CC BY
87
Дендро 2012: перспективы применения древесно-кольцевой информации для целей охраны, воспроизводства и рационального использования древесной растительности
9. Hanninen H., Kellomaki S., Latinen K., Pajari B., Repo T. Effect of increased winter temperature on the onset of height growth of Scots pine: a field test of phonological model. Silva Fennica, Vol. 27, No 4, 1993. pp. 251-257.
10. Hanninen H., Leinonen I., Repo T., Kellomaki S. Overwintering and productivity of Scots pine in a changing climate. Silva Fennica, Vol. 30, No 2-3, 1996. pp. 229-237.
11. Juntilla O. Plant adaptation to temperature and photoperiod. Agriculture and Food Science in Finland. Vol. 5, Num. 3, 1996. pp. 251-260.
12. Leinonen I., Repo T., Hanninen H. testing of frost hardiness models for Pinus sylvestris in natural conditions and elevated temperature. Silva Fennica, Vol. 30, № 2-3, 1996. pp. 159-168.
13. Vomperskiy S.Je. Biologicheskie osnovy lesoosusheniya [Biological basis of leshoosin]. Moscow. Nauka [Science], 1968. 312 p.
14. Orlov A.Ja., Koshel’kov. S.P. Pochvennaya ekologiya sosny [Soil ecology pine]. Moscow. Nauka [Science], 1971. 323 p.
15. Vaganov, E. A., Kachaev A.V. Dendroklimaticheskiy analiz rosta sosny v lesobolotnykh fitotsenozakh Tomskoy oblasti [Dendroclimatic analysis of the growth of pine in the swamp communities of Tomsk region]. Lesovedenie [Forest ecology], 1992. № 6. pp. 3-10.
16. Denisenkov V.P. Osnovy bolotovedeniya [Fundamentals of bolitophagini]. SPb., SPGU [Saint-Petersburg state University], 2000. 224 p.
17. Kuchko, A.A. Snezhnyy pokrov v lesakh zapovednika «Kivach» i ego vliyanie na promerzanie i ottaivanie pochvy [Snow cover in the forests of the reserve «Kivach» and its impact on the freezing and defrosting of the soil. Proceedings of the nature reserve «Kivach»]. Petrozavodsk. Karel’skoe knizhnoe izdatel’stvo [Karelian publishing house], 1969. pp. 159-170.
18. Sutinen M.-L., Ritari A., Holappa T., Kujala K. Seasonal changes in soil temperature and in the frost hardiness of Scots pine (Pinus sylvestris) roots under subarctic conditions. Canadian Journal of Forest Research, Vol. 28, 1998. pp. 946-950.
19. Linderholm H.W. Climatic influence on Scots pine growth on dry and wet soils in the central Scandinavian mountains, interpreted from tree-ring width. Silva Fennica. Vol. 35, Num. 4, 2001. pp . 415-424.
МЕТОД МОДЕЛИРОВАНИЯ РАСПРОСТРАНЕНИЯ НИЗОВОГО ПОЖАРА В ЛЕСНЫХ НАСАЖДЕНИЯХ С ИСПОЛЬЗОВАНИЕМ
АГЕНТНОГО ПОДХОДА
В.Б. КУХТА, соискатель каф. ботаники и физиологии растений МГУЛ
dendro@mgul.ac.ru
ФГБОУ ВПО «Московский государственный университет леса» 141005, Московская обл., г. Мытищи-5, ул. 1-я Институтская, д. 1, МГУЛ
Низовые лесные пожары являются одним из самых серьёзных факторов, негативно влияющих на лесную экосистему и сельское хозяйство. Для принятия действенных превентивных мер и борьбы с этим явлением необходимо применение эффективной математической модели и компьютерной системы моделирования распространения низового лесного пожара. Развитие программных средств, технологий и аппарата имитационного моделирования позволяет предложить новый метод имитационного моделирования распространения низового лесного пожара, основанный на методе агентного моделирования. Это позволит упростить программную реализацию имитационной модели, перейдя от глобального описания всех аспектов функционирования динамической системы к описанию конечного набора правил функционирования нескольких типов программных агентов. Пространство в разработанной компьютерной модели поделено на квадратные ячейки заданного размера, каждая из которых может занимать одно из конечного множества состояний, например: выгоревшая, горящая в данный момент, несгораемая. При перемещении используется соседство Мура, включающее все восемь ячеек дискретного пространства, окружающих занятую агентом область. Таким образом, агенты в системе перемещаются в пространстве с использованием гибридной дискретно-непрерывной пространственной модели, позволяющей добиться большей гибкости и реалистичности моделирования процесса распространения огня (по сравнению с только дискретными моделями клеточных автоматов в сочетании с простотой реализации программной системы и экономией вычислительных ресурсов (по сравнению с математическими моделями, имеющими в своей основе только непрерывную пространственную проекцию). Положение агента в такой пространственной модели определяется как целочисленными координатами дискретной ячейки, занимаемой агентом в данный момент. Разработанный метод моделирования и компьтерную имитационную систему планируется применять для определения параметров распространения лесного низового пожара в лесных насаждениях для разработки комплекса мер по его предотвращению и противодействию.
Ключевые слова: низовые лесные пожары, распространения огня, имитационная система
Низовые лесные пожары являются одним из самых серьезных факторов, негативно влияющих на лесную экосистему и сельское хозяйство. Для принятия действенных превентивных мер и борьбы с этим явлением необходимо применение эффективной мате-
матической модели и компьютерной системы моделирования распространения низового лесного пожара.
В настоящий момент моделирование данного явления производится с использованием нескольких подходов [3]:
92
ЛЕСНОЙ ВЕСТНИК 5/2014
Дендро 2012: перспективы применения древесно-кольцевой информации для целей охраны, воспроизводства и рационального использования древесной растительности
1. Теоретические модели, основывающиеся на выраженных в форме систем дифференциальных уравнений законах термодинамики и газопереноса.
2. Статистические модели, основанные на систематизации эмпирических данных, на основании которых производится прогноз распространения огня с использованием коэффициентов корреляции.
3. Полуэмпирические модели, в которых используются как заданные в виде упрощенных зависимостей общие законы, так и систематизированные экспериментальные данные.
Развитие программных средств, технологий и аппарата имитационного моделирования позволяет предложить новый метод имитационного моделирования распространения низового лесного пожара, основанный на методе агентного моделирования.
Агентное моделирование - метод имитационного моделирования, представляющий эволюцию состояния динамической системы как результат взаимодействия и самоорганизации совокупности автономных агентов [7].
Под агентом понимается программная сущность, обладающая автономным поведением, возможностью взаимодействовать с другими агентами и разделяемой средой в соответствии с некоторым набором правил, а также способностью самостоятельно изменяться [7].
Применение агентного подхода позволяет упростить программную реализацию имитационной модели, перейдя от глобального описания всех аспектов функционирования динамической системы к описанию конечного набора правил функционирования нескольких типов программных агентов[7].
Пространство в разработанной компьютерной модели поделено на квадратные ячейки заданного размера, каждая из которых может занимать одно из конечного множества состояний, например
1. Выгоревшая.
2. Горящая в данный момент.
3. Несгораемая (дорога или водное препятствие).
4. Сгораемая, покрытая одним из конечного множества типов поверхности.
Тип поверхности определяется и задается перед началом моделирования, и в виде относительного коэффициента скорости как функции от состава лесного покрова, относительной влажности, уклона местности и подобных характеристик определяет ускорение или замедление распространения огня в данной ячейке.
При перемещении используется соседство Мура, включающее все восемь ячеек дискретного пространства, окружающих занятую агентом область. Движение в таком соседстве более реалистично, чем в соседстве Фон Неймана, исключающем передвижение по диагонали (рис. 1).
Однако при перемещении по диагонали проходится расстояние, на V2 большее, чем при перемещении в горизонтальном или вертикальном направлении, и эта разница не может быть эффективно учтена в полностью дискретном пространстве. Для увеличения достоверности моделирования в таком случае в модель введена дополнительная непрерывная пространственная проекция.
Таким образом, агенты в системе перемещаются в пространстве с использованием гибридной дискретно-непрерывной пространственной модели, позволяющей добиться большей гибкости и реалистичности моделирования процесса распространения огня (по сравнению с только дискретными моделями клеточных автоматов [5, 6]) в сочетании с простотой реализации программной системы и экономией вычислительных ресурсов (по сравнению с математическими моделями, имеющими в основе только непрерывную пространственную проекцию [1]).
Рис. 1. Соседство Фон Неймана (а) и Мура (б) Fig. 1. Von Neumann neighborhood (a) and Moore (b)
ЛЕСНОЙ ВЕСТНИК 5/2014
93
Дендро 2012: перспективы применения древесно-кольцевой информации для целей охраны, воспроизводства и рационального использования древесной растительности
Положение агента в такой пространственной модели определяется как целочисленными координатами дискретной ячейки, занимаемой агентом в данный момент, так и координатами в непрерывной проекции в формате чисел с плавающей точкой. При передвижении в заданном направлении в такой модели пространства на каждом шаге координаты агента в непрерывной проекции округляются до целого, и, в случае отличия от предыдущего расположения, становятся новыми координатами в дискретной проекции.
Агент, представляющий участок фронта распространения огня, характеризуется следующими параметрами:
1. Текущими координатами в дискретной и непрерывной проекции гибридной пространственной модели.
2. Вектором скорости V = [Ax, Ay}, определяющим смещение агента по осям абсцисс и ординат за один такт выполнения модели.
3. Углом между направлением вектора скорости и осью абсцисс в диапазоне (0, 2п].
Агенты в одном фронте распространения огня образуют структуру двусвязного кольцевого списка - каждый из них хранит ссылки на агентов, принадлежащих этому фронту и располагающихся справа и слева от него. Данные ссылки могут быть пустыми, например, если соседний агент прекратил выполнение при столкновении с несгораемым препятствием.
Совокупность агентов, движущихся из одной точки возгорания, образует общий фронт распространения огня, который характеризуется следующими параметрами:
1. Координатами точки возгорания.
2. Числом тактов выполнения моделирования, прошедших на текущий момент с момента возникновения данного очага возгорания.
3. Скоростью распространения огня за единицу времени для данного типа поверхности, присваиваемой всем новым агентам в данном фронте распространения огня.
Моделирование возникновения и распространения фронта огня в системе происходит следующим образом.
1. Сначала определяется положение декартовой системы координат, в которой создается фронт распространения огня. Ось абсцисс располагается в одинаковом направлении с вектором скорости ветра, ось ординат направлена перпендикулярно вектору скорости ветра.
2. Далее определяются статистические значения скорости распространения огня против ветра (V) поперек ветра (V2) и против ветра (V3) [4].
3. С их использованием определяется форма эллипса с центром в точке F, в виде которого распространяется фронт пожара (рис. 2). Большую ось эллипса составляют исходящие из одной точки и направленные в противоположном направлении вектора скорости распространения огня против ветра и в направлении ветра, а малая ось эллипса по длине равна удвоенной длине вектора скорости огня.
1. Точка возгорания O определяется как точка, из которой исходят направленные в противоположные стороны вектора скорости огня против ветра и в направлении ветра.
Рис. 2. Создание фронта распространения огня Fig. 2. Create the front spread of fire
Рис. 3. Добавление нового агента Fig. 3. Adding a new agent
94
ЛЕСНОЙ ВЕСТНИК 5/2014
Дендро 2012: перспективы применения древесно-кольцевой информации для целей охраны, воспроизводства и рационального использования древесной растительности
Рис. 4. Возникновение очага низового пожара Fig. 4. The appearance of the source ground fire
Рис. 5. Огибание фронтом огня несгораемого препятствия Fig. 5. Rounding front fire fireproof barriers
Рис. 6. Дальнейшее распространение фронта огня Fig. 6. Further spread of the fire front
Рис. 7. Столкновение фронта распространения огня с участком ландшафта, характеризующимся измененной скоростью передвижения огня Fig. 7. Clash of the spread of fire to the front portion of the landscape, characterized by a change rate of movement of fire
Рис. 8. Огибание фронтом огня участка ландшафта Fig. 8. Rounding the front portion of the landscape fire
Рис. 9. Дальнейшее распространение фронта огня Fig. 9. Further spread of the fire front
ЛЕСНОЙ ВЕСТНИК 5/2014
95
Дендро 2012: перспективы применения древесно-кольцевой информации для целей охраны, воспроизводства и рационального использования древесной растительности
2. После этого в точке возгорания создается N компьютерных агентов - элементов фронта распространения огня, с векторами скоростей F направленными в соответствующие точки на поверхности эллипса.
3. Значения векторов скоростей F.= {Дх,Ау} определяются исходя из параметрического уравнения эллипса:
fAx = acos(f)+ /
{Ay = b sin(/) ^ ^
Здесь a и b - значения большой и малой полуосей эллипса соответственно, а f - значение смещения по оси абсцисс, равное разнице значений скоростей распространения огня по ветру и против ветра (V3 _ V:).
Значение N выбирается исходя из требований к точности моделирования и возможностей аппаратного обеспечения - чем оно больше, тем точнее будет обрисовываться эллипс распространения огня, по умолчанию создается восемь агентов.
По мере распространения со временем фронта огня возникает необходимость добавления новых агентов к совокупности уже существующих. Это происходит следующим образом (рис. 3).
1. На каждом такте выполнения модели ячейка между агентами, связанными взаимными ссылками (A, B, C), проверяется на занятость другим агентом. Если она оказывается пустой, то начинает выполняться процедура добавления нового агента (D).
2. Рассчитывается угол вектора скорости относительно оси абсцисс нового агента (у) как средний между углами векторов скоростей существующих агентов (а и Р).
3. Определяются значения вектора скорости нового агента (смещения по оси абсцисс и ординат за один такт выполнения модели) по формуле (1).
4. Для получения текущих координат нового агента полученные значения умножаются на количество тактов выполнения модели, прошедших с начала возникновения фронта распространения огня c точкой возгорания O, к которому принадлежит новый агент. Двусторонние ссылки между агентами обновляются.
Если по мере продвижения агент наталкивается на несгораемое препятствие, то он удаляется из контекста выполнения модели; соседние агенты также удаляются, но в точках, соответствующих их координатам, создаются новые очаги возгорания. Подобный алгоритм позволяет реалистично моделировать процесс обхода препятствий.
Если по мере продвижения агент попадает на сгораемую ячейку, тип поверхности которой (и, соответственно, относительный коэффициент скорости распространения огня) отличается от типа поверхности, на которой был создан его фронт распространения огня, то агент удаляется из контекста выполнения модели, а на его месте создается новый очаг возгорания, характеризующийся новым типом поверхности.
На рисунках отображен процесс моделирования возникновения низового пожара, распространение его под действием ветра и огибание фронтом огня несгораемого препятствия (рис. 4-6).
Также проведено моделирование распространения огня на местности с участком поверхности, где скорость распространения огня отличается от скорости его распространения на всем ландшафте (рис. 7-9).
Разработанная программная система создана с помощью платформы Java и среды агентного моделирования Repast Simphony 2.1. Среда Repast представляет собой открытое, свободно распространяемое средство для создания различных типов агентных имитационных моделей [7].
Разработанный метод моделирования и компьютерную имитационную систему планируется применять для определения параметров распространения лесного низового пожара в лесных насаждениях для разработки комплекса мер по его предотвращению и противодействию.
Библиографический список
1. Мелехов, И.С. Лесная пирология / И.С. Мелехов.
- М.: МЛТИ, 1978-1980, 1982, 1985. Вып. 1-5.
2. Матвеев, П.М., Матвеев А.М. Лесная пирология / П.М. Матвеев, А.М. Матвеев. - Красноярск: СТИ, 1993 - 92 с.
3. Залесов, С.В. Лесная пирология / С.В. Залесов.
- Екатеринбург: УГЛТА, 2006 - 303 с.
96
ЛЕСНОЙ ВЕСТНИК 5/2014
Дендро 2012: перспективы применения древесно-кольцевой информации для целей охраны, воспроизводства и рационального использования древесной растительности
4.
5.
6.
7.
8.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10. 11.
Баровик, Д.В. Состояние, проблемы и результаты компьютерного прогнозирования распространения лесных пожаров / Д.В. Баровик, В.Б. Таранчук. - 2011. Баровик, Д.В. Программный комплекс оперативного моделирования распространения лесных пожаров / Д.В. Баровик, Д.А., Горбацевич, В.Б. Таранчук. - 2010.
Баровик Д.В. Алгоритмические основы построения компьютерной модели прогноза распространения лесных пожаров / Д.В. Баровик, В.Б. Таранчук. - 2011. Рекомендации по обнаружению и тушению лесных пожаров // Сб. организационно-распорядительных документов по охране лесов от пожаров. - М.: Рослесхоз, 1997.-119 с.
Alexandridis A. et al. A cellular automata model for forest fire spread prediction: The case of the wildfire
that swept through Spetses Island in 1990 //Applied Mathematics and Computation. - 2008. - Т 204. -№ . 1. - С. 191-201.
9. Yassemi S., Dragicevic S., Schmidt M. Design and implementation of an integrated GIS-based cellular automata model to characterize forest fire behaviour //Ecological Modelling. - 2008. - Т 210. - № . 1. - С. 71-84.
10. Macal C. M., North M. J. Tutorial on agent-based modeling and simulation //Proceedings of the 37th conference on Winter simulation. - Winter Simulation Conference, 2005. - С. 2-15.
11. Scott J. H., Burgan R. E. Standard fire behavior fuel models: a comprehensive set for use with Rothermel’s surface fire spread model //The Bark Beetles, Fuels, and Fire Bibliography. - 2005. - С. 66.
MODELLING METHOD OF GROUND FIRESSPREADIN FOREST STANDS WITH IMPLEMENTATION OF AGENTBASED APPROACH
Kukhta V.B., Competitor Department. Botany and Plant Physiology MSFU
dendro@mgul.ac.ru
Moscow State Forest University (MSFU), 1st Institutskaya st., 1, 141005, Mytischi, Moscow reg., Russia
Groundfires are one of the most significant factors that have a negative impact on the forest ecosystem and agriculture. Foreffectivepreventivemeasures and protection from them use of efficient mathematical model and computer modelling system of ground fire spread is required. Development of software tools, technologies and simulation modelling device allows to offer a new method of modelling simulation of the ground fire spread based on the method of agent-based model. This will simplify the software implementation of the simulation model, moving from the global description of all the aspects of a dynamical system to the description of a finite set of rules of several types of software agentsfunctioning. The space in the developed computer model is divided into square cells of a given size, each of them may take one of a finite set of states, for example, burnt, burning at the moment, fireproof. When moving use the Moore neighborhood, which includes all eight cells of a discrete space surrounding the areaoccupied by the agent. Thus, the agents in the system move in space using a hybrid discrete-continuous spatial modelallowing to achieve a more flexible and realistic modelling of fire spread process (compared with only discrete cellular automata models in combination with simplicity of the software system implementation and computational resources saving (compared to mathematical models based only on continuous spatial projection). The position of the agent in this spatial model is defined as the integral coordinates of discrete cells occupied by the agent at the moment. The developed method of modeling and computer simulation system will be used for determining the parameters of the groundfires spread in forests for the development of measures for its prevention and counteraction.
Keywords: grassroots forest fires, spread of fire simulation system
References
Melekhov, I.S. Lesnayapirologiya [Forest fire science]. Moscow. MLTI, 1978-1980, 1982, 1985. Vol. 1-5.
Matveev, P.M., Matveev A.M. Lesnaya pirologiya [Forest fire science]. Krasnoyarsk. STI, 1993. 92 p.
Zalesov S.V Lesnaya pirologiya [Forest fire science]. Ekaterinburg. UGLTA, 2006. 303 p.
Barovik D.V., Taranchuk V B. Sostoyanie problemy i rezul’taty komp’yuternogo prognozirovaniya rasprostraneniya lesnykh pozharov [Status of the problem and the results of computer propagation prediction of forest fires]. 2011.
Barovik D.V., Gorbacevich D.A., Taranchuk V.B. Programmnyy kompleks operativnogo modelirovaniya rasprostraneniya lesnykh pozharov [Software complex operational modeling of distribution of forest fires]. 2010.
Barovik D.V., Taranchuk V.B. Algoritmicheskie osnovy postroeniya komp’yuternoy modeli prognoza rasprostraneniya lesnykh pozharov [Algorithmic bases of construction of computer model for predicting the spread of forest fires]. 2011.
Rekomendatsii po obnaruzheniyu i tusheniyu lesnykh pozharov. [Collection of organizational-administrative documents on the protection of forests from fires] Sb. organizatsionno-rasporyaditel’nykh dokumentov po okhrane lesov ot pozharov. Moscow. Rosleshoz [Federal forestry agency], 1997. pp. 119.
Alexandridis A. et al. A cellular automata model for forest fire spread prediction: The case of the wildfire that swept through Spetses Island in 1990. Applied Mathematics and Computation. 2008. Vol. 204. № . 1. pp. 191-201.
Yassemi S., Dragicevic S., Schmidt M. Design and implementation of an integrated GIS-based cellular automata model to characterize forest fire behaviour. Ecological Modelling. 2008. Vol. 210. № . 1. pp. 71-84.
Macal C. M., North M. J. Tutorial on agent-based modeling and simulation. Proceedings of the 37th conference on Winter simulation. - Winter Simulation Conference, 2005. pp. 2-15.
Scott J. H., Burgan R. E. Standard fire behavior fuel models: a comprehensive set for use with Rothermel’s surface fire spread model. The Bark Beetles, Fuels, and Fire Bibliography. 2005. pp. 66.
ЛЕСНОЙ ВЕСТНИК 5/2014
97
