New developments in WRF-SFIRE Jan Mandel, Jonathan D. Beezley, Adam - - PowerPoint PPT Presentation

New developments in WRF-SFIRE

Jan Mandel, Jonathan D. Beezley, Adam K. Kochanski, Volodymyr Y. Kondratenko, Martin Vejmelka University of Colorado Denver, University of Utah, CERFACS, Czech Academy

• f Sciences

Research supported by NSF EGS-0835579, NSF DMS-1216481, NSF CNS-0821794, NIST 60NANB7D6144, and NASA Fire program Numerical Wildfires, Cargese May 2013

Acknowledgements

UCD: Minjeong Kim, Bedrich Sousedik NCAR: Janice Coen, John Michalakes, Ned Patton WRF developers at NCAR and the WRF community University of Utah: Mary Ann Jenkins, Erik Anderson, Joel Daniels, Chris Johnson, Eric Jorgensen,

Bigyan Mukherjee, Emanuele Santos, Claudio Silva, Lin Zhang, Mavin Martin, Paul Rosen

Bulgarian Academy of Sciences: Nina Dobrinkova, Georgi Jordanov Weather It Is, Inc., Israel: Barry Lynn and Guy Kolman

See www.openwfm.org/wiki/WRF-Fire#Contributors for further details.

What are WRF-Fire and WRF-SFIRE?

• WRF-Fire as currently included in WRF release is SFIRE from November 2010,

with some features removed, minor edits, and some renaming. See http://www.openwfm.org/wiki/Fire_code_in_WRF_release for details.

• WRF-SFIRE is available at openwfm.org. New features from 2010 include:
• vertical wind interpolation from logarithmic boundary layer
• diagnostic outputs for fire danger rating
• built-in fuel moisture model
• standalone executable running from WRF output files with atmosphere state
• coupling with WRF-Chem
• assimilation of RAWS fuel moisture data (under development)
• changing the fire perimeter/perimeter ignition (under development)
• level set function based on minimal arrival time (time of ignition)

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡SFIRE

Coupled model WRF-SFIRE-moisture-Chem

Atmosphere ¡model ¡WRF Surface ¡fire ¡spread ¡model

Wind Heat ¡and ¡ vapor ¡ fluxes

Fuel ¡moisture ¡model

Surface ¡air ¡ temperature, ¡ rela@ve ¡ humidity, rain

Chemical ¡transport ¡ model ¡WRF-­‑Chem

Fire ¡ emissions ¡ (smoke)

Representa@on ¡of ¡the ¡fire ¡area ¡ by ¡a ¡level ¡set ¡func@on

• The ¡level ¡set ¡func@on ¡is ¡given ¡on ¡center ¡nodes ¡of ¡the ¡fire ¡mesh
• Interpolated ¡linearly, ¡parallel ¡to ¡the ¡mesh ¡lines
• Fireline ¡connects ¡the ¡points ¡where ¡the ¡interpolated ¡values ¡are ¡zero ¡ ¡

Evolving the fireline by the level set method

Level ¡set ¡func@on L Level ¡set ¡equa@on Fire ¡area: ¡ L<0 Right-­‑hand ¡side ¡< ¡0 ¡→ ¡Level ¡set ¡func@on ¡goes ¡down ¡→ ¡fire ¡area ¡grows

∂L ∂t = R k5Lk

The fire model: fuel consumption

igni@on fuel @me

Time ¡constant ¡of ¡fuel:

30 ¡sec ¡-­‑ ¡Grass ¡burns ¡quickly 1000 ¡sec ¡– ¡Dead ¡& ¡down ¡branches(~40% ¡decrease ¡in ¡mass ¡over ¡10 ¡min)

Integrating fuel left over mesh cells, with submesh fire region representation

Coupling with WRF-ARW

• WRF-ARW is explicit in time
• Physics packages including

fire are called only in the last Runge-Kutta substep

• Fire module inputs wind,
• utputs heat and vapor flux

Φ = Φt + ∆t 3 R(Φt) Φ = Φt + ∆t 2 R(Φ) Φt+∆t = Φt + ∆tR(Φ)

Runge-­‑Ku[a ¡order ¡3 ¡integra@on ¡in ¡@me ¡

dΦ dt = R (Φ)

