CN113139272A - 林火蔓延预测方法、装置、设备和存储介质 - Google Patents

林火蔓延预测方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN113139272A
CN113139272A CN202011443569.7A CN202011443569A CN113139272A CN 113139272 A CN113139272 A CN 113139272A CN 202011443569 A CN202011443569 A CN 202011443569A CN 113139272 A CN113139272 A CN 113139272A
Authority
CN
China
Prior art keywords
forest fire
fire spreading
current
time period
target cell
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
CN202011443569.7A
Other languages
English (en)
Inventor
李杨
孔庆云
童轩
高肖肖
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.)
Xi'an Tianhe Defense Technology Co ltd
Original Assignee
Xi'an Tianhe Defense 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 Xi'an Tianhe Defense Technology Co ltd filed Critical Xi'an Tianhe Defense Technology Co ltd
Priority to CN202011443569.7A priority Critical patent/CN113139272A/zh
Publication of CN113139272A publication Critical patent/CN113139272A/zh
Pending legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Landscapes

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

Abstract

本申请适用于计算机技术领域，提供了一种林火蔓延预测方法、装置、设备和存储介质，将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度，并采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果，其中，元胞为将待预测区域划分得到的区域，使得所得到的待预测区域在当前时间段内的林火蔓延预测结果，不止是根据待预测区域的地形得到的，还结合了待预测区域中各个元胞的当前林火蔓延速度，提高了林火蔓延预测结果准确度。

Description

林火蔓延预测方法、装置、设备和存储介质
技术领域
本申请涉及计算机技术领域，特别涉及一种林火蔓延预测方法、装置、设备和存储介质。
背景技术
近年来，森林火灾发生呈上升趋势，森林火灾具有突发性强、破坏程度大、波及范围广和预防救援难等特点，一旦森林发生火灾，便会造成大面积林木烧毁，严重的损害人民群众的生命和财产安全。
现有技术中，常常会采用基于地形构建出地理元胞自动机来预测林火蔓延。采用地理元胞自动机来预测林火蔓延时，通常先将待预测区域划分为多个栅格，得到多个元胞。然后根据各元胞当前的燃烧状态，得到与之相邻的其他元胞下一时刻的燃烧状态。例如，当一个元胞的燃烧状态为全燃状态时，与该元胞相邻的各元胞下一时刻的燃烧状态为初燃状态。再根据各元胞的下一时刻的燃烧状态，确定出该待预测区域整体的林火蔓延预测结果。
然而，采用上述方法进行林火蔓延预测，仅参考了待预测区域的地形，导致林火蔓延预测结果准确度低。
发明内容
本申请提供一种林火蔓延预测方法、装置、设备和存储介质，能够提高林火蔓延预测结果准确度。
第一方面，本申请实施例提供一种林火蔓延预测方法，该方法包括：
将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度；元胞为将待预测区域划分得到的区域；
采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果。
在其中一个实施例中，上述采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果，包括：
获取目标元胞在当前时间段内的燃烧状态；
根据目标元胞的当前林火蔓延速度、与目标元胞相邻的邻接元胞的当前林火蔓延速度，和目标元胞在当前时间段内的燃烧状态，确定目标元胞在下一个时间段的燃烧状态；
根据各目标元胞在下一个时间段的燃烧状态，得到待预测区域在当前时间段内的林火蔓延预测结果。
在其中一个实施例中，上述根据目标元胞的当前林火蔓延速度、与目标元胞相邻的邻接元胞的当前林火蔓延速度，和目标元胞在当前时间段内的燃烧状态，确定目标元胞在下一个时间段的燃烧状态，包括：
根据目标元胞的当前林火蔓延速度、邻接元胞的当前林火蔓延速度、目标元胞在当前时间段内的燃烧状态和第一公式，确定目标元胞在下一个时间段的燃烧状态；第一公式为：
Figure BDA0002830804480000021
其中，
Figure BDA0002830804480000022
表示目标元胞在下一个时间段的燃烧状态，
