CN116415754A - 一种森林火灾火势蔓延预测方法及*** - Google Patents

一种森林火灾火势蔓延预测方法及*** Download PDF

Info

Publication number
CN116415754A
CN116415754A CN202310424042.7A CN202310424042A CN116415754A CN 116415754 A CN116415754 A CN 116415754A CN 202310424042 A CN202310424042 A CN 202310424042A CN 116415754 A CN116415754 A CN 116415754A
Authority
CN
China
Prior art keywords
cell
forest
fire
area
data
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
CN202310424042.7A
Other languages
English (en)
Inventor
严怀成
黄志豪
龙正
潘亚宁
陈成成
饶凯
党青梅
张皓
王曰英
常雨芳
陈超洋
王洪荣
徐龙
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.)
East China University of Science and Technology
Original Assignee
East China University of Science and Technology
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 East China University of Science and Technology filed Critical East China University of Science and Technology
Priority to CN202310424042.7A priority Critical patent/CN116415754A/zh
Publication of CN116415754A publication Critical patent/CN116415754A/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种森林火灾火势蔓延预测方法及***，所述方法包括：获取林地地图、林地地形和气象数据信息；根据林地地图将待预测林地划分成若干个等面积的元胞，并按元胞为单位将获取的信息汇总；考虑元胞所在区域的实体不可燃性对元胞状态直接进行赋值，对于元胞所在区域存在可燃性实体的情况，基于元胞已经燃烧的面积与整个元胞的面积的比值获取元胞状态，考虑气温、相对湿度、风速、风向以及当前元胞状态，构建预测下一时刻元胞状态的森林火灾蔓延模型；将获取的信息输入森林火灾蔓延模型进行火灾蔓延预测；本发明的优点在于：提高火灾蔓延预测的准确性。

Description

一种森林火灾火势蔓延预测方法及***
技术领域
本发明涉及火灾预测领域，更具体涉及一种森林火灾火势蔓延预测方法及***。
背景技术
森林火灾是一种严重的自然灾害，不仅会造成森林资源的损失，还会威胁人类生命财产安全和生态环境平衡。因此，及时发现和扑救森林火灾是一项重要的任务。然而，由于森林地形复杂多变，气象条件不稳定，以及人为干扰等因素，传统的森林火灾监测和防治方法存在很多局限性和挑战。例如，地面观测站和卫星遥感技术难以覆盖广阔的森林区域，并且受到云层、雨雪、烟尘等影响；人工巡查和消防队员则需要耗费大量的时间、精力和资源，并且面临着高风险和低效率的问题。为了解决这些问题，无人机(UAV)作为一种新型的空中平台，在森林火灾监测和防治方面显示出了巨大的潜力和优势。无人机具有高空视野、快速反应、低成本、易操作等特点，可以搭载多种传感器(如红外相机、可见光相机、激光雷达等)，实时采集并传输森林中的温度、湿度、烟雾、火焰等数据，并根据数据分析判断是否发生火灾，并预测火势的蔓延趋势和范围。无人机还可以配备水箱和喷头，在接收到指令后对火灾区域进行喷水灭火。通过无人机***，可以实现对广阔复杂的森林区域进行全方位、高效率、低风险的监测和防治。然而，无人机***在应用于森林火灾监测和防治时也面临着一些技术难题。其中之一就是如何实现无人机在火灾复杂动态环境下进行高效和安全的路径规划。由于风速、风向、湿度、坡度等因素会影响火势蔓延速度与方向，导致预测结果具有不确定性与动态性；同时无人机还要考虑自身能量消耗与续航时间，以及避免与其他无人机或障碍物发生碰撞等约束条件。因此，在保证安全距离和避免碰撞等约束条件下，尽可能覆盖更多受威胁区域，并优先处理重点区域，是一个具有挑战性的问题，准确的预测火灾蔓延趋势，直接关乎无人机路径规划的路线的准确性。
通过建立扩散模型来模拟林火蔓延行为，研究林火扩散速度、方向、过火面积等行为特征，可以有效监测和响应林火的发生。早期的林火蔓延模型是以林火燃烧的物理化学过程为基础，后来随着计算机技术、遥感技术和地理信息技术的快速发展，林火蔓延模型开始借助这些技术进入二维甚至多维的空间模拟阶段。目前有三种模型较为流行，分别是经验模型、物理模型以及半物理半经验模型。
经验模型是不考虑物理机制，通过对实际数据的收集并进行统计分析建立的模型方程，具有代表性的有CFFDRS模型和McArthur模型。CFFDRS模型是通过对真实火场数据的收集、整合以及室内模拟实验而建立的，能够较为充分的揭示出火行为以及变化规律。但是由于该模型不考虑林火蔓延的机理以及物理本质变化，所以当使用条件与模型试验条件有出入时，精度就会有所下降。McArthur模型能对森林火灾蔓延速度进行测量以及预报，在此基础上还能对森林火灾的一些火参数及火天气进行准确的预报，但由于该模型的野外点烧实验相对单一，所以不具备空间异质性。
物理模型不同于经验模型，其基于能量守恒定律以及热传导所建立的模型，因此更重视对机理的研究。使用广泛的有FIRESTAR模型和ALBINI模型。FIRESTAR模型利用宏观守恒定律建立模型，认为林火是作用在具有异质性森林可燃物上的化学反应和热辐射流，但没有考虑气体和固体颗粒之间的热力学平衡。Albini模型提出野外燃料中的火蔓延着火温度下的稳定纵向传播速度，其将燃料床体积视为一个均匀连续体，没有考虑颜料颗粒的对流生态化和燃料床延伸的状况。
半物理半经验模型是在物理模型和经验模型的基础上，衍生出了两者的结合，在一定的林火行为物理机理的指导下，在野外或者室内进行实验后获取实验数据建立的模型，具有代表性的是王正非模型和Rothermel模型。王正非模型是我国普遍应用的模型，优点是公式简单，应用方便，数据容易收集，但由于实验局限性，该模型只适用于小坡度林火。Rothermel模型通过野外实验和室内实验，并结合能量守恒定律而创建，该模型有11个输入项，且很多输入参数在实际林火迹地中很难收集到，因此应用起来难度较大。
综上，现有较为流行的林火蔓延模型在林火蔓延预测方面都有或多或少的应用缺陷，导致难以投入实际应用，因此，除了上述已知的流行的模型，行业内衍生出更多的关于火灾蔓延预测的方法及相关模型。
与本发明相关的现有技术一：一种实时森林火灾蔓延仿真方法及***(申请号202211022678.0)
现有技术一的技术方案：
该专利申请公开了一种实时森林火灾蔓延仿真方法及***。该方法通过遥感卫星和地面通讯设备，获取目标森林的相关信息，利用相关信息获得整体火灾蔓延信息，同时设定预测时长，预测在所述预测时长内火灾气候信息的变化和火灾燃料信息的变化，并且根据该变化获得整体火灾蔓延情况，同时对火灾蔓延状况进行实时仿真。
现有技术一的缺点：
1)计算火点迁移速度时，未考虑每日的气温、相对湿度等因素；
2)未综合考虑不同方向的风对预测点的不同影响。
与本发明相关的现有技术二：一种基于元胞自动机的森林火灾蔓延模拟方法(申请号202210474421.2)
现有技术二的技术方案：
该专利申请公开了一种基于元胞自动机的森林火灾蔓延模拟方法，该方法将模拟区域划分为规则的格网空间，每个格网单元作为一个元胞，计算邻域元胞对中心元胞的蔓延速度，将元胞的燃烧状态划分为未燃、初燃，全燃并能够点燃周围元胞、渐灭和全灭，基于元胞自动机计算下一时刻元胞的燃烧状态，实现元胞的燃烧状态更新。
现有技术二的缺点：
1)元胞状态的计算公式中采用了统一的时间步长，未考虑可燃物引燃时间和持续燃烧时间的实际差异；
2)初始林火蔓延速度的公式没有考虑气温、风力和相对湿度等影响，仍待优化；
3)元胞状态公式未考虑部分障碍物的不可燃性。
综上，现有技术均未充分考虑不同因素对火势蔓延预测结果的影响，导致火势预测结果不够准确的问题。
发明内容
本发明所要解决的技术问题在于现有技术火势蔓延预测方法预测结果不够准确的问题。
本发明通过以下技术手段实现解决上述技术问题的：一种森林火灾火势蔓延预测方法，所述方法包括：
步骤a：获取林地地图、林地地形和气象数据信息；
步骤b：根据林地地图将待预测林地划分成若干个等面积的元胞，并按元胞为单位将步骤a获取的信息汇总；
步骤c：考虑元胞所在区域的实体不可燃性对元胞状态直接进行赋值，对于元胞所在区域存在可燃性实体的情况，基于元胞已经燃烧的面积与整个元胞的面积的比值获取元胞状态，考虑气温、相对湿度、风速、风向以及当前元胞状态，构建预测下一时刻元胞状态的森林火灾蔓延模型；
步骤d：将步骤b获取的信息输入森林火灾蔓延模型进行火灾蔓延预测。
有益效果：本发明元胞状态的计算并非采用统一的时间步长，而是基于元胞已经燃烧的面积与整个元胞的面积的比值获取元胞状态，从而对元胞状态的描述更加准确，考虑部分障碍物的不可燃性，对元胞状态直接进行赋值，避免对于不可燃的元胞持续参与计算，避免影响计算效率并且避免影响后续无人机路径规划的准确性，并且考虑气温、相对湿度、风速、风向等对火势蔓延预测结果的影响，基于当前元胞状态，构建预测下一时刻元胞状态的森林火灾蔓延模型，综合考虑多种影响因素，提高预测结果的准确性。
进一步地，所述步骤a包括：
获取林地地图，基于气象数据平台和林地地图，获取待预测林地的气温、相对湿度、植被或可燃物信息、风速、风向、海拔高度，存放在GIS数据文件中，并且将GIS数据文件中上述各参数转换为统一的数据格式。
更进一步地，对于所述气温、相对湿度、风速、风向及海拔高度数据，元胞内有多个数据点的，取距离元胞中心点最近的数据点的数据赋值给元胞；元胞内只有一个数据点的，将其赋值给元胞；元胞内没有数据点的，选择该元胞邻域中的元胞数据的算术平均值给该元胞赋值，对于上述元胞邻域存在数据缺失的，递归地用上述方法将其赋值。
进一步地，所述步骤b包括：
根据林地地图将待预测林地按10m×10m为单位元胞划分成若干个等面积的正方形的元胞，经上述方式划分以后，对于待预测林地的边界区域，面积大于等于50m2的，划分为一个元胞，面积小于50m2的，舍去。
进一步地，所述步骤c包括：
森林火灾蔓延过程中，元胞(i,j)在t时刻的状态定义为：
Figure BDA0004188261950000041
通过公式
Figure BDA0004188261950000042
构建森林火灾蔓延模型；
其中，
Figure BDA0004188261950000043
为元胞(i,j)在t+1时刻的状态，Δt为采样间隔，a为元胞边长，R为当时当地的火势蔓延速度，且R＝R0·Ks·Kr·Kf，R0为火势初始蔓延速度，Ks为可燃物配置格局的调整系数，Kr为风速调整系数，Kf为地形坡度调整系数，/>
Figure BDA0004188261950000051
为t+1时刻元胞(i+1,j)的火势蔓延速度。
更进一步地，对于元胞(i,j)在t时刻的状态，如果元胞(i,j)所在区域的实体不可燃，
Figure BDA0004188261950000052
的值赋为-1；如果元胞(i,j)所在区域的实体可燃，/>
Figure BDA0004188261950000053
的取值范围为/>
Figure BDA0004188261950000054
Figure BDA0004188261950000055
表示元胞(i,j)处于燃烧状态；如果元胞(i,j)所在区域的实体尚未燃烧，/>
Figure BDA0004188261950000056
的值赋为0，如果元胞(i,j)所在区域的实体全部燃烧，/>
Figure BDA0004188261950000057
的值赋为1。
更进一步地，所述火势初始蔓延速度R0取决于可燃物的含水量，而含水量直接受控于每日的气温、风力和相对湿度。
本发明还提供一种森林火灾火势蔓延预测***，所述***包括：
数据获取模块，用于获取林地地图、林地地形和气象数据信息；
元胞划分模块，用于根据林地地图将待预测林地划分成若干个等面积的元胞，并按元胞为单位将数据获取模块获取的信息汇总；
模型构建模块，用于考虑元胞所在区域的实体不可燃性对元胞状态直接进行赋值，对于元胞所在区域存在可燃性实体的情况，基于元胞已经燃烧的面积与整个元胞的面积的比值获取元胞状态，考虑气温、相对湿度、风速、风向以及当前元胞状态，构建预测下一时刻元胞状态的森林火灾蔓延模型；
火灾蔓延预测模块，用于将元胞划分模块获取的信息输入森林火灾蔓延模型进行火灾蔓延预测。
进一步地，所述数据获取模块还用于：
获取林地地图，基于气象数据平台和林地地图，获取待预测林地的气温、相对湿度、植被或可燃物信息、风速、风向、海拔高度，存放在GIS数据文件中，并且将GIS数据文件中上述各参数转换为统一的数据格式。
