基于改進(jìn)的王正非模型結(jié)合元胞自動機(jī)的林火蔓延預(yù)測

摘 要：【目的】針對當(dāng)前我國林火蔓延預(yù)測仍存在預(yù)測精度不高、普適性差等問題，基于王正非速度模型結(jié)合多維元胞自動機(jī)的林火蔓延預(yù)測模型進(jìn)行改進(jìn)，研究了不同區(qū)域和分辨率下該模型的有效性，增強(qiáng)了該模型對于不同分辨率數(shù)據(jù)的適應(yīng)能力，從而更好地對森林火災(zāi)蔓延進(jìn)行預(yù)測，并為林區(qū)的火災(zāi)蔓延預(yù)測和管理提供一種科學(xué)合理的技術(shù)手段?！痉椒ā渴褂煤邶埥〈笈d安嶺地區(qū)2011年10月28日發(fā)生的森林火災(zāi)（分辨率500 m）與四川省涼山地區(qū)2022年3月29日發(fā)生的森林火災(zāi)（分辨率30 m）作為數(shù)據(jù)源，提取發(fā)生火災(zāi)時刻以及蔓延過程的火線。引入歸一化植被指數(shù)（NDVI）對王正非模型進(jìn)行改進(jìn)，并利用反卷積算法對元胞自動機(jī)算法進(jìn)行改進(jìn)，將改進(jìn)后模型輸出的結(jié)果與實(shí)際結(jié)果進(jìn)行精度對比，并比較不同分辨率下的模型精度表現(xiàn)。【結(jié)果】改進(jìn)后的模型精度有明顯的提升，其中，黑龍江省大興安嶺試驗(yàn)改進(jìn)后模型的kappa系數(shù)提高了0.029 7，面積誤差率降低了21.33%，火場預(yù)測火點(diǎn)170個，平均過火速度0.75 m/min。四川省木里縣試驗(yàn)改進(jìn)后模型的kappa系數(shù)提高了0.116 5，面積誤差率降低了37.08%，火場預(yù)測火點(diǎn)1 795個，平均過火速度為4.00 m/min?！窘Y(jié)論】改進(jìn)后的林火蔓延預(yù)測模型可以更有效地預(yù)測火災(zāi)蔓延并計算出最可能過火的火點(diǎn)位置，其預(yù)測結(jié)果具有高度的一致性和準(zhǔn)確性，提高了林火蔓延模擬預(yù)測的實(shí)用性。與原始模型相比，改進(jìn)后的模型很好地提高了在不同分辨率數(shù)據(jù)下的預(yù)測精度，能為林火預(yù)防和管理提供科學(xué)依據(jù)。

關(guān)鍵詞：林火蔓延；模型改進(jìn)；王正非模型；元胞自動機(jī)；森林管理

中圖分類號：S762.2 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-923X（2024）05-0014-12

基金項(xiàng)目：國家重點(diǎn)研發(fā)計劃項(xiàng)目（2020YFC1511603）；中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目（2572022DT03）；碳中和專項(xiàng)科學(xué)基金項(xiàng)目（HFW220100054）。

Forest fire spread prediction based on improved Wang Zhengfei model combined with cellular automata

TIAN Yuping， JIN Chengyu， WANG Bin， LI Mingze

（School of Forestry， Northeast Forestry University， Harbin 150040， Heilongjiang， China）

Abstract：【Objective】At present， the prediction of forest fire spread in our country still has problems such as low prediction accuracy and poor universality. In response to these problems， this study improved the forest fire spread prediction model based on Wang Zhengfei velocity model combined with multidimensional cellular automata， the effectiveness of the model under different regions and resolutions was studied， which enhanced the adaptability of the model to data of different resolutions， so as to better predict the spread of forest fires， and provided a scientific and reasonable technical means for the prediction and management of forest fire spread.【Method】Using the forest fires that occurred on October 28， 2011 in the Greater Khingan Mountains of Heilongjiang province （resolution 500 m） and the forest fires that occurred in the Liangshan area of Sichuan province on March 29， 2022 （resolution 30 m） as data sources， the fires were extracted happening time and the front line of the spreading process. Introducing the normalized difference vegetation index（NDVI） to improve Wang Zhengfei model， and using the deconvolution algorithm to improve the cellular automata algorithm， then comparing the accuracy of the output results of the improved model and the model accuracy performance.【Result】The accuracy of the improved model has been significantly improved. Among them， the kappa coefficient of the improved model in the Greater Khingan Mountains experiment in Heilongjiang province had increased by 0.029 7， and the area error rate had decreased by 21.33%， the first fire site is predicted to have 170 fire points， and the average fire speed is 0.75 m/min. In Muli county， Sichuan province， the kappa coefficient of the improved model increased by 0.116 5， and the area error rate decreased by 37.08%， the second fire site is predicted to have 1 795 fire points， and the average fire speed is 4.00 m/min.【Conclusion】The improved forest fire spread prediction model can predict the fire spread more effectively and calculate the location of the most likely fire point， and its prediction results are highly consistent and accurate， which improves the practicability of forest fire spread simulation prediction. Compared with the original model， the improved model can improve the prediction accuracy under different resolution data， and can provide scientific basis for forest fire prevention and management.

