EnglishEspanolPortuguesItalianoFrancaisEllinika

WildEngine

WildEngine est le cœur de nowcasting du feu et de la fumée de l'écosystème Wildcaster. Il calcule une prévision complète de 24 heures du comportement d'un feu de forêt en une à trois secondes, entièrement sur l'appareil sur lequel il s'exécute, sans connexion à aucun réseau et sans équipement spécialisé.

Historiquement, une prévision du comportement d'un feu était produite dans un centre de commandement ou une institution de recherche, sur de puissants ordinateurs, par des analystes spécialisés, et n'atteignait le terrain que si le temps et la connectivité le permettaient. WildEngine supprime cette dépendance. C'est un moteur de nowcasting : là où une prévision classique est produite à distance et décrit les jours à venir, un nowcast est une projection immédiate et à courte portée construite à partir des conditions qui se produisent en ce moment, répondant à ce que ce feu, avec ce vent et sur ce terrain, fera dans les heures à venir, calculé sur place.

Deux propriétés rendent cela pertinent en pratique. La première est la pure vitesse : une journée entière de propagation du feu calculée en quelques secondes maintient la prévision au rythme du feu plutôt qu'en retard. La seconde, et pour une organisation sans doute la plus importante, est qu'il fonctionne entièrement hors ligne. Comme le moteur n'a besoin d'aucun serveur, d'aucune connectivité et d'aucune infrastructure spécialisée, la même simulation qui appartenait autrefois aux centres de commandement peut être mise entre les mains de tous en même temps, du directeur de la protection civile qui façonne l'opération au chef d'équipe sur la ligne. Elle démocratise l'accès au renseignement sur les feux.

Simulez des scénarios d'incendie complexes

Feu de forêt progressant à travers forêt et oliveraies vers un village de fond de vallée, avec une colonne de fumée s'élevant au-dessus de la crête
Sur l'appareilEntièrement hors ligne1 à 3 secondes
Comment WildEngine transforme des entrées en temps réel en un nowcast tactique, sur l'appareil, en quelques secondes.

Ce que fait WildEngine

Chaque feu est une conversation entre quatre choses, et le moteur les suit toutes à la fois : le combustible au sol, de l'herbe sèche qui propage le feu rapidement au bois lourd et aux rémanents de coupe qui brûlent longtemps et intensément ; le terrain, car le feu remonte les pentes bien plus vite qu'il ne les descend et est canalisé par les cols et les vallons ; la météo, et surtout le vent, suivie heure par heure au fil de la journée ; et le feu lui-même, c'est-à-dire où il se trouve à cet instant, qui est la ligne de départ à partir de laquelle le moteur fait croître le feu vers l'avant dans le temps.

Les données qui alimentent ces calculs proviennent de l'infrastructure spatiale et d'observation de la Terre de l'Europe. Les combustibles et l'occupation du sol, le terrain et la météo qui pilote la prévision dérivent des services Copernicus et d'autres ressources de l'Agence Spatiale Européenne, tandis que la détection des feux actifs s'appuie sur des données de points chauds satellitaires d'instruments comme VIIRS et MODIS. Cet ancrage dans des données spatiales continuellement mises à jour permet au moteur de partir d'une image réaliste du paysage et du feu sur toute sa zone d'opération.

À partir de ces ingrédients, WildEngine fait avancer le feu à travers le paysage et renvoie des réponses sur lesquelles une équipe tactique peut agir directement :

  • Où sera le feu, sous la forme d'une séquence de périmètres horaires qui montrent le moment autant que l'emprise : quand la tête atteint une route, quand elle menace une agglomération, et de combien de temps vous disposez réellement.
  • À quelle vitesse et avec quelle intensité il brûle le long de chaque partie de sa bordure, distinguant un flanc que vous pouvez tenir d'une tête que vous ne pouvez pas.
  • Quand il grimpe dans les cimes et devient un feu de cime, la transition qui change tout dans la manière de combattre le feu.
  • Où il peut sauter, en projetant les brandons emportés par le vent qui déclenchent de nouveaux départs de feu en avant du front et débordent les équipes.

Il est complet au sens qui compte opérationnellement, en modélisant toute la gamme du comportement du feu, de surface, de cime et par sautes, dans chaque type de combustible, plutôt qu'un unique cas simplifié. Et comme tout ce dont il a besoin se trouve sur l'appareil, il continue de fonctionner une fois la connectivité perdue, ce qui est la condition normale là où les feux se produisent.

Simulation WildEngine d'un périmètre de feu avec des contours de propagation horaires et des points critiques touchés sur un terrain satellitaire
Propagation du feu : périmètre simulé et contours de propagation horaires, avec points critiques touchés.

Lorsque la phase active s'apaise, le même moteur se tourne vers une menace qui porte bien au-delà de la ligne de feu, jusqu'aux villes et le long des routes à de nombreux kilomètres : la fumée. WildEngine simule la colonne à la dérive se répandant dans l'atmosphère et cartographie la qualité de l'air qui en résulte au sol, en utilisant les mêmes catégories sanitaires codées par couleurs que le public reconnaît déjà des alertes de qualité de l'air. C'est un calcul plus profond et plus lourd que la prévision du feu, et il est pensé pour le poste de commandement et le bureau de permanence plus que pour la décision à la fraction de seconde sur la ligne, répondant aux questions qui guident les évacuations et les alertes de santé publique : quels quartiers sont sur le point d'être touchés, quelles routes restent praticables, et où et quand déplacer les personnes ou leur demander de se confiner.

Simulation de dispersion de la fumée de WildEngine montrant la colonne à la dérive sous le vent depuis le feu sur un terrain satellitaire
Dispersion de la fumée : la colonne modélisée à la dérive sous le vent depuis le feu.

La science qui se cache derrière

Sous la vitesse se trouve un corpus bien établi de science du feu et de l'atmosphère, implémenté dans son intégralité et confronté aux études originales. Ce qui suit nomme les modèles concrets que WildEngine utilise et renvoie à la littérature source, afin que la science puisse être vérifiée plutôt que simplement acceptée.

Propagation du feu de surface

La vitesse à laquelle un feu avance à travers un combustible donné sous un vent et une pente donnés suit l'équation de propagation semi-empirique de Rothermel (1972), avec les raffinements computationnels de Frank Albini (1976) qui l'ont rendue pratique à évaluer. Sa précision dépend d'une description honnête du combustible, aussi WildEngine l'alimente-t-il avec les deux jeux de modèles de combustible standard internationaux : les treize originaux d'Anderson (1982) et les quarante étendus de Scott et Burgan (2005), qui décrivent ensemble les combustibles de prairie, de garrigue, de litière de peuplement et de rémanents de coupe, et la manière distincte dont chacun s'enflamme, propage le feu et se consume.

Feu de cime

Le passage d'un feu de surface à un feu qui court dans les cimes figure parmi les transitions les plus dangereuses de tout sinistre, et WildEngine le modélise explicitement. Il utilise les critères de départ de Van Wagner (1977) pour déterminer quand un feu de surface a une intensité suffisante pour embraser les cimes, le modèle de vitesse de propagation en cime active de Cruz, Alexander et Wakimoto (2005) pour prédire à quelle vitesse il voyage alors, et le lien surface-cime de Scott et Reinhardt (2001) pour gérer la transition entre les deux régimes.

Sautes de feu par brandons

Le saut à longue distance, où les brandons s'élèvent sous le vent pour déclencher de nouveaux départs de feu en avant du front, est traité pour ce qu'il est physiquement : une question de probabilité résolue plusieurs milliers de fois. WildEngine s'appuie sur le modèle pionnier de transport des brandons de Frank Albini (1979), ainsi que sur la formulation de dispersion transversale au vent de Himoto et Tanaka (2005), les courbes de probabilité d'allumage en herbe rase de Schroeder (1969) et la modélisation de la survie en vol de Perryman (2012). Il lance une grande population de brandons virtuels, transporte chacun avec le vent, et vérifie s'il survit à son vol et trouve un combustible réceptif là où il tombe.

Propagation du front de feu

Pour convertir cette physique en un périmètre net et en progression, WildEngine représente la bordure du feu avec la méthode des ensembles de niveau introduite par Osher et Sethian (1988) et adaptée au feu de forêt par Mallet, Keyes et Fendell (2009). Cette approche fondée sur le front pour la simulation des feux possède un riche héritage de recherche, dont la modélisation influente de suivi du front et couplée feu-atmosphère de Filippi et collaborateurs (2009) ; l'implémentation de WildEngine est la sienne propre, mais elle partage l'idée centrale de cette tradition qui consiste à concentrer le calcul sur le front de feu en mouvement. Un schéma en bande étroite confine le calcul au voisinage immédiat de la bordure vive, ce qui explique en grande partie pourquoi les périmètres se comportent comme des feux réels et se calculent si vite.

Humidité du combustible

Tout ce qui précède dépend de savoir à quel point les combustibles fins sont secs, car l'humidité de l'herbe et des brindilles mortes décide si un brandon meurt ou prend. WildEngine l'estime en continu à l'aide de la science de l'humidité du combustible mort de Fosberg et Deeming (1971), calibrée pour les conditions chaudes, sèches et venteuses de la saison des feux méditerranéenne.

