CN112581710A - 一种基于大数据的森林防火报警系统及方法 - Google Patents
一种基于大数据的森林防火报警系统及方法 Download PDFInfo
- Publication number
- CN112581710A CN112581710A CN202011373629.2A CN202011373629A CN112581710A CN 112581710 A CN112581710 A CN 112581710A CN 202011373629 A CN202011373629 A CN 202011373629A CN 112581710 A CN112581710 A CN 112581710A
- Authority
- CN
- China
- Prior art keywords
- data
- map
- unit
- area
- vegetation
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- 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
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
Abstract
本发明公开了一种基于大数据的森林防火报警系统及方法,所述系统包括无人机监控模块、森林防火监测终端模块、大数据模拟生成模块、大数据模拟判断模块,所述无人机监控模块用于获得高清摄像数据以及电磁波测算数据,所述森林防火监测终端模块用于获得森林温度、湿度、风速以及风向的分布数据,所述大数据模拟生成模块用于将获得的数据模拟生成为可识别的图像,所述大数据判断模块用于通过条件计算获得具备参考价值的目标图像,本发明通过无人机、森林防火监测终端获取森林相关数据,服务器接收并处理相关数据获得具备参考价值的图像,具备监视效率高,人力物力消耗少,预防森林火灾效果显著的效果。
Description
技术领域
本发明涉及森林防火报警技术领域,具体为一种基于大数据的森林防火报警系统及方法。
背景技术
森林是非常宝贵的自然资源,随着人类对自然界的不断侵蚀,导致森林面积急剧降低,因此保护森林已经成为了环境保护非常重要的一个环节,当前保护森林除了要防止滥砍滥伐之外,森林防火也非常重要。当前森林防火主要是靠人工巡查、监视的方式,不仅效率非常低,且监控效果并不好,并且只有在发生火灾时才能采取相应措施,费事费力,造成很大的经济损失。
发明内容
本发明的目的在于提供一种基于大数据的森林防火报警系统及方法,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:一种基于大数据的森林防火报警系统,包括无人机监控模块、森林防火监测终端模块、大数据模拟生成模块、大数据模拟判断模块,所述无人机监控模块用于获得高清摄像数据以及电磁波测算数据,所述森林防火监测终端模块用于获得森林温度、湿度、风速以及风向的分布数据,所述大数据模拟生成模块用于将获得的数据模拟生成为可识别的图像,所述大数据判断模块用于通过条件计算获得具备参考价值的目标图像。
进一步的,所述无人机监控模块包括高清摄像单元、电磁波测算单元、无人机无线传输单元,所述高清摄像单元用于无人机拍摄森林高清摄像图片,并将高清摄像图片转化成可无线传输的数据,所述电磁波测算单元用于通过电子经纬仪、激光红外测距仪、记录器以及单片机建立数字地面模型,绘制地形图并输出可无线传输的数据,所述无人机无线传输单元用于将高清摄像图片数据以及地形图数据传输至数据模拟服务器,所述数据模拟服务器属于大数据模拟生成模块。
进一步的,所述森林防火监测终端模块包括温度监测单元、湿度监测单元、风向监测单元、风速监测单元、终端无线传输单元,所述温度监测单元用于获取监测终端所在位置的空气温度数据以及土壤温度数据,所述湿度监测单元用于获取监测终端所在位置的空气湿度数据以及土壤湿度数据,所述风向监测单元用于获取监测终端所在位置风流动的方向,并将其转化成系统可以识别的方向数据,所述风速监测单元用于获取监测终端所在位置风流动的速度,并将其转化成系统可以识别的风速数据,所述终端无线传输单元用于将空气温度数据、土壤温度数据、空气湿度数据、土壤湿度数据、方向数据以及风速数据传输至数据模拟服务器,所述数据模拟服务器属于大数据模拟生成模块。
进一步的,所述大数据模拟生成模块包括地形生成单元、道路与建筑生成单元、植被类型以及范围生成单元、监测终端安装点生成单元、温度分布生成单元、湿度分布生成单元、风向分布生成单元以及风速分布生成单元,所述地形生成单元用于将地形图数据转化成模拟地形图,所述道路与建筑生成单元用于通过识别高清摄像数据以及地形图数据生成道路与建筑模拟地图,所述植被类型以及范围生成单元用于通过识别模拟地形图、道路与建筑模拟地图并结合地形图数据、高清摄像数据获得不同类型的植被以及其所分布的地理范围,从而生成植被类型以及范围模拟图,所述监测终端安装点生成单元用于通过地形生成单元、道路与建筑生成单元、植被类型以及范围生成单元获得具备代表性数据采集特征的监测终端大致位置,所述代表性数据采集特征指的是监测终端采集的数据可以代表一定范围内的空气温度数据、空气湿度数据、土壤温度数据、土壤湿度数据、方向数据以及风速数据,所述温度分布生成单元用于将空气温度数据以及土壤温度数据模拟生成可识别的空气温度分布图以及土壤温度分布图,所述湿度分布生成单元用于将空气湿度数据以及土壤湿度数据模拟生成可识别的空气湿度分布图以及土壤湿度分布图,所述风向分布单元用于将方向数据模拟生成可识别的风向分布图,所述风速分布单元用于将风速数据模拟生成可识别的风速分布图。
