, ,
НГТУ им.
О ПРОГНОЗЕ ЛЕСНЫХ ПОЖАРОВ
]Все математические модели лесных пожаров, которые лежат в основе систем оценки лесной пожарной опасности, согласно Веберу ([7]), могут быть поделены на три группы: эмпирические(статистические), полуэмпирические (полуфизические), физические (аналитические).
Анализ существующих в России и за рубежом методик прогноза лесной пожарной опасности показывает, что практически все системы оценки лесной пожарной опасности используют либо эмпирические, либо полуэмпирические модели, т. е. имеют под собой слабую физическую основу и, как правило, учитывают только метеоданные. Грозовая активность и антропогенная нагрузка должным образом не учитываются.
Следует отметить канадскую, австралийскую методику оценки пожарной опасности и критерий Нестерова.
В основе системы оценки лесной и луговой пожарной опасности в Австралии широко используются индексы МкАртура, которые были разработаны и апробированы в юго-восточной Австралии. Показатель лесной пожарной опасности (FFDM) рассчитывается на основе температуры, относительной влажности, скорости ветра, запаса ЛГМ, наклона поверхности и фактора сухости. Оно позволяет предсказывать вероятность возникновения пожара, скорость его распространения, его интенсивность, трудность подавления. На основе индекса FFDM исследовательская группа CSIRO по лесным пожарам разработала компьютерную систему SiroFire (2004) - приложение поддержки принятия решений для PC-компьютера.
Исследования в области эмпирического моделирования в Канаде привели к модели прогноза лесной пожарной опасности (FBP). Это величина вместе с погодным индексом (FWI) входит в состав Канадской системы оценки лесной пожарной опасности (CFFDRS). Погодный индекс FWI зависит от других индексов, которые рассчитываются через температуру, относительную влажность, скорость ветра и осадки. Подсистема FBP имеет в качестве входных данных: тип ЛГМ, скорость ветра и направление, топографию, расположение Солнца (высоту, широту, долготу и дату), истекшее время и точку или линию возгорания, а также индексы из FWI. Эта подсистема выдает скорость распространения, расход ЛГМ, интенсивность фронта пожара и др. прогнозную информацию. Система CFFDRS является одной из самых разработанных и широко применяющихся схем. Кроме Канады, ее адаптировали для своих территорий Новая Зеландия, Фиджи, Мексика, Аляска, Флорида и в странах юго-восточной Азии. Оценки этой системы предприняты недавно в Хорватии, России, Чили и штате Мичиган (США).
Российская система оценки пожарной опасности использует метеорологический показатель Нестерова, который тоже является примером эмпирической модели. Комплексный метеорологический индекс Нестерова использует данные региональных метеостанций и определяется через температуры воздуха и точки росы в 13 ч 15 ч местного времени текущего дня и коэффициент учета осадков. Недостатком подхода Нестерова является, что учитываются только метеорологические показатели и не учитываются реальные физические процессы, происходящие в слое ЛГМ, поэтому не всегда класс пожарной опасности, вычисленный по индексу Нестерова, соответствует реальному классу. Другим недостатком является тот факт, что этот индекс нельзя применить на обширных малонаселенных территориях, на которых сеть метеостанций редка или отсутствует совсем.
Достоинствами указанных методик является простота и достаточно хорошее качество прогноза, но в пределах территории, по которой проводился статистический анализ лесных пожаров. Основным недостатком является игнорирование реальной причины возникновения лесных пожаров, а именно, процесса сушки слоя лесных горючих материалов (ЛГМ) на подстилающей поверхности. Отсутствие физической основы подчеркивает изначальную неадекватность эмпирических моделей; они не могут быть экстраполированы за пределами тех условий, для которых они были сформулированы.
Полуэмпирические модели комбинируют методики статистики и физического моделирования. Эти модели характеризуются тем, что они постулируют тепловой поток и тепло, необходимое для зажигания, без строго рассмотрения, как режима передачи тепла, так и механизма поглощения тепла (теплопередача, конвекция или излучение). Различные константы, отвечающие за изменение теплового потока и поглощение, обычно выводятся экспериментально.
Наиболее важная полуэмпирическая модель была создана Ротермелом, которая положена в основу многих систем прогноза в США и в других странах. Модель была разработана для предсказания скорости распространения огня во фронте пожара в зависимости от ЛГМ, погоды и особенностей рельефа. Интересно, что входные данные для модели Ротермел делит на три типа:
1) свойства частиц ЛГМ (теплосодержание, минеральное содержание, плотность частиц),
2) структура массива частиц ЛГМ (запас ЛГМ, средний размер частиц, средняя высота слоя),
3) параметры окружающей среды (скорость ветра, влагосодержание ЛГМ, наклон поверхности).
Национальная система оценки лесной пожарной опасности NFDRS (1972) и компьютерная система прогноза пожаров BEHAVE (1984) - обе основаны на модели Ротермела. Система BEHAVE представляла собой набор программ, написанных для операционной системы DOS. Затем было выпущено ее обновление в виде BehavePlus - с графическим интерфейсом для Windows и с другими добавлениями, касающимися верховых пожаров. На основе системы NFDRS были выпущены другие компьютерные системы, например, FarSite Совместно с моделью Ротермела часто используется модель Байрама. Она дает интенсивность фронта пожара (кВт/м) на основе удельной теплоты ЛГМ (Дж/г), запаса ЛГМ (г/м2) и скорости распространения огня (м/с). Модели Ротермела и Байрама были использованы в широком диапазоне экосистем и лесных горючих материалов: Северной Америке, Южной Африке, Южной Франции и Австралии. Было замечено, что точность предсказания по модели Ротермела в простых системах лугов и саванн была разумной в широком диапазоне параметров. В то же время, значительные проблемы возникали в более сложных по структуре экосистемах.
Все рассмотренные ранее математические модели имеют один общий недостаток. Они не учитывают влияние антропогенной нагрузки и грозовую активность. Детерминировано-вероятностная модель определения вероятности возникновения лесных пожаров учитывает погодные условия, антропогенную нагрузку, грозовую активность, а также сушку растительных горючих материалов ([1,2,3,5]).
В работе [4], используя теорию вероятностей и физические соображения, получена формула для оценки вероятности возникновения лесного пожара для j-го временного интервала лесопожарного сезона:
, (1)
Здесь Pj – вероятность возникновения лесного пожара для j-го интервала на контролируемой лесной территории; F- площадь лесной территории конкретного лесхоза, района или области; Fi - площадь лесной территории, покрытой лесом i-го типа (по лесотаксационным описаниям это соответствует территории отдельно взятого выдела); N – общее число выделов на площади F; Aij, Mij - весовые коэффициенты антропогенной нагрузки и грозовой активности; Pij(A) – вероятность антропогенной нагрузки; Pij(ЛП/A) - вероятность возникновения пожара вследствие антропогенной нагрузки на территории выдела Fi; Pij(M) - вероятность возникновения сухих гроз на территории выдела Fi;Pij (ЛП/M) - вероятность возникновения лесного пожара от молнии при условии, что сухие грозы могут иметь место на территории выдела Fi; Pij(С) - вероятность возникновения пожара по метеоусловиям лесопожарного созревания; индекс j соответствует дню пожароопасного сезона.
Для определения членов в квадратных скобках формулы (1) необходимо использовать определение вероятностей через частоту событие и воспользоваться статистическими данными для соответствующего лесхоза.
Величина Pij(С) для лесопожарного сезона имеет следующее выражение ([5]):
(2)
Здесь 
- влагосодержание для j-го временного интервала на i-ом выделе максимального по массовой концентрации ОПГ; 
- критическое влагосодержание на i-ом выделе максимального по массовой концентрации ОПГ; ni - эмпирический показатель степени, характеризующий количественное изменение пожарной опасности.
В свою очередь лесной пожар может возникнуть вследствие антропогенной нагрузки и грозовой активности. Причем, эти два события - возникновение лесного пожара в результате антропогенной нагрузки и грозовой активности, являются независимыми и могут иметь место одновременно, и значит, их вероятности необходимо в соответствие с теоремой о сложении вероятностей суммировать.
Рассмотрим вероятность возникновения лесного пожара в результате грозовой активности:
. (3)
Сначала наступает лесопожарное созревание слоя ЛГМ, затем лесной пожар может возникнуть при условии, что есть грозовая активность, а также необходимо учесть вероятность грозовой активности. Так как большое значение имеет динамика наземных грозовых разрядов, вводится весовой коэффициент наземных грозовых разрядов.
Анализ статистики по лесным пожарам в лесхозах показал, что, особенно в пригородных лесхозах, большинство лесных пожаров возникает по причине небрежного обращения с огнем населения. Более того, даже в пределах одного лесхоза число ежедневно возникающих лесных пожаров в течение недели может изменяться в несколько раз.
Рассмотрим вероятность возникновения лесного пожара в результате антропогенной нагрузки:
(4)
Сначала наступает лесопожарное созревание слоя ЛГМ, затем лесной пожар может возникнуть при условии, что есть антропогенная нагрузка, а также необходимо учесть вероятность антропогенной нагрузки. Так как большое значение имеет изменение уровня антропогенной нагрузки в течение недели, вводится весовой коэффициент антропогенной нагрузки.
В итоге вероятность возникновения лесных пожаров на контролируемой территории определится по формуле (1). Для определения всех членов в формуле (1) необходимо использовать определение вероятностей через частоту событий и воспользоваться статистическими данными для конкретного лесхоза. В формуле (1) присутствуют следующие члены:
Aij , Pij (А) , Pij (ЛП/A) , (5)
Mij , Pij (М) , Pij (ЛП/М) , (6)
Где NA – количество дней в пожароопасный сезон, когда имеется антропогенная нагрузка, достаточная для зажигания ЛГМ, NПА - количество пожаров от антропогенной нагрузки; NКП - общее количество пожаров; NМ - число дней в которые имели место молнии (при сухих грозах); NПС - общее число дней пожароопасного сезона; NПМ - количество пожаров от молний, при сухих грозах, NПДН - число пожаров в конкретный день недели; NПН - общее количество пожаров за неделю; NМЧ - число прошедших наземных грозовых разрядов на конкретный час, начиная с 00.00 часов; NМС - общее число наземных разрядов в сутки. Очевидно, что точность определения вероятностей по формулам (5) - (6) тем больше, чем больше случаев будет рассмотрено для данного лесхоза.
Преимущество данной регрессионной формулы то, что она учитывает антропогенную нагрузку, историю пожаров за предыдущие периоды и метеорологические условия.
На основе обзора работ разработана региональная система прогноза лесной пожарной опасности включающая в себя как вероятностные оценки, так и расчетные значения по процессу сушки в лесах.
Список литературы:
1. , Моделирование и прогноз некоторых природных и техногенных катастроф, Томск, 2001, 122 с.
3. . Общие математические модели лесных и торфяных пожаров и их приложения. Успехи механики, 1(4), 2002. Model:Grishin.
4. Барановский антропогенной нагрузки, грозовой активности и метеорологический условий на вероятность возникновения лесного пожара. Томск, 2003.
7. R. O.Weber. Modelling _re spread through fuel beds. Progress in Energy and Combustion Science, 17:67_82, 1991.
8. A. G. McArthur. Weather and Grassland Fire Behaviour. Forest Research Institute, Forestry and Timber Bureau, 1966. Index: McArthur's.
9 A. G. McArthur. Fire Behaviour in Eucalypt Forests. Forestry and Timber Bureau, 1967. Index: McArthur's.
10. I. R. Nobel, G. A.V. Bary, and A. M. Gill. McArthur's _re-danger meters expressed as equations. Australian Journal of Ecology, 5:201_203, 1980.Index: McArthur's.
11. . Горимость леса и методы ее определения. Гослесбумиздат, М.; Л., 1949. Index: Nesterov.
12. R. C. Rothermel. A Mathematical Model for Predicting Fire Spread in Wildland Fuels. Intermountain Forest & Range Experiment Station, Forest Service, US Dept. of Agriculture, 1972.
13. , Об одной модели прогноза лесной пожарной опасности // ИФЖ. 2003. Т.76, №5, C. 154-158.
14. , , and . Оценка пожарной опасности по условиям погоды с использованием метеопро-
гнозов. Лесное хозяйство, (6):31-32, 2004
