L'ingénieur en mécanique Michael Gollner et son étudiant diplômé, Sriram Bharath Hariharan, de l'Université de Californie, Berkeley, s'est récemment rendu au John H. Glenn Research Center de la NASA à Cleveland, Ohio. Là, ils laissent tomber des objets en feu dans un puits profond et étudient comment les tourbillons de feu se forment en microgravité. Le Glenn Center abrite une installation de recherche Zero Gravity, qui comprend une tour de chute expérimentale qui simule l'expérience d'être dans l'espace.

"Vous obtenez cinq secondes de microgravité, " a déclaré Gollner. Les chercheurs ont allumé une petite mèche de paraffine pour générer des tourbillons de feu et l'ont laissée tomber, étudier la flamme jusqu'en bas.

Des expériences comme celle-ci, présenté à la 73e réunion annuelle de la division de la dynamique des fluides de l'American Physical Society, peut aider les spécialistes du feu à répondre à deux types de questions. D'abord, ils éclairent les façons dont le feu peut brûler en l'absence de gravité et peuvent même éclairer les mesures de protection pour les astronautes. "Si quelque chose brûle, cela pourrait être une situation très dangereuse dans l'espace, " dit Gollner. Deuxièmement, il peut aider les chercheurs à mieux comprendre le rôle de la gravité dans la croissance et la propagation des incendies destructeurs.

Le feu brûlait différemment sans gravité, dit Gollner. La flamme était plus courte et plus large. « On a vu un vrai ralentissement de la combustion, " a déclaré Gollner. "Nous n'avons pas vu les mêmes tourbillons dramatiques que nous avons avec la gravité ordinaire."

D'autres chercheurs, dont une équipe du Laboratoire national de Los Alamos au Nouveau-Mexique, introduit de nouveaux développements dans un modèle informatique de dynamique des fluides qui peut incorporer des carburants à teneur en humidité variable. De nombreux modèles environnementaux existants font la moyenne de l'humidité de tous les combustibles dans une zone, mais cette approche ne parvient pas à capturer les variations trouvées dans la nature, a déclaré l'ingénieur chimiste Alexander Josephson, un chercheur postdoctoral qui étudie la prédiction des incendies de forêt à Los Alamos. Par conséquent, ces modèles peuvent donner des prédictions inexactes sur le comportement des feux de forêt, il a dit.

"Si vous marchez dans la forêt, tu vois du bois ici et de l'herbe là, et il y a beaucoup de variation, " dit Josephson. Herbes sèches, mousses humides, et les membres suspendus n'ont pas la même teneur en eau et brûlent de différentes manières. Un incendie peut évaporer l'humidité de la mousse humide, par exemple, en même temps, il consomme des membres plus secs. "Nous voulions explorer comment l'interaction entre ces combustibles se produit lorsque le feu se propage."

Les scientifiques de Los Alamos ont travaillé pour améliorer leur modèle appelé FIRETEC (développé par Rod Linn), collaborer avec des chercheurs de l'Université de l'Alberta au Canada et du Service canadien des forêts. Leurs nouveaux développements s'adaptent aux variations de teneur en humidité et à d'autres caractéristiques des types de combustibles simulés. La chercheuse Ginny Marshall du Service canadien des forêts a récemment commencé à comparer ses simulations aux données réelles des forêts boréales du nord du Canada.

Lors d'une séance sur les flux réactifs, Matthieu Bonanni, un étudiant diplômé du laboratoire de l'ingénieur Matthias Ihme à l'Université de Stanford en Californie, a décrit un nouveau modèle de propagation des incendies de forêt basé sur une plate-forme d'apprentissage automatique. Prédire où et quand les incendies vont brûler est un processus complexe, dit Ihme, qui est motivé par un mélange complexe d'influences environnementales.

L'objectif du groupe d'Ihme était de construire un outil à la fois précis et rapide, pouvant être utilisé pour l'évaluation des risques, systèmes d'alerte précoce, et la conception de stratégies d'atténuation. Ils ont construit leur modèle sur une plate-forme informatique spécialisée appelée TensorFlow, conçu par des chercheurs de Google pour exécuter des applications d'apprentissage automatique. Au fur et à mesure que le modèle s'entraîne sur des données plus physiques, dit Ihme, ses simulations d'accumulation de chaleur et de dynamique de propagation du feu s'améliorent et s'accélèrent.

Ihme a déclaré qu'il était ravi de voir ce que les outils informatiques avancés apportent à la prédiction des incendies de forêt. "C'était un domaine de recherche très empirique, sur la base d'observations physiques, et notre communauté travaille sur des problèmes plus fondamentaux, ", a-t-il déclaré. Mais en ajoutant l'apprentissage automatique à la boîte à outils, il a dit, montre comment les algorithmes peuvent améliorer la fidélité des expériences. "C'est une voie vraiment passionnante, " il a dit.