Modeling and uncertainty quantification of wildfire spread using field and laboratory data

Abstract

The escalating frequency and severity of global wildfires underscore the need for accurate predictive models to support effective wildfire management and protect both communities and ecosystems. Fire spread is a multiphysics process governed by the combined effects of thermochemical degradation, fluid dynamics, and turbulent heat and mass transfer. To address this complexity, this thesis introduces ADfiRe, a wildfire spread simulation framework built on advection-diffusion-reaction principles that combines empirically established formulations to calculate crucial quantities typically resolved through CFD, without the associated computational cost. Specifically, this work makes four primary contributions: (i) detailed computational modeling and simulation of wildland fire spread, (ii) physics-constrained parameter estimation, (iii) geometry-aligned reduced-order modeling for accelerated uncertainty propagation and prediction, and (iv) comprehensive experimental investigation of controlled burns. Current wildfire modeling approaches occupy two extremes, ranging from empirical frameworks that enable rapid, operational predictions at the risk of generating physically inconsistent results, when unsteady dynamics are ignored, to high-fidelity CFD simulators that capture fuel-fire-atmosphere interactions but remain computationally prohibitive for real-time deployment. ADfiRe tries to bridge this gap through a surface-level model in which fire spread is governed by transient convective, diffusive, and radiative heat fluxes. No attempt is made to explicitly solve the fluid mechanics problem, instead, the flow field required in the energy balance is derived from analytical arguments. The model draws on established fuel databases and accommodates multiple fuels with distinct burning characteristics, incorporates arbitrary complex topography from available elevation data, and captures wind-induced flame tilting, distinguishing between plume- and wind-dominated spread through a modified Byram number. Its predictive capability is further validated against multiple sets of well-documented fires. Building on the ADfiRe framework, the thesis turns to parameter estimation, introducing a physics-informed neural network (PINN) that identifies the unknown parameters of the spread model. The methodology couples neural networks with the physical constraints of fire modeling, through a composite loss function that jointly penalizes mismatch with observed data, residuals of the governing physics-equations, and violations of the initial and boundary conditions. This loss is minimized using the Adam and L-BFGS optimizers. Furthermore, the network is trained using synthetic spatio-temporal data generated by the ADfiRe simulator, alongside thermal imagery from the 2002 Troy Fire in California. The PINN accurately estimates the unknown model coefficients, even in the presence of data noise. The study next addresses the computational cost of forward uncertainty propagation by introducing a geometry-aligned multi-fidelity strategy. Whereas traditional linear reduced order methods struggle with the sharp, moving fronts, producing numerical oscillations, the proposed approach maps low- and high-fidelity snapshots onto a common reference domain (via shift/stretch and affine transformations). This alignment enables direct comparison of combustion-front structures and non-linear stabilization without requiring large offline datasets. Validated on ADfiRe benchmarks, the surrogate overcomes the slow decay of the Kolmogorov n-width, removes Gibbs-type oscillations, reconstructs full-field distributions of temperature and fuel load, and finally accelerates model predictions by three orders of magnitude. Finally, this research examines the dynamic, often eruptive behavior triggered by interacting dual parallel fire fronts. Controlled experiments conducted at the University of Coimbra’s Forest Fire Research Laboratory (LEIF) examined parallel fronts initiated at various separation distances and across multiple slope angles, evaluating the approaching rate of spread (ROS) and the convective structures driving flame tilt. Results show that steeper slopes accelerate the approaching ROS, as slope-aligned buoyant flow reinforces lateral wind-induced flow, while the dynamic nature of the flames is denoted by the instantaneous ROS oscillating with the separation distance. Slope angle emerges as the dominant parameter governing the interaction, with fronts exhibiting mutual flame tilting during convergence and partial detachment after merging, driven by the formation of counter-rotating vortices.

Η αυξανόμενη συχνότητα και σφοδρότητα των δασικών πυρκαγιών σε παγκόσμιο επίπεδο υπογραμμίζουν την ανάγκη για ακριβή προγνωστικά μοντέλα, προκειμένου να υποστηριχθεί η αποτελεσματική διαχείριση των πυρκαγιών και να προστατευθούν τόσο οι κοινότητες όσο και τα οικοσυστήματα. Η εξάπλωση της πυρκαγιάς αποτελεί μια σύνθετη φυσική διεργασία, η οποία διέπεται από τη συνδυασμένη επίδραση της θερμοχημικής αποδόμησης, της ρευστοδυναμικής και της τυρβώδους μεταφοράς θερμότητας και μάζας. Για την αντιμετώπιση αυτής της πολυπλοκότητας, η παρούσα διατριβή εισάγει το ADfiRe, ένα πλαίσιο προσομοίωσης της εξάπλωσης δασικών πυρκαγιών βασισμένο στις αρχές της συναγωγής-διάχυσης-αντίδρασης (advection-diffusion-reaction), το οποίο συνδυάζει εμπειρικές συσχετίσεις για τον υπολογισμό κρίσιμων ποσοτήτων που συνήθως επιλύονται μέσω υπολογιστικής ρευστοδυναμικής (CFD), χωρίς το αντίστοιχο υπολογιστικό κόστος. Ειδικότερα, η παρούσα εργασία συνεισφέρει κυρίως σε τέσσερις άξονες: (i) στη λεπτομερή υπολογιστική μοντελοποίηση και προσομοίωση της εξάπλωσης δασικών πυρκαγιών, (ii) στην εκτίμηση παραμέτρων υπό φυσικούς περιορισμούς (physics-constrained), (iii) στη γεωμετρικά-ευθυγραμμισμένη μοντελοποίηση μειωμένης τάξης (geometry-aligned reduced-order modeling) για την επιταχυνόμενη διάδοση της αβεβαιότητας και πρόβλεψη, και (iv) στην εκτενή πειραματική διερεύνηση ελεγχόμενων καύσεων. Οι σύγχρονες προσεγγίσεις μοντελοποίησης δασικών πυρκαγιών κινούνται μεταξύ δύο άκρων: από τη μία πλευρά, εμπειρικά πλαίσια που επιτρέπουν ταχείες επιχειρησιακές προβλέψεις, ενέχοντας όμως τον κίνδυνο εξαγωγής μη φυσικών λύσεων όταν αγνοείται η μη-μόνιμη (μεταβατική) δυναμική των φαινομένων, και από την άλλη, προσομοιωτές υπολογιστικής ρευστοδυναμικής (CFD) υψηλής πιστότητας, οι οποίοι αποτυπώνουν με ακρίβεια τις αλληλεπιδράσεις καυσίμου-πυρκαγιάς-ατμόσφαιρας, αλλά παραμένουν υπολογιστικά απαγορευτικοί για εφαρμογές σε πραγματικό χρόνο. Το ADfiRe επιχειρεί να γεφυρώσει αυτό το χάσμα μέσω ενός επιφανειακού μοντέλου, στο οποίο η εξάπλωση της πυρκαγιάς διέπεται από μεταβατικές ροές θερμότητας μέσω συναγωγής, διάχυσης και ακτινοβολίας. Δεν επιχειρείται η ρητή επίλυση του προβλήματος της ρευστομηχανικής, αντίθετα, το πεδίο ροής που απαιτείται στο ισοζύγιο ενέργειας εξάγεται μέσω αναλυτικών προσεγγίσεων. Το μοντέλο αντλεί δεδομένα από καθιερωμένες βάσεις καύσιμης ύλης και υποστηρίζει πολλαπλά καύσιμα με διακριτά χαρακτηριστικά καύσης, ενσωματώνει πολύπλοκη τοπογραφία από διαθέσιμα υψομετρικά δεδομένα, και αποτυπώνει την κλίση της φλόγας που προκαλείται από τον άνεμο, διαχωρίζοντας τη διάδοση που κυριαρχείται από το θερμικό πλούμιο (plume-dominated) από εκείνη που κυριαρχείται από τον άνεμο (wind-dominated), βάσει ενός τροποποιημένου αριθμού Byram. Τέλος, η προγνωστική ικανότητα του μοντέλου επικυρώνεται περαιτέρω έναντι πολλαπλών συνόλων δεδομένων από καλά τεκμηριωμένες πυρκαγιές. Βασιζόμενη στο μοντέλο ADfiRe, η διατριβή στρέφεται στο πρόβλημα της εκτίμησης παραμέτρων, εισάγοντας ένα νευρωνικό δίκτυο με ενσωματωμένη φυσική πληροφορία (physics-informed neural network - PINN), το οποίο προσδιορίζει τις άγνωστες