更进一步地，对于所述气温、相对湿度、风速、风向及海拔高度数据，元胞内有多个数据点的，取距离元胞中心点最近的数据点的数据赋值给元胞；元胞内只有一个数据点的，将其赋值给元胞；元胞内没有数据点的，选择该元胞邻域中的元胞数据的算术平均值给该元胞赋值，对于上述元胞邻域存在数据缺失的，递归地用上述方法将其赋值。
进一步地，所述元胞划分模块还用于：
根据林地地图将待预测林地按10m×10m为单位元胞划分成若干个等面积的正方形的元胞，经上述方式划分以后，对于待预测林地的边界区域，面积大于等于50m2的，划分为一个元胞，面积小于50m2的，舍去。
进一步地，所述模型构建模块还用于：
森林火灾蔓延过程中，元胞(i,j)在t时刻的状态定义为：
Figure BDA0004188261950000061
通过公式
Figure BDA0004188261950000062
构建森林火灾蔓延模型；
其中，
Figure BDA0004188261950000063
为元胞(i,j)在t+1时刻的状态，Δt为采样间隔，a为元胞边长，R为当时当地的火势蔓延速度，且R＝R0·Ks·Kr·Kf，R0为火势初始蔓延速度，Ks为可燃物配置格局的调整系数，Kr为风速调整系数，Kf为地形坡度调整系数，/>
Figure BDA0004188261950000064
为t+1时刻元胞(i+1,j)的火势蔓延速度。
更进一步地，对于元胞(i,j)在t时刻的状态，如果元胞(i,j)所在区域的实体不可燃，
Figure BDA0004188261950000065
的值赋为-1；如果元胞(i,j)所在区域的实体可燃，/>
Figure BDA0004188261950000066
的取值范围为/>
Figure BDA0004188261950000067
Figure BDA0004188261950000068
表示元胞(i,j)处于燃烧状态；如果元胞(i,j)所在区域的实体尚未燃烧，/>
Figure BDA0004188261950000069
的值赋为0，如果元胞(i,j)所在区域的实体全部燃烧，/>
Figure BDA00041882619500000610
的值赋为1。
更进一步地，所述火势初始蔓延速度R0取决于可燃物的含水量，而含水量直接受控于每日的气温、风力和相对湿度。
本发明的优点在于：本发明元胞状态的计算并非采用统一的时间步长，而是基于元胞已经燃烧的面积与整个元胞的面积的比值获取元胞状态，从而对元胞状态的描述更加准确，考虑部分障碍物的不可燃性，对元胞状态直接进行赋值，避免对于不可燃的元胞持续参与计算，避免影响计算效率并且避免影响后续无人机路径规划的准确性，并且考虑气温、相对湿度、风速、风向等对火势蔓延预测结果的影响，基于当前元胞状态，构建预测下一时刻元胞状态的森林火灾蔓延模型，综合考虑多种影响因素，提高预测结果的准确性。
附图说明
图1为本发明实施例1所公开的一种森林火灾火势蔓延预测方法的流程图；
图2为本发明实施例1所公开的一种森林火灾火势蔓延预测方法中中心元胞在OA、OB、OC、OD、OE、OF、OG方向的地形坡度调整系数计算示意图；
图3为本发明实施例1所公开的一种森林火灾火势蔓延预测方法中时间T＝150s时，V分别为3、6、9、12、15(单位m/s)，Ks分别为0.8、1.2、1.6、2.0时的火灾预测情况示意图；
图4为本发明实施例1所公开的一种森林火灾火势蔓延预测方法中V＝8m/s，Ks＝1.2，风向45°时，时间T从50s到500s时的火灾预测情况示意图；
图5为本发明实施例1所公开的一种森林火灾火势蔓延预测方法中V＝12m/s，Ks＝1.2，风向45°时，时间T从25s到500s时的火灾预测情况示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，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作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。
实施例1
如图1所示，一种森林火灾火势蔓延预测方法，所述方法包括：
步骤a：获取林地地图、林地地形和气象数据信息；具体过程为：
获取林地地图，基于气象数据平台和林地地图，获取待预测林地的气温、相对湿度、植被或可燃物信息、风速、风向、海拔高度等信息存放在GIS数据文件中，由于数据具有多种格式，需要转换为统一的数据格式和空间参考系，使其达到林火蔓延模拟的数据条件，因此将GIS数据文件中上述各参数转换为统一的数据格式。
步骤b：根据林地地图将待预测林地划分成若干个等面积的元胞，并按元胞为单位将步骤a获取的信息汇总；具体过程为：
根据林地地图将待预测林地按10m×10m为单位元胞划分成若干个等面积的正方形的元胞，经上述方式划分以后，对于待预测林地的边界区域，面积大于等于50m2的，划分为一个元胞，面积小于50m2的，舍去。
对于所述气温、相对湿度、风速、风向及海拔高度等数据，元胞内有多个数据点的，取距离元胞中心点最近的数据点的数据赋值给元胞；元胞内只有一个数据点的，将其赋值给元胞；元胞内没有数据点的，选择该元胞邻域中的元胞数据的算术平均值给该元胞赋值，对于上述元胞邻域存在数据缺失的，选择其邻域中的元胞数据的算术平均值给该数据缺失的元胞赋值，递归地用上述方法赋值。
步骤c：考虑元胞所在区域的实体不可燃性对元胞状态直接进行赋值，对于元胞所在区域存在可燃性实体的情况，基于元胞已经燃烧的面积与整个元胞的面积的比值获取元胞状态，考虑气温、相对湿度、风速、风向以及当前元胞状态，构建预测下一时刻元胞状态的森林火灾蔓延模型；
对于森林火灾蔓延模型的设计思路有两种，一种是根据中心燃烧元胞的信息，利用火灾蔓延速度方程(下文公式R＝R0·Ks·Kr·Kf)计算出下一时刻邻域元胞的火灾蔓延速度，由此得到所有元胞在该时刻的速度信息，适用于平时的火灾情况模拟和火灾隐患的排查。
第二种思路为：利用邻域元胞的速度信息以及中心元胞上一时刻的状态信息，代入元胞状态转换方程(下文森林火灾蔓延模型公式)中，即可预测出中心元胞在该时刻的状态，其他元胞的状态求解方法同理。按照此方法，最终可以预测出任意时刻任意元胞的状态，从而实现火灾蔓延仿真模拟，可以实时地更新和在环境动态变化的基础上预测。以下详细介绍火灾蔓延速度的计算以及利用邻域元胞的速度信息以及中心元胞上一时刻的状态信息构建森林火灾蔓延模型的过程：
森林火灾蔓延过程中，元胞(i,j)在t时刻的状态定义为：
Figure BDA0004188261950000081
对于元胞(i,j)在t时刻的状态，如果元胞(i,j)所在区域的实体不可燃，
Figure BDA0004188261950000082
的值赋为-1；如果元胞(i,j)所在区域的实体可燃，/>
Figure BDA0004188261950000083
的取值范围为/>
Figure BDA0004188261950000084
表示元胞尚未燃烧，/>
Figure BDA0004188261950000085
表示元胞处于燃烧状态，/>
Figure BDA0004188261950000086
表示元胞已经被完全燃烧。
元胞处于t时刻时，其燃烧状态和邻域元胞向其蔓延的速度
Figure BDA0004188261950000087
的决定了元胞(i,j)在t+1时刻的状态，通过公式
Figure BDA0004188261950000091
构建森林火灾蔓延模型；
其中，
Figure BDA0004188261950000092
为元胞(i,j)在t+1时刻的状态，Δt为采样间隔，a为元胞边长，R为当时当地的火势蔓延速度，且R＝R0·Ks·Kr·Kf，R0为火势初始蔓延速度，所述火势初始蔓延速度R0取决于可燃物的含水量，而含水量直接受控于每日的气温、风力和相对湿度，通过室内或室外火烧试验预先分析出可燃物的含水量，直接将可燃物含水量通过加权量化为火势初始蔓延速度R0，具体加权指标根据实际应用情况调整。Ks为可燃物配置格局的调整系数，Kr为风速调整系数，Kf为地形坡度调整系数，/>
Figure BDA0004188261950000093
为t+1时刻元胞(i+1,j)的火势蔓延速度。林火蔓延过程中，邻域元胞会受到风作用的影响，利用中心燃烧元胞对邻域元胞方向的分速度，可以得到风速调整系数与火势蔓延速度之间的函数关系，而地形坡度调整系数可由几何关系推导出来，具体可燃物配置格局的调整系数、风速调整系数以及地形坡度调整系数的获取过程在下文详细介绍。
地形坡度调整系数Kf与元胞之间坡度角θ有关，元胞之间的坡度角θ可以由海拔差Δh和元胞中心之间距离Δx计算得出，如果两元胞间方向是互相的正东、正南、正西或者正北中的一种，则元胞中心间距等于元胞边长10m；如果是互相的东北、东南、西北、西南，则元胞中心间距等于元胞边长的根号2倍即
Figure BDA0004188261950000094
元胞间坡度角即为/>
Figure BDA0004188261950000095
如附图2所示，中心元胞在OA、OB、OC、OD、OE、OF、OG方向的地形坡度调整系数Kf为e0.1783Vcos(θ-45°)、e0.1783Vcos(θ-90°)、e0.1783Vcos(θ-135°)、e0.1783Vcos(θ-180°)、e0.1783Vcos(225°-θ)、e0.1783Vcos (90°+θ)、e0.1783Vcos(315°-θ)，其中，V表示风速，θ根据OA、OB、OC、OD、OE、OF、OG等方向的不同，涉及的元胞不同，因此求取的角度值不同，以OA方向为例，其涉及元胞(i,j)以及元胞(i-1,j-1)，因此计算中心元胞在OA方向的地形坡度调整系数Kf时，θ应该是元胞(i,j)以及元胞(i-1,j-1)的元胞间坡度角，其他方向同理，在此不做过多赘述。
可燃物配置格局的调整系数Ks通过下表1给定
表1可燃物配置格局的调整系数
Figure BDA0004188261950000101
风速调整系数Kr基于风速通过下表2给定
表2风速调整系数
Figure BDA0004188261950000102
综上，任意元胞任意时刻的火势初始蔓延速度、可燃物配置格局的调整系数、风速调整系数以及地形坡度调整系数已知的情况下就能求出其火势蔓延速度，代入森林火灾蔓延模型即可求出火灾蔓延预测结果，例如，t+1时刻元胞(i+1,j)的火势蔓延速度
Figure BDA0004188261950000104
通过将t+1时刻元胞(i+1,j)的火势初始蔓延速度、可燃物配置格局的调整系数、风速调整系数以及地形坡度调整系数代入公式R＝R0·Ks·Kr·Kf即可求解。
步骤d：将步骤b获取的信息输入森林火灾蔓延模型进行火灾蔓延预测。
气象、地形和可燃物特性等影响因素共同决定了林火蔓延扩散，数据具有多样性，为了更加准确地模拟林火蔓延态势，需要利用不同林火蔓延模型进行模拟对比，并进行空间精度评价，目前主要有比较蔓延速率、周长、火场面积等指标来评价火行为模拟精度，由于缺少林火蔓延速率的详细数据，本发明仅在火场面积方面进行比较。选用以下精度评价指标，其表达式为：
Figure BDA0004188261950000103
上式中，sp为该***模拟面积与实际过火面积不重合区域的面积；sR为实际过火面积；ε为***模拟面积与实际过火面积不重合区域的面积与实际过火面积的比率。该比率越小说明火灾蔓延预测精度越高，通过这种方式能够验证本发明提出的方案的有效性以及预测精度。如图3-图5所示，给出了几种不同情况下火灾预测情况仿真模拟结果，通过该仿真模拟可以看出，本发明提出的方案能够有效预测火灾蔓延情况，其中位于矩形区域中间的不规则区域为火灾蔓延区域。
通过以上技术方案，本发明元胞状态的计算并非采用统一的时间步长，而是基于元胞已经燃烧的面积与整个元胞的面积的比值获取元胞状态，从而对元胞状态的描述更加准确，考虑部分障碍物的不可燃性，对元胞状态直接进行赋值，避免对于不可燃的元胞持续参与计算，避免影响计算效率并且避免影响后续无人机路径规划的准确性，并且考虑气温、相对湿度、风速、风向等对火势蔓延预测结果的影响，基于当前元胞状态，构建预测下一时刻元胞状态的森林火灾蔓延模型，综合考虑多种影响因素，提高预测结果的准确性。
实施例2
基于实施例1，本发明实施例2还提供一种森林火灾火势蔓延预测***，所述***包括：
数据获取模块，用于获取林地地图、林地地形和气象数据信息；
元胞划分模块，用于根据林地地图将待预测林地划分成若干个等面积的元胞，并按元胞为单位将数据获取模块获取的信息汇总；
模型构建模块，用于考虑元胞所在区域的实体不可燃性对元胞状态直接进行赋值，对于元胞所在区域存在可燃性实体的情况，基于元胞已经燃烧的面积与整个元胞的面积的比值获取元胞状态，考虑气温、相对湿度、风速、风向以及当前元胞状态，构建预测下一时刻元胞状态的森林火灾蔓延模型；
火灾蔓延预测模块，用于将元胞划分模块获取的信息输入森林火灾蔓延模型进行火灾蔓延预测。
具体的，所述数据获取模块还用于：
获取林地地图，基于气象数据平台和林地地图，获取待预测林地的气温、相对湿度、植被或可燃物信息、风速、风向、海拔高度，存放在GIS数据文件中，并且将GIS数据文件中上述各参数转换为统一的数据格式。
更具体的，对于所述气温、相对湿度、风速、风向及海拔高度数据，元胞内有多个数据点的，取距离元胞中心点最近的数据点的数据赋值给元胞；元胞内只有一个数据点的，将其赋值给元胞；元胞内没有数据点的，选择该元胞邻域中的元胞数据的算术平均值给该元胞赋值，对于上述元胞邻域存在数据缺失的，递归地用上述方法将其赋值。
具体的，所述元胞划分模块还用于：
根据林地地图将待预测林地按10m×10m为单位元胞划分成若干个等面积的正方形的元胞，经上述方式划分以后，对于待预测林地的边界区域，面积大于等于50m2的，划分为一个元胞，面积小于50m2的，舍去。
具体的，所述模型构建模块还用于：
森林火灾蔓延过程中，元胞(i,j)在t时刻的状态定义为：
Figure BDA0004188261950000121
通过公式
Figure BDA0004188261950000122
构建森林火灾蔓延模型；
其中，
Figure BDA0004188261950000123
为元胞(i,j)在t+1时刻的状态，Δt为采样间隔，a为元胞边长，R为当时当地的火势蔓延速度，且R＝R0·Ks·Kr·Kf，R0为火势初始蔓延速度，Ks为可燃物配置格局的调整系数，Kr为风速调整系数，Kf为地形坡度调整系数，/>
Figure BDA0004188261950000124
为t+1时刻元胞(i+1,j)的火势蔓延速度。
更具体的，对于元胞(i,j)在t时刻的状态，如果元胞(i,j)所在区域的实体不可燃，
Figure BDA0004188261950000125
的值赋为-1；如果元胞(i,j)所在区域的实体可燃，/>
Figure BDA0004188261950000126
的取值范围为/>
Figure BDA0004188261950000127
Figure BDA0004188261950000128
表示元胞(i,j)处于燃烧状态；如果元胞(i,j)所在区域的实体尚未燃烧，/>
Figure BDA0004188261950000129
的值赋为0，如果元胞(i,j)所在区域的实体全部燃烧，/>
Figure BDA00041882619500001210
的值赋为1。
更具体的，所述火势初始蔓延速度R0取决于可燃物的含水量，而含水量直接受控于每日的气温、风力和相对湿度。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种森林火灾火势蔓延预测方法，其特征在于，所述方法包括：
步骤a：获取林地地图、林地地形和气象数据信息；
步骤b：根据林地地图将待预测林地划分成若干个等面积的元胞，并按元胞为单位将步骤a获取的信息汇总；
步骤c：考虑元胞所在区域的实体不可燃性对元胞状态直接进行赋值，对于元胞所在区域存在可燃性实体的情况，基于元胞已经燃烧的面积与整个元胞的面积的比值获取元胞状态，考虑气温、相对湿度、风速、风向以及当前元胞状态，构建预测下一时刻元胞状态的森林火灾蔓延模型；
步骤d：将步骤b获取的信息输入森林火灾蔓延模型进行火灾蔓延预测。
2.根据权利要求1所述的一种森林火灾火势蔓延预测方法，其特征在于，所述步骤a包括：
获取林地地图，基于气象数据平台和林地地图，获取待预测林地的气温、相对湿度、植被或可燃物信息、风速、风向、海拔高度，存放在GIS数据文件中，并且将GIS数据文件中上述各参数转换为统一的数据格式。
3.根据权利要求2所述的一种森林火灾火势蔓延预测方法，其特征在于，对于所述气温、相对湿度、风速、风向及海拔高度数据，元胞内有多个数据点的，取距离元胞中心点最近的数据点的数据赋值给元胞；元胞内只有一个数据点的，将其赋值给元胞；元胞内没有数据点的，选择该元胞邻域中的元胞数据的算术平均值给该元胞赋值，对于上述元胞邻域存在数据缺失的，递归地用上述方法将其赋值。
4.根据权利要求1所述的一种森林火灾火势蔓延预测方法，其特征在于，所述步骤b包括：
根据林地地图将待预测林地按10×10为单位元胞划分成若干个等面积的正方形的元胞，经上述方式划分以后，对于待预测林地的边界区域，面积大于等于50m2的，划分为一个元胞，面积小于50m2的，舍去。
5.根据权利要求1所述的一种森林火灾火势蔓延预测方法，其特征在于，所述步骤c包括：
森林火灾蔓延过程中，元胞(i,j)在t时刻的状态定义为：
Figure FDA0004188261920000011
通过公式
Figure FDA0004188261920000021
构建森林火灾蔓延模型；
其中，
Figure FDA0004188261920000022
为元胞(i,j)在t+1时刻的状态，Δt为采样间隔，a为元胞边长，R为当时当地的火势蔓延速度，且R＝R0·Ks·Kr·Kf，R0为火势初始蔓延速度，Ks为可燃物配置格局的调整系数，Kr为风速调整系数，Kf为地形坡度调整系数，/>
Figure FDA0004188261920000023
为t+1时刻元胞(i+1,j)的火势蔓延速度。
6.根据权利要求5所述的一种森林火灾火势蔓延预测方法，其特征在于，对于元胞(i,j)在t时刻的状态，如果元胞(i,j)所在区域的实体不可燃，
Figure FDA0004188261920000024
的值赋为-1；如果元胞(i,j)所在区域的实体可燃，/>
Figure FDA0004188261920000025
的取值范围为/>
Figure FDA0004188261920000026
表示元胞(i,j)处于燃烧状态；如果元胞(i,j)所在区域的实体尚未燃烧，/>
Figure FDA0004188261920000027
的值赋为0，如果元胞(i,j)所在区域的实体全部燃烧，/>
Figure FDA0004188261920000028
的值赋为1。
7.根据权利要求5所述的一种森林火灾火势蔓延预测方法，其特征在于，所述火势初始蔓延速度R0取决于可燃物的含水量，而含水量直接受控于每日的气温、风力和相对湿度。
8.一种森林火灾火势蔓延预测***，其特征在于，所述***包括：
数据获取模块，用于获取林地地图、林地地形和气象数据信息；
元胞划分模块，用于根据林地地图将待预测林地划分成若干个等面积的元胞，并按元胞为单位将数据获取模块获取的信息汇总；
模型构建模块，用于考虑元胞所在区域的实体不可燃性对元胞状态直接进行赋值，对于元胞所在区域存在可燃性实体的情况，基于元胞已经燃烧的面积与整个元胞的面积的比值获取元胞状态，考虑气温、相对湿度、风速、风向以及当前元胞状态，构建预测下一时刻元胞状态的森林火灾蔓延模型；
火灾蔓延预测模块，用于将元胞划分模块获取的信息输入森林火灾蔓延模型进行火灾蔓延预测。
9.根据权利要求8所述的一种森林火灾火势蔓延预测***，其特征在于，所述数据获取模块还用于：
获取林地地图，基于气象数据平台和林地地图，获取待预测林地的气温、相对湿度、植被或可燃物信息、风速、风向、海拔高度，存放在GIS数据文件中，并且将GIS数据文件中上述各参数转换为统一的数据格式。
10.根据权利要求9所述的一种森林火灾火势蔓延预测***，其特征在于，对于所述气温、相对湿度、风速、风向及海拔高度数据，元胞内有多个数据点的，取距离元胞中心点最近的数据点的数据赋值给元胞；元胞内只有一个数据点的，将其赋值给元胞；元胞内没有数据点的，选择该元胞邻域中的元胞数据的算术平均值给该元胞赋值，对于上述元胞邻域存在数据缺失的，递归地用上述方法将其赋值。
CN202310424042.7A 2023-04-19 2023-04-19 一种森林火灾火势蔓延预测方法及*** Pending CN116415754A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310424042.7A CN116415754A (zh) 2023-04-19 2023-04-19 一种森林火灾火势蔓延预测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310424042.7A CN116415754A (zh) 2023-04-19 2023-04-19 一种森林火灾火势蔓延预测方法及***

