CN114969027B - 一种森林火灾险情的人工智能预警***及方法 - Google Patents

一种森林火灾险情的人工智能预警***及方法 Download PDF

Info

Publication number
CN114969027B
CN114969027B CN202210374903.0A CN202210374903A CN114969027B CN 114969027 B CN114969027 B CN 114969027B CN 202210374903 A CN202210374903 A CN 202210374903A CN 114969027 B CN114969027 B CN 114969027B
Authority
CN
China
Prior art keywords
fire
influence
database
index
influence factors
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.)
Active
Application number
CN202210374903.0A
Other languages
English (en)
Other versions
CN114969027A (zh
Inventor
袁文涛
高德民
牟韵洁
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 CN202210374903.0A priority Critical patent/CN114969027B/zh
Publication of CN114969027A publication Critical patent/CN114969027A/zh
Application granted granted Critical
Publication of CN114969027B publication Critical patent/CN114969027B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2291—User-Defined Types; Storage management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Alarm Systems (AREA)
  • Operations Research (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Emergency Management (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)

Abstract

本发明公开了一种森林火灾险情的人工智能预警***及方法，包括步骤S1：预警***设置有森林火灾险情数据库；步骤S2：设置影响因子并分析三种影响因子的影响指数；步骤S3：预警***将监测区域进行等区域划分，并以步骤S2中火源影响因子的数据为指标进行第一时长的监测，分析环境数据的实时变化是否满足火源影响因子的阈值，若不满足，则以第二时长进行该区块的监测并建立火源影响因子与其他影响因子之间的关联函数；且第一时长大于第二时长；步骤S4：基于步骤S3中的关联函数对不同情况下的关联函数作出不同的预警响应；在一定程度上对森林发生火灾进行预判，有效的缩短了分析火灾类型的时间，提高了处理火情的效率。