παραμέτρους του μοντέλου διάδοσης. Η μεθοδολογία συνδυάζει τα νευρωνικά δίκτυα με τους φυσικούς περιορισμούς της μοντελοποίησης των πυρκαγιών μέσω μιας σύνθετης αντικειμενικής συνάρτησης. Η συνάρτηση αυτή προσμετρά ταυτόχρονα την απόκλιση από τα δεδομένα παρατήρησης, τις διαφορικές εξισώσεις που διέπουν το φυσικό φαινόμενο, καθώς και τις αρχικές και συνοριακές συνθήκες. Η ελαχιστοποίηση της εν λόγω συνάρτησης επιτυγχάνεται με τη χρήση των αλγορίθμων βελτιστοποίησης Adam και L-BFGS. Επιπροσθέτως, το δίκτυο εκπαιδεύεται χρησιμοποιώντας συνθετικά χωροχρονικά δεδομένα που παράγονται από τον προσομοιωτή ADfiRe, σε συνδυασμό με δεδομένα θερμικής απεικόνισης από την πυρκαγιά Troy του 2002 στην Καλιφόρνια. Το δίκτυο PINN εκτιμά με ακρίβεια τους άγνωστους συντελεστές του μοντέλου, ακόμη και παρουσία θορύβου στα δεδομένα. Στη συνέχεια, η μελέτη πραγματεύεται το υπολογιστικό κόστος της διάδοσης της αβεβαιότητας, εισάγοντας μια γεωμετρικά ευθυγραμμισμένη στρατηγική πολλαπλής πιστότητας (geometry-aligned multi-fidelity strategy). Ενώ οι παραδοσιακές γραμμικές μέθοδοι μειωμένης τάξης (reduced-order methods) αδυνατούν να διαχειριστούν τα απότομα, κινούμενα μέτωπα, προκαλώντας αριθμητικές ασυνέχειες, η προτεινόμενη προσέγγιση απεικονίζει στιγμιότυπα χαμηλής και υψηλής πιστότητας σε ένα κοινό πεδίο αναφοράς (μέσω μετασχηματισμών μετατόπισης/διάτασης). Αυτή η ευθυγράμμιση καθιστά δυνατή την άμεση σύγκριση των στιγμιότυπων του μετώπου καύσης και τη μη γραμμική σταθεροποίηση, χωρίς να απαιτούνται εκτενή σύνολα δεδομένων για εκπαίδευση. Έχοντας επικυρωθεί με βάση το πλαίσιο του ADfiRe, το υποκατάστατο μοντέλο (surrogate model) αποφεύγει τον περιορισμό της αργής φθίνουσας πορείας του n-πλάτους κατά Kolmogorov (Kolmogorov n-width), εξαλείφει τις ταλαντώσεις τύπου Gibbs, ανασυνθέτει τις κατανομές πλήρους πεδίου για τη θερμοκρασία και το φορτίο της καύσιμης ύλης, και, τέλος, επιταχύνει τις προβλέψεις του μοντέλου κατά τρεις τάξεις μεγέθους. Τέλος, η παρούσα έρευνα εξετάζει τη δυναμική, και συχνά εκρηκτική συμπεριφορά που προκαλείται από τα αλληλοεπιδρώντα, παράλληλα διπλά μέτωπα πυρκαγιάς. Ελεγχόμενα πειράματα, τα οποία διεξήχθησαν στο Εργαστήριο Έρευνας Δασικών Πυρκαγιών (LEIF) του Πανεπιστημίου της Κοΐμπρα, εξέτασαν παράλληλα μέτωπα με διαφορετικές αρχικές αποστάσεις διαχωρισμού και υπό πολλαπλές γωνίες κλίσης του εδάφους, αξιολογώντας τον ρυθμό εξάπλωσης κατά την προσέγγιση και τις συναγωγικές δομές που καθορίζουν την γωνία της φλόγας. Τα αποτελέσματα καταδεικνύουν ότι οι πιο απότομες κλίσεις επιταχύνουν τον ρυθμό προσέγγισης, καθώς η ευθυγραμμισμένη με την κλίση ροή λόγω άνωσης ενισχύει την πλευρική ροή που επάγεται από τον άνεμο. Παράλληλα, η δυναμική φύση των φλογών αποτυπώνεται στον στιγμιαίο ρυθμό εξάπλωσης, ο οποίος παρουσιάζει ταλαντώσεις σε σχέση με την απόσταση διαχωρισμού. Η γωνία κλίσης του εδάφους αναδεικνύεται ως η κυρίαρχη παράμετρος που διέπει την αλληλεπίδραση, με τα μέτωπα να παρουσιάζουν αμοιβαία προσέγγιση κατά τη σύγκλιση και μερική αποκόλληση μετά τη συγχώνευση, φαινόμενα που υποκινούνται από τον σχηματισμό αντιπεριστρεφόμενων στροβίλων (counter-rotating vortices).