Metsäpalon leviämisen mallintaminen Suomessa
Joonas Olavi Kolstela 242425 Itä-Suomen yliopisto Historia- ja maantieteiden laitos Maantiede Pro gradu- tutkielma Ohjaajat: Timo Kumpula ja Sonja Kivinen Huhtikuu 2020
ITÄ-SUOMEN YLIOPISTO Tiedekunta
Yhteiskuntatieteiden ja kauppatieteiden tiedekunta
Yksikkö
Historia- ja maantieteiden laitos
Tekijä
Joonas Olavi Kolstela
Ohjaaja
Timo Kumpula, Sonja Kivinen
Työn nimi
Metsäpalon leviämisen mallintaminen Suomessa
Pääaine
Maantiede
Työn laji
Pro gradu- tutkielma
Aika
13.5.2020
Sivuja
58 + 3
Tiivistelmä
Laajat korkeaintensiiviset metsäpalot ovat merkittävä riski sekä ekosysteemille että yhteiskun- nalle. Ilmastonmuutoksen aiheuttamassa lämpenevässä ilmastossa metsäpaloriskiä kohottavat tekijät, kuten sääolosuhteet, tulevat muuttumaan. Sen seurauksena myös metsäpalojen määrän ja intensiteetin uskotaan kasvavan tulevaisuudessa.
Metsäpalon leviämisen ennustaminen on merkittävä apu sammutuksesta vastaaville pelastus- henkilöille. Tähän kykeneviä ohjelmia on jo kehitetty eri puolilla maailmaa. Tässä työssä tar- kasteltiin metsäpalon leviämismallin sekä palamisen todennäköisyysmallin käyttöönottomah- dollisuuksia Suomessa. Näkökulmina ovat muun muassa saatavilla olevan datan määrä ja laatu.
Palon leviämisen mallinnukseen tarkoitetun Prometheus-ohjelman lisäksi työssä testattiin tark- kojen tuulihilojen luomiseen tarkoitettua Windninja-ohjelmaa sekä laajemmille alueille palo- herkkyysluokittelun laadintaan soveltuvaa Burn-P3 -ohjelmaa. Valittuja ohjelmia testattiin Lieksan alueella mallintaen siellä tapahtuneita todellisia paloja. Palonleviämisen mallinnukseen tarkoitetulla ohjelmalla saatiin tuotettua todellisuutta vastaavia tuloksia, mutta samalla havaittiin myös tarve jatkoselvityksille ja tutkimukselle.
Merkittävin puute palon leviämismallin käyttöönotolle on valmiin paloaineshilan puuttuminen.
Vaikka Suomesta on saatavilla monipuolista metsävaroihin liittyvää paikkatietoaineistoa, niin tämä ei riitä sellaisenaan. Metsävaratiedot tulee uudelleen luokitella palon leviämismallin käyt- tämiin paloainesluokkiin ja eri paloaineksille tulisi tehdä laaja koepolttojen sarja.
Avainsanat
Metsäpalo, palon leviämisen mallintaminen, avoin data, paikkatieto, GIS
Sisällysluettelo
1. Johdanto ... 1
2. Teoreettinen viitekehys ... 3
2.1 Metsäpalo ... 3
2.1.1 Palaminen ... 4
2.1.2 Metsäpalon eri muodot ... 4
2.1.3 Paloainekset ... 5
2.2 Metsäpalot ja ilmastonmuutos ... 7
2.3 Metsäpalojen vaikutukset luontoon ja yhteiskuntaan ... 11
2.4 Metsäpalon leviämisen mallintaminen ... 13
2.4.1 Empiiriset ja osittain empiiriset mallit ... 14
2.4.2 Fysiikkaa hyödyntävät mallit ja kolmiulotteiset kuljetusmallit ... 15
2.4.3 Leviämisen mallintamismenetelmät ... 16
2.4.4 Soluautomaatti ... 16
2.4.5 Vektori etenemismalli... 17
2.5 Metsäpaloindeksit... 18
2.5.1 Suomen metsäpaloindeksi ... 19
2.5.2 Kanadan metsäpaloindeksi ... 19
3. Aineisto ja menetelmät ... 23
3.1 Tutkimusalue ... 23
3.2 Aineisto ... 26
3.3 Esimerkkiohjelmat ... 26
3.3.1 Prometheus-ohjelma ... 27
3.3.2 Burn-P3 -ohjelma ... 31
3.3.3 Windninja-ohjelma ... 32
3.4 Menetelmät ... 33
4. Tulokset ... 40
4.1 Ritovaarantie-Uimaharjuntien palo ... 40
4.2 Löpöntien palo... 43
4.3 Lieksan palotodennäköisyyshila ... 44
5. Pohdinta ... 46
6. Johtopäätökset... 50
7. Lähteet ... 52
8. Liitteet ... 56
1
1. Johdanto
Metsäpaloja on tapahtunut yhtä kauan kuin on ollut metsää mitä palaa. Ihmisellä on ollut omat vaikutuksensa metsäpalojen yleisyyteen ja palojen intensiteettiin. Vaikka ihmiset vieraantuvat metsistä ja muuttavat kaupunkeihin, niin metsäpalojen vaikutukset koskettavat yhä meitä kaik- kia. Merkittävä osa suomalaisista saa edelleen tulonsa tai osan elannosta metsiin tai metsäteol- lisuuteen liittyen. Maamme puhdas luonto ja metsät houkuttelevat matkailijoita ja tarjoavat erilaisia virkistymismahdollisuuksia. Metsien merkitys on saanut myös uuden globaalin ulot- tuvuuden ilmastonmuutoksen torjunnan ponnistelujen myötä. Siksi myös metsäpalojen hallinta on tärkeää.
Huolimatta naapurimaidemme laajoista ja tuhoisista metsäpaloista (esimerkiksi Västmanland 2014, Venäjän suurpalot 2019), Suomessa on onnistuttu välttymään vastaavilta tapahtumilta.
Suomessa palaa vuosittain noin 300–800 hehtaaria metsää, palojen ollessa suurimmillaan 50–
100 hehtaaria (Metsäkeskus 2020). Suomesta löytyvät kuitenkin samat edellytykset suurpa- loille kuin Ruotsissa ja Venäjällä, eikä kymmenienkin tuhansien hehtaarien suurpalojen sytty- mistä voida pitää mahdottomana tapahtumana.
Metsäpalot ovat kuitenkin luonnollinen tapahtuma, jonka vaikutukset eivät ole pelkästään ne- gatiivisia. Palaneella alueella maahan vapautuneet ravinteet auttavat metsää uusiutumaan.
Tällä on positiivisia vaikutuksia sekä biodiversiteettiin, että virkistysmahdollisuuksiin.
(Vanha-Majamaa ym. 2015.)
Mikäli palo leviää liian voimakkaasti, voidaan siihen liittyviä vaikutuksia alkaa arvioimaan globaalissakin mittakaavassa, kuten esimerkiksi vuoden 2019 Australian suurpaloissa. Näin laajoista paloista syntyvät voimakkaat ilmavirrat auttavat savua leviämään erittäin kauas eri puolille maapalloa. Savulla on muun muassa jäätiköiden sulamista kiihdyttävä vaikutus, joka puolestaan kiihdyttää ilmastonmuutosta. Myös lisääntyneet pienhiukkasmäärät ovat terveys- riski alueilla, joille savu leviää. (Ilmatieteen laitos 2020.)
Maissa, joissa metsäpalot ovat jatkuva ongelma, on kehitetty vuosien saatossa erilaisia lasken- tamalleja pelastushenkilöstön käytettäväksi. Täydellinen järjestelmä antaisi sammutustöistä vastuussa oleville välittömän ja tarkan tiedon tulen leviämisen suunnasta ja nopeudesta, synty- vän savun määrästä ja leviämissuunnasta sekä vaarallisten tulipyörteiden syntymisestä. Tällä
2
hetkellä tällaista järjestelmää ei vielä ole, mutta alkuperäisistä kynä ja paperikaavioista on kui- tenkin edetty huomattavasti.
Suurpalon syttymispotentiaali tulee todennäköisesti kasvamaan tulevaisuudessa useiden eri te- kijöiden takia (Lehtonen ym. 2016). Niihin varautuminen varhaisessa vaiheessa auttaa ehkäi- semään ja rajoittamaan potentiaalisia katastrofeja tulevaisuudessa. Palon leviämisen mallinta- miseen kykenevän ohjelman testaaminen ja jatkokehittäminen yhdessä eri toimijoiden välillä mahdollistaa sen, että todellisessa hätätilanteessa näin tuotettuun ohjelmaan voidaan luottaa.
Tämä pro gradu työ perustuu Metsäkeskuksen koordinoimaan Metsäpalon leviämisen ennus- tamisväline (Mellevä) hankkeeseen (Metsäkeskus 2019a) ja sitä varten kirjoitettuun metsäpa- lojen leviämismallit -raporttiin (Kolstela 2020). Raportissa selvitettiin vapaasti ladattavien ope- ratiiviseen käyttöön soveltuvien metsäpalon leviämisen mallinnukseen kykenevien ohjelmien vaatimuksia käytettävän datan ja tietoteknisten vaatimusten kannalta. Raportissa testattiin myös ohjelmien toimintaa mallintamalla todellisia Lieksassa tapahtuneita paloja.
Tutkimuskysymykset
Työssä tarkastellaan palon leviämisen mallintamista Suomen näkökulmasta operatiivisella ja suunnittelutasolla. Työssä selvitetään eri mallien toimintaperiaatteita sekä niiden käyttämää ja tuottamaa dataa. Näistä valitaan yksi operatiiviseen käyttöön ja yksi suunnitteluun soveltuva ohjelma. Valittujen ohjelmien toimintaa testataan ja niillä tuotettuja tuloksia verrataan todelli- siin paloihin Suomessa. Näiden testiskenaarioiden perusteella tarkastellaan ohjelmien käyttö- potentiaalia sekä kehitystarpeita.
Näiden teemojen perusteella tutkimuskysymyksiksi muodostuvat:
▪ Millaisia toimintaperiaatteita palon leviämisen mallintamista varten on kehitetty?
▪ Miten metsäpalon leviämismalleja olisi mahdollista käyttää Suomessa?
▪ Millaisia toimenpiteitä tai jatkotutkimuksia tulisi Suomessa tehdä, jotta palon leviä- mistä mallintavan ohjelman käyttöönotto olisi mahdollista?
3
2. Teoreettinen viitekehys
2.1 Metsäpalo
Tässä työssä termiä metsäpalo käytetään kuvaamaan sekä metsä- että maapaloa. Palon leviä- misen mallintamisen kannalta näillä ei ole muuta eroa kuin palava aines, eikä näitä palamisen muotoja varten ole kehitetty erillisiä ohjelmia.
