CN116612598B - 一种基于物联网的多点监控式森林防火监测*** - Google Patents

一种基于物联网的多点监控式森林防火监测*** Download PDF

Info

Publication number
CN116612598B
CN116612598B CN202310882132.0A CN202310882132A CN116612598B CN 116612598 B CN116612598 B CN 116612598B CN 202310882132 A CN202310882132 A CN 202310882132A CN 116612598 B CN116612598 B CN 116612598B
Authority
CN
China
Prior art keywords
vegetation
fire
monitoring area
monitoring
low
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
CN202310882132.0A
Other languages
English (en)
Other versions
CN116612598A (zh
Inventor
丁锡军
丁伟民
考扬鹏
徐磊
宋峻
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.)
Shandong Nuode Agriculture And Forestry Technology Co ltd
Tegson Shandong Iot Technology Co ltd
Original Assignee
Shandong Nuode Agriculture And Forestry Technology Co ltd
Tegson Shandong Iot Technology Co ltd
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 Shandong Nuode Agriculture And Forestry Technology Co ltd, Tegson Shandong Iot Technology Co ltd filed Critical Shandong Nuode Agriculture And Forestry Technology Co ltd
Priority to CN202310882132.0A priority Critical patent/CN116612598B/zh
Publication of CN116612598A publication Critical patent/CN116612598A/zh
Application granted granted Critical
Publication of CN116612598B publication Critical patent/CN116612598B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/10—Forestry
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/50—Safety; Security of things, users, data or systems
    • 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)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Forests & Forestry (AREA)
  • Ecology (AREA)
  • Health & Medical Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Computer Security & Cryptography (AREA)
  • Emergency Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及森林防火监测技术领域，具体公开一种基于物联网的多点监控式森林防火监测***，该***包括地面落叶信息监测模块、植被信息监测模块、植被火灾易燃分析模块、气象信息监测分析模块、森林火灾预警分析模块、预警终端和云数据库；本发明通过对落叶层面、不同类别的植被层面以及气象层面进行监测分析，计算各监测区域的森林火灾预警系数，并据此进行火灾预警评定，实现了各监测区域的森林火灾预警的多维度分析，提高了森林管理人员对森林防火异常情况觉察的及时性和实时性，有效解决了当前根据明火情况、气象情况和植被分布情况进行森林防火监测分析的局限性，保障了人类的生命财产安全。

Description

一种基于物联网的多点监控式森林防火监测***
技术领域
本发明涉及森林防火监测技术领域，具体而言，涉及一种基于物联网的多点监控式森林防火监测***。
背景技术
森林作为最重要的生态***之一，提供着丰富的生物多样性、供氧、水循环、土壤保护和碳吸收等关键生态功能，而森林火灾在导致大量树木烧毁、动植物死亡、生物多样性丧失的同时还威胁着人类生命财产安全，因此，需要进行森林防火监测。