The fire model is running on a finer mesh than the atmosphere model

Wind ¡interpola@on

• Spread ¡rates ¡for ¡different ¡fuels ¡depend ¡on ¡wind ¡

at ¡“midflame” ¡height ¡given ¡by ¡the ¡fuel ¡5me

• Linear ¡interpola@on ¡of ¡wind ¡as ¡a ¡func@on ¡of ¡

log(height/roughness ¡height). ¡Exact ¡if ¡the ¡wind ¡ profile ¡is ¡exactly ¡logarithmic ¡(just ¡like ¡piecewise ¡ linear ¡interpola@on ¡is ¡exact ¡for ¡linear ¡func@ons) ¡ independently ¡of ¡the ¡ver@cal ¡mesh ¡spacing

• If ¡there ¡are ¡no ¡WRF ¡nodes ¡under ¡6m, ¡

mathema@cally ¡equivalent ¡to ¡the ¡BEHAVE ¡wind ¡ reduc@on ¡factors. ¡

• It ¡gets ¡tricky

– The ¡heights ¡of ¡the ¡nodes ¡are ¡computed ¡from ¡the ¡ geopoten@al, ¡which ¡is ¡a ¡part ¡of ¡the ¡solu@on – The ¡geopoten@al ¡varies ¡a ¡lot ¡near ¡the ¡fire – The ¡atmospheric ¡and ¡fire ¡mesh ¡have ¡different ¡resolu@ons – The ¡result ¡depends ¡on ¡ ¡the ¡roughness ¡length. – Take ¡the ¡roughness ¡length ¡from ¡LANDUSE ¡or ¡fuels? wind speed roughness height midflame height WRF mesh level 1 W R F m e s h l e v e l 2

Structure of the coupled WRF-SFIRE code

Core: ¡@me ¡step ¡for ¡the ¡level ¡set ¡ equa@on, ¡compute ¡fuel ¡loss. ¡ Dimensionless. Phys: ¡sensible ¡and ¡latent ¡heat ¡ fluxes ¡from ¡fuel ¡loss, ¡fire ¡rate ¡of ¡ spread ¡ Driver: ¡ ¡get ¡grid ¡variables, ¡get ¡ flags, ¡interpola@on ¡calls, ¡ OpenMP ¡loops, ¡DM ¡halos WRF: ¡ ¡call ¡sfire_driver ¡ U5l: ¡interpola@on, ¡WRF ¡stubs, ¡debug ¡I/O,… Atm: ¡one ¡@le: ¡temperature ¡and ¡ moisture ¡tendencies ¡from ¡heat ¡ fluxes wind Model: ¡one ¡@me ¡step, ¡one ¡@le: ¡ winds ¡in, ¡heat ¡fluxes ¡out WRF: ¡ ¡error ¡messages, ¡ ¡log ¡messages, ¡constants,… WRF: ¡ ¡ ¡add ¡tendencies ¡ heat ¡and ¡moisture ¡tendencies

Standalone Sfire code

Core: ¡@me ¡step ¡for ¡the ¡level ¡set ¡ equa@on, ¡compute ¡fuel ¡loss. ¡ Dimensionless. Phys: ¡sensible ¡and ¡latent ¡heat ¡ fluxes ¡from ¡fuel ¡loss, ¡fire ¡rate ¡of ¡ spread ¡ U5l: ¡interpola@on, ¡WRF ¡stubs, ¡debug ¡I/O,… Model: ¡one ¡@me ¡step, ¡one ¡@le: ¡ winds ¡in, ¡heat ¡fluxes ¡out Wrf_fakes: ¡ ¡error ¡messages, ¡ ¡log ¡messages, ¡constants,… MAIN

WRF parallel infrastructure - MPI and OpenMP

• Distributed memory (DM): halo

exchanges between grid patches: each patch runs in one MPI process; programmer only lists the variables to exchange

• Shared memory (SM): OpenMP

loops over tiles within the patch

• Computational routines are tile

callable.

• Fire model executes on the same

horizontal tiles as the atmosphere model, in the same threads

MPI OpenMP threads, multicore

Example: 2 MPI processes 4 threads each

The parallel infrastructure constrains the algorithms used.

patch

halo

tile

Parallelism in WRF-Fire: implementing a PDE solver in WRF physics layer, meant for pointwise calculations

Parallel performance

10

1

10

2

10

3

10

−1

10 10

1

Number of cores Execution time/Simulation time

Parallel scaling (total)

actual ideal 10

1

10

2

10

3

10

−2

10

−1

10 Number of cores Execution time/Simulation time

Parallel scaling (fire only)

actual ideal

• 2009 Harmanli fire (Bulgaria), satellite data. Janus

cluster, University of Colorado/NCAR. Intel X5660

• processors. 180x180x41, 221x221x41 atmosphere

grids 50m, fire mesh 5m. Time step 0.3 s.