Description

一种森林火灾险情的人工智能预警***及方法
技术领域
本发明涉及火灾险情人工智能预警技术领域，具体为一种森林火灾险情的人工智能预警***及方法。
背景技术
目前，森林防火是各地区处在干燥季节的重中之重，森林火灾是位居破坏森林的三大自然灾害之首，每年都会给林业生产带来严重的损失，影响着森林资源的保护和发展；且森林火灾一旦发生，突发性强、破坏性大并且处置扑救较为困难；而且现如今随着防火意识的普及，人为造成森林火灾的事情少有发生，但是自然因素导致的森林火灾却难以捕捉，且火灾的种类不同处置的方法也不相同，无法做到对火情地点和种类的具体预判，增加了救援时间和救援难度，使火情一旦发生便难以控制。
发明内容
本发明的目的在于提供一种森林火灾险情的人工智能预警***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：一种森林火灾险情的人工智能预警方法，包括以下具体过程：
步骤S1：预警***设置有森林火灾险情数据库，森林火灾险情数据库包括火情数据库和处理措施数据库；火情数据库用于记录火灾发生时的气象情况、火源和地势的相关数据，处理措施数据库用于记录针对不同因子影响下火情对应的处理措施数据；
步骤S2：基于步骤S1中火情数据库，设置影响因子，影响因子包括气象影响因子、火源影响因子和地势影响因子；基于森林火灾险情数据库分析三种影响因子的影响指数；因为在除去人为影响因素的火灾情况，其余的往往是通过自然界不同影响因子造成的火灾，且火灾的发生通常需要存在可燃物和使可燃物燃烧的因素，这里火源指可燃物，气象是由外界决定的，地势是森林本身决定的，故分析三种影响因子可以对不同火灾发生时的情景状况进行判断。
步骤S3：预警***将监测区域进行等区域划分，并以步骤S2中火源影响因子的数据为指标进行第一时长的监测，分析环境数据的实时变化是否满足火源影响因子的阈值，若不满足，则以第二时长进行区块的监测并建立火源影响因子与其他影响因子之间的关联函数；且第一时长大于第二时长；以火源因子为指标是因为可燃物是火灾发生的根本存在；
步骤S4：基于步骤S3中的关联函数，若环境数据既满足火源影响因子与气象影响因子的关联函数又满足火源因子与地势影响因子的关联函数，则预警***传输信号给处理措施数据库并提前准备火情数据库中对应影响因子作用下的处理措施；若环境数据只满足火源影响因子与气象影响因子的关联函数或火源因子与地势影响因子的关联函数中的其一，则预警***继续以第二时长监测不满足关联函数对应的影响因子数据变化，并作出响应。
进一步的，步骤S2中包括分析森林火灾险情数据库中气象影响因子指数，具体过程为：
预警***设置监测周期，监测周期内包含若干个第一时长，获取火情数据库中火灾发生当天的天气类型对应监测周期内的个数a，以及火情数据库中距离上一次火灾发生过程中天气类型的个数h和距离上一次发生火灾间隔的总天数n，利用公式计算气象影响因子指数W＝[a/(h×n)]q，其中q为火情数据库中记录的火灾发生总次数。
分析气象影响因子指数是为了反应出在火情数据库中不同火灾对应的气象情况以及分析具体气象情况是否为火灾发生的偶然因素还是非偶然因素。
进一步的，步骤S2中包括分析森林火灾险情数据库中火源影响因子指数，具体过程为：
火情数据库获取监测周期内同一监测区域的归一化植被指数，并将火情数据库中不同火灾发生前第一时长内的归一化植被指数记作植被指数目标集合B，计算火源影响因子指数F＝NVDImax{B}-NVDImin{B}/NVDI均，其中NVDImax{B}为植被指数目标集合B中的最大值，NVDImin{B}为植被指数目标集合中的最小值，NVDI均为植被指数目标集合中的平均值；
预警***设置火源因子影响指数阈值，若火源影响因子指数小于等于火源因子影响指数阈值，则设置[NVDImin{B}，NVDImax{B}]为归一化植被指数监测阈值；若火源影响因子指数大于火源因子影响指数阈值时，设置[NVDI均-τ，NVDI均+τ]为归一化植被指数监测阈值，其中τ为监测周期内归一化植被指数的变化频率值。
在分析火源影响因子指数时，对归一化植被指数进行分析是因为归一化植被指数可以反应出植被的颜色进而反映出森林中植被的枯竭状况，如果当数值反应出大部分植被属于枯竭状况说明此时间段内植被的含水量较低，发生火灾的可能性较大，通过利用遥感卫星中归一化植被指数的计算分析森林中造成火灾的重要影响因子之一树木的干枯程度，实现数据分析的精确化，也能实时掌握监控区域内林木的变化；且此处归一化植被指数的应用是基于相同面积下的，所以在确定面积大小变量的前提下可以有效分析颜色的变化。
进一步的，步骤S2中包括分析森林火灾险情数据库中地势影响因子指数，具体过程为：
预警***计算森林火灾险情数据库中任一次火灾发生时的地势差值gi＝v1d1i+v2d2i+v3d3i，i＝{1，2，......s}，i表示火情数据库中火灾的次数，gi表示第i次火灾对应的地势差值；其中d1、d2和d3分别为火情数据库中第i次火灾发生时的坡度差值、坡向差值和海拔差值，坡度差值为发生火灾的起火点所处的坡度与森林整体的平均坡度的差值，坡向差值为发生火灾的起火点所处的坡向与森林整体的坡向众数的差值，海拔差值为发生火灾的起火点所处的海拔与森林整体的平均海拔的差值；v1、v2和v3分别表示坡度差值、坡向差值和海拔差值的影响因子系数，且v1+v2+v3＝1；
计算地势影响因子G＝|gimin-gi均/gi均，其中gimin为火情数据库中地势差值的最小值，gi均为火情数据库中地势差值的平均值。
分析火灾发生时的地理位置是为了分析广袤的森林中不同地势对火灾发生造成的影响程度；坡度大小直接影响可燃物含水量变化、坡度陡降水易流失，可燃物易干燥，坡度大小对热传播也有很大的影响，上坡火可燃物接收到的对流热和辐射热强度增加，因此增加火灾蔓延速度，下坡火则相反；还有坡向，南坡最易发生火灾，因为南坡接受阳光时间长，温度高湿度低，还有海拔高度，海拔高度越高，森林内湿度越低。
进一步的，步骤S3包括以下具体过程：
获取监测周期内不同监测区域内的归一化植被指数，提取相邻监控周期内归一化植被指数差值为正值的监测区域，并设置提取出来的监测区域为目标监测区域，差值为正值反应植被中水分变化的趋势为逐渐减少；判断目标监测区域内的归一化植被指数是否属于归一化植被指数监测阈值，监测阈值是在数据库中分析得到的可能致使火灾发生的火源的归一化植被指数范围；
当目标监测区域内的归一化植被指数是否属于归一化植被指数监测阈值时，建立影响因子之间的关联函数为其中A为影响矩阵，/>为误差，C＝{W，G}，W表示气象影响因子及其对应的指数，G表示地势影响因子及其对应的指数；
代入对应的影响因子指数并获取实时的数据环境，判断实时环境数值是否满足fF→W(T)和fF→G(T)。
分析关联函数是为了分析实时森林存在环境情况是否能致使火灾的发生，如果三种影响因素产生关联，则可以分析出产生火灾的可能性会增大。
一种森林火灾险情的人工智能预警***，包括森林火灾险情数据库模块、影响因子分析模块、指标初步判断模块、关联函数建立模块和预警响应分析模块；
森林火灾险情数据库模块用于存储火情数据库和处理措施数据库，火情数据库用于记录火灾发生时的气象情况、火源和地势的相关数据，处理措施数据库用于记录针对不同因子影响下火情对应的处理措施数据；
影响因子分析模块用于分析森林火灾险情数据库中存在的影响因子在火灾发生时的影响程度；
指标初步判断模块用于对实时情况下森林内部存在的影响因子进行初步的判断以提取目标的监测区域；
关联函数建立模块用于在指标初步判断模块后对影响因子之间建立关联函数；
预警响应分析模块用于在建立关联函数的基础上，若环境数据既满足火源影响因子与气象影响因子的关联函数又满足火源因子与地势影响因子的关联函数，则预警***传输信号给处理措施数据库并提前准备火情数据库中对应影响因子作用下的处理措施；若环境数据只满足火源影响因子与气象影响因子的关联函数或火源因子与地势影响因子的关联函数中的其一，则预警***继续以第二时长监测不满足关联函数对应的影响因子数据变化，并作出响应。
进一步的，影响因子分析模块包括影响因子设定模块、气象影响因子指数计算模块、火源影响因子指数计算模块、地势影响因子指数计算模块；
影响因子设定模块用于设定火情数据库中的影响因子，影响因子包括气象影响因子、火源影响因子和地势影响因子；
气象影响因子指数计算模块用于依据火灾发生时的天气类型进行计算分析；火源影响因子指数计算模块用于依据火灾发生前植被的归一化指数进行计算分析；地势影响因子指数计算模块用于依据森林中的坡向、坡度和海拔进行综合分析计算。
进一步的，指标初步判断模块包括区域划分模块、时长区分模块和监测阈值判定模块；
区域划分模块用于获取监测周期内不同监测区域内的归一化植被指数，提取相邻监控周期内归一化植被指数差值为正值的监测区域，并设置提取出来的监测区域为目标监测区域；监测阈值判定模块用于判断目标监测区域内的归一化植被指数是否属于归一化植被指数监测阈值；
时长区分模块用于在提取目标检测区域前以第一时长进行监测，在目标监测区域内的归一化植被指数属于归一化植被指数监测阈值时以第二时长进行监测。
与现有技术相比，本发明所达到的有益效果是：本发明从历史数据库中火情发生的不同影响因素进行分析，可以有效的辨析到不同影响因子作用火灾的影响程度，且对应记录不同的处理措施，可以有效快速地提取分析后影响因子对应数据库中的处理措施进行预先准备，不仅在一定程度上对森林可能发生火灾的现象进行预判，还针对不同火灾进行不同措施的实施，有效的缩短了人们在现场分析火灾类型并到得出解决方案的时间，提高了处理火情的效率；从火灾发生的大类影响因素上进行关联的分析，可以有效地确定森林中火灾的各种情况。
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是本发明一种森林火灾险情的人工智能预警***的结构示意图；
图2是本发明一种森林火灾险情的人工智能预警方法的步骤流程图。
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-图2，本发明提供技术方案：一种森林火灾险情的人工智能预警方法，包括以下具体过程：
步骤S1：预警***设置有森林火灾险情数据库，森林火灾险情数据库包括火情数据库和处理措施数据库；火情数据库用于记录火灾发生时的气象情况、火源和地势的相关数据，处理措施数据库用于记录针对不同因子影响下火情对应的处理措施数据；
步骤S2：基于步骤S1中火情数据库，设置影响因子，影响因子包括气象影响因子、火源影响因子和地势影响因子；基于森林火灾险情数据库分析三种影响因子的影响指数；因为在除去人为影响因素的火灾情况，其余的往往是通过自然界不同影响因子造成的火灾，且火灾的发生通常需要存在可燃物和使可燃物燃烧的因素，这里火源指可燃物，气象是由外界决定的，地势是森林本身决定的，故分析三种影响因子可以对不同火灾发生时的情景状况进行判断。
步骤S3：预警***将监测区域进行等区域划分，并以步骤S2中火源影响因子的数据为指标进行第一时长的监测，分析环境数据的实时变化是否满足火源影响因子的阈值，若不满足，则以第二时长进行区块的监测并建立火源影响因子与其他影响因子之间的关联函数；且第一时长大于第二时长；以火源因子为指标是因为可燃物是火灾发生的根本存在；
步骤S4：基于步骤S3中的关联函数，若环境数据既满足火源影响因子与气象影响因子的关联函数又满足火源因子与地势影响因子的关联函数，则预警***传输信号给处理措施数据库并提前准备火情数据库中对应影响因子作用下的处理措施；若环境数据只满足火源影响因子与气象影响因子的关联函数或火源因子与地势影响因子的关联函数中的其一，则预警***继续以第二时长监测不满足关联函数对应的影响因子数据变化，并作出响应。
步骤S2中包括分析森林火灾险情数据库中气象影响因子指数，具体过程为：
预警***设置监测周期，监测周期内包含若干个第一时长，获取火情数据库中火灾发生当天的天气类型对应监测周期内的个数a，以及火情数据库中距离上一次火灾发生过程中天气类型的个数h和距离上一次发生火灾间隔的总天数n，利用公式计算气象影响因子指数W＝[a/(h×n)]q，其中q为火情数据库中记录的火灾发生总次数。
分析气象影响因子指数是为了反应出在火情数据库中不同火灾对应的气象情况以及分析具体气象情况是否为火灾发生的偶然因素还是非偶然因素。
步骤S2中包括分析森林火灾险情数据库中火源影响因子指数，具体过程为：
火情数据库获取监测周期内同一监测区域的归一化植被指数，并将火情数据库中不同火灾发生前第一时长内的归一化植被指数记作植被指数目标集合B，计算火源影响因子指数F＝NVDImax{B}-NVDImin{B}/NVDI均，其中NVDImax{B}为植被指数目标集合B中的最大值，NVDImin{B}为植被指数目标集合中的最小值，NVDI均为植被指数目标集合中的平均值；
预警***设置火源因子影响指数阈值，若火源影响因子指数小于等于火源因子影响指数阈值，则设置[NVDImin{B}，NVDImax{B}]为归一化植被指数监测阈值；若火源影响因子指数大于火源因子影响指数阈值时，设置[NVDI均-τ，NVDI均+τ]为归一化植被指数监测阈值，其中τ为监测周期内归一化植被指数的变化频率值。
在分析火源影响因子指数时，对归一化植被指数进行分析是因为归一化植被指数可以反应出植被的颜色进而反映出森林中植被的枯竭状况，如果当数值反应出大部分植被属于枯竭状况说明此时间段内植被的含水量较低，发生火灾的可能性较大，通过利用遥感卫星中归一化植被指数的计算分析森林中造成火灾的重要影响因子之一树木的干枯程度，实现数据分析的精确化，也能实时掌握监控区域内林木的变化；且此处归一化植被指数的应用是基于相同面积下的，所以在确定面积大小变量的前提下可以有效分析颜色的变化。
在归一化植被指数的计算过程中，利用公式计算监测区域内的归一化植被指数：其中ρRED、ρNIR分别代表红光波段和近红外波段的反射率，NVDI的值介于-1～1之间；如有三场火灾为火灾1、火灾2、火灾3，且对应火灾发生前第一时长内归一化植被指数为0.23、0.31、0.28，若F＝(0.31-0.23)/0.27＝0.296＜火源因子影响指数阈值，则[0.23，0.31]为监测森林中是否存在可燃物的监测阈值。
步骤S2中包括分析森林火灾险情数据库中地势影响因子指数，具体过程为：
预警***计算森林火灾险情数据库中任一次火灾发生时的地势差值gi＝v1d1i+v2d2i+v3d3i，i＝{1，2，......s}，i表示火情数据库中火灾的次数，gi表示第i次火灾对应的地势差值；其中d1、d2和d3分别为火情数据库中第i次火灾发生时的坡度差值、坡向差值和海拔差值，坡度差值为发生火灾的起火点所处的坡度与森林整体的平均坡度的差值，坡向差值为发生火灾的起火点所处的坡向与森林整体的坡向众数的差值，海拔差值为发生火灾的起火点所处的海拔与森林整体的平均海拔的差值；v1、v2和v3分别表示坡度差值、坡向差值和海拔差值的影响因子系数，且v1+v2+v3＝1；
计算地势影响因子G＝|gimin-gi均|/gi均，其中gimin为火情数据库中地势差值的最小值，gi均为火情数据库中地势差值的平均值。
分析火灾发生时的地理位置是为了分析广袤的森林中不同地势对火灾发生造成的影响程度；坡度大小直接影响可燃物含水量变化、坡度陡降水易流失，可燃物易干燥，坡度大小对热传播也有很大的影响，上坡火可燃物接收到的对流热和辐射热强度增加，因此增加火灾蔓延速度，下坡火则相反；还有坡向，南坡最易发生火灾，因为南坡接受阳光时间长，温度高湿度低，还有海拔高度，海拔高度越高，森林内湿度越低。
步骤S3包括以下具体过程：
获取监测周期内不同监测区域内的归一化植被指数，提取相邻监控周期内归一化植被指数差值为正值的监测区域，并设置提取出来的监测区域为目标监测区域，差值为正值反应植被中水分变化的趋势为逐渐减少；判断目标监测区域内的归一化植被指数是否属于归一化植被指数监测阈值，监测阈值是在数据库中分析得到的可能致使火灾发生的火源的归一化植被指数范围；
当目标监测区域内的归一化植被指数是否属于归一化植被指数监测阈值时，建立影响因子之间的关联函数为其中A为影响矩阵，/>为误差，C＝{W，G}，W表示气象影响因子及其对应的指数，G表示地势影响因子及其对应的指数；
代入对应的影响因子指数并获取实时的数据环境，判断实时环境数值是否满足fF→W(T)和fF→G(T)。
分析关联函数是为了分析实时森林存在环境情况是否能致使火灾的发生，如果三种影响因素产生关联，则可以分析出产生火灾的可能性会增大。
一种森林火灾险情的人工智能预警***，包括森林火灾险情数据库模块、影响因子分析模块、指标初步判断模块、关联函数建立模块和预警响应分析模块；
森林火灾险情数据库模块用于存储火情数据库和处理措施数据库，火情数据库用于记录火灾发生时的气象情况、火源和地势的相关数据，处理措施数据库用于记录针对不同因子影响下火情对应的处理措施数据；
影响因子分析模块用于分析森林火灾险情数据库中存在的影响因子在火灾发生时的影响程度；
指标初步判断模块用于对实时情况下森林内部存在的影响因子进行初步的判断以提取目标的监测区域；
关联函数建立模块用于在指标初步判断模块后对影响因子之间建立关联函数；
预警响应分析模块用于在建立关联函数的基础上，若环境数据既满足火源影响因子与气象影响因子的关联函数又满足火源因子与地势影响因子的关联函数，则预警***传输信号给处理措施数据库并提前准备火情数据库中对应影响因子作用下的处理措施；若环境数据只满足火源影响因子与气象影响因子的关联函数或火源因子与地势影响因子的关联函数中的其一，则预警***继续以第二时长监测不满足关联函数对应的影响因子数据变化，并作出响应。
影响因子分析模块包括影响因子设定模块、气象影响因子指数计算模块、火源影响因子指数计算模块、地势影响因子指数计算模块；
影响因子设定模块用于设定火情数据库中的影响因子，影响因子包括气象影响因子、火源影响因子和地势影响因子；
气象影响因子指数计算模块用于依据火灾发生时的天气类型进行计算分析；火源影响因子指数计算模块用于依据火灾发生前植被的归一化指数进行计算分析；地势影响因子指数计算模块用于依据森林中的坡向、坡度和海拔进行综合分析计算。
指标初步判断模块包括区域划分模块、时长区分模块和监测阈值判定模块；
区域划分模块用于获取监测周期内不同监测区域内的归一化植被指数，提取相邻监控周期内归一化植被指数差值为正值的监测区域，并设置提取出来的监测区域为目标监测区域；监测阈值判定模块用于判断目标监测区域内的归一化植被指数是否属于归一化植被指数监测阈值；
时长区分模块用于在提取目标检测区域前以第一时长进行监测，在目标监测区域内的归一化植被指数属于归一化植被指数监测阈值时以第二时长进行监测。
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 (8)

