基于CA系统的澳大利亚森林火灾蔓延预测模型及应急物资调度应用

李诚信，赵良辰，李东运，马佳惠

(1.中国矿业大学应急管理与安全工程学院,北京 100083；2.中国矿业大学能源与矿业学院，北京 100083)

受全球气候变暖等多种因素影响，森林大火的威胁正在世界范围内不断加剧。希腊、澳大利亚、俄罗斯、美国、加拿大等国发生了历史罕见的森林大火，西班牙、土耳其、意大利、法国和克罗地亚等国及中国四川凉山近年来也多次发生大火，森林火灾造成巨大经济、生态损失和严重的社会后果逐渐显现。从目前趋势来看，受气候变化等因素的影响,近年来，森林火灾有多发的趋势,关于森林火灾发生及其生态影响成为研究的热点[1]。森林火灾广义上讲，凡是失去人为控制，在林区内自由蔓延和扩展，对森林、森林生态系统和人类带来一定危害和损失的林火行为都称为森林火灾[2]。

本文主要研究森林火灾的蔓延预测，而目前，国内外已有很多学者对火灾的扩展蔓延进行研究，并取得了一定的成果。总的来看，主要有遥感模型、物理模型和算法模型3种。赵界成(2019)使用遥感技术对预测方法进行了检验，得出了遥感技术不仅能准确预报火灾，还能全面监控火情的结论[3]。储昌超、张贵和孙玉荣(2010)使用GIS中ESDA技术探索森林火灾空间分布的规律，用克里金插值方法对森林火灾进行趋势的预测[4]。近年来，森林火灾预测领域运用最为广泛的是算法模型。例如李志斌(2016)依据灰色系统理论，建立了森林火灾高火险年和重灾年灰色灾变GM(1，1)预测模型[5]。王业琴(2018)则在BP神经网络模型基础上，对采用IFOA优化的BPNN-DIOC网络用在森林火险预测进行了研究[6]。而在曹彦、何东进和洪伟(2014)的研究中则用马尔科夫链预测的方法建立起了预测模型[7]。Denyse A.Dawe等人(2020)使用了贝叶斯网络模型预测森林火灾的可能原因，并对它们之间的多边互动关系进行分析[8]，得出了火灾主要受月份和温度影响的结论。而本文主要是运用元胞自动机分析相关的气象数据建立数学模型来研究对森林火灾的影响，对森林火灾发生的各气象要素进行分析，如年均温度高、年降水量少、年均风速大和年均空气相对湿度小的年份易发生森林火灾。因此，首先选取年均温、年降水量、年均风速和年均空气相对湿度作为与森林火灾密切相关的气象指标来进行分析研究[9]。本模型的优点在于：(1)使用了改进的布隆—戴维斯火险气象因子对影响火灾发生的气候因素进行定量分析，得到的结果更加客观和可靠；(2)使用了元胞自动机作为模拟工具，将复杂系统简化为元胞规则，相较于传统的数学模型，可以更准确地模拟出森林火灾这一复杂系统的发展趋势；(3)通过分析不同气候类型的特点来研究森林火灾的产生和发展，使得研究结果在不同的国家和地区都具有普适性，能够在已知条件较少的情况下预测出较大范围内森林火灾的产生和蔓延风险。

1 研究思路与数据处理

澳大利亚具有复杂的地形、降水及植被分布等自然因素，直接研究它们对澳大利亚火灾蔓延状态的影响不易分析，因此，首先需要将复杂的自然因素划分为简单直观、可量化的因素。本文选择气候因素、生态因素、地理因素作为自然因素的考虑因素，并根据实际环境制定了相应分析指标；同时建立分析指标和火灾蔓延的三大自然因素的关系。对于气候因素，根据改进后的布隆—戴维斯火险气象因子及其指数查对表，选取代表性的城市作为样本，查阅气象记录，确定森林火险指数；对于生态因素，参阅文献，根据不同生态系统的生物量来确定其环境容纳量；对于地貌，由于澳大利亚的地形特点多为平原，故考虑后不作为标准。综上构建元胞自动机来模拟森林的生长-火灾-恢复过程，构建自然因素与火灾蔓延关系的CA模型(NFFFE-CA),并绘制火灾蔓延程度-森林树木总量预测走势图(PG:FS-FTV)和火灾蔓延下的森林树木总量的实时仿真图(RSD:TNT-FS)。模型建立流程如图1所示。