进一步的,所述大数据判断模块包括自然易燃区域判断单元、自然易传播区域判断单元、人员易失火区域判断单元、趋势分析单元,所述自然易燃区域判断单元用于结合易燃等级函数和空气温度分布图、空气湿度分布图、土壤温度分布图、土壤湿度分布图获得自然易燃区域图,所述易燃等级函数由所在植被类型属性获得,所述自然易传播区域判断单元用于结合易传播等级函数以及风向分布图、风速分布图、自然易燃区域图获得自然易传播区域图,所述易传播等级函数由所在植被类型属性获得,所述人员易失火区域判断单元用于结合高清摄像数据以及地形图数据计算获得人员易到达区域并通过已获得的自然易燃区域图导出人员易失火区域图,所述趋势分析单元用于结合天气预测情况,获得预测的监测终端数据,以此计算导出预测的自然易燃区域图、自然易传播区域图、人员易失火区域图。
一种基于大数据的森林防火报警方法,包括以下步骤:
S1:无人机通过高清摄像头以及电子经纬仪、激光红外测距仪、记录器、单片机分别获得高清摄像图片数据以及高精度地形图数据,通过无线传输至数据模拟服务器,转步骤S2;
S2:数据模拟服务器对高清摄像图片数据以及高精度地形图数据进行计算处理获得模拟地形图、道路与建筑模拟地图、植被类型以及范围模拟图,以及获得具备代表性数据采集特征的监测终端大致位置图,将监测终端根据大致位置图安装到相应位置,转步骤S3;
S3:监测终端获得所在位置的空气温度数据、土壤温度数据、空气湿度数据、土壤湿度数据、方向数据以及风速数据,并将其通过无线传输至数据模拟服务器,转步骤S4;
S4:数据模拟服务器对空气温度数据、土壤温度数据、空气湿度数据、土壤湿度数据、方向数据以及风速数据计算处理获得空气温度分布图、土壤温度分布图、空气湿度分布图、土壤湿度分布图、风向分布图以及风速分布图,转步骤S5;
S5:数据判断服务器结合易燃等级函数和植被类型以及范围图、空气温度分布图、空气湿度分布图、土壤温度分布图、土壤湿度分布图获得自然易燃区域图,转步骤S6;
S6:数据判断服务器结合易传播等级函数以及风向分布图、风速分布图、自然易燃区域图获得自然易传播区域图,转步骤S7;
S7:数据判断服务器结合道路与建筑模拟地图、高清摄像数据以及地形图数据计算获得人员易到达区域并通过已获得的自然易燃区域图导出人员易失火区域图,转步骤S8;
S8:数据判断服务器结合天气预测情况,获得预测的监测终端数据,以此计算导出预测的自然易燃区域图、自然易传播区域图、人员易失火区域图。
进一步的,所述步骤S5包括以下步骤:
S51:数据判断服务器调取数据储存服务器中的易燃等级函数数据包括空气温度-易燃等级函数数据、空气湿度-易燃等级函数数据、土壤温度-易燃等级函数数据、土壤湿度-易燃等级函数数据,易燃等级函数会随植被类型的改变而改变,转S52;
S52:确定易燃等级的警报值,将其代入易燃等级函数,转S53;
S53:数据判断服务器获得超过警报值的空气温度分布图的范围区域、空气湿度分布图的范围区域、土壤温度分布的范围区域、土壤湿度分布的范围区域,转S54。
S54:将所获得的范围区域进行叠合,获得叠合区域图,叠合区域图及为自然易燃区域图,所述叠合区域指的是满足包含所有获得的范围区域的区域。
进一步的,所述步骤S6包括以下步骤:
S61:数据判断服务器调取数据储存服务器中的易传播等级函数数据,易传播等级函数会随植被类型的改变而改变,转S62;
S62:确定易传播等级的警报值,将其代入易传播等级函数,转S63;
S63:数据判断服务器结合风向分布图、风速分布图推导出高出警报值并且位于模拟风向的区域地图,此区域地图及为自然易传播区域图。
进一步的,所述步骤S7包括以下步骤:
S71:数据判断服务器通过高清摄像数据获得不同植被区域的植被密集程度数据,转S72;
S72:数据判断服务器通过地形图数据获得地形坡度变化数据,转S73;
S73:由植被密集程度数据以及地形坡度变化数据计算获得人员最长到达距离,转S74;
S74:计算获得的人员最长到达距离结合道路与建筑模拟地图获得人员易到达区域图,转S75;
S75:由人员易到达区域图结合自然易燃区域图获得人员易失火区域图。
进一步的,所述步骤S7中,所述高清摄像数据获得的植被密集程度价值度为M,所述植被密集程度价值度由判断服务器根据高清摄像数据中的植被单位面积可穿过间隙数量获得,所述地形图数据获得的坡度价值度为P,所述坡度价值度由判断服务器根据地形图数据中的单位水平长度地势差获得,所护人员设定最大的活动距离长度为L,所述人员设定最大的活动距离为人员在无植被且地面水平的情况下可活动的最大距离长度。
根据公式:
M=J/S
其中J为单位面积可穿过的间隙数量,S为单位面积的面积大小,M为植被密集程度价值度。
根据公式:
P=△D/△L
其中△D为地势差大小,△L为单位长度,P为坡度价值度。
根据公式:
LMAX=L/[(M*P)*a+b]
其中LMAX为人员最长到达距离,L为人员设定最大的活动距离,a为植被密码程度价值度与坡度价值度的乘积转换系数,b为人员设定最大的活动距离的运算基数。
与现有技术相比,本发明所达到的有益效果是:本发明通过无人机、监测终端获得森林的相关数据,进行模拟后获得具备实质参考意义的自然易燃区域图、自然易传播区域图、人员易失火区域图,自然易燃区域图指示的是在无人为干预下其自然发生火灾的可能性大,可提前对其人为干预降低火灾发生可能性,自然易传播区域图指示的是无人为干预下其自然传播火灾的可能性大,也可对其人为干预防止火灾发生时传播火灾,人员易失火区域图指示的是人为在可活动范围内最有可能引发火灾的区域,人为干预可减少人为造成火灾的可能性,并且本发明还可以通过天气预测获得预测的自然易燃区域图、自然易传播区域图、人员易失火区域图,以此将火灾在发生本质原因上以及人为原因上进行消灭,具备减少火灾发生可能性、避免火灾传播以及预测火灾发生区域的优点。
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是本发明的模块、单元结构示意图;
图2是本发明的硬件结构示意图;
图3是本发明的监测终端结构示意图;
图4是本发明的地形图示意图;
图5是本发明的道路与建筑模拟地图示意图;
图6是本发明的植被类型以及范围模拟地图示意图;
图7是本发明的监测终端安装点示意图;
图8是本发明的空气湿度模拟示意图;
图9是本发明的空气温度模拟示意图;
图10是本发明的土壤湿度模拟示意图;
图11是本发明的土壤温度模拟示意图;
图12是本发明的风向、风速示意图
图13是本发明的空气湿度-易燃等级函数示意图;
图14是本发明的空气温度-易燃等级函数示意图;
图15是本发明的土壤湿度-易燃等级函数示意图;
图16是本发明的土壤温度-易燃等级函数示意图;
图17是本发明的风速-易传播等级函数示意图;
图18是本发明的人员易到达区域示意图;
图19是本发明的自然易燃区域示意图;
图20是本发明的自然易传播区域示意图;
图21是本发明的人员易失火区域示意图;
图中:1.风速、风向监测装置;2.空气温度、湿度传感器安装位置;3.土壤温度、湿度传感器安装位置;4.倒钩伸缩槽;5.固定倒钩;
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1-21,本发明提供技术方案:
一种基于大数据的森林防火报警系统,包括无人机监控模块、森林防火监测终端模块、大数据模拟生成模块、大数据模拟判断模块,所述无人机监控模块用于获得高清摄像数据以及电磁波测算数据,所述森林防火监测终端模块用于获得森林温度、湿度、风速以及风向的分布数据,所述大数据模拟生成模块用于将获得的数据模拟生成为可识别的图像,所述大数据判断模块用于通过条件计算获得具备参考价值的目标图像。
所述无人机监控模块包括高清摄像单元、电磁波测算单元、无人机无线传输单元,所述高清摄像单元用于无人机拍摄森林高清摄像图片,并将高清摄像图片转化成可无线传输的数据,所述电磁波测算单元用于通过电子经纬仪、激光红外测距仪、记录器以及单片机建立数字地面模型,绘制地形图并输出可无线传输的数据,所述无人机无线传输单元用于将高清摄像图片数据以及地形图数据传输至数据模拟服务器,所述数据模拟服务器属于大数据模拟生成模块。
所述森林防火监测终端模块包括温度监测单元、湿度监测单元、风向监测单元、风速监测单元、终端无线传输单元,所述温度监测单元用于获取监测终端所在位置的空气温度数据以及土壤温度数据,所述湿度监测单元用于获取监测终端所在位置的空气湿度数据以及土壤湿度数据,所述风向监测单元用于获取监测终端所在位置风流动的方向,并将其转化成系统可以识别的方向数据,所述风速监测单元用于获取监测终端所在位置风流动的速度,并将其转化成系统可以识别的风速数据,所述终端无线传输单元用于将空气温度数据、土壤温度数据、空气湿度数据、土壤湿度数据、方向数据以及风速数据传输至数据模拟服务器,所述数据模拟服务器属于大数据模拟生成模块。
所述大数据模拟生成模块包括地形生成单元、道路与建筑生成单元、植被类型以及范围生成单元、监测终端安装点生成单元、温度分布生成单元、湿度分布生成单元、风向分布生成单元以及风速分布生成单元,所述地形生成单元用于将地形图数据转化成模拟地形图,所述道路与建筑生成单元用于通过识别高清摄像数据以及地形图数据生成道路与建筑模拟地图,所述植被类型以及范围生成单元用于通过识别模拟地形图、道路与建筑模拟地图并结合地形图数据、高清摄像数据获得不同类型的植被以及其所分布的地理范围,从而生成植被类型以及范围模拟图,所述监测终端安装点生成单元用于通过地形生成单元、道路与建筑生成单元、植被类型以及范围生成单元获得具备代表性数据采集特征的监测终端大致位置,所述代表性数据采集特征指的是监测终端采集的数据可以代表一定范围内的空气温度数据、空气湿度数据、土壤温度数据、土壤湿度数据、方向数据以及风速数据,所述温度分布生成单元用于将空气温度数据以及土壤温度数据模拟生成可识别的空气温度分布图以及土壤温度分布图,所述湿度分布生成单元用于将空气湿度数据以及土壤湿度数据模拟生成可识别的空气湿度分布图以及土壤湿度分布图,所述风向分布单元用于将方向数据模拟生成可识别的风向分布图,所述风速分布单元用于将风速数据模拟生成可识别的风速分布图。
所述大数据判断模块包括自然易燃区域判断单元、自然易传播区域判断单元、人员易失火区域判断单元、趋势分析单元,所述自然易燃区域判断单元用于结合易燃等级函数和空气温度分布图、空气湿度分布图、土壤温度分布图、土壤湿度分布图获得自然易燃区域图,所述易燃等级函数由所在植被类型属性获得,所述自然易传播区域判断单元用于结合易传播等级函数以及风向分布图、风速分布图、自然易燃区域图获得自然易传播区域图,所述易传播等级函数由所在植被类型属性获得,所述人员易失火区域判断单元用于结合高清摄像数据以及地形图数据计算获得人员易到达区域并通过已获得的自然易燃区域图导出人员易失火区域图,所述趋势分析单元用于结合天气预测情况,获得预测的监测终端数据,以此计算导出预测的自然易燃区域图、自然易传播区域图、人员易失火区域图。
模块与单元的结构关系如图1所示,其中森林防火监测终端如图3所示,监测终端具备采集空气温度、空气湿度、土壤温度、土壤湿度、所在位置风速以及风向和无线传输的功能,其底端设有可以水平插入土壤的固定倒钩5,固定倒钩5用于固定监测终端,监测终端顶端安装有风速、风向监测装置1用于检测风速和风向,空气温度、湿度传感器和土壤温度、湿度传感器安装位置如2、3所示,倒钩伸缩槽4位于检测终端中部外侧用于人工控制固定倒钩5伸缩。
本发明的硬件架构如图2所示,通过无人机、监测终端采集数据,经由数据模拟服务器、数据储存服务器、数据判断服务器处理,将使用人员可识别并且具备实质参考价值的图像发送至客户端。
一种基于大数据的森林防火报警方法,包括以下步骤:
S1:无人机通过高清摄像头以及电子经纬仪、激光红外测距仪、记录器、单片机分别获得高清摄像图片数据以及高精度地形图数据,通过无线传输至数据模拟服务器,转步骤S2;
S2:数据模拟服务器对高清摄像图片数据以及高精度地形图数据进行计算处理获得模拟地形图、道路与建筑模拟地图、植被类型以及范围模拟图,以及获得具备代表性数据采集特征的监测终端大致位置图,将监测终端根据大致位置图安装到相应位置,转步骤S3;
获得的模拟地形图、道路与建筑模拟地图、植被类型以及范围模拟图如图4、图5、图6所示,其中图5中的图形为建筑或者道路,图6中的植被类型被划分为区域,可以为干草丛、橡树树林、柏树树林、桂花树树林等等,不同的植被类型对应不同的空气温度-易燃等级函数、空气湿度-易燃等级函数、土壤温度-易燃等级函数、土壤湿度-易燃等级函数以及易传播函数。
S3:监测终端获得所在位置的空气温度数据、土壤温度数据、空气湿度数据、土壤湿度数据、方向数据以及风速数据,并将其通过无线传输至数据模拟服务器,转步骤S4;
监测终端安装点如图7所示,其中圆圈代表监测终端安装点在生成地图中的大概位置。
S4:数据模拟服务器对空气温度数据、土壤温度数据、空气湿度数据、土壤湿度数据、方向数据以及风速数据计算处理获得空气温度分布图、土壤温度分布图、空气湿度分布图、土壤湿度分布图、风向分布图以及风速分布图,转步骤S5;
获得的空气温度分布图、土壤温度分布图、空气湿度分布图、土壤湿度分布图、风向分布图以及风速分布图如图8、图9、图10、图11、图12所示,其中图12中的箭头方向及为监测终端采集到的风流动方向,风速分布图属于风向分布图,以数字加单位进行表示。
S5:数据判断服务器结合易燃等级函数和植被类型以及范围图、空气温度分布图、空气湿度分布图、土壤温度分布图、土壤湿度分布图获得自然易燃区域图,转步骤S6;
由用户输入易燃报警值,将超过易燃报警值的区域进行叠合从而获得自然易燃区域图,如图19所示。
S6:数据判断服务器结合易传播等级函数以及风向分布图、风速分布图、自然易燃区域图获得自然易传播区域图,转步骤S7;
用户输入易传播报警值,将超过易传播报警值的区域进行叠合从而获得自然易传播区域图,如图20所示。
S7:数据判断服务器结合道路与建筑模拟地图、高清摄像数据以及地形图数据计算获得人员易到达区域并通过已获得的自然易燃区域图导出人员易失火区域图,转步骤S8;
以此导出的人员易失火区域图如图21所示。
S8:数据判断服务器结合天气预测情况,获得预测的监测终端数据,以此计算导出预测的自然易燃区域图、自然易传播区域图、人员易失火区域图。
所述步骤S5包括以下步骤:
S51:数据判断服务器调取数据储存服务器中的易燃等级函数数据包括空气温度-易燃等级函数数据、空气湿度-易燃等级函数数据、土壤温度-易燃等级函数数据、土壤湿度-易燃等级函数数据,易燃等级函数会随植被类型的改变而改变,转S52;
S52:确定易燃等级的警报值,将其代入易燃等级函数,转S53;
空气湿度-易燃等级函数如图13所示,空气温度-易燃等级函数如图14所示,土壤湿度-易燃等级函数如图15所示,土壤温度-易燃等级函数如图16所示,易燃等级报警值由使用人员决定,易燃等级函数数据储存在数据储存服务器中,供数据判断服务器调用,易燃等级函数与植被类型为一一对应关系。
S53:数据判断服务器获得超过警报值的空气温度分布图的范围区域、空气湿度分布图的范围区域、土壤温度分布的范围区域、土壤湿度分布的范围区域,转S54。
S54:将所获得的范围区域进行叠合,获得叠合区域图,叠合区域图及为自然易燃区域图,所述叠合区域指的是满足包含所有获得的范围区域的区域。
以上生成的自然易燃区域如图19所示,其可以清晰的显示自然易燃区域的具体位置和范围,以便使用人员提前采取干预措施。
所述步骤S6包括以下步骤:
S61:数据判断服务器调取数据储存服务器中的易传播等级函数数据,易传播等级函数会随植被类型的改变而改变,转S62;
S62:确定易传播等级的警报值,将其代入易传播等级函数,转S63;
风速-易传播等级函数如图17所示,易传播函数数据储存在数据储存服务器,供数据判断服务器调用,易传播函数与植被类型为一一对应的关系。
S63:数据判断服务器结合风向分布图、风速分布图推导出高出警报值并且位于模拟风向的区域地图,此区域地图及为自然易传播区域图。
自然易传播区域图如图20所示,其显示的是火灾易传播的区域,使用人员可以根据其显示的范围采取相应的干预措施,防止火灾发生时在此区域快速传播。
所述步骤S7包括以下步骤:
S71:数据判断服务器通过高清摄像数据获得不同植被区域的植被密集程度数据,转S72;
S72:数据判断服务器通过地形图数据获得地形坡度变化数据,转S73;
S73:由植被密集程度数据以及地形坡度变化数据计算获得人员最长到达距离,转S74;
S74:计算获得的人员最长到达距离结合道路与建筑模拟地图获得人员易到达区域图,转S75;
如图18为人员易到达区域示意图,表示人员可以到达的最大范围,为人为预防火灾提供参考价值。
S75:由人员易到达区域图结合自然易燃区域图获得人员易失火区域图。
如图21为人员易失火区域图,使用人员可以进行人为干预,比如增加警告牌或者人为疏散等方式防止人为失火。
所述步骤S7中,所述高清摄像数据获得的植被密集程度价值度为M,所述植被密集程度价值度由判断服务器根据高清摄像数据中的植被单位面积可穿过间隙数量获得,所述地形图数据获得的坡度价值度为P,所述坡度价值度由判断服务器根据地形图数据中的单位水平长度地势差获得,所护人员设定最大的活动距离长度为L,所述人员设定最大的活动距离为人员在无植被且地面水平的情况下可活动的最大距离长度。
根据公式:
M=J/S
其中J为单位面积可穿过的间隙数量,S为单位面积的面积大小,M为植被密集程度价值度,单位面积可穿过的间隙数量由判断服务器结合设定的人员进出宽度和高清摄像数据中的间隙宽度比较获得,间隙宽度大于设定的人员进出宽度的间隙及为可穿过的间隙,特殊情况如无植被时,则植被密集程度价值度为零。
根据公式:
P=△D/△L
其中△D为地势差大小,△L为单位长度,P为坡度价值度。
根据公式:
LMAX=L/[(M*P)*a+b]
其中LMAX为人员最长到达距离,L为人员设定最大的活动距离,a为植被密码程度价值度与坡度价值度的乘积转换系数,b为人员设定最大的活动距离的运算基数,人员最长到达距离和植被密度以及坡度密切相关,当植被密度和坡度大小过大时,人员最长到达距离为零,当无植被并且地面水平时,人员最长到达距离和人员设定最大活动距离相同,由此根据道路与建筑模拟地图获得人员易到达区域。
本发明的工作原理:无人机获取森林的地形、道路与建筑、植被类型以及范围的数据,并且监测终端获得森林的温度、湿度、风速以及风向的数据,经由数据模拟服务器转化成可识别的模拟图,数据判断服务器结合易燃函数与易传播函数获得自然易燃区域图、自然易传播区域图,数据判断服务器结合对坡度、植被密集度计算获得人员易达到区域图,人员易到达区域图结合自然易燃区域图、自然易传播区域图获得人员易失火区域图,人为对自然易燃区域、自然易传播区域、人员易失火区域进行干预可以有效减少火灾发生可能性,减少火灾传播可能性,减少人为失火可能性,并且通过数据判断服务器进行趋势分析还可以预测未来火灾发生、传播的大致区域防患于未然。
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 (10)
1.一种基于大数据的森林防火报警系统,包括无人机监控模块、森林防火监测终端模块、大数据模拟生成模块、大数据模拟判断模块,其特征在于:所述无人机监控模块用于获得高清摄像数据以及电磁波测算数据,所述森林防火监测终端模块用于获得森林温度、湿度、风速以及风向的分布数据,所述大数据模拟生成模块用于将获得的数据模拟生成为可识别的图像,所述大数据判断模块用于通过条件计算获得具备参考价值的目标图像。
2.根据权利要求1所述的一种基于大数据的森林防火报警系统,其特征在于:所述无人机监控模块包括高清摄像单元、电磁波测算单元、无人机无线传输单元,所述高清摄像单元用于无人机拍摄森林高清摄像图片,并将高清摄像图片转化成可无线传输的数据,所述电磁波测算单元用于通过电子经纬仪、激光红外测距仪、记录器以及单片机建立数字地面模型,绘制地形图并输出可无线传输的数据,所述无人机无线传输单元用于将高清摄像图片数据以及地形图数据传输至数据模拟服务器,所述数据模拟服务器属于大数据模拟生成模块。
3.根据权利要求1所述的一种基于大数据的森林防火报警系统,其特征在于:所述森林防火监测终端模块包括温度监测单元、湿度监测单元、风向监测单元、风速监测单元、终端无线传输单元,所述温度监测单元用于获取监测终端所在位置的空气温度数据以及土壤温度数据,所述湿度监测单元用于获取监测终端所在位置的空气湿度数据以及土壤湿度数据,所述风向监测单元用于获取监测终端所在位置风流动的方向,并将其转化成系统可以识别的方向数据,所述风速监测单元用于获取监测终端所在位置风流动的速度,并将其转化成系统可以识别的风速数据,所述终端无线传输单元用于将空气温度数据、土壤温度数据、空气湿度数据、土壤湿度数据、方向数据以及风速数据传输至数据模拟服务器,所述数据模拟服务器属于大数据模拟生成模块。
4.根据权利要求1所述的一种基于大数据的森林防火报警系统,其特征在于:所述大数据模拟生成模块包括地形生成单元、道路与建筑生成单元、植被类型以及范围生成单元、监测终端安装点生成单元、温度分布生成单元、湿度分布生成单元、风向分布生成单元以及风速分布生成单元,所述地形生成单元用于将地形图数据转化成模拟地形图,所述道路与建筑生成单元用于通过识别高清摄像数据以及地形图数据生成道路与建筑模拟地图,所述植被类型以及范围生成单元用于通过识别模拟地形图、道路与建筑模拟地图并结合地形图数据、高清摄像数据获得不同类型的植被以及其所分布的地理范围,从而生成植被类型以及范围模拟图,所述监测终端安装点生成单元用于通过地形生成单元、道路与建筑生成单元、植被类型以及范围生成单元获得具备代表性数据采集特征的监测终端大致位置,所述代表性数据采集特征指的是监测终端采集的数据可以代表一定范围内的空气温度数据、空气湿度数据、土壤温度数据、土壤湿度数据、方向数据以及风速数据,所述温度分布生成单元用于将空气温度数据以及土壤温度数据模拟生成可识别的空气温度分布图以及土壤温度分布图,所述湿度分布生成单元用于将空气湿度数据以及土壤湿度数据模拟生成可识别的空气湿度分布图以及土壤湿度分布图,所述风向分布单元用于将方向数据模拟生成可识别的风向分布图,所述风速分布单元用于将风速数据模拟生成可识别的风速分布图。
5.根据权利要求1所述的一种基于大数据的森林防火报警系统,其特征在于:所述大数据判断模块包括自然易燃区域判断单元、自然易传播区域判断单元、人员易失火区域判断单元、趋势分析单元,所述自然易燃区域判断单元用于结合易燃等级函数和空气温度分布图、空气湿度分布图、土壤温度分布图、土壤湿度分布图获得自然易燃区域图,所述易燃等级函数由所在植被类型属性获得,所述自然易传播区域判断单元用于结合易传播等级函数以及风向分布图、风速分布图、自然易燃区域图获得自然易传播区域图,所述易传播等级函数由所在植被类型属性获得,所述人员易失火区域判断单元用于结合高清摄像数据以及地形图数据计算获得人员易到达区域并通过已获得的自然易燃区域图导出人员易失火区域图,所述趋势分析单元用于结合天气预测情况,获得预测的监测终端数据,以此计算导出预测的自然易燃区域图、自然易传播区域图、人员易失火区域图。
6.一种基于大数据的森林防火报警方法,其特征在于:所述方法包括以下步骤:
S1:无人机通过高清摄像头以及电子经纬仪、激光红外测距仪、记录器、单片机分别获得高清摄像图片数据以及高精度地形图数据,通过无线传输至数据模拟服务器,转步骤S2;
S2:数据模拟服务器对高清摄像图片数据以及高精度地形图数据进行计算处理获得模拟地形图、道路与建筑模拟地图、植被类型以及范围模拟图,以及获得具备代表性数据采集特征的监测终端大致位置图,将监测终端根据大致位置图安装到相应位置,转步骤S3;
S3:监测终端获得所在位置的空气温度数据、土壤温度数据、空气湿度数据、土壤湿度数据、方向数据以及风速数据,并将其通过无线传输至数据模拟服务器,转步骤S4;
S4:数据模拟服务器对空气温度数据、土壤温度数据、空气湿度数据、土壤湿度数据、方向数据以及风速数据计算处理获得空气温度分布图、土壤温度分布图、空气湿度分布图、土壤湿度分布图、风向分布图以及风速分布图,转步骤S5;
S5:数据判断服务器结合易燃等级函数和植被类型以及范围图、空气温度分布图、空气湿度分布图、土壤温度分布图、土壤湿度分布图获得自然易燃区域图,转步骤S6;
S6:数据判断服务器结合易传播等级函数和植被类型以及风向分布图、风速分布图、自然易燃区域图获得自然易传播区域图,转步骤S7;
S7:数据判断服务器结合道路与建筑模拟地图、高清摄像数据以及地形图数据计算获得人员易到达区域并通过已获得的自然易燃区域图导出人员易失火区域图,转步骤S8;
S8:数据判断服务器结合天气预测情况,获得预测的监测终端数据,以此计算导出预测的自然易燃区域图、自然易传播区域图、人员易失火区域图。
7.根据权利要求6所述的一种基于大数据的森林防火报警方法,其特征在于:所述步骤S5包括以下步骤:
S51:数据判断服务器调取数据储存服务器中的易燃等级函数数据包括空气温度-易燃等级函数数据、空气湿度-易燃等级函数数据、土壤温度-易燃等级函数数据、土壤湿度-易燃等级函数数据,易燃等级函数会随植被类型的改变而改变,转步骤S52;
S52:确定易燃等级的警报值,将其代入易燃等级函数,转步骤S53;
S53:数据判断服务器获得超过警报值的空气温度分布图的范围区域、空气湿度分布图的范围区域、土壤温度分布的范围区域、土壤湿度分布的范围区域,转步骤S54。
S54:将所获得的范围区域进行叠合,获得叠合区域图,叠合区域图及为自然易燃区域图,所述叠合区域指的是满足包含所有获得的范围区域的区域。
8.根据权利要求6所述的一种基于大数据的森林防火报警方法,其特征在于:所述步骤S6包括以下步骤:
S61:数据判断服务器调取数据储存服务器中的易传播等级函数数据,其中易传播等级函数会随植被类型的改变而改变,转S62;
S62:确定易传播等级的警报值,将其代入易传播等级函数,转步骤S63;
S63:数据判断服务器结合风向分布图、风速分布图推导出高出警报值并且位于模拟风向的区域地图,此区域地图及为自然易传播区域图。
9.根据权利要求6所述的一种基于大数据的森林防火报警方法,其特征在于:所述
S71:数据判断服务器通过高清摄像数据获得不同植被区域的植被密集程度数据,转步骤S72;
S72:数据判断服务器通过地形图数据获得地形坡度变化数据,转步骤S73;
S73:由植被密集程度数据以及地形坡度变化数据计算获得人员最长到达距离,转步骤S74;
S74:计算获得的人员最长到达距离结合道路与建筑模拟地图获得人员易到达区域图,转步骤S75;
S75:由人员易到达区域图结合自然易燃区域图获得人员易失火区域图。
10.根据权利要求6所述的一种基于大数据的森林防火报警方法,其特征在于:所述步骤S7中,所述高清摄像数据获得的植被密集程度价值度为M,所述植被密集程度价值度由判断服务器根据高清摄像数据中的植被单位面积可穿过间隙数量获得,所述地形图数据获得的坡度价值度为P,所述坡度价值度由判断服务器根据地形图数据中的单位水平长度地势差获得,所护人员设定最大的活动距离长度为L,所述人员设定最大的活动距离为人员在无植被且地面水平的情况下可活动的最大距离长度。
根据公式:
M=J/S
其中J为单位面积可穿过的间隙数量,S为单位面积的面积大小,M为植被密集程度价值度。
根据公式:
P=△D/△L
其中△D为地势差大小,△L为单位长度,P为坡度价值度。
根据公式:
LMAX=L/[(M*P)*a+b]
其中LMAX为人员最长到达距离,L为人员设定最大的活动距离,a为植被密码程度价值度与坡度价值度的乘积转换系数,b为人员设定最大的活动距离的运算基数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011373629.2A CN112581710B (zh) | 2020-11-30 | 2020-11-30 | 一种基于大数据的森林防火报警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011373629.2A CN112581710B (zh) | 2020-11-30 | 2020-11-30 | 一种基于大数据的森林防火报警系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112581710A true CN112581710A (zh) | 2021-03-30 |
CN112581710B CN112581710B (zh) | 2022-04-29 |
Family
ID=75128054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011373629.2A Active CN112581710B (zh) | 2020-11-30 | 2020-11-30 | 一种基于大数据的森林防火报警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581710B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113476761A (zh) * | 2021-05-21 | 2021-10-08 | 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 |
CN114140966A (zh) * | 2022-01-12 | 2022-03-04 | 南京林业大学 | 一种基于图像数据的森林防火监控系统及方法 |
CN117516627A (zh) * | 2023-11-10 | 2024-02-06 | 鄄城县自然资源和规划局 | 一种基于无人机数据的区域植被状态监测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101241631A (zh) * | 2007-02-09 | 2008-08-13 | 深圳职业技术学院 | 森林防火监控系统 |
AU2011265531A1 (en) * | 2005-11-10 | 2012-02-02 | Smart Packaging Solutions (Sps) | Method and device for detecting forest fires |
CN103455708A (zh) * | 2013-07-24 | 2013-12-18 | 安徽省电力科学研究院 | 基于卫星及气象信息的输电线路灾害监测与风险评估平台 |
CN105719421A (zh) * | 2016-04-27 | 2016-06-29 | 丛静华 | 一种基于大数据挖掘的集成化森林防火信息化系统 |
CN111970384A (zh) * | 2020-10-20 | 2020-11-20 | 四川极云智飞科技有限公司 | 一种森林火险等级实时动态监测系统及方法 |
-
2020
- 2020-11-30 CN CN202011373629.2A patent/CN112581710B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2011265531A1 (en) * | 2005-11-10 | 2012-02-02 | Smart Packaging Solutions (Sps) | Method and device for detecting forest fires |
CN101241631A (zh) * | 2007-02-09 | 2008-08-13 | 深圳职业技术学院 | 森林防火监控系统 |
CN103455708A (zh) * | 2013-07-24 | 2013-12-18 | 安徽省电力科学研究院 | 基于卫星及气象信息的输电线路灾害监测与风险评估平台 |
CN105719421A (zh) * | 2016-04-27 | 2016-06-29 | 丛静华 | 一种基于大数据挖掘的集成化森林防火信息化系统 |
CN111970384A (zh) * | 2020-10-20 | 2020-11-20 | 四川极云智飞科技有限公司 | 一种森林火险等级实时动态监测系统及方法 |
Non-Patent Citations (2)
Title |
---|
刘琳: "基于MODIS数据的重庆市森林火灾监测与预警研究", 《中国优秀硕士学位论文全文数据库 (农业科技辑)》 * |
杨晓丹 等: "耦合植被与T639 模式的森林火灾气象潜势预报", 《科技导报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113476761A (zh) * | 2021-05-21 | 2021-10-08 | 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 |
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 |
CN114140966A (zh) * | 2022-01-12 | 2022-03-04 | 南京林业大学 | 一种基于图像数据的森林防火监控系统及方法 |
CN114140966B (zh) * | 2022-01-12 | 2023-08-25 | 南京林业大学 | 一种基于图像数据的森林防火监控系统及方法 |
CN117516627A (zh) * | 2023-11-10 | 2024-02-06 | 鄄城县自然资源和规划局 | 一种基于无人机数据的区域植被状态监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112581710B (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581710B (zh) | 一种基于大数据的森林防火报警系统及方法 | |
CN110321853B (zh) | 基于视频智能检测的分布式电缆防外破系统 | |
CN103870891B (zh) | 基于网格流的输电线路火灾蔓延预测方法及系统 | |
US6405134B1 (en) | Method and apparatus for predicting lightning threats based on radar and temperature data | |
Lee et al. | Geomorphic and land cover characteristics of aeolian dust sources in West Texas and eastern New Mexico, USA | |
CN109448292A (zh) | 一种电网山火监测预警方法 | |
WO2004008407A1 (en) | System and method for territory thermal monitoring | |
Lenaerts et al. | Impact of model resolution on simulated wind, drifting snow and surface mass balance in Terre Adélie, East Antarctica | |
CN110009031B (zh) | 一种基于多源遥感数据的卫星山火火点二次筛选方法 | |
CN109856021B (zh) | 一种pm2.5反演方法及监测区域分割方法 | |
Grammalidis et al. | A multi-sensor network for the protection of cultural heritage | |
Corbari et al. | Land surface temperature representativeness in a heterogeneous area through a distributed energy-water balance model and remote sensing data | |
Hibino et al. | Physical responses of convective heavy rainfall to future warming condition: Case study of the Hiroshima event | |
CN114419835A (zh) | 一种基于数字孪生技术的历史建筑火灾监测方法及系统 | |
Morello | Potentialities and limitations of thermography to assess landslide risk | |
CN115542074A (zh) | 一种高压输电线路故障预警方法 | |
CN113111518B (zh) | 一种基于物联网的火灾仿真处理方法 | |
Kopp et al. | The summer 2021 Switzerland hailstorms: weather situation, major impacts and unique observational data | |
CN109902666B (zh) | 一种基于二维otsu的电网山火潜在火点识别方法 | |
CN115408941A (zh) | 基于多源数据的火情智能预警系统 | |
CN114418932A (zh) | 一种基于数字孪生技术的历史建筑修复方法及系统 | |
Tsintikidis et al. | A feasibility study on mean areal rainfall estimation and hydrologic response in the Blue Nile region using METEOSAT images | |
Gruber et al. | Avalanche hazard mapping with satellite data and a digital elevation model | |
Jesús | Methodologies for the evaluation of forest fire risk: from long-term (static) to dynamic indices | |
CN115394029A (zh) | 一种森林火灾预警系统及方法 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210330 Assignee: Nanjing Ruixi Technology Co.,Ltd. Assignor: NANJING FORESTRY University Contract record no.: X2023980032436 Denomination of invention: A forest fire alarm system and method based on big data Granted publication date: 20220429 License type: Common License Record date: 20230221 |
|
EE01 | Entry into force of recordation of patent licensing contract |