Keywords： forest fire spread； model improvement； Wang Zhengfei model； cellular automata； forest management

森林是地球生態(tài)系統(tǒng)的重要組成部分，是實(shí)現(xiàn)人類可持續(xù)發(fā)展的基礎(chǔ)。近年來，火災(zāi)對森林資源的危害日益加劇，大型火災(zāi)一旦發(fā)生，其對地球生態(tài)和經(jīng)濟(jì)等方面的破壞無法估量[1]?；馂?zāi)不僅會燒毀樹木和林下植物資源，還會改變森林結(jié)構(gòu)、林內(nèi)生物、氣候和土壤的性能[2]。更嚴(yán)重的甚至?xí)θ祟惖纳踩斐赏{，對森林造成的破壞一般需要數(shù)十年甚至數(shù)百年才能恢復(fù)。

為了盡量減少林火帶來的經(jīng)濟(jì)與生態(tài)損失，林火蔓延的預(yù)測已成為林火研究的重點(diǎn)領(lǐng)域。準(zhǔn)確地預(yù)測林火蔓延過程，其模型的選擇十分重要[3]。國外預(yù)測林火蔓延的模型主要包括美國的Rothermel模型、澳大利亞的McArthur模型和加拿大的國家林火蔓延模型。Rothermel模型[4]屬于半經(jīng)驗(yàn)?zāi)Ｐ偷囊环N，是通過野外試驗(yàn)和室內(nèi)試驗(yàn)，并結(jié)合能量守恒定律在1972年提出的，應(yīng)用起來難度較大。McArthur模型[5]是通過多次點(diǎn)燒試驗(yàn)分別針對澳大利亞的桉樹林和草原建立的森林火蔓延和草地火蔓延經(jīng)驗(yàn)?zāi)Ｐ?。該模型雖然操作簡單，但缺少物理機(jī)理，不適合應(yīng)用于大尺度森林火災(zāi)研究。加拿大的國家林火蔓延模型[6]是目前世界上最完善且應(yīng)用最廣泛的系統(tǒng)之一。該系統(tǒng)使用橢圓增長模型進(jìn)行火蔓延行為的模擬，現(xiàn)已被廣泛應(yīng)用于加拿大國內(nèi)甚至國際上，屬于經(jīng)驗(yàn)?zāi)Ｐ?。該方法的計算簡單容易?shí)現(xiàn)，但該方法基于長期的實(shí)際測量和需要足夠的觀測數(shù)據(jù)，當(dāng)使用條件與模擬條件存在差異時，精度會下降[7]。盡管以上蔓延模型在相應(yīng)國家或地區(qū)的林火預(yù)測中可能達(dá)到較高的精度，但這些模型在中國的適用性存在一定問題。我國幅員遼闊，氣候垂直地帶性變化顯著，地形復(fù)雜多樣，與國外存在較大差異。因此，在我國應(yīng)用這些模型時其精度表現(xiàn)可能會下降，對于國內(nèi)的林火蔓延預(yù)測適用性有待考究。

楊盛菁等[8]指出國內(nèi)林火蔓延模型主要采用王正非速度模型[9]。王正非模型是在我國東北的大興安嶺林區(qū)進(jìn)行多次試驗(yàn)得到的半經(jīng)驗(yàn)?zāi)Ｐ?，但在坡度大?0°時，該模型的準(zhǔn)確率將降低。毛賢敏[10]在王正非模型的基礎(chǔ)上進(jìn)行改進(jìn)，增加了左右平坡方向因素，并對坡度的計算進(jìn)行了修正。其采用了國外Lawson蔓延因子重新計算坡度，使模型更符合實(shí)際情況[10]。但修正后的王正非速度模型仍未考慮植被密度對森林火行為的影響，其輸入的可燃物更正系數(shù)是根據(jù)植被類型分類的離散查算表確定的，無法很好地描述火場中的植被分布格局，從而影響模擬精度。王正非速度模型是國內(nèi)相對成熟的林火速度模型，相關(guān)研究較多，其適用性在我國已經(jīng)得到驗(yàn)證，相較于國外模型，其能更準(zhǔn)確地進(jìn)行林火蔓延模擬，因此本研究選擇王正非模型作為林火蔓延速度模型。

火線模擬方法在林火蔓延預(yù)測研究中起重要作用。目前的火災(zāi)計算機(jī)模擬技術(shù)大致分為兩類：基于矢量的模型和基于柵格的模型?；谑噶康哪Ｐ椭饕罁?jù)惠更斯波傳播原理[11]。該模型給定一個很短的時間作為火災(zāi)的初始蔓延時間，并在這段時間產(chǎn)生的蔓延周邊上選取幾個點(diǎn)作為初始點(diǎn)，隨后根據(jù)初始點(diǎn)生成新的蔓延周邊并迭代以上步驟。此模型由于僅選擇個別點(diǎn)作為控制點(diǎn)，精度存在很大的不確定性[12]，而增加控制點(diǎn)又會顯著增加計算量與計算時間。基于柵格的模型有多種不同的算法，如迷宮算法，以火點(diǎn)為樹根，以點(diǎn)到點(diǎn)的燃燒所需時間為權(quán)重，生成最小生成樹的集合[13]。邊界插值算法，該算法首先模擬火點(diǎn)向8個方向的蔓延終點(diǎn)，然后進(jìn)行插值。經(jīng)過丁智等[13]的對比研究發(fā)現(xiàn)，邊界插值算法耗時短，但模擬精度較低，而迷宮算法耗時大大增加，但精度卻沒有顯著提高?；跂鸥竦脑詣訖C(jī)（CA）是一種時間和空間都離散的動力系統(tǒng)，其更新遵循一定的局部規(guī)則，從而實(shí)現(xiàn)系統(tǒng)的動態(tài)演化。CA是一種強(qiáng)大的工具，可以使用簡單的局部規(guī)則和相對簡單的狀態(tài)對復(fù)雜問題進(jìn)行建模，并且與GIS柵格數(shù)據(jù)完全兼容，降低了數(shù)據(jù)的處理難度。由于這些優(yōu)勢，CA已被廣泛用于時空建模[14]。另外，CA與GIS柵格良好的兼容性使得其可以很好地利用衛(wèi)星的監(jiān)測數(shù)據(jù)，為大尺度林火蔓延預(yù)測提供方法。

國內(nèi)基于王正非速度的元胞自動機(jī)林火蔓延模擬模型主要存在兩個問題。首先，模型中可燃物更正系數(shù)對于植被密度的變化不敏感，無法準(zhǔn)確反映植被疏密對林火蔓延的影響。其次，廣泛應(yīng)用的大尺度遙感數(shù)據(jù)源MODIS數(shù)據(jù)（500 m），在元胞自動機(jī)燃燒區(qū)域的貢獻(xiàn)值重疊面積大，在原理上影響了低分辨率下的模擬精度。針對上述問題，本研究提出兩種改進(jìn)措施。首先，將歸一化植被指數(shù)引入到王正非速度模型中，從而在模型中考慮植被的覆蓋程度，以更好地反映植被密度對林火蔓延的影響，提高模型的準(zhǔn)確性。其次，針對低空間分辨率數(shù)據(jù)（MODIS）設(shè)計了反卷積算法，以進(jìn)一步改進(jìn)其重疊區(qū)域較大的問題，提升模型的普適性。通過這些研究，旨在為我國林火的科學(xué)防治、精準(zhǔn)撲救提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

