CC BY
50
dr hab. inz. Tadeusz MACIAK
Wydzial Informatyki Politechnika Bialostocka
MODELOWANIE POZARU LASU. cz. III. MODELE PALIWOWE.
Forest fire modelling. Part III. Fuel models.
Streszczenie
Jakosc przeprowadzonej symulacji rozwoju pozaru kompleksu lesnego zalezy mi?dzy innymi od wprowadzonych do systemu parametrow paliwa podlegaj^cego procesowi spalania. Warunki spalania paliwa s^. z reguly skomplikowane i trudne do opisania od strony matematycznej. Paliwo sklada si? z zywej i martwej roslinnosci o okreslonych wymiarach fizycznych. St^d tez istotnym jest sklasyfikowanie obszarow lesnych pod k^tem reprezentowanego paliwa, ktore ulega spalaniu w trakcie pozaru lasu. Precyzyjne dane tego typu s^ konieczne jako dane wejsciowe do oprogramowania symulacyjnego rozprzestrzeniania si? pozaru. W pracy przedstawiono popularne modele paliwowe uzywane do symulacji rozwoju pozaru obszarow lesnych w wybranych rejonach swiata, miedzy innymi w USA, Kanadzie, Australii i Europie. Zaprezentowano rowniez polsk^. klasyfikacj? paliw obszarow lesnych wykonan^. w Instytucie Lesnictwa. Kazdy z przedstawionych rejonow charakteryzuje si? specyficznymi warunkami klimatycznymi. Warunki klimatyczne okreslaj^. szat? roslinn^. i narzucaj^. parametry wyst?puj^cych na danym terenie modeli paliw ulegaj^cych zjawisku pozaru. Ze wzgl?du na duze zaawansowanie prac nad tematyk^. rozwoju pozaru kompleksow lesnych w Stanach Zjednoczonych, zwrocono szczegoln^. uwag? na klasyfikacj? paliw obowi^zuj^c^. w tym kraju. W wielu obszarach naszego globu lez^cych w roznych strefach klimatycznych probowano adoptowac do lokalnych warunkow istniej^ce w USA modele matematyczne rozwoju pozaru. Ma to zwi^zek z wysokim poziomem zaawansowania badan w rozwazanej dziedzinie jak i mozliwosciami posluzenia si? bezplatnym oprogramowaniem dost?pnym na stronach internetowych Urz?du Lesnego Ministerstwa Rolnictwa USA. Mozliwosc posluzenia si? bezplatnym oprogramowaniem stanowi duz^. zach?t? do sprawdzenia mozliwosci przeniesienia dotychczasowego dorobku klasyfikacji paliw i oprogramowania symuhjcego rozwoj pozaru kompleksow lesnych w USA rowniez na grunt polski. W zaprezentowanych dotychczas pracach pokazano mozliwosc takiego dzialania, podejmuj^c prob? dopasowania modelu paliw wyst?puj^cy w naszych lasach do danych amerykanskich.
Summary
The quality of the simulation carried out a complex of forest fire development depends inter alia on the parameters entered into the system subject to the fuel combustion process. Terms of fuel combustion are usually complicated and difficult to describe the mathematical side. The fuel consists of living and dead vegetation on
certain physical dimensions. Hence, it is important to classify forest areas represented in terms of fuel that is burned during a forest fire. Precise data of this type are required as input to simulation software spread of fire. The paper presents the popular models used to simulate a fuel fire forest development in selected areas of the world, among others in the U.S., Canada, Australia and Europe. Also presented Polish forest fuel classification done at the Institute of Forestry. Each of the regions characterized by specific climatic conditions. Climatic conditions determine vegetation and dictate the parameters occurring in the area of fuel models are susceptible to the phenomenon of fire. Due to the large progress on the issues of development of forest fires in the United States, particular attention is paid to the classification of fuels in force in this country. In many areas of the globe lying in different climatic zones have tried to adopt to local conditions existing in the U.S. development of mathematical models of fire. This is linked with high levels of advanced research in the field under consideration and the potential use of a free software available on the website of the Department of Agriculture Forest Service USA. The possibility of the use of a free software is a big incentive to check the possibility of transferring the existing achievements of classification of fuels and software that simulates the development of forest fires in the U.S. also on the Polish ground. In previously presented work shows the possibility of such action, in an attempt to fit the model of fuel found in our forests to the U.S. data.
Slowa kluczowe: modele paliwowe, modelowanie pozaru lasu;
Keywords: fuel models, forest fire modeling;
l.Wst^p
Pozary kompleksow lesnych stanowi^. glowny problem srodowiska naturalnego w szerokim zakresie ekosystemow swiata. W niektorych przypadkach mog^. one stac si? istotn^. przyczyn^. degradacji ziemi. St^d tez od kilkudziesi?ciu lat pracuje si? nad sposobami modelowania i symulacji pozaru lasu w celu ograniczenia strat, oraz opracowywania jak najdokladniejszych strategii walki z zywiolem.
W poprzednich publikacjach przedstawiono wybrane modele matematyczne pozaru lasu oraz zaprezentowano oprogramowanie sluz^ce do symulacji rozwoju pozarow [1,2]. Przykladowa symulacja pozaru lasu zostala wykonana w wykorzystywanym przez Urz^d Lesny Ministerstwa Rolnictwa USA programie FARSITE. Dotyczyla ona rozprzestrzeniania si? pozaru roslinnosci w wybranym kompleksie lesnym w poblizu Nowogrodu [2]. Do przetwarzania danych geoprzestrzennych uzyto programu GRASS.
Jakosc symulacji w oczywisty sposob zalezy od jakosci wprowadzonych danych wejsciowych. Jednym z takich obszarow krytycznych danych wejsciowych jest wiedza
o paliwie. Warunki spalania paliwa s^. z reguly skomplikowane i trudne do opisania. Spalaj^ce si? paliwo sklada si? z zywej i martwej roslinnosci o okreslonych wymiarach fizycznych. St^d
tez istotnym jest sklasyfikowanie obszarów lesnych pod k^tem reprezentowanego paliwa, które ulega spalaniu w trakcie pozaru lasu. Precyzyjne dane tego typu s^. konieczne jako dane wejsciowe do wszelkiego typu oprogramowania symulacyjnego rozprzestrzeniania siç pozaru.
W pracy przedstawiono obecnie obowi^zuj^c^ klasyfikacjç paliw w wybranych rejonach swiata uwzglçdniaj^c równiez polska klasyfikacjç paliw. Ze wzglçdu na duze zaawansowanie prac nad t^ tematyk^. w Stanach Zjednoczonych, zwrócono szczególn^. uwagç na klasyfikacjç paliw obowi^zuj^c^ w tym kraju. Ze stron internetowych Urzçdu Lesnego Ministerstwa Rolnictwa USA mozna pobrac bezplatne oprogramowanie do symulacji zachowania siç ognia w kompleksach lesnych. Oprogramowanie to bazuje na wykorzystaniu modelu rozprzestrzeniania siç pozaru w paliwach roslinnych Rothermela [3]. Mozliwosc posluzenia siç zaawansowanym i bezplatnym oprogramowaniem stanowi powazn^. zachçtç do sprawdzenia mozliwosci przeniesienia dotychczasowego dorobku klasyfikacji paliw i oprogramowania symuluj^cego rozwój pozaru kompleksów lesnych w USA na grunt polski. St^d tez w rozdziale 3 artykulu zaprezentowano modele paliwowe Rothermela, a w rozdziale 4 przedstawiono prób$ zaadoptowania istniej^cych modeli paliw do warunków polskich.
2. Modele rozwoju pozaru i klasyfikacji rodzajów paliwa
2.1. Terminologia
Nieprecyzyjne uzycie niektórych terminów dotycz^cych paliw lesnych jest czçsto powodem zamieszania i nieporozumienia. Charakterystyki paliwa s^. okreslone w odniesieniu do cech fizycznych biomasy zywej i martwej, które przyczyniaj^ siç do intensywnosc i rozwoju ognia. Okresla siç obci^zenie (ciçzar paliwa na jednostkç powierzchni), wielkosc biomasy (srednica cz^stek) oraz gçstosc objçtosciow^. (masa paliwa na jednostkç objçtosci).
Poniewaz trudno jest opisac wszystkie cechy fizyczne paliw, opis ich wlasciwosci jest zwi^zany z ocen^ zagrozenia pozarowego i mozliwosciami rozprzestrzeniania siç ognia na danym obszarze. Opis paliw bazuje na systemach klasyfikacji, które l^cz^ cechy duzych grup roslinnosci. Grupy takie s^. nazywane zazwyczaj typami paliwa [4]. Dokladniej, typy paliwa zdefiniowano jako ''zidentyfikowane pol^czenie elementów paliwowych charakterystycznych gatunków, podobnych form^, ukladem wielkosci oraz ci^glosci, które wykazuj^. typowe zachowania siç ognia w okreslonych warunkach spalania'' [5].
