基于WindNinja模型的峡谷风场与林火蔓延模拟研究

doi:10.13466/j.cnki.lczyyj.2024.05.014

林草资源研究 ›› 2024›› Issue (5): 128-137.doi: 10.13466/j.cnki.lczyyj.2024.05.014

基于WindNinja模型的峡谷风场与林火蔓延模拟研究

王澳¹(), 王成虎¹^,²(), 高桂云¹^,², 王明玉³^,⁴, 苏海燕¹, 武凝雨¹

1.应急管理部国家自然灾害防治研究院,北京 100085
2.北京市地震观测工程技术研究中心,北京 100085
3.中国林业科学研究院森林生态环境与自然保护研究所,北京 100091
4.国家林业和草原局森林保护学重点实验室,北京 100091

收稿日期:2024-06-15 修回日期:2024-09-15 出版日期:2024-10-28 发布日期:2025-04-18
通讯作者: 王成虎,研究员,主要研究方向为地应力与自然灾害应急救援装备体系。Email:huchengwang@163.com
作者简介:王澳,硕士研究生,主要研究方向为森林火灾应急救援。Email:w17320696437@163.com
基金资助:
“十四五”国家重点研发计划重点专项“重大自然灾害防控与公共安全”(2021YFC3001901)

Simulation of Canyon Wind Field and Forest Fire Spread Based on WindNinja Model

WANG Ao¹(), WANG Chenghu¹^,²(), GAO Guiyun¹^,², WANG Mingyu³^,⁴, SU Haiyan¹, WU Ningyu¹

1. National Institute of Natural Hazards,Ministry of Emergency Management,Beijing 100085,China
2. Beijing Engineering Research Center of Earthquake Observation,Beijing 100085,China
3. Ecology and Nature Conservation Institute,Chinese Academy of Forestry,Beijing 100091,China
4. Key Laboratory of Forest Protection of National Forestry and Grassland Administration,Beijing 100091,China

Received:2024-06-15 Revised:2024-09-15 Online:2024-10-28 Published:2025-04-18

摘要/Abstract

摘要：

聚焦于林火事故频发的高山峡谷区域,特别是地形复杂导致的局部风场多变性对林火蔓延的影响,以3月28日在四川省凉山彝族自治州木里藏族自治县的重大森林火灾为研究案例,运用WindNinja模型模拟峡谷风场,将其输入至FARSITE模型中,并将地表平均风场、峡谷模拟风场分别与FARSITE模型耦合,通过与实际火场范围数据的比较,评估模拟峡谷风场对林火蔓延趋势的影响。模拟结果显示,以轮廓系数(SC)为评价指标,基于WindNinja风场,对3月29日19:00、3月30日19:00、4月1日19:00的林火蔓延模拟精度分别为0.94、0.78和0.44,相较于地表平均风场分别提高了0.12、0.07和0.04。结果表明,WindNinja模拟风场与相关火行为的耦合模拟效果良好,结合WindNinja模拟风场的林火蔓延模型,更准确地考虑了局部风场,模拟结果与实际范围更为一致,和地表平均风场相比具有更高的相似度。

关键词: 峡谷风场, 林火蔓延模拟, WindNinja模型, FARSITE模型

Abstract:

This study focuses on the effect of local wind variability on the spread of forest fires in high mountain and valley areas where forest fire accidents occur frequently,especially in complex terrain.Take the March 28 forest fire in Muli Tibetan Autonomous County,Liangshan Yi Autonomous Prefecture,Sichuan Province,as a case study,the WindNinja model was applied to simulate the canyon wind field,which was input into the FARSITE forest fire spread model.Both the average surface and the canyon wind fields,as simulated by WindNinja,were respectively coupled with the FARSITE forest fire spread simulation.This comparison aimed to evaluate how the canyon wind field,as simulated by WindNinja,affects trends in forest fire spread.Simulation results show that with the Silhouette Coefficient(SC)as an evaluation index,the accuracy of forest fire spread simulation,as influenced by canyon wind field simulated by the WindNinja model will be improved at 19:00 on March 29,19:00 on March 30 and 19:00 on April 1.The three time points were 0.94,0.78 and 0.44,respectively,which were 0.12,0.07 and 0.04 higher than the average surface wind field,respectively.The results show that the coupling of the WindNinja canyon wind field simulation with the FARSITE forest fire spread model effectively simulates related fire behavior.Combined with the forest fire spread model using WindNinja simulated wind field,the parts of wind field are more accurately considered.The simulation results are more consistent with the actual range,and have higher similarity with the average surface wind field.

