一种基于向量的动态耦合方法，用于优化风火蔓延模型

《Ecological Modelling》：A vector-based dynamic coupling approach for optimized wind–fire spread modeling

火灾蔓延模拟研究提出动态耦合系数矢量模型，整合Rothermel方程与Huygens原理，通过k系数实时平衡风火交互作用，验证显示较传统方法精度提升9.77%-8.86%，计算耗时从数小时缩短至分钟级，适用于复杂地形火灾预测。

　　

李建伟|梁朝鹏|庄鹏坤

福州大学物理与信息工程学院，中国福州350116

摘要

野火蔓延受到风与火之间动态相互作用的影响，然而大多数现有模型要么用静态耦合系数过度简化了这种关系，要么依赖于计算成本高昂的火-大气系统。本研究开发了一种基于向量的轻量级野火蔓延模型，该模型引入了一个动态耦合系数（k），以根据风和火的相对强度自适应地平衡它们的影响。该模型将Rothermel蔓延速率方程与Huygens波前原理相结合，通过自适应向量耦合来捕捉风与火之间的相互作用，而无需进行完整的大气耦合。使用中国福建省的九起野火事件进行了验证：六起事件用于比较动态与固定及非耦合策略，另外三起事件直接将模型与WRF-Fire进行了对比。结果表明，与固定权重和非耦合方案相比，动态k公式在Kappa指标上提高了9.77%，在相似性系数上提高了8.86%；同时，在捕捉局部边界变形方面也优于WRF-Fire。此外，所提出的模型将运行时间从几小时（WRF-Fire）缩短到每起事件不到一分钟，实现了实时应用性，同时保持了物理上的可解释性。这些发现突显了该模型作为基于GIS的决策支持系统中高效且稳健组件的潜力，为数据和时间受限场景下的野火预测、风险评估和应急管理提供了实际价值。

引言

森林火灾的蔓延受燃料、地形和气象因素相互作用的影响。其中，风通常是主导因素，对火灾传播的速度、方向和强度有显著影响（Meng等人，2023年）。风的变异性和不可预测性给火灾行为带来了很大的不确定性，常常导致火线发生突然变化（Hung等人，2024年；Jellouli和Bernoussi，2022年；Shan等人，2014年）。

风通过多种机制影响火灾行为，包括火焰倾斜、增强燃烧、降低燃料湿度以及产生火星。反过来，强烈的火灾通过浮力和湍流释放热量，从而改变局部风况（Ruan和Li，2021年）。这些双向相互作用构成了风-火耦合的基础，其中风塑造火灾行为，而火灾又改变气流模式（Pitts，1991年；Robinson，2023年）。最近的研究还强调了在山区地形中烟羽动态与局部风变化之间实时反馈的重要性（Liu等人，2024年）。然而，许多现有模型将这种关系简化为单向的，未能捕捉到真实火灾事件中固有的动态反馈循环。

为了解决非耦合火灾蔓延模型的局限性，研究人员开发了各种风-火耦合策略，以更好地模拟火灾行为与大气过程之间的动态相互作用。高分辨率的火-大气耦合系统，如WRF-Fire和Meso-NH/ForeFire，显著提高了对火灾引起的局部风场变化的模拟精度。例如，Filippi等人（2009a, 2009b）将Meso-NH大气模型与ForeFire蔓延模型耦合，证明了强烈火灾产生的对流上升气流可以显著改变风速和方向，尤其是在复杂地形上。同样，Peace等人（2015年）使用WRF-SFIRE模型模拟了澳大利亚南部的一场灌木火灾，揭示了火灾行为如何反馈到大气动力学中。Kochanski等人（2013年）通过加利福尼亚州圣安娜火灾的模拟验证了WRF-SFIRE的预测能力。Dahl等人（2015年）还通过将ARPS与DEVS-FIRE模型结合，强调了双向耦合的优势，从而更真实地再现了观察到的火灾动态。

最近，研究人员开发了进一步细化火-大气相互作用的模型，或试图降低计算复杂性。例如，Peace等人（2022年）提出了ACCESS-Fire模型，该模型准确捕捉了火积云形成和火风暴等极端现象。Moody等人（2022年）引入了QES-Fire，这是一种结合元胞自动机、水平集方法和简化物理方案的微观尺度模型。通过结合Baum–McCaffrey烟羽模型，QES-Fire将热量释放转化为局部风的变化，实现了在小尺度火灾模拟中的高响应性。

