и пространственное разрешение должно использоваться моделью, и как они оценивают неотъемлемую неопределенность численного прогноза погоды в своем прогнозе. Эти операционные ограничения должны использоваться для управления разработкой модели.

Смотрите также

Рекомендации

  1. ^ Э. Пастор, Л. Сарате, Э. Планас и Дж. Арнальдос. Математические модели и системы расчетов для изучения поведения лесных пожаров. Прогресс в области энергетики и науки о горении, 29: 139–153, 2003. Doi: 10.1016 / S0360-1285 (03) 00017-0)
  2. ^ а б Ричард С. Ротермел. Математическая модель для прогнозирования распространения пожаров при лесных пожарах. Документ исследования лесной службы Министерства сельского хозяйства США INT-115, 1972 г.
  3. ^ Группа лесного хозяйства Канады по пожарной опасности. Разработка и структура канадской системы прогнозирования поведения лесных пожаров. Лесное хозяйство Канады, Управление науки и устойчивого развития, Оттава, Онтарио, Информационный отчет ST-X-3, 1992.
  4. ^ И. Р. Ноубл, Г. А. В. Бэри и А. М. Гилл. Измерители пожарной опасности МакАртура, выраженные в виде уравнений. Австралийский журнал экологии, 5:201--203, 1980.
  5. ^ Н. П. Чейни, Дж. С. Гулд и В. Р. Кэтчпол. Влияние топлива, погоды и переменных форм пожара на распространение огня на пастбищах. Международный журнал Wildland Fire, 3:31--44, 1993.
  6. ^ W. L. Fons. Анализ распространения огня на легком топливе. Журнал сельскохозяйственных исследований, 72:93--121, 1946.
  7. ^ Х. В. Эммонс. Пожар в лесу. Рефераты и обзоры исследований пожаров, 5:163, 1963.
  8. ^ Марк А. Финни. FARSITE: Разработка и оценка симулятора очага пожара. Res. Пап. RMRS-RP-4, Огден, Юта: Министерство сельского хозяйства США, Лесная служба, Исследовательская станция Скалистых гор. 47 п., http://www.farsite.org, 1998.
  9. ^ Tymstra, C .; Bryce, R.W .; Уоттон, Б.М.; Армитаж, О. 2009. Разработка и структура Prometheus: имитационная модель роста лесных пожаров в Канаде. Инф. Реп. NOR-X-417. Nat. Ресурс. Банка может. За. Серв., Север. За. Cent., Эдмонтон, AB .. ПРОМЕТЕЙ [Проверено 1 января 2009 г.].
  10. ^ Г.Д. Ричардс, «Модель эллиптического роста фронтов лесных пожаров и ее численное решение», Int. J. Numer. Meth. Англ.,. 30: 1163-1179, 1990.
  11. ^ М. И. Асенсио и Л. Феррагут. На модели лесного пожара с радиацией. Int. J. Numer. Meth. Engrg., 54:137--157, 2002 полный текст
  12. ^ Ян Мандель, Линн С. Беннетум, Джонатан Д. Бизли, Дженис Л. Коэн, Крейг К. Дуглас, Минджон Ким и Энтони Водачек. «Модель лесного пожара с усвоением данных». Математика и компьютеры в моделировании 79:584-606, 2008. полный текст arXiv
  13. ^ Дж. Л. Коэн. «Моделирование пожара Большого Лося с использованием совместного моделирования возгорания атмосферы». Международный журнал Wildland Fire, 14(1):49--59, 2005. полный текст
  14. ^ а б Ян Мандель, Джонатан Д. Бизли, Дженис Л. Коэн, Минджон Ким, «Ассимиляция данных для лесных пожаров: ансамбль фильтров Калмана в связанных моделях атмосфера-поверхность», Журнал IEEE Control Systems 29, выпуск 3, июнь 2009 г., стр. 47-65. статья arXiv