本研究選擇我國黑龍江省大興安嶺地區(qū)與四川省木里縣作為研究區(qū)，兩地均是我國林火頻繁發(fā)生的地區(qū)，當(dāng)?shù)厣只馂?zāi)撲救難度高，燒毀面積大，是典型的林火防控重災(zāi)區(qū)。黑龍江省大興安嶺地區(qū)位于我國東北部，地理坐標(biāo)為50°05′～53°33′N，121°11′～127°01′E。該地區(qū)東臨小興安嶺，西瀕內(nèi)蒙古高原，南接松嫩平原，北靠黑龍江，總面積約835萬hm2（圖1）。大興安嶺地區(qū)屬于寒溫帶大陸性氣候，受山地影響，垂直分異明顯。當(dāng)?shù)厝昃鶞?4～-2 ℃，年溫差較大。平均海拔573 m，平均降水量746 mm。其樹種以興安落葉松為主，且林區(qū)樹木密集，高大枯立木多，枯枝落葉層較厚，極易發(fā)生森林火災(zāi)[15]。四川省木里藏族自治縣位于涼山彝族自治州西北部（27°40′～29°10′N，100°03′～101°41′E），處于橫斷山脈中段，地形復(fù)雜，海拔差異大，屬于典型的高山峽谷地區(qū)（圖1）。木里縣屬于亞熱帶季風(fēng)氣候，干濕兩季分明，年溫差小，日溫差大，太陽輻射較為強(qiáng)烈。主要樹種包括云杉Picea asperata、高山櫟Quercus semecarpifolia、高山松Pinus densata等，植被垂直分異明顯。木里縣地區(qū)是國家一級重點(diǎn)火險區(qū)，由于森林分布廣闊，地形復(fù)雜多變，森林防火形勢十分嚴(yán)峻[16]。大興安嶺與木里縣分別為我國東北部與西南部的核心林區(qū)，選擇這兩個地區(qū)作為研究區(qū)能很好地體現(xiàn)該模型在我國不同林區(qū)立地條件下的表現(xiàn)情況，具有代表性。

1.2 研究方法

1.2.1 數(shù)據(jù)收集

本研究選取2011年10月28日在大興安嶺與2020年3月29日在木里縣發(fā)生的森林火災(zāi)作為研究對象。2011年發(fā)生在大興安嶺的火災(zāi)最終過火面積約11 000 hm2，2020年發(fā)生在木里縣的火災(zāi)最終過火面積約為21 000 hm2，這兩場火災(zāi)給當(dāng)?shù)氐纳敭a(chǎn)造成了嚴(yán)重?fù)p失，極大地破壞了當(dāng)?shù)氐纳鷳B(tài)平衡，是研究區(qū)內(nèi)典型的大型森林火災(zāi)。

針對這兩起火災(zāi)，本研究分別使用MODIS數(shù)據(jù)與Landsat 8數(shù)據(jù)作為數(shù)據(jù)源。MODIS數(shù)據(jù)與Landsat 8數(shù)據(jù)各有優(yōu)劣，由于MODIS影像的雙星系統(tǒng)對同一地點(diǎn)的監(jiān)測能力及波段對火點(diǎn)的獨(dú)特感應(yīng)，顯著提升了對火災(zāi)蔓延的觀測能力[17]。MODIS影像每天包含四個產(chǎn)品，分別為MOD09GA、MYD09GA、MOD02HKM和MYD02HKM，空間分辨率為500 m，可以對森林火災(zāi)進(jìn)行及時有效的監(jiān)測。Landsat 8數(shù)據(jù)相較MODIS數(shù)據(jù)的空間分辨率更高，為30 m，但時間分辨率較低，達(dá)16 d[18]。實(shí)際火場監(jiān)測衛(wèi)星的選擇受到多種因素的共同影響，在本研究選取的兩場火災(zāi)中，綜合考慮獲取數(shù)據(jù)的質(zhì)量、獲取時間以及對不同數(shù)據(jù)源的預(yù)測對比，最終選擇MODIS數(shù)據(jù)提取大興安嶺火災(zāi)的實(shí)際火線，Landsat 8數(shù)據(jù)提取木里縣火災(zāi)的實(shí)際火線。

1.2.2 王正非模型及其改進(jìn)方法

王正非模型中共有4個參數(shù)，包括初始蔓延速度、可燃物更正系數(shù)、風(fēng)速更正系數(shù)及地形更正系數(shù)。計算方法如公式（2）所示。

為了改進(jìn)王正非速度與元胞自動機(jī)結(jié)合的精度表現(xiàn)，需要對計算王正非速度所需的各種參數(shù)進(jìn)行靈敏度分析，并挑選出最有可能影響模擬精度的參數(shù)。本研究在參數(shù)改變步長為0.1的情況下繪制靈敏度響應(yīng)曲線，在單一參數(shù)改變過程中其他參數(shù)保持不變，并計算王正非速度的值，結(jié)果如圖2所示。

從結(jié)果可以觀察到，王正非速度對KS的取值十分敏感，但由于KS的離散化處理導(dǎo)致參數(shù)的靈敏度曲線并不連續(xù)，無法很好地描述可燃物實(shí)際的空間分布狀況，對精度的影響較大。因此，本研究選擇改進(jìn)可燃物系數(shù)來提升模型精度。為了改進(jìn)可燃物參數(shù)，本研究選擇了歸一化植被指數(shù)（NDVI），其在遙感圖像處理中廣泛使用且容易獲取，因此可以作為改進(jìn)可燃物系數(shù)的參數(shù)。

