CN110390135B - 一种提高林火蔓延预测精度的方法 - Google Patents

一种提高林火蔓延预测精度的方法 Download PDF

Info

Publication number
CN110390135B
CN110390135B CN201910520106.7A CN201910520106A CN110390135B CN 110390135 B CN110390135 B CN 110390135B CN 201910520106 A CN201910520106 A CN 201910520106A CN 110390135 B CN110390135 B CN 110390135B
Authority
CN
China
Prior art keywords
fire
range
time
point
moment
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
CN201910520106.7A
Other languages
English (en)
Other versions
CN110390135A (zh
Inventor
徐奔奔
柴向停
李富成
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.)
Beijing Zhongke Ruijing Technology Co ltd
Original Assignee
Beijing Zhongke Ruijing 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 Beijing Zhongke Ruijing Technology Co ltd filed Critical Beijing Zhongke Ruijing Technology Co ltd
Priority to CN201910520106.7A priority Critical patent/CN110390135B/zh
Publication of CN110390135A publication Critical patent/CN110390135A/zh
Application granted granted Critical
Publication of CN110390135B publication Critical patent/CN110390135B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Geometry (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Fire Alarms (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请公开了一种提高林火蔓延预测精度的方法，解决了现有技术林火蔓延预测的精度较低的问题。以第一时刻监测火点位置或范围为初始条件，用火灾模拟系统模拟火灾蔓延过程，生成第二时刻模拟火点位置或范围；监测火点位置和第二时刻模拟火点位置生成蔓延调节值；以第二时刻监测火点位置或范围为初始条件，用火灾模拟系统模拟火灾蔓延过程，用所述蔓延调节值加权生成第三时刻模拟火点位置或范围。将卫星遥感监测的火灾数据与火灾模拟系统相结合，更容易展现一场森林火灾的整体蔓延，且较为精确，可以限制森林火灾模拟过程中的因火灾模拟模型自身假设或使用条件限制导致的误差传递。

Description

一种提高林火蔓延预测精度的方法
技术领域
本申请涉及遥感领域和森林火灾模拟研究领域，尤其涉及一种提高林火蔓延预测精度的方法。
背景技术
卫星遥感火监测能提供近实时的火灾蔓延时空信息，但是遥感火点监测数据应用于实际火灾蔓延中有局限性，只使用遥感监测的火点数据预测森林火灾蔓延存在很大的不确定性，空间分辨率相对较高的极轨卫星重访周期相对实时监测火灾发展、火灾蔓延应用要求仍然较长，只能展现森林火灾的大致蔓延趋势；静止卫星传感器火灾监测数据虽然能提供更细致的时间信息，不能满足监测火灾空间变化的要求。此外卫星遥感火点监测过程受云的干扰，使得遥感卫星不能监测到被云覆盖的火灾，因此只使用卫星遥感数据展现一场森林火灾的整体蔓延较为困难，且不精确。
火灾模拟系统受自身的假设和使用条件限制的影响，会将自身误差或计算数据误差引入火灾蔓延模拟计算过程中；在实际森林火情中，火灾的起火位置和火头蔓延趋势通常难以确定或不准确，因此初始化和评估火灾模拟模型较复杂；火灾模拟系统的输入数据不准确也会导致火灾模型模拟的结果与实际火灾蔓延存在差异，如模拟火灾状态依赖于准确的气象数据，气象预报的精度会随着时间的推移而显著降低。
发明内容
本申请提出一种提高林火蔓延预测精度的方法，解决了现有技术林火蔓延预测的精度较低的问题。
本申请实施例提供一种提高林火蔓延预测精度的方法，包含以下步骤：
以第一时刻监测火点位置或范围为初始条件，用火灾模拟系统模拟火灾蔓延过程，生成第二时刻模拟火点位置或范围；
监测火点位置或范围，比较第二时刻监测火点位置和第二时刻模拟火点位置，生成蔓延调节值；
以第二时刻监测火点位置或范围为初始条件，用火灾模拟系统模拟火灾蔓延过程，再用蔓延调节值加权生成第三时刻模拟火点位置或范围。
进一步地，以所述第三时刻作为新的第二时刻，迭代计算新的第三时刻模拟火点位置或范围。
优选地，所述第一时刻的监测火点位置或范围由人为监控或卫星遥感数据提供。
优选地，所述第二时刻的监测火点位置或范围由极轨卫星提供。
优选地，所述火灾模拟系统为FARSITE系统。
进一步地，所述第一时刻的监测火点位置或范围由极轨卫星或静止卫星提供。
进一步地，所述FARSITE火灾模拟系统的输入数据包括，火灾位置、时间、可燃物、地形、气象数据。
优选地，所述第一时刻和第二时刻的火点位置或范围是通过极轨卫星S-NPP上的VIIRS传感器记录。
优选地，所述第一时刻的火点位置或范围是通过静止卫星葵花-8上的AHI传感器记录。
优选地，VIIRS通过火点检测算法，计算是否有火点存在。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
将卫星遥感监测的火灾数据与火灾模拟系统相结合，更容易展现一场森林火灾的整体蔓延过程，且较为精确，可以限制森林火灾模拟过程中因火灾模拟模型自身假设或使用条件限制导致的误差传递。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为一种提高林火蔓延预测精度的方法实施例流程图；
图2为一种提高林火蔓延预测精度的方法实施例火点位置示意图；
图3为一种提高林火蔓延预测精度的方法蔓延调节值迭代实施例流程图；
图4为提高林火蔓延预测精度的方法考虑火点范围的实施例流程图；
图5为提高林火蔓延预测精度的方法实施例火点范围示意图。
具体实施方式
在实际应用中，对于林火蔓延的预测，采用卫星遥感数据进行火灾蔓延的预测，采用下面两种预测方法。
第一种方法，采用极轨卫星监测火灾信息并对林火蔓延进行预测，极轨卫星的空间分辨率相对较高，但其重访周期对于需要实时监测的火灾发展和火灾蔓延应用要求来说过长，只能展现森林火灾的大致蔓延趋势。
第二种方法，采用静止卫星监测火灾信息并对林火蔓延进行预测，静止卫星可以保持全程检测火灾的发展，但静止卫星的空间分辨率在2km左右，对于火点位置等信息的采集不够精确，而且小型火灾也不能及时发现，预测的结果误差较大。
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为一种提高林火蔓延预测精度的方法实施例流程图。本实施例包含步骤101～103。
步骤101、以第一时刻监测火点位置为初始条件，用火灾模拟系统模拟火灾蔓延过程，生成第二时刻模拟火点位置。
在步骤101中，将最早人为发现的或者卫星遥感数据监测的第一时刻监测火点位置输入火灾模拟系统中，设置好火灾模拟时间长度，即可计算在该时间长度下火灾蔓延的模拟结果，求出第二时刻模拟火点位置。
用第一时刻监测火点位置对火灾模拟系统的进行初始化，以启动火灾模拟系统。
例如，第一时刻监测火点位置可以通过人为发现的火点位置确定，也可以选择用卫星遥感数据信息中的火点位置。优选地，在首次初始化火灾模拟系统的时候，若有人为发现的火点位置，则选择使用人为发现的火点位置，若没有人为发现的火点位置，则使用卫星遥感数据的火点位置。
例如，所述卫星遥感数据可以选择极轨卫星数据，也可以选择静止卫星数据，由于极轨卫星的重访周期过长，极轨卫星检测的火点信息通常并不是火灾的起火点位置，而且并不能保证所有森林火灾都是刚起火就被发现，很多时候火灾燃烧到一定程度才会被发现，因此可以使用静止卫星的卫星遥感数据。
所述静止卫星的卫星遥感数据空间分辨率较低，但静止卫星的卫星遥感数据可以填充极轨卫星没有过境期间的空白。
例如，静止卫星数据可以选择Himawari-8(葵花8)卫星的AHI传感器数据，其火监测数据空间分辨率是2km，时间分辨率为每15分钟。
若发生火灾后，极轨卫星并不在火灾地区上空，地面人员也没有及时发现火灾，则可先通过静止卫星提供第一时刻的监控火点位置信息和火灾模拟系统结合模拟火灾蔓延的过程，在极轨卫星首次经过火灾地区上空后，通过极轨卫星监测到的火点信息与火灾模拟系统结合重新模拟火灾蔓延的过程，并对模拟火灾蔓延的过程进行修定。
若发生火灾时，极轨卫星在火灾地区上空，则可通过极轨卫星提供第一时刻的监控火点位置信息和火灾模拟系统结合模拟火灾蔓延的过程。
所述极轨卫星可以选择S-NPP卫星，也可以选择Aqua或Terra卫星，还可以选择NOAA卫星，还可以选择风云3系列卫星。优选地，所述第一时刻的火点位置和第二时刻的火点位置是通过极轨卫星S-NPP提供的。
所述极轨卫星的传感器可以选择S-NPP卫星的VIIRS传感器提供，也可以选择Aqua和Terra卫星的MODIS传感器提供，还可以选择NOAA卫星的AVHRR传感器提供，还可以选择风云3系列卫星的VIRR传感器提供，VIIRS火监测数据的空间分辨率为375米，其他传感器数据的空间分辨率在1km左右。优选地，所述卫星遥感数据是使用S-NPP卫星上的VIIRS传感器记录。
需要说明的是，极轨卫星是通过VIIRS的火点检测算法，计算是否有火点存在。
所述火灾模拟系统是整合了多种火灾模拟数学模型的系统。
例如，所述火灾模拟系统可以选择FARSITE系统，也可以选择Phonenix系统、Wildfire Analyst(WFA)系统等，FARSITE系统是国际上认可程度比较高的系统。优选地，所述火灾模拟系统为FARSITE系统。
模拟计算时，起火位置和起火时间由人为发现的火灾信息或卫星遥感数据提供。优选地，所述FARSITE火灾模拟系统使用最早人为发现的起火点位置。火灾随时间变化向四周燃烧蔓延，需重新监测火灾燃烧位置，则使用卫星遥感数据的火点位置和时间信息。火灾持续时间由用户设定，获得感兴趣的时刻的模拟火点位置或范围。
例如，FARSITE系统模拟火灾计算需要满足以下数据：地形空间分布数据，可燃物数据，气象数据三个主要因素，还包括起火位置、时间，模拟火灾蔓延的持续时间，其他数据(如火场中的隔离带，河流等阻挡火灾蔓延的要素)。
所述地形空间分布数据包括高程、坡向、坡度。
所述可燃物数据包括可燃物类型空间分布、可燃物燃烧属性模型、可燃物覆盖度空间扽不、可燃物含水量、树冠高等，由于火灾类型有地表火、树冠火等多种不同类型，因此要根据实际火灾类型选择可燃物数据。例如，模拟地表火，不需要使用树冠高等数据。
所述气象数据包括每日最大最小温度湿度、出现最大最小温度的时间、降水量、降水时间、每日逐小时风速、风向和云覆盖量。
步骤102、监测火点位置，比较第二时刻监测火点位置和第二时刻模拟火点位置，生成蔓延调节值。
所述蔓延调节值为火点的实际蔓延程度与模拟蔓延程度的比值。
在步骤102中，当所述卫星再次经过火灾位置对火灾位置进行重新监测，若火灾仍在燃烧，则计算出第二时刻监测火点位置信息，第二时刻监测火点位置信息与火灾模拟系统模拟出的火点位置进行比较，计算出蔓延调节值。
火灾随时间变化向四周燃烧蔓延，需重新监测火灾燃烧位置，重初始化火灾模拟系统，则使用第二时刻监测火点位置。
所述重初始化为重新输入计算所需数据，满足火灾模拟系统启动条件。
需要说明的是，重初始化的输入数据与初始化过程输出的数据相比有变化。
例如，使用新过境的卫星遥感数据VIIRS火点数据信息重新初始化FARSITE系统，最新火点的位置为新的火灾模拟的起火位置，所有最新卫星遥感数据时刻之前的模拟结果均视为过火区，重新初始化并进行火灾模拟，将不会在过火区继续计算蔓延结果。
步骤103、以第二时刻监测火点位置为初始条件，用火灾模拟系统模拟火灾蔓延过程，再用蔓延调节值加权生成第三时刻模拟火点位置。
在步骤103中，利用所述第二时刻监测火点位置与所述蔓延调节值加权计算出第三时刻模拟火点位置。
需要说明的是，此处的第三时刻，是第二时刻以后感兴趣的时刻。假定造成第二时刻模拟误差的因素作用于第二时刻以后直到第三时刻。
图2为一种提高林火蔓延预测精度的方法实施例火点位置示意图。
a.位置点1为第一时刻t1时初始火点位置；
b.位置点2为第二时刻t2时模拟火点位置；
c.位置点3为第二时刻t2时监测火点位置；
d.将第二时刻的监测火点位置3当作新的初始火点位置；
e.位置点4为第三时刻t3的模拟火点位置，是用火灾模拟系统模拟火灾蔓延过程、再经过蔓延调节值加权计算的模拟火点位置。
所述蔓延调节值为火点的实际蔓延程度与模拟蔓延程度的比值。此处蔓延程度可以包含火点位置变化、火点范围大小变化。
例如，当蔓延调节值考虑火点位置(或根据火点范围确定的火点位置平均值)时，所述蔓延调节值计算公式为：
Figure BDA0002096404710000071
Figure BDA0002096404710000072
为n点的位置(火点位置或平均的火点位置，例如图2、5中的点1～4)，“→”表示矢量。
所述蔓延调节值为以首先发现的火点位置为初始火点位置，通过火灾模拟系统模拟极轨卫星再次到达时的模拟火点位置，与极轨卫星再次到达时实际监测的监测火点位置作对比，得到的用于调节极轨卫星第三次到达时的模拟火点位置的调节值。通过蔓延调节值对模拟火点位置进行校正，使其更接近监测火点位置。
再例如，蔓延调节值考虑火点范围(本领域技术人员能够理解，与公式(1)类似地，使用火点范围参数而不是位置参数来定义)，蔓延调节值可以首先发现的火点范围为初始火点范围，通过火灾模拟系统模拟极轨卫星再次到达时的模拟火点范围，与极轨卫星再次到达时实际监测的监测火点范围作对比，得到的用于调节极轨卫星第三次到达时的模拟火点范围的调节值。通过蔓延调节值对模拟火点范围的大小进行校正，使其更接近监测火点范围的大小。
蔓延调节值还可以考虑火点位置和火点范围的组合，例如乘积或加权乘积的方式，这里不做具体限定。
影响蔓延调节值的因素，例如地形空间分布数据误差、可燃物数据误差、气象数据误差等。当地形空间分布数据的高程、坡向、坡度存在误差，或者可燃物空间分布、可燃物属性存在误差，或者气象数据的风速、风向、温度、湿度等存在变化，将导致火灾蔓延速度和方向发生变化。
图3为一种提高林火蔓延预测精度的方法蔓延调节值迭代实施例流程图。本实施例包含步骤201～203。
步骤201、以第一时刻监测火点位置为初始条件，用火灾模拟系统模拟火灾蔓延过程，生成第二时刻模拟火点位置。
步骤201中，设置迭代数为：i＝0。
步骤202、监测火点位置，比较第二时刻监测火点位置和第二时刻模拟火点位置，生成蔓延调节值。
在迭代计算时，本步骤中i值以1为步长递增，i为迭代数。
蔓延调节值为ai，第一次计算时为a1；第二次计算时为a2，……，以此类推。
ai的计算方法，例如用公式(1)，其中的a表示为ai即可。
例如在图2中的位置点1～4，在前一步骤中，使用位置点1～3的位置矢量计算ai；迭代后，以位置点3作为新的位置点1，以位置点4作为新的位置点2，再通过监测获得新的位置点3，再用公式(1)计算得到ai+1。
步骤203、以第二时刻监测火点位置为初始条件，用火灾模拟系统模拟火灾蔓延过程，再用蔓延调节值加权生成第三时刻模拟火点位置。
蔓延调节值会随着迭代计算改变，用蔓延调节值加权时，用步骤202蔓延调节值连乘获得：
Figure BDA0002096404710000081
返回步骤202，以所述第三时刻作为新的第二时刻，迭代计算新的第三时刻模拟火点位置。
需要说明的是，在本实施例中，以第三时刻作为新的第二时刻时，所述第三时刻可以是卫星再次经过火灾位置上空的时间。在卫星两次经过火灾位置上空的时间段内，感兴趣的任何时间点，可使用第二时刻监测火点位置为初始条件，用火灾模拟系统模拟火灾蔓延过程，再用蔓延调节值加权生成所述感兴趣的任何时间点模拟火点位置。
例如，用本实施例的方法，首先发现的火点位置为第一时刻初始火点位置，极轨卫星再次到达火灾地点上空的时刻为第二时刻，极轨卫星第三次到达火灾地点上空的时刻为第三时刻，以此类推。通过第一时刻初始火点位置和火灾模拟系统，模拟出第二时刻的模拟火点位置，第二时刻的模拟火点位置与第二时刻的监测火点位置对比，得到蔓延调节值，用第二时刻的监测火点位置与火灾模拟系统模拟出第三时刻的模拟火点位置，通过蔓延调节值调节第三时刻模拟火点位置。得到第三时刻监测火点位置信息，将第三时刻作为新的第二时刻迭代计算第三时刻的模拟火点位置，……，以此类推。
图4为提高林火蔓延预测精度的方法考虑火点范围的实施例流程图，包含步骤301～303。当第一时刻、第二时刻或第三时刻，火点位置包含多个火点像元时，根据初始火点范围，用火灾模拟系统模拟火灾蔓延过程，得到模拟的火点范围。
步骤301、根据第一时刻火点范围用火灾模拟系统模拟火灾蔓延过程，生成第二时刻模拟火点范围。
步骤302、监测火点位置，比较第二时刻监测火点范围的平均值和第二时刻模拟火点范围的平均值，生成蔓延调节值ai，第一次计算时为a1；第二次计算时为a2，……，以此类推。此时，第二时刻监测火点位置，即是指第二时刻监测火点范围内全部火点像元位置的平均值，第三时刻监测火点位置，即是指第三时刻监测火点范围内全部火点像元位置的平均值。当火点位置包含多个火点像元时，火点位置矢量Pn用所述多个像元点的位置的统计平均值，或者所述多个像元点的位置的加权平均值。加权系数可以使用像元亮温，时间，可燃物，地形，气象数据中的至少一种。在火点范围变大，变小或不变时，都可以用本实施例的方法。
步骤303、以第二时刻监测火点范围为初始条件，用火灾模拟系统模拟火灾蔓延过程，再用蔓延调节值加权生成第三时刻模拟火点范围。
蔓延调节值会随着迭代计算改变，用蔓延调节值加权时，用步骤302蔓延调节值连乘，也就是说，蔓延调节值累积值与每个步骤计算的蔓延调节值的关系由公式(2)确定。
返回步骤302，以所述第三时刻作为新的第二时刻，迭代计算新的第三时刻火点蔓延情况。
需要说明的是，在本实施例中，以第三时刻作为新的第二时刻时，所述第三时刻可以是卫星再次经过火灾位置上空的时间。在卫星两次经过火灾位置上空的时间段内，感兴趣的任何时间点，可使用第二时刻监测火点范围为初始条件，用火灾模拟系统模拟火灾蔓延过程，再用蔓延调节值加权生成所述感兴趣的任何时间点模拟火点范围。
需要说明的是，在本实施例中，蔓延调节值考虑的是火点位置、而不是火点范围的大小，此处的火点位置，是火点范围内所有火点像元位置的平均值。当蔓延调节值考虑火点范围的大小时，需要改变公式(1)，用反映火点范围大小的参数来定义蔓延调节值，这里不再具体说明。
图5为提高林火蔓延预测精度的方法考虑火点范围示意图。
a.位置点1为第一时刻t1时初始火点位置，是第一时刻的初始火点范围内全部火点像元位置的平均值；
b.位置点2为第二时刻t2时模拟火点位置，是第二时刻的模拟火点范围内全部火点像元位置的平均值；
c.位置点3为第二时刻t2时监测火点位置，是第二时刻的监测火点范围内全部火点像元位置的平均值；
d.将第二时刻的监测火点范围作为新的初始火点范围；
e.第三时刻t3的模拟火点范围用火灾模拟系统模拟火灾蔓延过程，再经蔓延调节值加权计算的模拟火点范围。位置点4为模拟火点范围内全部火点像元位置的平均值。迭代时，位置点4作为新的位置点2，参与计算蔓延调节值。
进一步地，本申请还包含以下实施例：
当火点的范围包含多个像元点时，优选地，将火点范围分成多个部分，每个部分分别运用本申请实施例的方法处理。
步骤401、将第一时刻监测火点范围分成M个部分，每个部分的初始火点位置作为初始条件，用火灾模拟系统模拟火灾蔓延过程，生成第二时刻各部分的模拟火点位置。
将监测火点范围分成多个部分，每个部分包含至少1个火点像元，例如每1个火点像元分成一部分，也可以根据火点范围内的地物、地貌等环境因素，将相同的环境分成一部分，最佳的划分方式是，各部分之间的影响能够被忽略。
步骤402、监测火点范围，对每个部分，比较第二时刻监测火点位置和第二时刻模拟火点位置，生成蔓延调节值aij，其中，i为迭代次数，j为分布序号(j＝1,…,M)，第一次计算时为a1j；第二次计算时为a2j，以此类推。此时，第二时刻监测火点位置，即是指第二时刻监测火点范围内全部火点像元位置的平均值，第三时刻监测火点位置，即是指第三时刻监测火点范围内全部火点像元位置的平均值。
aij的计算方法同公式(1)，其中的a表示为aij即可。
步骤403、对每一部分，以第二时刻监测火点位置为初始条件，用火灾模拟系统模拟火灾蔓延过程，再用蔓延调节值加权生成第三时刻模拟火点位置。
对第j部分，用蔓延调节值加权时，用步骤402所得蔓延调节值连乘获得：
aj＝Πiaij (3)
进一步地，在至少一次迭代中，将火点范围分成多个部分，每个部分分别运用本申请实施例的方法处理。
进一步地，在多次迭代中，至少两次迭代过程，将初始火点范围和或模拟火点范围分成多个部分的方式不同。
还需要说明的是，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、商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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (9)

1.一种提高林火蔓延预测精度的方法，其特征在于，包含以下步骤：
以第一时刻监测火点位置或范围为初始条件，用火灾模拟系统模拟火灾蔓延过程，生成第二时刻模拟火点位置或范围；
监测火点位置或范围，比较第二时刻监测火点位置和第二时刻模拟火点位置，生成蔓延调节值a i ；所述蔓延调节值为火点的实际蔓延程度与模拟蔓延程度的比值，i为迭代数；
以第二时刻监测火点位置或范围为初始条件，用火灾模拟系统模拟火灾蔓延过程，再用蔓延调节值a i 加权生成第三时刻模拟火点位置或范围，通过监测获得新的位置点，再计算得到a i+1 ；
蔓延调节值连乘获得：
以所述第三时刻作为新的第二时刻，迭代计算新的第三时刻模拟火点位置或范围。
2.根据权利要求1所述提高林火蔓延预测精度的方法，其特征在于，所述第一时刻的监测火点位置或范围由人为监控或卫星遥感数据提供。
3.根据权利要求1所述提高林火蔓延预测精度的方法，其特征在于，所述第二时刻的监测火点位置或范围由极轨卫星提供。
4.根据权利要求1所述提高林火蔓延预测精度的方法，其特征在于，所述火灾模拟系统为FARSITE系统。
5.根据权利要求2所述提高林火蔓延预测精度的方法，其特征在于，所述第一时刻的监测火点位置或范围由卫星遥感数据提供时，是由极轨卫星或静止卫星提供。
6.根据权利要求4所述提高林火蔓延预测精度的方法，其特征在于，所述FARSITE火灾模拟系统的输入数据包括火灾位置、时间、可燃物、地形和气象数据。
7.根据权利要求3或5所述提高林火蔓延预测精度的方法，其特征在于，所述第一时刻和第二时刻的火点位置或范围通过极轨卫星提供时，是通过S-NPP上的VIIRS传感器记录。
8.根据权利要求5所述提高林火蔓延预测精度的方法，其特征在于，所述第一时刻的火点位置或范围通过静止卫星提供时，是通过葵花-8上的AHI传感器记录。
9.根据权利要求7所述提高林火蔓延预测精度的方法，其特征在于，VIIRS通过火点检测算法，计算是否有火点存在。
CN201910520106.7A 2019-06-17 2019-06-17 一种提高林火蔓延预测精度的方法 Active CN110390135B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910520106.7A CN110390135B (zh) 2019-06-17 2019-06-17 一种提高林火蔓延预测精度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910520106.7A CN110390135B (zh) 2019-06-17 2019-06-17 一种提高林火蔓延预测精度的方法

Publications (2)

Publication Number Publication Date
CN110390135A CN110390135A (zh) 2019-10-29
CN110390135B true CN110390135B (zh) 2023-04-21

Family

ID=68285390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910520106.7A Active CN110390135B (zh) 2019-06-17 2019-06-17 一种提高林火蔓延预测精度的方法

Country Status (1)

Country Link
CN (1) CN110390135B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464819B (zh) * 2020-11-27 2024-01-12 清华大学 基于无人机视频的林火蔓延数据同化方法以及装置
CN113240875B (zh) * 2021-05-17 2022-06-03 北京瞭望神州科技有限公司 森林防火监测方法及系统
CN113476761B (zh) * 2021-05-21 2022-08-23 浙江安防职业技术学院 基于ai驱动的高分遥感森火风险普查以及预警防控方法
CN113722894B (zh) * 2021-08-16 2023-12-01 中山大学 一种基于模型简化的火灾蔓延模拟加速方法及系统
CN114818325A (zh) * 2022-04-27 2022-07-29 福州大学 通过采样法确定森林火灾起火点位置的方法
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

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065045A (zh) * 2012-12-21 2013-04-24 浙江农林大学 耦合气象与植被的森林火险预报方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2653613Y (zh) * 2003-10-16 2004-11-03 华南理工大学 森林火灾智能监测报警装置
TWI264684B (en) * 2004-11-16 2006-10-21 Univ Nat Kaohsiung Applied Sci Fire detection method and system applying with image acquisition
US9715799B2 (en) * 2015-10-16 2017-07-25 Honeywell International Inc. System and method of using a fire spread forecast and BIM to guide occupants using smart signs
CN107424078B (zh) * 2016-12-14 2020-09-25 云南电网有限责任公司电力科学研究院 基于卫星遥感的火点数据导致输电线路闪络的计算方法
CN106503480B (zh) * 2016-12-14 2019-02-22 中国科学院遥感与数字地球研究所 一种静止卫星火灾遥感监测方法
CN108763811A (zh) * 2018-06-08 2018-11-06 中国科学技术大学 动态数据驱动林火蔓延预测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065045A (zh) * 2012-12-21 2013-04-24 浙江农林大学 耦合气象与植被的森林火险预报方法

Also Published As

Publication number Publication date
CN110390135A (zh) 2019-10-29

Similar Documents

Publication Publication Date Title
CN110390135B (zh) 一种提高林火蔓延预测精度的方法
Bihlo A generative adversarial network approach to (ensemble) weather prediction
Chirouze et al. Intercomparison of four remote-sensing-based energy balance methods to retrieve surface evapotranspiration and water stress of irrigated fields in semi-arid climate
Dlamini A Bayesian belief network analysis of factors influencing wildfire occurrence in Swaziland
Kato et al. Surface irradiances consistent with CERES-derived top-of-atmosphere shortwave and longwave irradiances
Norris et al. Empirical removal of artifacts from the ISCCP and PATMOS-x satellite cloud records
Long et al. A modified surface energy balance algorithm for land (M‐SEBAL) based on a trapezoidal framework
Kilpatrick et al. Overview of the NOAA/NASA advanced very high resolution radiometer Pathfinder algorithm for sea surface temperature and associated matchup database
Ohunakin et al. The effect of climate change on solar radiation in Nigeria
Ryan et al. Derivation of high spatial resolution albedo from UAV digital imagery: application over the Greenland Ice Sheet
Bellenger et al. An analysis of tropical ocean diurnal warm layers
Embury et al. A reprocessing for climate of sea surface temperature from the along-track scanning radiometers: A new retrieval scheme
Laraby et al. Uncertainty estimation method and Landsat 7 global validation for the Landsat surface temperature product
Zhu et al. Reconstruction of high spatial resolution surface air temperature data across China: A new geo-intelligent multisource data-based machine learning technique
Allan et al. Spatial heterogeneity in geothermally-influenced lakes derived from atmospherically corrected Landsat thermal imagery and three-dimensional hydrodynamic modelling
Kumar et al. Multiscale evaluation of the improvements in surface snow simulation through terrain adjustments to radiation
Jensen et al. The Midlatitude Continental Convective Clouds Experiment (MC3E) sounding network: operations, processing and analysis
Ozelkan et al. Spatial estimation of wind speed: a new integrative model using inverse distance weighting and power law
Wang et al. Validation of the SEBS-derived sensible heat for FY3A/VIRR and TERRA/MODIS over an alpine grass region using LAS measurements
Liu et al. Estimation of surface and near-surface air temperatures in arid northwest china using landsat satellite images
Brogniez et al. Validation of upper-tropospheric humidity from SAPHIR on board Megha-Tropiques using tropical soundings
While et al. An operational analysis system for the global diurnal cycle of sea surface temperature: implementation and validation
Su et al. First results of the earth observation Water Cycle Multi-mission Observation Strategy (WACMOS)
Xi et al. Comparison of marine boundary layer cloud properties from CERES‐MODIS edition 4 and DOE ARM AMF measurements at the Azores
Barideh et al. The challenge of reference evapotranspiration between the WaPOR data set and geostatistical methods

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 2nd floor, 15 building, community supporting commercial building, maker Town, Wenquan Town, Haidian District, Beijing 100095

Applicant after: BEIJING ZHONGKE RUIJING TECHNOLOGY Co.,Ltd.

Address before: Room 1108, 11th floor, Haitai Building, 229 North Fourth Ring Road, Haidian District, Beijing

Applicant before: BEIJING ZHONGKE RUIJING TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant