CN113222237A - 森林可燃物含水率动态预测方法、系统、设备及介质 - Google Patents

森林可燃物含水率动态预测方法、系统、设备及介质 Download PDF

Info

Publication number
CN113222237A
CN113222237A CN202110492032.8A CN202110492032A CN113222237A CN 113222237 A CN113222237 A CN 113222237A CN 202110492032 A CN202110492032 A CN 202110492032A CN 113222237 A CN113222237 A CN 113222237A
Authority
CN
China
Prior art keywords
combustible
forest
information
water content
research area
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
Application number
CN202110492032.8A
Other languages
English (en)
Other versions
CN113222237B (zh
Inventor
宋卫国
罗碧珍
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.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
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 University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN202110492032.8A priority Critical patent/CN113222237B/zh
Publication of CN113222237A publication Critical patent/CN113222237A/zh
Application granted granted Critical
Publication of CN113222237B publication Critical patent/CN113222237B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

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

Abstract

本发明公开了森林可燃物含水率动态预测方法、系统、设备及介质。所述方法包括：获取林内研究区域的地形信息和含有的可燃物信息，实时获取林内研究区域的气象信息，在每种气象下对林内研究区域中特定地形内含有的可燃物进行若干含水率测试，分析在同一气象下影响可燃物含水率的影响因子及各个影响因子的影响程度比值，根据分析所得的数据，整合地形信息、可燃物信息、以及气象信息，得到森林可燃物含水率动态预测报告。本发明的森林可燃物含水率动态预测方法，结合地形信息、可燃物信息、以及气象信息，对林内研究区域的可燃物含水率进行定量的动态变化分析，得到更加全面和准确的森林可燃物含水率动态预测报告。