1.一种森林火灾险情的人工智能预警方法，其特征在于，包括以下具体过程：
步骤S1：预警***设置有森林火灾险情数据库，所述森林火灾险情数据库包括火情数据库和处理措施数据库；所述火情数据库用于记录火灾发生时的气象情况、火源和地势的相关数据，所述处理措施数据库用于记录针对不同因子影响下火情对应的处理措施数据；
步骤S2：基于步骤S1中火情数据库，设置影响因子，所述影响因子包括气象影响因子、火源影响因子和地势影响因子；基于森林火灾险情数据库分析三种影响因子的影响指数；
步骤S3：预警***将监测区域进行等区域划分，并以步骤S2中火源影响因子的数据为指标进行第一时长的监测，分析环境数据的实时变化是否满足火源影响因子的阈值，若不满足，则以第二时长进行区块的监测并建立火源影响因子与其他影响因子之间的关联函数；且第一时长大于第二时长；
步骤S4：基于步骤S3中的关联函数，若环境数据既满足火源影响因子与气象影响因子的关联函数又满足火源因子与地势影响因子的关联函数，则预警***传输信号给所述处理措施数据库并提前准备火情数据库中对应影响因子作用下的处理措施；若环境数据只满足火源影响因子与气象影响因子的关联函数或火源因子与地势影响因子的关联函数中的其一，则预警***继续以第二时长监测不满足关联函数对应的影响因子数据变化，并作出响应。
2.根据权利要求1所述的一种森林火灾险情的人工智能预警方法，其特征在于：所述步骤S2中包括分析森林火灾险情数据库中气象影响因子指数，具体过程为：
所述预警***设置监测周期，所述监测周期内包含若干个第一时长，获取火情数据库中火灾发生当天的天气类型对应监测周期内的个数a，以及火情数据库中距离上一次火灾发生过程中天气类型的个数h和距离上一次发生火灾间隔的总天数n，利用公式计算气象影响因子指数W＝[a/(h×n)]q，其中q为火情数据库中记录的火灾发生总次数。
3.根据权利要求1所述的一种森林火灾险情的人工智能预警方法，其特征在于：所述步骤S2中包括分析森林火灾险情数据库中火源影响因子指数，具体过程为：
所述火情数据库获取监测周期内同一监测区域的归一化植被指数，并将火情数据库中不同火灾发生前第一时长内的归一化植被指数记作植被指数目标集合B，计算火源影响因子指数F＝NVDImax{B}-NVDImin{B}/NVDI均，其中NVDImax{B}为植被指数目标集合B中的最大值，NVDImin{B}为植被指数目标集合中的最小值，NVDI均为植被指数目标集合中的平均值；
所述预警***设置火源因子影响指数阈值，若火源影响因子指数小于等于火源因子影响指数阈值，则设置[NVDImin{B}，NVDImax{B}]为归一化植被指数监测阈值；若火源影响因子指数大于火源因子影响指数阈值时，设置[NVDI均-τ，NVDI均+τ]为归一化植被指数监测阈值，其中τ为监测周期内归一化植被指数的变化频率值。
4.根据权利要求1所述的一种森林火灾险情的人工智能预警方法，其特征在于：所述步骤S2中包括分析森林火灾险情数据库中地势影响因子指数，具体过程为：
所述预警***计算森林火灾险情数据库中任一次火灾发生时的地势差值gi＝v1d1i+v2d2i+v3d3i，i＝{1，2，......s}，i表示火情数据库中火灾的次数，gi表示第i次火灾对应的地势差值；其中d1、d2和d3分别为火情数据库中第i次火灾发生时的坡度差值、坡向差值和海拔差值，所述坡度差值为发生火灾的起火点所处的坡度与森林整体的平均坡度的差值，所述坡向差值为发生火灾的起火点所处的坡向与森林整体的坡向众数的差值，所述海拔差值为发生火灾的起火点所处的海拔与森林整体的平均海拔的差值；v1、v2和v3分别表示坡度差值、坡向差值和海拔差值的影响因子系数，且v1+v2+v3＝1；
计算地势影响因子G＝|gimin-gi均|/gi均，其中gimin为火情数据库中地势差值的最小值，gi均为火情数据库中地势差值的平均值。
5.根据权利要求1所述的一种森林火灾险情的人工智能预警方法，其特征在于：所述步骤S3包括以下具体过程：
获取监测周期内不同监测区域内的归一化植被指数，提取相邻监控周期内归一化植被指数差值为正值的监测区域，并设置提取出来的监测区域为目标监测区域；判断目标监测区域内的归一化植被指数是否属于归一化植被指数监测阈值；
当目标监测区域内的归一化植被指数是否属于归一化植被指数监测阈值时，建立影响因子之间的关联函数为其中A为影响矩阵，/>为误差，C＝{W，G}，W表示气象影响因子及其对应的指数，G表示地势影响因子及其对应的指数；
获取实时的数据环境并代入对应的影响因子指数，判断实时环境数值是否满足fF→W(T)和fF→G(T)。
6.一种森林火灾险情的人工智能预警***，其特征在于，包括森林火灾险情数据库模块、影响因子分析模块、指标初步判断模块、关联函数建立模块和预警响应分析模块；
所述森林火灾险情数据库模块用于存储火情数据库和处理措施数据库，所述火情数据库用于记录火灾发生时的气象情况、火源和地势的相关数据，所述处理措施数据库用于记录针对不同因子影响下火情对应的处理措施数据；
所述影响因子分析模块用于分析森林火灾险情数据库中存在的影响因子在火灾发生时的影响程度；
所述指标初步判断模块用于对实时情况下森林内部存在的影响因子进行初步的判断以提取目标的监测区域；
所述关联函数建立模块用于在指标初步判断模块后对影响因子之间建立关联函数；
所述预警响应分析模块用于在建立关联函数的基础上，若环境数据既满足火源影响因子与气象影响因子的关联函数又满足火源因子与地势影响因子的关联函数，则预警***传输信号给所述处理措施数据库并提前准备火情数据库中对应影响因子作用下的处理措施；若环境数据只满足火源影响因子与气象影响因子的关联函数或火源因子与地势影响因子的关联函数中的其一，则预警***继续以第二时长监测不满足关联函数对应的影响因子数据变化，并作出响应。
7.根据权利要求6所述的一种森林火灾险情的人工智能预警***，其特征在于：所述影响因子分析模块包括影响因子设定模块、气象影响因子指数计算模块、火源影响因子指数计算模块、地势影响因子指数计算模块；
所述影响因子设定模块用于设定火情数据库中的影响因子，所述影响因子包括气象影响因子、火源影响因子和地势影响因子；
所述气象影响因子指数计算模块用于依据火灾发生时的天气类型进行计算分析；所述火源影响因子指数计算模块用于依据火灾发生前植被的归一化指数进行计算分析；所述地势影响因子指数计算模块用于依据森林中的坡向、坡度和海拔进行综合分析计算。
8.根据权利要求7所述的一种森林火灾险情的人工智能预警***，其特征在于：所述指标初步判断模块包括区域划分模块、时长区分模块和监测阈值判定模块；
所述区域划分模块用于获取监测周期内不同监测区域内的归一化植被指数，提取相邻监控周期内归一化植被指数差值为正值的监测区域，并设置提取出来的监测区域为目标监测区域；所述监测阈值判定模块用于判断目标监测区域内的归一化植被指数是否属于归一化植被指数监测阈值；
所述时长区分模块用于在提取目标检测区域前以第一时长进行监测，在目标监测区域内的归一化植被指数属于归一化植被指数监测阈值时以第二时长进行监测。
CN202210374903.0A 2022-04-11 2022-04-11 一种森林火灾险情的人工智能预警***及方法 Active CN114969027B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210374903.0A CN114969027B (zh) 2022-04-11 2022-04-11 一种森林火灾险情的人工智能预警***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210374903.0A CN114969027B (zh) 2022-04-11 2022-04-11 一种森林火灾险情的人工智能预警***及方法

Publications (2)

Publication Number Publication Date
CN114969027A CN114969027A (zh) 2022-08-30
CN114969027B true CN114969027B (zh) 2024-03-29

Family

ID=82977137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210374903.0A Active CN114969027B (zh) 2022-04-11 2022-04-11 一种森林火灾险情的人工智能预警***及方法

Country Status (1)

Country Link
CN (1) CN114969027B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116137093B (zh) * 2023-03-13 2023-08-25 山东联腾电子科技有限公司 一种基于人工智能的森林自然资源智能监测预警***
CN116880395B (zh) * 2023-07-19 2024-06-07 天津市易控科技发展有限公司 基于dcs***的监控方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5734335A (en) * 1989-12-20 1998-03-31 Finmeccanica S.P.A. Forest surveillance and monitoring system for the early detection and reporting of forest fires
WO2010015742A1 (fr) * 2008-08-04 2010-02-11 Smart Packaging Solutions (Sps) Procédé et dispositif de prévention et de prévision de l'évolution des incendies
CN112542016A (zh) * 2020-11-30 2021-03-23 南京林业大学 一种基于大数据的森林防火智能监控***及方法
CN114004466A (zh) * 2021-10-14 2022-02-01 长光卫星技术有限公司 一种融合多源数据的精细化森林火险评估方法
CN114067545A (zh) * 2021-11-15 2022-02-18 浙江时空智子大数据有限公司 一种基于遥感大数据的森林火灾监测方法及***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5734335A (en) * 1989-12-20 1998-03-31 Finmeccanica S.P.A. Forest surveillance and monitoring system for the early detection and reporting of forest fires
WO2010015742A1 (fr) * 2008-08-04 2010-02-11 Smart Packaging Solutions (Sps) Procédé et dispositif de prévention et de prévision de l'évolution des incendies
CN112542016A (zh) * 2020-11-30 2021-03-23 南京林业大学 一种基于大数据的森林防火智能监控***及方法
CN114004466A (zh) * 2021-10-14 2022-02-01 长光卫星技术有限公司 一种融合多源数据的精细化森林火险评估方法
CN114067545A (zh) * 2021-11-15 2022-02-18 浙江时空智子大数据有限公司 一种基于遥感大数据的森林火灾监测方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
林火预警及实现方法;覃先林;张子辉;李增元;田祖为;熊有强;杨德付;张瑞;;北京林业大学学报;20100715(04);105+107 *
西南山地区域森林火险综合预报模型研究――以重庆市为例;郑忠;高阳华;杨庆媛;唐云辉;徐永进;陈艳英;;自然灾害学报;20200215(01);155-164 *

Also Published As

Publication number Publication date
CN114969027A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN114969027B (zh) 一种森林火灾险情的人工智能预警***及方法
CN111930049A (zh) 一种基于物联网的林业森林防火安全智能监测管理***
CN116246407A (zh) 一种基于人工智能的农林区域火灾预警监管***
CN103778418A (zh) 一种输电线路杆塔图像监测***的山火图像识别方法
CN108389359A (zh) 一种基于深度学习的城市火灾报警方法
CN110801593B (zh) 一种融合多模态数据的极早期火灾预警***及方法
CN116189372A (zh) 一种应用大数据技术的森林防火多层预警监测***及方法
CN113344326A (zh) 多信息融合特殊作业现场动态隐患识别和风险评估***和方法
CN210570820U (zh) 一种农业检测预警***
CN107564228A (zh) 森林防火等级预警***及其使用方法
CN107784771A (zh) 一种基于神经网络模型的森林火灾监控方法
CN116386252B (zh) 一种基于森林区域划分的可燃物监测方法
CN114460080A (zh) 一种水稻病虫智能监控***
CN116071708A (zh) 一种用于火灾风险安防的图像识别分析方法
CN110930632B (zh) 一种基于人工智能的预警***
CN114398595A (zh) 一种基于bp神经网络的火点遥感识别方法
CN111882811A (zh) 一种用于识别火点的消防无人机
CN114638736A (zh) 基于物联网的森林防火数据分析***及方法
CN117173848B (zh) 一种基于数据分析的森林火灾探测方法
CN112947147A (zh) 一种基于多传感器及云平台算法的消防机器人
CN117236430A (zh) 基于多源数据分析及其数据可视化的火灾安全管理***
CN113256934A (zh) 一种高空作业人员安全检测***
CN116863628A (zh) 基于遥感数据的森林火灾监测方法、***及介质
Sukhinin et al. Monitoring forest fires in Eastern Siberia from space
CN213424156U (zh) 一种火灾预测装置

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
GR01 Patent grant
GR01 Patent grant