Modelem paliwowym mozna okreslic matematyczn^. reprezentacjç pewnych parametrów wybranego typu roslinnosci (potencjalnego paliwa), np. pokrywy gleby lasu. Parametry opisane w modelu paliwowym dla danej formacji roslinnej s^. wykorzystywane
jako dane wejsciowe do obliczania wspólczynnika rozprzestrzeniania siç ognia w odpowiednim modelu pozaru. Uzycie terminu model pozaru oznacza okreslenie zaleznosci matematycznych, które opisuj^ charakterystykç potencjalnego pozaru. Tak wiçc model paliwa jest numerycznym opisem parametrów fizycznych charakteryzuj^cych kazdy rodzaj paliwa. Rodzaje paliwa mog3 byc podobne w róznych ekosystemach, ale modele paliwowe wykorzystuj3.ce dane rodzaje paliwa mog3 byc rózne.
Modele rozwoju pozaru mog3 byc szczególnie uzyteczne jesli s3 zintegrowane z systemami podejmowania decyzji. Mozna tu przytoczyc istniej3.ce i uzywane w USA oprogramowanie BEHAVE (Fire behavior prediction and fuel modeling system) oraz FARSITE (Fire area simulator). Oba oprogramowania s3 systemami wspomagania decyzji bazuj^cymi na tych samych modelach matematycznych. Nieco inny jest tylko sposób wprowadzania i wyprowadzania informacji. Oprogramowanie FARSITE bazuje na danych podawanych w Systemie Informacji Geograficznej (Geographical Information Systems - GIS) a BEHAVE na odpowiednio przygotowanych danych w postaci tabelarycznej.
2.2. Modele rozprzestrzeniania siç pozaru i klasyfikacja modeli paliwowych
2.2.1. Modele rozprzestrzeniania siç pozaru stosowane w USA
Jednym z najczçsciej stosowanych modeli rozprzestrzeniania siç pozaru jest model Rothermela opracowany w roku 1972 [З], Model opisuje od strony matematycznej rozprzestrzenianie siç pozaru w przestrzeni paliw powierzchni. Model ten jest podstaw^ dla wielu systemów wspomagania decyzji stosowanych w instytucjach rz^dowych USA takich jak NFDRS (National Fire Danger Rating System) i NFMAS (National Fire Management Analysis System) oraz wspomnianym juz oprogramowaniu FARSITE i BECHAVE. System NFDRS jest systemem ostrzegaj^cym przed pozarami. Jest to w zasadzie sezonowy system pogodowy. Warunki pogodowe wraz z modelami paliwa s3 uzywane do przewidywania z dnia na dzien potencjalnego zagrozenia pozarowego ognia na duzych obszarach kraju. Pocz^tkowo okreslono w nim 9 typów paliwowych, które w kolejnych latach rozszerzono do 20.
Oprogramowanie BEHAVE uzywa innej klasyfikacji typów paliwa, znanej jako NFFL (Northern Forest Fire Laboratory) lub okreslanej po prostu jako typy paliw Behave. Wyróznia siç tutaj 1З rodzajów paliwa okreslonego na podstawie pierwotnego charakteru paliw powierzchni [6]. W uzupelnieniu do 1З standardowych rodzajów paliwa, istnieje tu mozliwosc okreslenia wlasnych typów paliwa.
Oprogramowanie FARSITE operuje tymi samymi co NFFL typami paliwa opracowanymi dla systemu BEHAVE. Wl^cza sie tu do analizy obok pozaru paliw
powierzchni równiez rozprzestrzenianie siç ognia poprzez korony drzew. Ponadto do przeprowadzenia symulacji konkretnego pozaru lasu potrzebne s3 dane przestrzenne okreslaj3.ce topografiç terenu. Dodatkowo konieczne jest wczytanie danych opisuj^cych pogodç, wilgotnosc i wiatry wystçpuj^ce w danym momencie. Wszystkie wczytane warstwy danych tworz^ srodowisko, w którym przeprowadzana jest symulacja pozaru.
Najnowszym systemem klasyfikacji paliw w Stanach Zjednoczonych jest system FCC (Fuel Characteristics Classification System). Umozliwia on uzytkownikom na tworzenie wlasnych katalogów obszarów paliwowych i klasyfikowania ich zgodnie z ich mozliwosciami podtrzymywania ognia i konsumpj paliwa [7]. System FCC definiuje obszary paliwowe jako stosunkowo jednorodne jednostki krajobrazowe stanowi^ce unikalne srodowisko spalania. Model dzieli obszar paliwowy na szesc poziomych warstw. Kazda warstwa (korony drzew, krzewy, niska roslinnosc, paliwa drewniane, smieci i paliwa podloza) podzielona jest na dwie lub wiçcej kategorii, które wskazuj^ na wspólne cechy spalania. System pozwala na tworzenie i modyfikowanie warstw przestrzennych danych, wnioskowanie ilosciowe na podstawie charakterystyki paliwa (jego fizycznych, chemicznych i strukturalnych wlasciwosci) oraz okreslanie prawdopodobnych parametrów rozwoju pozaru dla kazdego opisanego srodowiska paliwowego. Ponadto zawiera oznakowanie paliwa zgodnie z systemem NFFL i NFDRS.
2.2.2. Modele rozprzestrzeniania siç pozaru stosowane w Australii
Istnieje kilka systemów wspomagania decyzji uzywanych w Australii przez rózne stany jak równiez przez prywatne agencje zarz^dzania gruntami i koordynuj^ce zabezpieczenie przeciwpozarowe terenów wiejskich. Uzywane s3 na szerok^ skalç systemy okreslaj3.ce zagrozenie pozarowe tzw. Forest McArthur Fire Danger Rating System i McArthur Grassland Fire Danger Rating System. Systemy te zostaly opracowane przez Alana McArthur w latach 60-tych XX wieku [8,9]. Na podstawie nomogramów skonstruowanych w USA opracowal ruchome nomogramy do oceny zagrozenia pozarowego roslinnosci lasów ausralijskich. Nomogramy wskazuj^ na prawdopodobienstwo zaplonu roslinnosci w zaleznosci od temperatury, wzglçdnej wilgotnosci i prçdkosci wiatru. S3 one uzywane do zasygnalizowania niebezpieczenstwa pozaru na duzych obszarach lesnych. W kolejnych latach algorytmy uzyte we wskaznikach zostaly przetransformowane do uzycia w maszynach cyfrowych [10,11].
W Zachodniej Australii rozpowszechnione s3 tablice zagrozen pozarowych uwzglçdniaj^ce dwa typy paliw okreslaj^cych dane drzewostanu eukaliptusowego [12].
2.2.3. Modele rozprzestrzeniania siç pozaru stosowane w Kanadzie
Systemy wspomagania decyzji w Kanadzie zostaly opracowane na podstawie analizy pozarów, ale stosuje siç je do wszystkich roslin i s3 bardziej kompleksowe niz w Australii. Obecna forma kanadyjskiego systemu bezpieczenstwa przeciwpozarowego obszarów lesnych CFFDRS (Forest Fire Danger Rating System) sklada siç z dwóch glównych podsystemów, które s3 wykorzystywane szeroko w tym kraju. Pierwszy z nich jest systemem pogodowym FWI (Canadian Fire Weather Index System) [13,14], natomiast drugi FBP (Canadian Fire Behaviour Prediction System) sluzy do symulacji rozprzestrzeniania siç pozaru. System FBP bazuje na prostych modelach matematycznych i jest skonstruowany w oparciu o modele fizyczne i eksperymentalne. W tym systemie paliwa s3 podzielone na piçc glównych duzych grup (iglaste, lisciaste, drzewa mieszane, drewnica zrçbowa i trawy), z ogólnej liczby 16 odrçbnych typów paliwa [15].
2.2.4. Modele rozprzestrzeniania siç pozaru stosowane w Europie
W Europie brakuje jednolitego sytemu okreslania zagrozenia pozarowego. Zróznicowany klimat i uksztaltowanie terenu w Europie wplywa na to, ze istnieje tu niezwykle duza rozmaitosc roslinnosci. Natomiast w poszczególnych krajach opracowano i wdrozono systemy, które s3 adekwatne do danych warunków klimatycznych. W krajach sródziemnomorskich istnieje system klasyfikacji paliwa o nazwie Prometheus. System ten upraszcza i dostosowuje system amerykanskiej klasyfikacji NFFL do warunków Morza Sródziemnego. Glównym kryterium klasyfikacji paliwa w tym systemie jest rodzaj i wysokosc roslinnosci [16,17]. W sumie system klasyfikacji sklada siç z siedmiu rodzajów paliw.
