CN114757387A - 基于人工智能的森林火险状态监测分析***及方法 - Google Patents

基于人工智能的森林火险状态监测分析***及方法 Download PDF

Info

Publication number
CN114757387A
CN114757387A CN202210213924.4A CN202210213924A CN114757387A CN 114757387 A CN114757387 A CN 114757387A CN 202210213924 A CN202210213924 A CN 202210213924A CN 114757387 A CN114757387 A CN 114757387A
Authority
CN
China
Prior art keywords
forest
wind
fire
data
atmospheric pressure
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210213924.4A
Other languages
English (en)
Inventor
高德民
牟韵洁
管志浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Forestry University
Original Assignee
Nanjing Forestry University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Forestry University filed Critical Nanjing Forestry University
Priority to CN202210213924.4A priority Critical patent/CN114757387A/zh
Publication of CN114757387A publication Critical patent/CN114757387A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L11/00—Measuring steady or quasi-steady pressure of a fluid or a fluent solid material by means not provided for in group G01L7/00 or G01L9/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P13/00—Indicating or recording presence, absence, or direction, of movement
    • G01P13/02—Indicating direction only, e.g. by weather vane
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于人工智能的森林火险状态监测分析***及方法，属于人工智能技术领域。本发明构建森林风预测模型，通过森林风预测模型预测森林风的风速和森林风的风向，根据森林火灾监测设备检测范围将森林划分为棋盘格，根据森林的植被分布计算单个棋盘格森林助燃物质含量，建立森林火蔓延速度计算模型，模拟不同的棋盘格为起火点，模拟火势蔓延的过程，找到森林火灾重点监测区域；通过时间序列预测算法预测森林的风力数据，保证火灾蔓延模拟数据具体参考价值；建立森林火蔓延速度计算模型，进一步的实现森林火灾的模拟，通过森林火灾模拟找到森林火灾检测的重点，节省人力和物力，有效的排查火灾危险重点区域。

Description

基于人工智能的森林火险状态监测分析***及方法
技术领域
本发明涉及人工智能技术领域，具体为基于人工智能的森林火险状态监测分析***及方法。
背景技术
森林是地球之肺，森林由植物群落、居住在森林里的动物和所在空间的非生物环境所构成的生态***，森林的生命周期集演替系列长，森林的生产率高、用途多效益大，但是失去人为控制的森林火灾，会将森林多年的积蓄的林木、森林环境严重破坏，导致森林生态***失去平衡，破坏森林的土壤的性能，改变地貌形态，森林火灾对生态的破坏是最直接的，也是最具灾害性的；大量的植物被烧毁，会造成水土流失、土地荒漠化加剧等恶劣影响，最终甚至可能无法维持生态平衡；