Key words: canyon wind field, forest fire spread simulation, WindNinja model, FARSITE model

中图分类号:

S762

王澳, 王成虎, 高桂云, 王明玉, 苏海燕, 武凝雨. 基于WindNinja模型的峡谷风场与林火蔓延模拟研究[J]. 林草资源研究, 2024,(5): 128-137.

WANG Ao, WANG Chenghu, GAO Guiyun, WANG Mingyu, SU Haiyan, WU Ningyu. Simulation of Canyon Wind Field and Forest Fire Spread Based on WindNinja Model[J]. Forest and Grassland Resources Research, 2024,(5): 128-137.

图/表 7

表1

图1

图2

图3

图4

图5

表2

参考文献 30

[1]	JAHDI R, DARVISHSEFAT A A, ETEMAD V, et al. Wind effect on wildfire and simulation of its spread(case study:Siahkal forest in Northern Iran)[J]. Journal of Agricultural Science and Technology, 2014, 16(5):1109-1121.
[2]	龙腾腾, 向临川, 王儒龙, 等. 西南高山峡谷地区森林火灾事故研究[J]. 森林防火, 2020(4):21-23.
[3]	康庆江. 林火蔓延研究进展[J]. 林业勘查设计, 2022, 51(3):27-32.
[4]	蔡卫红, 王晓红, 于宏洲, 等. 基于Rothermel模型的可燃物参数对林火行为影响的计算机仿真[J]. 中南林业科技大学学报, 2013, 33(11):34-41.
[5]	王正非. 山火初始蔓延速度测算法[J]. 山地研究1983, 1(2):42-51.
[6]	王晓红, 王千雪, 于宏影, 等. FARSITE模型原理、结构及其在林火行为模拟中的应用[J]. 温带林业研究, 2022, 5(4):55-60.
[7]	姚艳霞, 苗双喜, 黄旭, 等. 耦合Rothermel模型与粒子系统的林火蔓延模拟方法[J]. 测绘通报, 2022(8):75-80. doi: 10.13474/j.cnki.11-2246.2022.0235
[8]	姜波, 陈涛, 张立凡, 等. 基于遥感解译的森林火灾蔓延模型研究[J]. 中国应急救援, 2021(3):11-16.
[9]	赵亮, 刘鹏举, 周宇飞, 等. 复杂地形下风场插值与林火蔓延模拟应用研究[J]. 北京林业大学学报, 2010, 32(4):12-16.
[10]	李春梅, 孟庆祥, 崔卫红. 基于WRF模式研究动态风场对林火蔓延预测的影响:以西昌“3·30”森林火灾为例[J]. 科学技术与工程, 2023, 23(11):4579-4585.
[11]	LINN R, WINTERKAMP J, EDMINSTER C, et al. Coupled influences of topography and wind on wildland fire behaviour[J]. International Journal of Wildland Fire, 2007, 16(2):183-195.
[12]	OZAKI M, HARRIS R M B, LOVE P T, et al. Impact of vertical atmospheric structure on an atypical fire in a mountain valley[J]. Fire-Switzerland, 2022, 5(4):104.
[13]	FORTHOFER J M, BUTLER B W, WAGENBRENNER N S. A comparison of three approaches for simulating fine-scale surface winds in support of wildland fire management.Part I.Model formulation and comparison against measurements[J]. International Journal of Wildland Fire, 2014, 23(7):969-981.
[14]	SIBANDA C, HUSSIN Y A, WEIR M, et al. Modelling forest fire behabiour and mapping carbon emission in the Ludikhola watershed,Gorkha district,Nepal[C]// Asian conference on remote sensing,Chelesile Sibanda,February, 2011.
[15]	SANJUAN G, BRUN C, MARGALEF T, et al. Determining map partitioning to accelerate wind field calculation[C]// 2014 International conference on high performance computing & simulation,Bologna,Italy, 2014.
[16]	李兵, 周剑, 卜俊伟, 等. 木里县森林火灾原因分析及闪电监测资料应用[J]. 灾害学, 2021, 36(3):125-130.
[17]	张志强, 殷继艳. 西南高山林区森林火灾风险评价研究[J]. 中国应急救援, 2021(5):30-35.
[18]	唐尧, 王立娟, 赵娟, 等. 基于遥感技术的“3·28”四川木里森林火灾应急灾情监测[J]. 国土资源信息化, 2021(1):12-18.
[19]	LIU Liangyun. GLC_FCS30D:1985—2022年全球30米精细土地覆盖动态监测数据集,可持续发展大数据国际研究中心[EB/OL].(2023-05-09)[2024-05-15]. https://data.casearth.cn/dataset/6523adf6819aec0c3a438252.
[20]	FORTHOFER J M, BUTLER B W, MCHUGH C W, et al. A comparison of three approaches for simulating fine-scale surface winds in support of wildland fire management.Part II.An exploratory study of the effect of simulated winds on fire growth simulations[J]. International Journal of Wildland Fire, 2014, 23(7):982-994.
[21]	WAGENBRENNER N S, FORTHOFER J M, PAGE W G, et al. Development and evaluation of a reynolds-averaged navier-stokes solver in WindNinja for operational wildland fire applications[J]. Atmosphere, 2019, 10(11):1-27.
[22]	HAO Yujia. California Wildfire spread prediction using FARSITE and the comparison with the actual wildfire maps using statistical methods[D]. Los Angeles: University of California, 2018.
[23]	ARCA B, DUCE P, LACONI M, et al. Evaluation of FARSITE simulator in Mediterranean maquis[J]. International Journal of Wildland Fire, 2007, 16(5):563-572.
[24]	ARROYO L A, PASCUAL C, MANZANERA J A. Fire models and methods to map fuel types:The role of remote sensing[J]. Forest Ecology and Management, 2008, 256(6):1239-1252.
[25]	GIOVANNINI L, ZARDI D, DE FRANCESCHIA M, et al. Numerical simulations of boundary-layer processes and urban-induced alterations in an Alpine valley[J]. International Journal of Climatology, 2014, 34(4):1111-1131.
[26]	赵璠, 舒立福, 周汝良, 等. 西南林区森林火灾火行为模拟模型评价[J]. 应用生态学报, 2017, 28(10):3144-3154.
[27]	VANELLA M, MCGRATTAN K, MCDERMOTT R, et al. A multi-fidelity framework for wildland fire behavior simulations over complex terrain[J]. Atmosphere, 2021, 12(2):273.
[28]	LOPES A M G. WindStation:A software for the simulation of atmospheric flows over complex topography[J]. Environmental Modelling & Software, 2003, 18(1):81-96.
[29]	吴志伟, 贺红士, 胡远满, 等. FARSITE火行为模型的原理、结构及其应用[J]. 生态学杂志, 2012, 31(2):494-500.
[30]	FERNANDES P M. Combining forest structure data and fuel modelling to classify fire hazard in Portugal[J]. Annals of Forest Science, 2009, 66(4):4151-4159.

日期	时间	温度/℃	湿度/%	风速/(m/s)	风向/(°)
2020-03-29	19:00	12.99	42.58	3.69	214.97
2020-03-29	20:00	11.73	44.16	3.55	218.02
2020-03-29	21:00	10.33	45.27	3.23	217.10
2020-04-01	19:00	11.13	48.13	2.62	208.28

日期	时间	风场	重合区面积/km²	过模拟区面积/km²	未模拟面积/km²	SC系数
2020-03-29	19:00	地表平均风场	59.79	18.52	6.13	0.83
2020-03-29	19:00	WindNinja模拟风场	61.99	4.37	3.94	0.94
2020-03-30	19:00	地表平均风场	86.36	58.97	10.83	0.71
2020-03-30	19:00	WindNinja模拟风场	85.66	35.82	11.56	0.78
2020-04-01	19:00	地表平均风场	78.48	203.65	22.46	0.40
2020-04-01	19:00	WindNinja模拟风场	79.74	177.55	21.20	0.44

基于WindNinja模型的峡谷风场与林火蔓延模拟研究

Simulation of Canyon Wind Field and Forest Fire Spread Based on WindNinja Model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 30

相关文章 15

编辑推荐

Metrics

本文评价

[1]	陈昊权, 王洪荣, 张文, 董晨, 闵志强. 四川省不同乔木植被类型可燃物载量模型构建[J]. 林草资源研究, 2024, 0(6): 117-128.
[2]	陈小花, 陈宗铸, 杨青青, 雷金睿, 吴庭天, 李苑菱, 潘小艳. 基于随机森林模型的海南岛热带森林火灾发生概率预测[J]. 林草资源研究, 2024, 0(6): 140-145.
[3]	宁威, 邓蔚惠, 范娟娟, 张煜星. 我国森林火灾风险及管理效率的区域差异研究[J]. 林草资源研究, 2024, 0(6): 19-26.
[4]	杨光, 王欣宇, 马运佳, 刘昭言, 王立轩, 孙建. 火烈度对落叶松林土壤微生物量和群落组成的影响[J]. 林草资源研究, 2024, 0(6): 35-44.
[5]	胡昱彦, 郜昌建, 王海龙, 申屠瑜程, 徐达. 基于可视域分析的森林防火视频监控点选址研究[J]. 林草资源研究, 2024, 0(4): 126-134.
[6]	陈国富, 李春辉, 陈振雄. 基于气象因素的广义加性模型在福建省林火预测中的应用[J]. 林草资源研究, 2024, 0(4): 94-102.
[7]	李杰, 晁碧霄, 闫钰倩, 姜帆, 张大为, 孙永康, 邹全程. 基于MaxEnt模型的森林火险区划等级研究——以烟台黄渤海新区为例[J]. 林草资源研究, 2024, 0(2): 8-16.
[8]	王澳, 王成虎, 高桂云, 王明玉. 2000—2022年我国林火主要致灾因素及扑救伤亡原因分析[J]. 林草资源研究, 2024, 0(1): 1-7.
[9]	黎书会, 吴艳, 孙志东, 王彩, 廖莉莉, 陈继恩, 肖学军, 沈俊华. 基于熵权法的6种树种树皮抗火性研究[J]. 林草资源研究, 2024, 0(1): 41-47.
[10]	卢渊, 王广宇, 程子岳, 闫钰倩, 张恒, 王丽, 杨慧, 邹全程. 新形势下森林草原防灭火基础设施建设现状与展望[J]. 林草资源研究, 2023, 0(6): 1-7.
[11]	张国丽, 慈雪伦, 杨雪清, 蒋春颖, 孙志超, 孟海丁. 森林火灾时空分布特征及易发性分析研究[J]. 林草资源研究, 2023, 0(5): 48-55.
[12]	巨文珍, 韦龙斌, 彭泊林, 李常诚, 潘婷. 广西林火驱动因子及预测模型研究[J]. 林草资源研究, 2023, 0(5): 56-62.
[13]	刘鸿升, 欧阳文欣, 魏英杰, 谢亦秋, 李建军. 基于Sentinel-2B的油松冠层可燃物含水率反演研究[J]. 林业资源管理, 2023, 0(4): 141-149.
[14]	郑琰睿, 杨林剑, 李曙光, 张永炬. 基于深度学习的森林火灾烟雾监测[J]. 林业资源管理, 2023, 0(4): 150-160.
[15]	罗丹, 王庆飞, 晁碧霄, 李乐, 郝泽周, 卢渊, 王成, 武瑞琛, 刘飞鹏, 裴男才. 广州市森林和城镇交界域林分尺度上的火险等级评价[J]. 林业资源管理, 2023, 0(3): 56-64.