• Faster than real time on 120 cores.

Crime and punishment

• Euler equations require inflow

velocity boundary conditions

• nly. Yet WRF imposes lateral

boundary conditions (from global weather state) all around

• WRF makes it up by only nudging

at the boundary, and artificial viscosity and smoothing in a layer around the boundary...it’s a balancing act. Ideal runs are fine.

• We are using WRF in a regime it

was not meant for: up to 1MWm-2 fire heat flux, very fine meshes

color: vertical wind component + fire arrows: horizontal wind all wind at level 18 (approx. 2km altitude) 2009 Harmanli fire, Bulgaria model setup: Georgi Jordanov, Nina Dobrinkova, Jon Beezley

smoothed strip red dot = instability

Diagnos@c ¡outputs

• Heat ¡flux ¡(reac@on ¡intensity) ¡(J/m2/s)
• Rate ¡of ¡spread ¡(m/s)
• Fireline ¡intensity ¡

–Byram(J/m/s) –new ¡fireline ¡intensity ¡(J/m/s2)

• For ¡an ¡ongoing ¡fire ¡modeled: ¡at ¡the ¡fireline ¡only
• For ¡a ¡fire ¡danger ¡ra5ng: ¡everywhere, ¡with ¡the ¡rate ¡
• f ¡spread ¡taken ¡as ¡the ¡maximum ¡rate ¡in ¡any ¡

direc@on.

Fireline ¡intensity

Byram’s: heat per unit length of the fireline from all available fuel burning in 1s, regardless how far, does not depend on the speed of burning (J/m/s) 1m New: heat per unit length of the fireline from the newly burning fuel

• nly the fireline moves over in a

small unit of time (J/m/s2) 1m

Documentation and user support: openwfm.org Everyone is welcome to get an account!

Coupling with WRF-Chem Talked about already.

Fuel ¡moisture ¡model

• Equilibrium ¡-­‑ ¡@me ¡lag ¡model ¡for ¡moisture ¡m
• Equilibrium ¡E ¡from ¡air ¡rela5ve ¡humidity, ¡temperature, ¡and ¡

pressure, ¡different ¡drying ¡and ¡wemng ¡equilibria ¡when ¡ approaching ¡equilibrium ¡from ¡above ¡and ¡from ¡below

• Runs ¡on ¡the ¡atmosphere ¡grid ¡for ¡all ¡fuel ¡components ¡(1h, ¡10h, ¡

100h,...) ¡ ¡independently ¡of ¡any ¡fuel ¡maps

• Numerical ¡method: ¡2nd ¡order, ¡adap@ve ¡switching ¡to ¡exponen@al, ¡

exact ¡up ¡to ¡rounding ¡for ¡constant ¡coefficients ¡and ¡any ¡@me ¡step

• Components ¡moisture ¡are ¡then ¡combined ¡in ¡propor@ons ¡

specified ¡by ¡fuel ¡type ¡and ¡interpolated ¡to ¡the ¡fire ¡grid.

22

dm dt = E − m T

Gentle ¡rain ¡moisture ¡model

23

• In ¡rain, ¡large ¡equilibrium ¡E=250% ¡and ¡variable ¡@me ¡lag ¡

from ¡rain ¡intensity ¡r. ¡Parameters: ¡

• asympto@c ¡wemng ¡@me ¡lag ¡T for ¡very ¡strong ¡rain
• Satura@on ¡rain ¡intensity ¡ ¡ ¡ ¡ ¡ ¡ ¡, ¡when ¡1-­‑1/e ¡ ¡of ¡the ¡

asympto@c ¡rain-­‑wemng ¡@me ¡T ¡is ¡reached

• Rain ¡under ¡threshold ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ignored

dm dt = E − m T 1− exp − r − r r

s

⎛ ⎝ ⎜ ⎞ ⎠ ⎟ ⎛ ⎝ ⎜ ⎞ ⎠ ⎟

r

s

r < r

Calibra@on ¡of ¡rain ¡response

• The ¡empirical ¡Canadian ¡fire-­‑danger ¡ra@ng ¡model ¡gives ¡final ¡fuel ¡moisture ¡aqer ¡24 ¡hours ¡

from ¡the ¡ini@al ¡moisture ¡and ¡the ¡rain ¡accumula@on

• The ¡@me-­‑lag ¡model ¡calibrated ¡at ¡@me ¡lag ¡14h ¡and ¡satura@on ¡rain ¡intensity ¡8mm/h

