Introduction
Wildfires are becoming more common and more dangerous across the world. The fires in early 2025 clearly showed how destructive they can be, impacting communities, forests, and wildlife. Climate change is not only increasing the number of wildfires in places like Canada, but it is also raising the risk in regions that were once considered low-risk. In Switzerland, for example, the Locarnese region in Canton Ticino is now experiencing a higher risk of wildfires. To reduce the damage caused by these events, fire management and suppression strategies rely on wildfire simulation models. These simulations allow authorities to explore different what-if scenarios by testing how various firefighting strategies might affect the spread and impact of a fire in real time.
Fundamentals
Before going further, I would like to briefly describe the fundamentals required to understand the following paragraphs, as wildfire modelling is not a topic many people are familiar with. Generally speaking, there are many different approaches to wildfire modelling, ranging from complex models that try to describe the physical processes to those that simply use empirical data to understand how fire spreads.
For this thesis, an approach called Simulation Models was used because the literature suggests that this type of model is best suited for faster-than-real-time simulations on real landscapes. These models have two stages.
First, a mostly empirical model determines how fire spreads in homogeneous environmental conditions. Homogeneous means that the factors affecting fire spread (available fuel, terrain, and weather) remain constant over both space and time. Since the landscape is structured as a grid of spatially homogeneous cells, these models predict the spread for a single cell in the landscape.
Because wildfires do not burn through perfectly uniform landscapes, there is a second step. It uses the previously determined spread and applies it across multiple cells using different growth approaches. The result is a model that uses empirical data to predict fire spread under constant conditions and then applies this to a variable landscape. This makes it possible to simulate wildfires faster than real time.
Objective
Even though such models exist for countries like the United States or Canada, there is currently no wildfire simulation model specifically designed for Switzerland. The goal of my thesis therefore was the development of a prototype two-dimensional wildfire growth model for Switzerland, based on established simulators used in other countries.
Wildfires in Switzerland are mostly slope-driven and occur in highly heterogeneous environments. The state of research shows that the two most commonly used approaches are either fast, but relatively inaccurate, or slower and more accurate. Since these existing models are generally designed for much lower resolution data, they struggle to simulate wildfires at the resolution available in Switzerland.
The main research question this thesis answered was whether these two approaches can be combined to allow for accurate, faster-than-real-time simulations in the challenging wildfire environment of Switzerland.
Results
The results of this study showed that the new model improves the ability to predict the fire perimeter compared to the baseline model, Cell2Fire, which was extended as part of this work. The new model is especially better at predicting the general shape of the fire and, most importantly, at identifying specific landscape cells that actually burn in reality.
Most interestingly, the model can achieve similar accuracy to the baseline model even when using larger time steps. This is notable because using larger time steps usually leads to decreased prediction accuracy. Lastly, the new model was used in a proof-of-concept simulation in Chur, Switzerland, to demonstrate that the developed software can serve as a foundation for further research in Swiss wildfire modelling (see Figure 1).
Conclusion
This novel extension allows for both faster and more accurate simulations than the baseline model. The results show that even a relatively simple extension of an existing growth model can significantly improve predictive performance.
Most importantly, the new model is able to maintain its accuracy even when the time step size is increased, while the baseline model’s accuracy drops. The model is capable of faster-than-real-time simulations in Switzerland, even when running without major optimisations on standard hardware.
Even though wildfire simulation is not a topic taught in the Computational and Data Science (CDS) Bachelor’s Program at the University of Applied Sciences of the Grisons (FHGR), I am really happy to have chosen this topic. as I find it fascinating how relatively simple models can approximate processes as complex as wildfires.
This thesis showed me that, even though it was a completely new field for me, the tools I learned during my studies gave me the ability to dive into a new topic from scratch and even contribute a small extension to current research.
Einleitung
Waldbrände werden weltweit immer häufiger und gefährlicher. Brände Anfang 2025 haben deutlich gezeigt, wie zerstörerisch sie sein können und welche negativen Auswirkungen sie auf Gemeinden, Wälder und Wildtiere haben. Der Klimawandel führt nicht nur zu einer Zunahme der Waldbrände in Ländern wie Kanada, sondern erhöht auch das Risiko in Regionen, die früher als risikoarm galten. In der Schweiz beispielsweise ist die Region Locarno im Kanton Tessin nun einem höheren Waldbrandrisiko ausgesetzt. Um die durch diese Ereignisse verursachten Schäden zu verringern, stützen sich Brandmanagement- und Brandbekämpfungsstrategien auf Waldbrandsimulationsmodelle. Diese Simulationen ermöglichen es den Behörden, verschiedene Was-wäre-wenn-Szenarien zu untersuchen, indem sie in Echtzeit testen, wie sich verschiedene Brandbekämpfungsstrategien auf die Ausbreitung eines Brandes auswirken könnten.
Grundlagen
Bevor ich fortfahre, möchte ich kurz die Grundlagen erläutern, die zum Verständnis der folgenden Absätze erforderlich sind, da die Modellierung von Waldbränden kein Thema ist, mit dem viele Menschen vertraut sind. Generell bestehen viele verschiedene Ansätze zur Modellierung von Waldbränden, die von komplexen Modellen, die versuchen, die physikalischen Prozesse zu beschreiben, bis hin zu Modellen reichen, die empirische Daten verwenden, um lediglich zu verstehen, wie sich Feuer ausbreitet.
Für diese Arbeit wurde ein Ansatz namens Simulationsmodelle verwendet, da die Literatur nahelegt, dass diese Art von Modellen für Simulationen in Echtzeit auf realen Landschaften am besten geeignet ist. Diese Modelle bestehen aus zwei Stufen.
Zunächst bestimmt ein überwiegend empirisches Modell, wie sich Feuer unter homogenen Umweltbedingungen ausbreitet. Homogen bedeutet, dass die Faktoren, die die Ausbreitung von Feuer beeinflussen (verfügbarer Brennstoff, Gelände und Wetter), sowohl räumlich als auch zeitlich konstant bleiben. Da die Landschaft als Gitter aus räumlich homogenen Zellen strukturiert ist, sagen diese Modelle die Ausbreitung für eine einzelne Zelle in der Landschaft voraus.
Da Waldbrände nicht durch vollkommen gleichmässige Landschaften brennen, gibt es einen zweiten Schritt. Dabei wird die zuvor ermittelte Ausbreitung verwendet und unter Verwendung verschiedener Wachstumsansätze auf mehrere Zellen angewendet. Das Ergebnis ist ein Modell, das empirische Daten verwendet, um die Ausbreitung von Feuer unter konstanten Bedingungen vorherzusagen, und diese dann auf eine variable Landschaft anwendet. Dadurch ist es möglich, Waldbrände schneller als in Echtzeit zu simulieren.
Zielsetzung
Obwohl solche Modelle für Länder wie die Vereinigten Staaten oder Kanada existieren, gibt es derzeit kein speziell für die Schweiz entwickeltes Modell zur Simulation von Waldbränden. Das Ziel meiner Dissertation war daher die Entwicklung eines Prototyps eines zweidimensionalen Modells zur Ausbreitung von Waldbränden für die Schweiz, basierend auf etablierten Simulatoren, die in anderen Ländern verwendet werden.
Waldbrände in der Schweiz sind meist hangabhängig und treten in sehr heterogenen Umgebungen auf. Der Stand der Forschung zeigt, dass die beiden am häufigsten verwendeten Ansätze entweder schnell, aber relativ ungenau oder langsamer und genauer sind. Da diese bestehenden Modelle in der Regel für Daten mit viel geringerer Auflösung ausgelegt sind, haben sie Schwierigkeiten, Waldbrände mit der in der Schweiz verfügbaren Auflösung zu simulieren.
Die zentrale Forschungsfrage, die diese Dissertation beantworten wollte, war, ob diese beiden Ansätze kombiniert werden können, um genaue, schneller als in Echtzeit laufende Simulationen in der anspruchsvollen Waldbrandumgebung der Schweiz zu ermöglichen.
Ergebnisse
Die Ergebnisse dieser Studie zeigten, dass das neue Modell die Fähigkeit zur Vorhersage des Brandumfangs im Vergleich zum Basismodell Cell2Fire verbessert, das im Rahmen dieser Arbeit erweitert wurde. Das neue Modell ist besonders gut geeignet, um die allgemeine Form des Brandes vorherzusagen und um bestimmte Landschaftszellen zu identifizieren, die tatsächlich in der Realität brennen.
Besonders interessant ist, dass das Modell auch bei Verwendung grösserer Zeitschritte eine ähnliche Genauigkeit wie das Basismodell erreicht. Dies ist bemerkenswert, da die Verwendung grösserer Zeitschritte in der Regel zu einer Verringerung der Vorhersagegenauigkeit führt. Schliesslich wurde das neue Modell in einer Proof-of-Concept-Simulation in Chur, Schweiz, eingesetzt, um zu zeigen, dass die entwickelte Software als Grundlage für weitere Forschungen zur Modellierung von Waldbränden in der Schweiz dienen kann.
Fazit
Diese neuartige Erweiterung ermöglicht sowohl schnellere als auch genauere Simulationen als das Basismodell. Die Ergebnisse zeigen, dass selbst eine relativ einfache Erweiterung eines bestehenden Wachstumsmodells die Vorhersagegenauigkeit erheblich verbessern kann.
Am wichtigsten ist, dass das neue Modell seine Genauigkeit auch bei einer Erhöhung der Zeitschrittgrösse beibehält, während die Genauigkeit des Basismodells abnimmt. Das Modell ist in der Lage, Simulationen in der Schweiz schneller als in Echtzeit durchzuführen, selbst wenn es ohne grössere Optimierungen auf Standardhardware läuft.
Auch wenn die Simulation von Waldbränden kein Thema ist, das im Bachelor-Studiengang Computational and Data Science (CDS) an der FHGR unterrichtet wird, bin ich sehr froh, dieses Thema gewählt zu haben. Ich finde es faszinierend, wie relativ einfache Modelle so komplexe Prozesse wie Waldbrände approximieren können.
Diese Arbeit hat mir gezeigt, dass ich, obwohl es für mich ein völlig neues Gebiet war, dank der während meines Studiums erworbenen Kenntnisse in der Lage war, mich von Grund auf in ein neues Thema einzuarbeiten und sogar einen kleinen Beitrag zur aktuellen Forschung zu leisten.
Unbegrenzte Karrieremöglichkeiten in Informatik, Data Science und Computersimulation?
Jetzt zum Studium Computational and Data Science anmelden!
Geschrieben von Silvan Wiedmer, Computational and Data Science Alumnus der FHGR.