Modelowanie pożarów - Wildfire modeling

Prosty model rozprzestrzeniania się pożarów.

W informatyce , modelowanie Wildfire dotyczy symulacji numerycznej z pożarami wildland w celu zrozumienia i przewidywania zachowania pożarowego. Modelowanie pożarów dzikich może ostatecznie pomóc w gaszeniu pożarów na obszarach dzikich , a mianowicie zwiększyć bezpieczeństwo strażaków i ludności, zmniejszyć ryzyko i zminimalizować szkody. Modelowanie pożarów może również pomóc w ochronie ekosystemów , działów wodnych i jakości powietrza .

Cele

Modelowanie pożarów dzikich ma na celu odtworzenie zachowania pożaru, na przykład szybkości rozprzestrzeniania się ognia, kierunku, ilości wytwarzanego ciepła. Kluczowym elementem modelowania zachowania jest model paliwa , czyli rodzaj paliwa, przez które pali się ogień. Modelowanie zachowania może również obejmować, czy ogień przechodzi z powierzchni („pożar powierzchniowy”) do koron drzew („pożar korony”), a także ekstremalne zachowanie podczas pożaru, w tym szybkie tempo rozprzestrzeniania się, wiry ognia i wysokie studnie rozwinięte kolumny konwekcyjne. Modelowanie pożaru ma również na celu oszacowanie skutków pożaru, takich jak ekologiczne i hydrologiczne skutki pożaru, zużycie paliwa, śmiertelność drzew oraz ilość i tempo wydzielanego dymu.

Czynniki środowiskowe

Na zachowanie pożaru na dzikich terenach ma wpływ pogoda , charakterystyka paliwa i topografia .

Pogoda oddziałuje na ogień poprzez wiatr i wilgoć . Wiatr zwiększa rozprzestrzenianie się ognia w kierunku wiatru, wyższa temperatura powoduje szybsze spalanie ognia, a wyższa wilgotność względna i opady (deszcz lub śnieg) mogą go spowolnić lub całkowicie ugasić. Pogoda z szybkimi zmianami wiatru może być szczególnie niebezpieczna, ponieważ mogą one nagle zmienić kierunek i zachowanie ognia. Taka pogoda obejmuje zimne fronty , wiatry fenomenalne , burze zstępujące , bryza morska i lądowa oraz dobowe wiatry zboczowe .

Paliwo do pożaru to trawa, drewno i wszystko, co może się spalić. Małe suche gałązki palą się szybciej, a duże polana wolniej; suche paliwo zapala się łatwiej i spala szybciej niż mokre paliwo.

Czynniki topograficzne, które wpływają na pożary, obejmują orientację w kierunku słońca, co wpływa na ilość energii otrzymywanej od słońca, oraz nachylenie (ogień rozprzestrzenia się szybciej pod górę). Ogień może przyspieszyć w wąskich kanionach i może zostać spowolniony lub zatrzymany przez bariery, takie jak strumienie i drogi.

Te czynniki działają łącznie. Deszcz lub śnieg zwiększają wilgotność paliwa, wysoka wilgotność względna spowalnia schnięcie paliwa, podczas gdy wiatr może powodować szybsze wysychanie paliwa. Wiatr może zmienić przyspieszający ogień efekt zboczy na efekty takie jak wichury opadające na stoku (zwane Santa Anas , wiatry fenowe, wiatry wschodnie, w zależności od położenia geograficznego). Właściwości paliwa mogą się różnić w zależności od topografii, ponieważ gęstość roślin zmienia się wraz z wysokością lub kątem względem słońca.

Od dawna uznano, że „pożary tworzą własną pogodę”. Oznacza to, że ciepło i wilgoć wytwarzane przez ogień wracają do atmosfery, tworząc intensywne wiatry, które napędzają zachowanie ognia. Ciepło wytwarzane przez pożar zmienia temperaturę atmosfery i tworzy silne prądy wstępne, które mogą zmienić kierunek wiatrów powierzchniowych. Para wodna uwolniona przez ogień zmienia równowagę wilgoci w atmosferze. Para wodna może zostać odprowadzona, gdzie utajone ciepło zmagazynowane w parze zostaje uwolnione poprzez kondensację .

Podejścia

Podobnie jak wszystkie modele w naukach obliczeniowych, modele pożarów muszą zachowywać równowagę między wiernością, dostępnością danych i szybkim wykonaniem. Modele pożarów dzikich obszarów obejmują szeroki zakres złożoności, od prostych zasad przyczyny i skutku do najbardziej złożonych fizycznie, stanowiących trudne wyzwanie obliczeniowe, którego nie można rozwiązać szybciej niż w czasie rzeczywistym.

Modele pożarów lasów są opracowywane od 1940 r. Do chwili obecnej, ale wiele chemicznych i termodynamicznych kwestii związanych z zachowaniem pożarów wciąż pozostaje do rozwiązania. W artykule wymieniono naukowców i ich modele pożarów lasów od 1940 do 2003 roku. Modele można podzielić na trzy grupy: empiryczne, półempiryczne i oparte na fizyce.

Modele empiryczne

Modele koncepcyjne oparte na doświadczeniu i intuicji z poprzednich pożarów można wykorzystać do przewidywania przyszłości. Opracowano wiele półempirycznych równań dotyczących rozprzestrzeniania się ognia, takich jak te opublikowane przez USDA Forest Service, Forestry Canada, Nobel, Bary i Gill oraz Cheney, Gould i Catchpole dla australijskich kompleksów paliwowych, aby szybko oszacować podstawowe parametry będące przedmiotem zainteresowania takie jak szybkość rozprzestrzeniania się ognia, długość płomienia i intensywność linii ognia pożarów powierzchniowych w punkcie dla określonych kompleksów paliwowych, przy założeniu reprezentatywnego punktu lokalizacji wiatru i nachylenia terenu. Na podstawie pracy Fonsa w 1946 r. I Emmonsa w 1963 r., Quasi-stacjonarna równowagowa prędkość rozprzestrzeniania obliczona dla pożaru powierzchniowego na płaskim terenie w warunkach bezwietrznych została skalibrowana przy użyciu danych dotyczących stosów prętów spalonych w komorze płomieniowej / tunelu aerodynamicznym aby przedstawić inne warunki wiatru i nachylenia dla badanych kompleksów paliwowych.

Opracowano dwuwymiarowe modele wzrostu pożarów, takie jak FARSITE i Prometheus, kanadyjski model wzrostu pożarów na dzikich terenach przeznaczony do pracy w kanadyjskich kompleksach paliwowych, które wykorzystują takie związki półempiryczne i inne dotyczące przejść z ziemi do korony w celu obliczenia rozprzestrzeniania się ognia i inne parametry wzdłuż powierzchni. W modelach takich jak FARSITE i Prometheus należy poczynić pewne założenia, aby kształtować wzrost ognia. Na przykład Prometheus i FARSITE wykorzystują zasadę propagacji fal Huygensa. Zestaw równań, których można użyć do propagacji (kształtu i kierunku) frontu pożaru przy użyciu eliptycznego kształtu, został opracowany przez Richardsa w 1990 roku. Chociaż bardziej wyrafinowane aplikacje wykorzystują trójwymiarowy numeryczny system prognozowania pogody, aby zapewnić dane wejściowe, takie jak prędkość wiatru do jeden z wymienionych powyżej modeli wzrostu pożaru, dane wejściowe były bierne, a sprzężenie zwrotne pożaru na wiatr atmosferyczny i wilgotność nie jest uwzględniane.

Modele fizyczne i sprzężenie z atmosferą

Uproszczona fizycznie oparciu pożaru dwuwymiarową spread modele oparte na praw zachowania, że promieniowanie zastosowanie jako dominującym mechanizmem przenoszenia ciepła i konwekcji, która przedstawia wpływ wiatru i nachylenia, prowadzą do układów reakcyjnych dyfuzji z równań różniczkowych .

Bardziej złożone modele fizyczne łączą obliczeniowe modele dynamiki płynów z komponentem pożarów na terenach dzikich i pozwalają, aby ogień był z powrotem przesyłany do atmosfery. Modele te obejmują NCAR jest sprzężony Atmosfera-Wildland Fire Środowisko modelu (CAWFE) opracowany w 2005 roku, WRF-Ogień w NCAR i University of Colorado Denver , który łączy w sobie badania meteorologiczne i prognozowanie model z modelu rozproszonym przez metody level-set , University of Utah 's Coupled Atmosphere-Wildland Fire Large Eddy Simulation opracowany w 2009 roku, FIRETEC w Los Alamos National Laboratory opracowany w, WUI (interfejs dziki-miejski ) Fire Dynamics Simulator (WFDS) opracowany w 2007 roku i do pewnego stopnia dwuwymiarowy model FIRESTAR. Narzędzia te mają różne akcenty i zostały zastosowane w celu lepszego zrozumienia podstawowych aspektów zachowania podczas pożaru, takich jak niejednorodność paliwa w zachowaniu podczas pożaru, sprzężenie zwrotne między ogniem a środowiskiem atmosferycznym jako podstawa dla uniwersalnego kształtu pożaru i zaczynają być stosowane do dzikich terenów miejskich, pożar rozprzestrzenił się od domu do domu na skalę społeczności.

Koszt dodatkowej złożoności fizycznej jest odpowiednim wzrostem kosztów obliczeniowych do tego stopnia, że ​​pełne trójwymiarowe, jawne przetwarzanie spalania w paliwach dzikich poprzez bezpośrednią symulację numeryczną (DNS) w skalach odpowiednich dla modelowania atmosferycznego nie istnieje, jest poza aktualnymi superkomputery, i obecnie nie ma sensu robić tego ze względu na ograniczone umiejętności modeli pogodowych w rozdzielczości przestrzennej poniżej 1 km. W konsekwencji nawet te bardziej złożone modele w jakiś sposób parametryzują pożar, na przykład artykuły Clarka wykorzystują równania opracowane przez Rothermela dla służby leśnej USDA do obliczania lokalnych szybkości rozprzestrzeniania się ognia przy użyciu lokalnych wiatrów zmodyfikowanych przez ogień. I chociaż FIRETEC i WFDS zawierają prognostyczne równania zachowania dla reagujących stężeń paliwa i tlenu, siatka obliczeniowa nie może być wystarczająco dokładna, aby rozwiązać mieszanie paliwa i tlenu ograniczające szybkość reakcji, dlatego należy dokonać przybliżeń dotyczących rozkładu temperatury w podsiatce lub same szybkości reakcji spalania. Modele te są również zbyt małe, aby wchodzić w interakcje z modelem pogodowym, więc ruchy płynów wykorzystują obliczeniowy model dynamiki płynów zamknięty w pudełku znacznie mniejszym niż typowy pożar lasu.

Próby stworzenia najpełniejszego modelu teoretycznego podjęły Albini FA w USA i Grishin AM w Rosji. Praca Grishina opiera się na podstawowych prawach fizyki, konserwacja i teoretyczne uzasadnienia. Uproszczony dwuwymiarowy model biegnącego pożaru lasu koronowego został opracowany na Białoruskim Uniwersytecie Państwowym przez Barovika DV i Taranchuk VB

Asymilacja danych

Asymilacja danych okresowo dostosowuje stan modelu w celu uwzględnienia nowych danych przy użyciu metod statystycznych. Ponieważ pożar jest wysoce nieliniowy i nieodwracalny, asymilacja danych dla modeli pożaru stanowi szczególne wyzwanie, a standardowe metody, takie jak zespolony filtr Kalmana (EnKF), nie działają dobrze. Statystyczna zmienność poprawek, a szczególnie duże poprawki, mogą skutkować stanami niefizycznymi, którym zwykle towarzyszą duże gradienty przestrzenne lub poprzedzają je . Aby złagodzić ten problem, uregulowany EnKF penalizuje duże zmiany gradientów przestrzennych w aktualizacji bayesowskiej w EnKF. Technika regularyzacji ma stabilizujący wpływ na symulacje w zespole, ale nie poprawia zbytnio zdolności EnKF do śledzenia danych: Zespół tylny składa się z liniowych kombinacji poprzedniego zespołu i jeśli znajduje się w rozsądnie bliskim położeniu i kształtu ognia nie można znaleźć między kombinacjami liniowymi, asymilacja danych jest po prostu pechowa, a zespół nie może zbliżyć się do danych. Od tego momentu zespół ewoluuje zasadniczo bez względu na dane. Nazywa się to dywergencją filtra. Tak więc istnieje wyraźna potrzeba dostosowania stanu symulacji poprzez zmianę pozycji, a nie tylko korektę addytywną. Morfingu EnKF łączy idee asymilacji danych z rejestracją obrazu i morfingu , aby zapewnić zarówno dodatek i korekcję położenia w sposób naturalny, i mogą być wykorzystane do zmiany stanu modelu niezawodnie w odpowiedzi na dane.

Ograniczenia i praktyczne zastosowanie

Ograniczenia w modelowaniu pożarów nie są całkowicie obliczeniowe. Na tym poziomie modele napotykają ograniczenia w wiedzy na temat składu produktów pirolizy i ścieżek reakcji , a także luki w podstawowej wiedzy na temat niektórych aspektów zachowania ognia, takich jak rozprzestrzenianie się ognia w paliwach żywych i przejście ognia z powierzchni do korony.

Tak więc, chociaż bardziej złożone modele mają wartość w badaniu zachowania pożaru i testowaniu rozprzestrzeniania się ognia w szeregu scenariuszy, z punktu widzenia aplikacji, aplikacje BEHAVE oparte na FARSITE i Palm okazały się bardzo przydatne jako praktyczne narzędzia terenowe, ponieważ zdolności do szacowania zachowania podczas pożaru w czasie rzeczywistym. Chociaż połączone modele atmosfery pożarowej mają zdolność uwzględniania zdolności ognia do wpływania na własną lokalną pogodę i modelowania wielu aspektów wybuchowego, niestabilnego charakteru pożarów, których nie można uwzględnić w obecnych narzędziach, pozostaje wyzwaniem do zastosowania te bardziej złożone modele w środowisku operacyjnym szybszym niż w czasie rzeczywistym. Ponadto, chociaż osiągnęli pewien stopień realizmu podczas symulacji określonych pożarów naturalnych, muszą jeszcze zająć się takimi kwestiami, jak określenie, jakie konkretne, istotne informacje operacyjne mogą dostarczyć poza obecnymi narzędziami, jak czas symulacji mógłby pasować do operacyjnych ram czasowych dla decyzji (w związku z tym symulacja musi przebiegać znacznie szybciej niż w czasie rzeczywistym), jaką rozdzielczość czasową i przestrzenną musi zastosować model oraz w jaki sposób szacują nieodłączną niepewność w numerycznych prognozach pogody w swoich prognozach. Te ograniczenia operacyjne muszą być wykorzystywane do kierowania rozwojem modelu.

Zobacz też

Bibliografia

Linki zewnętrzne