24

Fine ¡fuels ¡moisture ¡model ¡response

• The ¡drying ¡and ¡wemng ¡equilibria ¡are ¡computed ¡from ¡the ¡WRF ¡state. ¡The ¡fuel ¡moisture ¡

contents ¡does ¡not ¡change ¡when ¡it ¡is ¡between ¡the ¡two ¡equilibria. ¡The ¡red ¡ver@cal ¡lines ¡ correspond ¡to ¡periods ¡of ¡rain, ¡where ¡the ¡equilibrium ¡is ¡2.5 ¡(above ¡the ¡range ¡shown). ¡The ¡fuel ¡ moisture ¡contents ¡increases ¡during ¡rain.

25

Assimila@on ¡of ¡fuel ¡moisture ¡data

• extended ¡Kalman ¡filter ¡applied ¡to ¡the ¡extended ¡fuel ¡

moisture ¡state ¡at ¡every ¡grid ¡node ¡separately

• observa@on ¡func@on: ¡10h ¡fuel ¡moisture ¡at ¡the ¡node
• state ¡covariance ¡at ¡each ¡node ¡will ¡couple ¡the ¡moisture ¡of ¡all ¡

fuel ¡types ¡and ¡affect ¡affect ¡also ¡those ¡not ¡measured

26

m = (m1,m2,…,mn,ΔE,ΔS) where mk is the moisture in fuel type k ΔE is common change in drying and wetting equilibria ΔS is the change in the soaking equilbrium (from 250%)

Measurements

• RAWS ¡measure ¡the ¡moisture ¡of ¡10 ¡hours ¡fuel ¡

(shown ¡for ¡Santa ¡Ana ¡fires ¡near ¡San ¡Diego)

• Need ¡to ¡transport ¡the ¡data ¡and ¡the ¡uncertainty ¡to ¡

all ¡grid ¡nodes

27

!

Transport ¡the ¡moisture ¡data ¡values ¡ and ¡variances ¡to ¡grid ¡nodes

Data ¡analysis ¡shows ¡some ¡spa@al ¡covariance ¡structure ¡between ¡ RAWS ¡in ¡California, ¡but ¡none ¡in ¡Colorado ¡Rocky ¡Mountains. ¡Can’t ¡do ¡ kriging, ¡trend ¡surface ¡modeling ¡instead. ¡First ¡a ¡linear ¡regression:

28

RAWS data = Xsβ + e, e  N(0,γ 2I +σ 2I) γ 2I = stations error cov (assumed known, more generally diagonal Γ) σ 2 = microscale variance (unknown) RSS n − k = unbiased estimate of γ 2 +σ 2, max likelihood at RSS n − k − 2 n = number of stations (measurements) k = number of columns of β (covariates) Different station variances more complicated - EM method

29

Fitting RAWS data = Xsβ + error

Choice of the covariates = columns of X rows = locations on the whole domain, Xs is the matrix of rows for the locations of the data − All ones − Current forecast from the moisture model − T2 - temperature at 2m − P2 - pressure at 2m − Current rain intensity − Latitude, longitude, elevation

Transpor@ng ¡the ¡values ¡and ¡variances ¡ from ¡the ¡regression ¡to ¡the ¡nodes

30

Regression: data = Xsβ + e, e  N(0,Γ +σ 2I) get estimated σ 2 and β. Approximation at an arbitrary location t: value at t estimated as x(t)β where x(t) is the t-th row of the covariate matrix X recall that Xs is the submatrix of the rows of X for the data locations variance at t estimated as σ 2 + x(t) Xs

T Γs +σ 2I

( )

−1 Xs

( )

−1

x t

( )

T

31

!

Data ¡assimila@on ¡results

The ¡mean ¡square ¡differences ¡between ¡non-­‑assimilated ¡and ¡ assimilated ¡fuel ¡moisture ¡state ¡es5mates ¡and ¡RAWS ¡observa5ons ¡ (top) ¡and ¡microscale ¡variability ¡variance ¡es5mates ¡as ¡a ¡func5on ¡of ¡ 5me ¡(boVom) ¡for ¡the ¡Southern ¡California ¡test.

Assimilated ¡10hr ¡moisture

32

Perimeter ¡igni@on ¡and ¡moving ¡ the ¡fire ¡in ¡data ¡assimila@on

• Models ¡start ¡from ¡igni@on ¡point. ¡But ¡oqen ¡only ¡a ¡

developed ¡perimeter ¡is ¡available.

• Cannot ¡light ¡up ¡the ¡whole ¡area ¡at ¡once ¡-­‑ ¡too ¡

much ¡energy. ¡Cannot ¡ignore ¡the ¡inside ¡either.

• For ¡the ¡proper ¡circula@on ¡to ¡develop, ¡the ¡heat ¡

need ¡to ¡be ¡release ¡gradually

• Evolve ¡the ¡fire ¡ ¡back ¡in ¡@me ¡and ¡compute ¡the ¡

igni@on ¡@mes ¡everywhere. ¡Then ¡replay ¡the ¡ igni@on ¡@mes ¡to ¡release ¡the ¡heat ¡gradually.

33

2007 ¡Santa ¡Ana ¡fires

34

35

Given ¡fire ¡perimeter Simula@on ¡from ¡igni@on ¡points

Burned ¡area ¡at ¡20:00:00 ¡10-­‑22 Witch ¡and ¡Guejito ¡fire ¡2007

Evolving ¡the ¡given ¡perimeter back ¡in ¡@me

36

Propaga@on ¡forward ¡and ¡back ¡in ¡@me ¡by ¡ hybrid ¡automata-­‑level ¡set ¡method

• repeated ¡update ¡of ¡igni@on ¡@me ¡at ¡neighbors
• related ¡to ¡minimal ¡arrival ¡@me ¡and ¡Fast ¡Marching ¡Method
• stable ¡for ¡mosaic ¡fuels ¡-­‑ ¡ROS ¡varies ¡on ¡cell ¡scale
• level_set_func0on ¡= ¡igni0on_0me ¡ ¡-­‑ ¡ ¡0me_now
• level ¡set ¡func@on ¡give ¡submesh ¡scale ¡gradual ¡heat ¡release
• to ¡go ¡back ¡in ¡@me: ¡subtract ¡@me ¡not ¡add, ¡max ¡not ¡min

37

t

min t + distance ROS ⎧ ⎨ ⎩ ⎫ ⎬ ⎭

Burned ¡area ¡at ¡20:00

38

Original ¡simula@on ¡from ¡igni@on ¡points From ¡ar@ficial ¡igni@on ¡@me

39

Given ¡fire ¡perimeter Original ¡simula@on ¡from ¡igni@on ¡points Difference ¡

Con@nuing ¡the ¡simula@on ¡aqer ¡the ¡ given ¡perimeter ¡@me

40

Given ¡fire ¡perimeter Original ¡simula@on ¡from ¡igni@on ¡points

Used ¡opera@onally ¡in ¡Israel

41

Future ¡plans

• Fire ¡danger ¡24 ¡hrs ¡forecast ¡website ¡for ¡Colorado ¡Front ¡Range ¡(using ¡wind, ¡RH, ¡

fuels ¡maps,....)

• Have ¡model, ¡can ¡go ¡back ¡to ¡data ¡assimila@on ¡as ¡planned ¡10 ¡yrs ¡ago

– ¡spectral ¡ensemble ¡methods ¡(FFT ¡wavelets, ¡polynomial ¡chaos,...) – Outputs ¡-­‑ ¡visualize ¡probability,....

• Assimila@on ¡of ¡satellite ¡and ¡airborne ¡data

– ¡es@ma@on ¡of ¡vegeta@on ¡moisture – ¡fire ¡spread ¡-­‑ ¡change ¡state ¡and ¡parameters ¡in ¡coupled ¡model

• Simultaneous ¡assimila@on ¡of ¡fire ¡and ¡standard ¡meteo ¡data
• ¡Support ¡other ¡spread ¡model ¡(Balbi,...), ¡use ¡TKE
• Crown ¡fire
• Improve ¡emissions ¡model ¡-­‑ ¡depends ¡on ¡stage, ¡flame ¡vs. ¡smoldering
• Intermediate ¡CFD ¡model ¡between ¡surface ¡fire ¡and ¡mesoscale ¡weather ¡model...

42