森林火灾的蔓延有很多要素，与天气、地形、森林可燃物类型有这密切的关系，森林的不同地区发生火灾，救援队发现后赶到开展救援的时间也是不一样的，也就是说森林火灾一旦发生，救援队开展救援的难易程度也是有差别的，但是现有的火灾监测都是全覆盖式的，限于森林面积大，林木遮蔽，很难做到全面积的覆盖，需要大量的人力和物力，如何在不同的环境下，找到森林火灾监测的重点是我们亟需解决的问题。
发明内容
本发明的目的在于提供基于人工智能的森林火险状态监测分析***及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于人工智能的森林火险状态监测分析方法，所述火险状态监测分析方法具体步骤包括：
步骤一：采集森林风力数据，所述森林风力数据包括森林风的风向、森林风的风速和森林的大气压；
步骤二：归一化森林大气压，输出森林大气压归一化值；
步骤三：基于LSTM构建森林风预测模型，输入森林风的风向、森林风的风速和森林大气压归一化值，训练模型，输出mAP值最高的森林风预测模型，通过森林风预测模型预测森林风的风速和森林风的风向；
森林火灾发生时受当下的风速和风向的很大，尤其在火灾发生起始阶段，风速和风向的影响最大，火借风势，风主导火势的蔓延方向；
中国位于亚欧大陆东南部，由于海陆的物理性质不同，形成明显的气候季节变化，在整年的时间中，整体的季风是规律的，风向固定，在大风向的情况下，当地的风势会有具体的变化；
当研究森林火灾时，我们需要更加具体的风向，在森林火灾没有完全失控时，风向主导火势，通过时间预测算法预测出可能风向，保证进一步的火灾蔓延模拟数据具体参考价值。
步骤四：采集森林数据，所述森林数据包括森林地图、森林坡度、森林植被分布、森林降雨数据和森林蒸发量；
步骤五：根据森林火灾监测设备检测范围将森林划分为棋盘格；
步骤六：根据森林的植被分布计算单个棋盘格森林助燃物质含量；
步骤七：建立森林火蔓延速度计算模型；
步骤八：模拟不同的棋盘格为起火点，模拟火势蔓延的过程，统计在救援队赶到前被烧的棋盘格的数量；
步骤九：设置被烧的棋盘格的数量阈值，当被烧的棋盘格的数量超出被烧的棋盘格的数量阈值，则判断当前起火点为重点监测区域。
森林的风向会根据时间的变化不断地改变，通过森林风预测算法，可以不断的输出重点监测区域，一旦重点监测区域发生火灾，则为救援队难以发生救援的区域，很容易进一步发展为重大火灾，影响严重。
所述步骤二归一化森林大气压，进一步强化森林的大气压的特征，有效提高森林风的预测模型的精度。输出森林大气压归一化值具体计算公式为：将森林的大气压归一化
Figure BDA0003533672100000021
其中，AP表示森林的大气压的数值，μ表示森林的大气压的均值，
Figure BDA0003533672100000022
表示森林的大气压归一化数值。
所述步骤三基于LSTM构建森林风预测模型具体内容包括：所述森林风预测模型在LSTM网络层上设置attention机制，输出层与全连接层连接。
所述步骤六根据森林的植被分布计算单个棋盘格森林助燃物质含量具体步骤包括：
在植物本身的含水量为基础上，计算森林的降水量和蒸发量，有效预测短时间的植被的含水量；火灾突发的，通过短时间的植被含水量的预测有效的计算，准确的判断植被助燃物质含量；
Step 1.1：采集森林降雨数据和森林蒸发量，所述森林降雨数据包括降雨量、下雨间隔时间；
Step 1.2：计算棋盘格内树木的油脂含量OC；
Step 1.3：计算棋盘格内植物的含水量，具体计算公式为：
Figure BDA0003533672100000031
其中，wc表示棋盘格内植株的含水量，RF表示森林降水量，EC表示森林蒸发量，WC表示棋盘格内植物的含水量；
Step 1.4：计算棋盘格内助燃物质含量，具体计算公式为：
Figure BDA0003533672100000032
其中，CSS表示棋盘格内助燃物质含量，OC表示棋盘格内树木的油脂含量，TH表示棋盘格内植株硬度。
森林火灾并不会毁灭一切，有一些植物选择适应森林火灾，植物通过提高含水量降低油脂率，当遇到森林火灾时，利用体内的水分蒸发带走大量的热量，降低温度，保存自身的生命力，通过计算植物体的含水量和油脂含量，和植物本身对于燃烧的特点，可以有效的体现出棋盘格内发生火灾时，棋盘格内的物体对于火灾的效果，通过棋盘格内的助燃物质的含量数据化直观的展示出来。
森林中的植物依赖阳光、土壤、海拔高度、季风气候等，所以森林的植物分布是固定的，依赖于森林生长的生命相对而言也是固定的，同时依赖植物生长的生命通过富集现象，与植物的特性呈一致性，因此棋盘格内植物的可以代表整个棋盘格内的助燃物质的分布，通过计算森林中植物的油脂含量和含水量，输出棋盘格内助燃物质含量。
棋盘格内助燃物质含量与森林发生火灾的可能性和森林火的蔓延速度为呈正比，棋盘格内助燃物质含量。
所述步骤七建立森林火蔓延速度计算模型具体内容包括：
Figure BDA0003533672100000041
其中，R表示火蔓延速率，r表示初始火源蔓延速度，slo表示坡度，θs表示坡度角度，θw表示风向，wv表示风速，ωS表示坡度修正因子，a表示森林火蔓延系数，ρb表示可燃物分布的颗粒度密度，ε表示有效热数，Q表示引燃热。
风和坡度都会有效的助长火势，当风向和坡度角度相反，则坡度不会助长火势。
所述步骤八模拟不同的棋盘格为起火点，模拟火势蔓延的过程，统计在救援队赶到前被烧的棋盘格和被烧的棋盘格的数量具体步骤包括：
Step 2.1：设置初始起火点，森林火蔓延速度计算模型计算棋盘格完全燃烧的时间；
Step 2.2：采集救援队的当前地址和行进速度；
Step 2.3：计算救援队与森林火灾相遇的时间和地点；
Step 2.4：统计在救援队赶到前被烧的棋盘格和被烧的棋盘格的数量。
所述棋盘格完全燃烧的判定方法为：设置面积阈值和边缘阈值，所述面积阈值和边缘阈值大于等于50％，棋盘格被烧面积大于面积阈值，且棋盘格被烧的边缘大于边缘阈值。
基于人工智能的森林火险状态监测分析***，所述火险监测分析***包括：森林数据采集模块、森林风预测模块、森林火灾模拟模型和数据展示模块；
所述森林数据采集模块采集森林数据结构化存储后，传输至森林风预测模块和森林火灾模拟模型；
所述森林数据采集模块包括森林风数据采集模块和森林信息采集模块，所述森林风数据采集模块采集森林风的风向、森林风的风速和森林的大气压，将森林的大气压归一化，传输至森林风预测模块；
所述森林信息采集模块采集森林地图、森林坡度、森林植被分布、森林降雨数据和森林蒸发量结构存储后传输至森林火灾模拟模块；
所述森林风预测模块基于时间序列预测算法构建森林风预测模型，通过森林数据采集模块采集森林风力数据设置训练集，输出mAP值最高的模型为森林风预测模型，通过森林风预测模型输出森林风的风向预测值和森林风的风向预测值；
所述森林火灾模拟模块模拟森林不同地点为起火点发生森林火灾，统计不同地点为起火点森林火灾在救援队赶到前燃烧面积输出至数据展示模块，
所述数据展示模块设置面积燃烧阈值，当被烧的面积超出面积燃烧阈值为重点监测区域展示在用户终端。
重点监测区域为一旦发生火灾在救援队赶到前就已经有充分的发展时间，很容易进一步发展成重大的火灾，用户通过重点监测区域显示就很容易找到监测的重点，进一步有效的排查火灾危险重点区域。
所述森林火灾模拟模块包括森林助燃物质含量模型和森林火蔓延速度计算模型；
所述森林助燃物质含量模型通过植物分布，计算森林营养物质的分布，输出棋盘格内森林助燃物质含量至森林火蔓延速度计算模型；
所述森林火蔓延速度计算模型基于森林风的风向预测值、森林风的风向预测值和森林地形计算森林火蔓延速度。
与现有技术相比，本发明所达到的有益效果是：本发明通过时间序列预测算法预测森林的风力数据，保证火灾蔓延模拟数据具体参考价值；本发明根据森林的植被分布计算森林助燃物质分布，进一步的建立森林火蔓延速度计算模型，进一步的实现森林火灾的模拟，通过森林火灾模拟找到森林火灾检测的重点，节省人力和物力，有效的排查火灾危险重点区域。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于人工智能的森林火险状态监测分析***的结构示意图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：
实施例一：基于人工智能的森林火险状态监测分析方法，火险状态监测分析方法具体步骤包括：
步骤一：采集森林风力数据，森林风力数据包括森林风的风向、森林风的风速和森林的大气压；
步骤二：归一化森林大气压，输出森林大气压归一化值；
步骤三：基于LSTM构建森林风预测模型，输入森林风的风向、森林风的风速和森林大气压归一化值，训练模型，输出mAP值最高的森林风预测模型，通过森林风预测模型预测森林风的风速和森林风的风向；
森林火灾发生时受当下的风速和风向的很大，尤其在火灾发生起始阶段，风速和风向的影响最大，火借风势，风主导火势的蔓延方向；