现有的森林主要根据明火情况、气象情况和植被分布情况进行防火监测，很显然，这种防火监测方式还存在以下几个方面的问题：1、通过明火情况进行森林防火监测存在火灾发现的延后性，同时森林管理人员现场进行防火监测，使得森林火灾预防效果得不到保障。
2、当前只考虑落叶的厚度情况，未对落叶的易燃情况和分布情况进行深度分析，降低了森林防火监测的针对性，同时降低了森林防火的精准性。
3、未考虑植被的品种、油脂量、含水量对火灾发生可能性的影响，且不同品种的植被的易燃情况不同，当前森林防火监测的覆盖面不足，增加了森林火灾隐患，从而破坏了森林生态***的稳定，威胁了人类的生命财产安全。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于物联网的多点监控式森林防火监测***。
本发明的目的可以通过以下技术方案实现：本发明提供一种基于物联网的多点监控式森林防火监测***，包括：地面落叶信息监测模块，用于将目标森林进行区域划分，得到划分的各监测区域，提取各监测区域的面积，并对各监测区域内落叶颜色种类数目和各落叶颜色种类对应的覆盖面积进行监测。
植被信息监测模块，用于监测各监测区域内低度植被和高度植被的种类以及各低度植被种类和各高度植被种类的占地面积和植被数目，并监测各低度植被种类中各低度植被的轮廓体积、高度、叶片颜色和各高度植被种类中各高度植被的胸径和枝干颜色。
植被火灾易燃分析模块，用于计算各监测区域植被对应表观层面和非表观层面的火灾易燃系数，从而分析各监测区域对应植被层面的森林火灾易燃系数，其中/>表示监测区域编号，/>。
气象信息监测分析模块，用于监测各监测区域的温度、湿度和阳光强度，从而分析各监测区域对应气象层面的森林火灾易燃系数。
云数据库，用于存储各易燃的落叶颜色种类、枝干颜色和叶片颜色，存储各低度植被种类和各高度植被种类对应各年龄的油脂量和含水量，并存储各高度植被种类的常规生长速率。
森林火灾预警分析模块，用于计算各监测区域的森林火灾预警系数。
预警终端，用于当某监测区域的森林火灾预警系数大于或者等于设定参照的森林火灾预警系数时进行森林火灾预警。
具体地，所述计算各监测区域植被对应表观层面的火灾易燃系数，具体计算过程为：A1、将各监测区域内各落叶颜色种类与云数据库中存储的各易燃的落叶颜色种类进行匹配，得到各监测区域内易燃的落叶颜色种类数目，记为。
A2、将各监测区域内各易燃的落叶颜色种类对应的覆盖面积进行累加，得到易燃的落叶覆盖总面积，记为。
A3、将各监测区域的面积和各监测区域内落叶颜色种类数目分别记为和/>。
A4、计算各监测区域落叶层面对应表观层面的火灾易燃系数，
。
其中，和/>分别表示设定参照的易燃的落叶颜色种类数目占比和落叶覆盖总面积占比，/>和/>分别表示设定的易燃的落叶颜色种类数目占比和落叶覆盖总面积占比对应表观层面的火灾易燃评估占比权重，/>表示设定的落叶层面对应表观层面的火灾易燃评估修正因子。
A5、根据各监测区域的各低度植被种类的植被数目和各低度植被种类中各低度植被的叶片颜色，计算各监测区域低度植被层面对应表观层面的火灾易燃系数。
A6、根据各监测区域的各高度植被种类的植被数目和各高度植被种类中各高度植被的枝干颜色，按照各监测区域低度植被层面对应表观层面的火灾易燃系数的计算方式同理计算各监测区域高度植被层面对应表观层面的火灾易燃系数。
A7、计算各监测区域植被对应表观层面的火灾易燃系数。
具体地，所述计算各监测区域低度植被层面对应表观层面的火灾易燃系数，具体计算过程为：B1、将各监测区域的各低度植被种类的植被数目记为，其中，/>表示低度植被种类编号，/>。
B2、计算各监测区域低度植被的密集度，/>。
B3、若各监测区域的各低度植被种类中某低度植被的叶片颜色与云数据库中存储的各易燃的叶片颜色匹配成功，则将该低度植被记为易燃植被，由此统计各监测区域的各低度植被种类中易燃植被数目。
B4、将各监测区域的各低度植被种类中易燃植被数目进行累加，得到各监测区域的易燃低度植被总数，记为。
B5、计算各监测区域低度植被层面对应表观层面的火灾易燃系数，
。
其中，和/>分别表示设定参照的密集度和易燃低度植被总数占比，/>和/>分别表示设定的密集度和易燃低度植被总数占比对应表观层面的火灾易燃评估占比权重，表示设定的低度植被层面对应表观层面的火灾易燃评估修正因子。
具体地，所述各监测区域植被对应表观层面的火灾易燃系数的计算公式为：，其中，/>和/>分别表示设定的落叶层面、低度植被层面和高度植被层面对应表观层面的火灾易燃评估占比权重，/>表示自然常数。
具体地，所述计算各监测区域植被对应非表观层面的火灾易燃系数，具体计算过程为：C1、将各监测区域的各高度植被种类中各高度植被的胸径记为，其中，/>表示高度植被种类编号，/>，/>表示高度植被的编号，/>。
C2、从云数据库中提取各高度植被种类的常规生长速率，并记为。
C3、计算各监测区域的各高度植被种类中各高度植被的预计年龄，。
C4、根据各监测区域的各高度植被种类中各高度植被的预计年龄，从云数据库中定位出各监测区域的各高度植被种类中各高度植被的油脂量和含水量。
C5、从各监测区域各高度植被种类中各高度植被的油脂量中提取最大油脂量，记为，并将各监测区域各高度植被种类中各高度植被的含水量进行均值计算，得到各监测区域各高度植被种类的平均含水量，记为/>。
C6、计算各监测区域的各高度植被种类对应非表观层面的火灾易燃系数，
。
其中，和/>分别表示设定参照的第/>种高度植被的最大油脂量和平均含水量，/>和/>分别表示设定的高度植被的最大油脂量和平均含水量对应非表观层面的火灾易燃评估占比权重，/>表示设定的高度植被种类对应非表观层面的火灾易燃评估修正因子。
C7、计算各监测区域的高度植被对应非表观层面的火灾易燃系数。
C8、根据各监测区域的各低度植被种类中各低度植被的轮廓体积和高度，计算各监测区域的各低度植被种类中各低度植被的预计年龄，其中，/>表示低度植被的编号，。
C9、根据各监测区域的各低度植被种类中各低度植被的预计年龄，按照各监测区域的高度植被对应非表观层面的火灾易燃系数的计算方式同理计算各监测区域的低度植被对应非表观层面的火灾易燃系数，从而计算各监测区域植被对应非表观层面的火灾易燃系数/>。
具体地，所述计算各监测区域的高度植被对应非表观层面的火灾易燃系数，具体计算过程为：D1、从各监测区域的各高度植被种类对应非表观层面的火灾易燃系数中提取最大火灾易燃系数，记为。
D2、若某监测区域的某高度植被种类对应非表观层面的火灾易燃系数大于或者等于设定参照的火灾易燃系数，则将该高度植被种类记为易燃高度植被种类，由此统计各监测区域的易燃高度植被种类的综合占地面积，记为。
D3、计算各监测区域的高度植被对应非表观层面的火灾易燃系数，
。
其中，和/>分别表示设定参照的高度植被的最大火灾易燃系数和综合占地面积，/>和/>分别表示设定的高度植被的最大火灾易燃系数和综合占地面积对应非表观层面的火灾易燃评估占比权重，/>表示设定的高度植被对应非表观层面的火灾易燃评估修正因子。
具体地，所述各监测区域植被对应非表观层面的火灾易燃系数的计算公式为：，/>和/>分别表示设定的低度植被和高度植被对应非表观层面的火灾易燃评估占比权重。
具体地，所述各监测区域对应植被层面的森林火灾易燃系数的计算公式为：，其中，/>和/>分别表示设定的表观和非表观层面对应森林火灾易燃评估占比权重。
具体地，所述分析各监测区域对应气象层面的森林火灾易燃系数，具体分析过程为：E1、将各监测区域的温度、湿度和阳光强度分别记为和/>。
E2、计算各监测区域对应气象层面的森林火灾易燃系数，
。
其中，和/>分别表示设定参照的温度、湿度和阳光强度，/>和/>分别表示设定的温度、湿度和阳光强度对应森林火灾易燃占比权重，/>表示设定的气象层面的森林火灾易燃评估修正因子。
具体地，所述各监测区域的森林火灾预警系数的计算公式为：，其中，/>和/>分别表示设定的植被层面和气象层面对应的森林火灾预警评估占比权重。
相较于现有技术，本发明的实施例至少具有如下优点或有益效果：（1）本发明通过对落叶层面、不同类别的植被层面以及气象层面进行监测分析，计算各监测区域的森林火灾预警系数，并据此进行火灾预警评定，实现了各监测区域的森林火灾预警的多维度分析，提高了森林管理人员对森林防火异常情况觉察的及时性和实时性，提高了森林防火计划制定的合理性和适配性，从而降低了森林火灾发生的概率。
（2）本发明通过根据落叶的颜色种类和各落叶的颜色种类的覆盖面积进行落叶层面的火灾易燃系数分析，提高了植被表观层面的火灾易燃分析的针对性和精准性，同时为后续森林防火预警提供了可靠的数据支撑基础。
（3）本发明在进行植被层面的火灾易燃系数分析时，通过对低度植被和高度植被分别进行表观层面和非表观层面的火灾易燃系数分析，实现了植被层面的双重分析，有效解决了当前仅根据植被分布情况进行森林防火监测分析的局限性，有效降低了森林着火隐患，提高了森林生态***的稳定，保障了人类的生命财产安全。
（4）本发明在进行低度植被和高度植被对应非表观层面的火灾易燃系数分析时，通过植被的种类、占比面积和数目等参数进行分析，提高了各监测区域植被对应非表观层面的火灾易燃系数分析的充沛性和可信度，保障了森林火灾预防的效果。
（5）本发明通过从低度植被的轮廓体积和高度以及高度植被的胸径进行植被的年龄预估，由此确认植被的含水量和油脂量，进而分析各监测区域植被对应非表观层面的火灾易燃系数，提高了植被非表观层面的火灾易燃系数确认的准确性和合理性，未后续森林防火预警系数确认提供了更加稳固的支撑依据。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明***模块结构连接示意图。
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所示，本发明提供了一种基于物联网的多点监控式森林防火监测***，包括：地面落叶信息监测模块、植被信息监测模块、植被火灾易燃分析模块、气象信息监测分析模块、森林火灾预警分析模块、预警终端和云数据库。
所述地面落叶信息监测模块、植被信息监测模块和云数据库三者均与植被火灾易燃分析模块相连，植被火灾易燃分析模块和气象信息监测分析模块均与森林火灾预警分析模块相连，森林火灾预警分析模块和预警终端相连。
所述地面落叶信息监测模块，用于将目标森林进行区域划分，得到划分的各监测区域，提取各监测区域的面积，并对各监测区域内落叶颜色种类数目和各落叶颜色种类对应的覆盖面积进行监测。
需要说明的是，所述各监测区域的落叶信息和后续提及到的低度植被信息和高度植被信息均通过无人机搭载的摄像头监测得到。
所述植被信息监测模块，用于监测各监测区域内低度植被和高度植被的种类以及各低度植被种类和各高度植被种类的占地面积和植被数目，并监测各低度植被种类中各低度植被的轮廓体积、高度、叶片颜色和各高度植被种类中各高度植被的胸径和枝干颜色。
需要说明的是，所述叶片颜色为低度植被的主体叶片颜色，所述主体叶片颜色的评估方式为：低度植被叶片颜色占比最大的颜色作为主体叶片颜色。
所述植被火灾易燃分析模块，用于计算各监测区域植被对应表观层面和非表观层面的火灾易燃系数，从而分析各监测区域对应植被层面的森林火灾易燃系数，其中/>表示监测区域编号，/>。
在本发明具体实施例中，所述计算各监测区域植被对应表观层面的火灾易燃系数，具体计算过程为：A1、将各监测区域内各落叶颜色种类与云数据库中存储的各易燃的落叶颜色种类进行匹配，得到各监测区域内易燃的落叶颜色种类数目，记为。
A2、将各监测区域内各易燃的落叶颜色种类对应的覆盖面积进行累加，得到易燃的落叶覆盖总面积，记为。
A3、将各监测区域的面积和各监测区域内落叶颜色种类数目分别记为和/>。
A4、计算各监测区域落叶层面对应表观层面的火灾易燃系数，
。
其中，和/>分别表示设定参照的易燃的落叶颜色种类数目占比和落叶覆盖总面积占比，/>和/>分别表示设定的易燃的落叶颜色种类数目占比和落叶覆盖总面积占比对应表观层面的火灾易燃评估占比权重，/>表示设定的落叶层面对应表观层面的火灾易燃评估修正因子。
本发明实施例通过根据落叶的颜色种类和各落叶的颜色种类的覆盖面积进行落叶层面的火灾易燃系数分析，提高了植被表观层面的火灾易燃分析的针对性和精准性，同时为后续森林防火预警提供了可靠的数据支撑基础。
A5、根据各监测区域的各低度植被种类的植被数目和各低度植被种类中各低度植被的叶片颜色，计算各监测区域低度植被层面对应表观层面的火灾易燃系数。
在本发明具体实施例中，所述计算各监测区域低度植被层面对应表观层面的火灾易燃系数，具体计算过程为：B1、将各监测区域的各低度植被种类的植被数目记为，其中，/>表示低度植被种类编号，/>。
B2、计算各监测区域低度植被的密集度，/>。
B3、若各监测区域的各低度植被种类中某低度植被的叶片颜色与云数据库中存储的各易燃的叶片颜色匹配成功，则将该低度植被记为易燃植被，由此统计各监测区域的各低度植被种类中易燃植被数目。
B4、将各监测区域的各低度植被种类中易燃植被数目进行累加，得到各监测区域的易燃低度植被总数，记为。
B5、计算各监测区域低度植被层面对应表观层面的火灾易燃系数，
。
其中，和/>分别表示设定参照的密集度和易燃低度植被总数占比，/>和/>分别表示设定的密集度和易燃低度植被总数占比对应表观层面的火灾易燃评估占比权重，表示设定的低度植被层面对应表观层面的火灾易燃评估修正因子。
A6、根据各监测区域的各高度植被种类的植被数目和各高度植被种类中各高度植被的枝干颜色，按照各监测区域低度植被层面对应表观层面的火灾易燃系数的计算方式同理计算各监测区域高度植被层面对应表观层面的火灾易燃系数。
A7、计算各监测区域植被对应表观层面的火灾易燃系数。
在本发明具体实施例中，所述各监测区域植被对应表观层面的火灾易燃系数的计算公式为：，其中，/>和/>分别表示设定的落叶层面、低度植被层面和高度植被层面对应表观层面的火灾易燃评估占比权重，/>表示自然常数。
在本发明具体实施例中，所述计算各监测区域植被对应非表观层面的火灾易燃系数，具体计算过程为：C1、将各监测区域的各高度植被种类中各高度植被的胸径记为，其中，/>表示高度植被种类编号，/>，/>表示高度植被的编号，/>。
C2、从云数据库中提取各高度植被种类的常规生长速率，并记为。
C3、计算各监测区域的各高度植被种类中各高度植被的预计年龄，。
C4、根据各监测区域的各高度植被种类中各高度植被的预计年龄，从云数据库中定位出各监测区域的各高度植被种类中各高度植被的油脂量和含水量。
C5、从各监测区域各高度植被种类中各高度植被的油脂量中提取最大油脂量，记为，并将各监测区域各高度植被种类中各高度植被的含水量进行均值计算，得到各监测区域各高度植被种类的平均含水量，记为/>。
C6、计算各监测区域的各高度植被种类对应非表观层面的火灾易燃系数，
。
其中，和/>分别表示设定参照的第/>种高度植被的最大油脂量和平均含水量，/>和/>分别表示设定的高度植被的最大油脂量和平均含水量对应非表观层面的火灾易燃评估占比权重，/>表示设定的高度植被种类对应非表观层面的火灾易燃评估修正因子。
C7、计算各监测区域的高度植被对应非表观层面的火灾易燃系数。
在本发明具体实施例中，所述计算各监测区域的高度植被对应非表观层面的火灾易燃系数，具体计算过程为：D1、从各监测区域的各高度植被种类对应非表观层面的火灾易燃系数中提取最大火灾易燃系数，记为。
D2、若某监测区域的某高度植被种类对应非表观层面的火灾易燃系数大于或者等于设定参照的火灾易燃系数，则将该高度植被种类记为易燃高度植被种类，由此统计各监测区域的易燃高度植被种类的综合占地面积，记为。
D3、计算各监测区域的高度植被对应非表观层面的火灾易燃系数，
。
其中，和/>分别表示设定参照的高度植被的最大火灾易燃系数和综合占地面积，/>和/>分别表示设定的高度植被的最大火灾易燃系数和综合占地面积对应非表观层面的火灾易燃评估占比权重，/>表示设定的高度植被对应非表观层面的火灾易燃评估修正因子。
C8、根据各监测区域的各低度植被种类中各低度植被的轮廓体积和高度，计算各监测区域的各低度植被种类中各低度植被的预计年龄，其中，/>表示低度植被的编号，。
需要说明的是，所述计算各监测区域的各低度植被种类中各低度植被的预计年龄，具体计算过程为：F1、将各监测区域的各低度植被种类中各低度植被的轮廓体积和高度分别记为和/>。
F2、从云数据库中提取各低度植被种类的常规生长速率，记为。
F3、计算各监测区域的各低度植被种类中各低度植被的预计年龄，，其中，/>和/>分别表示设定的低度植被的轮廓体积和高度对应预计年龄的占比权重。
C9、根据各监测区域的各低度植被种类中各低度植被的预计年龄，按照各监测区域的高度植被对应非表观层面的火灾易燃系数的计算方式同理计算各监测区域的低度植被对应非表观层面的火灾易燃系数，从而计算各监测区域植被对应非表观层面的火灾易燃系数/>。
本发明实施例通过从低度植被的轮廓体积和高度以及高度植被的胸径进行植被的年龄预估，由此确认植被的含水量和油脂量，进而分析各监测区域植被对应非表观层面的火灾易燃系数，提高了植被非表观层面的火灾易燃系数确认的准确性和合理性，未后续森林防火预警系数确认提供了更加稳固的支撑依据。
在本发明具体实施例中，所述各监测区域植被对应非表观层面的火灾易燃系数的计算公式为：，/>和/>分别表示设定的低度植被和高度植被对应非表观层面的火灾易燃评估占比权重。
本发明实施例在进行低度植被和高度植被对应非表观层面的火灾易燃系数分析时，通过植被的种类、占比面积和数目等参数进行分析，提高了各监测区域植被对应非表观层面的火灾易燃系数分析的充沛性和可信度，保障了森林火灾预防的效果。
在本发明具体实施例中，所述各监测区域对应植被层面的森林火灾易燃系数的计算公式为：，其中，/>和/>分别表示设定的表观和非表观层面对应森林火灾易燃评估占比权重。
本发明实施例在进行植被层面的火灾易燃系数分析时，通过对低度植被和高度植被分别进行表观层面和非表观层面的火灾易燃系数分析，实现了植被层面的双重分析，有效解决了当前仅根据植被分布情况进行森林防火监测分析的局限性，有效降低了森林着火隐患，提高了森林生态***的稳定，保障了人类的生命财产安全。
所述气象信息监测分析模块，用于监测各监测区域的温度、湿度和阳光强度，从而分析各监测区域对应气象层面的森林火灾易燃系数。
需要说明的是，所述各监测区域的温度、湿度和阳光强度通过在各监测区域中心点安置的温度传感器、湿度传感器和阳光强度传感器监测得到。
在本发明具体实施例中，所述分析各监测区域对应气象层面的森林火灾易燃系数，具体分析过程为：E1、将各监测区域的温度、湿度和阳光强度分别记为和/>。
E2、计算各监测区域对应气象层面的森林火灾易燃系数，
。
其中，和/>分别表示设定参照的温度、湿度和阳光强度，/>和/>分别表示设定的温度、湿度和阳光强度对应森林火灾易燃占比权重，/>表示设定的气象层面的森林火灾易燃评估修正因子。
所述云数据库，用于存储各易燃的落叶颜色种类、枝干颜色和叶片颜色，存储各低度植被种类和各高度植被种类对应各年龄的油脂量和含水量，并存储各高度植被种类的常规生长速率。
所述森林火灾预警分析模块，用于计算各监测区域的森林火灾预警系数。
在本发明具体实施例中，所述各监测区域的森林火灾预警系数的计算公式为：，其中，/>和/>分别表示设定的植被层面和气象层面对应的森林火灾预警评估占比权重。
所述预警终端，用于当某监测区域的森林火灾预警系数大于或者等于设定参照的森林火灾预警系数时进行森林火灾预警。
本发明实施例通过对落叶层面、不同类别的植被层面以及气象层面进行监测分析，计算各监测区域的森林火灾预警系数，并据此进行火灾预警评定，实现了各监测区域的森林火灾预警的多维度分析，提高了森林管理人员对森林防火异常情况觉察的及时性和实时性，提高了森林防火计划制定的合理性和适配性，从而降低了森林火灾发生的概率。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.一种基于物联网的多点监控式森林防火监测***，其特征在于，包括：
地面落叶信息监测模块，用于将目标森林进行区域划分，得到划分的各监测区域，提取各监测区域的面积，并对各监测区域内落叶颜色种类数目和各落叶颜色种类对应的覆盖面积进行监测；
植被信息监测模块，用于监测各监测区域内低度植被和高度植被的种类以及各低度植被种类和各高度植被种类的占地面积和植被数目，并监测各低度植被种类中各低度植被的轮廓体积、高度、叶片颜色和各高度植被种类中各高度植被的胸径和枝干颜色；
植被火灾易燃分析模块，用于计算各监测区域植被对应表观层面和非表观层面的火灾易燃系数，从而分析各监测区域对应植被层面的森林火灾易燃系数，其中/>表示监测区域编号，/>；
气象信息监测分析模块，用于监测各监测区域的温度、湿度和阳光强度，从而分析各监测区域对应气象层面的森林火灾易燃系数；
云数据库，用于存储各易燃的落叶颜色种类、枝干颜色和叶片颜色，存储各低度植被种类和各高度植被种类对应各年龄的油脂量和含水量，并存储各低度植被种类和各高度植被种类的常规生长速率；
森林火灾预警分析模块，用于计算各监测区域的森林火灾预警系数；
预警终端，用于当某监测区域的森林火灾预警系数大于或者等于设定参照的森林火灾预警系数时进行森林火灾预警;
计算各监测区域植被对应表观层面的火灾易燃系数，具体计算过程为：
A1、将各监测区域内各落叶颜色种类与云数据库中存储的各易燃的落叶颜色种类进行匹配，得到各监测区域内易燃的落叶颜色种类数目，记为；
A2、将各监测区域内各易燃的落叶颜色种类对应的覆盖面积进行累加，得到易燃的落叶覆盖总面积，记为;
A3、将各监测区域的面积和各监测区域内落叶颜色种类数目分别记为和/>；
A4、计算各监测区域落叶层面对应表观层面的火灾易燃系数，
；
其中，和/>分别表示设定参照的易燃的落叶颜色种类数目占比和落叶覆盖总面积占比，/>和/>分别表示设定的易燃的落叶颜色种类数目占比和落叶覆盖总面积占比对应表观层面的火灾易燃评估占比权重，/>表示设定的落叶层面对应表观层面的火灾易燃评估修正因子；
A5、根据各监测区域的各低度植被种类的植被数目和各低度植被种类中各低度植被的叶片颜色，计算各监测区域低度植被层面对应表观层面的火灾易燃系数；
A6、根据各监测区域的各高度植被种类的植被数目和各高度植被种类中各高度植被的枝干颜色，按照各监测区域低度植被层面对应表观层面的火灾易燃系数的计算方式同理计算各监测区域高度植被层面对应表观层面的火灾易燃系数；
A7、计算各监测区域植被对应表观层面的火灾易燃系数;
所述计算各监测区域低度植被层面对应表观层面的火灾易燃系数，具体计算过程为：
B1、将各监测区域的各低度植被种类的植被数目记为，其中，/>表示低度植被种类编号，/>；
B2、计算各监测区域低度植被的密集度，/>；
B3、若各监测区域的各低度植被种类中某低度植被的叶片颜色与云数据库中存储的各易燃的叶片颜色匹配成功，则将该低度植被记为易燃植被，由此统计各监测区域的各低度植被种类中易燃植被数目；
B4、将各监测区域的各低度植被种类中易燃植被数目进行累加，得到各监测区域的易燃低度植被总数，记为；
B5、计算各监测区域低度植被层面对应表观层面的火灾易燃系数，
;
其中，和/>分别表示设定参照的密集度和易燃低度植被总数占比，/>和/>分别表示设定的密集度和易燃低度植被总数占比对应表观层面的火灾易燃评估占比权重，/>表示设定的低度植被层面对应表观层面的火灾易燃评估修正因子;
所述各监测区域植被对应表观层面的火灾易燃系数的计算公式为：，其中，/>和/>分别表示设定的落叶层面、低度植被层面和高度植被层面对应表观层面的火灾易燃评估占比权重，/>表示自然常数。
2.根据权利要求1所述的一种基于物联网的多点监控式森林防火监测***，其特征在于：所述计算各监测区域植被对应非表观层面的火灾易燃系数，具体计算过程为：
C1、将各监测区域的各高度植被种类中各高度植被的胸径记为，其中，/>表示高度植被种类编号，/>，/>表示高度植被的编号，/>；
C2、从云数据库中提取各高度植被种类的常规生长速率，并记为；
C3、计算各监测区域的各高度植被种类中各高度植被的预计年龄，/>；
C4、根据各监测区域的各高度植被种类中各高度植被的预计年龄，从云数据库中定位出各监测区域的各高度植被种类中各高度植被的油脂量和含水量；
C5、从各监测区域各高度植被种类中各高度植被的油脂量中提取最大油脂量，记为，并将各监测区域各高度植被种类中各高度植被的含水量进行均值计算，得到各监测区域各高度植被种类的平均含水量，记为/>；
C6、计算各监测区域的各高度植被种类对应非表观层面的火灾易燃系数，
；
其中，和/>分别表示设定参照的第/>种高度植被的最大油脂量和平均含水量，/>和/>分别表示设定的高度植被的最大油脂量和平均含水量对应非表观层面的火灾易燃评估占比权重，/>表示设定的高度植被种类对应非表观层面的火灾易燃评估修正因子；
C7、计算各监测区域的高度植被对应非表观层面的火灾易燃系数；
C8、根据各监测区域的各低度植被种类中各低度植被的轮廓体积和高度，计算各监测区域的各低度植被种类中各低度植被的预计年龄，其中，/>表示低度植被的编号，；
C9、根据各监测区域的各低度植被种类中各低度植被的预计年龄，按照各监测区域的高度植被对应非表观层面的火灾易燃系数的计算方式同理计算各监测区域的低度植被对应非表观层面的火灾易燃系数，从而计算各监测区域植被对应非表观层面的火灾易燃系数/>。
3.根据权利要求2所述的一种基于物联网的多点监控式森林防火监测***，其特征在于：所述计算各监测区域的高度植被对应非表观层面的火灾易燃系数，具体计算过程为：
D1、从各监测区域的各高度植被种类对应非表观层面的火灾易燃系数中提取最大火灾易燃系数，记为；
D2、若某监测区域的某高度植被种类对应非表观层面的火灾易燃系数大于或者等于设定参照的火灾易燃系数，则将该高度植被种类记为易燃高度植被种类，由此统计各监测区域的易燃高度植被种类的综合占地面积，记为；
D3、计算各监测区域的高度植被对应非表观层面的火灾易燃系数，
；
其中，和/>分别表示设定参照的高度植被的最大火灾易燃系数和综合占地面积，和/>分别表示设定的高度植被的最大火灾易燃系数和综合占地面积对应非表观层面的火灾易燃评估占比权重，/>表示设定的高度植被对应非表观层面的火灾易燃评估修正因子。
4.根据权利要求2所述的一种基于物联网的多点监控式森林防火监测***，其特征在于：所述各监测区域植被对应非表观层面的火灾易燃系数的计算公式为：，/>和/>分别表示设定的低度植被和高度植被对应非表观层面的火灾易燃评估占比权重。
5.根据权利要求4所述的一种基于物联网的多点监控式森林防火监测***，其特征在于：所述各监测区域对应植被层面的森林火灾易燃系数的计算公式为：，其中，/>和/>分别表示设定的表观和非表观层面对应森林火灾易燃评估占比权重。
6.根据权利要求1所述的一种基于物联网的多点监控式森林防火监测***，其特征在于：所述分析各监测区域对应气象层面的森林火灾易燃系数，具体分析过程为：
E1、将各监测区域的温度、湿度和阳光强度分别记为和/>；
E2、计算各监测区域对应气象层面的森林火灾易燃系数，
；
其中，和/>分别表示设定参照的温度、湿度和阳光强度，/>和/>分别表示设定的温度、湿度和阳光强度对应森林火灾易燃占比权重，/>表示设定的气象层面的森林火灾易燃评估修正因子。
7.根据权利要求1所述的一种基于物联网的多点监控式森林防火监测***，其特征在于：所述各监测区域的森林火灾预警系数的计算公式为：，其中，和/>分别表示设定的植被层面和气象层面对应的森林火灾预警评估占比权重。
CN202310882132.0A 2023-07-18 2023-07-18 一种基于物联网的多点监控式森林防火监测*** Active CN116612598B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310882132.0A CN116612598B (zh) 2023-07-18 2023-07-18 一种基于物联网的多点监控式森林防火监测***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310882132.0A CN116612598B (zh) 2023-07-18 2023-07-18 一种基于物联网的多点监控式森林防火监测***

Publications (2)

Publication Number Publication Date
CN116612598A CN116612598A (zh) 2023-08-18
CN116612598B true CN116612598B (zh) 2023-10-10

Family

ID=87676764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310882132.0A Active CN116612598B (zh) 2023-07-18 2023-07-18 一种基于物联网的多点监控式森林防火监测***

Country Status (1)

Country Link
CN (1) CN116612598B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117475570B (zh) * 2023-11-08 2024-05-28 四川欧航科技有限责任公司 一种适用于森林防火的雷达监测智能预警***
CN117411918B (zh) * 2023-12-11 2024-04-02 深圳前海翼联科技有限公司 一种基于iot物联网的监控报警方法及***
CN117783453B (zh) * 2024-02-27 2024-05-10 杨凌职业技术学院 一种林业防火用实时监测***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930049A (zh) * 2020-08-21 2020-11-13 广州立信电子科技有限公司 一种基于物联网的林业森林防火安全智能监测管理***
CN113018725A (zh) * 2021-04-26 2021-06-25 武汉行健道信息技术有限公司 基于远程图像分析处理技术的智慧消防分析管理一体化平台
CN113989641A (zh) * 2021-10-26 2022-01-28 南京林业大学 一种基于人工智能的森林火灾在线监测预警管理***
WO2022104736A1 (zh) * 2020-11-20 2022-05-27 周连惠 一种管理林业资源的方法和***
CN114638736A (zh) * 2022-02-28 2022-06-17 南京林业大学 基于物联网的森林防火数据分析***及方法
CN115409366A (zh) * 2022-08-27 2022-11-29 武汉很多鱼钓具有限公司 一种林业火灾监测评价方法、***及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930049A (zh) * 2020-08-21 2020-11-13 广州立信电子科技有限公司 一种基于物联网的林业森林防火安全智能监测管理***
WO2022104736A1 (zh) * 2020-11-20 2022-05-27 周连惠 一种管理林业资源的方法和***
CN113018725A (zh) * 2021-04-26 2021-06-25 武汉行健道信息技术有限公司 基于远程图像分析处理技术的智慧消防分析管理一体化平台
CN113989641A (zh) * 2021-10-26 2022-01-28 南京林业大学 一种基于人工智能的森林火灾在线监测预警管理***
CN114638736A (zh) * 2022-02-28 2022-06-17 南京林业大学 基于物联网的森林防火数据分析***及方法
CN115409366A (zh) * 2022-08-27 2022-11-29 武汉很多鱼钓具有限公司 一种林业火灾监测评价方法、***及存储介质

Also Published As

Publication number Publication date
CN116612598A (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN116612598B (zh) 一种基于物联网的多点监控式森林防火监测***
Bradstock et al. Effects of weather, fuel and terrain on fire severity in topographically diverse landscapes of south-eastern Australia
Tian et al. Wildfires and the Canadian Forest Fire Weather Index system for the Daxing'anling region of China
Michener et al. Detection of vegetation changes associated with extensive flooding in a forested ecosystem
Pinto et al. Fire danger rating over Mediterranean Europe based on fire radiative power derived from Meteosat
CN111930049A (zh) 一种基于物联网的林业森林防火安全智能监测管理***
San-Miguel-Ayanz et al. Current methods to assess fire danger potential
DaCamara et al. Calibration of the Fire Weather Index over Mediterranean Europe based on fire activity retrieved from MSG satellite imagery
CN109472421A (zh) 一种电网山火蔓延预警方法及装置
CN112542016B (zh) 一种基于大数据的森林防火智能监控***及方法
Rossato et al. Impact of soil moisture over Palmer Drought Severity Index and its future projections in Brazil
CN105160412A (zh) 一种评估输电线路山火故障跳闸概率的方法
CN109871613A (zh) 一种森林火灾判别模型获取方法及预测应用
CN116386252B (zh) 一种基于森林区域划分的可燃物监测方法
Botequim et al. Coupling fire behaviour modelling and stand characteristics to assess and mitigate fire hazard in a maritime pine landscape in Portugal
CN113989641A (zh) 一种基于人工智能的森林火灾在线监测预警管理***
Cruz et al. Fire behaviour in wheat crops–effect of fuel structure on rate of fire spread
CN114548812A (zh) 一种森林草原火灾风险预报决策方法、装置及计算机设备
Sirca et al. Assessing the performance of fire danger indexes in a Mediterranean area
Helzer The effects of wet meadow fragmentation on grassland birds
Isaacs et al. Ice storms generate spatially heterogeneous damage patterns at the watershed scale in forested landscapes
Sullivan Grassland fire management in future climate
Vega et al. Effects of flame interaction on the rate of spread of heading and suppression fires in shrubland experimental fires
Thakkar et al. Environmental fire hazard detection and prediction using random forest algorithm
Tanskanen et al. Experimental fire behaviour in managed Pinus sylvestris and Picea abies stands of Finland

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