Description

森林可燃物含水率动态预测方法、系统、设备及介质
技术领域
本发明涉及森林可燃物含水率动态预测技术领域，特别是涉及一种森林可燃物含水率动态预测方法、系统、设备及介质。
背景技术
森林可燃物含水率是林火管理实践中最重要的基础数据之一，了解并精准预测其不同尺度(小时、日、季节、防火期)动态变化规律是解决森林火险相关问题的关键环节，是确定衡量森林火灾发生的危险程度的核心内容。森林火险预测主要基于林内气象因子(气温、相对湿度、风速、降水量等)和非气象因子(可燃物类型、地形数据、人为社会经济数据等)数据的综合分析，并结合历史林火气象数据和林火发生记录，鉴定危险火源，对林火影响因素采用一定的数学统计方法，构建林火发生概率及蔓延模型，且适用于本地的林火预警系统对保护公共安全具有重要意义。
国外主要有澳大利亚的森林火险指数(McArthur Forest Fire Danger Index,FFDI)、美国的森林火险等级系统(National Fire Danger Rating System,NFDRS)、加拿大的森林火险等级系统(Canadian Forest Fire Danger Rating System,CFFDRS)等，均以森林中地表可燃物含水率与气象因子、非气象因子的关系作为研究切入点，且成为森林火险预测的核心内容。
国内开展森林可燃物含水率的研究，起步较慢，但在国外的大量研究资料基础上，发展较快。20世纪80年代中后期，在研究分析方法上，主要应用多元回归统计方法，分析森林可燃物含水率与气象因子的关系；2000-2013年的研究方向一般以不同林型或树种为研究对象，建立了不同细小可燃物含水率的预测模型。研究地区上，主要集中在森林火灾高发地区，如大兴安岭地区和西南地区，主要专注于不同气象条件下可燃物含水率及其动态变化，构建了可燃物含水率预测模型。但许多研究并未考虑森林生态系统的异质性，以及代表性可燃物类型的基础数据有待完善，有关可燃物含水率变化的基础理论需进一步系统展开研究，如在相同温度条件下森林可燃物的失水和吸水过程的机制研究等。
发明内容
基于此，本发明的目的在于，提供一种森林可燃物含水率动态预测方法、系统、设备及介质，结合地形信息、可燃物信息、以及实时的气象信息，对林内研究区域的可燃物的含水率进行定量的动态变化分析，构建更加完善的森林可燃物含水率动态预测报告。
本发明的目的通过以下技术方案实现：
一种森林可燃物含水率动态预测方法，包括以下步骤：
S1：获取林内研究区域的地形信息和所述林内研究区域含有的可燃物信息；
S2：实时获取所述林内研究区域的气象信息，所述气象信息包括空气温度、相对湿度、风速、风向、降水和太阳辐射；
S3：在每种气象下对林内研究区域中特定地形内含有的可燃物进行若干含水率测试，分析在同一气象下影响可燃物含水率的影响因子及各个影响因子的影响程度比值；
S4：根据分析所得的数据，整合地形信息、可燃物信息、以及气象信息，得到森林可燃物含水率动态预测报告。
本发明的森林可燃物含水率动态预测方法，结合地形信息、可燃物信息、以及实时的气象信息，对林内研究区域的可燃物的含水率进行定量的动态变化分析，构建更加完善的森林可燃物含水率动态预测报告，通过所构建的森林可燃物含水率动态预测报告，可以预测本地区森林火灾的脆弱性，借此评估森林火灾发生风险、预报火灾发生的可能性、火灾可控性及可能造成的损失，提前预测火灾可能发生的时间和地点，为强化应急管理、优化森林消防资源配置提供参考有效依据。
进一步地，在每种气象下对林内研究区域中特定地形内含有的可燃物进行采样，并对其进行可燃物着火含水率测试、可燃物蔓延含水率测试、可燃物燃烧性能测试和可燃物物理化性质测试中的一种或多种。
进一步地，所述林内研究区域的地形信息包括坡度信息、坡向信息、坡位信息、以及海拔信息中的一种或多种，所述可燃物信息包括可燃物类型信息、可燃物载量信息、和可燃物所在位置的环境信息中的一种或多种。
进一步地，所述森林可燃物含水率动态预测方法还包括：S5：获取外部森林可燃物含水率数据，将所述外部森林可燃物含水率数据与分析所得的数据进行对比，调整且完善所述森林可燃物含水率动态预测报告。
一种森林可燃物含水率动态预测系统，包括：
林内信息获取模块，用于获取林内研究区域的地形信息和所述林内研究区域含有的可燃物信息；
气象信息获取模块，用于实时获取所述林内研究区域的气象信息；
测试模块，用于在每种气象下对林内研究区域中特定地形内含有的可燃物进行若干含水率测试，分析在同一气象下影响可燃物含水率的影响因子及各个影响因子的影响程度比值；
