WildEngine è il nucleo di nowcasting di fuoco e fumo dell'ecosistema Wildcaster. Calcola una previsione completa di 24 ore del comportamento di un incendio boschivo in uno-tre secondi, interamente sul dispositivo su cui viene eseguito, senza connessione ad alcuna rete e senza attrezzature specializzate.
Storicamente, una previsione del comportamento di un incendio veniva prodotta in un centro di comando o in un'istituzione di ricerca, su computer potenti, da analisti specializzati, e raggiungeva il campo solo se il tempo e la connettività lo consentivano. WildEngine elimina questa dipendenza. È un motore di nowcasting: mentre una previsione convenzionale viene prodotta a distanza e descrive i giorni a venire, un nowcast è una proiezione immediata e a corto raggio costruita a partire dalle condizioni che si verificano in questo momento, che risponde a cosa farà questo incendio, con questo vento e su questo terreno, nelle prossime ore, calcolato sul posto.
Due proprietà rendono tutto ciò rilevante nella pratica. La prima è la pura velocità: un'intera giornata di propagazione del fuoco calcolata in secondi mantiene la previsione al passo con l'incendio anziché in ritardo. La seconda, e per un'organizzazione probabilmente la più importante, è che funziona completamente offline. Poiché il motore non necessita di server, né di connettività, né di infrastrutture specializzate, la stessa simulazione che un tempo apparteneva ai centri di comando può essere messa nelle mani di tutti allo stesso tempo, dal direttore della protezione civile che plasma l'operazione al caposquadra sulla linea. Democratizza l'accesso all'intelligence sugli incendi.
Simula scenari d'incendio complessi
Sul dispositivoCompletamente offlineDa 1 a 3 secondi
Input del modello01
TerrenoDEM, Pendenza ed EsposizioneMeteoVento, Temperatura, UmiditàCombustibiliCopertura del suolo, Modelli, Umiditàda dati spaziali Copernicus, ESA e VIIRS / MODIS
Input degli eventi02
InneschiPunti e AreeAree bruciateAzioni di soppressione
→
Motore di Nowcasting degli Incendi03
Velocità di propagazione (ROS)Crescita ellitticaFuoco di chiomaSpottingPiroconvezioneFusione dei fronti
→
Previsione di impatto04
Punti critici colpiti per oraSuperficie bruciata per tipoNowcast orario dinamico
Come WildEngine trasforma input in tempo reale in un nowcast tattico, sul dispositivo, in secondi.
Cosa fa WildEngine
Ogni incendio è una conversazione tra quattro cose, e il motore le segue tutte contemporaneamente: il combustibile sul terreno, dall'erba secca che propaga il fuoco rapidamente al legname pesante e ai residui di taglio che bruciano a lungo e intensamente; il terreno, poiché il fuoco risale i pendii molto più velocemente di quanto li discenda ed è incanalato da valichi e valli; il meteo, e soprattutto il vento, seguito ora per ora nell'arco della giornata; e l'incendio stesso, ovvero dov'è in questo momento, che è la linea di partenza da cui il motore fa crescere il fuoco in avanti nel tempo.
I dati che alimentano questi calcoli provengono dall'infrastruttura spaziale e di osservazione della Terra dell'Europa. I combustibili e la copertura del suolo, il terreno e il meteo che guida la previsione derivano dai servizi Copernicus e da altre risorse dell'Agenzia Spaziale Europea, mentre il rilevamento del fuoco attivo si basa su dati di focolai satellitari da strumenti come VIIRS e MODIS. Questo ancoraggio a dati spaziali continuamente aggiornati consente al motore di partire da un quadro realistico del paesaggio e dell'incendio in tutta la sua area operativa.
A partire da questi ingredienti, WildEngine fa avanzare il fuoco sul paesaggio e restituisce risposte su cui una squadra tattica può agire direttamente:
Dove sarà il fuoco, come una sequenza di perimetri orari che mostrano il momento oltre all'estensione: quando la testa raggiunge una strada, quando minaccia un centro abitato, e quanto tempo hai davvero.
Con quale velocità e con quale intensità brucia lungo ogni parte del suo bordo, distinguendo un fianco che puoi sostenere da una testa che non puoi.
Quando risale alle chiome e diventa un fuoco di chioma, la transizione che cambia tutto nel modo di combattere l'incendio.
Dove può saltare, proiettando le faville trasportate dal vento che innescano nuovi focolai davanti al fronte e fiancheggiano le squadre.
È completo nel senso che conta operativamente, modellando l'intera gamma di comportamento del fuoco, di superficie, di chioma e per spotting, in ogni tipo di combustibile, anziché un unico caso semplificato. E poiché tutto ciò di cui ha bisogno è sul dispositivo, continua a funzionare una volta persa la connettività, che è la condizione normale in cui gli incendi accadono.
Propagazione del fuoco: perimetro simulato e contorni di propagazione orari, con punti critici colpiti.
Quando la fase attiva si attenua, lo stesso motore si volge verso una minaccia che arriva molto oltre la linea di fuoco, fino ai paesi e lungo le strade a molti chilometri: il fumo. WildEngine simula la colonna alla deriva che si diffonde nell'atmosfera e mappa la qualità dell'aria risultante al suolo, usando le stesse categorie sanitarie codificate a colori che il pubblico già riconosce dagli allerta sulla qualità dell'aria. Questo è un calcolo più profondo e pesante della previsione del fuoco, ed è pensato per il posto di comando e l'ufficio di turno più che per la decisione in una frazione di secondo sulla linea, rispondendo alle domande che guidano le evacuazioni e gli allerta di salute pubblica: quali quartieri stanno per essere colpiti, quali strade restano percorribili, e dove e quando spostare le persone o indicare loro di ripararsi.
Dispersione del fumo: la colonna modellata alla deriva sottovento a partire dall'incendio.
La scienza che c'è dietro
Sotto la velocità si trova un corpo ben consolidato di scienza del fuoco e dell'atmosfera, implementato per intero e confrontato con gli studi originali. Ciò che segue nomina i modelli concreti che WildEngine usa e rimanda alla letteratura fonte, affinché la scienza possa essere verificata anziché semplicemente accettata.
Propagazione del fuoco di superficie
La velocità con cui un incendio avanza attraverso un dato combustibile sotto un dato vento e una data pendenza segue l'equazione di propagazione semiempirica di Rothermel (1972), con i perfezionamenti computazionali di Frank Albini (1976) che l'hanno resa pratica da valutare. La sua accuratezza dipende da una descrizione onesta del combustibile, per cui WildEngine la alimenta con i due insiemi di modelli di combustibile standard internazionali: i tredici originali di Anderson (1982) e i quaranta ampliati di Scott e Burgan (2005), che insieme descrivono combustibili di prateria, arbusteti, lettiera di bosco e residui di taglio, e il modo distinto in cui ciascuno si accende, propaga il fuoco e si consuma.
Fuoco di chioma
Il passaggio da un fuoco di superficie a un fuoco che corre tra le chiome è tra le transizioni più pericolose di qualsiasi evento, e WildEngine lo modella esplicitamente. Usa i criteri di innesco di Van Wagner (1977) per determinare quando un fuoco di superficie ha intensità sufficiente per incendiare le chiome, il modello di velocità di propagazione di chioma attiva di Cruz, Alexander e Wakimoto (2005) per prevedere a quale velocità viaggia allora, e il collegamento superficie-chioma di Scott e Reinhardt (2001) per gestire la transizione tra i due regimi.
Spotting da faville
Il salto a lungo raggio, in cui le faville si sollevano sottovento per innescare nuovi focolai davanti al fronte, è trattato per ciò che fisicamente è: una questione di probabilità risolta molte migliaia di volte. WildEngine si basa sul pionieristico modello di trasporto delle faville di Frank Albini (1979), insieme alla formulazione di dispersione trasversale al vento di Himoto e Tanaka (2005), alle curve di probabilità di ignizione in erba corta di Schroeder (1969) e alla modellazione della sopravvivenza in volo di Perryman (2012). Lancia una grande popolazione di faville virtuali, trasporta ciascuna con il vento, e verifica se sopravvive al suo volo e trova combustibile ricettivo dove cade.
Propagazione del fronte di fuoco
Per convertire questa fisica in un perimetro pulito e in avanzamento, WildEngine rappresenta il bordo del fuoco con il metodo degli insiemi di livello introdotto da Osher e Sethian (1988) e adattato al fuoco boschivo da Mallet, Keyes e Fendell (2009). Questo approccio basato sul fronte per la simulazione degli incendi ha un ricco lignaggio di ricerca, inclusa l'influente modellazione di tracciamento del fronte e accoppiata fuoco-atmosfera di Filippi e collaboratori (2009); l'implementazione di WildEngine è propria, ma condivide l'idea centrale di quella tradizione di concentrare il calcolo sul fronte di fuoco in movimento. Uno schema a banda stretta confina il calcolo all'immediata vicinanza del bordo vivo, il che spiega in gran parte perché i perimetri si comportano come incendi reali e si calcolano così rapidamente.
Umidità del combustibile
Tutto quanto precede dipende dal sapere quanto siano secchi i combustibili fini, poiché l'umidità nell'erba e nei ramoscelli morti decide se una favilla muore o attecchisce. WildEngine la stima in modo continuo usando la scienza dell'umidità del combustibile morto di Fosberg e Deeming (1971), calibrata per le condizioni calde, secche e ventose della stagione degli incendi mediterranea.
Dispersione del fumo
La simulazione del fumo è un pezzo sostanziale di fisica atmosferica. Anziché sfumare il fumo su una mappa, WildEngine lo segue come uno sciame di particelle individuali, ciascuna trasportata dal vento e dispersa dalla turbolenza, un approccio noto come dispersione stocastica lagrangiana usato anche per prevedere ceneri vulcaniche e colonne radiologiche. Ogni particella obbedisce alla condizione di ben mescolato di Thomson (1987), il requisito teorico che mantiene il fumo modellato fisicamente coerente con la turbolenza attraverso cui si muove, con le statistiche di turbolenza tratte da Hanna (1982). Poiché l'atmosfera si comporta in modo molto diverso nell'arco della giornata, il modello tratta lo strato limite convettivo diurno con lo schema di turbolenza asimmetrica di Cassiani, Stohl e Brioude (2015), e fonda il vento e la stabilità in prossimità della superficie sulla teoria di similarità di Monin-Obukhov. L'altezza a cui il calore stesso dell'incendio spinge la colonna è fissata dal modello di altezza di iniezione di Sofiev, Ermakova e Vankevich (2012), sul classico lavoro sulla colonna galleggiante di Briggs (1975, 1984). Il fumo viene rimosso dall'aria in modo realistico man mano che le particelle si depositano per gravità e la pioggia le dilava sotto la nube, seguendo la parametrizzazione di dilavamento per dimensioni di Wang, Zhang e Moran (2014). Il risultato è una mappa al livello del suolo dell'inquinamento da particolato fine, la frazione PM2.5 che più conta per la salute umana, classificata nelle fasce standard di qualità dell'aria e guidata direttamente dall'incendio in diretta attraverso i fattori di emissione da combustione di biomassa di Andreae (2019).
L'implementazione
Su questa scienza di riferimento, WildEngine apporta un'implementazione tattica e robusta della stessa: una che esegue l'intera catena, fuoco di superficie, fuoco di chioma, spotting e fumo, in secondi, offline, su hardware portatile comune. Ciò si ottiene attraverso un insieme di ottimizzazioni proprietarie che concentrano il calcolo solo sul terreno che il fuoco può davvero raggiungere e seguono solo il suo bordo vivo, fornendo una modellazione di fuoco e fumo di livello di ricerca a velocità di campo senza infrastruttura di supporto. È questo che mette un nowcast autentico nelle mani di ogni soccorritore, dalla sala operativa alla linea di fuoco, ovunque l'incendio accada.
Riferimenti
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
Citati anche: Anderson (1982) INT-122; Albini (1976) INT-30 e Albini (1979) INT-56; Schroeder (1969); Himoto & Tanaka (2005); Perryman (2012); Fosberg & Deeming (1971) RM-207; Hanna (1982); Briggs (1975, 1984).
Disponibile per l'integrazione
WildEngine è disponibile come componente su licenza per piattaforme di protezione civile, operatori di infrastrutture e trasporti, e istituzioni di ricerca che necessitano di un nowcasting di fuoco e fumo rapido, completo e sul dispositivo all'interno dei propri sistemi.