Dispersion de la fumée

La simulation de la fumée est une pièce substantielle de physique atmosphérique. Plutôt que d'étaler la fumée sur une carte, WildEngine la suit comme un essaim de particules individuelles, chacune transportée par le vent et dispersée par la turbulence, une approche connue sous le nom de dispersion stochastique lagrangienne, également utilisée pour prévoir les cendres volcaniques et les panaches radiologiques. Chaque particule obéit à la condition de bon mélange de Thomson (1987), l'exigence théorique qui maintient la fumée modélisée physiquement cohérente avec la turbulence à travers laquelle elle se déplace, les statistiques de turbulence étant tirées de Hanna (1982). Comme l'atmosphère se comporte de façon très différente au fil de la journée, le modèle traite la couche limite convective diurne avec le schéma de turbulence asymétrique de Cassiani, Stohl et Brioude (2015), et fonde le vent et la stabilité près de la surface sur la théorie de similitude de Monin-Obukhov. La hauteur à laquelle la chaleur même du feu propulse la colonne est fixée par le modèle de hauteur d'injection de Sofiev, Ermakova et Vankevich (2012), sur les travaux classiques de colonne flottante de Briggs (1975, 1984). La fumée est retirée de l'air de façon réaliste à mesure que les particules se déposent par gravité et que la pluie les rabat sous le nuage, suivant la paramétrisation de lessivage par tailles de Wang, Zhang et Moran (2014). Le résultat est une carte au niveau du sol de la pollution par particules fines, la fraction PM2.5 qui importe le plus pour la santé humaine, classée dans les bandes standard de qualité de l'air et pilotée directement par le feu en direct via les facteurs d'émission de combustion de biomasse de Andreae (2019).

L'implémentation

Sur cette science de référence, WildEngine apporte une implémentation tactique et robuste de celle-ci : une implémentation qui exécute toute la chaîne, feu de surface, feu de cime, sautes de feu et fumée, en quelques secondes, hors ligne, sur du matériel portable ordinaire. Cela est obtenu grâce à un ensemble d'optimisations propriétaires qui concentrent le calcul uniquement sur le terrain que le feu peut réellement atteindre et ne suivent que sa bordure vive, offrant une modélisation du feu et de la fumée de niveau recherche à vitesse de terrain sans infrastructure de support. C'est cela qui met un nowcast authentique entre les mains de chaque intervenant, de la salle opérationnelle à la ligne de feu, où que le feu se produise.

Références

  • Cassiani, M., Stohl, A., Brioude, J. (2015). Lagrangian stochastic modelling of dispersion in the convective boundary layer with skewed turbulence conditions and a vertical density gradient. Boundary-Layer Meteorology 154, 367-390. doi:10.1007/s10546-014-9976-5
  • Andreae, M. O. (2019). Emission of trace gases and aerosols from biomass burning - an updated assessment. Atmos. Chem. Phys. 19, 8523-8546. doi:10.5194/acp-19-8523-2019
  • Sofiev, M., Ermakova, T., Vankevich, R. (2012). Evaluation of the smoke-injection height from wild-land fires using remote-sensing data. Atmos. Chem. Phys. 12, 1995-2006. doi:10.5194/acp-12-1995-2012
  • Wang, X., Zhang, L., Moran, M. D. (2014). Bulk or modal parameterizations for below-cloud scavenging of fine, coarse, and giant particles. J. Adv. Model. Earth Syst. 6, 1301-1310. doi:10.1002/2014MS000392
  • Cruz, M. G., Alexander, M. E., Wakimoto, R. H. (2005). Development and testing of models for predicting crown fire rate of spread in conifer forest stands. Can. J. For. Res. 35, 1626-1639. doi:10.1139/x05-085
  • Mallet, V., Keyes, D. E., Fendell, F. E. (2009). Modeling wildland fire propagation with level set methods. Computers & Mathematics with Applications 57, 1089-1101. doi:10.1016/j.camwa.2008.10.089
  • Filippi, J.-B., Bosseur, F., Mari, C., et al. (2009). Coupled atmosphere-wildland fire modelling. J. Adv. Model. Earth Syst. 1, 11. doi:10.3894/JAMES.2009.1.11
  • Rothermel, R. C. (1972). A mathematical model for predicting fire spread in wildland fuels. USDA Forest Service Res. Pap. INT-115. treesearch/32533
  • Van Wagner, C. E. (1977). Conditions for the start and spread of crown fire. Can. J. For. Res. 7, 23-34. doi:10.1139/x77-004
  • Scott, J. H., Reinhardt, E. D. (2001). Assessing crown fire potential. USDA Forest Service RMRS-RP-29. treesearch/4623
  • Scott, J. H., Burgan, R. E. (2005). Standard fire behavior fuel models. USDA Forest Service RMRS-GTR-153. treesearch/9521
  • Osher, S., Sethian, J. A. (1988). Fronts propagating with curvature-dependent speed. J. Comput. Phys. 79, 12-49. doi:10.1016/0021-9991(88)90002-2
  • Thomson, D. J. (1987). Criteria for the selection of stochastic models of particle trajectories in turbulent flows. J. Fluid Mech. 180, 529-556. doi:10.1017/S0022112087001940
  • Également cités : Anderson (1982) INT-122 ; Albini (1976) INT-30 et Albini (1979) INT-56 ; Schroeder (1969) ; Himoto & Tanaka (2005) ; Perryman (2012) ; Fosberg & Deeming (1971) RM-207 ; Hanna (1982) ; Briggs (1975, 1984).

Disponible pour l'intégration

WildEngine est disponible comme composant sous licence pour les plateformes de protection civile, les opérateurs d'infrastructures et de transport, et les institutions de recherche qui ont besoin d'un nowcasting du feu et de la fumée rapide, complet et sur l'appareil au sein de leurs propres systèmes.