incendiebordeaux.fr — modèle de propagation, dispersion des fumées et prévision d'ensemble. Code source complet : github.com/FelixChop/bordeaux-wildfire-monitor
La vitesse du front de tête (rate of spread) suit une loi puissance du vent, de la famille des modèles empiriques de feux de cime de Cruz & Alexander, recalibrée sur les vitesses observées des grands feux du massif landais (0,3–1,5 km/h en feu de tête, ex. Landiras 2022) :
— Cruz M.G. & Alexander M.E. (2010), Assessing crown fire potential in coniferous forests, Int. J. Wildland Fire 19.
— Rothermel R.C. (1972), A mathematical model for predicting fire spread in wildland fuels, USDA INT-115 — base historique ; sa forme de surface pure sous-estime les feux de tête landais, d'où la recalibration empirique assumée.
— Sensibilités RH/T/θ inspirées des indices de danger (FWI canadien : Van Wagner 1987, Development and structure of the Canadian FWI System).
Grille ~550 m. Chaque cellule en feu pousse ses voisines situées dans le demi-plan sous le vent
(produit scalaire direction-voisin ≥ 0,25). L'avancée accumule un reliquat sous-cellule :
le front avance quand ∑ ROS·dt ≥ taille de cellule. Chaque avancée candidate ne réussit
qu'avec probabilité p = 0,7 (vitesse moyenne compensée par ROS/p) : le front devient rugueux et
digité, comme un vrai feu (croissance de type Eden stochastique), au lieu d'anneaux lisses.
L'eau et les zones sans végétation (F = 0) bloquent le feu.
— Eden M. (1961), A two-dimensional growth process ; rugosité des fronts de croissance stochastiques : Kardar, Parisi & Zhang (1986), PRL 56.
Des braises transportées allument des foyers en avant du front, tirées d'un processus de Poisson chaque heure : sautes courtes de routine (0,3–1,5 km, taux 0,35/h) et, si un pyrocumulonimbus est actif, sautes longues (2–8 km, taux 1,2/h), orientées sous le vent ±20°.
— Albini F.A. (1979), Spot fire distance from burning trees, USDA INT-56.
— Koo E. et al. (2010), Firebrands and spotting ignition in large-scale fires, Int. J. Wildland Fire 19 — portées observées de 0,1 à >10 km.
La densité de combustible F provient du NDVI MODIS (composite 8 jours). L'eau (NDVI nul) bloque, l'urbain freine, la forêt de pins accélère. Chaque tirage de l'ensemble multiplie F par un champ aléatoire log-normal corrélé spatialement (bruit gaussien lissé σ ≈ 1,4 km, écart-type 0,45 en log), figé pendant le tirage : il crée couloirs, « jackpots » et trouées — l'équivalent statistique des parcelles, pare-feux et pistes que la carte NDVI lissée ne résout pas.
Les grands incendies génèrent leur propre convection : colonnes convectives jusqu'à la stratosphère, vents de surface erratiques, rafales descendantes et pluies de braises massives. Dynamiques incluses dans le modèle quand un pyroCb est actif (tiré aléatoirement chaque jour avec P = 7 %/jour, fenêtre convective 12h–22h) :
| Dynamique physique | Traduction dans le calcul |
|---|---|
| Vents erratiques / rotations brutales | bruit de direction additionnel ~N(0, 35°) par heure |
| Intensification convective du front | ROS × 1,35 pendant la fenêtre active |
| Pluies de braises longue portée | sautes Poisson 1,2/h à 2–8 km (§3) |
— Fromm M. et al. (2010), The untold story of pyrocumulonimbus, Bull. Amer. Meteor. Soc. 91.
— Peterson D.A. et al. (2018), Wildfire-driven thunderstorms cause a volcano-like stratospheric injection of smoke, npj Climate & Atmos. Sci. 1.
— McRae R.H.D. & Sharples J.J. (2015), sur les conditions d'emballement convectif des feux (blow-up), IJWF.
On propage l'incertitude des entrées réellement imprévisibles à travers la dynamique non linéaire du feu en tirant N = 16 simulations indépendantes :
Pourquoi c'est mathématiquement correct. Pour toute observable g (surface brûlée,
atteinte d'une commune…), l'estimateur Monte Carlo ĝ = (1/N)·∑ g(Xi) est
sans biais et converge presque sûrement vers E[g(X)] (loi forte des grands nombres) ; le
théorème central limite donne une erreur en O(σ/√N), indépendante de la dimension de l'espace
des entrées — décisif ici où l'aléa vit en très grande dimension (une trajectoire de vent horaire ×
7 jours + champs de combustible). Les quantiles empiriques (p10, médiane, p90) sont des estimateurs
convergents des quantiles de la distribution prédictive. Avec N = 12, l'erreur sur les quantiles
extrêmes reste large : c'est pourquoi l'interface affiche la fourchette p10–p90 plutôt qu'une
fausse précision, et montre des membres individuels (morphologie réaliste) plutôt que la
moyenne cellule à cellule, qui lisserait artificiellement les formes.
Cette approche est le standard opérationnel : c'est le principe des prévisions d'ensemble météorologiques et du système FSPro utilisé par l'US Forest Service pour la probabilité de propagation des grands feux.
— Metropolis N. & Ulam S. (1949), The Monte Carlo method, JASA 44.
— Leith C.E. (1974), Theoretical skill of Monte Carlo forecasts, Mon. Wea. Rev. 102 ; Palmer T.N. (2000), Predicting uncertainty in forecasts of weather and climate, Rep. Prog. Phys. 63.
— Finney M.A. et al. (2011), A simulation of probabilistic wildfire risk components for the continental United States (FSPro/FSim), Stoch. Env. Res. Risk Assess. 25.
— Ordres de grandeur d'efficacité et seuils de contrôlabilité : Hirsch & Martell (1996), A review of initial attack fire crew productivity, IJWF ; doctrine « règle des 30-30-30 ».
Modèle de charge de colonne en PM2,5 : la masse émise est conservée, advectée par le vent local (champ interpolé cellule par cellule), diffusée, déposée — et la concentration au sol dépend de la hauteur de couche limite, qui s'effondre la nuit :
Auto-calibration sur le feu réel : à chaque heure, le modèle rejoue la fumée des détections satellites réelles des 5 derniers jours avec les vents passés, compare son PM2,5 prédit à l'anomalie PM2,5 observée par CAMS à Bordeaux, et ajuste un facteur d'émission global k = médiane(observé/prédit), borné [0,25 ; 4]. Le panache simulé est ensuite ajouté au PM2,5 prévu par CAMS, puis converti en indice par les seuils officiels EAQI (l'indice global étant le max des sous-indices polluants).
— Facteurs d'émission PM2,5 : Urbanski S. (2013), Wildland fire emissions, carbon, and climate, For. Ecol. Manage. ; Andreae M.O. (2019), Emission of trace gases and aerosols from biomass burning, ACP 19.
— Couche limite diurne : Stull R.B. (1988), An Introduction to Boundary Layer Meteorology.
— Principe advection-diffusion-dépôt : Stohl A. et al. (2005), FLEXPART, ACP 5.
— Le champ observé (passé/présent) est le modèle CAMS Copernicus (chimie-transport complet ~11 km, assimilation des feux réels).
| Donnée | Source / API | Fréquence |
|---|---|---|
| Foyers actifs (précis) | NASA FIRMS — VIIRS S-NPP/NOAA-20/NOAA-21 + MODIS | ~4 passages/jour |
| Détection géostationnaire | EUMETSAT — Active Fire Monitoring MTG (EO:EUM:DAT:0682) | ~10 min |
| Vent, T°, humidité, sol | Open-Meteo (AROME / ARPEGE / ECMWF, grille 6×6) | horaire, J-5 → J+8 |
| Qualité de l'air observée | Open-Meteo Air Quality (modèle CAMS Copernicus) | horaire |
| Végétation (combustible) | NASA GIBS — NDVI MODIS 8 jours | 8 jours |
| Contours des communes | geo.api.gouv.fr (IGN/INSEE) | statique |
| Trafic routier | TomTom Traffic Incidents (désactivé dans l'UI) | 2 min |
Raster 550 m sans coupe-feux/routes explicites (traités statistiquement §4) ; lutte modélisée en réduction moyenne de ROS et non en tactique spatiale ; N = 12 tirages (quantiles extrêmes bruités) ; calibration ROS régionale (Landes) non transférable telle quelle ; fumée sans chimie ni inversion thermique explicite. Les surfaces sont des ordres de grandeur encadrés, pas des mesures.
Code source, données et historique complet : FelixChop/bordeaux-wildfire-monitor. Construit avec Claude (Anthropic).