Pozostale kraje europejskie, które maj3 inne warunki pogodowe niz sródziemnomorskie, opracowaly swoje wlasne systemy klasyfikacji paliwa. Na przyklad w Szwajcarii, dostosowano do Alp szwajcarskich amerykansk^ wersjç modeli paliwowych [18]. Podobnie w Anglii [19] i Portugalii [20] powstaly wlasne systemy paliwowe.
Poniewaz pozary lasów i terenów niezagospodarowanych s3 powaznym problemem w krajach Unii Europejskiej (jak pokazano szczególnie dotyczy to krajów lez^cych na poludniu Europy), zdecydowano o utworzeniu Europejskiego Systemu Informacji o Pozarach Lasu (European Forest Fire Information System - EFFIS). W ramach tego systemu funkcjonuje podsystem zagrozenia pozarowego lasów Europy (European Forest Fire Risk Forecasting System - EFFRFS). Podsystem ten zostal opracowany jako jednolita platforma wspólnego systemu oceny zagrozenia pozarowego dla krajów wspólnoty europejskiej.
Ustalanie zagrozenia pozarowego dokonuje siç codziennie w sezonie wystçpowania pozarów. Ocena wyst^pienia pozaru odbywa siç na podstawie szesciu róznych metod okreslenia zagrozenia pozarowego: portugalskiej, hiszpanskiej, francuskiej, wloskiej i kanadyjskiej. Dane meteorologiczne pochodz^ z Meteo-France. Uzyskane s3 one za pomoc^ Modelu Cyrkulacji Globalnej (ARPEGE) [21]. Z biez^cymi prognozami zagrozenia pozarowego dla krajów europejskich mozna zapoznac siç na stronach internetowych Instytutu Srodowiska i Zrównowazonego Rozwoju ( Institute for Environment and Sustainability - IES) dzialaj^cego w ramach Centrum Badawczego (Joint Research Centre) maj^cego swoj3 siedzibç w Isprze we Wloszech [22]. W ostatnich latach do obliczen wskaznika zagrozenia pozarowego wykorzystuje siç dane uzyskiwane z satelitów.
2.2.5. Modele rozprzestrzeniania siç pozaru stosowane w Polsce
Pomimo licznych prób testowania zagranicznych metod szacowania ryzyka zagrozenia pozarowego w Polsce pojawilo siç przekonanie o potrzebie wypracowania wlasnych metod w tej dziedzinie. Polska posiada specyficzne uwarunkowania klimatyczne i tylko wlasne badania mog3 i powinny gwarantowac poprawnosc otrzymanych wyników.
W Polsce problematyk3 prognozowania zagrozenia pozarowego lasów zaczçto siç interesowac dopiero w latach 60-tych XX wieku. Prace zapocz^tkowano w Zakladzie Ochrony Przeciwpozarowej Lasu Instytutu Badawczego Lesnictwa. W latach 80-tych w Instytucie Badawczym Lesnictwa powstala metoda okreslania zagrozenia pozarowego, nazywana metod^ IBL [2З]. W miarç coraz lepszego rozpoznawania tematu, metoda ta ulegala kolejnym modyfikacjom. W obecnej chwili, najlepiej stan dorobku polskich badan w tej dziedzinie przedstawia praca Szczygla [21].
W 2006 roku Rozporz^dzeniem Ministra Srodowiska [24] powstal system okreslaj^cy potencjalne zagrozenie pozarowe lasów polskich. Lasy Panstwowe podzielono na 42 strefy prognostyczne nie obejmuj^ce obszarów górskich. Dane do systemu s3 zbierane przez 1З2 automatyczne lesne stacje meteorologiczne. Osrodek obliczeniowy znajduje siç w Instytucie Badawczym Lesnictwa w Sçkocinie Starym kolo Warszawy. Biez^ce prognozy zagrozenia pozarowego mozna znalezc na stronach internetowych Lasów Panstwowych [25].
Obok systemu informuj^cego o zagrozeniu pozarowym podjçto równiez próby realizacji oprogramowanie do symulacji rozprzestrzeniania siç ognia w kompleksach lesnych [21]. Oprogramowanie Model Pozaru Lasu wyróznia cztery modele paliwowe: sciól^, pokrywç wrzosow3, pokrywç trawiast^ oraz pozar calkowity drzewostanu. Daje ono pewne
wskazówki postçpowania dla zespolów strazackich w trakcie trwania akcji ratowniczej. Omawiane oprogramowanie zostalo wdrozone na terenie Regionalnej Dyrekcji Lasów Panstwowych i Komendy Miejskiej Panstwowej Strazy Pozarnej w Zielonej Górze [21].
2.2.6. Ograniczenia klasyfikacji paliw
Jak przedstawiono w poprzednich podrozdzialach istnieje wiele systemów klasyfikacji paliw na swiecie. Najwazniejsze systemy zostaly scharakteryzowane w tabeli 1.
Tabela 1.
Wtasciwosci gtównych modeli paliwowych, wg [26] uzupelniona o dane z Polski
Table 1.
Properties of the main fuel classification systems, according to [26] supplemented by
data from Poland
System klasyfikacji paliwa Fuel classification system Liczba typów paliwa Number of fuel types System decyzyjny \ model rozprzestrzeniania siç ognia Decision suport system\fire model Kraj zastosowania Country of application System opisu System description
NFDRS 20 NFDRS \ model Rothemela USA Szeroko skalowy system bezpieczenstwa przeciwpozarowego
NFFL ІЗ“ BEHAVE, FARSITE \ model Rothemela USA BEHAVE: lokalna skala zachowania siç ognia FARSITE: dol^czono pozar koron drzew
FCCS 216b Modele zachowania ognia, modele oddzialywania ognia USA Ramy teoretyczne budowy klasyfikacji paliwa
McArthur З System oceny zagrozenia pozarowego McArthur’a Australia Nomogramy do oszacowania rozwoju pozaru
FBP 16 Kanadyjski system FBP Kanada Do opisu zachowania siç ognia rozwiniçto badania eksperymentalne pozarów
Prometheus 7 Model Rothemela EFFIS Europac Bazuje na NFFL. Adaptowany do warunków basenu morza Sródziemnomorskiego Ocena zagrozenia dla krajów europejskich
IBL 4 System oceny Polska Ocena zagrozenia
zagrozenia pozarowego,
pozarowego opracowanie IBL
a - opcje rozwoju systemu przez uzytkownikow b - nowe zespoly paliwowe dodawane periodycznie c - kraje lez^ce w basenie morza Srodziemnego
Analizuj^c istniej3.ce systemy modeli paliwowych trzeba podkreslic, ze paliwa nie s^. latwe do klasyfikacji. S3 one strukturalnie zlozone i rozni^. si? w szerokim zakresie swoich cech fizycznych jak i zachowaniu w trakcie pozaru. Wielu autorow zwracalo uwag? na istotne ograniczenia wyst?puj^ce przy klasyfikacji modeli paliwowych [27,28,29].
Ponizej w punktach wymieniono glowne z podnoszonych ograniczen. Modele paliwowe sq specyficzne dla danego miejsca geograficznego na ziemi. Klasyfikacja kazdego typu paliwa jest specyficzna dla danej lokalizacji geograficznej i nie moze byc w sposob prosty przeniesiona do zastosowania w innych miejscach klimatycznych. Adoptowanie okreslonych modeli paliwowych do innych stref klimatycznych prowadzi do slabych wynikow jak np. adoptowanie systemu kanadyjskiego do strefy klimatycznej Nowej Zelandii [30].
b. Ograniczone zastosowanie. Klasyfikacji paliwa moze byc zastosowana do konkretnych celow, ktore byly brane pod uwag? podczas tworzenia danej klasyfikacji. Poniewaz klasyfikacje paliwa s^. przeznaczone do specyficznych aplikacji programowych, obejmuj^ one tylko cz?sc skladnikow paliwa wymaganych przez stosowane algorytmy oprogramowania symulacyjnego, ktore obsluguj^.. Wi?kszosc modeli paliwowych jest ograniczona do przewidywania rozwoju pozaru i nie bierze pod uwag? charakterystyki paliwa potrzebnej do innych zastosowan jak np. rozprzestrzeniania si? ognia w koronach drzew [31,32]. Ponadto, wi?kszosc modeli paliwowych nie jest szczegolnie przydatna do przewidywania skutkow pozaru, ktore s^ zalezne od czasu trwania ognia na danym obszarze, oraz wplywu na zanieczyszczenia atmosfery.
c. Dezorientacja wynikajqca z roznych systemow klasyfikacji. Fakt ze w USA jest 20 modeli paliwa NFDRS, jak rowniez 13 modeli reakcji na ogien NFFL powoduje dezorientacj?. Oba systemy bazuj^ na modelu rozprzestrzeniania si? pozaru Rothermela, ale rozwoj i wdrazanie obu wymienionych systemow bylo rozne. Dlatego zestawy liczb, ktore reprezentuj^. paliwa dla kazdego ukladu rownan (np. modele paliwowe) mog3 byc rozne. Oczywiscie istniej^. tablice, ktore pokazuj^ mozliwosci przejscia z jednego systemu na drugi ale trzeba byc bardzo ostroznym, aby nie
popelnic blçdu [ЗЗ].
d. Trudne do mapowania. Chociaz mapy paliwa s^. niezbçdne do kontrolowania rozprzestrzeniania siç ognia w wielu przestrzennych i czasowych skalach, mapowanie ich jest trudne i kosztowne [З4]. Problemem jest tu duz^ zmiennosc paliwa w czasie i przestrzeni, st^d tez mapowanie paliw jest niezwykle powaznym wyzwaniem.
2.2.6. Metody tworzenia map paliwowych
Pocz^tkowo mapy paliwowe byly robione poprzez bezposredni^ klasyfikacjç roslinnosci w terenie [З5]. W latach 1940-1950 zaczçto wykorzystywac zdjçcia lotnicze [З6]. Obecnie ze wzglçdu na kompromis pomiçdzy kosztami i dokladnosci^ analiza zdjçc lotniczych jest najczçsciej stosowanym rozwi^zaniem w zakresie mapowania roslinnosci. Mimo, ze jest ona nieco bardziej czasochlonna niz nowsze podejscia, jest szeroko stosowana w wielu krajach na swiecie [З7]. Obecnie wykorzystuje siç do tworzenia map paliwowych na duzych obszarach urz^dzenia badaj^ce roslinnosc w sposób bierny (analiza zdjçc w róznych pasmach widma swiatla widzialnego) [З8], jak i czynny np. badania wi^zk^. radarow^. z zakresu 0.1-1 m [З9] b^dz poprzez skanowanie wi^zk^. swiatla laserowego (LIDAR) [40].
З. Modele paliwowe
Matematyczne modele zachowania ognia potrzebuj^ do obliczen wielu parametrów paliwa. Wraz z rozwojem takich modeli jak model rozprzestrzeniania siç pozaru powierzchni lasu Rothermela [З], pojawily siç modele paliwowe, czyli po prostu zbiory opisów parametrów paliwa, niezbçdnych do wykorzystania w modelach licz^cych np. zachowanie pozaru w paliwie lub ryzyko pozarowe. Podstawowe parametry jakie powinny byc zawarte w takim modelu s^. nastçpuj^ce:
a. obci^zenie dla kazdej klasy srednicy cz^stki paliwa (t/akr lub t/ha),
b. wspólczynnik powierzchni to objçtosci dla kazdej klasy wielkosci (1/ft lub 1/m),
c. glçbokosc warstwy paliwa (ft lub cm),
d. cieplo wlasciwe paliwa (BTU/lb lub kJ/kg),
e. wilgotnosc wygaszenia (%).
Pierwszy tego typu zbiór modeli wprowadzil Rothermel opracowuj^c swój matematyczny model przewidywania rozprzestrzeniania siç pozaru w paliwach roslinnych. Opisal on parametry dla 11 paliw. Rothermel w swoich modelach utrzymal na stalym poziomie wlasciwosci cz^stki paliwa (calkowit^. i efektywn^. zawartosc mineralów, cieplo
wlasciwe i g?stosc cz^stki). Wilgotnosc wygaszenia nie zostala przypisana dla kazdego paliwa osobno i wynosi stale 30%. Poszczególne modele róznily si? przede wszystkim obci^zeniem paliwa wzgl?dem klasy wielkosci, gl?bokosci^ warstwy paliwa i rozmiarem cz^stki paliwa. Rothermel wyodr?bnil i opisal nast^puj^ce modele paliw: trawa krótka, trawa dluga, g?ste krzaki i krzewy, g?ste zarosla krzewów i malych drzew, trawy i poszycie lesne, sciólka lesna, sciólka lesna razem z gal?ziami i martwymi cz?sciami roslin, sciólka lasów lisciastych, wyr^bane lub powalone drzewa w 3 formach: tylko pojedyncze, w polowie lub wszystkie powalone.
Albini [41] dodal do 11 modeli Rothermela jeszcze 2 inne: martwe krzaki i krzewy oraz poludniowe poszycie, krzewy lesne. Ponad to w modelach Albiniego wilgotnosc wygaszenia jest ustalana dla kazdego modelu osobno.
Anderson [42] opisal modele wymienione przez Albiniego w celu latwiejszego wyboru. Parametry modeli pozostaly bez zmian, a w opisie modeli uwzgl?dniono jedynie obci^zenie paliwa wzgl?dem klas wielkosci, gl?bokosc warstwy paliwa, i wskaznik temperatury wygaszenia paliwa.
Tabela 2.
Zbiór modeli Albiniego i Andersena wg [42]
Table 2.
The set of models by Albini and Anderson [42]
Model paliwa Typ paliwa Fuel type Parametry paliwa Fuel parameters Glçbokosc paliwa [stopy] Fuel depth (ft) Wilgotnosc martwego paliwa [%] Moisture of
Fuel model Fuel loadings (t/ha) Obci^zenie w klasach [t/ha]
1 h 1 h 10 h 10 h 100 h 100 h Zywe Live extinction dead fuels (%)
1 Trawy Krótka trawa (1 stopa) 0.75 0.00 0.00 0.00 1.0 12
2 Zdrewniale (trawy i poszycie) 2.00 1.00 0.50 0.50 1.0 15
3 Wysoka trawa (2.5 stopy) 3.01 0.00 0.00 0.00 2.5 25
4 Krzewy Krzaki (6 stóp) 5.01 4.01 2.00 5.01 6.0 20
5 G^ste pola krzewów (2 stopy) 1.00 0.50 0.00 2.00 2.0 20
6 Zarosla krzewów i malych 1.50 2.50 2.00 0.00 2.5 25
7 drzew 1.13 1.87 1.50 0.37 2.5 40
8 Poludniowe poszycie, krzewy lesne 1.50 1.00 2.50 0.00 0.2 30
9 Sciólka lesna 2.92 0.41 0.15 0.00 0.2 25
10 Sciólka lesna 3..01 2.00 5.01 2.00 1.0 25
11 Sciólka lasów lisciastych Sciólka lesna, zeschni^te grabe gal^zie 1.50 4.51 5.51 0.00 1.0 15
12 4.01 14.03 16.53 0.00 2.3 20
13 Wyr^bane (powalone) pnie 7.01 23.04 28.05 0.00 3.0 25
Pojedyncze powalone pnie
G?sto powalone pnie
Pelen wyr^b
W systemie NFDRS klasyfikuje si? paliwa przez przypisanie ich do 4 klas opoznienia zwi^zanego z czasem pochlaniania b^dz odprowadzaniem wilgoci w naturalnym srodowisku lesnym. W naturalnym otoczeniu zawartosc pary wodnej w powietrzu zalezy od warunkow pogodowych. Wraz ze zmian^ warunkow pogodowych, z pewn^ zwlok^. czasow^, ulega zmiana wilgotnosci paliwa lesnego. Poszczegolne czasy wymienione w tabeli 2 1-hr, 10-hr, 100-hr oznaczaj^ liczb? godzin i okreslaj^ tzw. timelag czyli liczb? godzin jak^ zajmie cz^stce paliwa osi^gni?cie 63% wilgotnosci rownowagi, przy warunkach srodowiska 800F i 20% wilgotnosci. Dodatkowo stosuje si? rowniez klas? 1000-hr dla srednicy cz^stki paliwa powyzej 3 cali, ale w tej tabeli nie jest ona uwzgl?dniona [43,44]. Klasy te s^. w oczywisty sposob powi^zane ze srednicy masy paliwowej. Trawa b?dzie wilgotniala zdecydowanie szybciej niz grube pnie drzew. Krotkie omowienie tej klasyfikacji znajduje si? w dodatku A pracy.
Kilka lat pozniej Andrews [45], Burgan i Rothermel [6] opracowali pierwsz^. wersj? programu do przewidywania rozprzestrzeniania i modelowania pozaru roslinnosci. Zmodyfikowano 13 paliwowy zbior modeli Andersona wprowadzaj^c parametr ciepla wlasciwego cz^stki jako zmienny, rozni^cy si? pomi?dzy modelami, a nie tak jak poprzednio staly niezaleznie od modelu. Na podstawie tych zalozen powstaly programy FARSITE [46] i BEHAVEPLUS [47], ktore pozwalaj^ dodatkowo rozgraniczyc cieplo wlasciwe dla martwych i zywych paliw. Dla porownania w oryginalnym zbiorze modeli dla 13 paliw wartosc ciepla wlasciwego cz^stki pozostawala stala dla paliw martwych i zywych i wynosila zawsze 8000 BTU/lb, zatem przyczynilo si? to przede wszystkim do zwi?kszenia precyzji w budowaniu niestandardowego modelu paliw, a co za tym idzie w obliczeniach [48].
Wymienione oprogramowanie ma rowniez mozliwosci tworzenia niestandardowego modelu paliwowego uzytkownika. Mimo iz technicznie model paliwowy zawiera wszystkie dane wejsciowe do modelu rozprzestrzeniania ognia Rothermela, to i tak uzytkownik na wartosc wiele z nich nie b?dzie mial wplywu tworz^c wlasny niestandardowy model paliwowy. Zmienne takie jak: efektywna zawartosc mineralow, lub g?stosc cz^stki paliwa pozostaj^ bez zmian. Podobnie jest ze wspolczynnikiem powierzchni do obj?tosci, zostal on zawarty w parametrach modelu paliwowego, lecz nie moze byc zmieniany przy tworzeniu niestandardowych modeli.
Oryginalny zbior 13 modeli paliwowych funkcjonowal dobrze przy przewidywaniu
rozprzestrzeniania pozaru i intensywnosci ognia, jedynie w okresie szczytu sezonu pozarowego. Czçsciowo bylo to zwi^zane z suchymi warunkami, co prowadzilo do powstania bardziej jednolitego kompleksu paliwowego. Modele te maj^ spore braki w stosunku do innych przypadków, w modelowaniu pozaru, jego rozwoju czy efektów spalania, oraz przede wszystkim modelowania przeniesienia siç ognia z powierzchni na korony drzew i jego rozprzestrzeniania. Powszechne korzystanie z modelu Rothermela i chçc posiadania wiçkszej liczby opcji w doborze modelu paliwowego doprowadzily do utworzenia nowego zbioru modeli paliwowych.
Nowy zbiór Scotta i Burgana wprowadzil nastçpuj^ce zmiany [48]:
a. zwiçkszal dokladnosci przewidywania przebiegu pozaru poza sezonem pozarowym,
b. zwiçkszal liczby modeli paliwowych stosowanych dla obszarów o wysokiej wilgotnosci. Wykorzystuj^c model Rothermela, jedynym sposobem aby pogodzic kompleksy paliwa, które spalaj^ siç dobrze w warunkach wysokiej wilgotnosci jest modyfikacja wilgotnosci parametru wygaszenia,
c. zwiçkszal liczby modeli dla sciólki lesnej oraz sciólki z traw^. lub krzewami,
d. zawieral przewidywanie przeniesienia ognia powierzchni na ogien korony. Zwiçkszenie precyzji w modelowaniu pozaru powierzchni prowadzi do zwiçkszenia precyzji modelowania pozaru koron oraz oceny zagrozen,
e. powodowal wzrost zdolnosci do symulacji zmian w zachowaniu pozaru m. in. poprzez zaoferowanie znacznie wiçkszej liczby modeli paliwowych, zwlaszcza zdominowanych drewnem warstw paliwa.
Scott i Burgan w swojej wersji zbioru modeli paliwowych zalozyli, ze przede wszystkim z braku mozliwosci ingerencji w parametry cz^stki paliwa oraz we wspólczynnik powierzchni do objçtosci, pozostawi^. te parametry stale, przypisuj^c im wartosci zgodne z opublikowanymi przez Rothermela. Zgodnie z ich zalozeniami nowy model wsród zmiennych parametrów uwzglçdnial:
a. obci^zenie paliwa wzglçdem klasy wielkosci i kategorii,
b. wspólczynnik powierzchni do objçtosci dla zywych drzewiastych i trawiastych rosli oraz dla martwych 1-hr,
c. glçbokosc warstwy paliwa,
d. wilgotnosc wygaszenia dla martwych paliw,
e. cieplo wlasciwe dla martwych i zywych paliw.
Jako wartosci stale zgodnie z zalozeniami Rothermela potraktowano:
a. wspólczynnik powierzchni do objçtosci dla martwych paliw 10-hr równy 109 1/ft a dla 100-hr równy З0 1/ft,
b. calkowita zawartosc mineralów równa 5,55%, a efektywna ( wolna od krzemionki) równa 1%,
c. gçstosc cz^stki calkowicie wysuszonego paliwa równa З2 lb/ft2.
Warto dodac, ze nowy zbiór modeli ma podobnie jak oryginalny 1З paliwowy zbiór zastosowanie do symulacji zachowania pozaru powierzchni tylko na froncie ognia i nie obejmuje pozostalosci spalania na terenie po przejsciu frontu ognia. Parametry modeli zawartych w tym zbiorze nie powinny byc uzywane np. do modelowania konsumpcji paliwa.
Nowy zbiór modeli jest w pelni samodzielny a zaden z 1З oryginalnych modeli paliwowych Andersona [42] nie jest w nim powtórzony. Nazwy paliw odnosz^. siç do paliw i ich typów a nie jak poprzednio do roslinnosci, poniewaz jeden model moze miec zastosowanie do kilku rodzajów roslinnosci. Modele paliwa w zbiorze s^. podzielone na typy wedlug zdolnosci przenoszenia ognia przez paliwo w modelu. Kazdy typ paliwa posiada dwu literowy kod. Niepalne obszary jak np. zbiorniki wodne, zostaly wziçte pod uwagç ze wzglçdu na potrzebç pelnego sporz^dzenia mapy paliwowej danego obszaru. Typy paliwa zostaly uporz^dkowane podobnie jak w oryginalnym zbiorze 1З modeli, z zastosowaniem typów podwójnych l^czonych np. Trawy-Krzewy czyli typ paliwa pomiçdzy dwoma typami tutaj miçdzy trawami a krzewami. W zbiorze wyrózniono nastçpuj^ce typy paliwa [48]:
a. (NB) Nonburnable - Niepalne
b. (GR) Grass - Trawy
c. (GS) Grass-Shrub - Trawy-Krzewy
d. (SH) Shrub - Krzewy
e. (TU) Timber-Understory - Wysokie drzewa-Podszycie
f. (TL) Timber Litter - Wysokie drzewa-Sciólka
g. (SB) Slash-Blowdown - Las wyciçty, Las powalony (np. przez huragan)
W celu ulatwienia zarówno komunikacji jak i obliczen ustalono З czçsciowy schemat referencyjny zawieraj^cy nastçpuj^ce dane:
a. Numer modelu paliwowego (pomiçdzy 1 a 256; do uzytku w aplikacjach i do tworzenia map paliwowych),
b. Kod modelu paliwowego (trzy znaki uzywane np. jako dane wejsciowe do systemów
modeluj^cych pozary),
c. Nazwa modelu paliwowego (ci^g znakow potrzebny do opisu paliwa).
Przyklad oznaczenia:
Numer Kod Nazwa
101 GR1 Krotkie, slabe trawy klimatu suchego
Wewn^trz typow paliwa modele s^. posortowane wedlug rosn^cego ciepla na jednostk? powierzchni. Modele paliwowe s^. numerowane do 256 (8-bitowe numery) tak aby w latwy sposob informacje na temat danego modelu paliwowego mogly bye uzywane na mapach paliwowych oraz w aplikacjach bazodanowych. Dla kazdego typu paliwa zostal przydzielony blok numerow (tabela 3), co w znacz^cy sposob ulatwia choeby tworzenie map paliwowych dla okreslonego terenu, w ktorym okreslenie konkretnego modelu paliwa nie jest wymagane. Nie trzeba tworzye ogromnej skali, gdyz wszystkie numery modeli paliwa w danym bloku mog^. bye oznaczone tym samym kolorem co w duzym stopniu zwi^ksza czytelnose mapy. Niewykorzystane numery s^. zarezerwowane dla przyszlych standardowych i niestandardowych modeli paliwowych, co pozwala w przyszlosci umieszczae je w konkretnych odpowiednich blokach numerow.
Tabela 3.
System klasyfikacji paliw wg [48]
Table 3.
Fuel classification system from [48]
Typ paliwa Fuel type Numer bloku modelu paliwa Fuel model number block Uzywane w oryginalnym lub nowym zestawie Used in original or new set Zarezerwowane dla przyszlych standardowych modeli paliwa Reserved for future standard fuel models Dostgpne dla niestandardowych modeli paliwa Available for custom fuel models
1-13 14-89 1-13 14-89
NB 90-99 91-93, 98-99a 94-95 90, 96-97
GR 100-119 101-109 110-112 100,113-119
GS 120-139 121-124 125-130 120, 131-139
SH 140-159 141-149 150-152 140, 153-159
TU 160-179 161-165 166-170 160, 171-179
TL 180-199 181-189 190-192 180, 193-199
SB 200-219 220-256 201-204 205-210 200, 211-219 220-256
a przerwa w sekwencji numerowania NB jest dopasowaniem do konwencji przyj^tej w oprogramowaniu
FARSITE, gdzie numer 98 funkcjonuje jako otwarta woda, a 99 jako skaia.
W nowym zbiorze wszystkie modele, które zawieraj^ zyw^. roslinnosc trawiast^. s^. modelami dynamicznymi. W sekcji modeli paliwa opisuj^cej typ modelu paliwa widac, który z nich zawiera roslinnosc trawiast^, a tym samym jest modelem dynamicznym.
Metodç dynamicznego przetwarzania modeli paliwowych opisal Burgan [49], a sformulowane przez niego zalozenia s^ nastçpuj^ce:
a. jesli wspólczynnik wilgotnosci roslinnosci zielnej wynosi 120% lub wiçcej, cale obci^zenie tej roslinnosci pozostaje w klasie zywych paliw zielonych,
b. jesli wspólczynnik wilgotnosci roslinnosci zielonej wynosi З0% lub mniej, paliwa zielne s^. traktowane jak w pelni przetworzone i cale obci^zenie zostaje przeniesiony do kategorii martwej,
c. jesli wspólczynnik wilgotnosci roslinnosci zielnej znajduje siç pomiçdzy З0% a 120%, wtedy czçsc obci^zenia jest przenoszona do klasy roslinnosci martwej. Dla przykladu jesli wspólczynnik wilgotnosci wynosi 75% czyli polowa pomiçdzy З0% a 120%, wtedy polowa obci^zenia jest przeniesiona do klasy roslinnosci martwej, a polowa pozostaje w klasie roslinnosci zywej.
Obci^zenie przeniesione do klasy martwej roslinnosci jest umieszczony w klasie dla martwych roslin zielnych, czyli klasie o najmniejszej srednicy cz^stki paliwa, zachowuj^c stosunek powierzchni do objçtosci taki jak w przypadku klasy zywych roslin.
4. Wybór modelu paliwowego do symulacji rozprzestrzeniania siç ognia w oprogramowaniu FARSITE
Jak juz wczesniej wspomniano w pracy [2] przedstawiono symulacjç rozwoju pozaru posluguj^c siç oprogramowaniem FARSITE. We wspólpracy z pracownikami Regionalnej Dyrekcji Lasów Panstwowych w Bialymstoku do symulacji wytypowano kompleks lesny, który znajduje siç w Nadlesnictwie Nowogród w powiecie Lomzynskim. Lasy tamtejsze to przewaznie latwo palne sosnowe bory swieze, gdzie gatunkiem przewazaj^cym jest sosna zwyczajna (Pinus Sylvestris).
Do uruchomienia symulacji trzeba bylo wczytac piçc podstawowych warstw danych rastrowych z plików w formatach GRASS ASCII (format plików programu GRASS do edycji danych GIS) oraz ARC GRID ASCII. Wymagane warstwy to: wysokosci (DEM - Digital Elevation Model czyli Numeryczny Model Terenu), nachylenia (Slope), ekspozycje (Aspect),
paliwa (Fuel Model) oraz pokrycie terenu koronami drzew (Canopy Cover). Na podstawie numerycznego modelu terenu otrzymanego z Dyrekcji Lasów Panstwowych wygenerowano warstwç wysokosci, nachylenia oraz ekspozycji. Natomiast jednym z glównych problemów do rozwi^zania bylo wygenerowanie odpowiedniej mapy paliwowej rozpatrywanego obszaru lesnego.
Ustalono, ze podstawowym kryterium róznicuj^cym paliwa powierzchni jest typ siedliska lesnego. Zgodnie z dostarczonymi danymi w badanym nadlesnictwie mozna bylo wyróznic 14 róznych typów siedliska lesnego. Glównym siedliskiem lesnym Nadlesnictwa Nowogród jest bór swiezy stanowi^c okolo 60% lasów w badanym nadlesnictwie i to w zasadzie ten rodzaj lasu pali siç najczçsciej.
Kolejnym etapem tworzenia mapy paliw powierzchni bylo opracowanie wlasnych modeli paliwowych opisuj^cych klasyfikacjç siedlisk lesnych i ich obci^zenia biomass pokrywy gleby. Program FARSITE daje uzytkownikowi mozliwosc opracowania wlasnych modeli udostçpniaj^c prosty edytor modeli paliwowych. Przy pomocy wspomnianego edytora wygenerowano 12 nowych modeli paliwowych sluz^cych do opisania podzialu paliw powierzchni.
Powyzsze modele powstaly na podstawie standardowego modelu FM9 (Fuel Model Я) ze zbioru 1З modeli Andersona [42]. Model zostal stworzony do opisania paliw powierzchni lasu lisciastego jak i lasu iglastego, gdzie sciólka sklada siç w duzej mierze z dlugich igiel sosny zóltej. Wykorzystano go jednak ze wzglçdu na podobn^ charakterystykç spalania igiel sosny zóltej i zwyczajnej. Istotny jest równiez fakt, iz paliwa klasy ihr, do których mozna zaliczyc igly stanowi^. stosunkowo duze obci^zenie w stosunku do calkowitego obci^zenia paliw powierzchni. Oryginalny model 9 ze zbioru Andersona nie zaklada obecnosci zywych roslin zielnych i drzewnych w opisie modelu, dlatego uwzglçdniono obci^zenie tego typu roslinnosci w utworzonych modelach co spowodowalo zmianç ich typu ze statycznego oryginalnie na dynamiczny. Ogólnie, podzial ogólnego obci^zenia paliw powierzchni jest, oprócz wyraznej przewagi paliw klasy ihr, raczej szacunkowy, ze wzglçdu na brak pelnych danych.
5. Podsumowanie
Szczególowa symulacja rozprzestrzeniania siç ognia w wybranym kompleksie lesnym przedstawiona zostala w pracy [2]. Ze wzglçdu na szczuple ramy poprzedniej publikacji oraz
znaczenie problematyki modeli paliwowych autor pracy postanowil jeszcze raz wrócic do tematu i przedstawic problematykç modeli paliwowych, poniewaz s^. to istotne dane okreslaj3.ce poprawnosc wyników przeprowadzonych symulacji pozaru roslinnosci lesnej. Przeprowadzona w pracy [2] analiza wykazala, ze najwiçkszy zdecydowanie wplyw na zachowanie ognia, jego silç i intensywnosc ma rodzaj paliwa powierzchni. Ilosc, wilgotnosc, grubosc warstwy to cechy, które maj^. znacz^cy wplyw na palnosc danego paliwa.
Uzupelniaj^c ogóln^. wiedzç na temat modeli paliwowych potrzebn^ do poslugiwania siç oprogramowaniem symulacyjnym w pracy przedstawiono obecnie obowi^zuj^c^ klasyfikacjç paliw w wybranych rejonach swiata. Ze wzglçdu na duze zaawansowanie nad t3 tematyk^. prac w Stanach Zjednoczonych, zwrócono szczególn^. uwagç na klasyfikacjç paliw obowi^zuj^c^ w tym kraju. Jednoczesnie pokazano mozliwosci przeniesienia dotychczasowego dorobku Urzçdu Lesnego Ministerstwa Rolnictwa USA z zakresu klasyfikacji paliw i oprogramowania symuluj^cego rozwój pozaru kompleksów lesnych na grunt polski. Bezplatne oprogramowanie FARSITE uwzglçdnia o wiele wiçcej elementów rozwoju pozaru niz istniej^ce oprogramowanie rodzime i st^d warto poswiçcic mu uwagç. Oczywiscie problemem pozostaje opracowanie odpowiednich dla Polski modeli paliwowych, które dobrze odzwierciedlalyby warunki klimatyczne naszego kraju. Jest to zagadnienie badawcze dla lesników i strazaków. Omawiane oprogramowanie daje mozliwosci opracowania i wstawiania wlasnych modeli paliwowych. Otrzymane wyniki symulacji przedstawione w pracy [2] s^. obiecuj^ce i st^d tez warto dalej popracowac nad zaszczepieniem tego oprogramowania na grunt polski.
W dodatku A przedstawiono klasy martwych paliw uzywane w systemie amerykanskim. Tytulem uzupelnienia w dodatku B podano przeliczenie jednostek uzywanych w krajach anglosaskich na system SI.
Literatura
1. Czerpak T., Maciak, T., Modelowania pozaru lasu. Czçsc I. Metody i algorytmy modelowania pozaru lasu., Bezpieczenstwo i Technika Pozarnicza, З/2011, Józefów, Wydawnictwo CNBOP-PIB, str. 8З-94
2. Czerpak T., Maciak, T., Modelowania pozaru lasu. Czçsc II. Symulacja komputerowa pozaru wybranego kompleksu lesnego. Bezpieczenstwo i Technika Pozarnicza З/2011, Józefów, Wydawnictwo CNBOP-PIB str. 99-111
3. Rothermel R.C., A mathematical model for predicting fire spread in wildland fuels.
U.S., Department of Agriculture Forest Service 1972, INT-115, str. 3-25;
4. Pyne, S.J., Andrews, P.L., Laven, R.D., Introduction to Wildland Fire, second edn. John Wiley & Sons, Inc., New York 1996;
5. Merrill, D.F., Alexander, M.E., Glossary of Forest Fire Management Terms, fourth edn. National Research Council of Canada, Canadian Committee on Forest Fire Management, Ottawa, Ontario 1987;
6. Burgan R.E., Rothermel R.C., BEHAVE: Fire behavior prediction and fuel modeling system - FUEL subsystem, U.S. Department of Agriculture Forest Service 1984, General Technical Report INT-167;
7. Ottmar, R.D., Sandberg, D.V., Riccardi, C.L., Prichard, S.J., An overview of the fuel characteristics classification system—quantifying, classifying, and creating fuelbeds for resource planning, Canadian Journal of Forest Research 2007, vol.37, str. 23832393;
8. McArthur, A.G., Weather and grassland fire behavior, Australian Forestry and Timber Bureau Leaflet 1966. no.100;
9. McArthur, A.G., Fire behavior in eucalypt forests, Australian Forestry and Timber Bureau Leaflet 1967, no. 107;
10. Noble, I.R., McArthur’s fire-danger meters expressed as equations, Australian Journal of Ecology 1980, vol. 5, str. 201-203;
11. Sirakoff, C., A correction to the equations describing the McArthur forest fire danger meter, Australian Journal of Ecology 1985, vol. 10, str. 481-482;
12. Sneeuwjagt, R.J., Pee, GB., Forest fire Behavior Tables for Western Australia, Department of Conservation and Land Management 1985;
13. Van Wagner, C.E., Pickett, T.L., Equations and FORTRAN program for the Canadian Forest Fire Weather Index System, Rep. No. Forestry Technical Report 33. Canadian Forestry Service, Ottawa 1985;
14. Van Wagner, C.E., Development and structure of the Canadian forest fire weather index system, Rep. No. Forest Technology Report 35. Canadian Forestry Service, Ottawa 1987;
15. Lawson, B.D., Stocks, B.J., Alexander, M.E., van Wagner, C.E. A system for predicting fire behaviour in Canadian forest. [In:] Eighth Conference on Fire and Forest Meteorology. Society of American Foresters, Detroit 1985;
16. Riano, D., Chuvieco, E., Salas, F.J., Palacios-Orueta, A., Bastarrica, A., Generation of fuel type maps from Landsat TM images and ancillary data in Mediterranean
ecosystems, Canadian Journal of Forest Research, 2002, vol. 32, str. 1301-1315;
17. Arroyo, L.A., Healey, S.P., Cohen, W.B., Cocero, D., Using object-oriented
classification and high-resolution imagery to map fuel types in a Mediterranean region, Journal of Geophysical Research 2006, vol. 111, G04S04
doi:10.1029/2005JG000120;
18. Harvey, S., Ruegsegger, M., Allgower, B., Fuel Models for Switzerland (Swiss National Park), Rep. No. BBW Nr. 94.0177, EC Nr. EV5VCT-0570. Department of Geography, Zurich, 1997;
19. Kitchen, K., Marno, P., Legg, C., Bruce, M., Davies, G.M., Developing a fire danger rating system for the United Kingdom, Forest Ecology and Management 2006, 234S, S21;
20. Fernandes, P., Luz, A., Loureiro, C., Ferreira-Godinho, P., Botelho, H., Fuel modeling and fire hazard assessment based on data from the Portuguese National Forest Inventory, Forest Ecology and Management 2006, 234S;
21. Szczygiel, R., Metoda oceny ryzyka powstania pozaru lasu wspomagajqca organizacjq dziatan ratowniczych, Instytut Badawczy Lesnictwa, S^kocin Stary 2009;
22. Joint Research Centre, The European Forest Fire Information System (EFFIS),
[online], [dost^p: 8 stycznia 2012]. Dost^pny w World Wide Web:
http: // effi s.jrc.ec. europa. eu/
23. Karlikowski, T., Prognozowanie zagrozenia pozarowego lasu metodq IBL, Prace IBL, 578, str. 3-72;
24. Rozporz^dzenie Ministra Srodowiska z dnia 22 marca 2006 r. w sprawie
szczegolowych zasad zabezpieczenia przeciwpozarowego lasow (Dz. U. Nr 58, poz.
405 i Nr 82, poz. 573)
25. Panstwowe Gospodarstwo Lesne Lasy Panstwowe, zakladka Zagrozenia Pozarowe,
[online], [dost^p: 8 stycznia 2012]. Dost^pny w World Wide Web:
http://www.lasy.gov.pl/
26. Arroyo, L. A., Pascual, Manzanera, J. A., Fire models and methods to map fuel types: The role of remote sensing, Forest Ecology and Management 2008, vol. 256 str.1239-1252;
27. Scott, J.H., 1999. NEXUS a system for assessing crown fire hazard, Fire Management Notes 59, 20-24
28. Sandberg, D.V., Ottmar, R.D., Cushon, G.H., Characterizing fuels [In:] the 21st Century. International Journal of Wildland Fire 2001, no 10, str. 381-387;
29. Hall, S.A., Burke, I.C., Box, D.O., Kaufmann, M.R., Stoker, J.M., Estimating stand structure using discrete-return lidar: an example from low density, fire prone ponderosa pine forests, Forest Ecology and Management 2005, no 208, str.189-209;
30. Fogarty, L.G., Pearce, G., Catchpole, W.R., Alexander, M.E., Adoption versus adoption: lessons learned from applying the Canadian Forest Fire Danger Rating System to New Zeeland, [In:] Viegas (Eds.), Proceedings 3rd International Conference Forest Fire Research, Luso, Coimbra, Portugal 1998, str. 1011-1028;
31. Keane, R.E., Burgan, R.E., van Wagtendonk, J., Mapping wildland fuel for fire management across multiple scales: Integrating remote sensing, GIS, and biophysical modeling, International Journal of Wildland Fire 2001, no 10, str. 301-319;
32. Scott, J.H., Burgan, R., Standard fire behavior fuel models: a comprehensive set for use with Rothermel’s surface fire spread model, Rep. No. RMRS GTR-153. Rocky Mountain Research Station, Fort Collins, CO, 2005;
33. Anderson, H.E., Aids to determining fuel models for estimating fire behavior, Rep. No. GTR INT-122. USDA, Forest Service, Ogden, UT, 1982;
34. Keane, R.E., Burgan, R.E., van Wagtendonk, J., Mapping wildland fuel for fire management across multiple scales: Integrating remote sensing, GIS, and biophysical modeling, International Journal of Wildland Fire 2001, no 10, str. 301-319;
35. Hornby, L.G., Fuel type mapping in region one, Journal of Forestry 1935, vol. 33, str. 67-72;
36. Lee, H.C., Aerial photography: a method for fuel type mapping, Journal of Forestry 1941, vol. 39, str. 531-533;
37. James, P.M.A., Fortin, M.-J., Fall, A., Kneeshaw, D., Messier, C., The effects of spatial legacies following shifting management practices and fire on boreal forest age structure, Ecosystems 2007, vol. 10, str. 1261-1277;
38. Lasaponara, R., Lanorte, A., Remotely sensed characterization offorest fuel types by using satellite ASTER data, International Journal of Applied Earth Observation and Geoinformation 2007, vol. 9, str. 225-234;
39. Kononov, A.A., Ka, M.H., Model-associated forest parameter retrieval using VHFSAR data at the individual tree level, IEEE Transactions on Geoscience and Remote Sensing 2008, vol. 46, str. 69-84;
40. Hyyppa, J., Hyyppa, H., Leckie, D., Gougeon, F., Yu, X., Maltamo, M., Review of methods of small-footprint airborne laser scanning for extracting forest inventory data in boreal forests, International Journal of Remote Sensing 2008, vol. 29, str. 1339-
1366;
41. Albini F.A., Estimating wildfire behavior and effects. U.S. Department of Agriculture Forest Service 1976, General Technical Report INT-30;
42. Anderson, H.E., Aids to determining fuel models for estimating fire behavior, USDA For. Serv. Gen. Tech. Rep. INT-122, 1982.
43. Bradshaw, L. S.; Deeming, J. E.; Burgan, R. E.; Cohen, J. D., compilers, General Technical Report INT-169, Ogden, UT: U.S. Department of Agriculture, Forest Service, Intermountain Forest and Range Experiment Station. 44 p. 1984. GTR-INT-169;
44. Dead woody fuel timelag classes, Forest Encyclopedia Network, [online], [dostçp: 8 stycznia 2012]. Dostçpny w World Wide Web: www.forestencyclopedia.net/p/p523 ;
45. Andrews, P.L. BEHAVE: fire behavior prediction and fuel modeling system- BURN subsystem, Part 1. 1986. USDA For. Serv. Gen. Tech. Rep. INT-194;
46. Finney M.A., FARSITE: Fire Area Simulator—model development and evaluation, U.S. Department of Agriculture Forest Service 2004;
47. Andrews P. L., Bevins C. D., Seli R. C., BehavePlus fire modeling system, version 4.0: User’s Guide. General Technical Report, RMRS-GTR-106WWW Revised. Ogden, UT: Department of Agriculture, Forest Service, Rocky Mountain Research Station 2008;
48. Scott J. H., Burgan R. E., Standard fire behavior fuel models: a comprehensive set for use with Rothermel's surface fire spread model, Gen. Tech. Rep. RMRS-GTR-153.Fort Collins, CO: U.S. Department of Agriculture, Forest Service, Rocky Mountain Research Station 2005, str. 1-18;
49. Burgan R. E., Estimating live fuel moisture for the 1978 national fire danger rating system, Research Paper INT-226. Ogden, UT: U.S. Department of Agriculture, Forest Service1979, Intermountain Forest and Range Experiment Station;
Dodatek A
Klasy martwych paliw
Martwe paliw s^. podzielone na klasy uwzglçdniaj^ce srednice paliwa. Podzial na klasy wystçpuje tu posrednio poprzez podanie czasu w jakim dana klasa paliwa osi^gnie zakladan^ wilgotnosc. Paliwo lesne zmienia swoj^. wilgotnosci (nasyca siç wod^. lub wysycha) pod wplywem warunkow atmosferycznych srodowiska w ktorym przebywa. Wilgotnosc fragmentow paliwa narazonego na wplywy atmosfery zalezy od ich wymiarow. Paliwa o niewielkiej srednicy bçd^ reagowac szybko na zmiany wilgotnosci otoczenia, podczas gdy galçzie i pnie o duzej srednicy bçd^. nasycac siç wod^. lub schn^c odpowiednio
wolno. Podzial na klasy dokonuje siç poprzez okreslenie tzw. czasu opóznienia (time lag). Jest to czas potrzebny do tego, aby dane paliwo osi^gnçlo 63% róznicy pomiçdzy pocz^tkow^. zawartosci^ wilgoci i wilgotnosci równowagi (lub równowagi ze zmienionymi warunkami atmosferycznymi). Kategorie te s^ okreslane dla wartosci punktu srodkowego (midpoint) czasu dochodzenia do wartosci wilgotnosci równowagi otoczenia, dla kazdej kategorii paliwa: 1-godzinne paliwa reaguj^. w czasie krótszym niz 2 godziny, 10-godzinne paliwa reaguj^. w czasie od 2 do 20 godzin, 100 godzinne reaguj^. w czasie od 20 do 200 godzin i 1000 godzinne paliwa reaguj^. w czasie dluzszym niz 200 godzin.
Ponizej przedstawiono typowe dla swojej kategorii paliwa oraz reakcje na ogien dla kazdej z wymienionych 4 klas paliwowych.
1. Paliwa charakteryzujqce siç 1-godzinnym czasem opóznienia (<0,625 cm (0,25 cala) srednicy)
Paliwa charakteryzuj3.ce siç 1-godzinnym czasem opóznienia s^ najwazniejsze przy rozpatrywaniu powierzchniowych pozarów lasów. Ich zawartosci wilgoci reguluje zachowanie ognia. Jedno-godzinne paliwa obejmuj^ ogólnie sciól^, spadle igly i liscie, trawy, porosty i male gal^zki. W ramach tej kategorii czas reakcji zmienia siç wraz ze zmian^. rodzaju paliwa. Lichen, trawa, i sucha igla reaguj^. na zmiany wilgotnosci otoczenia szybciej niz swiezo spadle igly i liscie z twardego drzewa. Ze wzglçdu na duz^ powierzchniç w stosunku do objçtosci, nisk^ wilgotnosci i polozenie w strefie spalania, paliwa te wytwarzaj^ niewiele dymu i maj^ krótki czas spalania.
2. Paliwa charakteryzujqce siç 10-godzinnym czasem opóznienia (0,625 - 2,5 cm (0,25 do 1 cala) srednicy)
Paliwa charakteryzuj3.ce siç 10-godzinnym czasem opóznienia to male galçzie i zdrewniale pçdy. Ze wzglçdu na swoj^. odpornosc na wysychanie i wiçksz^ pojemnosc ciepln^. niz paliwa kategorii 1, 10-godzinne paliwa czçsto nie spalaj^ siç w pozarach powierzchni o malej intensywnosci. Kiedy wilgotnosc jest niska, klasa 10-godzinnych paliw moze podtrzymywac pozar i prowadzic do zapalenia siç wiçkszych (100 - i 1000-godzinych) paliw.
3. Paliwa charakteryzujqce siç 100-godzinnym czasem opóznienia (2,5 cm - 7,6 cm (1 - 3 cale) srednicy)
Do tej kategorii zalicza siç dlugie pnie powalonych drzew i grube galçzie. Paliwa te dlugo schn^ st^d tez w wiçkszosci warunków trudno ulegaj^ zaplonowi. Dobrze siç pal^ ale po dlugotrwalej suszy. Krótkotrwaly opad nie zmienia tu warunków spalania. Kiedy 100-godzinne paliwo ulega zaplonowi to potrafi siç palic i tlic przez wiele godzin.
4. Paliwa charakteryzujqce siç 1000 godzinnym czasem opóznienia (> 7,6 cm (3 cale) srednicy)
Paliwa te, zawieraj^ duzo spadlych galçzi, klody i pniaki, pal^ siç tylko podczas dlugich okresów suszy lub gdy s^. wystarczaj^co podgrzane przez pozar s^siednich paliw. Poniewaz nie pal3 siç w kazdym przypadku, mog3 dzialac jako pasy przeciwpozarowe
i blokowac rozprzestrzenianie siç pozaru. Jesli siç pal3, mog3 palic siç wiele dni zanieczyszczaj^c powietrze i tworz^c warunki ponownego zapalenia paliwa.
Dodatek B
Jednostki:
ft - stopa = 30,48 centymetra
lb. - funt = ok. 0,454 kg
a - akr = ok. 0,405 ha
BTU - British Thermal Unit = ok. 1,055kJ
in. - cal = 2,54 centymetra
Dr hab. inz. Tadeusz Maciak, prof. SGSP urodzil si? 1949 roku w Warszawie. Studia na Wydziale Elektroniki Politechniki Warszawskiej ukonczyl w roku 1973. Po studiach rozpocz^l prac? w Instytucie Technologii Elektronowej Politechniki Warszawskiej (obecnie Instytut Mikro i Optoelektroniki). Zajmowal si? problemami zwi^zanymi z optoelektronik^. Prac? doktorsk^ obronil na Wydziale Elektroniki Politechniki Warszawskiej w roku 1982. W roku 1991 rozpocz^l prac? na Wydziale Informatyki Politechniki Bialostockiej. W roku 1994 obronil prac? habilitacyjn^. na Wydziale Elektroniki Politechniki Wroclawskiej. W roku 1998 rownolegle podj^l prac? w Szkole Glownej Sluzby Pozarniczej w Warszawie. W latach 2001-2006 Dziekan specjalnosci „Systemy Informatyczne w Technice i Zarz^dzaniu” w Wyzszej Szkole Ekonomiczno-Technicznej w Legionowie. W ostatnich latach jego zainteresowania koncentrj si? na wykorzystaniu aparatu informatycznego w rozwi^zywaniu zagadnien zwi^zanych z ogolnie poj?tym bezpieczenstwem wewn?trzny panstwa. Prowadzi prace zwi^zane z problematyk^. procesu wspomaganiu podejmowania decyzji w Panstwowej Strazy Pozarnej. W kr?gu jego zainteresowan znajduje si? rowniez wszelkiego typu symulacje komputerowe zagrozen pozarowych oraz problematyka ewakuacji ludnosci z zagrozonych obiektow.
Recenzenci
Prof. dr hab. inz. Andrzej Teodorczyk Prof. dr hab. inz. Miroslaw Kosiorek
