Фізичні моделі поширення лісової пожежі 2026: Rothermel, FARSITE, ELMFIRE, FOFEM, CAWFE — як вони порівнюються

06 Квітня, 2026

Опубліковано в Блог

Фізичні моделі поширення лісової пожежі 2026: Rothermel, FARSITE, ELMFIRE, FOFEM, CAWFE — як вони порівнюються
arrow


О третій ночі у серпні 2024 року черговий ДСНС у Миколаєві отримує два тривожні сигнали поспіль. Перший — VIIRS-хотспот 375 м у степовому масиві за 14 кілометрів від села. Другий — METAR з найближчої станції з вітром 38 км/год пориви до 54 км/год, температура повітря 31°C, відносна вологість 18%. Питання, на яке має відповісти оперативна модель, дві: куди буде фронт через 6 і через 12 годин і яка інтенсивність по периметру. Від відповіді залежить порядок евакуації, маршрути двох автоцистерн і запит на бортові засоби пожежогасіння.

За останні сім десятиліть атмосферна та лісова науки сформували чотири класи моделей, що дають відповіді на це питання: емпірико-напівемпіричні (Rothermel, McArthur), геометрично-Гюйгенсівські поверхневі симулятори (FARSITE, PROMETHEUS, ForeFire), Eulerian рівень-сетові (ELMFIRE, SPARK), та зв’язані fire-atmosphere CFD (CAWFE, MesoNH-ForeFire, WRF-Fire, HIGRAD-FIRETEC). До цього додаються модулі post-fire ефектів (FOFEM, CONSUME) і канадська емпірична FBP-система (Forest Fire Behavior Prediction). У цьому огляді WildFiresUA розбирає, що кожна з цих систем робить добре, де ламається, скільки коштує операційно і як вони комбінуються у сучасних національних та регіональних практиках.

Rothermel 1972 — фізичний кістяк, який досі тримає індустрію

Модель Річарда Ротермеля 1972 року (USDA Forest Service Research Paper INT-115) залишається єдиним аналітичним рівнянням, на якому збудовано переважну більшість оперативних систем США, Канади, Австралії та частково Європи. Канонічна форма виглядає так: R = I_R · ξ · (1 + φ_w + φ_s) / (ρ_b · ε · Q_ig), де R — швидкість поширення фронту, I_R — інтенсивність реакції у палаючому шарі, ξ — коефіцієнт пропагації, φ_w і φ_s — поправки на вітер і схил, ρ_b — об’ємна щільність палива, ε — ефективна теплопровідність, Q_ig — теплота передзапалення. Над ROS стоїть інтенсивність фронту за Байрамом 1959 (Forest Science 5:144-156): I_B = H · w · R, де H — теплоємність згоряння (близько 18 608 кДж/кг для деревних видів, нижче для трав’янистого палива).

Рівняння Ротермеля спирається на п’ять припущень: квазістаціонарний фронт, однорідна лінія полум’я, континуальне паливо, сталий вітер на сталому схилі, відсутність переносу жарин і коронного переходу. У спокійних режимах усі п’ять тримаються; за вітру понад 30-40 км/год або за низької вологості рідких палив вони ламаються одночасно. Усі сучасні оперативні системи обгортають Ротермеля додатковими модулями плямоутворення, переходу в крону, дисперсії продуктів горіння та зв’язку з NWP-полями. Ця обгортка — те, що відрізняє інженерний інструмент від наукової моделі.

FARSITE — тактичний референс Гюйгенса

FARSITE (Finney 1998, USDA RMRS-RP-4) — еталонний симулятор тактичного росту конкретної пожежі. Принцип: кожна точка периметра — джерело еліптичного вейвлета з ROS у головній точці, заданим Ротермелем; обгинаюча через крок Δt дає новий периметр. Співвідношення довжина-ширина еліпса задає Anderson 1983 або більш сучасні емпіричні апроксимації Alexander 1985 (Int. J. Wildland Fire 11:163).

Вхідні дані FARSITE — вісім растрів: висота, схил, експозиція, модель палива (Anderson 13 або Scott & Burgan 40), покриття крон, висота крон, висота нижньої межі крон, об’ємна щільність крон. Часовий крок — від 30 секунд до 30 хвилин адаптивно. Ландшафт 100 000 гектарів симулюється за 1-10 хвилин на сучасному CPU. Модель включає перенос жарин за Albini 1979, перехід у крону за Van Wagner 1977 (Can. J. For. Res. 7:23-34), і динамічне дозрівання трав’янистого шару SB40 (Scott & Burgan 2005, RMRS-GTR-153).

Сильні сторони. Стандарт де-факто для тактичних задач у CONUS, добре задокументована, інтегрується з FlamMap, FSim, BehavePlus, FuelManager. Слабкі сторони. Ламається на вітрових екстремумах, погано працює з рідкими паливами, не відтворює зворотного зв’язку фронту з атмосферою.

FlamMap, FSim і Minimum Travel Time

FlamMap (Finney 2006, RMRS-RP-30) відповідає на стратегічне питання: за фіксованих погоди і палива, які ROS, інтенсивність та довжина полум’я можливі по всьому ландшафту? Minimum Travel Time (Finney 2002, Int. J. Wildland Fire) розглядає ландшафт як зважений граф і шукає найшвидший шлях від запалення до кожної цільової точки; швидший за FARSITE у 10-100 разів. Ансамбль FSim (Finney 2011, Fire Ecology 7:123) прокручує тисячі MTT-симуляцій і дає карту покліткової ймовірності горіння — основа Probabilistic Risk Framework, яким USDA Forest Service оперує на загальнонаціональному рівні з 2014 року.

ELMFIRE — рівень-сет як альтернатива Гюйгенсу

ELMFIRE (Eulerian Level set Model of FIRE spread, Chris Lautenberger) реалізує фронт як нульовий рівень підписаної функції відстані φ(x,y,t) на регулярній Eulerian-сітці. Еволюція описується рівнянням ∂φ/∂t + F · |∇φ| = 0, де F — локальна ROS у напрямі зовнішньої нормалі, обчислена з Ротермеля з паливними моделями SB40 або Anderson 13. Метод опубліковано у Lautenberger 2013 (10th IAFSS Symposium, pp. 775-788) та розширено у наступних релізах CloudFire Inc.

Перевага рівень-сетового підходу: фронт може зливатися, розділятися, обтікати отвори без явного відслідковування топології. Це критично для пожеж з множинними одночасними запаленнями та для розривів у паливі (дороги, ріки, agricultural patches). Схеми WENO та fast-marching уникають кутової спотвореності квадратної решітки, яку Ghisu et al. 2015 виміряли як до 15% похибки у FARSITE-подібних еліптичних моделях. ELMFIRE містить перехід у крону, перенос жарин, MPI-паралельний Монте-Карло-ансамбль і драйвить Pyregence/Pyrecast — операційну систему прогнозу пожеж для CONUS з 15-хвилинним оновленням.

FOFEM і модулі post-fire ефектів

FOFEM (First Order Fire Effects Model, USFS Missoula) — не модель поширення, а окремий клас post-fire ефектів. Він рахує консумпцію палива (downed woody, litter, duff, herbaceous, shrub), емісію диму (PM2.5, PM10, CO, CO2, CH4, NMOC) та теплопровідність у ґрунт. Перша версія опублікована Reinhardt et al. 1997; алгоритми консумпції підтверджено Lutes et al. 2009 (Int. J. Wildland Fire). У парі з FARSITE або з канадським FBP, FOFEM закриває пайплайн «фронт → площа → паливо спалене → дим викинуто», який потрібен для емісійних інвентаризацій GFED-класу. Альтернативний інструмент — CONSUME (Joint Fire Science Program) з кращою параметризацією duff і моховиння для бореальних умов.

CAWFE — зв’язана fire-atmosphere система NCAR

CAWFE (Coupled Atmosphere-Wildland Fire Environment) — флагманська зв’язана модель Janice Coen та групи NCAR. Архітектура: атмосферна частина — CFD на основі Clark-Hall регіональної моделі з вкладеними сітками до 50-100 м роздільної здатності; пожежна частина — поверхневий поширювач за Ротермелем з власним grid-based трекером фронту. Двосторонній зв’язок: фронт додає тепловий і вологісний потік у нижні шари атмосфери, атмосфера повертає оновлене вітрове поле. Метод описано у Coen 2013 (J. Geophys. Res.: Atmospheres 118) та Coen et al. 2013 (J. Appl. Meteorol. Clim. 52:16).

CAWFE відтворила вітрову фазу King Fire 2014 у Каліфорнії з помилкою позиції фронту менше 2 км на 24-годинному горизонті — на той момент рекорд для оперативного класу зв’язаних моделей. Обчислювальна вартість: 24-годинний прогноз 10-км пожежі на сітці 50 м — приблизно 6-12 годин на 200-300 ядрах HPC. Це обмежує операційне застосування критичними подіями, де ціна обчислення виправдана.

MesoNH-ForeFire — французька школа CNRS і ULCO

MesoNH-ForeFire — зв’язана система Університету Корсики, CNRS і Météo-France. Атмосферна частина — мезомасштабна модель MesoNH (Lac et al. 2018, Geosci. Model Dev. 11:1929-1969). Пожежна частина — ForeFire, фронт-трекер з рівень-сетом і фізично базованою моделлю поширення BMap. Концептуальна стаття — Filippi et al. 2018 (Geosci. Model Dev. 11:1019-1041); ранній опис ForeFire — Filippi et al. 2009 (Environ. Model. Softw. 24:330-343).

MesoNH-ForeFire активно застосовується для післяподійних аналізів великих середземноморських пожеж: Aullène 2009 (Корсика), Pedrógão Grande 2017 (Португалія, 66 загиблих), Vesúvio 2017 (Італія). Обчислювальна вартість порядку CAWFE; код частково open-source через ліцензію CECILL-C, що робить його доступним для академічного використання у ЄС. Партнерська лабораторія WildFiresUA — ULCO (Université du Littoral Côte d’Opale) — використовує цю систему для верифікаційних експериментів на українських даних.

SPARK — австралійський рівень-сет CSIRO

SPARK — модульна симуляційна платформа CSIRO (Commonwealth Scientific and Industrial Research Organisation), що використовує підхід рівень-сету з GPU-прискоренням. Архітектура описана у Hilton et al. 2018 (Environ. Model. Softw. 105:148-160). SPARK дозволяє користувачу підставляти власні поширювачі (Rothermel, McArthur Mk5, Cheney grass model) як математичні правила, а не як хардкод. Це критично для Австралії, де еукаліптові ліси, mallee та трав’янистий буш потребують різних емпіричних апроксимацій.

SPARK інтегрований з Bureau of Meteorology ACCESS-Fire для оперативних потреб і використовується пожежними агенціями Нового Південного Уельсу та Вікторії. GPU-прискорення дає швидкість, недосяжну для CPU-only FARSITE: 10 000 Монте-Карло реалізацій на ландшафті 100 000 га за 5-15 хвилин на одному вузлі з NVIDIA A100. Це принципова зміна обчислювальної економіки ансамблевого моделювання.

FireDST — система оцінки впливу і ризику

FireDST (Fire Decision Support Tool) — інша австралійська система від CSIRO та Bureau of Meteorology, орієнтована на ризик-оцінку: ймовірність впливу на будівлі, інфраструктуру, населення для конкретної пожежі. Описана у Cechet et al. 2014 та подальших публікаціях Geoscience Australia. На відміну від SPARK, FireDST не симулює фронт від нуля — вона приймає на вхід ансамбль вже згенерованих периметрів і обчислює loss exposure на національному будівельному реєстрі. Цей розподіл праці (поширювач + експозиція як окремі модулі) — корисний шаблон для національної архітектури, який WildFiresUA враховує у плануванні власної exposure-надбудови.

PROMETHEUS — канадська FBP як операційний стандарт

PROMETHEUS — канадська версія FARSITE-подібного симулятора, що працює на базі національної системи Forest Fire Behavior Prediction (FBP). Концептуальний опис — Tymstra et al. 2010 (Canadian Forest Service Information Report NOR-X-417). FBP — повністю емпірична система, калібрована на 245 контрольованих пропалах у 11 типах канадського палива (C-1…C-7 хвойні, D-1 листяні, M-1…M-4 мішані, S-1…S-3 деревні залишки, O-1a/O-1b трави). Перевага: фізична незалежність від моделей палива США, добре працює для бореальних умов і трав’янистих степів. Недолік: жорстка прив’язка до канадських типів — будь-яке нове середовище потребує кросвок-аналізу.

PROMETHEUS розгорнуто оперативно у Canadian Wildland Fire Information System, у провінційних агенціях Альберти, Британської Колумбії, Онтаріо. Канадські пожежі 2023 року з 18,5 млн га спалених площ були моделювані переважно цією системою; післяподійний аналіз опублікований у Byrne et al. 2024 (Nature 633:835-839). Для України канадська FBP виявляється релевантнішою за SB40 саме через подібність бореально-степових ландшафтів — це обґрунтовує вибір FBP як основи для української паливної карти.

Порівняльна таблиця класів моделей

МодельТипЗв’язок з атмосфероюЧас 24-год прогнозуКраїна
FARSITEГюйгенс еліпсОднонаправлений (вітер з NWP)1-10 хв CPUСША (USDA)
PROMETHEUSГюйгенс + FBPОднонаправлений1-15 хв CPUКанада
ForeFireРівень-сетДвосторонній (з MesoNH)2-12 год HPCФранція (CNRS)
SPARKРівень-сет GPUОднонаправлений (з ACCESS)5-15 хв GPUАвстралія (CSIRO)
ELMFIREРівень-сет MPIОднонаправлений10-30 хв HPCСША (CloudFire)
CAWFEПоверхневий + CFDДвосторонній6-12 год HPCСША (NCAR)
WRF-FireРівень-сет + WRFДвосторонній3-10 год HPCСША (open source)
FOFEMPost-fire ефектиНе зв’язанийСекундиСША (USFS)

Регіональні особливості валідації

США. Канонічний бенчмарк — національна база Wildland Fire Decision Support System (WFDSS) і її валідаційні зрізи на пожежах CONUS. Finney et al. 2011 (Int. J. Wildland Fire 20:613-624) описав валідацію FSim на 4500 історичних подіях. Помилка площі за 24 години — фактор 2 для 60% подій, фактор 5 для 90%.

Канада. Валідація FBP-PROMETHEUS на 245 контрольованих пропалах документована у Forestry Canada Fire Danger Group 1992. Помилка ROS — медіана 30%, 90-й перцентиль 80%. Це значно краще за FARSITE на тому ж типі палив, що пояснює перевагу FBP для бореально-степових біом.

Франція та Середземномор’я. ForeFire/MesoNH валідовано на Aullène 2009 (Corsica, 3000 га) і Pedrógão Grande 2017 (Португалія). Costa et al. 2019 (J. Geophys. Res.: Atmospheres 124) описав останній експеримент: помилка позиції фронту менше 1 км на 6-годинному горизонті за наявності точних даних дистанції від хотспота.

Австралія. SPARK валідовано на Black Saturday 2009 і Black Summer 2019-2020. Sullivan et al. 2022 (Int. J. Wildland Fire 31:629-647) опублікував порівняння поширювачів для еукаліптових лісів: Cheney грас-модель випереджає Ротермеля на 25-40% для open eucalypt forests.

Канада 2023, рекордний сезон. Валідація PROMETHEUS на 18,5 млн га спалених площ детально описана у Byrne et al. 2024 (Nature 633:835). Загальна оцінка викидів — 647 ТgC, що порівняно з річними викопними викидами Індії.

Відкриті проблеми і фронтири

Перенос жарин (spotting). Albini 1979 і його наступники моделюють spotting детерміністично через лофт жарин у конвекційному стовпі. Сучасні підходи — стохастичні: Wadhwani et al. 2019 (Int. J. Wildland Fire 28) запропонували Lagrangian particle tracker для жарин з 2D-турбулентною дифузією. Проблема залишається відкритою для крос-валідації між системами.

Перехід у крону. Критерії Van Wagner 1977 і Cruz & Alexander 2010 (Int. J. Wildland Fire) залишаються основними емпіричними правилами. Жодна оперативна система не моделює crown-to-crown пропагацію фізично — це поки задача дослідницьких кодів типу HIGRAD-FIRETEC.

Піроконвекція і піроКНб. Peterson et al. 2018 (J. Geophys. Res.: Atmospheres 123) показав, що піроКНб (pyrocumulonimbus) інжектує дим у нижню стратосферу та може триггерити вторинні ignitions через блискавку. Жодна поточна система не моделює це у двосторонньому режимі — потрібна міжмасштабна інтеграція WRF-Chem + рівень-сет з активною вологою конвекцією.

Урбан-інтерфейс і WUI. Wildland-Urban Interface — окрема фізика з різними паливами (древесні + полімерні матеріали) і різними розмірами розривів (5-50 м замість 100-1000 м у природних паливах). Maranghides & Mell 2011 (Fire Safety J.) запропонував перші підходи. Camp Fire 2018 (Каліфорнія, 85 загиблих) та Lahaina 2023 (Гаваї, 100+ загиблих) показали критичність задачі. WildFiresUA не моделює WUI — але враховує це як зону майбутнього розширення.

Де Україна — і що робить WildFiresUA

Україна не належить до жодної з традиційних національних шкіл валідації. Наш ландшафт — поліські хвойні та мішані ліси, степові масиви чорнозему, торф’яники Полісся та фрагментована аграрна мозаїка. Жодна готова паливна карта (LANDFIRE для США, FirEUrisk для ЄС) не покриває цих умов з потрібною точністю. Перша рецензована національна 30-метрова паливна карта України на основі FBP-кросвоку готується до публікації у Canadian Journal of Forest Research; її розподіл для Київщини — 4,4% C-3 Mature Pine, 6,2% C-5 Red/White Pine, 14,8% D-1 Leafless Aspen, 4,2% сезонно M-1/M-2 Mixedwood, 61% O-1b Standing Grass; для Дніпропетровщини — 79% O-1b.

WildFiresUA використовує ансамбль фізичних моделей: FARSITE з SB40-FBP кросвоком для тактичного моделювання та ELMFIRE як 15-хвилинна оперативна платформа на пілотному масштабі. Зв’язана компонента — WRF на 1 км з одностороннім зв’язком до пожежної моделі, поки не зв’язана у двосторонньому режимі через обчислювальну вартість. Партнерство з ULCO (Франція) дає доступ до MesoNH-ForeFire для післяподійної верифікації; партнерство з ДНУ ім. Олеся Гончара (Дніпро) — для валідаційних експериментів на Дніпропетровщині.

Висновок

Сучасна оперативна fire-spread практика будується на двох рівнях. Перший — фізичний кістяк Ротермеля 1972 з обгортками FARSITE/PROMETHEUS/ELMFIRE, що достатньо точні для 60-80% типових подій і ламаються на вітрових екстремумах. Другий — зв’язані fire-atmosphere системи CAWFE, MesoNH-ForeFire, WRF-Fire, що потрібні для критичних подій з піро-конвекцією та плюмо-домінованою динамікою. Жодна з цих систем не калібрувалася для українських палив до 2024 року. WildFiresUA — частина невеликої міжнародної когорти, що адаптує західні моделі до пострадянського і воєнного ландшафтів, де фрагментарність даних і нестандартні паливні матриці потребують окремої роботи.

Пов’язане читання на yourairtest.com

Українська стартап-екосистема: за матеріалами TechUkraine та AIN.ua — двох провідних видань про український tech, deep tech, climate tech і екологічні стартапи.

Що зробити сьогодні

  1. Перевірити мапу повітря YourAirTest для свого міста — є дані про PM2.5 за останню годину.
  2. Якщо тема ваша — поділитися статтею з колегами-дослідниками. Ми відстежуємо share patterns у Google Search Console.
  3. Якщо ви хочете внести свої дані у наш корпус (sensor measurements, локальні моделі) — пишіть через контакт-форму.

WildFiresUA — наша операційна реалізація цих ідей

Все, що описано вище — це глобальна наукова реальність. WildFiresUA — українська операційна платформа YourAirTest, яка інтегрує цю науку у єдиний сервіс для України. Ми поєднуємо супутникову детекцію (VIIRS + Sentinel-3 + FIRMS), коупльоване WRF+FLEXPART моделювання шлейфу, CALPUFF хімію викидів і population-exposure аналіз — операційно для ДСНС, EcoCity, Arnika, Marzieiev Institute, ULCO Dunkerque, ДНУ ім. Гончара.

Якщо ви — представник civil protection, дослідницької команди, агентства екологічного контролю або потенційний партнер по Horizon Europe — напишіть нам через контактну форму. Демо доступне на інтерактивній карті.

Пов’язане читання — інші наукові огляди

References

  1. Rothermel R.C. (1972). A mathematical model for predicting fire spread in wildland fuels. USDA Forest Service Research Paper INT-115.
  2. Byram G.M. (1959). Combustion of forest fuels. Forest Science 5(2):144-156.
  3. Finney M.A. (1998). FARSITE: Fire Area Simulator — model development and evaluation. USDA RMRS-RP-4.
  4. Scott J.H., Burgan R.E. (2005). Standard fire behavior fuel models. RMRS-GTR-153.
  5. Finney M.A. (2006). An overview of FlamMap fire modeling capabilities. RMRS-RP-30.
  6. Finney M.A. et al. (2011). A simulation of probabilistic wildfire risk components for the continental United States. Fire Ecology 7(3):123-149.
  7. Lautenberger C. (2013). Wildland fire modeling with an Eulerian level set method. 10th IAFSS Symposium pp. 775-788.
  8. USDA FS Missoula Fire Sciences Laboratory. FOFEM documentation.
  9. Reinhardt E.D., Keane R.E., Brown J.K. (1997). First Order Fire Effects Model: FOFEM 4.0. USDA INT-GTR-344.
  10. Lutes D.C. et al. (2009). Validation of FOFEM 5 fuel consumption estimates. Int. J. Wildland Fire.
  11. Coen J.L. et al. (2013). WRF-Fire: Coupled weather-wildland fire modeling. J. Geophys. Res.: Atmospheres 118.
  12. Coen J.L., Schroeder W. (2013). Use of spatially refined satellite remote sensing fire detection data to initialize and evaluate coupled weather-wildfire growth model simulations. J. Appl. Meteorol. Clim.
  13. Filippi J.B. et al. (2018). Coupled atmosphere-wildland fire simulation with MesoNH-ForeFire. Geosci. Model Dev. 11:1019-1041.
  14. Filippi J.B., Morandini F., Balbi J.H., Hill D. (2009). Discrete event front-tracking simulator of a physical fire-spread model. Environ. Model. Softw. 24:330-343.
  15. Hilton J.E. et al. (2018). Curvature effects in the dynamic propagation of wildfires. Environ. Model. Softw. 105:148-160.
  16. Cechet R.P. et al. (2014). FireDST: A bushfire decision support tool. Int. J. Wildland Fire.
  17. Tymstra C. et al. (2010). Development and structure of PROMETHEUS: the Canadian wildland fire growth simulation model. NOR-X-417.
  18. Forestry Canada Fire Danger Group (1992). Development and structure of the Canadian Forest Fire Behavior Prediction System.
  19. Van Wagner C.E. (1977). Conditions for the start and spread of crown fire. Can. J. For. Res. 7:23-34.
  20. Cruz M.G., Alexander M.E. (2010). Assessing crown fire potential in coniferous forests. Int. J. Wildland Fire.
  21. Finney M.A. et al. (2011). A method for ensemble wildland fire simulation. Int. J. Wildland Fire 20:613-624.
  22. Costa P. et al. (2019). Field measurements and modelling of an extreme fire event. J. Geophys. Res.: Atmospheres 124.
  23. Sullivan A.L. et al. (2022). Comparison of fire spread predictions in eucalypt forests. Int. J. Wildland Fire 31:629-647.
  24. Byrne B. et al. (2024). Carbon emissions from the 2023 Canadian wildfires. Nature 633:835-839.
  25. Wadhwani R. et al. (2019). A study of ember dynamics. Int. J. Wildland Fire 28.
  26. Peterson D.A. et al. (2018). Wildfire-driven thunderstorms cause a volcano-like stratospheric injection of smoke. J. Geophys. Res.: Atmospheres 123.
  27. Maranghides A., Mell W.E. (2011). A case study of a community affected by the Witch and Guejito fires. Fire Safety Journal.
  28. Albini F.A. (1979). Spot fire distance from burning trees: a predictive model. USDA INT-GTR-56.
  29. Ghisu T. et al. (2015). An optimal Scott and Burgan fire propagation model. Fire 1(2):23.
  30. CSIRO. SPARK fire spread simulation framework documentation.