為了驗(yàn)證在該模型中應(yīng)用NDVI指數(shù)的合理性，首先對火點(diǎn)區(qū)域與NDVI指數(shù)進(jìn)行相關(guān)性分析。考慮到火點(diǎn)數(shù)據(jù)為離散型變量，而NDVI指數(shù)為連續(xù)型變量，故采用方差分析檢驗(yàn)二者的相關(guān)性。采用黑龍江省的林火數(shù)據(jù)進(jìn)行分析，結(jié)果如表3所示。

1.2.3 元胞自動機(jī)模型及其改進(jìn)方法

元胞自動機(jī)（cellular automata）是一種時間空間狀態(tài)均離散的網(wǎng)格動力學(xué)模型，其在給定條件下可以自動演化。其特點(diǎn)是將系統(tǒng)劃分為規(guī)則的元胞網(wǎng)絡(luò)，每個網(wǎng)格處于有限狀態(tài)并受相鄰元胞狀態(tài)的影響。該模型主要由元胞空間、元胞鄰域、元胞狀態(tài)和轉(zhuǎn)換規(guī)則四部分組成[20]。

對于林火蔓延模擬來說，最常見的是二維和三維元胞自動機(jī)模型。同時，元胞自動機(jī)通常有三種劃分方式，分別是三角形、正方形、正六邊形。綜合各種方式的優(yōu)缺點(diǎn)以及為了便于數(shù)據(jù)的獲取，本研究選擇正方形元胞的二維元胞自動機(jī)模型。根據(jù)該區(qū)域可燃物及遙感影像分辨率，選取一致的元胞尺寸。

元胞鄰域是指受中心元胞影響的其他元胞，分別有馮諾依曼型、摩爾型、擴(kuò)展摩爾型和馬格勒斯型。根據(jù)前人研究以及為了與實(shí)際情況最為接近，采用了摩爾型元胞（圖3）作為鄰域條件。

元胞狀態(tài)是元胞自動機(jī)演化過程中的狀態(tài)量和參數(shù)，需要儲存在元胞空間中進(jìn)行相應(yīng)的計算[21]。根據(jù)其特征參數(shù)可分為靜態(tài)量與動態(tài)量，其中，動態(tài)量為T、h；靜態(tài)量為v、φ、KS。

數(shù)據(jù)分辨率為500 m的元胞自動機(jī)算法存在一個重要問題，即低精度的柵格數(shù)據(jù)會導(dǎo)致周邊元胞計算燃燒貢獻(xiàn)區(qū)域的重疊面積過大，從而容易高估林火的燃燒面積[22]。為解決這個問題，本研究采用減小元胞邊長的方法對500 m數(shù)據(jù)分辨率的元胞自動機(jī)模型進(jìn)行改進(jìn)，以使得原單個元胞的內(nèi)部有更為細(xì)致的狀態(tài)變化。在不改變原有數(shù)據(jù)分辨率的情況下，將所有柵格圖層的每一個原始柵格分為3×3的更小柵格，其原理類似于反卷積。在元胞自動機(jī)內(nèi)部運(yùn)算完畢后，對輸出柵格再次進(jìn)行卷積操作，可以將分辨率還原至原始分辨率，方便與實(shí)際火線進(jìn)行對比。通過這一操作，可以在一定程度上解決元胞燃燒貢獻(xiàn)值的高估問題。這個過程不需要另外獲取數(shù)據(jù)和復(fù)雜的算法，不會造成過多的算力負(fù)擔(dān)。同時，該方法可以用于臨時改善數(shù)據(jù)的柵格分辨率，即使在獲取數(shù)據(jù)分辨率不同時也可以計算火蔓延速度，提高了該模型在不同情況下的適應(yīng)性。

1.2.4 王正非模型與元胞自動機(jī)結(jié)合的林火蔓延模擬

使用python中的osgeo庫對計算王正非速度所需的數(shù)據(jù)進(jìn)行讀取，并使用NumPy庫的二維數(shù)組結(jié)構(gòu)模擬ArcGIS中的柵格數(shù)據(jù)，設(shè)計多層二維數(shù)組來記錄同一個柵格內(nèi)部的各種不同參數(shù)。根據(jù)王正非模型給出的計算公式（7），讀取各種不同參數(shù)的柵格數(shù)據(jù)來計算每一個著火元胞對八個方向的王正非速度，當(dāng)某一未著火元胞被單位時間內(nèi)火線行進(jìn)的面積完全包圍時即將該元胞設(shè)定為下一個狀態(tài)。同時在指定時間后停止模擬，并使用osgeo中的GDAL庫將某一時刻下的元胞燃燒情況輸出為tiff數(shù)據(jù)。

為了設(shè)立正確的元胞狀態(tài)，首先需要了解在林火蔓延過程中火的燃燒行為。森林可燃物根據(jù)其空間位置不同可分為地下、地表、空中可燃物。其中，地表可燃物中的死可燃物最易被引燃[23]，從而發(fā)生地表火并逐漸蔓延成為森林火災(zāi)。林火是以地表火為優(yōu)先蔓延而逐漸燃燒的[24]。對于元胞來說，并非在所有狀態(tài)下都有向周邊元胞進(jìn)行熱輻射的能力，因此制定以下元胞狀態(tài)轉(zhuǎn)換規(guī)則：

元胞狀態(tài)=-1，表示元胞不具備燃燒條件，說明位于道路、河流等位置，不可燃。

元胞狀態(tài)=0，表示元胞未燃燒過。

元胞狀態(tài)=1，表示元胞內(nèi)發(fā)生地表火，但其熱輻射被元胞內(nèi)部的未燃物吸收，因此不具有向周圍進(jìn)行熱輻射的能力。

元胞狀態(tài)=2，表示元胞充分燃燒并向周圍的摩爾型鄰域進(jìn)行熱輻射。

元胞狀態(tài)=3，表示元胞已完全燃燒并熄滅。

1）讀取計算王正非速度所需的數(shù)據(jù)與當(dāng)前時刻的元胞狀態(tài)。

2）按照對應(yīng)的元胞狀態(tài)，使用王正非公式計算元胞向鄰域的貢獻(xiàn)值并對下一時刻的元胞狀態(tài)進(jìn)行更新。

3）判斷下一時刻是否為截止時刻，若是，保存并輸出；若否，設(shè)置下一時刻為當(dāng)前時刻并回到步驟（1）。

1.2.5 模型驗(yàn)證

2 結(jié)果與分析

2.1 基于MODIS數(shù)據(jù)的林火蔓延預(yù)測

本研究首先采用MODIS數(shù)據(jù)基于改進(jìn)前、后的王正非模型和元胞自動機(jī)算法對黑龍江省2011年的林火進(jìn)行了模擬。該林火實(shí)際過火面積為5 275 hm2，基于改進(jìn)前的王正非模型和元胞自動機(jī)算法預(yù)測得到的過火面積為6 800 hm2，改進(jìn)后為5 675 hm2（表4）。同時從圖4中可以看出，模型改進(jìn)后能夠更好地捕獲實(shí)際的過火邊界，同時精度驗(yàn)證結(jié)果表明改進(jìn)后的王正非模型較改正前的kappa系數(shù)提高了0.029 7，面積誤差率降低 21.33%（表5），證明了在應(yīng)用低分辨率遙感影像進(jìn)行區(qū)域尺度林火蔓延模擬時，本研究所采用的方法能夠顯著提升模型的模擬精度。

大興安嶺地區(qū)植被茂密，可燃物分布連續(xù)且密度較高，模擬結(jié)果與實(shí)際結(jié)果均未顯示出受地形影響而無法燃燒的情況，因此燃燒特點(diǎn)大致為從中心向八個方向均有擴(kuò)散。對于本研究提出的使用NDVI指數(shù)改進(jìn)王正非速度，從模擬結(jié)果來看，該改進(jìn)方法增加了速度計算過程中對植被密度的敏感性（如減緩了圖4左下角植被分布稀疏地區(qū)的蔓延速度），使其能更好地區(qū)分燃燒地區(qū)中山谷和山脊線等植被稀疏的地區(qū)，并在總體上減緩了王正非速度結(jié)合元胞自動機(jī)模型的蔓延過程，改進(jìn)了低分辨率下燃燒速度過快的問題，使火線推演更符合實(shí)際情況。

對于低分辨率下的火周長蔓延問題，由于受限于柵格數(shù)據(jù)的特點(diǎn)，其邊界是十分粗糙的，本研究提出的反卷積算法可以在一定程度上改善邊界粗糙的問題，但由于這種變換沒有改變原有的信息量，因此對精度的提升十分有限，這是低分辨率柵格模擬的缺點(diǎn)之一。

2.2 基于Landsat 8數(shù)據(jù)的林火蔓延預(yù)測

針對高分辨率遙感影像，本研究以四川省木里縣林火為例，選取Landsat 8數(shù)據(jù)，基于改進(jìn)前、后的王正非模型和元胞自動機(jī)算法對四川省2020年的林火進(jìn)行了模擬。該林火實(shí)際過火面積為12 589.92 hm2，基于改進(jìn)前的王正非模型和元胞自動機(jī)算法模擬得到的過火面積為24 661.89 hm2，改進(jìn)后的為19 994.31 hm2（表6）。精度驗(yàn)證結(jié)果（表7）表明改進(jìn)后的王正非模型相比于改正前的kappa系數(shù)提高了0.116 5，面積誤差率降低了37.08%，證明在應(yīng)用高分辨率遙感影像進(jìn)行區(qū)域尺度林火蔓延模擬時，本研究所采用的方法仍然能夠顯著提升模型的模擬精度。

四川省木里縣地形起伏大，夏季降水多，水土流失嚴(yán)重，從研究區(qū)影像看當(dāng)?shù)卮嬖诿黠@的無植被區(qū)域，在傳統(tǒng)的王正非速度計算公式中，該區(qū)域沒有很好的表示方式，但經(jīng)過NDVI指數(shù)改進(jìn)后，其能很好地捕捉這些因自然或人為因素導(dǎo)致的無植被或少植被區(qū)域，從而使火場面積蔓延更為精確。這種改進(jìn)在高分辨率情況下更為顯著，由于分辨率的增加，NDVI指數(shù)可以更精確地描述火場內(nèi)的植被分布情況，且相較于更精細(xì)的地類劃分來說，使用NDVI指數(shù)更為方便快捷，可以有效地減少工作量。

從圖5可見，經(jīng)改進(jìn)的模型能更準(zhǔn)確地模擬火場邊界，這一改進(jìn)部分得益于柵格空間分辨率的提升和NDVI指數(shù)的優(yōu)化。盡管模型已在一定程度上捕獲了實(shí)際的火場邊界，但與實(shí)際復(fù)雜的火蔓延邊界相比，模擬的火周長仍有差距，導(dǎo)致模擬周長通常小于實(shí)際周長。此外，模型在某些區(qū)域如火災(zāi)場景的左上與右下仍表現(xiàn)不佳。這些誤差可能是由崎嶇地形和局部氣候現(xiàn)象（如白海風(fēng)等[25]）引起的風(fēng)向變化所致，也可能與該場火災(zāi)過火面積大、蔓延速度快[26]導(dǎo)致火場內(nèi)部形成的特有環(huán)境有關(guān)。數(shù)據(jù)收集的局限性也導(dǎo)致了無法準(zhǔn)確捕獲局部范圍的小氣候數(shù)據(jù)，從而影響模擬結(jié)果。另外，由于模型未考慮消防人員設(shè)置的隔離帶等人為干預(yù)措施[27]，進(jìn)一步增加了預(yù)測誤差。

2.3 預(yù)測火線的提取

對王正非速度結(jié)合元胞自動機(jī)的模型來說，其假定著火元胞對周圍八個方向的燃燒均有貢獻(xiàn)，計算過程中并不像矢量模型有特定的蔓延速度和蔓延方向，但可以通過反求方法推知在單個柵格內(nèi)的過火速度，其公式如下：

使用改進(jìn)后的模型提取出的過火速度如圖6所示。

最終，大興安嶺火場預(yù)測火點(diǎn)計數(shù)為170個，速度平均值為0.750 698 m/min；木里縣火場預(yù)測火點(diǎn)計數(shù)為1 795個，速度平均值為4.000 181 m/min。

基于元胞自動機(jī)的林火蔓延模擬可以很好地將林火蔓延速度與所在的地理位置相結(jié)合。對應(yīng)柵格內(nèi)王正非速度的累計值越高，就表明該柵格過火強(qiáng)度越大，在實(shí)時撲救中就越應(yīng)該給予重視。這種方法不需要矢量模型與地理空間信息復(fù)雜的結(jié)合過程，可以更方便地指導(dǎo)有關(guān)部門及時作出部署，有利于控制林火蔓延。

3 討 論

受燃燒區(qū)域的可燃物類型、氣候和地形等因素影響，森林火行為的區(qū)域差異顯著。準(zhǔn)確預(yù)測林火蔓延速度的關(guān)鍵在于區(qū)分不同火場的具體參數(shù)，如林分地表細(xì)小死可燃物載量是影響燃燒速度的重要地域性參數(shù)之一[28]。目前，王正非模型在提取這些關(guān)鍵信息方面存在限制，不能準(zhǔn)確區(qū)分每個火場的燃燒特點(diǎn)，在不同區(qū)域火場的響應(yīng)及不同分辨率數(shù)據(jù)的處理方面表現(xiàn)不足[29]。火災(zāi)類型的多樣性包括地下火的存在，對火災(zāi)蔓延、撲救與模擬預(yù)測造成挑戰(zhàn)[30]。同時，環(huán)境因素如水汽壓和濕度與火災(zāi)發(fā)生密切相關(guān)，但缺乏理想模型模擬這些變化[31]。

元胞自動機(jī)的演化規(guī)則使火線推演呈現(xiàn)相對均勻的趨勢，而實(shí)際火線可能僅朝一兩個方向顯著蔓延。實(shí)際應(yīng)用中常常出現(xiàn)精度不統(tǒng)一的問題[32]。模型使用的大尺度靜態(tài)參數(shù)無法有效反映真實(shí)林火中小尺度的變化，這些變化對火線推進(jìn)速度至關(guān)重要。燃燒過程中的熱量交換影響風(fēng)場，進(jìn)而改變火線方向和蔓延物質(zhì)[33]。強(qiáng)風(fēng)還可能導(dǎo)致火脫離原始區(qū)域，形成飛火現(xiàn)象[34]，這些都是元胞自動機(jī)難以模擬的物理過程。

本研究旨在通過改進(jìn)王正非的林火蔓延速度計算公式與預(yù)測模型，提高模型在不同火場類型中的有效性和實(shí)用性，但仍需要進(jìn)一步研究以更準(zhǔn)確把握地域性分異規(guī)律。提升模型精度的關(guān)鍵是提高數(shù)據(jù)質(zhì)量，包括采集更高精度、更具影響力的參數(shù)[35]。提高數(shù)據(jù)時間和空間分辨率也是提升王正非模型精度的關(guān)鍵。因此，無人機(jī)監(jiān)測可作為數(shù)據(jù)獲取的補(bǔ)充[36]。道路和河流等人為因素也對火蔓延有顯著影響。模型在小尺度火行為的細(xì)化方面還有不足。異形元胞自動機(jī)的設(shè)定和窄帶水平集法可能有助于解決精度問題，提高預(yù)測精度[37]。此外，減少元胞自動機(jī)的迭代次數(shù)尤其對于低分辨率數(shù)據(jù)能有效增加模型精度。林火模擬的風(fēng)場研究表明，WRF模式的準(zhǔn)確性優(yōu)于均一風(fēng)場模擬[38]，值得考慮將其納入元胞自動機(jī)模型。

4 結(jié) 論

本研究使用改進(jìn)的王正非速度模型，結(jié)合元胞自動機(jī)模型對不同區(qū)域的林火行為在兩種分辨率尺度下進(jìn)行了預(yù)測，證明了該模型在不同分辨率下的可用性。使用NDVI指數(shù)來引入植被密度以改善王正非速度模型對可燃物密度變化不敏感的情況，提升了其精度表現(xiàn)。同時設(shè)計了反卷積算法，改進(jìn)了低分辨率柵格下燃燒貢獻(xiàn)區(qū)域重疊度大的問題，并證明了改進(jìn)方法的有效性。本研究所構(gòu)建的林火蔓延預(yù)測模型可以更有效地預(yù)測火災(zāi)蔓延，預(yù)測結(jié)果表明該模型一致性、準(zhǔn)確性均較高，為林火預(yù)防和管理提供了科學(xué)依據(jù)。但對火行為的進(jìn)一步預(yù)測可以結(jié)合極端條件再進(jìn)行細(xì)化，這也是該模型未來的發(fā)展方向。

參考文獻(xiàn)：

[1] 劉柯珍.大興安嶺地區(qū)夏季火環(huán)境及林火發(fā)生預(yù)報模型研究[D].北京：中國林業(yè)科學(xué)研究院，2018. LIU K Z. Fire environment and forecasting models of summer forest fire in Daxing’an Mountain district[D]. Beijing： Chinese Academy of Forestry，2018.

[2] 李偉克，殷繼艷，郭贊權(quán)，等.2019年世界代表性國家和地區(qū)森林火災(zāi)發(fā)生概況分析[J].消防科學(xué)與技術(shù)，2020，39（9）： 1280-1284. LI W K， YIN J Y， GUO Z Q， et al. Analysis of forest fires in representative countries and regions in the world in 2019[J]. Fire Science and Technology，2020，39（9）：1280-1284.

[3] 趙恒，王何晨陽，高仲亮，等.交錯區(qū)可燃物和火行為研究進(jìn)展[J].林業(yè)機(jī)械與木工設(shè)備，2023，51（1）：4-15. ZHAO H， WANG H C Y， GAO Z L， et al. Research progress of combustible and fire behavior in interlacing zone[J]. Forestry Machinery Woodworking Equipment，2023，51（1）：4-15.

[4] ROTHERMEL R C. A mathematical model for predicting fire spread in wildland fuels[M]. USDA Forest Service，1972：1-40.

[5] RAWLINGS D J. Stratigraphic resolution of a multiphase intracratonic basin system： the McArthur Basin， northern Australia[J]. Australian Journal of the Earth Sciences，1999，46（5）： 703-723.

[6] 張菲菲.基于地理元胞自動機(jī)的林火蔓延模型與模擬研究[D].汕頭：汕頭大學(xué)，2011. ZHANG F F. Research on the model and simulation of the forest fire spread based on geographic cellular automata[D]. Shantou： Shantou University，2011.

[7] 康慶江.林火蔓延研究進(jìn)展[J].林業(yè)勘查設(shè)計，2022，51（3）： 27-32. KANG Q J. Research progress on forest fire spread[J]. Forest Investigation Design，2022，51（3）：27-32.

[8] 楊盛菁，李娜.林火蔓延模型的進(jìn)展研究[J].甘肅科技，2021， 37（3）：45-47. YANG S J， LI N. Research progress of forest fire spread model[J]. Gansu Science and Technology，2021，37（3）：45-47.

[9] 王正非.山火初始蔓延速度測算法[J].山地研究，1983，1（2）： 42-51. WANG Z F. Estimation method of initial spread velocity of mountain fire[J]. Mountain Research，1983，1（2）：42-51.

[10] 毛賢敏.風(fēng)和地形對林火蔓延速度的作用[J].應(yīng)用氣象學(xué)報， 1993，4（1）：100-104. MAO X M. Effects of wind and terrain on forest fire spread velocity[J]. Quarterly Journal of Applied Meteorology，1993，4（1）： 100-104.

[11] VIEGAS D. Overview of forest fire propagation research[J]. Fire Safety Science，2011，10：95-108.

[12] 李建微.面向林火蔓延的虛擬地理環(huán)境構(gòu)建技術(shù)研究[D].福州：福州大學(xué)，2005. LI J W. Research on the techniques of building a virtual geographic environment for forest fire spreading[D]. Fuzhou： Fuzhou University，2005.

[13] 丁智，宋開山，王宗明，等.基于ArcGIS Engine林火蔓延模擬算法的比較分析[J].中國科學(xué)院大學(xué)學(xué)報，2014，31（5）： 640-646. DING Z， SONG K S， WANG Z M， et al. Contrastive analysis of algorithms of the forest fire spreading simulation based on ArcGIS Engine[J]. Journal of University of Chinese Academy of Sciences， 2014，31（5）：640-646.

[14] 穆莉平，楊威，侯鯤.地理元胞自動機(jī)模型研究進(jìn)展[J].長春師范大學(xué)學(xué)報，2022，41（6）：53-59. MU L P， YANG W， HOU K. Progress on geographic cellular automata model[J]. Journal of Changchun Normal University， 2022，41（6）：53-59.

[15] 張艷平.黑龍江大興安嶺地區(qū)氣候變化對森林火災(zāi)影響的研究[D].哈爾濱：東北林業(yè)大學(xué)，2008. ZHANG Y P. Study on the impacts of climate change on forest fire in Daxing’anling Mountains[D]. Harbin： Northeast Forestry University，2008.

[16] 饒月明，王川，黃華國.聯(lián)合多源遙感數(shù)據(jù)監(jiān)測四川木里縣森林火災(zāi)[J].遙感學(xué)報，2020，24（5）：559-570. RAO Y M， WANG C， HUANG H G. Forest fire monitoring based on multisensory remote sensing techniques in Muli county， Sichuan province[J]. Journal of Remote Sensing，2020，24（5）： 559-570.

[17] 李福堂.基于EOS/MODIS的森林火災(zāi)監(jiān)測模型及應(yīng)用研究[D].武漢：華中科技大學(xué)，2005. LI F T. Forest fire monitoring model and application research based on EOS/MODIS[D]. Wuhan： Huazhong University of Science and Technology，2005.

[18] 姚瑤.基于Landsat 8 OLI遙感影像的林火識別方法研究[D].哈爾濱：東北林業(yè)大學(xué)，2021. YAO Y. Research on forest fire recognition methods based on Landsat 8 OLI remote sensing image[D]. Harbin： Northeast Forestry University，2021.

[19] 王宇，段永紅，白杰.五臺山風(fēng)景區(qū)植被覆蓋度近25 a來的時空變化分析[J].山西農(nóng)業(yè)科學(xué)，2018，46（5）：805-809. WANG Y， DUAN Y H， BAI J. Analysis on spatial and temporal variation of vegetation coverage in Mount Wutai scenic area in recent 25 years[J]. Journal of Shanxi Agricultural Sciences，2018，46（5）： 805-809.

[20] 蔡木良，支歡樂，李文歡，等.基于元胞自動機(jī)的實(shí)時降雨下流域洪水淹沒過程分析[J].中國農(nóng)村水利水電，2023（7）： 35-40，47. CAI M L， ZHI H L， LI W H， et al. Inundation process analysis of watershed flood under real-time rainfall data using cellular automata[J]. China Rural Water and Hydropower，2023（7）：35-40，47.

[21] 滿子源，孫龍，胡海清，等.南方8種森林地表死可燃物在平地?zé)o風(fēng)時的燃燒蔓延速率與預(yù)測模型[J].林業(yè)科學(xué)，2019，55（7）： 197-204. MAN Z Y， SUN L， HU H Q， et al. Prediction model of the spread rate of eight typical surface dead fuel in Southern China under windless and flat land[J]. Scientia Silvae Sinicae，2019，55（7）： 197-204.

[22] 李興東，李鑫，李曉錕，等.一種基于元胞自動機(jī)的林火蔓延模型[J].林業(yè)機(jī)械與木工設(shè)備，2019，47（6）：48-55.LI X D， LI X， LI X K， et al. A forest fire spread model based on cellular automata[J]. Forestry Machinery Woodworking Equipment，2019，47（6）：48-55.

[23] 劉欣，王志成，蔡志勇.黑龍江省夏季林火蔓延特點(diǎn)[J].林業(yè)科技，2011，36（3）：42-44. LIU X， WANG Z C， CAI Z Y. Characteristics of summer forest fire spread in Heilongjiang province[J]. Forestry Science Technology，2011，36（3）：42-44.

[24] 何誠，舒立福，劉柯珍.大興安嶺地區(qū)夏季森林火災(zāi)環(huán)境因子特征分析[J].西南林業(yè)大學(xué)學(xué)報（自然科學(xué)），2021，41（3）： 87-93. HE C， SHU L F， LIU K Z. Analysis on environmental factors’characteristics of summer forest fire in Daxing’an Mountains[J]. Journal of Southwest Forestry University （Natural Science）， 2021，41（3）：87-93.

[25] 白海峰，牛樹奎，劉曉東.北京西山林場側(cè)柏林潛在地表火行為及樹冠火轉(zhuǎn)化比率研究[J].消防科學(xué)與技術(shù)，2023，42（4）： 561-565. BAI H F， NIU S K， LIU X D. Study on potential surface fire behavior and transition ratio to crown fire of Platycladus orientalis stands in Beijing Xishan Forest Farm[J]. Fire Science and Technology，2023，42（4）：561-565.

[26] 張玉春，向冬，郭瀚文，等.川西南森林可燃物分布調(diào)研及潛在火行為研究[J].自然災(zāi)害學(xué)報，2023，32（2）：108-116. ZHANG Y C， XIANG D， GUO H W， et al. Research on the distribution of combustible materials and potential fire behavior in southwest Sichuan forests[J]. Journal of Natural Disasters， 2023，32（2）：108-116.

[27] 祁雄輝.湖北省林火發(fā)生規(guī)律及風(fēng)險區(qū)劃研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2022. QI X H. Study on occurrence regularity and risk zoning of forest fire in Hubei province[D]. Wuhan： Huazhong Agricultural University，2022.

[28] 劉訊，黃韻，丁波，等.大婁山典型林分地表細(xì)小死可燃物載量影響因子研究[J].中南林業(yè)科技大學(xué)學(xué)報，2023，43（8）：9-16. LIU X， HUANG Y， DING B， et al. Influencing factors of surface fine dead fuel loading in typical forest stands of Dalou Mountain[J]. Journal of Central South University of Forestry Technology，2023，43（8）：9-16.

[29] 張曉婷，劉培順，王學(xué)芳.王正非林火蔓延模型改進(jìn)研究[J].山東林業(yè)科技，2020 （1）：1-6，40. ZHANG X T， LIU P S， WANG X F. Research on improvement of Wang Zhengfei’s forest fire spread model[J]. Shandong Forestry Science and Technology，2020（1）：1-6，40.

[30] 唐抒圓，李華，單延龍，等.森林地下火特征及防控措施[J].世界林業(yè)研究，2019，32（3）：42-48. TANG S Y， LI H， SHAN Y L， et al. Characteristics and control of underground forest fire[J]. World Forestry Research，2019，32（3）： 42-48.

[31] 高超，林紅蕾，胡海清，等.基于氣象因子的黑龍江黑河林火發(fā)生概率預(yù)測[J].森林與環(huán)境學(xué)報，2022，42（5）：529-535. GAO C， LIN H L， HU H Q， et al. Probability prediction of forest fires in Heihe region of Heilongjiang province based on meteorological factors[J]. Journal of Forest and Environment， 2022，42（5）：529-535.

[32] 姜文宇，王飛，蘇國鋒，等.基于元胞自動機(jī)的以火滅火動態(tài)建模方法[J].清華大學(xué)學(xué)報（自然科學(xué)版），2023，63（6）： 926-933. JIANG W Y， WANG F， SU G F， et al. Dynamic modeling approach for suppression firing based on cellular automata[J]. Journal of Tsinghua University （Science and Technology），2023，63（6）： 926-933.

[33] LOPES A M G， RIBERIO L M， VIEGAS D X， et al. Simulation of forest fire spread using a two-way coupling algorithm and its application to a real wildfire[J]. Journal of Wind Engineering Industrial Aerodynamics，2019，193：103967.

[34] 王秋華.森林火災(zāi)燃燒過程中的火行為研究[D].北京：中國林業(yè)科學(xué)研究院，2010. WANG Q H. Study on fire behaviors in forest burning[D]. Beijing： Chinese Academy of Forestry，2010.

[35] 何瑞瑞，趙鳳君，曾玉婷，等.多源遙感影像在森林火災(zāi)監(jiān)測中的應(yīng)用[J].世界林業(yè)研究，2022，35（2）：59-63. HE R R， ZHAO F J， ZENG Y T， et al. Application of multisource remote sensing imagery to forest fire monitoring[J]. World Forestry Research，2022，35（2）：59-63.

[36] 王新權(quán)，李興東.基于無人機(jī)的實(shí)時林火蔓延預(yù)測模型研究[J].林業(yè)機(jī)械與木工設(shè)備，2022，50（5）：34-40. WANG X Q， LI X D. Research on real-time forest fire spread prediction model based on UAV[J]. Forestry Machinery Woodworking Equipment，2022，50（5）：34-40.

[37] 翟春婕，曹兆樓.窄帶水平集法下林火蔓延仿真研究[J].火災(zāi)科學(xué)，2017，26（1）：37-42. ZHAI C J， CAO Z L. Numerical simulation on wildland fire spread with narrow-band level set method[J]. Fire Safety Science，2017，26（1）：37-42.

[38] 李春梅，孟慶祥，崔衛(wèi)紅.基于WRF模式研究動態(tài)風(fēng)場對林火蔓延預(yù)測的影響—以西昌“3·30”森林火災(zāi)為例[J].科學(xué)技術(shù)與工程，2023，23（11）：4579-4585. LI C M， MENG Q X， CUI W H. Impact of dynamic wind flow behavior on forest fire spread using WRF Model： a case study of“3？30” forest fire in Xichang[J]. Science Technology and Engineering， 2023，23（11）：4579-4585.

[本文編校：謝榮秀]