中国位于亚欧大陆东南部，由于海陆的物理性质不同，形成明显的气候季节变化，在整年的时间中，整体的季风是规律的，风向固定，在大风向的情况下，当地的风势会有具体的变化；
当研究森林火灾时，我们需要更加具体的风向，在森林火灾没有完全失控时，风向主导火势，通过时间预测算法预测出可能风向，保证进一步的火灾蔓延模拟数据具体参考价值。
步骤四：采集森林数据，森林数据包括森林地图、森林坡度、森林植被分布、森林降雨数据和森林蒸发量；
步骤五：根据森林火灾监测设备检测范围将森林划分为棋盘格；
步骤六：根据森林的植被分布计算单个棋盘格森林助燃物质含量；
步骤七：建立森林火蔓延速度计算模型；
步骤八：模拟不同的棋盘格为起火点，模拟火势蔓延的过程，统计在救援队赶到前被烧的棋盘格的数量；
步骤九：设置被烧的棋盘格的数量阈值，当被烧的棋盘格的数量超出被烧的棋盘格的数量阈值，则判断当前起火点为重点监测区域。
森林的风向会根据时间的变化不断地改变，通过森林风预测算法，可以不断的输出重点监测区域，一旦重点监测区域发生火灾，则为救援队难以发生救援的区域，很容易进一步发展为重大火灾，影响严重。
步骤二归一化森林大气压，进一步强化森林的大气压的特征，有效提高森林风的预测模型的精度。输出森林大气压归一化值具体计算公式为：将森林的大气压归一化
Figure BDA0003533672100000071
其中，AP表示森林的大气压的数值，μ表示森林的大气压的均值，
Figure BDA0003533672100000072
表示森林的大气压归一化数值。
步骤三基于LSTM构建森林风预测模型具体内容包括：森林风预测模型在LSTM网络层上设置attention机制，输出层与全连接层连接。
步骤六根据森林的植被分布计算单个棋盘格森林助燃物质含量具体步骤包括：在植物本身的含水量为基础上，计算森林的降水量和蒸发量，有效预测短时间的植被的含水量；火灾突发的，通过短时间的植被含水量的预测有效的计算，准确的判断植被助燃物质含量；
Step 1.1：采集森林降雨数据和森林蒸发量，森林降雨数据包括降雨量、下雨间隔时间；
Step 1.2：计算棋盘格内树木的油脂含量OC；
Step 1.3：计算棋盘格内植物的含水量，具体计算公式为：
Figure BDA0003533672100000073
其中，wc表示棋盘格内植株的含水量，RF表示森林降水量，EC表示森林蒸发量，WC表示棋盘格内植物的含水量；
Step 1.4：计算棋盘格内助燃物质含量，具体计算公式为：
Figure BDA0003533672100000074
其中，CSS表示棋盘格内助燃物质含量，OC表示棋盘格内树木的油脂含量，TH表示棋盘格内植株硬度。
森林火灾并不会毁灭一切，有一些植物选择适应森林火灾，植物通过提高含水量降低油脂率，当遇到森林火灾时，利用体内的水分蒸发带走大量的热量，降低温度，保存自身的生命力，通过计算植物体的含水量和油脂含量，和植物本身对于燃烧的特点，可以有效的体现出棋盘格内发生火灾时，棋盘格内的物体对于火灾的效果，通过棋盘格内的助燃物质的含量数据化直观的展示出来。
森林中的植物依赖阳光、土壤、海拔高度、季风气候等，所以森林的植物分布是固定的，依赖于森林生长的生命相对而言也是固定的，同时依赖植物生长的生命通过富集现象，与植物的特性呈一致性，因此棋盘格内植物的可以代表整个棋盘格内的助燃物质的分布，通过计算森林中植物的油脂含量和含水量，输出棋盘格内助燃物质含量。
棋盘格内助燃物质含量与森林发生火灾的可能性和森林火的蔓延速度为呈正比，棋盘格内助燃物质含量。
步骤七建立森林火蔓延速度计算模型具体内容包括：
Figure BDA0003533672100000081
其中，R表示火蔓延速率，r表示初始火源蔓延速度，slo表示坡度，θs表示坡度角度，θw表示风向，wv表示风速，ωS表示坡度修正因子，a表示森林火蔓延系数，ρb表示可燃物分布的颗粒度密度，ε表示有效热数，Q表示引燃热。
风和坡度都会有效的助长火势，当风向和坡度角度相反，则坡度不会助长火势。
步骤八模拟不同的棋盘格为起火点，模拟火势蔓延的过程，统计在救援队赶到前被烧的棋盘格和被烧的棋盘格的数量具体步骤包括：
Step 2.1：设置初始起火点，森林火蔓延速度计算模型计算棋盘格完全燃烧的时间；
Step 2.2：采集救援队的当前地址和行进速度；
Step 2.3：计算救援队与森林火灾相遇的时间和地点；
Step 2.4：统计在救援队赶到前被烧的棋盘格和被烧的棋盘格的数量。
棋盘格完全燃烧的判定方法为：设置面积阈值和边缘阈值，面积阈值和边缘阈值大于等于50％，棋盘格被烧面积大于面积阈值，且棋盘格被烧的边缘大于边缘阈值。
