Javascript är disabled Dokumentsida - Bibliotek - MSB RIB
Kartläggning av spridningsmodeller för brand i vegetation : test av modeller lämpliga för svenska förhållanden, studie
Författare
Burman Jan, Granström Anders, Bohlin Inka, Gradmark Per-Åke, Lejon Christian
Utgivare
Sveriges Lantbruksuniversitet, Totalförsvarets forskningsinstitut (FOI), Myndigheten för samhällsskydd och beredskap (MSB)
Utgivningsår
2016
Syftet med studien är att inhämta underlag för att kunna höja beslutsförmågan vid vegetationsbrand genom att kartlägga om någon befintlig modell eller sådant system som ger prognoser om brandbeteendet kan implementeras i Sverige eller om utvecklingsbehov finns för en sådan. Studien ska ge en fördjupad kunskap om befintliga modeller, och sätta dem i relation till de data som samlats in från branden i Västmanland och tidigare bränder. Ett drygt tjugotal brandspridningsmodeller har identifierats och utvärderats utifrån ett antal kriterier för att tydliggöra deras förmågor och brister. En sammanställning av denna information finns i Bilaga 2. Brandbeteendemodeller kan delas upp i tre kategorier: Fysikaliska, semiempiriska och statistiska. Var och en av kategorierna har sina egna för- och nackdelar, och man kan inte utan vidare säga att den ena är bättre än den andra, det beror helt på användningsområdet. Ur den sammanställda gruppen brandspridningsmodeller har tre modeller valts ut att utvärderas mot information insamlat i samband med skogsbranden vid Sala 2014. Modellerna FARSITE, Prometheus och Wildfire Analyst har använts för att återskapa brandförloppet under den första branddagen. Resultaten visar att det krävs en hel del anpassning av bränsleklasser för att uppnå resultat som liknar det förlopp som har observerats. Dessutom krävs god kunskap av operatören om både modellegenskaper och hur brand i vegetation uppför sig. Beräkningsmässigt har alla dessa modeller svårt att beräkna brandutveckling över mer än ett dygn i taget. Av dessa tre visar sig vid denna jämförelse att Prometheus ger bäst resultat. Däremot betyder det inte att de andra modellerna skulle ge sämre resultat om bränsleklassificering och andra datagrupper blir anpassade för respektive modell.