Figure BDA0002830804480000023
表示目标元胞在当前时间段内的燃烧状态，
Figure BDA0002830804480000024
表示邻接元胞的当前林火蔓延速度，
Figure BDA0002830804480000025
表示目标元胞的当前林火蔓延速度，i表示目标元胞的横坐标，j表示目标元胞的纵坐标，L表示目标元胞的长度，
Figure BDA0002830804480000026
表示时长步进，Rmax为目标元胞的当前林火蔓延速度和邻接元胞的当前林火蔓延速度中的最大值，m为预设修正系数。
在其中一个实施例中，上述将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度之前，该方法还包括：
获取待预测区域在上一个时间段内林火蔓延的模拟时长和林火蔓延的实际时长；模拟时长为根据上一个时间段内林火蔓延预测结果得到的；
根据模拟时长和实际时长确定时间修正系数；
根据时间修正系数修正王正非模型得到林火蔓延速度模型。
在其中一个实施例中，上述根据模拟时长和实际时长确定时间修正系数，包括：
若模拟时长大于实际时长，则将时间修正系数设置为小于上一个时间段对应的时间修正系数的数值；
若模拟时长小于实际时长，则将时间修正系数设置为大于上一个时间段对应的时间修正系数的数值。
在其中一个实施例中，上述火情数据包括附着物数据、地形数据和气象数据。
在其中一个实施例中，上述采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果之后，该方法还包括：
根据林火蔓延预测结果和林火蔓延实际结果，得到Kappa因子；
根据Kappa因子确定林火蔓延预测结果的准确度。
第二方面，本申请实施例提供一种林火蔓延预测装置，该装置包括：
获取模块，用于将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度；元胞为将待预测区域划分得到的区域；
预测模块，用于采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果。
第三方面，本申请实施例提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的方法的步骤。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法的步骤。
上述林火蔓延预测方法、装置、设备和存储介质，将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度，并采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果，其中，元胞为将待预测区域划分得到的区域，使得所得到的待预测区域在当前时间段内的林火蔓延预测结果，不止是根据待预测区域的地形得到的，还结合了待预测区域中各个元胞的当前林火蔓延速度，提高了林火蔓延预测结果准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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申请的一些实施例，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为本申请一个实施例中林火蔓延预测方法的应用环境的示意图；
图2为本申请一个实施例中林火蔓延预测方法的流程示意图；
图3为本申请一个实施例中各元胞燃烧状态的示意图；
图4为本申请另一个实施例中林火蔓延预测方法的流程示意图；
图5为本申请另一个实施例中林火蔓延预测方法的流程示意图；
图6为本申请另一个实施例中林火蔓延预测方法的流程示意图；
图7为本申请一个实施例中提供的林火蔓延预测装置的结构示意图；
图8为本申请一个实施例中设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解，本申请实施例中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本实施例所提供的林火蔓延预测方法，可以适用于如图1所示的应用环境中。其中，电子设备100可以对火情数据110进行处理，得到当前时间段内的林火蔓延预测结果。电子设备100可以但不限于为智能手机、平板电脑、笔记本电脑、台式电脑或个人数字助理等具有数据处理功能的电子设备，本实施例对电子设备100的具体形式不做限定。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。
需要说明的是，下述方法实施例的执行主体也可以是林火蔓延预测装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为上述电子设备的部分或者全部。下述方法实施例以执行主体为电子设备为例进行说明。
图2为本申请一个实施例提供的林火蔓延预测方法的流程示意图。本实施例涉及的是如何提高林火蔓延预测结果的准确度的具体过程。如图2所示，该方法包括以下步骤：
S101、将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度；元胞为将待预测区域划分得到的区域。
待预测区域可以为当前发生火情的区域，也可以是林区、山地、平原等地形中至少一个，本申请实施例对此不做限制。在一种可能的情况下，待预测区域也可以是同时包括上述地形中的两种或以上，例如，待预测区域可以同时包括林区和山地，待预测区域也可以同时包括林区、山地和平原。将待预测区域按照预设规则划分，得到的划分后的小区域，每个小区域可以被称为一个元胞。通常元胞为正方形，即该元胞的长度和宽度相同。在一种可能的情况下，元胞也可以不是正方形，本申请实施例对此不做限制。
火情数据可以是指与林火燃烧相关的数据，林火蔓延速度模型可以用于根据火情数据得到对应的林火蔓延速度。例如，林火蔓延速度模型可以是数学模型，将火情数据输入林火蔓延速度模型中，根据该数学模型，计算得到对应的林火蔓延速度。在一种可能的情况下，林火蔓延速度模型还可以是神经网络模型，本申请实施例对此不作限制。
本实施例提供的林火蔓延预测方法，可以根据林火蔓延速度模型以及不同时间段的火情数据得到不同时间段内各元胞的当前林火蔓延速度。其中，当前时间段是指当前预测林火蔓延速度的时间段，相似的，当前时间段之前的上一个预设时间段可以称为上一个时间段，当前时间段之后的下一个预设时间段可以称为下一个时间段，本实施例对每个时间段的时长不做限定，可以相同，也可以不同。
将当前时间段内的火情数据输入林火蔓延速度模型中，可以通过林火蔓延速度模型对当前时间段内的火情数据进行处理，得到待预测区域中各元胞的当前林火蔓延速度。其可以同时得到待预测区域中各元胞的当前林火蔓延速度，也可以依次得到待预测区域中各元胞的当前林火蔓延速度，本申请实施例对此不做限制。
S102、采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果。
元胞自动机算法可以是指一种时间、空间、状态都离散，空间相互作用和时间因果关系的局部网格动力学模型，其具有模拟复杂系统时空演化过程的能力。通常，元胞自动机算法不是由严格定义的物理方程或函数确定，而是用一系列模型构造的规则构成。林火蔓延预测结果可以用于指示在下一个时间段内林火蔓延的情况，例如，林火蔓延预测结果可以指示林火在下一个时间段内的燃烧范围，也可以指示林火持续燃烧的时长，本申请实施例对此不做限制。本申请实施例各元胞的当前林火蔓延速度在空间存在相互作用，且时间上存在因果关系，因此可以采用元胞自动机算法模拟复杂的林火蔓延过程，对上述各元胞的当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果。例如，可以如图3所示，图3中每个方格表示一个元胞，在T时段内，坐标为(i,j)的元胞为初燃状态，与该元胞相邻坐标分别为(i-1，j)、(i，j-1)、(i，j+1)、(i+1，j)的4个元胞燃烧状态为未燃状态；在T+ΔT时段内，坐标为(i,j)的元胞的燃烧状态变为全燃状态，对应的，与该元胞相邻坐标分别为(i-1，j)、(i，j-1)、(i，j+1)、(i+1，j)的4个元胞的燃烧状态变为初燃状态；在T+2ΔT时段内，坐标为(i,j)的元胞的燃烧状态变为渐灭状态，对应的，与该元胞相邻坐标分别为(i-1，j)、(i，j-1)、(i，j+1)、(i+1，j)的4个元胞的的燃烧状态变为全燃状态；在T+3ΔT时段内，坐标为(i,j)的元胞的燃烧状态变为已灭状态，对应的，与该元胞相邻坐标分别为(i-1，j)、(i，j-1)、(i，j+1)、(i+1，j)的4个元胞的的燃烧状态变为渐灭状态。
上述林火蔓延预测方法，将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度，并采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果，其中，元胞为将待预测区域划分得到的区域，使得所得到的待预测区域在当前时间段内的林火蔓延预测结果，不止是根据待预测区域的地形得到的，还结合了待预测区域中各个元胞的当前林火蔓延速度，提高了林火蔓延预测结果准确度。
可选的，上述火情数据可以包括附着物数据、地形数据和气象数据。
其中，附着物数据可以是指待预测区域内地表附着物的可燃系数，其可以通过查询可燃系数对照表获得。例如，通过对待预测区域的遥感图像进行分类识别，确定待预测区域内存在松树、茅草杂草、农田、裸地、居民地、河流和道路7种附着物。由于裸地、居民地、河流和道路这4种附着物的可燃系数近似，可以将上述7种附着物进一步地分为松树、茅草杂草、农田和其它4种，进而通过查找附着物和可燃系数的对照表，找到松树、茅草杂草、农田和其它分别对应的可燃系数，并将松树、茅草杂草、农田和其它分别对应的可燃系数作为附着物数据。地形数据可以包括待预测区域坡度和高程，其可以通过遥感图像和/或地图获取。气象数据可以包括待预测区域实时的风速、风向、温度和湿度。
上述林火蔓延预测方法，火情数据包括附着物数据、地形数据和气象数据，使得在将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度时，不仅仅考虑到固定不变的附着物数据和地形数据，还实时的结合了当前的气象数据，使得所得到中各元胞的当前林火蔓延速度更加的准确，进而进一步的提高了采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果的准确度。
采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果，可以是根据待预测区域中一个目标元胞，及，与该目标元胞相邻的其他元胞的燃烧状态得到，下面通过图4所示实施例来详细描述。
图4为本申请另一个实施例提供了一种林火蔓延预测方法的流程示意图，本实施例涉及的如何采用元胞自动机算法得到待预测区域在当前时间段内的林火蔓延预测结果的具体过程，如图4所示，上述S102“采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果”一种可能的实现方法，包括：
S201、获取目标元胞在当前时间段内的燃烧状态。
其中，目标元胞可以是待预测区域中各元胞的任一个，燃烧状态可以包括未燃状态、初燃状态、全燃状态、渐灭状态和已灭状态。可以通过目标元胞在上一时间段内的燃烧状态，确定目标元胞在当前时间段内的燃烧状态，例如，目标元胞在上一时间段的为全燃状态，则目标元胞在当前时间段内的燃烧状态为渐灭状态。也可以通过林火图像来获取目标元胞在当前时间段内的燃烧状态。例如可以通过对林火进行拍摄的遥感图进行分析，确定目标元胞在当前时间段内的燃烧状态。需要说明的是，在初始时刻的目标元胞的燃烧状态，可以通过遥感图像来直接获取。例如，初始时刻的目标元胞的燃烧状态是依据遥感图像上过火区、火点及烟雾与其他地物的光谱特征及热特性的不同进行监督分类，提取过火区及火点，确定初始时刻的目标元胞的燃烧状态。
S202、根据目标元胞的当前林火蔓延速度、与目标元胞相邻的邻接元胞的当前林火蔓延速度，和目标元胞在当前时间段内的燃烧状态，确定目标元胞在下一个时间段的燃烧状态。
当获取了各元胞的当前林火蔓延速度，可以根据目标元胞的当前林火蔓延速度、与目标元胞相邻的邻接元胞的当前林火蔓延速度，和目标元胞在当前时间段内的燃烧状态，确定目标元胞在下一个时间段的燃烧状态。
可选的，根据目标元胞的当前林火蔓延速度、邻接元胞的当前林火蔓延速度、目标元胞在当前时间段内的燃烧状态和第一公式，确定目标元胞在下一个时间段的燃烧状态；第一公式为：
Figure BDA0002830804480000081
其中，
Figure BDA0002830804480000082
表示目标元胞在下一个时间段的燃烧状态，
Figure BDA0002830804480000083
表示目标元胞在当前时间段内的燃烧状态，
Figure BDA0002830804480000084
表示邻接元胞的当前林火蔓延速度，
Figure BDA0002830804480000085
表示目标元胞的当前林火蔓延速度，i表示目标元胞的横坐标，j表示目标元胞的纵坐标，L表示目标元胞的长度，
Figure BDA0002830804480000086
表示时长步进，Rmax为目标元胞的当前林火蔓延速度和邻接元胞的当前林火蔓延速度中的最大值，m为预设修正系数。其中，m可以是根据经验得到的预设修正系数，在一个实施例中，m＝0.125。
需要说明的是，第一公式仅是一种示例，其中，邻接元胞可以是目标元胞相邻的4个元胞，也可以是与目标元胞邻接的8个元胞，本申请实施例对此不作限制。例如，如图3所示，坐标(i，j)的元胞为目标元胞，坐标为(i-1，j)、(i，j-1)、(i，j+1)、(i+1，j)的4个元胞为与目标元胞相邻的邻接元胞。在一种的可能的情况下，坐标(i，j)的元胞为目标元胞，坐标为(i-1，j-1)、(i-1，j)、(i-1，j+1)、(i，j-1)、(i，j+1)、(i+1，j-1)、(i+1，j)、(i+1，j+1)的8个元胞为与目标元胞相邻的邻接元胞。
S203、根据各目标元胞在下一个时间段的燃烧状态，得到待预测区域在当前时间段内的林火蔓延预测结果。
在得到了待预测区域内各个目标元胞在下一时刻的燃烧状态之后，可以根据各个目标元胞在下一个时间段的燃烧状态，确定待预测区域在当前时间段内的林火蔓延预测结果。
上述林火蔓延预测方法，获取目标元胞在当前时间段内的燃烧状态，根据目标元胞的当前林火蔓延速度、与目标元胞相邻的邻接元胞的当前林火蔓延速度，和目标元胞在当前时间段内的燃烧状态，确定目标元胞在下一个时间段的燃烧状态，进而根据各目标元胞在下一个时间段的燃烧状态，得到待预测区域在当前时间段内的林火蔓延预测结果，使得待预测区域在当前时间段内的林火蔓延预测结果，不止是根据待预测区域的地形得到的，还结合了待预测区域中各个元胞的当前林火蔓延速度，提高了林火蔓延预测结果准确度。
上述实施例重点描述了如何采用元胞自动机算法得到待预测区域在当前时间段内的林火蔓延预测结果的具体过程。在一种可能的情况，在将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度之前，还可以先根据待预测区域在上一个时间段内林火蔓延的模拟时长和林火蔓延的实际时长对王正非模型进行修正，得到准确度高于王正非模型的林火蔓延速度模型，该林火蔓延速度模型用于当前时间段的林火蔓延速度的预测。下面通过图5所示实施例来详细说明。
图5为本申请另一个实施例提供了一种林火蔓延预测方法的流程示意图，本实施例涉及的如何根据待预测区域在上一个时间段内林火蔓延的模拟时长和林火蔓延的实际时长对王正非模型进行修正得到林火蔓延速度模型的具体过程，如图5所示，上述S101“将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度”之前，该方法还包括：
S301、获取待预测区域在上一个时间段内林火蔓延的模拟时长和林火蔓延的实际时长；模拟时长为根据上一个时间段内林火蔓延预测结果得到的。
上一个时间段内林火蔓延预测结果中指示的林火蔓延时长可以是待预测区域在上一个时间段内林火蔓延的模拟时长，可以通过获取上一个时间段内林火蔓延预测结果来获取该模拟时间。林火蔓延的实际时长，可以根据当前实时发生的林火蔓延情况得到。例如，当前实时发生的林火蔓延情况指示，林火燃烧一平方公里的区域的时间为5小时，则林火蔓延的实际时长即为5小时。
S302、根据模拟时长和实际时长确定时间修正系数。
当模拟时长和实际时长不相匹配时，可以调整时间修正系数，使得下一个时间段内模拟时长能够更接近实时时长。例如，当模拟时长短于实际时长，可以调整时间修正系数，使得模拟时长变长，更加接近实际时长；当模拟时长长于实际时长时，可以调整时间修正系数，使得模拟时长变短，更加接近实际时长。
可选的，若模拟时长大于实际时长，则将时间修正系数设置为小于上一个时间段对应的时间修正系数的数值；若模拟时长小于实际时长，则将时间修正系数设置为大于上一个时间段对应的时间修正系数的数值。
S303、根据时间修正系数修正王正非模型得到林火蔓延速度模型。
其中，王正非模型是当前常用的用于计算林火蔓延速度的模型。根据上述时间修正系数修正王正非模型，即可得到林火蔓延速度模型。林火蔓延速度模型可以如第二公式所示，其中，第二公式包括：
R＝R0·Kφ·Kθ·KS·Kr
R表示当前林火蔓延速度，单位m/min，R0＝a·T+b·W+c(100-RH)-d，表示初始的林火蔓延速度，单位为m/min，其中，a＝0.03，b＝0.05，c＝0.01，d＝0.3；T表示当前的温度，单位为℃；
Figure BDA0002830804480000101
int表示取整数，v表示风速，单位为m/s；RH表示空气湿度，单位为％。Kφ表示风系数，Kφ＝e0.178·3v·cosφ，φ表示风向和林火蔓延方向的夹角。Kθ表示地形系数，Kθ＝e3.55g·tan1.2θ，θ表示坡度，g用于表示该区域为上坡区域或是下坡区域；当为上坡区域时，g＝1，当为下坡区域时，g＝-1。Ks表示可燃物指数，可以通过在可燃物指数表中查询得到。Kr表示时间修正系数。
上述林火蔓延预测方法，获取待预测区域在上一个时间段内林火蔓延的模拟时长和林火蔓延的实际时长，并根据模拟时长和实际时长确定时间修正系数，进而根据时间修正系数修正王正非模型得到林火蔓延速度模型，其中模拟时长为根据上一个时间段内林火蔓延预测结果得到的，林火蔓延速度模型是根据时间修正系数对王正非模型修正后得到的更加准确的模型，提高了根据林火蔓延速度模型得到的当前林火蔓速度的的准确性，进而进一步地提高了采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果的准确度。
在上述实施例的基础上，还可以通过Kappa因子来对确定林火蔓延预测结果的准确度。下面通过图6所示实施例来详细描述。
图6为本申请另一个实施例提供了一种林火蔓延预测方法的流程示意图，本实施例涉及的如何确定林火蔓延预测结果的准确度的具体过程，如图6所示，上述S102“采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果”之后，该方法还包括：
S401、根据林火蔓延预测结果和林火蔓延实际结果，得到Kappa因子。
kappa因子是一种衡量分类精度的指标。它是通过把所有地表真实分类中的像元总数(N)乘以混淆矩阵对角线(Xkk)的和，再减去某一类地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果，再除以总像元数的平方减去某一类地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果所得到。本申请实施例中，根据林火蔓延预测结果得到模拟火情燃烧面积，根据林火蔓延实际结果得到实际过火面积覆盖率，进而根据模拟火情燃烧面积和实际过火面积覆盖率得到上述Kappa因子。
S402、根据Kappa因子确定林火蔓延预测结果的准确度。
在得到上述Kappa因子之后，可以根据Kappa因子的数值来确定林火蔓延预测结果的准确度。kappa因子的计算结果为-1～1，但通常kappa因子是落在0～1间，可分为五组来表示不同级别的一致性：0.0～0.20极低的一致性(slight)、0.21～0.40一般的一致性(fair)、0.41～0.60中等的一致性(moderate)、0.61～0.80高度的一致性(substantial)和0.81～1几乎完全一致(almost perfect)。
在一种可能的情况下，在得到林火蔓延预测结果，并根据林火蔓延预测结果和林火蔓延实际结果得到了Kappa因子之后，可以根据Kappa因子调整林火蔓延速度模型中的参数，使得下一次使用该林火蔓延速度模型时，能够得到更加准确的林火蔓延速度。
在一个实施例中，以发生在某地的森林火灾为模拟对象，采用验证数据集为DS3505的气象数据和USGS卫星遥感数据，分别提取火情、植被信息与地理高程、坡度数据，进而通过ArcGis进行气象数据插值、遥感信息的信息栅格化处理。通过实验可知，将整个火场划分为3个区域，在N＝4邻域模型中，当3个区域的时间修正系数如表1所示时，kappa因子为0.400-0.7210区域，火情一致性高；准确率在87.32％-93.76％之间，得到的林火蔓延预测结果与林火蔓延实际结果最为接近。
表1某地3个区域的时间修正系数
火情区域划分 区域1 区域2 区域3
K<sub>r</sub> 0.3847 0.3527 0.2981
应该理解的是，虽然上述实施例中的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图7为本申请一个实施例中林火蔓延预测装置的结构示意图，如图7所示，包括：获取模块10和预测模块20，其中：
获取模块10，用于将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度；元胞为将待预测区域划分得到的区域；
预测模块20，用于采用元胞自动机算法对各当前林火蔓延速度进行处理，得到待预测区域在当前时间段内的林火蔓延预测结果。
在一个实施例中，上述预测模块20，包括：获取单元201、确定单元202和预测单元203，其中：
获取单元201，用于获取目标元胞在当前时间段内的燃烧状态；
确定单元202，用于根据目标元胞的当前林火蔓延速度、与目标元胞相邻的邻接元胞的当前林火蔓延速度，和目标元胞在当前时间段内的燃烧状态，确定目标元胞在下一个时间段的燃烧状态；
预测单元203，用于根据各目标元胞在下一个时间段的燃烧状态，得到待预测区域在当前时间段内的林火蔓延预测结果。
在一个实施例中，确定单元202具体用于根据目标元胞的当前林火蔓延速度、邻接元胞的当前林火蔓延速度、目标元胞在当前时间段内的燃烧状态和第一公式，确定目标元胞在下一个时间段的燃烧状态；第一公式为：
Figure BDA0002830804480000121
其中，
Figure BDA0002830804480000122
表示目标元胞在下一个时间段的燃烧状态，
Figure BDA0002830804480000123
表示目标元胞在当前时间段内的燃烧状态，
Figure BDA0002830804480000124
中除
Figure BDA0002830804480000125
以外表示邻接元胞的当前林火蔓延速度，
Figure BDA0002830804480000126
表示目标元胞的当前林火蔓延速度，i表示目标元胞的横坐标，j表示目标元胞的纵坐标，L表示目标元胞的长度，
Figure BDA0002830804480000127
表示时长步进，Rmax为目标元胞的当前林火蔓延速度和邻接元胞的当前林火蔓延速度中的最大值，m为预设修正系数。
在一个实施例中，该林火蔓延预测模型还包括修正模块30，其中：
修正模块30具体用于获取待预测区域在上一个时间段内林火蔓延的模拟时长和林火蔓延的实际时长；模拟时长为根据上一个时间段内林火蔓延预测结果得到的；根据模拟时长和实际时长确定时间修正系数；根据时间修正系数修正王正非模型得到林火蔓延速度模型。
在一个实施例中，修正模块30具体用于若模拟时长大于实际时长，则将时间修正系数设置为小于上一个时间段对应的时间修正系数的数值；若模拟时长小于实际时长，则将时间修正系数设置为大于上一个时间段对应的时间修正系数的数值。
在一个实施例中，上述火情数据包括附着物数据、地形数据和气象数据。
在一个实施例中该林火蔓延预测模型还包括确定模块40，其中：
确定模块40具体用于根据林火蔓延预测结果和林火蔓延实际结果，得到Kappa因子；根据Kappa因子确定林火蔓延预测结果的准确度。
本申请实施例提供的林火蔓延预测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于一种林火蔓延预测装置的具体限定可以参见上文中对林火蔓延预测方法的限定，在此不再赘述。上述林火蔓延预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种电子设备，其内部结构图可以如图8所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种林火蔓延预测方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当清楚的是，本申请实施例中处理器执行计算机程序的过程，与上述方法中各个步骤的执行过程一致，具体可参见上文中的描述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时可以实现本申请上述方法实施例提供的林火蔓延预测方法。
应当清楚的是，本申请实施例中处理器执行计算机程序的过程，与上述方法中各个步骤的执行过程一致，具体可参见上文中的描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种林火蔓延预测方法，其特征在于，包括：
将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度；所述元胞为将所述待预测区域划分得到的区域；
采用元胞自动机算法对各所述当前林火蔓延速度进行处理，得到所述待预测区域在当前时间段内的林火蔓延预测结果。
2.根据权利要求1所述的方法，其特征在于，所述采用元胞自动机算法对各所述当前林火蔓延速度进行处理，得到所述待预测区域在当前时间段内的林火蔓延预测结果，包括：
获取目标元胞在当前时间段内的燃烧状态；
根据所述目标元胞的当前林火蔓延速度、与所述目标元胞相邻的邻接元胞的当前林火蔓延速度，和所述目标元胞在当前时间段内的燃烧状态，确定所述目标元胞在下一个时间段的燃烧状态；
根据各所述目标元胞在下一个时间段的燃烧状态，得到所述待预测区域在当前时间段内的林火蔓延预测结果。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标元胞的当前林火蔓延速度、与所述目标元胞相邻的邻接元胞的当前林火蔓延速度，和所述目标元胞在当前时间段内的燃烧状态，确定所述目标元胞在下一个时间段的燃烧状态，包括：
根据所述目标元胞的当前林火蔓延速度、所述邻接元胞的当前林火蔓延速度、所述目标元胞在当前时间段内的燃烧状态和第一公式，确定所述目标元胞在下一个时间段的燃烧状态；所述第一公式为：
Figure FDA0002830804470000011
其中，所述
Figure FDA0002830804470000012
表示所述目标元胞在下一个时间段的燃烧状态，所述
Figure FDA0002830804470000013
表示所述目标元胞在当前时间段内的燃烧状态，所述
Figure FDA0002830804470000014
表示所述邻接元胞的当前林火蔓延速度，所述
Figure FDA0002830804470000015
表示所述目标元胞的当前林火蔓延速度，所述i表示所述目标元胞的横坐标，所述j表示所述目标元胞的纵坐标，所述L表示所述目标元胞的长度，所述
Figure FDA0002830804470000016
表示时长步进，所述Rmax为所述目标元胞的当前林火蔓延速度和所述邻接元胞的当前林火蔓延速度中的最大值，所述m为预设修正系数。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度之前，所述方法还包括：
获取所述待预测区域在上一个时间段内林火蔓延的模拟时长和林火蔓延的实际时长；所述模拟时长为根据所述上一个时间段内林火蔓延预测结果得到的；
根据所述模拟时长和所述实际时长确定时间修正系数；
根据所述时间修正系数修正王正非模型得到所述林火蔓延速度模型。
5.根据权利要求4所述的方法，其特征在于，所述根据所述模拟时长和所述实际时长确定时间修正系数，包括：
若所述模拟时长大于所述实际时长，则将所述时间修正系数设置为小于所述上一个时间段对应的时间修正系数的数值；
若所述模拟时长小于所述实际时长，则将所述时间修正系数设置为大于所述上一个时间段对应的时间修正系数的数值。
6.根据权利要求1-3任一项所述的方法，其特征在于，所述火情数据包括附着物数据、地形数据和气象数据。
7.根据权利要求1-3任一项所述的方法，其特征在于，所述采用元胞自动机算法对各所述当前林火蔓延速度进行处理，得到所述待预测区域在当前时间段内的林火蔓延预测结果之后，所述方法还包括：
根据所述林火蔓延预测结果和林火蔓延实际结果，得到Kappa因子；
根据所述Kappa因子确定所述林火蔓延预测结果的准确度。
8.一种林火蔓延预测装置，其特征在于，包括：
获取模块，用于将当前时间段内的火情数据输入林火蔓延速度模型中，得到待预测区域中各元胞的当前林火蔓延速度；所述元胞为将所述待预测区域划分得到的区域；
预测模块，用于采用元胞自动机算法对各所述当前林火蔓延速度进行处理，得到所述待预测区域在当前时间段内的林火蔓延预测结果。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
CN202011443569.7A 2020-12-11 2020-12-11 林火蔓延预测方法、装置、设备和存储介质 Pending CN113139272A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011443569.7A CN113139272A (zh) 2020-12-11 2020-12-11 林火蔓延预测方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011443569.7A CN113139272A (zh) 2020-12-11 2020-12-11 林火蔓延预测方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN113139272A true CN113139272A (zh) 2021-07-20

Family

ID=76809969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011443569.7A Pending CN113139272A (zh) 2020-12-11 2020-12-11 林火蔓延预测方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN113139272A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592178A (zh) * 2021-07-30 2021-11-02 青岛海信网络科技股份有限公司 一种林火蔓延预测设备、方法及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164587A (zh) * 2013-04-12 2013-06-19 南京大学 林火蔓延地理元胞自动机仿真方法
CN108710718A (zh) * 2018-03-30 2018-10-26 国网安徽省电力有限公司 基于元胞自动机的山火蔓延模拟仿真方法及系统
CN109635991A (zh) * 2018-10-19 2019-04-16 北京邮电大学 一种森林火灾中规划无人机群救援的优化方法及系统
CN109840617A (zh) * 2018-12-27 2019-06-04 东软集团股份有限公司 火灾指标预测方法、装置、可读存储介质和电子设备
CN110457369A (zh) * 2019-08-07 2019-11-15 北京嘉和海森健康科技有限公司 一种模型的训练方法及相关设备
CN111860205A (zh) * 2020-06-29 2020-10-30 成都数之联科技有限公司 基于多源遥感影像和网格的森林火情评价方法及存储介质
CN111986436A (zh) * 2020-09-02 2020-11-24 成都指码科技有限公司 一种基于紫外、深度神经网络的综合火焰检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164587A (zh) * 2013-04-12 2013-06-19 南京大学 林火蔓延地理元胞自动机仿真方法
CN108710718A (zh) * 2018-03-30 2018-10-26 国网安徽省电力有限公司 基于元胞自动机的山火蔓延模拟仿真方法及系统
CN109635991A (zh) * 2018-10-19 2019-04-16 北京邮电大学 一种森林火灾中规划无人机群救援的优化方法及系统
CN109840617A (zh) * 2018-12-27 2019-06-04 东软集团股份有限公司 火灾指标预测方法、装置、可读存储介质和电子设备
CN110457369A (zh) * 2019-08-07 2019-11-15 北京嘉和海森健康科技有限公司 一种模型的训练方法及相关设备
CN111860205A (zh) * 2020-06-29 2020-10-30 成都数之联科技有限公司 基于多源遥感影像和网格的森林火情评价方法及存储介质
CN111986436A (zh) * 2020-09-02 2020-11-24 成都指码科技有限公司 一种基于紫外、深度神经网络的综合火焰检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
何诚: "一种基于八叉树结构表达的林火蔓延模拟方法", 浙江林业科技, vol. 34, no. 6, 30 November 2014 (2014-11-30), pages 83 - 88 *
惠珊;芮小平;李尧;: "一种耦合元胞自动机的改进林火蔓延仿真算法", 武汉大学学报(信息科学版), no. 10, pages 1326 - 1332 *
杨广斌;刘鹏举;唐小明;: "动态数据驱动的林火蔓延模型适宜性选择", 林业科学, no. 01, 15 January 2011 (2011-01-15), pages 107 - 112 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592178A (zh) * 2021-07-30 2021-11-02 青岛海信网络科技股份有限公司 一种林火蔓延预测设备、方法及存储介质

Similar Documents

Publication Publication Date Title
Loepfe et al. Management alternatives to offset climate change effects on Mediterranean fire regimes in NE Spain
Mell et al. Wildland fire behavior modeling: perspectives, new approaches and applications
CN113792427B (zh) 一种已有边界条件下森林火灾蔓延预测模拟的方法
CN113902981B (zh) 一种林火蔓延预测方法、装置、电子设备及存储介质
CN113553764B (zh) 一种基于深度学习网络的山火预测方法
CN114936502B (zh) 一种森林火灾蔓延态势边界分析方法、系统、终端及介质
Rios et al. A data-driven fire spread simulator: Validation in Vall-Llobrega's fire
Rubí et al. Application of machine learning models in the behavioral study of forest fires in the Brazilian Federal District region
Price et al. The spatial domain of wildfire risk and response in the Wildland Urban Interface in Sydney, Australia
Zhou et al. Combined estimation of fire perimeters and fuel adjustment factors in FARSITE for forecasting wildland fire propagation
CN112990615A (zh) 干旱预警方法、装置、计算机设备和存储介质
CN114067545A (zh) 一种基于遥感大数据的森林火灾监测方法及系统
CN113111518A (zh) 一种基于物联网的火灾仿真处理方法
CN113139272A (zh) 林火蔓延预测方法、装置、设备和存储介质
Mohan et al. Leveraging machine learning to predict wild fires
CN116415712A (zh) 一种基于多数据源的火灾蔓延预测方法及系统
JP5801277B2 (ja) 林野火災の予測装置及び林野火災の予測プログラム
KR102496876B1 (ko) 산불 위험 계절 예보 장치 및 방법
CN110991702B (zh) 山区降水量的计算方法、装置、计算机设备和存储介质
Fletcher et al. Fractal properties of forest fires in Amazonia as a basis for modelling pan-tropical burnt area
CN112884310B (zh) 一种污染物扩散规律计算机辅助评估方法、系统及装置
Sharples et al. Dynamic simulation of the Cape Barren Island fire using the Spark framework
Gu Localized recursive spatial-temporal state quantification method for data assimilation of wildfire spread simulation
Tinoco et al. Wildfire simulation model based on cellular automata and stochastic rules
Rodríguez et al. Towards policies for data insertion in dynamic data driven application systems: a case study sudden changes in wildland fire

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