基于红外序列图像的火线实时提取及蔓延模拟火线优化

张晓迪,李明泽,王 斌,吴泽川,莫祝坤,范仲洲

(东北林业大学林学院, 黑龙江 哈尔滨 150040)

森林是地球上最大的陆地生态系统,具有涵养水源、防风固沙、调节气候等作用[1-2],可影响土壤特征,能够起到有效缓解气候变化的作用[3]。有研究表明,林火扰动对森林生态平衡、森林演替变化和森林生物量减少有很大影响[4]。据统计,全球每年大约有20万起森林火灾,摧毁了世界上约1.3%的森林[5]。仅在中国每年会发生1万多起森林火灾,导致损失的森林占全国森林总面积的5%以上[6]。且森林火灾的发生及扰动不但具有破坏性还具有突发性,因此掌握林火蔓延规律以及准确预测林火蔓延速率和火线对有效制订林火扑救方案极为重要。

为探究林火蔓延规律,需对林火蔓延速率进行准确测量。国内外较为流行的林火蔓延速率测定的方法主要有:标杆法、热电偶法、图像测量法[6-8]。标杆法和热电偶法是实验室和野外实验中测量林火蔓延速率较常用的方法,但是标杆法和热电偶法只能测得特定点或部分时间段的蔓延速度[9]。图像测量法是一种以光学为基础,融合计算机技术的方法。与传统方法不同,图像测量法能够测得任意点的蔓延速率。有研究表明,该方法能够准确地对森林火灾蔓延速率及火线位置进行提取,为后续火线蔓延预测提供基础[8-9]。

了解林火发生的驱动因子是建立林火预测模型的基础[10]。影响地表火蔓延的因素众多,主要分为3类,即可燃物的物性和几何特征、可燃物床的特征,以及外界条件[11]。可燃物含水率是影响地表火的主要因素[12-13],可燃物含水率主要受空气和土壤水分状况影响,外界环境水分含量较高,可燃物则从空气或土壤中吸收水分[14]。风能带走林内水汽,降低林内空气湿度,加速可燃物干燥,增大林火发生的可能性[15-16]。坡度是影响森林地表火蔓延的一个重要因素,据统计,高达90%的森林火灾发生在有坡度的山区[17]。相对于平坡林火蔓延,上坡林火蔓延燃烧更加剧烈,火焰长度更长,林火蔓延也更大[17]。何诚等[18]研究了大兴安岭森林草原地下火阴燃特征,认为可燃物含水率与地表可燃物温度上升速度成反比;而且可燃物载量越大,释放的热量越大,达到最高温度所需时间越短。地表可燃物是地表火发生的物质基础,也是影响地表火的主要因素,95%以上的地表火是由1 h滞细小可燃物引起的[19]。而黑龙江省是我国森林火灾的高发区与重灾区,多年来该区频发的森林火灾对区域内森林生态系统及社会经济造成很大影响[20]。樟子松(Pinussylvestrisvar.mongolica)和杨树(Populusdavidiana)等是该区重要的森林类型,有很高的经济价值,其枝叶内油脂含量较高,因此具有极高的火灾风险[21]。本研究以樟子松和杨树地表可燃物为实验材料,结合点烧实验,探究林火发生的蔓延规律。

在近年来的森林火灾蔓延预测中,消防和森林管理方法主要以火灾数学模型为主[22]。现有的火灾蔓延模型主要分为3类。第1类的火灾蔓延预测模型是基于能量守恒规律的物理模型[23]。例如1946年Fons[24]首次提出的林火蔓延模型,后续研究中使用较为广泛的FIRETEC等物理模型[23]。但是,物理模型具有较为复杂的模型结构,且模型所需的参数大部分需要从真实火场中进行实地采集[25]。第2类林火蔓延模型是经验模型,这类模型主要用于确定历史森林火灾数据的时空分布,并结合气象因子信息对这些数据进行分析。例如最广泛使用的森林火灾蔓延经验模型有澳大利亚的McArthur模型[26]、加拿大的国家林火蔓延模型[27]等。所涉及的计算简单且易于实现,但此类模型需要长期的观测数据作为基础进行建模[28]。第3类模型是半经验森林火灾蔓延模型。其中,Rothermel[29]模型基于可燃物特性、地形地貌和气象条件,例如火焰中部高度、风速、气温、相对湿度和降雨情况[30]的半经验模型,且运用较为广泛。但该模型有11个参数,可燃物参数必须通过实验获得,且参数之间存在嵌套关系[25]。本研究简化该模型的参数,通过无人机采集数据集。

现有的火灾计算机模拟技术可以分为两大类[31]。一类是基于栅格的模型。如Ghisu等[32]采用了元胞自动机算法描述火锋行为的蔓延速度使其更接近预期的椭圆火形。然而Ball等[33]提出在恒定和均匀的景观条件下,火灾周边部分往往是有角度的而不是网格单元限制为8个运动方向。另一类是基于矢量的模型。如Zhou等[34]采用通过集合变换卡尔曼滤波器和FARSITE模型预测火线的位置。Knight等[35]采用惠更斯小波的算法预测火线的位置。惠更斯原理通过矢量数据进行计算,在处理障碍物的计算中也有很大优势[36],当火的蔓延遇到不可燃物时,可根据不同情况进行分析,将不可燃物排除在火场范围之外。

有关将惠更斯原理与Rothermel模型组结合用于分析林火蔓延预测的研究鲜见报道。因此,本研究以室内及室外点烧实验数据为基础,充分考虑气候、坡度、可燃物的物性等因素,构建Rothermel-惠更斯模型对林火蔓延规律进行预测,并对模型的准确性和鲁棒性进行定量分析,进而为林火蔓延预测模型的研建提供理论基础和技术支持。

1 材料与方法

1.1 材料采集

黑龙江省具有良好的生态环境,树种类型丰富,分布广泛,主要易燃树种包括蒙古栎(Quercusmongolica)、樟子松(Pinussylvestrisvar.mongolica)、红松(Pinuskoraiensis)、山杨(Populusdavidiana)、白桦(Betulaplatyphylla)[22]等。樟子松和杨树等是该区重要的森林类型,具有很高的经济价值,因其枝叶内油脂含量较高具有极高的火灾风险[21]。因此本研究选择黑龙江地区常见树种的地表可燃物樟子松、杨树等作为研究对象。分别研究0°、8°、18° 3种坡度火灾蔓延的情景,设计了13组室内点烧火势蔓延多变量实验和5组室外点烧火势蔓延多变量实验。于2019年10月和2021年5月防火期,利用五点估计法计算样地内樟子松和杨树的载量。

1.2 实验设计

室内点烧实验共进行13组,每组进行3次。为确保室内温度、相对湿度,点烧实验在上午9:00进行。每次实验开始前利用手持风速仪进行测量。早上8:00开始给床层预热,冷却几分钟后,进行第1场的点燃,实验需间隔10 min左右进行第2场的点燃,选择不同含水率、可燃物载量、可燃物床厚的樟子松均匀铺设在可倾斜的燃烧床上,在燃烧床上随机选取3个点测量松针可燃物的高度并计算其平均高度,然后计算床层压缩比及火的强度。

室内燃烧实验于2019年10月进行。实验室燃料床尺寸1.0 m×1.5 m。燃料床带有隔热的石棉垫,可调节不同的坡度。红外和可见透镜的摄像机与燃烧床垂直放置,红外摄像机对火灾蔓延过程进行全程捕捉,根据火灾过程数据计算火灾蔓延速率,并设置一个电风扇增加风速变量,同时利用风速仪测量风速。并且记录温度、有效湿度等。标定板用来确定物理尺寸与像素之间的转换关系。

室外点烧实验共进行5组,每组进行3次。床层开始预热,每次点燃间隔10 min,通过风速仪测量外界的风速、风向等。选择不同含水率、可燃物载量、可燃物床厚的杨树均匀铺设在可倾斜的燃烧床上,在燃烧床上随机选取3个点测量可燃物的高度并计算其平均高度,然后计算床层压缩比及火的强度。火强度是能够反映林火能量释放速度的指标,一般认为当火灾强度大于400 kW/m时,发生林火的林内大多数的生物都会面临死亡威胁。火灾强度≥3 500 kW/m为高强度火;[750,3 500) kW/m为中强度火;<750 kW/m为低强度火[37]。

室外燃烧实验于2021年5月进行。采用无人机(UAV)搭载红外摄像机与可见光相机捕捉林火蔓延的全过程,同时使用风速仪测量风速,风速计通过RS-232连接到桌面,同时在距地面1.5 m的高度设置风速计测量风速,风速测量的绝对误差小于(0.1+0.1ε)m/s(ε是实际风速),采集的数据可实时存入计算机磁盘上。

将采集的样品运回实验室通风保存,为燃烧实验做准备。实验之前需要彻底干燥可燃物,每次点烧前将可燃物放入烘箱中,在105 ℃条件下连续烘干24 h以上,烘至质量恒定。根据实验所需可燃物干质量计算所需加水量(可燃物湿质量与可燃物干质量之差),利用喷壶将指定质量的水均匀喷洒到可燃物上,并密封24 h至水分完全被吸收。可燃物含水率的计算公式如下:

c=(Wp-Wd)/Wd×100%。

(1)

式中:c为可燃物含水率,g/mL;Wp为样品鲜质量,g;Wd为样品干质量,g。

本研究所考虑的林火蔓延因素主要包括三大类,分别为可燃物的物性和几何特征、可燃物床的特征,以及外界条件[11]。在对火线蔓延变化进行收集的同时,对可燃物含水率、可燃物载量、可燃物的面积以及坡度、火场空气湿度、相对湿度和风速数据进行测量收集。

1.3 从红外图像序列中提取火线及计算蔓延速度

根据搭建的点烧实验环境,室内点烧实验使用红外仪及红外相机对火蔓延全过程进行监测拍摄。火蔓延从视频中一帧一帧地显示出来,视频1 s生成图像24 帧。对每场实验的视频进行处理,转换成图片的格式,实验中每张红外图像间隔1 s。

室外点烧实验选择使用分辨率为24 帧/s的无人机(UAV)记录火灾扰动过程,将所记录的视频转为红外图像,并且对每场野外点烧实验的红外图像进行预处理,对每场实验的视频进行预处理,转换成图片的格式,实验中每张红外图像间隔2 s。

由于原始图像所转化的红外图像中存在噪声,因此使用对图像信息处理较强、能够有效平滑脉冲噪声、算法简单且处理速度快的中值滤波算法[38]对原始红外火灾图像中的噪声进行去除。在此基础上,还针对处理后的图像进行闭运算,其能够使得火线与周围环境有明显差异,然后通过阈值分割方法将火从图像中提取出来。Sobel边缘检测计算量大,定位精度低,得到的边缘范围的拉普拉斯算子容易受噪声的影响,不能检测边缘的方向。而Canny算子能够尽可能多地标识出图像中的实际边缘,标识出的边缘与实际图像的实际边缘尽可能接近,因此通过Canny算子[39]边缘检测提取火线,如图1所示。闭运算是先膨胀后腐蚀,常用来填充目标内细小孔洞,连接断开的邻接目标,平滑其边缘,用于消除较小的噪声点并在一定程度上连接火线[40]。由于在实验进行时相机和燃料床之间没有相对运动,因此可以利用透视变换[38]计算实际的距离。图2显示了3幅红外图像及计算的火线位置。

图1 边缘检测对比图Fig. 1 Comparison diagram of edge detection

a)11:13:40拍摄的红外图像the infrared images captured at 11:13:40;b)11:13:42拍摄的红外图像the infrared images captured at 11:13:42;c)11:13:44拍摄的红外图像the infrared images captured at 11:13:44;d)使用透视变换从红外图像计算火线位置fire line positions computed from infrared images using perspective transformation。图2 3个红外图像与2 s的间隔和火线位置计算Fig. 2 Three infrared images with 2 s interval and fire line positions computed from them

透视变换通常用于计算图像中某些像素的3D坐标,计算公式如下:

(2)

1.4 林火蔓延因子相关性分析方法

为对所收集的林火蔓延相关因子进行排序以得到关键因子,本研究采用R语言中的皮尔逊相关系数及偏相关系数进行相关性分析,分析蔓延速度与可燃物含水率、可燃物载量、表面积体积比、可燃物床深、坡度、风速、温度和相对湿度之间是否存在相关性,然后进行相关性的显著性检验,P<0.01显著性水平下差异显著。皮尔逊相关系数(R)定义为两个变量之间的协方差和标准差的商[40]:

(3)

式中:Cov(X,Y)为X和Y的协方差;σX、σY分别为X和Y的标准差。

1.5 构建Rothermel-惠更斯原理模型

Rothermel[29]模型是国内外应用最为广泛的林火蔓延模型之一,该模型默认把森林地表看作是连续分布的多孔燃料床。该模型中主要涉及的蔓延因子包括可燃物信息、地形信息、土壤信息等。其模型公式如下:

(4)

式中:v为地表火头向前的蔓延速度,m/min;IR为反应强度,kJ/(min·m2);ξ为蔓延率;ρb为可燃物床层密度,kg/m3;ε为有效热系数;Qig为预燃热,J/g;Φw和Φs分别为风速和坡度的修正系数。

惠更斯原理与林火的蔓延过程有很大的相似性,其是在矢量数据上进行运算的,可以按照不同的需要控制计算精度,只要输入的参数足够精确,就能够获得与实际情况非常接近的模拟输出结果[34]。该方法将火阵面上的每个点都视为一个虚拟的火点,这些火点沿着一个椭圆形几何体进行蔓延,从而形成火场的蔓延边界。该原理所需要的参数包括:火点的位置及最大蔓延方向(风和坡度合成的弧度方位角)[36]。该原理的主要思路为:①由火点出发并在单位时间内生成t时刻的火线;②在t时刻火线上均匀选取一定数量的点作为新的火点;③由新的火点在单位时间内生成相应的椭圆火线;④将这些椭圆火线包络起来生成t+1时刻的火线。依照此步骤循环往复,以T为阈值依次生成后续的火线。

本研究构建了Rothermel-惠更斯原理模型,Rothermel模型能计算出每一个控制点的蔓延速度,结合惠更斯原理实现了对某一时刻的火场面积、火场周长的实时计算,在此基础上Rothermel-惠更斯模型还能根据坡度、风向和植被情况的变化对模型参数进行改变,实现了对森林火灾蔓延的实时预测模拟。技术路线如图3所示。

图3 算法设计流程图Fig. 3 Algorithm design flow chart

1.6 优化Rothermel-惠更斯原理模型模拟火线

由于森林火灾情况复杂,火势较猛,并且火蔓延过程易受地形和风速、风向的影响,造成多个着火点同时蔓延,通过矢量迭代循环和交叉剪裁算法优化了火场蔓延边界点割裂的不足,完成了着火点蔓延范围交叉点的计算,提高了边界的计算效率,实现了林火范围的精准计算,使火焰更加符合实际情况。

随着野火的蔓延,火线的边界相应闭合多边形通常会变大,闭合多边形顶点的数目也会相应地增加,通过插值的方法构造多边形顶点。根据惠更斯原理,模拟时如果随着火线的增长,火点的数量保持不变,那么火点之间的距离会增加,火点之间的距离过大会给火线顶点方向的近似值带来误差,从而影响整个模拟过程。当火在防火带周围蔓延时,火点之间形成巨大的距离。当火点进入断点时,这些火点会引起断点底部的振荡线。最终,在中断的两端都有两个连续的火点,一个在中断区内,另一个在中断区外,不进入中断区。外部的火点持续随风移动,另一火点保持静止,会导致模拟不足。当火线周围分布火点时,火点的最高密度应位于火线曲率较高的区域。因此本研究使用交叉剪裁算法[41-42]和矢量迭代循环[43]。当火线的两个完全独立的部分相交,形成一个很大的内部循环,至少跨越一次,就会发生交叉。时间t处火线的一部分见图4,围绕i=p处的凹点,在t+dt处形成一个环路。t+dt处的循环剪裁过程包括确定循环与外部曲线的交点,在交点处添加新的离散点,最后将新的点分配给剪裁火线上的点。在每个时间步长内,都会搜索曲线中的凹面点。如果在下一时间步长形成任何回路,则已知其与外部曲线的交点必须位于上一时间步长凹点的任一侧。通过测试这些点p两侧的线段的交点,可以找到与外部曲线的交点。如果回路与自身相交,则所需的交点是曲线上相距最远的相交线段之间的交点。搜索过程只需在p两侧的一小段距离内执行,以确保交点的识别。p两侧所需的距离取决于dt(dt越大,回路越大)和曲线上点的密度(取决于阈值T)。火蔓延模拟优化前后的火线见图5。

图4 循环剪裁算法Fig. 4 Loop clipping algorithm

图5 火蔓延模拟优化前后的火线Fig. 5 Fire spread simulation optimized before and after the fire line

1.7 精度评价

采用Kappa系数、精度(PT)、灵敏度(S)和性能指标(F)作为模型的评价指标,以此来衡量所提出模型的准确程度。

Kappa系数用于预测结果与实际过火区域的一致性分析。图像上的像素可分为两类:燃烧区域和未燃烧区域。计算公式如下所示:

(5)

(6)

(7)

式中:K为Kappa系数;p0为每个类别正确分类的样本之和除以样本总数;pe表示实际与预测样本的乘积之和除以样本总数的平方;TP表示预测正确的样本数;FN表示预测为非火点的数量但真实存在的样本数。样本总数为n,实际燃烧区域的像素个数为a1,不燃烧的像素个数为a2,模拟结果燃烧的像素个数为b1,不燃烧的像素个数为b2。

精度(PT)指的是预测燃烧区域的像素占总的预测区域像素的比例。计算公式为:

(8)

式中:PT表示精度;TP表示预测正确的样本数;FP表示预测错误的样本数。

灵敏度(S)为遗漏误差,意味着分析的单元格中存在森林火灾,但没有预测到火灾;也就是说,这个指标是指在真实火线中正确预测燃烧区域像素所占的比例。计算公式为:

(9)

式中:TP表示为预测正确的样本数,FN为被预测为非火点的数量但真实存在的样本数。

性能指标(F)为精度(PT)和灵敏度(S)的调和平均数,为模型的整体衡量标准。计算公式为:

(10)

2 结果与分析

2.1 林火蔓延速度与环境变量相关性分析

利用皮尔逊相关分析算法得到变量的相关性如表1所示。从表1可以看出,林火蔓延速度与可燃物含水率呈极显著负相关。随着可燃物含水率的增加,火蔓延速度减小,可燃物含水率较低时,被点燃概率增加。在可燃物含水率和风速为定值的情况下,坡度为唯一变量时,坡度与火蔓延速度呈极显著正相关。坡度平缓,火蔓延缓慢,随着坡度的增加,蔓延速度增加。风速与火蔓延速度呈极显著正相关。风速对火蔓延速度具有较强的影响,火蔓延速度随着风速增加而增加。可燃物载量增加,火蔓延速度增加,但是载量增加,可燃物的厚度增大,含水率升高,又会减缓火蔓延速率。可燃物厚度与火蔓延速率呈极显著负相关。火蔓延速度与火场温度呈极显著正相关。而相对湿度会影响森林中可燃物的含水量,增加可燃物水分,从而减缓森林火灾的蔓延,但对蔓延速度影响不显著。蔓延速度与风速相关性最高,可燃物含水率、可燃物面积、相关性较高;蔓延速度与载量相关性最低。因此,风速、可燃物含水率、可燃物面积等是影响蔓延速率的主导因素。

表1 林火蔓延速度与环境变量因子的相关分析

2.2 Rothermel-惠更斯原理模型对林火蔓延的模拟结果分析

本研究利用Rothermel-惠更斯模型的方法对室内点烧实验和室外点烧实验林火蔓延过程进行模拟。为了验证模型的有效性,设置了实验将实际结果与仿真结果进行对比分析。Rothermel-惠更斯模型分别对室内点烧实验和室外点烧实验的一场野火的模拟结果见表2。室内点烧实验的模拟时间分别为50、210、400 s;室外点烧实验的模拟时间分别为50、125、300 s。在模拟这两场火时,每次迭代的时间间隔为2 s。构建的Rothermel-惠更斯模型预测的火场区域与实际点烧实验的火场区域进行一致性分析,与实际燃烧的火灾对比,发现本研究所采用的方法能够很好地捕获真实林火的蔓延过程,室内点烧实验的总体精度PT达到79.25%,灵敏度S为78.42%,性能指标F为79.11%,Kappa系数为0.804;室外点烧实验的总体精度PT达到85.15%,灵敏度S为82.31%,性能指标F为82.85%,Kappa系数为0.832。说明该模型在实际环境中具有很高的适用性。室外点烧实验比室内点烧实验更符合实际林火蔓延情况,模拟精度较高。根据Kappa系数证明Rothermel-惠更斯模型的预测结果与真实的过火区域存在高度的一致性。

表2 部分火灾的仿真结果与实际结果一致性分析

2019年11月的室内点烧实验的一场林火和2021年5月的室外点烧实验一场林火的实际过火区域与模拟的叠加分析结果见图6,模拟过程中每更新迭代1次,即读取1次风速、风向等数据,实验过程中的风速数据都是以秒(s)为单位,因此模拟时间50 s相当于迭代25次的结果。图6a的蓝色部分表示模拟结果,白色部分表示实际过火区域。图6b实际过火区域与模拟结果的叠加分析图中,蓝色部分表示Rothermel-惠更斯模型模拟结果,绿色线框选的区域表示实际过火区域。

图6 模拟结果与真实过火区域叠加分析Fig. 6 Uperposition analysis of simulation results and real overfire areas

为了描述火线的仿真结果精度,将火线的仿真位置(蓝色区域边缘点)与实际火线位置(绿色线对应点)之差作为该点的预测误差(图6b)。取蓝色区域边缘线一点,仿真火线上的一个点与实际火线上的每个点的距离,取最小值。以此类推,计算出仿真火线上每个点的最小距离。若蓝色点位于燃烧区域即绿色线范围之内,则该距离为负值,即预测不足;若蓝色点位于绿色线范围之内,则该距离为正值,即预测过度。对所有的蓝色区域边缘点进行遍历,获得火场的预测误差(图7),从图中可以看出,两场火误差的整体范围较小。

图7 两场火的仿真误差密度分布Fig. 7 Simulation error density distribution of two fires

3 讨 论

传统的森林火灾实验或现场调查中,从森林火灾中采集数据大多是人工进行的。为了采集火势的蔓延速度,需要在实验火场预先放置热电偶,并通过传感器估计火势的蔓延速度,非常耗时耗力[42]。Wang等[45]通过ZAD型双目立体相机用于收集火场的相关数据。数据采集效率非常高,无人机早期野火监测探测和预警系统集成了各种遥感技术和深度学习的计算机视觉技术,已成为野火监测的有前途的技术[43-44]。本研究在无人机的平台基础上,利用皮尔逊相关分析和偏相关系数对林火蔓延因子进行相关分析,在此基础上构建了Rothermel-惠更斯原理模型的林火蔓延预测模型。使用机器视觉的方法得到火线和火蔓延速度,数据采集效率高。

通过皮尔逊相关分析及偏相关系数结果(表1)表明,林火蔓延速度与风速、可燃物含水率、可燃物面积依赖关系最显著,风速决定火灾发生频次和规模。风速愈大,火灾次数越多,特别是干旱、高温的天气。风能带走林内水汽,降低林内空气湿度,加速可燃物干燥,增大林火发生的可能性。这与其他研究人员的结果一致[14-15]。可燃物含水率主要受空气和土壤水分状况影响,外界环境水分含量高,可燃物就从空气或土壤中吸收水分。实验过程中,可燃物含水率为30%不会引燃,有些点烧实验可燃物含水率为20%,可燃物床层不蔓延。这是因为熄灭含水率不是一个固定值,可能与床层结构、可燃物载量、风速和火源大小等有密切关系[45]。其次是温度和坡度,温度会直接影响可燃物燃料的水分含量,高温会导致植物水分蒸发增加,增大了林火蔓延的概率[46]。相对湿度会影响森林中燃料的含水量,相对湿度会增加可燃物水分,从而减缓森林火灾的蔓延[47]。不同坡度上的可燃物燃烧速率不同,坡度越大,对林火蔓延的影响越突出。可燃物载量增加,火势强度增大,释放的热量增加,可加快林火蔓延速率。可燃物载量低,可以减缓火势蔓延[48-51]。风速、可燃物含水率、可燃物面积等是影响蔓延速率的主导因素。

通过矢量迭代循环和交叉剪裁算法优化了火场蔓延边界点割裂的不足,完成了着火点蔓延范围交叉点的计算,提高了边界的计算效率,实现了林火范围的精准计算和火焰的逼真表达。但对于优化Rothermel-惠更斯模型模拟火线的误差主要来源:①可能是实际燃烧图像(图6a)的左上角火蔓延速度很慢,但是模型对这一区域的火蔓延速度估计过快。②手持风速计在采集风速数据时,数据存在一定的误差。此外,从红外图像中提取的火线与实际火线存在差异。③火点是从同一火场的燃烧区域和未燃烧区域采样的。当应用火灾训练模型模拟另一场火灾的蔓延时,火灾区域的相关属性会发生变化,从而降低了模型的预测精度。④林火蔓延是动态的,从点燃到熄灭,蔓延速度随时间动态变化。在有风的条件下,摄像机对燃烧床中间部位的测量会受到遮挡,距摄像机近端火的蔓延速度可能会大于可燃物燃料床中间部位的蔓延速度。为了消除这种误差,需要进一步优化模型中的参数。

研究对构建的Rothermel-惠更斯原理模型进行林火蔓延模拟并进行了验证。Rothermel-惠更斯模型精度较高,误差较小,在小尺度火灾蔓延中有着稳定的性能表现。作为一个可扩展的模型,在今后的研究中,还要验证此模型对大尺度森林火灾的适用性,模拟燃烧的实验与实际的森林环境燃烧是否具有高度相似性。此外,本研究结果对于管理策略和防火方面是一项重要的参考。在今后的研究中,可以选择其他几种经典林火蔓延速度模型,例如加拿大林火蔓延模型[27],王正非[52]林火蔓延速度模型等,根据收集到的变量判断适合的模型,以提高模拟的准确性。