基于人工智能的森林火险状态监测分析***，火险监测分析***包括：森林数据采集模块、森林风预测模块、森林火灾模拟模型和数据展示模块；
森林数据采集模块采集森林数据结构化存储后，传输至森林风预测模块和森林火灾模拟模型；
森林数据采集模块包括森林风数据采集模块和森林信息采集模块，森林风数据采集模块采集森林风的风向、森林风的风速和森林的大气压，将森林的大气压归一化，传输至森林风预测模块；
森林信息采集模块采集森林地图、森林坡度、森林植被分布、森林降雨数据和森林蒸发量结构存储后传输至森林火灾模拟模块；
森林风预测模块基于时间序列预测算法构建森林风预测模型，通过森林数据采集模块采集森林风力数据设置训练集，输出mAP值最高的模型为森林风预测模型，通过森林风预测模型输出森林风的风向预测值和森林风的风向预测值；
森林火灾模拟模块模拟森林不同地点为起火点发生森林火灾，统计不同地点为起火点森林火灾在救援队赶到前燃烧面积输出至数据展示模块，
数据展示模块设置面积燃烧阈值，当被烧的面积超出面积燃烧阈值为重点监测区域展示在用户终端。
重点监测区域为一旦发生火灾在救援队赶到前就已经有充分的发展时间，很容易进一步发展成重大的火灾，用户通过重点监测区域显示就很容易找到监测的重点，进一步有效的排查火灾危险重点区域。
森林火灾模拟模块包括森林助燃物质含量模型和森林火蔓延速度计算模型；
森林助燃物质含量模型通过植物分布，计算森林营养物质的分布，输出棋盘格内森林助燃物质含量至森林火蔓延速度计算模型；
森林火蔓延速度计算模型基于森林风的风向预测值、森林风的风向预测值和森林地形计算森林火蔓延速度。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.基于人工智能的森林火险状态监测分析方法，其特征在于：所述火险状态监测分析方法具体步骤包括：
步骤一：采集森林风力数据，所述森林风力数据包括森林风的风向、森林风的风速和森林的大气压；
步骤二：归一化森林大气压，输出森林大气压归一化值；
步骤三：基于LSTM构建森林风预测模型，输入森林风的风向、森林风的风速和森林大气压归一化值，训练模型，输出mAP值最高的森林风预测模型，通过森林风预测模型预测森林风的风速和森林风的风向；
步骤四：采集森林数据，所述森林数据包括森林地图、森林坡度、森林植被分布、森林降雨数据和森林蒸发量；
步骤五：根据森林火灾监测设备检测范围将森林划分为棋盘格；
步骤六：根据森林的植被分布计算单个棋盘格森林助燃物质含量；
步骤七：建立森林火蔓延速度计算模型；
步骤八：模拟不同的棋盘格为起火点，模拟火势蔓延的过程，统计在救援队赶到前被烧的棋盘格的数量；
步骤九：设置被烧的棋盘格的数量阈值，当被烧的棋盘格的数量超出被烧的棋盘格的数量阈值，则判断当前起火点为重点监测区域。
2.根据权利要求1所述的基于人工智能的森林火险状态监测分析方法，其特征在于：所述步骤二归一化森林大气压，输出森林大气压归一化值具体计算公式为：将森林的大气压归一化
Figure FDA0003533672090000011
其中，AP表示森林的大气压的数值，μ表示森林的大气压的均值，
Figure FDA0003533672090000012
表示森林的大气压归一化数值。
3.根据权利要求1所述的基于人工智能的森林火险状态监测分析方法，其特征在于：所述步骤三基于LSTM构建森林风预测模型具体内容包括：所述森林风预测模型在LSTM网络层上设置attention机制，输出层与全连接层连接。
4.根据权利要求1所述的基于人工智能的森林火险状态监测分析方法，其特征在于：所述步骤六根据森林的植被分布计算单个棋盘格森林助燃物质含量具体步骤包括：
Step 1.1：采集森林降雨数据和森林蒸发量，所述森林降雨数据包括降雨量、下雨间隔时间；
Step 1.2：计算棋盘格内树木的油脂含量OC；
Step 1.3：计算棋盘格内植物的含水量，具体计算公式为：
Figure FDA0003533672090000021
其中，wc表示棋盘格内植株的含水量，RF表示森林降水量，EC表示森林蒸发量，WC表示棋盘格内植物的含水量；
Step 1.4：计算棋盘格内助燃物质含量，具体计算公式为：
Figure FDA0003533672090000022
其中，CSS表示棋盘格内助燃物质含量，OC表示棋盘格内树木的油脂含量，TH表示棋盘格内植株硬度。
5.根据权利要求1所述的基于人工智能的森林火险状态监测分析方法，其特征在于：所述步骤七建立森林火蔓延速度计算模型具体内容包括：