  15. ^ Р. Сан, С. К. Крюгер, М. А. Дженкинс, М. А. Зулауф и Дж. Дж. Чарни. «Важность взаимодействия огня и атмосферы и турбулентности пограничного слоя для распространения лесных пожаров». Международный журнал Wildland Fire,18(1) 50–60, 2009.полный текст
  16. ^ а б Р. Линн, Дж. Райснер, Дж. Дж. Колман и Дж. Винтеркамп. Изучение поведения лесных пожаров с помощью FIRETEC. Международный журнал Wildland Fire, 11:233--246, 2002. полный текст
  17. ^ У. Мелл, М.А. Дженкинс, Дж. Гулд и П. Чейни. Основанный на физике подход к моделированию пожаров на пастбищах. Intl. J. Wildland Fire, 16:1--22, 2007. полный текст
  18. ^ Жан-Люк Дюпюи и Мишель Ларини. Распространение пожара через пористую лесную топливную кровать: радиационная и конвективная модель, включая эффекты потока, вызванного пожаром. Международный журнал Wildland Fire, 9(3):155--172, 1999.
  19. ^ Б. Портери, Д. Морван, Дж. К. Лорауд и М. Ларини. Многофазная модель для прогнозирования распространения пожара на линии. В Домингосе Ксавье Вьегасе, редакторе, Исследования лесных пожаров: материалы 3-й Международной конференции по исследованиям лесных пожаров и 14-й конференции по пожарной и лесной метеорологии, Лусо, Коимбра, Португалия, 16-18 ноября 1998 г., том 1, страницы 343-360. Associacc ao para o Desenvolvimento da Aerodinamica Industrial, 1998.
  20. ^ Д. Морван и Дж. Л. Дюпюи. Моделирование распространения лесных пожаров через средиземноморский кустарник с использованием многофазной формулы »Combustion & Flame, Vol.138, pp.199-200, 2004.
  21. ^ Дж. Л. Коэн, Т. Л. Кларк и Д. Латам. Совместное моделирование атмосферных пожаров на различных типах топлива на сложной местности. В 4-й. Symp. Огненный и лесной метеорит. Амер. Метеор. Soc., Рино, 13-15 ноября, страницы 39--42, 2001.
  22. ^ Терри Л. Кларк, Дженис Коэн, и Дон Латем. Описание связанной модели огня и атмосферы. Международный журнал Wildland Fire, 13:49--64, 2004. полный текст
  23. ^ Т. Л. Кларк, М. А. Дженкинс, Дж. Коэн и Дэвид Пэкхэм. Совместная модель атмосферного пожара: конвективное число Фруда и динамическая аппликатура. Международный журнал Wildland Fire, 6:177--190, 1996.
  24. ^ Терри Л. Кларк, Жениться на Энн Дженкинс, Дженис Коэн и Дэвид Пэкхэм. Совместная модель атмосферного пожара: конвективная обратная связь по динамике линии пожара. J. Appl. Метеор, 35:875--901, 1996.
  25. ^ ЯВЛЯЮСЬ. Гришин. Математические модели лесных пожаров и новые методы борьбы с ними. Изд-во Томского университета, Томск, Россия, 1997. (под редакцией Ф.А. Альбини).
  26. ^ Баровик, Д .; Таранчук, В. 2010. Математическое моделирование текущих верховых лесных пожаров. Математическое моделирование и анализ 15 (2): 161-174 https://doi.org/10.3846/1392-6292.2010.15.161-174 полный текст
  27. ^ Крейг Дж. Джонс и Ян Мандель. Двухступенчатый ансамблевой фильтр Калмана для плавного усвоения данных. Экологическая и экологическая статистика, 15: 101–110, 2008. Труды конференции по новым разработкам статистического анализа в дикой природе, рыболовстве и экологических исследованиях, 13–16 октября 2004 г., Колумбия, Мичиган. полный текст препринт
  28. ^ Джонатан Д. Бизли и Ян Мандель. Морфирующий ансамбль фильтров Калмана. Скажи нам, 60А: 131--140, 2008 полный текст препринт

внешняя ссылка