林火行为预测和森林火险预报中气象场的插值方法

金 森，王晓红，于宏洲

(东北林业大学 林学院, 黑龙江 哈尔滨 150040)

林火行为预测和森林火险预报中气象场的插值方法

金 森，王晓红，于宏洲

(东北林业大学 林学院, 黑龙江 哈尔滨 150040)

介绍了目前在森林火险预报和火行为预测中使用的气象场插值方法和应用情况。这些方法可以分成直接空间插值和基于过程的降尺度模式法两类。直接空间插值方法在林火科学中应用的有泰森多边形法和地形修正的反距离权重法。基于过程的降尺度模式主要有MM5、RSM、MSM、Wind Wizard和WindNinja等。在对比两类方法的基础上，提出了对未来相关研究工作的建议：(1）建立小尺度(100米尺度）甚至微尺度(10米级）上的MSM模式，以满足复杂地形的林火行为模拟需要；(2）提高模式的运行速度，向实时化方向发展；(3）加强过程模式的验证和在森林防火工作中的应用。

森林火险预报; 林火行为; 气象场；气象模型；综述

准确预测森林火险预和火行为对于做好森林火灾预防工作和有效控制森林火灾十分必要[1]。火行为模型根据天气、地形和可燃物三个因素对林火蔓延速度等指标进行预测。森林火险预报系统根据已知条件对森林火灾发生的可能性、火行为和控制难易程度进行预测[2-4]。完善的火险预报系统，如美国国家火险等级系统(NFDRS）[5]，不仅考虑天气条件，还考虑地形和可燃物条件，根据潜在火行为来确定火险等级。三个因子的数据获取存在很多不确定性。地形、可燃物类型及其理化性质以及气象要素的空间复杂性，使火险预报和火行为预测的准确性不仅取决于火险和火行为的预测方法或模型的准确性，还取决于这些输入因子的准确性。准确获得气象、地形和可燃物的空间分布信息，更好地反映其分布，可以提高火险预报和火行为预报的准确性，也是林火科学一直关注的问题。

在上述3个因子中，地形是稳定因子，一般通过数字高程模型(DEM)输入到火险和火行为预测模型中。高程数据可从地形图数字化得到，也可从遥感影像中通过立体像对运用摄影测量方法获得[6]，具有较高的准确度，与火险计算方法和火行为模型的不确定性相比，基本能够满足需要。可燃物是半稳定因子，同一地段上的可燃物如果没有外来干扰，年际间变化很小，具有一定的动态变化规律[7]。但可燃物具有强烈的空间异质性，其组成、结构及含水率变化很大[8]。为准确地提供可燃物信息，常将可燃物划分成若干类型，如美国的可燃物模型[9]，加拿大系统的16个模型[10]和我国的可燃物划分[11]等。大尺度上可利用遥感图像获取可燃物信息，如类型、载量和含水率等[12]。这方面的研究已开展很多，国志兴等[13]对可燃物进行了详细的综述，包括可燃物模型、可燃物类型图的制作方法等。虽然相比于地形因素，可燃物信息获取还存在很大的不确定性，但目前的工作已开展得很充分。

气象是上述三个因素中最不稳定的因子[2]。影响森林火险和火行为的气象要素主要是空气温度、湿度、风速和风向及降雨等，其中风对火行为的影响更大。气象要素随时间和地点时刻变化，受地形和植被条件等影响，不仅在大尺度上具有强烈的空间异质性，在小尺度上也具有强烈的空间异质性。火险预报涉及多个空间尺度，无论从国家尺度到区域尺度，还是县的区域，面积都很大，涉及到数千平方公里以上大尺度气象信息的异质性。火行为预测的尺度比火险预报的尺度小，在几公顷(长度上100米尺度）到数万公顷或更大。在此尺度上，地形对气象场的影响，特别是对风速和风向的影响尤为重要。因此，火险预报和火行为预测都需要气象要素的空间分布数值，即气象场数据。随着空间技术的发展。火险预报和火行为预报的尺度日益下降[14]，对空间气象场的数据需求日益增加。目前无论国内还是国外，气象站数量都有限，站点密度不足，为进行基于空间差异的火险预报和火行为预报，必须进行气象数据插值，以获得空间气象场数据。进行气象场插值的方法较多[15]，但目前在森林火险预报和火行为预测中应用的还不是很多，特别是小尺度(百米级）上的气象场模型还很少。该问题虽然已得到关注，但与地形和可燃物数据相比，其方法还十分有限，还需深入研究。目前在森林火险预报和火行为预测中使用的气象场插值可以分成直接空间插值和基于过程的降尺度模式法两类。本研究对这两类方法进行介绍，对其不足和未来发展方向进行探讨，以期为进一步提高森林火险预报和火行为预测的准确性提供参考。