Figure FDA0003533672090000023
其中，R表示火蔓延速率，r表示初始火源蔓延速度，slo表示坡度，θs表示坡度角度，θw表示风向，wv表示风速，ωS表示坡度修正因子，a表示森林火蔓延系数，ρb表示可燃物分布的颗粒度密度，ε表示有效热数，Q表示引燃热。
6.根据权利要求1所述的基于人工智能的森林火险状态监测分析方法，其特征在于：所述步骤八模拟不同的棋盘格为起火点，模拟火势蔓延的过程，统计在救援队赶到前被烧的棋盘格和被烧的棋盘格的数量具体步骤包括：
Step 2.1：设置初始起火点，森林火蔓延速度计算模型计算棋盘格完全燃烧的时间；
Step 2.2：采集救援队的当前地址和行进速度；
Step 2.3：计算救援队与森林火灾相遇的时间和地点；
Step 2.4：统计在救援队赶到前被烧的棋盘格和被烧的棋盘格的数量。
7.根据权利要求6所述的基于人工智能的森林火险状态监测分析方法，其特征在于：所述棋盘格完全燃烧的判定方法为：设置面积阈值和边缘阈值，所述面积阈值和边缘阈值大于等于50％，棋盘格被烧面积大于面积阈值，且棋盘格被烧的边缘大于边缘阈值。
8.基于人工智能的森林火险状态监测分析***，其特征在于：所述火险监测分析***包括：森林数据采集模块、森林风预测模块、森林火灾模拟模型和数据展示模块；
所述森林数据采集模块采集森林数据结构化存储后，传输至森林风预测模块和森林火灾模拟模型；
所述森林数据采集模块包括森林风数据采集模块和森林信息采集模块，所述森林风数据采集模块采集森林风的风向、森林风的风速和森林的大气压，将森林的大气压归一化，传输至森林风预测模块；
所述森林信息采集模块采集森林地图、森林坡度、森林植被分布、森林降雨数据和森林蒸发量结构存储后传输至森林火灾模拟模块；
所述森林风预测模块基于时间序列预测算法构建森林风预测模型，通过森林数据采集模块采集森林风力数据设置训练集，输出mAP值最高的模型为森林风预测模型，通过森林风预测模型输出森林风的风向预测值和森林风的风向预测值；
所述森林火灾模拟模块模拟森林不同地点为起火点发生森林火灾，统计不同地点为起火点森林火灾在救援队赶到前燃烧面积输出至数据展示模块，
所述数据展示模块设置面积燃烧阈值，当被烧的面积超出面积燃烧阈值为重点监测区域展示在用户终端。
9.根据权利要求8所述的基于人工智能的森林火险状态监测分析***，其特征在于：所述森林火灾模拟模块包括森林助燃物质含量模型和森林火蔓延速度计算模型；
所述森林助燃物质含量模型通过植物分布，计算森林营养物质的分布，输出棋盘格内森林助燃物质含量至森林火蔓延速度计算模型；所述森林火蔓延速度计算模型基于森林风的风向预测值、森林风的风向预测值和森林地形计算森林火蔓延速度。
CN202210213924.4A 2022-03-07 2022-03-07 基于人工智能的森林火险状态监测分析***及方法 Pending CN114757387A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210213924.4A CN114757387A (zh) 2022-03-07 2022-03-07 基于人工智能的森林火险状态监测分析***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210213924.4A CN114757387A (zh) 2022-03-07 2022-03-07 基于人工智能的森林火险状态监测分析***及方法

Publications (1)

Publication Number Publication Date
CN114757387A true CN114757387A (zh) 2022-07-15

Family

ID=82325292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210213924.4A Pending CN114757387A (zh) 2022-03-07 2022-03-07 基于人工智能的森林火险状态监测分析***及方法

Country Status (1)

Country Link
CN (1) CN114757387A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115661245A (zh) * 2022-10-24 2023-01-31 东北林业大学 一种基于无人机的大尺度火线瞬时定位方法
CN116415712A (zh) * 2023-02-14 2023-07-11 武汉大学 一种基于多数据源的火灾蔓延预测方法及***
CN116563719A (zh) * 2023-07-12 2023-08-08 四川三思德科技有限公司 基于风量数据的火势识别预测方法、***和介质
CN116612440A (zh) * 2023-07-21 2023-08-18 山东金宇信息科技集团有限公司 一种基于机器视觉的建筑工程安全监测方法、设备及介质
CN117173848A (zh) * 2023-09-07 2023-12-05 海南省林业科学研究院(海南省红树林研究院) 一种基于数据分析的森林火灾探测方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115661245A (zh) * 2022-10-24 2023-01-31 东北林业大学 一种基于无人机的大尺度火线瞬时定位方法
CN115661245B (zh) * 2022-10-24 2023-04-18 东北林业大学 一种基于无人机的大尺度火线瞬时定位方法
CN116415712A (zh) * 2023-02-14 2023-07-11 武汉大学 一种基于多数据源的火灾蔓延预测方法及***
CN116563719A (zh) * 2023-07-12 2023-08-08 四川三思德科技有限公司 基于风量数据的火势识别预测方法、***和介质
CN116563719B (zh) * 2023-07-12 2023-10-20 四川三思德科技有限公司 基于风量数据的火势识别预测方法、***和介质
CN116612440A (zh) * 2023-07-21 2023-08-18 山东金宇信息科技集团有限公司 一种基于机器视觉的建筑工程安全监测方法、设备及介质
CN116612440B (zh) * 2023-07-21 2023-09-29 山东金宇信息科技集团有限公司 一种基于机器视觉的建筑工程安全监测方法、设备及介质
CN117173848A (zh) * 2023-09-07 2023-12-05 海南省林业科学研究院(海南省红树林研究院) 一种基于数据分析的森林火灾探测方法
CN117173848B (zh) * 2023-09-07 2024-05-07 海南省林业科学研究院(海南省红树林研究院) 一种基于数据分析的森林火灾探测方法

Similar Documents

Publication Publication Date Title
CN114757387A (zh) 基于人工智能的森林火险状态监测分析***及方法
Beringer et al. Fire impacts on surface heat, moisture and carbon fluxes from a tropical savanna in northern Australia
Pielke Sr et al. Land use/land cover changes and climate: modeling analysis and observational evidence
Rapaport The Pacific islands: environment and society
Minale et al. Hydrological dynamics and human impact on ecosystems of Lake Tana, northwestern Ethiopia
CN102542128B (zh) 南方集体林区森林火险精准区划模型建立方法
Granieri et al. Carbon dioxide in the urban area of Naples: Contribution and effects of the volcanic source
López-Blanco et al. Multi-year data-model evaluation reveals the importance of nutrient availability over climate in arctic ecosystem C dynamics
Wei et al. Quantifying the indirect effects of urbanization on urban vegetation carbon uptake in the megacity of Shanghai, China
Mölders et al. Influence of wildfire induced land-cover changes on clouds and precipitation in Interior Alaska—A case study
Yue et al. A patch connectivity index and its change in relation to new wetland at the Yellow River Delta
CN114638736A (zh) 基于物联网的森林防火数据分析***及方法
Midgley et al. Impacts, vulnerability and adaptation in key South African sectors
Tanyukevich et al. Fires in arid agroforestal landscapes and their damage assessment
Islam et al. Spatiotemporal mapping mangroves of Tengragiri wildlife sanctuary under Barguna district of Bangladesh using freely available satellite imagery
Dumayne Late Holocene palaeoecology and human impact on the environment of northern Britain
Yin et al. The simulation of surface fire spread based on Rothermel model in windthrow area of Changbai Mountain (Jilin, China)
Santos The role of wind direction on the occurrence of large fire events in Portugal
Li et al. Validating the usefulness and calibration of a two-dimensional situation model of urgency-adaptability for cities responding to climate change—Taking Shenzhen as case study
Tariq et al. Impact of aridity rise and arid lands expansion on carbon‐storing capacity, biodiversity loss, and ecosystem services
Mojiol Ecological landuse planning and sustainable management of urban and sub-urban green areas in Kota Kinabalu, Malaysia
Lap-Fu Environmental planning and economic efficiency of green cities based on improved neural network and satellite remote sensing
Umar et al. Policy Model of Degraded Land Control in the Anai Watershed West Sumatra Province-Indonesia
Weber et al. Linking Landscape Fires and Local Meteorology─ A Short Review
Liu et al. Evapotranspiration and land surface process responses to afforestation in western Taiwan: A comparison between dry and wet weather conditions

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination