野火对全球生态系统、生物多样性和人类安全构成重大威胁，由于气候变化和复杂的人为因素，其频率和强度正在升级（Moreira et al., 2011; San-Miguel-Ayanz et al., 2013; Huidobro et al., 2024）。除了直接的社会经济损害外，这些事件还会造成不可逆的生态影响，包括土壤退化、水质恶化和森林生态系统结构的深刻变化（Eva and Lambin, 2000; Cano-Crespo et al., 2015; Sahila et al., 2025）。在地中海盆地，传统放牧和木材采集的损失改变了燃料负荷，增加了景观对极端火灾行为的脆弱性（Scarascia-Mugnozza et al., 2000）。
野火建模的演变已从开创性的半经验关系，如 Rothermel（1983）（Rothermel, 1983）和 Andrews（2011）（Andrews et al., 2011）所开发的关系，发展到像火区模拟器（FARSITE）和 FlamMap 项目（Finney et al., 1998）这样复杂的模拟系统。虽然这些工具被广泛接受，但它们往往面临关于计算速度以及在实时操作环境中处理高分辨率异构数据能力的限制（Sullivan, 2007, 2009a, 2009b）。虽然基于矢量的模型，例如利用惠更斯原理的模型，传统上提供了高度的几何保真度，但它们在紧急计算场景中面临显著的可扩展性挑战。顶点管理、拓扑一致性和自相交多边形解析所需的计算开销限制了它们在操作窗口内执行大规模随机集合的能力。相比之下，基于网格的元胞自动机（CA）框架直接与原生栅格数据集（例如，数字高程模型 - DEM 和欧洲土地覆盖 - CLC）协调，并展现出优越的可扩展性。通过将火灾蔓延视为局部状态转换过程，CA 模型绕过了顶点瓶颈，实现了异质景观中实时风险评估所需的线程并行性水平。这种基于网格的特性促进了地理信息系统（GIS）数字数据的集成，并允许从简单的局部转换规则中涌现出复杂的宏观动力学（Karafyllidis and Thanailakis, 1997; Alexandridis et al., 2008）。
尽管基于 CA 的模型具有效率，但在“紧急计算”（UC）场景中提供可靠的决策支持需要更多，不仅仅是满足通用的计算期限（Leong and Kranzlmüller, 2015）。在活跃野火前线的特定背景下，紧迫性是由“零时刻”输入的极端波动性驱动的——例如变化的风向矢量和不确定的初始边界——模拟结果必须在灭火资源投入前的狭窄操作窗口内交付（Fraga et al., 2024; Szasdi-Bardales et al., 2024）。对于事件指挥官来说，“晚到的结果毫无用处”，因为火灾蔓延往往快于传统的人工评估；因此，UC 必须能够执行大规模随机集合，将这些不确定性转化为近实时的可操作频率学派概率图，确保统计稳健性而不是“将不确定性扫到地毯下”（Benali et al., 2017）。通过提供少于 30 秒的统计稳健结果——克服传统单核或复杂图形处理单元（GPU）实现的计算瓶颈（Ghisu et al., 2015a, 2015b）——该框架支持战术性“假设”分析，这对于评估防火带有效性和确保地面机组人员的安全撤离时间（ASET）至关重要（González-Villa et al., 2025）。
为了弥合学术研究与实际部署之间的差距以实现景观韧性，本工作引入了一种高性能随机模拟框架。主要创新在于其计算架构：通过利用 Python 的 Numba 即时（JIT）编译，我们 将高级逻辑转换为能够利用服务器级中央处理单元（CPU）并行性的优化机器码（Fraga et al., 2024）。这种方法实现了毫秒级的模拟步骤，使 1000 次迭代的 大规模集合能够在近实时内完成。该框架通过实现一个多变量数据融合引擎来实现这一点，该引擎 动态集成高分辨率DEM（Khennou and Akhloufi, 2023）、CLC 栅格数据集（Benali et al., 2017）和多时相归一化差值植被指数（NDVI）值。这种集成确保了模拟不仅仅是一个数学抽象，而是景观的物理信息表示（Rodriguez Gonzalez et al., 2008; Asensio et al., 2023）。通过提供高保真的空间输出，该系统支持实时决策支持和主动干预策略，与近期在微观火灾行为和异质地中海环境转换规则优化方面的进展保持一致（Zhou et al., 2025; Sahila et al., 2025）。
