当野火肆虐美国西部大部分地区时,斯坦福大学的研究人员使用了CAT扫描仪,和医学上用于窥视人体内部的仪器一样,来了解阴燃的过程——在没有火焰的情况下燃烧通常会导致火灾。然后,他们将对大火的深入理解融入计算机模型,以预测下一场大火可能在哪里发生。研究人员说,这些模型可以帮助消防员分配宝贵的资源,减少财产损失,并帮助拯救生命。
“对于野火风险评估,或者如果你是一名消防员,你需要的是对当地燃料——即附近的树木和植物——燃烧速度的准确预测。机械工程教授Matthias Ihme说,他是该团队最近在《燃烧学会学报》上发表的论文的主要作者。
透视材料的内部
在没有受过训练的人看来,闷烧可能是无害的,但它消耗了野火中燃烧的植物的一半以上。阴燃的木头可以沸腾好几天,然后再次点燃,而炽热的余烬,被上升气流带到高处,可以在一瞬间将野火转移到未触及的地区。
Ihme实验室的研究生Emeric Boigne开发了一种新的分析方法,使用先进的x射线计算机断层扫描(XCT)来研究阴燃过程,他说:“通过观察原木的外部很难对阴燃过程有一个准确的了解。”XCT能够穿透密集的材料内部——就像它穿透人体一样——提供一毫米以下的木材结构的三维图像,当它们闷燃并最终起火时。
Ihme表示:“Emeric认识到了CT扫描仪这种非常规应用的潜力。”“你可以进入固体材料内部,用一种新的方法来测量周围火焰的温度。”
研究人员设想从全国甚至全世界收集木材样本,用XCT分析它们,并编纂各种燃料的详细数据库。Boigne已经去了几个地方收集木材样本和不同的易燃材料。
“我们的目标是建立一个关于燃烧速率和不同材料转化率的数据库,”Ihme说。“理论上,消防员和其他人可以从任何地方把它们送到我们这里。”
平行的幂
为了创建一个预测火灾模型,斯坦福大学研究生Matt Bonanni将收集到的各种材料的易燃性信息与从地图数据库中提取的陆地轮廓数据相结合,从而使GPS成为可能。该模型还包括天气数据,如空气中的相对湿度和风向。
Bonanni的模拟是在森林的层面上进行的,覆盖了数百甚至数千平方英里。要模拟那样规模的燃烧,他需要大量的计算机能力。因此,他采用了一个叫做张量流的开源框架,这个框架最初是为处理器密集型的机器学习任务而开发的。他现在正与谷歌研究公司合作,在现代计算架构上运行这些模拟,通过同时完成许多模拟,使他们比以前运行得更快。
通过多任务处理,Bonanni的算法可以通过变量的无数排列来预测不同的组合如何改变火灾的传播方式,以及哪些最可能发生。曾经需要一整天才能运行的模型现在可以近乎实时地运行。
“一旦你的模型达到那个速度,那么你就可以把它作为火灾燃烧的真实模型,并在灭火过程中做出战略决策,”Bonanni说。
有一天,这个模型将被用于将消防员安置在控制野火最有效的位置。或者,反过来说,当情况变得太危险时,提取它们。同样地,这些模型可能有助于减少火灾,如规定的燃烧,帮助消防员控制他们的故意火灾。
接下来,该团队计划进一步完善他们的模型并扩充他们的数据库。例如,Boigne想用这种技术来研究“僵尸火”,这种火在北极永久冻土下的泥炭上不受控制地燃烧。Bonanni还希望他的模型能更强大。
Bonanni说:“我们一直在努力提高模型的保真度,加入更复杂的物理因素。”“情况只会越来越好。”
其他贡献者包括斯坦福大学放射学系的研究工程师N. Robert Bennett和助理教授Adam Wang,以及杜伊斯堡-埃森大学燃烧与气体动力学研究所的Khadijeh Mohri教授。
这项工作得到了国家科学基金会、FM Global和DFG Mercator奖学金的支持。
要阅读所有关于斯坦福科学的报道,请订阅每两周一期的《斯坦福科学文摘》。
新闻旨在传播有益信息,英文原版地址:https://news.stanford.edu/2020/09/22/predicting-wildfires-cat-scans/