金 森，王曉紅，于宏洲

(東北林業(yè)大學(xué) 林學(xué)院, 黑龍江 哈爾濱 150040)

林火行為預(yù)測和森林火險預(yù)報中氣象場的插值方法

金 森，王曉紅，于宏洲

(東北林業(yè)大學(xué) 林學(xué)院, 黑龍江 哈爾濱 150040)

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

森林火險預(yù)報; 林火行為; 氣象場；氣象模型；綜述

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

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

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

1 直接空間插值法

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

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

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

2 基于過程的降尺度模式

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

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

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

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

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

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

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

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

2.3 Wind Wizard模型

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

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

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

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

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

2.4 WindNinja模型

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

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

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

3 結(jié) 語

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

建議今后加強以下三個方面的工作：

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

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

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

[1] 張 朝,陳潔余,單圣滌,等.森林火災(zāi)撲救人員調(diào)度關(guān)鍵問題的研究[J].中南林業(yè)科技大學(xué)學(xué)報,2011,31(4):56-61.

[2] 譚三清,張 貴,劉大鵬.基于灰色關(guān)聯(lián)度分析的森林火災(zāi)危害程度及相關(guān)因子研究[J].中南林業(yè)科技大學(xué)學(xué)報，2010,30(4):135-138.

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

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

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

[6] 王明玉. 基于地理信息系統(tǒng)的森林火災(zāi)撲救輔助決策系統(tǒng)建設(shè). 哈爾濱:東北林業(yè)大學(xué), 2002.

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

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

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

[11] 鄭煥能.林火生態(tài)[M].哈爾濱:東北林業(yè)大學(xué)出版社,1988.

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

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

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

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

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

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

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

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

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

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

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

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

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

[25] 吳春發(fā),李 星.地質(zhì)模擬中數(shù)據(jù)插值方法的應(yīng)用[J].地理信息科學(xué),2004,6(2):50-52.

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

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

[28] 甄 貞,趙穎慧,李鳳日.基于GIS森林火險等級預(yù)報系統(tǒng)數(shù)據(jù)處理技術(shù)[J].東北林業(yè)大學(xué)學(xué)報,2009,37(11):113-117．

[29] 趙 亮,劉鵬舉,周宇飛.復(fù)雜地形下風(fēng)場插值與林火蔓延模擬應(yīng)用研究[J].北京林業(yè)大學(xué)學(xué)報,2010,7(4):12-16.

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

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

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

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

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

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

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

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

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

[39] 李兆芹.基于中尺度數(shù)值預(yù)報模式(MM5)的城市環(huán)境氣象開發(fā)[D].南京:南京氣象學(xué)院,2004.

[40] 焦 林,張永剛.基于中尺度模式 MM5下的海洋蒸發(fā)波導(dǎo)預(yù)報研究[J].氣象學(xué)報,2009,67(3):382–387.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

S762.2

A

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

2012-04-24

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

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

[本文編校：文鳳鳴]