Publications (1)

Publication Number Publication Date
CN116415754A true CN116415754A (zh) 2023-07-11

Family

ID=87056131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310424042.7A Pending CN116415754A (zh) 2023-04-19 2023-04-19 一种森林火灾火势蔓延预测方法及***

Country Status (1)

Country Link
CN (1) CN116415754A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN117557559A (zh) * 2024-01-11 2024-02-13 青岛山科智汇信息科技有限公司 一种灭火弹的弹着点确定方法、介质及***

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN117557559A (zh) * 2024-01-11 2024-02-13 青岛山科智汇信息科技有限公司 一种灭火弹的弹着点确定方法、介质及***

Similar Documents

Publication Publication Date Title
CN116415754A (zh) 一种森林火灾火势蔓延预测方法及***
Clements et al. The FireFlux II experiment: a model-guided field experiment to improve understanding of fire–atmosphere interactions and fire spread
CN109472421A (zh) 一种电网山火蔓延预警方法及装置
CN103905560B (zh) 基于复杂网络的油罐区火蔓延预测与分析方法
Nadeau et al. Estimation of urban sensible heat flux using a dense wireless network of observations
Gollner et al. Towards data-driven operational wildfire spread modeling: A report of the NSF-funded WIFIRE workshop
Shamsaei et al. Coupled fire-atmosphere simulation of the 2018 Camp Fire using WRF-Fire
Moody et al. QES-Fire: a dynamically coupled fast-response wildfire model
CN115661245B (zh) 一种基于无人机的大尺度火线瞬时定位方法
Zhao et al. Simulation of forest fire occurrence and spread based on cellular automata model
Riggan et al. Airborne remote sensing of wildland fires
Gollner et al. Towards data-driven operational wildfire spread modeling
Palau et al. A study of dispersion in complex terrain under winter conditions using high-resolution mesoscale and Lagrangian particle models
Soderlund Characterization of wildland fires through evidence-based sensor fusion and planning
Quintiere Canadian mass fire experiment, 1989
Huang et al. Reverse Deduction Model of Forest Fire Spread Based on Cellular Automata
Liu et al. A grid automation of wildfire growth simulation
Im et al. An application of a puff dispersion model on power plant emissions in Yatagan region, Turkey
Shashina et al. The Cryolithozone Transport Infrastructure Facility Functionality Forecasting Technology
PI et al. FIRETEC and WFDS Modeling of Fire Behavior and Smoke in Support of FASMEE JFSP PROJECT ID: 16-4-05-1
Santoso et al. Use of synthetic data to test flight patterns for a boundary layer field experiment
CN115062870A (zh) 气体污染源扩散模拟预测算法
Gonzalez-Perez et al. Pollutant Dispersion from a Structural Fire Accident and its Effect on the Local Environment using a CFD Model
Bardina et al. Modeling and simulation of Shuttle launch and range operations
Saxena et al. A Model for Predicting Ignition Potential of Complex Fuel in Diurnally Variable Environment

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