1 直接空间插值法

空间插值的实质是通过已知样点的数据来估算未知点的数据[16]。直接空间插值方法一般用一个相对简单的空间分布模型来模拟气象要素的空间分布，而不是根据大气物理过程进行降尺度计算。目前插值方法较多，常用的有多项式插值法、泰森多边形法、反距离权重法、克里金法、样条函数法等[17-21]。余琦和刘原中[22]将地形因素考虑进来，提出了一种基于高程和距离的权重算法，从而形成了地形修正的反距离权重风场插值方法。

不同的插值方法结果不同[23]，要根据研究域和数据的特征，选择最优的一种插值方法。李新等[15]对空间插值方法进行比较，同样指出没有绝对最优的空间内插方法，必须对数据进行空间探索分析，根据数据的特点，选择最优方法。封志明等[24]利用反距离加权法和梯度距离反比法，对1961～2000年甘肃省及其周围85个气象站点的多年平均温度与降雨量进行了内插。结果表明，随着经纬度和海拔高度的不同，两种插值方法的效果也不同；李军龙等[16]用对全国及周边地区2 114个气象台(站)30年的年均温度、年积温和年降水量，分别采用样条函数法、反距离加权平方法和普通克里金法进行空间插值分析并进行了比较，结果表明，年均温度插值时，克里金法法优于样条函数法，样条函数法优于反距离加权平方法；年降水量插值时，克里金法优于样条函数法和反距离加权平方法，年积温插值时，克里金法优于反距离加权平方法，反距离加权平方法优于样条函数法。

上述方法主要是应用在地学和气象学方面[25-27]，但在火险预报和火行为预测研究中也有应用。甄贞等[26]采用泰森多边形法，以吉林省51个气象站为基础数据，进行了气象数据插值通过火险计算，给出了吉林省森林火险的空间分布情况。赵亮[29]基于余琦和刘原中[22]的地形修正的反距离权重法，通过DEM来获取地形起伏变化因子，利用ArcMap进行了风场空间插值，用插值风场数据进行了林火蔓延模拟，并与真实风场数据和实际火场数据比较。结果表明，基于地形起伏的风场插值方法对山区风场的模拟更接近实际情况，用该法插值的结果模拟的火场形状与实际火场更相似。

2 基于过程的降尺度模式

与直接空间插值方法不同，基于过程的降尺度模式是基于大气物理过程的动力学描述，通过降尺度形成更小尺度上的气象场数据。这些模式相当于机理模型。这类模型有很多[30-31]，目前在森林火险预报和林火行为预测中应用的主要有以下4个。

2.1 中尺度大气模式MM5（Mesoscale Model Version 5）

MM5是美国宾夕法尼亚州立大学和国家大气研究中心(PSU/NCAR)共同开发的第5代区域中尺度数值模式[32]，是目前气象领域应用最广泛的中尺度数值天气预报模型之一。MM5包括5个模块：地形及地表分类参数处理模块(TERRAIN)、第一猜测场的形成模块(DATAGRID)、客观分析模块(RAWINS)、初边值形成及后处理过程模型(INTERP)和预报模型(MM5)[33-37]。该模式引入了非静力平衡效应，具备描写较小空间尺度而发展强烈的天气系统能力，对于局地扰动的生成和发展的描述能力强。并相应减少约束条件，一经发布就赢得世界各国相关学科众多业务和科研部门科学家的关注，并自发参与到模式系统的进一步开发更新工作中去。目前MM5注册用户遍及全球数十个国家，我国是MM5的主要使用国家之一，在气象、环境、生态、水文等多个学科领域都得到广泛使用[38-40]。也正是因为其对描写较小空间尺度上发展强烈的天气系统的能力和对于局地扰动的生成和发展的描述能力强，而在森林火险预报中得到了应用。

In和Zhong[41]利用MM5模式并结合无线电测风仪来验证美国国家火险天气等级指标中Haines指数预测的准确性。Haines指数通过计算大气的平衡度和干燥度来确定指定区域的火灾发生的可能性。一般情况下，干燥不稳定的大气发生大火的可能性大。该研究比较了由美国东部29个气象站5个月的气象数据和用MM5模式模拟的气象场数据分别计算的两个Haines指数的吻合情况，分析了MM5模型在火险预报中应用价值。结果表明，在全部4 184个Haines指数中，两种方法计算结果45%非常吻合，43%较吻合，而剩余的12%则误差较大，要么显著提高了火险，要么显著降低了火险。因此，MM5模式总体上可用来进行森林火险计算中气象场的插值，但对于一些极端的火险天气条件的Haines指数还存在很大的不确定性。

Hoadley[42]用MM5模式生成了4 km、12 km、36 km三种不同空间分辨率的2000年的美国Idaho北部和Montana西部的气象场数据，将此数据输入到美国国家火险等级系统中计算了各网格点上的火险指标，如能量释放指标(Energy release index）和燃烧指标(Burning index）等，并与同期的6场森林火灾的相应指标进行了比较。结果表明，在4 km的尺度上，根据MM5数据所计算的NFDRS指标与实际火灾的指标的误差最小，而在36 km尺度上平均绝对误差最大。这表明了MM5模型中对地形的处理方法掩盖了模型中粗糙地形和边界层条件中的细小误差，可用于NFDRS系统的小尺度火险预测，从而提高火险预报的空间分辨率。

2.2 区域谱模式(Regional spectral model,RSM)和中尺度谱模式(Mesoscale spectral model, MSM)

1994年美国国家环境预测中心(NCEP)开发了高分辨率区域光谱模式(the High Resolution Regional Spectral Model， 简 称 RMS)。1997年，夏威夷大学、美国国家环境预测中心和国家气象局预测办公室共同对对流体静力学版本的RSM模型进行测试，数据分辨率为10 km，发现RSM在这种分辨率下不能解决复杂的地形问题，模拟结果和实际的观测值仍然有一定的误差[43]。2000年NCEP开发了RSM模型的非静力学版本，又称中尺度谱模式(Mesoscale Spectral Model，简称MSM)。该模型在理想化和真实条件下的模拟效果都较好。MSM模型中的主要数值技术包括光谱计算(spectral computation)、隐式横向扩散(implicit horizontal diffusion for temperature and humidity(wind) on pressure (sigma) surfaces)、时间滤波器(time filter)、抗干扰的半隐式调节器(semi-implicit adjustment for perturbation)等。当前MSM已被NCEP用于全球气象预测，降尺度气象预测模拟时间跨度长达48 h，空间分辨率达到1 km。还可用于季节性的气候模拟预测及火行为的预报[44]。1 km的空间尺度完全能够满足森林火险预报的需求，但对于林火行为预报还有些粗糙。目前该组织正在研究开发200 m尺度的MSM模型。

Chen[45]应用MSM模拟了2000年6月18日发生在美国Troy的一场火灾中的风场。图1显示了分辨率分别是63 km、10 km、4 km和1 km时的风场分布情况。从中可见，分辨率越高，风速和风向模拟越细致，1 km分辨率的MSM模拟很好地体现了由地形引起的风场变化。MSM适用于大面积林火模拟中小区域高分辨率的气象场的生成。

2.3 Wind Wizard模型

图1 用MSM模型模拟的4种分辨率下的风场[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是一个能计算30 m尺度上的风场变化的模型和软件。Wind Wizard采用计算流体动力学模型(Computational Fluid Dynamics），用电子计算机和离散化的数值方法对流体力学问题进行数值模拟和分析。该模型所需的地形数据从数字高程模型(DEM)中获取，DEM数据区域要比模拟区面积大20%～30%。需要准确定义缓冲区，以减少模拟区周围地形对风场可能产生的影响。Wind Wizard输出的是栅格和矢量形式的风速和风向数据，分辨率一般是30 m～300 m，输出结果可以创建成一个风场图(图2）[46]。

图2 Wind Wizard生成的风场[46]†Fig.2 Wind field generated by Wind Wizard†图中白色的线表示火线，风速和风向是由矢量数据来表示的，用箭头的长度代表了不同的相对风速大小，箭头的指向代表着不同的风向

Wind Wizard能模拟很小尺度(30 m）上丘陵和山地中中度到强度风流循环的情况，每运行一次大概需要30 min到2 h。其关键的假设是风流呈中性的或是近中性的稳定状态，这在很多情况下得不到满足。

图3给出了Weise[46]用MM5、RSM和Wind Wizard等三种模式产生的风场数据和当时的可燃物、地形等信息，利用FARSITE[47]模拟的火场与实际火场的对比情况。从中可见，用这些模式产生的气象场数据模拟的火场情况与实际情况都有很大的差距。这有模型本身的问题，也有可燃物和气象场数据不准确的原因。相对而言，使用MM5气象模型数据模拟的火场与实际火场重叠的面积最大。

2.4 WindNinja模型

WindNinja主要用于模拟微尺度下地形对风的影响。模型用表面热通量、至山脊顶部或山谷底部的距离、坡度角、表面和夹带的阻力参数等来计算地形风，采用基于数字高程模型的单点风场模拟。根据单个已知风速点进行整个区域的模拟。它需要的数据有:建模区的高程数据、起主导作用的初始的风速和风向数据、主要植物类型数据。在WindNinja中日间坡度动力学模型可以由用户开启或关闭。该模型输出的是风速风向的ASCII码格式的栅格数据、ArcGIS的shp文件和kmz文件。这些文件可用于空间火行为模型，如FARSITE和FlamMap[49]等。其结果可在GIS程序中测绘风矢量，以及在Google Earth中浏览。WindNinja模拟的区域可达到50 km×50 km，空间分辨率可达100 m。

2009年，WindNinja中加入了微气象模型和坡度动力学模型来估测大气稳定性等新特性，以减少假设条件，增加其适用性[50]。为了验证加入了新模型的WindNinja模拟的风场对火蔓延模拟的准确性，Forthofer将WindNinja生成的风场数据作为输入数据应用在FARSITE火蔓延模型中，在模拟中假设试验区的可燃物类型相同，气象场中除了风场以外的数据都是恒定的，以保证风场是模拟中唯一变化的参数，从而准确确定WindNinja模拟的风场对林火蔓延模拟的影响情况。结果表明，加入了微气象模型和坡度动力学模型的WindNinja较之前的版本模拟的更加准确。WindNinja的优点是计算速度较快，根据硬件和模拟配置的不同大概需要8～45 s，并且加入了坡度动力学模型，对大气流动速度没有要求。相对于WindWizard，WindNinja更加适合模拟弱风，特别是受坡度影响明显的风场。

图3 基于不同风场模型模拟的2006年10月26日8点Esperanza模拟火场与实际火场的对比情况[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†点代表空间网格的密度火场I是由FireMapper生成的火线图；II、Ⅲ、Ⅳ分别是由MM5模型、RSM模型和Wind Wizard生成不同的气象数据模拟的火蔓延情况

3 结 语

在现有的两类气象场插值方法中，直接空间插值法方法简单，对计算能力的要求不高，只要数据条件允许，可以建立任意空间尺度的气象场数据。但由于是基于对气象空间分布的简单模拟，模型过于简化，往往不能完全反映气象要素在空间上的异质性，特别是对于森林火险和林火行为预测中十分关键的风速和风向的插值误差较大。基于过程的降尺度模式是基于大气物理过程，对气象要素空间变异的描述更科学，但对计算能力要求高，一般需大量的计算时间，难以实现实时计算。同时在尺度上目前较为广泛接受的是MM5和RSM、MSM模式，但这些模式的最小尺度是1 km，能够满足森林火险等级的计算，但不能满足火行为模拟的需要。而微尺度(30 m）的气象场模型，如Wind Wizard等的一些假设并不总是能够满足，因此，限制了这些模型的应用。

建议今后加强以下三个方面的工作：

（1）建立小尺度(100尺度）甚至微尺度(10米级）上的MSM模式，以满足复杂地形的林火行为模拟需要。目前200 m尺度上的MSM模式正在研究中(个人通讯）。

（2）提高模式的运行速度，向实时化方向发展。目前的计算机运算速度已得到很快发展，早期需要多台计算机并行计算的工作，现在只要一台高性能工作站就能实现，考虑到未来云计算等计算技术的发展，计算能力的限制可能不再是制约瓶颈。

（3）加强过程模式的验证和在森林防火工作中的应用。对于我国而言，MSM已被引进，但有关该模式的验证工作还需深入开展，在此基础上，将其应用到气象场模拟上，以提高我国森林火险预报和林火行为预测的准确性。

[1] 张 朝,陈洁余,单圣涤,等.森林火灾扑救人员调度关键问题的研究[J].中南林业科技大学学报,2011,31(4):56-61.

[2] 谭三清,张 贵,刘大鹏.基于灰色关联度分析的森林火灾危害程度及相关因子研究[J].中南林业科技大学学报，2010,30(4):135-138.

[3] 郑焕能,牛树奎,刘艳红,等.森林防火[M].哈尔滨:东北林业大学出版社, 1992.

[4] 闫 厚.森林火险等级预报系统的开发[J].林业资源管理,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. 基于地理信息系统的森林火灾扑救辅助决策系统建设. 哈尔滨:东北林业大学, 2002.

[7] 胡海清. 林火生态与管理[M]. 北京:中国林业出版社, 2005.[8] 高国平, 周志权, 王忠友. 森林可燃物研究综述[J]. 辽宁林业科技, 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] 郑焕能.林火生态[M].哈尔滨:东北林业大学出版社,1988.

[12] 金 森.遥感估测森林可燃物载量的研究进展[J],林业科学，2006,42(12):63-67.

[13] 国志兴,钟兴春,方伟华,等.野火蔓延灾害风险评估研究进展[J].地理科学进展,2010,7(7):778-788.

[14] 王丽涛,王世新,乔德军,等.火险等级评估方法与应用分析[J].地球信息科学,2008,10(5):578-585.

[15] 李 新,程国栋,卢 玲.空间内插方法比较[J].地球科学进展,2000,15(3):260-265.

[16] 李军龙,张 剑,张 丛,等.气象要素空间插值方法的比较分析[J].草业科学,2006,(8):6-11.

[17] 林忠辉,莫兴国,李宏轩,等.中国陆地区域气象要素的空间插值[J].地理学报,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,刘原中.复杂地形上的风场内插方法[J].辐射防护，2001,21(4):213-218.

[23] 金 君,彭思岭,刘启亮,等.中国陆地区域气象要素空间插值方法比较研究[J].工程勘察,2010,(11):48-51.

[24] 封志明,杨艳昭,丁晓强,等.气象要素空间插值方法优化[J].地理研究,2004,5(3):357-364.

[25] 吴春发,李 星.地质模拟中数据插值方法的应用[J].地理信息科学,2004,6(2):50-52.

[26] 周小文,付 晖,吴昌瑜.地层特性随机场插值方法应用研究[J].岩土力学,2005,2(2):221-224.

[27] 王喜峰,周祖昊,贾仰文,等.几何插值法在大尺度长系列降雨插值中的比较和改进[J].水电能源科学,2010,12(12):1-3.

[28] 甄 贞,赵颖慧,李凤日.基于GIS森林火险等级预报系统数据处理技术[J].东北林业大学学报,2009,37(11):113-117．

[29] 赵 亮,刘鹏举,周宇飞.复杂地形下风场插值与林火蔓延模拟应用研究[J].北京林业大学学报,2010,7(4):12-16.

[30] 李元鹏,赵逸舟,辛 渝,等.利用RegCM3模式模拟新疆区域气候[J].安徽农业科学,2010,38(23):12604-12607.

[31] 汤剑平,赵 鸣,苏炳凯,等.MM5BATS对东亚夏季气候及其变化的模拟试验[J].高原气象, 2005,24 (1):28-37.

[32] 张金善,钟 中,黄 瑾.中尺度大气模式MM5简介[J].海洋学报,2005,22(1):31-40.

[33] 王劲松,张 华,李耀辉.第五代 PSU/ NCAR中尺度模式系统(MM5)介绍I:地形及地表分类参数处理(TERRAIN 模块)[J].甘肃气象,2000,18(2):4-9.

[34] 李耀辉,王劲松,张 华.第五代PSU/NCAR中尺度模式(MM5)介绍Ⅱ:第一猜测场的形成(DATAGRID 模块)[J].甘肃气象,2000,18(3):7-11.

[35] 李耀辉,张 华,王劲松.第五代PSU/NCAR中尺度模式(MM5)介绍Ⅲ:客观分析(RAWINS模块)[J].甘肃气象，2000,18(3):12-16.

[36] 王劲松,张 华,李耀辉.第五代 PSU/ NCAR中尺度模式系统(MM5)介绍I:地形及地表分类参数处理(TERRAIN 模块)[J].甘肃气象,2000,18(2):4-9.

[37] 张 华,李耀辉,王劲松.第五代PSU/ NCAR中尺度模式系统(MM5)介绍V:预报模式(MM5 模块)[J].甘肃气象，2000,18(4):6-14.

[38] 李兆芹,姚克敏.MM5在农业气象和城市气象中的应用现状与前景[J].气象教育与科技,2003,25(3):1-6.

[39] 李兆芹.基于中尺度数值预报模式(MM5)的城市环境气象开发[D].南京:南京气象学院,2004.

[40] 焦 林,张永刚.基于中尺度模式 MM5下的海洋蒸发波导预报研究[J].气象学报,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

林业公益性行业科研专项（200804002）；教育部新世纪优秀人才支持计划项目（NCET-10-0278）

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

[本文编校：文凤鸣]