同时，轻量级或基于向量的模型作为高效替代方案出现。Lopes等人（2019年）提出了一种双向耦合方法，将Rothermel模型与CFD模拟的风场相结合，从而在真实火灾事件中实现了更准确的火灾蔓延模拟。Linn等人（2021年，2020年）开发了QUIC-Fire和FIRETEC，它们整合了风模拟器和高分辨率燃料映射来模拟低强度火灾。这些模型表明，火灾蔓延对风输入非常敏感，尤其是在低风速条件下。Zhou等人（2024年）进一步提出了基于Wang-Zhengfei公式的元胞自动机模型，结合了气象、燃料和地形影响，以反映多因素火灾行为。

除了基于物理的方法外，还采用了机器学习技术来增强风-火建模。Li等人（2021年）使用无人机图像和长短期记忆（LSTM）网络，该网络结合了风-火相互作用来预测火灾蔓延速率。他们的模型在户外火灾实验中进行了训练，在动态场景中提高了准确性。Lin等人（2023年）引入了一种混合HS-VMD和AM-LSTM框架，该框架分解风信号并实现频率特定的预测，在变化的风-火条件下增强了模拟稳定性。

尽管取得了这些进展，许多最先进的耦合模型——包括WRF-Fire——仍然计算成本高昂、参数敏感，且不适合小到中尺度的模拟（Dudhia，2019年）。另一方面，简化或经验模型通常应用固定的耦合权重或假设静态风场，这无法考虑风和火在时间和空间上的动态双向影响。特别是，当前模型经常忽略风和火相对强度的变化，这在非静止条件下会显著影响火线演变。

为了解决这些挑战，本研究提出了一种新颖的基于向量的耦合方法，引入了一个动态耦合系数k，根据风和火向量的相对强度调整它们的影响。这种机制能够实时适应不断变化的环境条件，并在不需要完整大气耦合的情况下提高模拟精度。所提出的模型将Rothermel蔓延速率方程与Huygens波前传播原理相结合，以模拟火灾蔓延的主导方向，提供了一个计算高效且稳健的风-火相互作用建模框架。

研究区域和数据收集

中国的森林覆盖率高达22.96%，极易发生野火事件。位于中国东南部的福建省由于其广阔的森林覆盖（65.12%）和复杂的地形（见图1），尤其容易受到野火的影响。

为了构建和验证所提出的模型，本研究通过整合多源信息（包括卫星衍生的火灾点、当地新闻报道、法院调查等）编制了福建省的全面野火事件数据集。

火灾蔓延的理论基础

森林火灾蔓延是一个动态过程，其中火源随时间和空间扩展到相邻的未燃烧区域。两个关键指标定义了这一过程：蔓延速率和蔓延方向。本研究整合了两个基础模型来描述风-火相互作用：

Rothermel模型（Rothermel，1972年）是一种半经验公式，用于预测地表火灾的线性蔓延速率。它将火灾蔓延概念化为一个热传递过程，其中燃烧释放能量

实验设置

在敏感性分析的每个野火场景中，实验在两种耦合系数配置下进行，同时保持地形、燃料和气象输入不变：

(1) 固定耦合系数：$k=0.1,0.5,0.9$. 这些值代表了三种极端情况——风主导的蔓延（$V_w?V_f$）、火主导的蔓延（$V_f?V_w$）以及平衡的相互作用——使我们能够检查模型在不同限制条件下的行为，并建立参考基准

火灾蔓延的准确性和响应性

本研究提出了一种计算效率高的基于向量的风-火耦合模型，该模型利用动态耦合系数k来考虑风和火强度的时空变化。结果表明，这种方法显著提高了在不同地形和火灾条件下的火灾蔓延模拟的准确性和效率。这些结果产生了一些关键发现和启示。

观察到的重叠率（OR）和质心的改进

结论

本研究提出了一种轻量级且自适应的风-火耦合模型，该模型使用从局部强度比得出的动态系数k来合成风和火向量。这种公式使模型能够适应风或火在空间和时间上的不同主导地位，无需依赖全尺度大气耦合即可实现高保真的火边界预测。

对六起野火事件的广泛实验表明，动态k方法一致地

CRediT作者贡献声明

李建伟：监督、软件、资源、方法论、正式分析、数据管理、概念化。梁朝鹏：写作——审阅与编辑、写作——初稿、软件、项目管理、方法论、调查、数据管理。庄鹏坤：可视化、验证、监督、项目管理、调查、正式分析、数据管理。