图1 NFFFE-CA模型建立流程Fig.1 Establishment process of NFFFE-CA model

在分析大规模森林火灾后的物资调配方案时，首先根据受灾地图和实时火情数据确定出主要受灾林区的位置和受灾面积，再划定出九个主要火灾灾区，并且将其与悉尼、堪培拉之间的公路距离进行统计和比较，将九个灾区划分为属于悉尼分配调度灾区群与属于堪培拉分配调度灾区群。并根据某个灾区的过火面积来衡量受灾当前状态，利用对各气候条件下火灾蔓延情况模拟的结论，根据受灾林区的自然气候类型来对灾区预测状态进行评估，再通过层次分析法，确定两者在分配物资问题中的权值，确定出应急物资的最优分配方案(图2)。

2 森林火灾蔓延状态分析

2.1 分析方法

为了分析不同地区可能的森林火灾蔓延状态，使用7个变量，即：属于气候因素的月均气温、气温日较差、降水量、风速、相对湿度，属于生态因素的植被相对密度、植被类型来评估一个地区在遭受火灾时可能的受灾情况。由于澳大利亚的地形以平原为主，地形因素对于森林火灾蔓延影响较小，因此忽略地形因素对研究的影响。

根据指数查对法，选取与高森林火险密切相关的气象因素，即气温、降水、风速、相对湿度确定各因素所对应的火险指数，然后将每个因素对应的火险指数求和得到总的森林火险气象指数。

在本模型中，使用了改进后的布隆-戴维斯火险气象因子及其指数查对表来确定不同气象因素下的森林火险指数(表1)[10]。

根据柯本气候分类法,将澳大利亚分为5种主要的气候类型，如图3所示。对于每一种气候类型选定出有代表性的一个城市作为样本，查阅气象记录，对每个代表性城市的森林火险指数进行统计(表2)。

图2 城市应急物资分配方案流程Fig.2 Flow chart of emergency material dispatching scheme

表1 布隆-戴维斯森林火险指数

对于不同类型的生态系统，参阅文献，根据不同生态系统的生物量来确定其环境容纳量[11]。

图3 澳大利亚气候类型分布Fig.3 Distribution of climate types in Australia

表2 澳大利亚典型气候城市对应森林火险指数

根据上述确定的标准构建元胞自动机来模拟森林的生长-火灾-恢复过程并绘制火灾蔓延程度-森林树木总量预测走势图(PG:FS-FTV)和火灾蔓延下的森林树木总量的实时仿真图(RSD:TNT-FS)。

元胞规则设定为：

1)空地小概率随机产生新生树木；

2)已有树木小概率着火；

3)如果临近元胞在当前时刻处于着火状态，则本元胞在下一时刻有一定概率着火；

4)如果本元胞在当前时刻处于着火状态，则本元胞在下一时刻变为空地。

模拟结果如图4～图13所示。

2.2 研究结果

珀斯所代表的地中海气候-温带针阔混交林森林类型、布里斯班所代表的亚热带湿润气候-温带针阔混交林森林类情况相似，PG:FS-FTV图波动大，火灾易蔓延且火灾蔓延成周期性变化损失程度大。

图4 布里斯班PG:FS-FTV图Fig. 4 PG:FS-FTV of Brisbane

图5 布里斯班RSD:TNT-FS图Fig.5 RSD:TNT-FS of Brisbane

图6 达尔文PG:FS-FTV图Fig 6 PG:FS-FTV of Darwin

爱丽丝泉所代表的热带干旱半干旱气候-有林草地森林类型，由于森林树木稀疏，火灾蔓延程度小且无周期性变化，受灾情况并不严重。

图7 达尔文RSD:TNT-FS图Fig.7 RSD:TNT-FS of Darwin

图8 悉尼PG:FS-FTV图Fig.8 PG:FS-FTV of Sydney

图9 悉尼RSD:TNT-FS图Fig.9 RSD:TNT-FS of Sydney

达尔文所代表的热带气候-热带雨林森林类型、悉尼所代表的海洋性气候-常绿阔叶林森林类型，火灾相对来说易蔓延，且蔓延也存在类似的周期性变化，但是相比珀斯和布里斯班来说，周期更长，约为其两倍，火灾蔓延情况相对和缓(图14)。

图10 爱丽丝泉PG:FS-FTV图Fig.10 PG:FS-FTV of Alice Springs

图11 爱丽丝泉RSD:TNT-FS图Fig.11 RSD:TNT-FS of Alice Springs

图12 珀斯PG:FS-FTV图Fig.12 PG:FS-FTV of Perth

燃烧速度：比较PG:FS-FTV图斜率(下降曲线)绝对值的大小，斜率的绝对值越大，燃烧速度越大。

图13 珀斯RSD:TNT-FS图Fig.13 RSD:TNT-FS of Perth

图14 火灾蔓延预测模型各项指标比较示意图Fig.14 Comparison of indicators of fire extension prediction model

