林火行為預測和森林火險預報中氣象場的插值方法

金 森，王曉紅，于宏洲

(東北林業大學 林學院, 黑龍江 哈爾濱 150040)

林火行為預測和森林火險預報中氣象場的插值方法

金 森，王曉紅，于宏洲

(東北林業大學 林學院, 黑龍江 哈爾濱 150040)

介紹了目前在森林火險預報和火行為預測中使用的氣象場插值方法和應用情況。這些方法可以分成直接空間插值和基于過程的降尺度模式法兩類。直接空間插值方法在林火科學中應用的有泰森多邊形法和地形修正的反距離權重法。基于過程的降尺度模式主要有MM5、RSM、MSM、Wind Wizard和WindNinja等。在對比兩類方法的基礎上，提出了對未來相關研究工作的建議：(1）建立小尺度(100米尺度）甚至微尺度(10米級）上的MSM模式，以滿足復雜地形的林火行為模擬需要；(2）提高模式的運行速度，向實時化方向發展；(3）加強過程模式的驗證和在森林防火工作中的應用。

森林火險預報; 林火行為; 氣象場；氣象模型；綜述

準確預測森林火險預和火行為對于做好森林火災預防工作和有效控制森林火災十分必要[1]。火行為模型根據天氣、地形和可燃物三個因素對林火蔓延速度等指標進行預測。森林火險預報系統根據已知條件對森林火災發生的可能性、火行為和控制難易程度進行預測[2-4]。完善的火險預報系統，如美國國家火險等級系統(NFDRS）[5]，不僅考慮天氣條件，還考慮地形和可燃物條件，根據潛在火行為來確定火險等級。三個因子的數據獲取存在很多不確定性。地形、可燃物類型及其理化性質以及氣象要素的空間復雜性，使火險預報和火行為預測的準確性不僅取決于火險和火行為的預測方法或模型的準確性，還取決于這些輸入因子的準確性。準確獲得氣象、地形和可燃物的空間分布信息，更好地反映其分布，可以提高火險預報和火行為預報的準確性，也是林火科學一直關注的問題。

在上述3個因子中，地形是穩定因子，一般通過數字高程模型(DEM)輸入到火險和火行為預測模型中。高程數據可從地形圖數字化得到，也可從遙感影像中通過立體像對運用攝影測量方法獲得[6]，具有較高的準確度，與火險計算方法和火行為模型的不確定性相比，基本能夠滿足需要。可燃物是半穩定因子，同一地段上的可燃物如果沒有外來干擾，年際間變化很小，具有一定的動態變化規律[7]。但可燃物具有強烈的空間異質性，其組成、結構及含水率變化很大[8]。為準確地提供可燃物信息，常將可燃物劃分成若干類型，如美國的可燃物模型[9]，加拿大系統的16個模型[10]和我國的可燃物劃分[11]等。大尺度上可利用遙感圖像獲取可燃物信息，如類型、載量和含水率等[12]。這方面的研究已開展很多，國志興等[13]對可燃物進行了詳細的綜述，包括可燃物模型、可燃物類型圖的制作方法等。雖然相比于地形因素，可燃物信息獲取還存在很大的不確定性，但目前的工作已開展得很充分。

氣象是上述三個因素中最不穩定的因子[2]。影響森林火險和火行為的氣象要素主要是空氣溫度、濕度、風速和風向及降雨等，其中風對火行為的影響更大。氣象要素隨時間和地點時刻變化，受地形和植被條件等影響，不僅在大尺度上具有強烈的空間異質性，在小尺度上也具有強烈的空間異質性。火險預報涉及多個空間尺度，無論從國家尺度到區域尺度，還是縣的區域，面積都很大，涉及到數千平方公里以上大尺度氣象信息的異質性。火行為預測的尺度比火險預報的尺度小，在幾公頃(長度上100米尺度）到數萬公頃或更大。在此尺度上，地形對氣象場的影響，特別是對風速和風向的影響尤為重要。因此，火險預報和火行為預測都需要氣象要素的空間分布數值，即氣象場數據。隨著空間技術的發展。火險預報和火行為預報的尺度日益下降[14]，對空間氣象場的數據需求日益增加。目前無論國內還是國外，氣象站數量都有限，站點密度不足，為進行基于空間差異的火險預報和火行為預報，必須進行氣象數據插值，以獲得空間氣象場數據。進行氣象場插值的方法較多[15]，但目前在森林火險預報和火行為預測中應用的還不是很多，特別是小尺度(百米級）上的氣象場模型還很少。該問題雖然已得到關注，但與地形和可燃物數據相比，其方法還十分有限，還需深入研究。目前在森林火險預報和火行為預測中使用的氣象場插值可以分成直接空間插值和基于過程的降尺度模式法兩類。本研究對這兩類方法進行介紹，對其不足和未來發展方向進行探討，以期為進一步提高森林火險預報和火行為預測的準確性提供參考。

1 直接空間插值法

空間插值的實質是通過已知樣點的數據來估算未知點的數據[16]。直接空間插值方法一般用一個相對簡單的空間分布模型來模擬氣象要素的空間分布，而不是根據大氣物理過程進行降尺度計算。目前插值方法較多，常用的有多項式插值法、泰森多邊形法、反距離權重法、克里金法、樣條函數法等[17-21]。余琦和劉原中[22]將地形因素考慮進來，提出了一種基于高程和距離的權重算法，從而形成了地形修正的反距離權重風場插值方法。

不同的插值方法結果不同[23]，要根據研究域和數據的特征，選擇最優的一種插值方法。李新等[15]對空間插值方法進行比較，同樣指出沒有絕對最優的空間內插方法，必須對數據進行空間探索分析，根據數據的特點，選擇最優方法。封志明等[24]利用反距離加權法和梯度距離反比法，對1961～2000年甘肅省及其周圍85個氣象站點的多年平均溫度與降雨量進行了內插。結果表明，隨著經緯度和海拔高度的不同，兩種插值方法的效果也不同；李軍龍等[16]用對全國及周邊地區2 114個氣象臺(站)30年的年均溫度、年積溫和年降水量，分別采用樣條函數法、反距離加權平方法和普通克里金法進行空間插值分析并進行了比較，結果表明，年均溫度插值時，克里金法法優于樣條函數法，樣條函數法優于反距離加權平方法；年降水量插值時，克里金法優于樣條函數法和反距離加權平方法，年積溫插值時，克里金法優于反距離加權平方法，反距離加權平方法優于樣條函數法。

上述方法主要是應用在地學和氣象學方面[25-27]，但在火險預報和火行為預測研究中也有應用。甄貞等[26]采用泰森多邊形法，以吉林省51個氣象站為基礎數據，進行了氣象數據插值通過火險計算，給出了吉林省森林火險的空間分布情況。趙亮[29]基于余琦和劉原中[22]的地形修正的反距離權重法，通過DEM來獲取地形起伏變化因子，利用ArcMap進行了風場空間插值，用插值風場數據進行了林火蔓延模擬，并與真實風場數據和實際火場數據比較。結果表明，基于地形起伏的風場插值方法對山區風場的模擬更接近實際情況，用該法插值的結果模擬的火場形狀與實際火場更相似。

2 基于過程的降尺度模式

與直接空間插值方法不同，基于過程的降尺度模式是基于大氣物理過程的動力學描述，通過降尺度形成更小尺度上的氣象場數據。這些模式相當于機理模型。這類模型有很多[30-31]，目前在森林火險預報和林火行為預測中應用的主要有以下4個。

2.1 中尺度大氣模式MM5（Mesoscale Model Version 5）

MM5是美國賓夕法尼亞州立大學和國家大氣研究中心(PSU/NCAR)共同開發的第5代區域中尺度數值模式[32]，是目前氣象領域應用最廣泛的中尺度數值天氣預報模型之一。MM5包括5個模塊：地形及地表分類參數處理模塊(TERRAIN)、第一猜測場的形成模塊(DATAGRID)、客觀分析模塊(RAWINS)、初邊值形成及后處理過程模型(INTERP)和預報模型(MM5)[33-37]。該模式引入了非靜力平衡效應，具備描寫較小空間尺度而發展強烈的天氣系統能力，對于局地擾動的生成和發展的描述能力強。并相應減少約束條件，一經發布就贏得世界各國相關學科眾多業務和科研部門科學家的關注，并自發參與到模式系統的進一步開發更新工作中去。目前MM5注冊用戶遍及全球數十個國家，我國是MM5的主要使用國家之一，在氣象、環境、生態、水文等多個學科領域都得到廣泛使用[38-40]。也正是因為其對描寫較小空間尺度上發展強烈的天氣系統的能力和對于局地擾動的生成和發展的描述能力強，而在森林火險預報中得到了應用。

In和Zhong[41]利用MM5模式并結合無線電測風儀來驗證美國國家火險天氣等級指標中Haines指數預測的準確性。Haines指數通過計算大氣的平衡度和干燥度來確定指定區域的火災發生的可能性。一般情況下，干燥不穩定的大氣發生大火的可能性大。該研究比較了由美國東部29個氣象站5個月的氣象數據和用MM5模式模擬的氣象場數據分別計算的兩個Haines指數的吻合情況，分析了MM5模型在火險預報中應用價值。結果表明，在全部4 184個Haines指數中，兩種方法計算結果45%非常吻合，43%較吻合，而剩余的12%則誤差較大，要么顯著提高了火險，要么顯著降低了火險。因此，MM5模式總體上可用來進行森林火險計算中氣象場的插值，但對于一些極端的火險天氣條件的Haines指數還存在很大的不確定性。

Hoadley[42]用MM5模式生成了4 km、12 km、36 km三種不同空間分辨率的2000年的美國Idaho北部和Montana西部的氣象場數據，將此數據輸入到美國國家火險等級系統中計算了各網格點上的火險指標，如能量釋放指標(Energy release index）和燃燒指標(Burning index）等，并與同期的6場森林火災的相應指標進行了比較。結果表明，在4 km的尺度上，根據MM5數據所計算的NFDRS指標與實際火災的指標的誤差最小，而在36 km尺度上平均絕對誤差最大。這表明了MM5模型中對地形的處理方法掩蓋了模型中粗糙地形和邊界層條件中的細小誤差，可用于NFDRS系統的小尺度火險預測，從而提高火險預報的空間分辨率。

2.2 區域譜模式(Regional spectral model,RSM)和中尺度譜模式(Mesoscale spectral model, MSM)

1994年美國國家環境預測中心(NCEP)開發了高分辨率區域光譜模式(the High Resolution Regional Spectral Model， 簡 稱 RMS)。1997年，夏威夷大學、美國國家環境預測中心和國家氣象局預測辦公室共同對對流體靜力學版本的RSM模型進行測試，數據分辨率為10 km，發現RSM在這種分辨率下不能解決復雜的地形問題，模擬結果和實際的觀測值仍然有一定的誤差[43]。2000年NCEP開發了RSM模型的非靜力學版本，又稱中尺度譜模式(Mesoscale Spectral Model，簡稱MSM)。該模型在理想化和真實條件下的模擬效果都較好。MSM模型中的主要數值技術包括光譜計算(spectral computation)、隱式橫向擴散(implicit horizontal diffusion for temperature and humidity(wind) on pressure (sigma) surfaces)、時間濾波器(time filter)、抗干擾的半隱式調節器(semi-implicit adjustment for perturbation)等。當前MSM已被NCEP用于全球氣象預測，降尺度氣象預測模擬時間跨度長達48 h，空間分辨率達到1 km。還可用于季節性的氣候模擬預測及火行為的預報[44]。1 km的空間尺度完全能夠滿足森林火險預報的需求，但對于林火行為預報還有些粗糙。目前該組織正在研究開發200 m尺度的MSM模型。

Chen[45]應用MSM模擬了2000年6月18日發生在美國Troy的一場火災中的風場。圖1顯示了分辨率分別是63 km、10 km、4 km和1 km時的風場分布情況。從中可見，分辨率越高，風速和風向模擬越細致，1 km分辨率的MSM模擬很好地體現了由地形引起的風場變化。MSM適用于大面積林火模擬中小區域高分辨率的氣象場的生成。

2.3 Wind Wizard模型

圖1 用MSM模型模擬的4種分辨率下的風場[45]Fig.1 MSM models of wind fields with four resolutions(a: 63km分辨率; b: 10km分辨率; c: 4km分辨率，d:1km分辨率

Wind Wizard是一個能計算30 m尺度上的風場變化的模型和軟件。Wind Wizard采用計算流體動力學模型(Computational Fluid Dynamics），用電子計算機和離散化的數值方法對流體力學問題進行數值模擬和分析。該模型所需的地形數據從數字高程模型(DEM)中獲取，DEM數據區域要比模擬區面積大20%～30%。需要準確定義緩沖區，以減少模擬區周圍地形對風場可能產生的影響。Wind Wizard輸出的是柵格和矢量形式的風速和風向數據，分辨率一般是30 m～300 m，輸出結果可以創建成一個風場圖(圖2）[46]。

圖2 Wind Wizard生成的風場[46]?Fig.2 Wind field generated by Wind Wizard?圖中白色的線表示火線，風速和風向是由矢量數據來表示的，用箭頭的長度代表了不同的相對風速大小，箭頭的指向代表著不同的風向

Wind Wizard能模擬很小尺度(30 m）上丘陵和山地中中度到強度風流循環的情況，每運行一次大概需要30 min到2 h。其關鍵的假設是風流呈中性的或是近中性的穩定狀態，這在很多情況下得不到滿足。

圖3給出了Weise[46]用MM5、RSM和Wind Wizard等三種模式產生的風場數據和當時的可燃物、地形等信息，利用FARSITE[47]模擬的火場與實際火場的對比情況。從中可見，用這些模式產生的氣象場數據模擬的火場情況與實際情況都有很大的差距。這有模型本身的問題，也有可燃物和氣象場數據不準確的原因。相對而言，使用MM5氣象模型數據模擬的火場與實際火場重疊的面積最大。

2.4 WindNinja模型

WindNinja主要用于模擬微尺度下地形對風的影響。模型用表面熱通量、至山脊頂部或山谷底部的距離、坡度角、表面和夾帶的阻力參數等來計算地形風，采用基于數字高程模型的單點風場模擬。根據單個已知風速點進行整個區域的模擬。它需要的數據有:建模區的高程數據、起主導作用的初始的風速和風向數據、主要植物類型數據。在WindNinja中日間坡度動力學模型可以由用戶開啟或關閉。該模型輸出的是風速風向的ASCII碼格式的柵格數據、ArcGIS的shp文件和kmz文件。這些文件可用于空間火行為模型，如FARSITE和FlamMap[49]等。其結果可在GIS程序中測繪風矢量，以及在Google Earth中瀏覽。WindNinja模擬的區域可達到50 km×50 km，空間分辨率可達100 m。

2009年，WindNinja中加入了微氣象模型和坡度動力學模型來估測大氣穩定性等新特性，以減少假設條件，增加其適用性[50]。為了驗證加入了新模型的WindNinja模擬的風場對火蔓延模擬的準確性，Forthofer將WindNinja生成的風場數據作為輸入數據應用在FARSITE火蔓延模型中，在模擬中假設試驗區的可燃物類型相同，氣象場中除了風場以外的數據都是恒定的，以保證風場是模擬中唯一變化的參數，從而準確確定WindNinja模擬的風場對林火蔓延模擬的影響情況。結果表明，加入了微氣象模型和坡度動力學模型的WindNinja較之前的版本模擬的更加準確。WindNinja的優點是計算速度較快，根據硬件和模擬配置的不同大概需要8～45 s，并且加入了坡度動力學模型，對大氣流動速度沒有要求。相對于WindWizard，WindNinja更加適合模擬弱風，特別是受坡度影響明顯的風場。

圖3 基于不同風場模型模擬的2006年10月26日8點Esperanza模擬火場與實際火場的對比情況[48]?Fig.3 Actual and simulated fire line locations at approximately at 08∶00 26 Oct. 2006 for the Esperanza Fire based on different wind field model?點代表空間網格的密度火場I是由FireMapper生成的火線圖；II、Ⅲ、Ⅳ分別是由MM5模型、RSM模型和Wind Wizard生成不同的氣象數據模擬的火蔓延情況

3 結 語

在現有的兩類氣象場插值方法中，直接空間插值法方法簡單，對計算能力的要求不高，只要數據條件允許，可以建立任意空間尺度的氣象場數據。但由于是基于對氣象空間分布的簡單模擬，模型過于簡化，往往不能完全反映氣象要素在空間上的異質性，特別是對于森林火險和林火行為預測中十分關鍵的風速和風向的插值誤差較大。基于過程的降尺度模式是基于大氣物理過程，對氣象要素空間變異的描述更科學，但對計算能力要求高，一般需大量的計算時間，難以實現實時計算。同時在尺度上目前較為廣泛接受的是MM5和RSM、MSM模式，但這些模式的最小尺度是1 km，能夠滿足森林火險等級的計算，但不能滿足火行為模擬的需要。而微尺度(30 m）的氣象場模型，如Wind Wizard等的一些假設并不總是能夠滿足，因此，限制了這些模型的應用。

建議今后加強以下三個方面的工作：

（1）建立小尺度(100尺度）甚至微尺度(10米級）上的MSM模式，以滿足復雜地形的林火行為模擬需要。目前200 m尺度上的MSM模式正在研究中(個人通訊）。

（2）提高模式的運行速度，向實時化方向發展。目前的計算機運算速度已得到很快發展，早期需要多臺計算機并行計算的工作，現在只要一臺高性能工作站就能實現，考慮到未來云計算等計算技術的發展，計算能力的限制可能不再是制約瓶頸。

（3）加強過程模式的驗證和在森林防火工作中的應用。對于我國而言，MSM已被引進，但有關該模式的驗證工作還需深入開展，在此基礎上，將其應用到氣象場模擬上，以提高我國森林火險預報和林火行為預測的準確性。

[1] 張 朝,陳潔余,單圣滌,等.森林火災撲救人員調度關鍵問題的研究[J].中南林業科技大學學報,2011,31(4):56-61.

[2] 譚三清,張 貴,劉大鵬.基于灰色關聯度分析的森林火災危害程度及相關因子研究[J].中南林業科技大學學報，2010,30(4):135-138.

[3] 鄭煥能,牛樹奎,劉艷紅,等.森林防火[M].哈爾濱:東北林業大學出版社, 1992.

[4] 閆 厚.森林火險等級預報系統的開發[J].林業資源管理,2001,(3):69-72.

[5] Deeming J E, Burgan R E, Cohen JD. The national fire danger rating system 1978.USDA For .Serv. Intermountain Forest and Range Experiment Station Ogden,Utah, 1977,56- 61,63.

[6] 王明玉. 基于地理信息系統的森林火災撲救輔助決策系統建設. 哈爾濱:東北林業大學, 2002.

[7] 胡海清. 林火生態與管理[M]. 北京:中國林業出版社, 2005.[8] 高國平, 周志權, 王忠友. 森林可燃物研究綜述[J]. 遼寧林業科技, 1998,(4):34- 37.

[9] Cohen J D, Deeming J E. The National Fire Danger Rating System: Basic equations[J]. Pacific Southwest Forest and Range Experiment Station,1985.

[10] Van Wagner C E.Development and Structure of the Canadian Forest Fire Behavior Prediction System[J].Forestry Canada,Forestry Canada Fire Danger Group,1992.

[11] 鄭煥能.林火生態[M].哈爾濱:東北林業大學出版社,1988.

[12] 金 森.遙感估測森林可燃物載量的研究進展[J],林業科學，2006,42(12):63-67.

[13] 國志興,鐘興春,方偉華,等.野火蔓延災害風險評估研究進展[J].地理科學進展,2010,7(7):778-788.

[14] 王麗濤,王世新,喬德軍,等.火險等級評估方法與應用分析[J].地球信息科學,2008,10(5):578-585.

[15] 李 新,程國棟,盧 玲.空間內插方法比較[J].地球科學進展,2000,15(3):260-265.

[16] 李軍龍,張 劍,張 叢,等.氣象要素空間插值方法的比較分析[J].草業科學,2006,(8):6-11.

[17] 林忠輝,莫興國,李宏軒,等.中國陸地區域氣象要素的空間插值[J].地理學報,2002,57(1):47-56.

[18] Ashraf M, Lottis J C, Hubbard K G. Application of geostatistics to evaluate partial station networks. Agricultural and Forest Meteorology,1997,84:225-27l.

[19] Gottschalk L, Batchvarova E, Gryning SE, et al. Scale aggregation—comparison of flux estimates from NOPEX[J].Agricultural and Forest Meteorology,1999,98-99:103-119.

[20] Nalder IA,Wein RW.Spatial interpolation of elimata normals: test of a Hew method in the Canadian boreal forest[J].Agricultural and Forest Meteorology,1998,92:211-225.

[21] Price D T, Mckenney D W, Nalder I A, et al.A comparison of two statistical methods for spatial interpolation of Canadian monthly mean climate data[J].Agricultural and Forest Meteorology,2000,101:81-94.

[22] 余 琦,劉原中.復雜地形上的風場內插方法[J].輻射防護，2001,21(4):213-218.

[23] 金 君,彭思嶺,劉啟亮,等.中國陸地區域氣象要素空間插值方法比較研究[J].工程勘察,2010,(11):48-51.

[24] 封志明,楊艷昭,丁曉強,等.氣象要素空間插值方法優化[J].地理研究,2004,5(3):357-364.

[25] 吳春發,李 星.地質模擬中數據插值方法的應用[J].地理信息科學,2004,6(2):50-52.

[26] 周小文,付 暉,吳昌瑜.地層特性隨機場插值方法應用研究[J].巖土力學,2005,2(2):221-224.

[27] 王喜峰,周祖昊,賈仰文,等.幾何插值法在大尺度長系列降雨插值中的比較和改進[J].水電能源科學,2010,12(12):1-3.

[28] 甄 貞,趙穎慧,李鳳日.基于GIS森林火險等級預報系統數據處理技術[J].東北林業大學學報,2009,37(11):113-117．

[29] 趙 亮,劉鵬舉,周宇飛.復雜地形下風場插值與林火蔓延模擬應用研究[J].北京林業大學學報,2010,7(4):12-16.

[30] 李元鵬,趙逸舟,辛 渝,等.利用RegCM3模式模擬新疆區域氣候[J].安徽農業科學,2010,38(23):12604-12607.

[31] 湯劍平,趙 鳴,蘇炳凱,等.MM5BATS對東亞夏季氣候及其變化的模擬試驗[J].高原氣象, 2005,24 (1):28-37.

[32] 張金善,鐘 中,黃 瑾.中尺度大氣模式MM5簡介[J].海洋學報,2005,22(1):31-40.

[33] 王勁松,張 華,李耀輝.第五代 PSU/ NCAR中尺度模式系統(MM5)介紹I:地形及地表分類參數處理(TERRAIN 模塊)[J].甘肅氣象,2000,18(2):4-9.

[34] 李耀輝,王勁松,張 華.第五代PSU/NCAR中尺度模式(MM5)介紹Ⅱ:第一猜測場的形成(DATAGRID 模塊)[J].甘肅氣象,2000,18(3):7-11.

[35] 李耀輝,張 華,王勁松.第五代PSU/NCAR中尺度模式(MM5)介紹Ⅲ:客觀分析(RAWINS模塊)[J].甘肅氣象，2000,18(3):12-16.

[36] 王勁松,張 華,李耀輝.第五代 PSU/ NCAR中尺度模式系統(MM5)介紹I:地形及地表分類參數處理(TERRAIN 模塊)[J].甘肅氣象,2000,18(2):4-9.

[37] 張 華,李耀輝,王勁松.第五代PSU/ NCAR中尺度模式系統(MM5)介紹V:預報模式(MM5 模塊)[J].甘肅氣象，2000,18(4):6-14.

[38] 李兆芹,姚克敏.MM5在農業氣象和城市氣象中的應用現狀與前景[J].氣象教育與科技,2003,25(3):1-6.

[39] 李兆芹.基于中尺度數值預報模式(MM5)的城市環境氣象開發[D].南京:南京氣象學院,2004.

[40] 焦 林,張永剛.基于中尺度模式 MM5下的海洋蒸發波導預報研究[J].氣象學報,2009,67(3):382–387.

[41] In H J, Zhong S Y.Validation of the Haines Index predicted from real-time high-resolution MM5 forecasts using rawinsonde observations over the eastern half of the USA[J].International Journal of Wildland Fire, 2005,14:233-244.

[42] Hoadley J L,Rorig M L,Bradshaw L, et al. Evaluation of MM5 model resolution when applied to prediction of National Fire Danger Rating indexes[J].International Journal of Wildland Fire,2006,15,147–154.

[43] Juang H M. HENR Y. The NCEP Mesoscale Spectral Model:A Revised Version of the Nonhydrostatic Regional Spectral Model[J].Monthly weather review,2000,128:2329-2362.

[44] Chen Y L, Zhang Y X, Hong S Y. Validations of the NECP MSM coupled with the noah LSM over the Hawaiian island[J].Florida,2003.(http : //ams.confex.com)

[45] Chen S Q.Fire prevention decision system research and development of the meteorological support[J].Harbin: Northeast Forestry University,2010.

[46] Butler B W,Finney M A, Bradshaw L.Wind Wizard: A New Tool for Fire Management Decision Support[J].USDA Forest Service Proceedings,2006,787-796.

[47] Weise D R, Chen S C, Riggan P J, et al. Using high-resolution weather data to predict fire spread using the FARSITE simulator—A case study in Californla chaparral. Seventh Symposium on Fire and Forest Meteorology Session 8 Fire Behavior[J],Spread and Emissions Impacts,2007,1-10.

[48] Finney M A,Andrews P L.FARSITE—A program for fire growth simulation[J].Fire Management,1999,(2):12-15.

[49] Finney M A. FlamMap: Fire Behavior Mapping and Analysis model[DB/OL]. 2003. http: //fire.org/.

[50] Forthofer J, Shannon K, Butler B. Simulating diurnally driven slope winds with WindNinja[C] // In Proceedings of 8th Symposium on Fire and Forest Meteorological Society. Kalispell,Montana, 2009.

A review on weather data interpolation methods used in forest fire danger forecast and behavior modelling

JIN Sen, WANG Xiao-hong, YU Hong-zhou
(College of Forestry, Northeast Forestry University, Harbin 150040, Heilongjiang, China)

∶ Methods for weather data interpolation currently used in forest fire danger rating and behavior modeling were reviewed. The methods can be classified into two groups: one is the direct spatial interpolation, the other is the process-based downscale model. The former includes two methods (Thiessen polygon method and Inverse distance weighted method). The latter consists of MM5 model,Regional spectral model (RSM), mesoscale spectral model (MSM), Wind Wizard and WindNinja. Based on the comparison of the two kinds of methods, the suggestions for further working were put forward as followings: (1) to establish MSM model with small scale (100 meters) and micro sacle (10 m) to satisfy the need for fire behavior modeling in complicated topography; (2) to fasten computation speed to realize real-time prediction; and (3) to conduct more validation of these models and to apply them in forest fire prevention.

forest fire danger forecast; fire behavior forecast; weather field; weather forecast model; review

S762.2

A

1673-923X (2012)06-0001-07

2012-04-24

林業公益性行業科研專項（200804002）；教育部新世紀優秀人才支持計劃項目（NCET-10-0278）

金 森（1970—），男，博士，教授，主要從事森林防火研究；E-mail：jinsen2005@126.com

[本文編校：文鳳鳴]