基于VIIRS卫星火点数据的野火模拟精度提升方法：间隔重初始化与蔓延速率调整研究

本研究针对野火模拟中误差累积和蔓延速率(ROS)预测不准的难题，创新性地结合VIIRS卫星火点数据与Wildfire Analyst(WFA)自动ROS调整算法，通过12小时间隔重初始化与数据同化技术，将5个案例的平均绝对百分比误差(MAPE)从71.43%降至13.99%，为实时火灾管理提供了高精度决策支持工具。

　　

随着气候变化加剧，全球野火发生的频率和强度显著上升，每年造成数百万公顷生态损失和重大社会经济影响。传统野火模拟工具如Rothermel模型虽被广泛应用，但受限于复杂地形、多变气象条件和燃料类型差异，其预测的火灾蔓延速率(Rate of Spread, ROS)存在显著误差，尤其当火灾持续时间较长时，误差会呈指数级累积。现有改进方法如人工ROS调整耗时费力，而控制点数据依赖地面勘测，在偏远地区难以获取。

针对这些挑战，研究人员开发了一种创新方法，将VIIRS(Visible Infrared Imager Radiometer Suite)卫星火点数据与Wildfire Analyst(WFA)软件的自动ROS调整算法相结合。通过每12小时重新初始化模拟并动态修正ROS参数，显著提升了长期火灾预测的准确性。该研究选取葡萄牙5个不同燃烧时长(12-72小时)和燃料类型的火灾案例进行验证，结果显示调整后的模拟将平均绝对百分比误差(MAPE)从71.43%降至13.99%，平均偏差百分比误差(MBPE)从59.12%降至7.38%。相关成果发表在《Remote Sensing Applications: Society and Environment》期刊。

关键技术方法包括：1)利用NASA FIRMS系统获取375米分辨率的VIIRS火点数据作为控制点；2)采用WFA软件内置最小二乘法自动计算燃料特异性ROS调整因子；3)基于WindNinja模型生成高分辨率风场；4)通过12小时间隔重初始化消除误差累积；5)使用ArcGIS Pro处理地理空间数据。葡萄牙ICNF提供的25米分辨率燃料地图和IPMA气象数据支撑了案例研究。

研究结果部分显示：

1. 案例研究结果：Samarda火灾(5668公顷/24小时)的未调整ROS误差达5.28 m/min，经调整后降至1.415 m/min；Linhares火灾(3330公顷/72小时)的MAPE从108.01%改善至27.17%。
2. 间隔重初始化结果：短时火灾(如12小时的Landal)MAE为1.44 m/min，而长时间火灾误差显著增大，验证了误差累积效应。
3. ROS调整效果：Vila Real案例的MBPE从96.35%降至5.125%，调整后ROS(3.9 m/min)与卫星数据(3.74 m/min)高度吻合。
4. 统计验证：Wilcoxon检验显示Linhares(p=0.0018)和Vila Real(p=0.0059)案例改进显著，效应量(Cohen's d)达2.63-4.36。

结论与讨论指出，该方法通过卫星数据替代传统地面控制点，将ROS调整时间从数小时缩短至分钟级，特别适用于偏远地区火灾。虽然存在VIIRS数据375米定位误差(约0.52 m/min ROS偏差)和12小时更新延迟等局限，但其成本效益比显著优于物理模型和机器学习方法。实践层面，该方法可使Samarda案例的资源部署误差减少3.8公里，优化应急响应效率。未来研究可扩展至不同地理区域，并建立区域化燃料调整因子数据库以进一步提升精度。

这项研究为野火管理提供了革命性的实时决策工具，通过天地协同的数据同化机制，在精度、时效性和可操作性间取得了突破性平衡，对全球气候变化背景下的防灾减灾具有重要战略价值。