破坏程度：比较PG:FS-FTV图各着火点数量曲线的最高点大小，最高点越大，破坏程度越大(与燃烧速度变化一致)。

火灾密度：比较PG:FS-FTV图中各着火点数量曲线的最小峰值，最小峰值越大，火灾密度越大。

火灾的变化速度：比较PG:FS-FTV图各着火点数量曲线到达峰值平均时间，平均时间越大，火灾变化速度越慢。

2.3 模型评价2.3.1 模型优点

将研究区切分为数个典型气候条件，通过提取降水量、风量等关键性的火灾影响因素，简化模型，为研究火灾蔓延预测提供便利。

创新点：将改进的布隆戴维斯气象因子和元胞自动机模拟相结合，使得元胞自动机可以模拟更加多样的气候类型下森林火灾可能的发展状况，从而能够更好地比较不同气候条件下森林火灾发展情况，为进行全国性的综合火灾治理提供参考。

2.3.2模型缺点

未考虑季节、昼夜变化和极端气候如厄尔尼诺现象对火灾的影响；未考虑人为救火措施的效果。

3 救灾物资的分配

3.1 研究思路

在物资分配方面，主要考虑灾区目前的受灾状况和未来可能的灾情发展状况两个因素。其中，目前受灾状况由火区面积衡量，未来灾区可能的灾情发展情况，按典型城市的气候分类，根据上述模型分析结果进行衡量(图15)。

图15 全部受灾区面积占比Fig.15 Proportion of disaster-affected areas

为了确定两者在分配物资问题中的权值，本文使用层次分析法进行分析，并依据层次分析标度表对准则层两条件进行比较，即救援物资的分配受当前灾情影响比此灾区所属气候类型更为重要，故可构造判别矩阵如下：

由于判别因素仅有两个，故该矩阵的一致性可接受。根据得到的判别标度分别计算九个受灾地区的综合受灾指数并分配物资。

同时，为了简化模型，根据实际情况将救灾物资设定为仅从悉尼、堪培拉两地出发，通过比较主要灾区和悉尼、堪培拉的公路距离(代表运输费用)等(表3)，确定分配来源城市。

3.2 研究结果

分配结果如表4所示。

这样的分配方式不仅考虑了目前的受灾状况，也考虑了未来火灾可能的发展状况，有一定的预见性。使用层次分析法来确定两个决策因素的权值，使决策更加科学合理。

表3 澳大利亚受灾地区信息

表4 澳大利亚受灾地区应急物资分配

4 总结

为分析森林火灾可能的蔓延状况，本文将改进的布隆戴维斯气象因子和元胞自动机模拟相结合，建立的模型模拟更加多样种类的气候类型下森林火灾可能的发展状况，比单纯的元胞自动机具有更强的泛用性，实现了对不同地区火灾情况进行差异化的模拟。但此模型未考虑季节和昼夜等因素，因此模拟的情况和实际情况有一定差异，在之后更进一步的精确研究中可以考虑季节和昼夜变化等因素，以增强模型的现实性。基于此模型可以进行应急物资分配的相关决策。

5 模型的拓展和延伸

5.1 CA模型的拓展应用

本文以澳大利亚为例，根据气候、地理、生态因素确定分析指标；该模型同样可以代入其他地区的分析指标，为火灾蔓延分析提供新的分析模型。

本模型并没有加入昼夜、季节、人为因素等对火灾蔓延的影响，可以根据不同地区实际情况加入修正系数，完善模型，以适应不同地区的火灾蔓延预测分析。

5.2 基于模型建立健全森林火灾预防及应急救援体系

1)在森林火灾预防检测方面，可以根据模型中体现的不同地区不同气候森林火灾发生的频率与严重程度，合理分配资源，做到人力物力的高效利用。

2)在森林火灾应急救援方面，本火灾蔓延预测模型可以为防火灭火决策作参考，根据模型中不同地区的火灾爆发速度与发展周期模拟情况，选取恰当的时机整合资源进行灭火工作。如在火灾周期前期，火灾数量及严重程度较小时或增长速度放缓时灭火，以降低救援风险，提高救援效率。

3)可以结合应急物资调用模型与森林火灾蔓延预测模型，对物资调用效率低且火灾严重的地区建立额外的应急物资储备，降低物资运输压力。