Palaminen vaatii kolme eri tekijää: happea, palavaksi kelpaavaa materiaalia sekä lämpöä. Suo- men metsissä ainoa puuttuva elementti on tarpeeksi korkea lämmönlähde. Joissakin harvinai- sissa tapauksissa voi tapahtua ns. itsesyttyminen, jossa palava materiaali saavuttaa syttymiseen tarvittavan lämpötilan ilman ulkoista lähdettä. Kuitenkin käytännössä ainoa Suomessa tavat- tava itsesyttymiseen kykenevä paloaines on turve, ja tarkennettuna turveaumoihin kasattu turve. (Lindberg ym. 2011.)
Syttymiseen tarvittava lämpö voidaan saada aikaiseksi monella eri tapaa, mutta pelastuslaitok- sen tilastojen (Ketola ja Kokki 2019) mukaan pääasiallisia syttymisen aiheuttajia ovat ihmiset sekä salamat. Ihmiset voivat vaikuttaa monella tapaa palojen syttymiseen. Tupakan tumpit, huonosti sammutetut nuotiot, työkoneista singonneet kipinät, kuumat pakoputket ja muut ih- misen toiminnasta aiheutuneet lämmönlähteet ovat suurin metsäpalojen aiheuttaja Suomessa (Ketola ja Kokki 2019).
Esimerkiksi vuonna 2018 pelastuslaitos osallistui 4252 maastopalon sammutukseen, joista 2288 arvioitiin olevan ihmisen toiminnan aiheuttamia. Salamat aiheuttivat 499 paloa. Ihmisen toiminnasta johtuneista syttymisistä merkittävin tekijä on avotuli (1730 syttymistä), johon las- ketaan muun muassa nuotiot, grillit sekä tupakat. Toiseksi merkittävin syttymissyy oli salama.
(Ketola ja Kokki 2019.) Venäläinen ym. (2016) mukaan etenkin pitkän kuivan kauden jälkeen etenevä ukkosrintama ei välttämättä ehdi kastella maan pinnalla olevia paloaineksia (havut, kuolleet oksat, heinät) tarpeeksi, ja ne syttyvät salaman osumasta. Tutkimuksessaan he listasi- vat ukkosrintaman keskeisimmiksi ominaisuuksiksi palon syttymisen kannalta sen voimakkuu- den, liikenopeuden sekä sademäärän. Ukkosen voimakkuudella tarkoitetaan salamoiden mää- rää, mikä lisää syttymisen aiheuttaman osuman todennäköisyyttä. Liikenopeus ja sademäärä määrittävät sen, miten paljon maanpinta ehtii kastua. (Venäläinen ym. 2016.)
4 2.1.1 Palaminen
Metsäpalossa palavasta aineksesta suuri osa on eloperäistä, eli sen palamista edeltää kuivatis- lautumista muistuttava pyrolyysi. Tässä tapahtumassa lämmön vaikutuksesta orgaanisen ainek- sen ominaisuudet muuttuvat, vapauttaen muun muassa kaasuja. Palon leviäminen maastossa tapahtuu neljällä eri tavalla:
• lämmön siirtymisellä, eli ilmavirtausten mukana kulkeva lämpö sekä kuumat savukaa- sut levittävät paloa
• lämmön säteilyllä, eli lämmön lähteestä jokaiseen suuntaan säteilevällä energialla, jonka voimakkuus riippuu palon intensiteetistä. (merkittävin paloa levittävä tekijä)
• lämmön johtumisella (ei juurikaan tapahdu metsäpaloissa tavattavissa paloaineksissa)
• massakulkeutumisella, jossa palava aines kulkeutuu ilmavirtojen mukana tai rinnettä alas vierien levittäen paloa. Ilmavirtojen mukana kulkevat heitteet voivat levittää paloa esteiden, kuten teiden ja vesistöjen yli.
(Lindberg ym. 2011.)
2.1.2 Metsäpalon eri muodot
Metsäpalo voi ilmetä useassa eri muodossa. Palon vaarallisuuden voidaan ajatella määrittyvän alhaalta ylös maapalon ollessa vaarattomin ja latvapalon puolestaan vaarallisin. Palon etene- minen vaatii myös yhtenäisen paloaineslinjan. Palon tyypin määrittelee se paloaineskerros, jossa palo tapahtuu. Paloaineskerroksia ovat maa-, pinta- sekä latvakerros. Näissä kerroksissa tapahtuvien palojen esiintymismuodot jaotellaan viiteen eri ryhmään, jotka ovat:
• Maapalo, jossa palaminen tapahtuu hitaasti vähähappisissa ja kosteissakin olosuhteissa.
Vaikea havaita eikä itsessään ole kovinkaan vaarallinen, mutta hyvin vaikea sammut- taa. Palo voi kyteä jopa kuukausien ajan orgaanisessa aineksessa (turve/kangashumus) ja levitä pintapaloksi olosuhteiden muuttuessa suotuisammiksi.
• Pintapalo, joka on maanpinnalle kerrostuneen paloaineksen palamista. Elävää (varvut, pensaat ja heinät) ja kuollutta ainesta (havunneulaset, oksat, kuloheinä).
• Soihtupalo, jossa yksittäisten puiden latvusto palaa, leviämättä kuitenkaan aktiiviseksi latvapaloksi.
5
• Latvapalo, jossa palo leviää aktiivisesti latvakerroksessa (vaarallisin ja korkeaintensi- teettisin palotyyppi).
• Heitepalo, jossa palavasta latvustosta ilmavirtojen mukana kulkeutuva palava aines sy- tyttää uusia paloja kauempana (nopeuttaa palon leviämistä ja auttaa paloa leviämään esteiden esimerkiksi teiden ja vesistöjen yli).
(Lindberg ym. 2011.)
2.1.3 Paloainekset
Paloaineksilla tarkoitetaan palavaksi kelpaavaa orgaanista materiaalia. Tämä materiaali voi- daan jakaa kahteen ryhmään: elävään ja kuolleeseen paloainekseen. Pääsääntöisesti elävä ma- teriaali määritellään sen kyvyllä säädellä siinä olevaa veden määrää. Tämä on merkittävä sekä syttymistä että palon intensiteettiä heikentävä tekijä, sillä elävät kasvit kykenevät pitämään niille ominaisen kosteustason maaston muutoin ollessa kuivaa. Kuolleet ainekset eivät tähän kykene, eli niistä tulee herkemmin syttyviä ja palon intensiteettiä kasvattavia tekijöitä kuivuu- den lisääntyessä. On olemassa myös eräitä rajatapauksia, kuten jäkälät, jotka eivät kykene sää- telemään omaa kosteustasoa, mutta ovat silti eläviä kasveja. (Lindberg ym. 2011.)
Paloainekset voidaan luokitella monin eri tavoin, mutta palon leviämisen mallintamisen kan- nalta tärkeimmiksi ajatellaan maan kenttäkerroksen aineksia, sekä alueella olevan mahdollisen puuston tyyppiä. Näiden tietojen perusteella voidaan luoda paloainesluokkia, jotka kuvastavat alueella olevien paloainesten kokonaisuutta. Esimerkiksi Suomessa Lindberg ym. (2011) mää- rittelivät 15 luokkaa, jotka voidaan jakaa kolmeen ryhmään. Ryhmät ovat tiivistetysti kuivat kankaat, tuoreet kankaat sekä lehtomaiset kankaat ja lehdot. Eri maissa ja järjestelmissä on omat luokitteluperusteensa. Esimerkiksi Kanadassa luokittelu perustuu puulajien tunnistami- seen (De Groot 1993) ja Yhdysvalloissa pintapaloainesten tunnistamiseen (Scott ja Robert 2005).
Kenttäkerroksen ainekset koostuvat kuolleesta orgaanisesta materiaalista kuten oksista, havun- neulasista, kuloheinästä, sekä elävästä aineksesta kuten sammalesta ja tuoreesta heinästä. Eri aineksilla on oma kosteusprosenttinsa ja tiiviytensä. Tämä vaikuttaa aineksen kuivumisnopeu- teen, ja on merkittävä tekijä arvioitaessa metsän syttymisherkkyyttä. Syttyminen sekä palon
6
alustava leviäminen tapahtuvat pääsääntöisesti näissä aineksissa, joten niiden tuntemus on tär- keää palon leviämisen arvioimisen kannalta. (Lindberg ym. 2011.)
Alueen puuston tuntemus taas auttaa määrittelemään pintakerroksessa olevan palavaksi kel- paavan aineksen määrän ja tyypin. Lisäksi tämän perusteella voidaan arvioida latvapalon ris- kiä. Puulajit voidaan jakaa havu- ja lehtipuihin, joista Suomessa yleisimmät ovat kuusi (picea abies), mänty (pinus sylvestris) ja koivu (betula). Jokaisella näistä on omat hyvin erilaiset omi- naisuudet palamisen kannalta itsessään, mutta myös niille suotuisat kasvuympäristöt vaikutta- vat palon intensiteettiin ja syttymisherkkyyteen. (Lindberg ym. 2011.)
Lehtimetsät sisältävät huomattavan määrän elävää orgaanista materiaalia. Ne syttyvät huonosti korkean kosteuden vuoksi, mutta mikäli tarpeeksi suuri kuivuus mahdollistaa palamisen, ne palavat erittäin korkealla intensiteetillä runsaan biomassan ansiosta. Esimerkiksi koivu itses- sään on huonosti palava laji, sen kuivan tuohen ollessa ainoa herkästi palava osa siitä. (Lind- berg ym. 2011.)
Havumetsät voidaan jakaa Suomen yleisimpien havupuiden mukaan kuusi- ja mäntymetsiin.
Kuusi on Suomen paloherkin puu. Sen latvuston pohja on lähellä maanpintaa, kuolleet havun- neulaset ja oksat auttavat paloa leviämään maan pinnalla ja latvustoa pitkin palo leviää helposti latvapaloksi. Lisäksi havunneulaset sisältävät palon intensiteettiä korottavia öljyjä. Kuusimet- sät ovat kuitenkin yleisesti varjoisia hidastaen kuivumista sekä madaltaen syttymisherkkyyttä.
Mäntymetsässä, etenkin karukkokankailla, palo voi syttyä ja levitä helposti. Kuitenkin vähäi- sen orgaanisen aineksen vuoksi sen intensiteetti ei useinkaan pääse kasvamaan kovin suureksi.
(Lindberg ym. 2011.) Lisäksi vanhoihin mäntyihin muodostuu ns. ”kilpikaarna”, joka auttaa niitä suojautumaan tulta vastaan (Eerikäinen ym. 2006), ja niiden latvuston korkeus ehkäisee tehokkaasti latvapaloriskiä.
Eri paloainesten kerroksellisuuden tuntemuksella voidaan määrittää alueen paloherkkyyttä.
Tällä on etenkin merkitystä latvapaloriskin arvioinnissa. Tasarakenteisessa metsässä latvapa- lon syttyminen vaatii korkeamman intensiteetin palon, jotta latvusto saavuttaa syttymispisteen.
Erirakenteisessa metsässä taas, esimerkiksi lyhyemmät kuuset ja pensaat kuten kataja, voivat auttaa tulta leviämään ylöspäin voimakkaasti palavan latvuston kautta, madaltaen latvapaloon tarvittavaa intensiteettiä. (Lindberg ym. 2011.)
Palon leviämistä arvioidessa on siis tärkeää tuntea alueen kasvillisuus, ja yhdistää tämä tieto arvioituun kuivuuteen. Lehtimetsää lähestyvä palo voi joko sammua itsestään paloainesten kor- kean kosteuden vuoksi, tai levitä hyvinkin voimakkaasti tarpeeksi kuivissa olosuhteissa.
7
Metsätyypin perusteella taas voidaan arvioida latvapalon riskiä. Edellä mainittujen tekijöiden vuoksi alueen kasvillisuuden määrittely on yksi tärkeimmistä palon leviämisen mallintamiseen tarvittavista tekijöistä.
2.2 Metsäpalot ja ilmastonmuutos
Metsäpalojen syttymisherkkyyteen ja palointensiteettiin vaikuttavia tekijöitä ovat sekä säähän liittyvät muuttujat että metsien tyyppi. Ilmastonmuutoksella on potentiaalia muuttaa kaikkia näitä vaikuttavia tekijöitä Suomessa.
Suurpalolle ei ole Suomessa vakiintunutta määritystä, mutta esimerkiksi Lehtonen ym. (2016) käyttivät tutkimuksessaan rajana 10 hehtaaria tai suurempi paloala. Vuosien 1996 ja 2014 vä- lillä kaikista metsäpaloista näin suuriksi kasvoi vain 0,6 %. Tämän määritelmän perusteella he laskivat suurpalojen määrän potentiaalista nousua Suomessa käyttäen hyväksi eri säämalleja sekä kahta hallitustenvälisen ilmastonmuutospaneelin (Intergovernmental Panel on Climate Change (IPCC)) kasvihuonekaasujen päästö- ja pitoisuusskenaariota (Representative Concent- ration Pathway (RCP)), RCP4.5 ja RCP 8.5. Nämä skenaariot kuvaavat tulevaisuuden ilmaston säteilypakotetta, mikä vaikuttaa ilmaston lämpenemiseen (IPCC 2020).
Tutkimuksessaan Lehtonen ym. (2016) arvioivat näiden mallien ja skenaarioiden avulla vuo- sisadan loppuun mennessä metsäpalokauden keskilämpötilan kohoavan 2–8 oC, sateen määrän kasvavan huhti-toukokuun välillä noin 20 %, suhteellisen ilmankosteuden laskevan 0–6 pro- senttiyksikköä ja muutoksen tuulen nopeuksissa pysyvän lähellä 0%. Muutokset lämpötiloissa ja ilmankosteudessa tulevat olemaan Pohjois-Suomessa suurempia kuin etelässä, jossa ylei- sestä trendistä poiketen sateen määrä voi jopa laskea. Muutokset tulevat myös olemaan suu- rempia metsäpalokauden alku- ja loppupäissä, mikä tarkoittaa myös syttymistodennäköisyyk- sien kasvua kyseisinä aikoina. Tutkimuksessaan Lehtonen ym. huomasivat eri mallien anta- mien tulosten välillä suuriakin eroja ja että saatuihin tuloksiin ovat voineet vaikuttaa erinäiset tekijät. Tästä huolimatta metsäpaloriskin uskotaan kuitenkin kasvavan tulevaisuudessa. Tämän uskotaan tapahtuvan suhteessa toteutuvan RCP-skenaarion suuruuteen, suurempien arvojen tarkoittaessa suurempaa metsäpaloriskiä. (Lehtonen ym. 2016.)
Suomessa yksittäinen suuri palo voi polttaa enemmän metsää kuin viimeisen vuosikymmenen aikana palaneet alueet yhteensä. Kohonnut paloriski lisää sammutettavien palojen määrää mikä
8
voi aiheuttaa viivästyksiä sammutustöiden aloituksessa. Viivästyminen voi antaa palolle aikaa levitä suurpaloksi.
Etenkin heinäpaloriskin arvioidaan kasvavan keväisin, lumien sulamisen ja maan kuivumisen aikaistuttua (Vanha-Majamaa ym. 2015). Talvisin tapahtuvan maan routimisen väheneminen lämpenevässä ilmastossa ja lisääntyvät talvisateet heikentävät puiden ankkuroitumismahdolli- suuksia Etelä- ja Keski-Suomessa. Vaikka tuulen nopeudet eivät kasvaisikaan merkittävästi, niin nämä tekijät lisäävät myrskytuhoriskiä talvisin (Peltola 2015). Talven aikana kaatuneet puut lisäävät keväällä muun muassa latvapaloriskiä alueella. Mikäli tuulen nopeudet kasvavat, kaatuneet puut voivat lisätä sekä syttymisriskiä että helpottaa palojen leviämistä puiden latvus- toon. (Vanha-Majamaa 2015.)
Ilmaston lämpenemisellä voi olla myös lisääntyvää vaikutusta metsien hyönteistuhoihin Suo- messa. Se saattaa lisätä eri tuhohyönteistulokaslajien leviämistä Suomeen. Lisäksi jo Suomessa tavattavat lajit kuten ruskomäntypistiäinen ja kirjanpainaja voivat esiintyä aiempaa suurempina massaesiintyminä, mahdollisesti useamminkin kuin kerran vuodessa. Nämä hyönteistuhot li- säävät sekä latvapaloriskiä, että potentiaalista palointensiteettiä. Kuollut puu voi kaatua muiden puiden varaan, helpottaen palon leviämistä latvustoon. Lisäksi kuiva kuollut puu auttaa korot- tamaan palon intensiteettiä. (Luonnonvarakeskus 2020.)
Esimerkiksi Suomessa tavattava kirjanpainaja on tavanomaisesti kyennyt vain yhteen sukupol- veen vuodessa. Suomen lyhyt kesä on estänyt toisen sukupolven selviytymisen talvesta. Kui- tenkin vuonna 2010 havaittiin Suomen ensimmäinen kahden kirjanpainajasukupolven kesä.
Keskilämpötilan kohoaminen tarkoittaa keväisin aikaisempaa otollista lämpötilaa sukukypsyy- den ja lentokyvyn saavuttamiselle. Pitkän lämmin syksy tarjoaa mahdollisuuden toiselle suku- polvelle kypsyä ja selvitä talvesta. (Pouttu ja Annila 2010) Ilmastonmuutos voi tarkoittaa myös muun muassa ruskomäntypistiäisen määrien kasvua. Pistiäisen munat eivät kestä yli 36 oC as- teen pakkasta, joten talvien lauhtuminen tarkoittaa useampien munien selviytymistä talvesta.
Kuolleet, kuivat metsäalat lisäävät olennaisesti riskiä metsäpaloihin. (Neuvonen 2015.) Ilmastonmuutoksella ennakoidaan olevan myös vaikutusta eri puulajien määriin tällä vuosisa- dalla. Kokonaisuudessaan kuusen määrä alkaa laskemaan koko maassa, kun taas koivu ja mänty alkavat valtaamaan uusia, kuuselle epäsuotuisia alueita. Kuitenkin pohjoisessa koivun määrän on arvioitu laskevan. (Kellomäki 2015.) Näiden muutosten todellinen vaikutus metsä- paloihin on haastavaa arvioida. Toisaalta kuusi on maamme paloherkin puulaji (Lindberg 2011), joten sen väheneminen etenkin etelässä laskee esimerkiksi latvapaloriskiä. Kuitenkin
9
lämpenevä ilmasto tarkoittaa myös suotuisampia syttymisolosuhteita ja palojen intensiteetin potentiaalista nousua. Metsien lisääntynyt kasvu etenkin pohjoisessa tarkoittaa palamista var- ten soveltuvan paloaineksen määrän kasvua.
Huomioitavaa on se, että muutokset puulajistossa eivät ota huomioon ihmistä. Esimerkiksi metsäteollisuudessa ollaan siirtymässä voimakkaammin kuusen viljelyyn laajojen mäntymet- sissä tapahtuvien hirvituhojen vuoksi (esimerkiksi Helsingin Sanomat 2016). Näiden muutos- ten todellisia vaikutuksia on siis vaikea arvioida. Myös ihmisten vieraantuminen metsistä ja avotulen käytöstä voi lisätä huolimatonta tulenkäsittelyä ja täten lisätä metsäpaloja.
Vaikka metsien ajatellaan monesti toimivan hiilinieluina, niin esimerkiksi Kanadassa tämä ei ole pitänyt paikkaansa vuodesta 2011 lähtien (kuva 1). Esimerkiksi vuonna 2016 metsät tuot- tivat nettona 77,6 miljoonaa tonnia hiilidioksidia. Muutos hiilen sitojasta sen tuottajaksi ei johdu pelkästään metsäpalojen määrästä, vaikka ne ovat merkittävä hiilipäästöjen aiheuttaja.
Esimerkiksi vuonna 1993 Kanadassa metsien paloala oli yhteensä 686 300 hehtaaria ja sidotun hiilen määrä oli 65,9 miljoonaa tonnia. Kuitenkin vuonna 2006 vastaavanlainen yhteenlaskettu paloala (662 462) aiheutti 54,9 miljoonan tonnin hiilipäästöt. Yhtenä syynä hiilipäästöille voi- vat olla hyönteisten aiheuttamat vuodesta 1999 voimakkaasti lisääntyneet metsätuhot. (Natural Resources Canada 2019.)
10
Kuva 1. Kanadan metsien hiilensidontakykyä kuvaava graafi vuosien 1990–2016 väliltä. Vuo- desta 2002 lähtien metsistä on vapautunut enemmän hiiltä kuin mitä ne kykenevät sitomaan.
Lähde: Natural Resources Canada 2019
Toisin kuin Kanadassa, Suomessa metsät ovat yhä toimineet kasvihuonekaasupäästöjä vähen- tävänä tekijänä. Sidotun hiilen määrä vaihtelee vuosien sekä laskentamenetelmien välillä noin 17,01–27,64 Mt (kuva 2). Tarkennettu laskentamalli perustuu vuosien 2011–2015 ja 2016–
2020 väleiltä saatuihin tarkkoihin arvoihin, joiden avulla laskentamalli kalibroitiin vuosien 2021–2025 ja 2026–2030 ennusteita varten. Kaikissa tapauksissa sillä, huomioidaanko puus- tosta jatkojalostetut tuotteet hiiltä sitoviksi, on selkeä merkitys lopulliseen arvoon. Arvion mukaan sidottujen päästöjen määrä laskee hieman vuosien 2026–2030 välillä. (Ministry of Ag- riculture and Forestry & Natural Resources Institute Finland 2019.)
11
Kuva 2. Suomen metsien hiilensidontakyky (miljoonaa tonnia sidottu vuodessa). Jatkojalos- tuksella tarkoitetaan eri puutuotteiden sitoman hiilen huomioimista. Tarkennettu malli on ke- hitetty vuosien 2011–2015 ja 2016–2020 väleiltä saatujen mittausten avulla. Lähde: Ministry of Agriculture and Forestry & Natural Resources Institute Finland 2019
Ilmastonmuutos voi vaikuttaa hyvin monin tavoin sekä metsäpalojen syttymistodennäköisyy- teen, että niiden intensiteettiin. Metsäpaloilla puolestaan on vaikutusta ilmastonmuutoksen kiihtymiseen, sillä niistä syntyvän hiilidioksidin määrän arvioidaan olevan noin viidesosa maa- ilmanlaajuisista hiilidioksidipäästöistä, tai yli puolet fossiilisten polttoaineiden käytöstä synty- neistä hiilidioksidipäästöistä (Vanha-Majamaa ym. 2015). Selkeää yhtenäistä mielipidettä siitä, miten paljon ilmastonmuutos tulee muuttamaan palo-olosuhteita tulevaisuudessa, ei vielä ole. Ilmastonmuutoksen uskotaan kuitenkin lisäävän metsäpalojen syttymistodennäköisyyttä ja intensiteettiä (Lehtonen ym. 2016).
2.3 Metsäpalojen vaikutukset luontoon ja yhteiskuntaan
Metsäpalojen vaikutukset ovat moninaiset, eikä niitä kaikkia ole yksinkertaista mitata rahassa.
Negatiiviset vaikutukset voidaan jaotella suoriin- ja epäsuoriin kustannuksiin. Suoria kustan- nuksia ovat muun muassa ekosysteemipalveluihin kohdistuneet kulut, puutuotantoon sekä mar- jastukseen tai sienestykseen liittyvät menetykset. Näiden lisäksi suoria kustannuksia
0 5 10 15 20 25 30
Jatkojalostusta ei huomioida
Jatkojalostus huomioidaan
Jatkojalostusta ei huomioida (tarkennettu)
Jatkojalostus huomioidaan (tarkennettu)
Miljoonaa tonnia sidottu vuodessa
Laskentamenetelmä
Suomen metsien hiilensidontakyky (miljoonaa tonnia sidottu vuodessa)
2011-2015 2016-2020 2021-2025 2026-2030
12
aiheuttavat markkinattomiin hyötyihin kohdistuvat menetykset kuten virkistysmahdollisuuk- sien ja alueen maisema-arvon lasku. Myös syttyneiden palojen sammutustöistä muodostuneet sammutuskustannukset sekä sosiaaliset haitat, kuten omaisuusvahingot sekä terveyshaitat, ovat merkittäviä yhteiskunnallisia kustannuksia. (Kosenius ym. 2014.)
Metsätalouden kannalta palosta aiheutuneita kustannuksia on haastavaa arvioida tarkasti, mutta esimerkiksi koko Suomen vuosien 2010–2012 puukuutiometrin keskikantohinnan aritmeet- tiseksi keskiarvoksi on laskettu 33,13 €/m3 ja hehtaarihinnaksi 4108,12 €/ha (hakkuualueella 198,78 €/ha). Tässä kuitenkin oletetaan puuston olevan hakkuukypsää sekä palossa täysin tu- houtunutta. Lisäksi arvo vaihtelee vuosittain muun muassa valvontalentojen määrän sekä pa- laneen alan vaikutuksesta. (Kosenius ym. 2014.) Eri laajuisille suurpaloille on myös laskettu kustannusarvioita. Esimerkiksi 500 hehtaarin laajuisen palon arvioidut kustannukset ovat noin 3,3 miljoonaa euroa. (Lehtonen ym. 2016.)
Puustolle lisäarvoa tuo sen kyky sitoa hiilidioksidia ja ilmansaasteita. On arvioitu, että tämä kyky olisi arvoltaan yli nelinkertainen puuston raaka-aine arvoon nähden. Ilman puuston puh- distavaa vaikutusta on Euroopassa arvioitu vuonna 2010 ilmansaasteiden kustannuksiksi noin 276–790 miljardia euroa sairastumisten ja ennenaikaisten kuolemien myötä. Edellä mainitut tekijät huomioiden palossa tuhoutuneen puuston todellinen arvo on enemmän, kuin sen suora raaka-aine arvo markkinoilla. (Rautio ym. 2015.)
Keräilyharrastuksille (marjastus/sienestys), biodiversiteetille, riistalajeille ja virkistyskäytölle aiheutuvat haitat voivat olla välittömästi suuria. Kuitenkin palon jälkeinen sukkessiovaihe lisää maaperässä olevien ravinteiden määrää mahdollistaen paremmat marjastus/sienestys mahdol- lisuudet, riistalajeille tärkeiden varpujen kasvun sekä tuoden virkistys ja maisema-arvoa alueen lajiston monipuolistumisen myötä. (Vanha-Majamaa ym. 2015.)
Maan pintakerroksen ainesten palamisella on myös suurpaloja ehkäisevä vaikutus. Pitkään pa- lamattomalle alueelle kertyy ajan myötä suuriakin määriä palointensiteettiä sekä syttymisherk- kyyttä korottavaa hienojakoista paloainesta, kuten lehtiä, havunneulasia sekä kuolleita oksia.
Ajoittaisella kulotuksella ainekset voidaan polttaa, ehkäisten näin potentiaalisia suurpaloja tu- levaisuudessa. (Lindberg ym. 2011.) Suomessa kulotusta ei käytetä palonehkäisykeinona, mutta esimerkiksi Yhdysvalloissa (esimerkiksi Southern Group of State Foresters 2020) se on käytössä suurpalojen ehkäisyssä.
Palojen torjuntaan liittyvät kustannukset koostuvat sekä niitä ennaltaehkäisevistä toimenpi- teistä että varsinaisista sammutustöistä. Pelastuslaitosten kulut voidaan laskea aiheutuneista
13
työtunneista, kulutetusta polttoaineesta ja käytetystä kalustosta. Esimerkiksi Pohjois-Karja- lassa pienen palon sammutukseen tarvitaan kuusi henkilöä, joiden palkkakustannuksiksi kertyy noin 1000 € ja polttoainekustannuksiksi noin 150 €. Vuosien 2009–2014 välillä Pohjois-Kar- jalassa vuosittaiset palkkakustannukset olivat noin 100 000 € ja polttoainekustannukset noin 20 000 €. (Viertola henkilökohtainen tiedonanto, viitattu teoksessa Kosenius ym. 2014.) Palojen ennaltaehkäisyyn käytettävät resurssit voidaan nähdä kulujen sijaan tuottona. Metsä- palovaroitukset, tiedotteet ja kyltit voivat toimia paloja ehkäisevinä tekijöinä, niiden laskiessa sammuttamiseen tarvittavia resursseja. Ennalta ehkäisyyn pyrkivien toimenpiteiden tehok- kuutta on vaikea arvioida. Metsätaloudesta johtuva metsäalan tasaikäinen metsänkasvatus ja sen aiheuttama metsäalan kuviomaisuus, metsätieverkon kattavuus ja kansalaisten passiivinen valvonta ja ilmoitusherkkyys sekä eri viranomaisten (pelastuslaitos, vapaapalokunta, Puolus- tusvoimat) tekemä yhteistyö auttavat laskemaan potentiaalia tuhoisemmille suurpaloille. (Ko- senius ym. 2014.)
Metsäpaloilla on merkittäviä vaikutuksia sekä luontoon, että ihmisiin. Palokaasuista aiheutuvat terveyshaitat, ilmastonmuutosta kiihdyttävä vaikutus, merkittävät taloudelliset kustannukset valvonnassa ja torjunnassa sekä negatiiviset vaikutukset biodiversiteettiin tekevät todellisten kustannusten laskemisesta lähes mahdotonta. Kustannuksia voitaisiin kuitenkin vähentää pa- lontorjunnan sekä ennakoinnin tehostamisella. Palonleviämismallit ovat potentiaalinen apuvä- line metsäpalojen ja niiden ennaltaehkäisemiseen liittyvien kustannusten vähentämiseen.
2.4 Metsäpalon leviämisen mallintaminen
Palon leviämistä mallintavat ohjelmat voidaan jakaa omiin ryhmiinsä monella tapaa. Esimer- kiksi Pastor ym. (2003) mukaan mallit voidaan jakaa kolmeen laajempaan ryhmään laskenta- mallien, tutkittavien muuttujien ja mallinnettavan fysiikan (pintapalo/latvapalo) mukaan. Ar- tikkelissaan he listasivat yhteensä 68 palonleviämismallia ja 20 palon leviämisen mallinnuk- seen kykenevää ohjelmaa, jotka hyödyntävät näitä leviämismalleja.
Eri palonleviämistä mallintavilla ohjelmilla on erilaiset toimintaperiaatteet. Yksinkertaisim- millaan mallit voivat laskea palon leviämistä solusta toiseen perusteenaan viereisen solun pa- laminen. Monimutkaisimmillaan mallit vaativat supertietokoneita laskemaan palon leviämisen fysiikan eri aspekteja, kuten energian siirtymistä ja ilmamassojen mallintamista 3D-
14
ympäristössä (esimerkiksi Coen 2013). Mallin toteutustapa määrittyy sen käyttötarkoituksen mukaan. Operatiiviseen käyttöön tarkoitetut järjestelmät vaativat nopeutta ja tarkkuutta. Tut- kimustyöhön tarkoitetut tarkemmat mallit taas suosivat tulosten tarkkuutta nopeuden sijaan.
Yksinkertaistettuna mallit voidaan siis jakaa kahteen ääripäähän; empiirisiin malleihin ja fy- siikkaan perustuviin malleihin. Tässä kappaleessa tarkastellaan palon leviämisen mallintami- seen liittyviä toteutustapoja.
2.4.1 Empiiriset ja osittain empiiriset mallit
Operatiiviseen käyttöön tarkoitetut leviämismallit ovat joko osittain taikka täysin empiirisiä (esimerkiksi FlamMap (Rocky Mountain Research Station 2019), Prometheus (Fire growth model.ca 2019), SPARK (CSIRO SPARK 2020)). Tämä on ollut pitkään tarpeellista tietoko- neiden rajallisten laskentatehojen takia. Tulevaisuudessa tämä rajoite saattaa poistua tietotek- niikan kehittyessä. Näiden mallien oletuksina saattavat olla palon leviämisen laskentaan käy- tetty muoto (ympyrä, ellipsi), syttymistodennäköisyys, latvapalon todennäköisyys tai muut las- kennallisesti raskaat tekijät. (Tymstra ym. 2010.)
Edellä mainitut mallit hyödyntävät oletuksia, eivätkä ne perustu laskettuun fysiikkaan. Niiden luotettavuus perustuu lukuisiin testipolttoihin ja todellisiin paloihin perustuviin mittauksiin.
Esimerkiksi palon leviämisen mallinnukseen käytetyn ellipsin on havaittu olevan tällä hetkellä paras vaihtoehto sen ollessa helppokäyttöinen sekä tarkka. (Tymstra ym. 2010; Finney 2004.) Empiiriset mallit tarjoavat erittäin tehokasta laskentaa ja hyvinkin suurien palojen leviämisen mallintamista todellista paloa nopeammin. Nämä eivät kuitenkaan kykene huomioimaan poik- keustilanteissa syntyviä riskejä. Esimerkiksi hyvin laajojen ja intensiivisten palojen tiedetään kehittävän oma ilmastonsa, jossa on mahdollista syntyä muun muassa vaarallisia tulipyörteitä (Lindberg ym. 2011). Näiden mallintamiseen empiiriset mallit eivät kykene. Tämä puute pe- rustuu palon synnyttämien ilmavirtausten mallintamisen puuttumiseen, jonka vuoksi useiden rinnakkaisten palojen vaikutusta toisiinsa ei myöskään voida arvioida (esimerkiksi Tymstra 2010). Lisäksi, koska empiiriset mallit perustuvat tilastoituihin leviämisarvoihin, ovat ne luo- tettavia vain vastaavanlaisissa olosuhteissa kuin mihin tilastot perustuvat (Pastor ym. 2003).
15
2.4.2 Fysiikkaa hyödyntävät mallit ja kolmiulotteiset kuljetusmallit
Fysiikkaan perustuvien mallien tavoitteena on ottaa mukaan palon leviämisen fyysisiä meka- niikkoja, kuten konvektio, säteily sekä turbulenssiefektit. Nämä mekaniikat ilmenevät metsä- paloissa muun muassa paloaineksen pyrolyysin säteilynä, lämmön johtumisena, palamisesta syntyneinä kuumina kaasuina sekä erilaisina jäähdyttävinä prosesseina kuten lämmön säteilynä ilmaan. Näistä vain lämmön säteilyn ja konvektion ajatellaan olevan merkittäviä mekaniikkoja tavallisten pinta- ja latvapalojen mallintamisessa. Lämmön johtuminen ei ole riittävän merkit- tävä tekijä näissä palamisen muodoissa, mutta esimerkiksi maapalossa sitä voitaisiin käyttää palon leviämisen mallintamiseen. (Baines 1990.) Esimerkiksi Johnston ym. (2006) kehittivät soluautomaattileviämismallin, jossa palon leviäminen perustui fyysiseen mekaniikkaan, läm- mön säteilyyn. Tämä leviämismalli on kuitenkin huomattavasti kevyempi käyttää kuin tavan- omaiset kolmiulotteiset kuljetusmallit.
Kolmiulotteisten kuljetusmallien tavoitteena on ottaa tuli ja sen muokkaama paikallinen paloil- masto mukaan palonleviämisen mallinnukseen. Ohjelmat vaativat paljon dataa ja ovat lasken- nallisesti erittäin raskaita käyttää, minkä vuoksi ne ovat olleet lähinnä laboratoriotutkimuksissa työkaluina. Homogeenisten, hyvinkin tarkan resoluution laboratoriotutkimusten skaalaaminen heterogeeniseen laajempaan resoluutioon on haastava prosessi. Tämä rajoittaa niiden käyttöä operatiivisessa mielessä. (Tymstra ym. 2010.) Esimerkiksi leviämismalli, jossa palon synnyt- tämää lämpöä ja kosteutta käytettiin hyväksi leviämisen mallinnuksessa, ei voitu käyttää 10–
20 metrin resoluutiolla, simulaation suorittamisen ollessa reaaliaikaa hitaampaa. Tarpeeksi ma- talalla resoluutiolla (100–500m), simulaatio toimii reaaliaikaa nopeammin. Näin matala reso- luutio heikentää kuitenkin liikaa tuloksia ja saadut tulokset eivät ole enää luotettavia. (Clark ym. ja Coen, viitattu teoksessa Tymstra ym. 2010.)
Vaikka kolmiulotteiset kuljetusmallit ovat erittäin raskaita käyttää, tulevaisuudessa niiden ope- ratiivinen käyttö supertietokoneilla saattaa olla mahdollista. Näitä malleja on myös pyritty hyö- dyntämään käyttämällä kolmiulotteisia kuljetusmalleja 2D-leviämisenmallintamismetodien kanssa. Tämä mahdollistaa kolmiulotteisten kuljetusmallien hyödyntämisen ilman niiden suu- ria prosessointivaatimuksia (esimerkiksi Filippi 2018; Jiménez 2018).
16 2.4.3 Leviämisen mallintamismenetelmät
Yleisesti leviämisen mallintamiseen käytetään kahta eri metodia. Yksinkertaisempi malli on soluautomaatti (Cellular Automata), jossa palon leviämistä lasketaan solujen avulla. Edellistä laskennallisesti vaativampi malli on vektori etenemismalli (Vector Propagation). Se hyödyntää Huygensin aallon etenemisen periaatetta. (kts. alaluku 3.1.1 Prometheus-ohjelma)
2.4.4 Soluautomaatti
Soluautomaatti koostuu neljästä osasta: mallin fyysinen ympäristö, solujen tila, solujen naapu- rusto sekä paikallinen siirtymäsääntö. Fyysinen ympäristö on soluista koostuva hila, joka voi olla yksi, kaksi tai useampiulotteinen. Solujen muotona ajatellaan tavallisimmin keskenään sa- man laajuisia neliötä, mutta se voi olla myös joku toinen muoto. Hilan jokaisella solulla on joku tietty tila, joka määritellään soluautomaatin käyttötarkoituksen mukaan. Solun tämänhet- kistä tilaa kuvataan numeerisella arvolla, ja solulla voi olla vain yksi tila kerrallaan. Esimer- kiksi palon leviämistä mallinnettaessa solun mahdolliset tilat voivat olla 0 = palamaton solu, 1
= ei paloaines solu, 2 = palava solu ja 3 = palanut solu. (Quartieri 2010.)
Solun naapurustolla tarkoitetaan yksittäisen solun läheisyydessä olevia soluja. Näiden solujen ei tarvitse olla nimenomaan kyseisen solun viereisiä soluja, mutta jokaisen solun naapuruston tulee olla samanmuotoinen. Yleisimmin käytettyjä naapurustoja ovat Von Neumann naapurusto sekä Mooren naapurusto. Von Neumann naapurustossa solulla on neljä naapuria, jotka ovat pohjoinen, itä, etelä ja länsinaapurit. Mooren naapurustossa on näiden lisäksi väli-ilmansuun- nat, eli yhteensä kahdeksan naapuria. Mikäli hilan ulottuvuuksien määrässä tehdään muutoksia, niin tämä vaikuttaa myös solun naapurien määrään. (Quartieri 2010.)
Jokaiselle solulle on myös määritelty yhteinen siirtymäsääntö. Tämä sääntö määrittelee solussa tapahtuvan mahdollisen muutoksen jokaisen aika-askeleen kohdalla, joka perustuu sen naapu- ruston solujen tilaan. Muutos voi olla puhtaasti deterministinen tai todennäköisyyteen perus- tuva. Palonleviämisen mallinnuksessa tämä voisi toimia niin, että uuden aika-askeleen kohdalla solun naapureiden tila tarkistetaan. Mikäli naapurustossa oleva solu palaa, niin todennäköisyy- dellä X -solu syttyy tuleen. Palava solu sammuu, kun on kulunut tarpeeksi monta aika-askelta.
Syttymistodennäköisyyteen voivat vaikuttaa esimerkiksi paloaineksen tyyppi tai tuulen suunta.
17
Aika-askeleen jälkeen tapahtuneet muutokset soluissa tarkoittavat koko hilan tilan muuttu- mista, jota kutsutaan globaaliksi kartaksi. (Quartieri 2010.)
Palonleviämisen mallintamisen kannalta soluautomaatin käytöllä on tiettyjä oletuksia sekä ra- joituksia. Soluautomaatti on laskennallisesti kevyt, joten sen avulla voidaan mallintaa hyvin suurien palojen leviämistä nopeasti. Palon leviämisen mallintamiseen hilassa, jossa solut ovat samanmuotoisia ja laajuisia liittyy myös omat ongelmansa. Ruudukossa palon etenemisen on- gelmana on ns. taksigeometria (Caballero 2006), jossa pisteiden suoralla välimatkalla ja palon kulkemalla matkalla voi olla suuria eroja, sen kyetessä etenemään vain ennalta määritettyyn määrään suuntia (Tymstra ym. 2010). Näitä ongelmia on pyritty ratkaisemaan käyttämällä esi- merkiksi heksagonin muotoisia soluja taikka voronoin diagrammia hilan luomiseen (Encinas ym. 2007; Johnston ym. 2006). Symmetrisen naapuruston käytöllä on myös huomattu olevan vaikutusta palorintaman muotoon, jota on pyritty korjaamaan käyttämällä epäsymmetrisiä naa- purustoja (Feunekes, viitattu teoksessa Quartieri 2010).
2.4.5 Vektori etenemismalli
Vektori etenemismallien toiminta perustuu Huygensin havaintoon valoaaltojen etenemisestä.
Hänen havaintojensa perusteella valoaaltorintaman jokainen piste toimii uuden pienemmän aallon lähtöpisteenä. Uudet pienemmät aallot muodostavat uuden aaltorintaman. (Huygens 1690.) Myös palon leviämisen mallintaminen on mahdollista käyttäen hyväksi tätä teoriaa.
Palorintama on polygoni, joka muodostuu suorista viivoista. Näiden viivojen risteämiskohdat ovat polygonin kärkiä. Polygonin kärjistä lasketaan palon leviämistä ellipsin muotoisina alu- eina, joiden suunnan ja koon määrittelevät muun muassa tuulen voimakkuus ja suunta sekä palon oletettu leviämisnopeus. (Tymstra ym. 2010.) Gwynford D. Richards hyödynsi Huygen- sin periaatetta aallon etenemisestä, ja kehitti palon leviämisen mallintamista varten osittaisdif- ferentiaaliyhtälön (Richards, viitattu teoksessa Tymstra ym. 2010; Finney 2004). Kaksi laajasti tunnettua palonleviämismallia FARSITE ja Prometheus käyttävät tätä osittaisdifferentiaaliyh- tälöä palon leviämisen mallintamiseen. Vektori etenemismallin toiminta käydään tarkemmin läpi alaluvussa 3.1.1 Prometheus-ohjelma.
Palon leviämisen mallintaminen voidaan siis toteuttaa monella eri tapaa. Kuitenkin huolimatta siitä, miten hienostunut laskentamalli otetaan käyttöön, niin jonkinasteinen aggregointi on aina
18
välttämätöntä. Kymmenen metrin resoluution paloaineshila yksinkertaistaa huomattavasti alu- een todellista kasvillisuuden heterogeenisyyttä. Lisäksi malleissa olevat paloainesluokat olet- tavat hilan solussa olevan paloaineksen olevan heterogeenistä, esimerkiksi 10 m2:n alueella jokainen kuusi on keskenään yhtä korkea ja jokainen kohta maastosta yhtä kuiva taikka kostea.
Tasarakenteisessa kuusikossa voi olla kaatuneita puita, jotka lisäävät merkittävästi palon in- tensiteettiä sekä latvapalon riskiä. Paloainesten todellista heterogeenisyyttä on siis ainakin vielä erittäin haastavaa huomioida operatiivisessa mielessä. Hienostuneimmatkin mallit ovat lopulta vain suuntaa antavia arvioita todellisuudesta.
2.5 Metsäpaloindeksit
Metsäpaloindeksien yleinen tavoite on antaa tietoa alueella vallitsevasta palon syttymisherk- kyydestä ja mahdollisen palon odotettavissa olevasta intensiteetistä. Tätä tietoa käytetään hy- väksi kansalaisille varoitusten antamisessa sekä pelastuslaitosten varautumisessa potentiaali- siin paloihin. Eri puolilla maailmaa metsäpalovaroituksista tiedottaminen hoidetaan eri tavoin.
Suomessa Ilmatieteen laitos vastaa metsäpaloindeksien laskennasta sekä metsäpalovaarasta tie- dottamisesta. Metsäpaloindeksit ovat myös merkittävä osa monien metsäpalon leviämisen mal- lintamiseen käytettävien ohjelmien toimintaa (esimerkiksi Tymstra 2010).
Eri puolilla maailmaa on käytössä joko itse kehitettyjä, tai valmiista indekseistä omiin tarpei- siin muokattuja versioita. Esimerkiksi Suomessa, Kanadassa ja Yhdysvalloissa on käytössä omat metsäpaloindeksinsä. Ruotsissa sekä Norjassa tutkitaan yhtenä mahdollisuutena ottaa käyttöön kanadalainen paloindeksi (Fire Weather Index (FWI)) (Upplands Väsby Forest Fire Index workshop 2019). Vaikka indeksien yleinen tavoite on sama, niin niiden toteutustavat voivat poiketa yleisiltä oletuksiltaan, matemaattisilta laskentamalleilta ja tuotetulta tiedolta toi- sistaan. Yleisesti indeksin käyttö perustuu metsäpalojen intensiteettiin vaikuttavien muuttujien seurantaan, kuten sateen määrään sekä ilman lämpötilaan (esimerkiksi Ilmatieteen laitos 2015;
Van Wagner 1987).
19 2.5.1 Suomen metsäpaloindeksi
Alun perin Suomessa oli käytössä kulovaaraindeksi, jonka toiminta perustui sääasemilta läm- pötila- ja ilmankosteustiedoista laskettuihin arvoihin, joita täsmennettiin sademäärien mukaan.
Laskenta perustui sammal-, neulas- ja puusauvojen empiirisiin kosteusmittauksiin. (Franssila, viitattu teoksessa Lindberg ym. 2011.) Kulovaaraindeksi korvattiin Suomessa vuonna 1975 metsäpalovaroituksella. Vuodesta 1996 lähtien Ilmatieteen laitos on arvioinut metsäpalovaaraa kehittämällään ja ylläpitämällään metsäpaloindeksillä (Lindberg ym. 2011).
Tämä uusi metsäpaloindeksi perustuu puoliavoimen puuttoman maaston 60 mm paksuisen pin- takerroksen kosteuden arviointiin käyttäen hyväksi ilman lämpötilaa, suhteellista ilmankos- teutta, tuulen nopeutta, säteilyn sekä sateen määrää. Laskentaan käytettävät säätiedot saadaan eri puolilla Suomea sijaitsevilta sääasemilta, ja arvot interpoloidaan 10 x 10 km hilalle, käyt- täen hyväksi kriging -interpolointimenetelmää. Näiltä hilaruuduilta arvioidaan kosteuden haih- tumista, käyttäen hyväksi Penman-Monteith -yhtälöä. (Ilmatieteen laitos 2015.)
Käyttämällä tästä saatua haihtumisen määrää ja säätutkilla tai paikallisilla sääasemilla mitattua sateen määrää, saadaan määriteltyä alueille metsäpaloindeksi arvo (Venäläinen ja Heikinheimo 2003). Indeksin arvo on numeerinen arvo välillä 1–6, ja sen laskenta aloitetaan keväällä lumien sulettua. Keväällä lumien sulaessa kosteuden tilavuusosuudeksi määritellään 50%. Arvon saa- vuttaessa luvun 4, on kosteuden tilavuusosuus 20% maaperässä. Tällöin annetaan metsäpalo- varoitus. Ilmatieteen laitoksella on myös käytössä latvapaloriskiä kuvaava latvapaloindeksi, joka lasketaan metsäpaloindeksin ollessa 4 tai enemmän (Lehtonen ym. 2016). Kolmas indeksi, ruohikkopaloindeksi, on käytössä huhti-toukokuussa lumettomilla alueilla, joilla ruohikko ei ole vielä täysin vihertynyt. Tämä indeksi perustuu 30 mm paksuudelta pintakerroksen kosteu- den arviointiin. (Ilmatieteen laitos 2015.)
2.5.2 Kanadan metsäpaloindeksi
Kanadalainen metsäpaloindeksi on osa laajempaa metsäpaloriskien indeksijärjestelmää (Cana- dian Forest Fire Danger Rating System (CFFDRS). Tämä järjestelmä perustuu tällä hetkellä kahteen alajärjestelmään: FWI-järjestelmään sekä metsäpalon käyttäytymisen ennustamisjär- jestelmään (Fire Behavior Prediction (FBP)). FWI-järjestelmä on yleisesti maailmalla tunnettu
20
ja käytetty indeksi (Lindberg 2011). Esimerkiksi Euroopan unionin metsäpalovaroitusjärjes- telmä (European Forest Fire Information System (EFFIS)) käyttää Kanadalaista FWI-järjes- telmää metsäpalovaroitusten ja kartoituksen laadintaan (European comission EFFIS Fire Dan- ger Forecast 2019).
FWI-järjestelmän tavoite on sama kuin Suomen metsäpaloindeksillä, mutta indeksi perustuu useamman kuin kahden kerroksen kosteuden arviointiin. Järjestelmässä on kuusi eri indeksiä, jotka ovat nähtävillä kuvassa 3. Sääarvojen perusteella laskettavia indeksejä ovat hienoainek- sen kosteusindeksi (Fine Fuel Moisture Code (FFMC)), pohjakerroksen kosteusindeksi (Duff Moisture Code (DMC)) ja syvemmän kangashumuksen kosteusindeksi (Drought Code (DC)).
Nämä indeksit perustuvat maanpinnan eri kerrosten kosteuden arviointiin. FFMC mittaa noin 1,2 cm syvyydestä pinta-ainesten, kuten havunneulasten ja lehtien kosteusarvoa. DMC mittaa noin 7 cm syvyydestä kosteutta, ja on lähin vastine Suomen metsäpaloindeksin laskentaan käy- tettävälle syvyydelle. Viimeinen arvo, DC, mittaa 18 cm syvyydestä kuvaten syvemmän kan- gashumuksen kosteutta. (Van Wagner 1987.)
Tulen leviämisindeksi (Initial Spread Index (ISI)), potentiaalinen palokuormaindeksi (Build Up Index (BUI)) ja paloindeksi (Fire Weather Index (FWI)) ovat palon leviämistä kuvaavia indeksejä. ISI ja BUI ovat tarkoitettu potentiaalisen palointensiteetin laskentaan, jossa ISI ku- vastaa palon potentiaalista leviämisnopeutta ja BUI kosteudeltaan palavaksi kelpaavan ainek- sen määrää. FWI-arvo lasketaan ISI- ja BUI-indekseistä ja toimii potentiaalista palointensiteet- tiä kuvaavana indeksinä. (Van Wagner 1987.)
21
Kuva 3. Kanadalainen FWI-järjestelmä ja sen osat. Järjestelmä laskee eri kosteusindeksit sää- hän liittyvien arvojen avulla. Laskettujen kosteusindeksien avulla muodostetaan palon käyttäy- tymiseen liittyvät indeksit sekä metsäpaloindeksi. Lähteet: FWI järjestelmän taulukko; Natural Resources Canada 2020a. Termien Suomennokset: Lindberg ym. 2011
FBP-järjestelmä on tarkoitettu jo syttyneen palon käytöksen arviointiin. Vastaavanlaista järjes- telmää ei ole käytössä Suomessa ainakaan vielä. Kuitenkin esimerkiksi metsien paloherkkyys- luokittelua on tehty jo 1940-luvulla (Lindberg ym. 2011) ja viime vuosina Lieksassa (Metsä- keskus 2019b).
FBP-järjestelmä antaa tietoa palon leviämiseen liittyvistä arvoista, kuten potentiaalisesta pa- lonleviämisnopeudesta, palon intensiteetistä ja palon tyypistä (pinta/latvapalo). Järjestelmä pe- rustuu 495:ssä eri palossa (kulotuksia, aitoja metsäpaloja ja kokeellisia paloja) tehtyihin mit- tauksiin, joissa arvioitiin palon leviämiseen liittyviä arvoja. Mittaukset tehtiin käyttäen hyväksi 16 paloainesluokan luokittelujärjestelmää, jossa yleisempinä luokkina toimivat havupuut, leh- tipuut, sekametsät, hakkuujäte sekä avomaaston paloainekset. (Hirsch 1996.) Paloainesluokat on listattu liitteeseen 1. Järjestelmän avulla saadaan tuotettua sammutuksesta vastaaville hen- kilöille arvokasta tietoa palon potentiaalisesta käyttäytymisestä. Alun perin järjestelmä toimi manuaalisesti kynä ja paperi taulukoinnilla, mutta nykyisin järjestelmästä on kehitetty tietoko- neohjelmia sekä koodeja nopeuttamaan laskentaa (esimerkiksi Wang 2019).
22
FBP-järjestelmäkokonaisuus on listattu kuvassa 4. Järjestelmä käyttää tietoja paloaineksista, säästä, topografiasta, lehvistön kosteusarviosta sekä syttyvän palon tyypistä ja ennusteen kes- tosta. Säätiedot perustuvat FWI-järjestelmän kosteusindekseihin ja näiden lisäksi tuulen suun- nan ja nopeuden arvoihin. Paloainesten tiedot perustuvat niitä varten tehtyihin mittauksiin lu- kuisista eri paloista. Topografia on alueen kaltevuussuunta ja kaltevuusprosentti, jotka ohjelma laskee annetusta korkeusmallista. Lehvästön kosteus lasketaan annettujen korkeuden, koordi- naattien sekä päivämäärän perusteella. Palon tyyppi ja arvioitu kesto perustuvat palon sytty- mistyypin määrittelyyn. Prometheus-ohjelma käyttää palon leviämiseen tasapainotettua le- viämisnopeutta (equilibrium rate of spread). Syttyessään eri paloaineksilla kestää tietyn aikaa ennen kuin palon leviäminen saavuttaa tasaisen nopeutensa. Mikäli syttyminen on tapahtunut yksittäisessä pisteessä, niin ohjelma laskee palon leviämiselle kiihtymisarvon, kunnes tasainen leviämisnopeus saavutetaan. (Hirch 1996.) Näiden tietojen perusteella ohjelma laskee kuvassa 4 olevat palon leviämiseen liittyvät arvot, kuten palointensiteetin.
Kuva 4. Kanadalainen FBP-järjestelmä. Järjestelmä käyttää FWI-järjestelmän laskemia indek- sejä, säätietoja ja topografiaan liittyviä arvoja muodostaakseen palon käyttäytymiseen liittyviä arvoja. Lähteet: FBP järjestelmän taulukko; Natural Resources Canada 2020b.
23
3. Aineisto ja menetelmät
3.1 Tutkimusalue
Tutkimusalueena tässä työssä toimii Itä-Suomessa sijaitseva Lieksan seutu. Tutkimusalueen valinnan perusteena on Mellevä-hankkeen yhteydessä saatu data sekä kuvaukset palojen leviä- misestä alueella. Testiskenaarioissa käsitellään sekä yksittäisten metsäpalojen leviämisen mal- linnusta että laajemman alueen palotodennäköisyyshilan toteuttamista. Tutkimusalue ja eri tes- tiskenaarioiden tarkemmat rajaukset on esitetty kuvassa 5. Palon leviämisen mallintamisen tes- tiskenaariot olivat osana Mellevä -hanketta ja sitä varten kirjoitettua metsäpalojen leviämis- mallit -raporttia (Kolstela 2020).
Kuva 5. Testiskenaarioiden kohdealueiden lähestymiskartta. Alhaalla vasemmalla on laajem- paa palotodennäköisyysmallinnusta varten valittu alue. Ylhäällä oikealla on vuoden 2018 Lö- pöntien paloa varten rajattu alue Kuikkalammen pohjoispäädystä. Alhaalla oikealla on vuoden 2014 Ritovaarantie-Uimaharjuntien paloa varten rajattu alue Pieni Venejärven länsipuolelta.
24
Ensimmäinen tutkimusalue, Ritovaarantie-Uimaharjuntien palo, perustuu Lieksassa Pieni Ve- nejärven länsipuolella kesällä 2014 tapahtuneeseen metsäpaloon. Palosta antoivat tietoa Mika Viertola (2019) ja Juha Kananen (2019) Lieksan pelastuslaitokselta. Kuva 6 on Juha Kanasen arvio lopullisesta paloalasta, joka oli noin 10 ha. Heidän mukaansa alueella oli kaatunut puu 20kW:n sähkölinjalle, mutta tapahtuman tarkkaa ajankohtaa ei ollut tiedossa. Pelastuslaitos sai ilmoituksen palosta 6.6. klo 21:31, saapuivat paikalle 21:45 ja saivat rajattua palon klo 23:00.
Vaikka ilmoitus palosta tuli myöhään illalla 6.6., niin jo 5.6. alueelta oli saatu ilmoituksia savun hajusta sekä katkenneista sähköistä. Tämän tiedon avulla, sekä Ilmatieteen laitoksen avoimesta datasta haetulla päivän suurimman puuskanopeuden perusteella syttymishetkeksi määriteltiin 5.6. 17:00. Palo levisi alueella tämän arvion mukaan noin 30 tunnin ajan.
Kuva 6. Ritovaarantie-Uimaharjuntie palon arvioitu lopullinen paloala. Paloauton pysäytys- paikkana toimi kartalla oleva punainen piste. Musta alue rajaa lopullisen paloalan. Lähde:
Kananen 2019
Mika Viertola (2019) antoi tiedot sekä kuvan 7 tämän työn toisesta mallinnettavasta, Löpöntien palosta. Myös tämä palo syttyi puun kaaduttua voimalinjan päälle 2.6.2018. Tämä noin 8,5
25
hehtaarin laajuudelle levinnyt palo syttyi noin klo 14:00. Ilmoitus pelastuslaitokselle tuli 14:47 ja he saapuivat paloalueelle 15:25. Palo saatiin rajattua noin klo 17:00. Palo levisi huomatta- vasti lyhyemmän ajan kuin Ritovaarantie-Uimaharjuntien palo, mutta palon leviäminen tapah- tui huomattavasti nopeammin.
Kuva 7. Mika Viertolan antama arvio Löpöntien palon leviämisestä. Punainen tähti kuvaa pa- lon syttymispistettä, punainen alue paloalaa palokunnan saapuessa paikalle ja sininen alue lo- pullista paloalaa. Lähde: Viertola 2019
Viimeinen tarkasteltava alue on kahta aiempaa aluetta laajempi alue Lieksassa. Alue on mer- kitty kuvaan 5, laajemman palotodennäköisyysmallinnuksen alueena. Alueen valinnan perus- teluina olivat itseluokitellun paloaineshilan tuottaminen Luonnonvarakeskuksen hilatietojen avulla ja ohjelman prosessointivaatimusten testaus.
26 3.2 Aineisto
Tämän työn aineisto koostuu sekä vapaasti saatavilla olevista paikkatietoaineistoista (lukuun ottamatta palojen syttymispisteitä) että Lieksan pelastuslaitoksen työntekijöiden haastatte- luista. Paikkatietoaineistot koostuvat korkeusmallista, paloaineshilasta, säätiedoista ja palon syttymispisteestä. Henkilökohtainen tiedonanto sisälsi tietoja palojen syttymisestä ja leviämi- sestä.
Paikkatietoaineistoista kahden metrin resoluution korkeusmalli ladattiin Maanmittauslaitoksen avoimien aineistojen tiedostopalvelusta. Samasta tiedostopalvelusta saatiin myös tutkimusalu- eella sijaitsevat paloesteitä (vesistöt, tiet, suot) kuvaavat vektoritiedostot, jotka poimittiin maastotietokannasta. Paloaineshilojen tuottoon käytettiin Suomen Ympäristökeskukselta la- dattua Corine 2018 -maanpeiteluokittelua sekä Luonnonvarakeskukselta ladattuja koivun, kuu- sen, männyn sekä puuston kokonaismäärää (m3/ha) kuvaavia hiloja. Säätiedot ladattiin Ilma- tieteen laitoksen avoimista sääaineistoista kahdelta sääasemalta. Nämä olivat Lieksan Lampe- lan (Asema ID: 101636, N: 63.32, E: 30.05) ja Ilomantsin Pötsönvaarassa (Asema ID: 101649, N: 63.14, E: 31.04) sijaitsevat sääasemat (kuva 5). Syttymispisteiden koordinaatit saatiin Pe- lastustoimien resurssi- ja onnettomuustilasto PRONTO-palvelusta Mellevä-hankkeen yhtey- dessä. Tämä oli työn ainoa ei-avoin aineisto. Henkilökohtainen tiedonanto sisälsi tarkempia tietoja palojen arvioiduista syttymissyistä, leviämisen laajuudesta ja nopeudesta sekä intensi- teetistä.
3.3 Esimerkkiohjelmat
Tässä työssä palon leviämisen mallintamista ja sen datavaatimuksia tarkastellaan käyttäen kahta Kanadassa kehitettyä ohjelmaa. Ohjelmat ovat operatiiviseen käyttöön suunniteltu Pro- metheus ja alueiden paloherkkyyden tarkasteluun kehitetty Burn-P3. Työssä esitellään myös yhdysvaltalainen tarkkojen tuulihilojen muodostamiseen kehitetty Windninja-ohjelma, joka on tärkeä työkalu tuulen suunnan ja nopeuden tarkentamista varten.
Tässä työssä käytetyt ohjelmat valittiin seuraavin perustein; ne ovat vapaasti ladattavissa ja käytettävissä ja ne perustuvat pitkällä aikavälillä kehitettyihin malleihin. Näiden lisäksi
27
Suomen kasvillisuustyypeille lähempiä vastineita voi löytyä enemmän Kanadasta kuin esimer- kiksi Yhdysvalloista.
3.3.1 Prometheus-ohjelma
Kanadalaisen CFFDRS-järjestelmään perustuva Prometheus-ohjelma on tarkoitettu laajojen metsäpalojen leviämisen mallinnukseen heterogeenisessä maastossa ja sääolosuhteissa. Sen tarkoituksena on toimia Kanadan paloviranomaisten työkaluna suunnitellessa palontorjuntaa antamalla ennusteen palon käyttäytymisestä. Kanadassa metsäpalojen leviämisen mallinnuk- seen liittyvää kehitystyötä on tehty jo 1920-luvulla ja Prometheus-ohjelman kehitystyö alkoi vuonna 1999. Tälle ohjelmalle asetettuihin tavoitteisiin kuuluivat muun muassa se, että palon leviämisen mallinnus on tarpeeksi nopeaa operatiivista käyttöä varten. Ohjelman haluttiin myös toimivan omana kokonaisuutenaan, ja että sitä voidaan hyödyntää yhdessä muiden oh- jelmien kanssa. (Tymstra ym. 2010.) Ohjelman versio 1.0 on julkaistu vuonna 2002 ja ohjel- maan julkaistaan aktiivisesti uusia päivityksiä. Tässä työssä käytettiin ohjelman viimeisintä versiota, versio 6.2.4. Tämä versio julkaistiin 13.01.2019.
Prometheus-ohjelma on tyypiltään deterministinen vektori etenemismalli. Ohjelma on vapaasti kenen tahansa ladattavissa ohjelman kotisivuilta (Prometheus 2019). Sen toiminta perustuu tällä hetkellä viisiosaiseen Windows COM-ympäristön kokonaisuuteen, joka mahdollistaa oh- jelman osittaisen muokkaamisen ilman lähdekoodin luovuttamista. Ohjelma itsessään on Pro- metheusCOM, joka koostuu viidestä muusta COM-osasta; FireEngine, FuelCom, FWICom, GridCom ja WeatherCom. (COM programmer Documentation 2014.) Ohjelma on tällä hetkellä kehitystyön alla, jossa COM-rakenne korvataan moderneilla ohjelmointirajapinnoilla. Muutos- ten myötä ohjelman operatiivinen käyttö helpottuu järjestelmän siirtyessä modernimpaan tie- tojärjestelmäarkkitehtuuriin, mikä mahdollistaa muun muassa ohjelman käytön verkkopalveli- mella. (McLoughlin 2019.)
Ohjelman toiminta perustuu CFFDRS-järjestelmään ja sen kahteen alajärjestelmään, FWI ja FBP. FWI-, ja FBP-järjestelmät on tarkemmin käyty läpi kappaleessa 2.5.2 Kanadan metsäpa- loindeksi. Prometheus-ohjelmassa palon leviämisen mallintaminen alkaa muodostamalla syt- tymispisteen ympärille polygoni, jonka muoto riippuu syttymisen tyypistä (piste, viiva tai po- lygoni syttymispiste). Muodostetun polygonin ympäriltä valitaan polygonin kärjet, joiden määrä ja sijainti riippuvan muodostetun polygonin muodosta. Näille pisteille lasketaan omat
28
palon käyttäytymiseen liittyvät arvot. Lisäksi lasketaan näiden pisteiden muodostaman polygo- nin pinta-ala. Mikäli syttymispisteenä käytettiin pistemuotoista vektoria, niin ohjelma laskee alussa käytettävän kiihtyvän leviämisen nopeuden, kunnes saavutetaan paloainekselle ominai- nen tasainen palon leviämisnopeus. (Tymstra ym. 2010.)
Palon sytyttämisen jälkeen palon leviäminen tapahtuu ohjelmassa viisivaiheisissa silmukoissa (Tymstra ym. 2010):
1. Polygonin uusien kärkien sijainnit lasketaan käyttäen edellisen silmukan aikana lasket- tuja palon käyttäytymiseen liittyviä arvoja.
2. Muodostetun uuden polygonin muoto tasoitetaan.
3. Mikäli polygoni on osunut fyysiseen esteeseen, tarkistetaan riittääkö liekinpituus ylit- tämään esteen. Mikäli ei, niin polygoni rajataan esteen mukaiseksi ja siihen osuneet kärjet otetaan pois käytöstä. Mikäli liekinpituus on riittävä, niin palon annetaan levitä esteen yli.
4. Tarkistetaan, ettei polygoni ole itsensä kanssa ”solmussa” taikka mene toisen polygonin kanssa päällekkäin. Mahdolliset solmut ”avataan” ja törmäävät polygonit yhdistetään uudeksi alueeksi.
5. Uusille kärjille lasketaan palon käyttäytymiseen liittyvät arvot ja silmukka alkaa alusta.
Silmukkaa toistetaan, kunnes simulaatiolle määritetty kesto päättyy tai kaikki kärjet ovat sam- muneet törmättyään ylitsepääsemättömään esteeseen. Kuvassa 8 on esitetty yksinkertaistetusti palon leviämisen mallintaminen vektori etenemismalleissa. Tämän jälkeen lasketaan viimeiset palon käyttäytymiseen liittyvät arvot sekä lopullinen paloala. Ohjelmalla voidaan manuaali- sesti määritellä haluttu spatiaalinen ja temporaalinen resoluutio, jonka välein silmukan lasken- taan käytetyt paloaines ja säätiedot tarkistetaan. Ohjelman oletusasetusten on tarkoitus varmis- taa, että uudet arvot tarkistetaan aina saavutettaessa uusi solu taikka säätiedon muuttuessa.
(Tymstra ym. 2010.)
29
Kuva 8. Vektori etenemismallissa palon leviämisen mallintaminen. a) Polygonin ympäriltä va- litaan pisteet, joista paloa levitetään. b) Leviämisen laajuus lasketaan kullekin pisteelle, perus- tuen solussa olevaan paloainekseen sekä säätietoihin. c) Muodostetaan uusi palorintama.
Lähde: Tymstra ym. 2010
Prometheus-ohjelman käyttämä data
Prometheus-ohjelmalla palon leviämisen mallinnusta varten tarvitaan tiedot alueen topografi- asta, alueen säästä sekä syttymispisteen sijainnista ja syttymishetkestä. Näiden lisäksi käyttäjä voi tuoda tai määritellä muitakin tarkentavia tietoja, kuten paloesteitä ja säävyöhykkeitä. Tark- kojen tulosten kannalta tarkentavat tiedot ovat tärkeitä huomioida ja Suomesta on saatavilla laadukasta ja avointa dataa käytettäväksi palon leviämisen mallinnukseen. Liitteessä 2 on esi- tetty kaikki ohjelmassa käytettävät tiedot. Taulukossa on myös kerrottu, onko lisättävä tieto pakollista, tiedostotyyppi ja muoto, sekä mistä tämä tieto voi olla Suomessa mahdollista saada.
Ohjelman käytön kannalta pakolliset tiedostot koostuvat paloainesten sijaintia kuvaavasta pa- loaineshilasta, säästä joko tunnin tai vuorokauden temporaalisella resoluutiolla ja syttymispis- teen sijainnista ja ajankohdasta (Tymstra ym. 2010). Ohjelmassa on mahdollista hyödyntää myös muita tietoja; esimerkiksi paloesteinä toimivat fyysiset elementit ovat leviämisen mallin- tamisen kannalta olennaisia vektoreita. Vaikka korkeusmalli (Digital Elevation Model (DEM)) ei olekaan pakollinen tiedosto, voidaan sitä pitää lähes pakollisena luotettavan mallinnuksen kannalta, koska se on merkittävä palon leviämisnopeuteen vaikuttava osa ja vapaasti saatavilla.
Hilamuotoisten tiedostojen tulee olla samassa projektiossa, resoluutiossa ja laajuudessa keske- nään, jotta niitä voidaan käyttää. Vektoritiedostoille ei ole vastaavanlaisia vaatimuksia, mutta suurikokoisten tiedostojen käyttö aiheuttaa merkittävää hidastumista ohjelman käytön kan- nalta, joten niiden rajaaminen rasteritiedostojen laajuudelle on suositeltavaa.
Paloaineshila ja korkeusmalli muodostavat yhdessä alueen topografian. Paloaineshila kuvaa alueella olevaa kasvillisuutta perustuen FBP-järjestelmän 16 paloainestyyppiin. Ohjelmassa on
30
mahdollista muokata näitä paloainestyyppejä, ja ohjelman mukana tulevat erilliset tyypit Uu- den-Seelannin sekä Tasmanian paloaineksille. Paloaineshilan määrittelemät paloainestyypit saavat leviämisen mallintamiseen käytettävät numeeriset arvonsa ohjelmassa käytettävästä pa- loainestaulukosta (Fuel Lookup Table). Taulukko on CSV-muotoinen tiedosto, jonka avulla määritetään paloaineshilassa oleville arvoille mahdolliset uudet arvot, kussakin solussa olevan paloaineksen tyyppi sekä ohjelmassa paloainesten piirtämiseen käytettävät RGB/HSL väriar- vot. Korkeusmallia käytetään sekä aspektin että jyrkkyyden laskentaan, mutta myös joidenkin FBP-järjestelmän arvojen laskentaan (Tymstra ym. 2010). Käytettävä säätieto koostuu tunnin temporaalisella resoluutiolla lämpötilasta, suhteellisesta ilmankosteudesta, tuulen nopeudesta ja suunnasta sekä sateen määrästä. Mikäli tunnin tarkkuudella olevaa dataa ei ole saatavilla, voidaan ohjelmassa luoda säätiedoille päivittäisvaihtelua interpoloimalla arvot päivittäisten maksimi- ja minimiarvojen avulla (Tymstra ym. 2010). Säätiedot annetaan ohjelmaan virtuaa- lisena sääasemana, jolle kerrotaan myös koordinaatit ja korkeus merenpinnasta. Sääaseman suositellaan olevan korkeintaan 40 km etäisyydellä palosta. Viimeinen pakollinen tiedosto, syt- tymispisteen sijainti ja ajankohta, ovat vektorimuotoinen piste, viiva tai polygonitiedosto.
Tämä tiedosto on myös mahdollista luoda ohjelman sisällä.
Ylimääräiset ei-pakolliset tiedostot voivat antaa tietoa esimerkiksi kuusiviljelmän korkeudesta, kuolleen heinän osuudesta taikka paikallisista sääilmiöistä. Mikäli alueella on esimerkiksi poikkeavaa tuulen käyttäytymistä verrattuna sääaseman tuuliarvoihin, niin ohjelmaan voidaan tuoda, taikka luoda manuaalisesti säätietoja muokkaava ”tuulitunneli”.
Ohjelmassa on myös mahdollista määritellä erikseen eri päiville vaaditut minimiarvot palon leviämiselle. Tämän avulla on mahdollista estää paloa esimerkiksi leviämästä yöllä, tai mikäli olosuhteissa tiedetään tapahtuvan palon leviämistä rajoittavia tekijöitä.
Myös kasvukauden tuomia muutoksia on mahdollista huomioida ohjelmassa. Asettamalla kas- vukaudelle päivämäärät, voidaan määritellä milloin lehtipuihin kasvavat uudet lehdet sekä uu- den heinän kasvu. Nämä ovat merkittäviä palointensiteettiä laskevia tekijöitä (Lindberg ym.
2011), joiden huomioimisella voi olla suuret vaikutukset lopulliseen paloalaan.
Prometheus-ohjelmaan on myös mahdollista tuottaa tarkkoja tuulihiloja. Tavallisesti ohjelma käyttää samaa tunnin tarkkuudella olevaa tuulen suunta ja nopeus arvoa palon leviämisen mal- linnukseen. Tarkennettu tuulihila mahdollistaa maastonmuodoista johtuvat erot tuulen suun- nassa ja nopeudessa alueella. Tällä voi olla merkittävä vaikutus palon leviämiseen, mikäli alu- eella on voimakkaasti vaihtelevaa topografiaa. (Tymstra ym. 2010.)
31 Prometheus-ohjelman tuottamat tulokset
Prometheus-ohjelmalla suoritetusta mallista ensimmäinen tulos on käyttöliittymässä visuali- soitu palon leviäminen alueelle halutulla aikaresoluutiolla. Vektorimuotoinen paloalaa ku- vaava polygoni on mahdollista tallentaa ohjelmasta käytettäväksi paikkatietojärjestelmissä.
Käyttöliittymässä on myös mahdollista tarkastella taulukoitua tietoa FWI-, ja FBP-järjestelmän arvoista, sekä muista palon leviämiseen vaikuttavista muuttujista. Kyseiset taulukot on mah- dollista tallentaa CSV-muotoisina taulukkoina. Suoritetusta palon leviämisen mallinnuksesta on mahdollista tuottaa myös erilaisia hilamuotoisia tiedostoja, jotka sisältävät tietoa esimer- kiksi liekin pituudesta tai palon intensiteetistä. Hilatiedostot ja muut tuotettavat tiedot on tau- lukoitu liitteeseen 3.
3.3.2 Burn-P3 -ohjelma
Burn-P3 on alueellista palamistodennäköisyyttä mallintava ohjelma. Työssä käytettiin ohjel- man viimeisintä versiota, versio 6.2.4. Se julkaistiin 22.01.2019. Prometheus-ohjelman tavoin Burn-P3 on vapaasti ladattavissa, ja perustuu PrometheusCOM rakenteeseen (Fire growth mo- del.ca 2019).
Ohjelman toiminta perustuu useiden palojen sytyttämiseen ja niiden leviämisen mallinnukseen iteraatioina. Käyttäjä määrittelee palolle vaaditut minimikoon sekä maksimi keston. Mikäli sy- tytetty palo toteuttaa molemmat asetetut ehdot, merkitään palon leviämismallin polttamiin so- luihin tieto palamisesta. Uusia paloja sytytetään ja niiden polttamat solut merkitään määritet- tyjen iteraatioiden verran, jonka jälkeen alueen soluille lasketaan niiden palamistodennäköi- syys (Parisien 2005). Ohjelmaa voidaan ajatella Prometheus-ohjelmana, joka sytyttää useita paloja samanaikaisesti laajemmalle alueelle. Burn-P3 on hyvin raskas ohjelma, ja palotoden- näköisyyshilan tuottamiseen voi tehokkaammalla kannettavalla tietokoneella kulua useita tun- teja alueen koosta riippuen.
Merkittävimpiä eroja käytettävän datan suhteen Prometheus- ja Burn-P3-ohjelmien välillä ovat syttymispisteiden määrittely, säätietojen valinta sekä tarkasteltavan alueen jaottelumahdolli- suudet. Ohjelma määrittelee iteraation alussa syttymispisteet, joiden määrä on joko käyttäjän määrittelemä tarkka luku tai syttymisten määrän todennäköisyysjakauma. Syttymispisteet