整合模块，用于根据分析所得的数据，整合地形信息、可燃物信息、以及气象信息，得到森林可燃物含水率动态预测报告。
进一步地，所述测试模块中的在每种气象下对林内研究区域中特定地形内含有的可燃物进行若干含水率测试，包括：
在每种气象下对林内研究区域中特定地形内含有的可燃物进行采样，并对其进行可燃物着火含水率测试、可燃物蔓延含水率测试、可燃物燃烧性能测试和可燃物物理化性质测试中的一种或多种。
进一步地，所述林内信息获取模块中的林内研究区域的地形信息包括坡度信息、坡向信息、坡位信息、以及海拔信息中的一种或多种，所述林内信息获取模块中的可燃物信息包括可燃物类型信息、可燃物载量信息、和可燃物所在位置的环境信息中的一种或多种。
进一步地，所述森林可燃物含水率动态预测系统还包括比对模块，所述比对模块用于获取外部森林可燃物含水率数据，将所述外部森林可燃物含水率数据与分析所得的数据进行对比，调整且完善所述森林可燃物含水率动态预测报告。
一种森林可燃物含水率动态预测设备，所述设备包括存储装置和处理器，所述存储装置用于存储一个或多个程序；
当所述一个或多个程序被所述处理器执行时，所述处理器实现如上述任一项所述的森林可燃物含水率动态预测方法。
本发明的目的之四通过以下技术方案实现：
一种计算机可读存储介质，其存储有至少一个程序，当所述程序被处理器执行时，实现如上述任一项所述的森林可燃物含水率动态预测方法。
相对于现有技术，本发明的森林可燃物含水率动态预测方法、系统、设备及计算机可读存储介质，结合地形信息、可燃物信息、以及实时的气象信息，对林内研究区域的可燃物的含水率进行定量的动态变化分析，构建更加完善的森林可燃物含水率动态预测报告，本发明得到森林可燃物含水率动态预测报告的信息种类多、信息量大、预测结果更精准、极具参考价值，通过所构建的森林可燃物含水率动态预测报告，可以预测本地区森林火灾的脆弱性，借此评估森林火灾发生风险、预报火灾发生的可能性、火灾可控性及可能造成的损失，提前预测火灾可能发生的时间和地点，为强化应急管理、优化森林消防资源配置提供参考有效依据。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1是本发明的森林可燃物含水率动态预测方法的流程图。
图2是本发明的森林可燃物含水率动态预测系统的模块示意图。
附图标记：1、林内信息获取模块；2、气象信息获取模块；3、测试模块；4、整合模块；5、比对模块。
具体实施方式
在本说明书中提到或者可能提到的上、下、左、右、前、后、正面、背面、顶部、底部等方位用语是相对于其构造进行定义的，它们是相对的概念。因此，有可能会根据其所处不同位置、不同使用状态而进行相应地变化。所以，也不应当将这些或者其他的方位用语解释为限制性用语。
以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
一种森林可燃物含水率动态预测方法，如图1所示，包括以下步骤：
S1：获取林内研究区域的地形信息和所述林内研究区域含有的可燃物信息。
优选地，所述林内研究区域的地形信息包括坡度信息、坡向信息、坡位信息、以及海拔信息中的一种或多种，所述可燃物信息包括可燃物类型信息、可燃物载量信息、和可燃物所在位置的环境信息中的一种或多种。
可燃物所处位置的坡度值、坡向、坡位、以及海拔高度均有可能影响可燃物的受日照程度，从而影响其含水率，根据不同的判断标准，可燃物类型多种多样，例如，根据可燃物不同的组成成分，可以划分为有机可燃物和无机可燃物，又例如，根据可燃物的燃烧特性，可以划分为重度危险可燃物、中度危险可燃物、以及轻度危险可燃物，等等，不同类型的可燃物的含水率本身也不同，在同一气象条件下，不同的环境也会影响其含水率的变化，可燃物所在位置的环境信息除了地形信息外还包括可燃物所处的环境土壤的含水率和可燃物周边植被的类型等。本发明的森林可燃物含水率动态预测方法获取的信息类型多样，信息量大，能够对可燃物含水率进行更加全面的分析，以构建更加精准的森林可燃物含水率动态预测报告。
S2：实时获取所述林内研究区域的气象信息。
具体地，所述气象信息包括温度信息、湿度信息、降雨信息、风场信息等。具体地所述气象信息包括空气温度、相对湿度、风速、风向、降水和太阳辐射等。
S3：在每种气象下对林内研究区域中特定地形内含有的可燃物进行若干含水率测试，分析在同一气象下影响可燃物含水率的影响因子及各个影响因子的影响程度比值。
优选地，在每种气象下对林内研究区域中特定地形内含有的可燃物进行采样，并对其进行可燃物着火含水率测试、可燃物蔓延含水率测试、可燃物燃烧性能测试和可燃物物理化性质测试中的一种或多种。
例如，可燃理化性质测定包括密实度、表体比、燃点、热值、灰分、抽提物、油脂等与火灾发生和蔓延有关的参数。
S4：根据分析所得的数据，整合地形信息、可燃物信息、以及气象信息，得到森林可燃物含水率动态预测报告。
本发明的森林可燃物含水率动态预测方法，结合地形信息、可燃物信息、以及实时的气象信息，对林内研究区域的可燃物的含水率进行定量的动态变化分析，构建更加完善的森林可燃物含水率动态预测报告，通过所构建的森林可燃物含水率动态预测报告，可以预测本地区森林火灾的脆弱性，借此评估森林火灾发生风险、预报火灾发生的可能性、火灾可控性及可能造成的损失，提前预测火灾可能发生的时间和地点，为强化应急管理、优化森林消防资源配置提供参考有效依据。
优选地，所述森林可燃物含水率动态预测方法还包括：
S5：获取外部森林可燃物含水率数据，将所述外部森林可燃物含水率数据与分析所得的数据进行对比，调整且完善所述森林可燃物含水率动态预测报告。
例如，可以从外部专注于不同气象条件下可燃物含水率及其动态变化所构建的可燃物含水率预测模型获取外部森林可燃物含水率数据，将这些数据与通过本发明的森林可燃物含水率动态预测方法得到的可燃物含水率数据进行比对或融合，来调整和完善通过本发明的森林可燃物含水率动态预测方法得到的森林可燃物含水率动态预测报告的数据完整性和准确性。
一种森林可燃物含水率动态预测系统，如图2所示，包括：
林内信息获取模块1，用于获取林内研究区域的地形信息和所述林内研究区域含有的可燃物信息，
气象信息获取模块2，用于实时获取所述林内研究区域的气象信息，
测试模块3，用于在每种气象下对林内研究区域中特定地形内含有的可燃物进行若干含水率测试，分析在同一气象下影响可燃物含水率的影响因子及各个影响因子的影响程度比值，
整合模块4，用于根据分析所得的数据，整合地形信息、可燃物信息、以及气象信息，得到森林可燃物含水率动态预测报告。
优选地，所述测试模块3中的在每种气象下对林内研究区域中特定地形内含有的可燃物进行若干含水率测试，包括：
在每种气象下对林内研究区域中特定地形内含有的可燃物进行采样，并对其进行可燃物着火含水率测试、可燃物蔓延含水率测试、可燃物燃烧性能测试、可燃物物理化性质测试中的一种或多种。
优选地，所述林内信息获取模块1中的林内研究区域的地形信息包括坡度信息、坡向信息、坡位信息、以及海拔信息中的一种或多种，所述林内信息获取模块中的可燃物信息包括可燃物类型信息、可燃物载量信息、和可燃物所在位置的环境信息中的一种或多种。
优选地，所述森林可燃物含水率动态预测系统还包括比对模块5，所述比对模块5用于获取外部森林可燃物含水率数据，将所述外部森林可燃物含水率数据与分析所得的数据进行对比，调整且完善所述森林可燃物含水率动态预测报告。
本发明还公开一种森林可燃物含水率动态预测设备，所述设备包括存储装置和处理器，所述存储装置用于存储一个或多个程序；
当所述一个或多个程序被所述处理器执行时，所述处理器实现如上述所述的森林可燃物含水率动态预测方法。
所述设备还可以优选地包括通信接口，所述通信接口用于与外部设备进行通信和数据交互传输。
需要说明的是，所述存储器可能包含高速RAM存储器，也可能还包括非易失性存储器(nonvolatile memory)，例如至少一个磁盘存储器。
在具体实现上，如果存储器、处理器及通信接口集成在一块芯片上，则存储器、处理器及通信接口可以通过内部接口完成相互间的通信。如果存储器、处理器和通信接口独立实现，则存储器、处理器和通信接口可以通过总线相互连接并完成相互间的通信。
本发明还公开一种计算机可读存储介质，其存储有至少一个程序，当所述程序被处理器执行时，实现如上述所述的森林可燃物含水率动态预测方法。
应当理解，所述计算机可读存储介质为可存储数据或程序的任何数据存储设备，所述数据或程序其后可由计算机系统读取。计算机可读存储介质的示例包括：只读存储器、随机存取存储器、CD-ROM、HDD、DVD、磁带和光学数据存储设备等。
计算机可读存储介质还可分布在网络耦接的计算机系统中使得计算机可读代码以分布式方式来存储和执行。
计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频(Radio Frequency，RF)等，或者上述的任意合适的组合。
在一些实施方案中，计算机可读存储介质还可以是非暂态的。
相对于现有技术，本发明的森林可燃物含水率动态预测方法、系统、设备及计算机可读存储介质，结合地形信息、可燃物信息、以及实时的气象信息，对林内研究区域的可燃物的含水率进行定量的动态变化分析，构建更加完善的森林可燃物含水率动态预测报告，本发明得到森林可燃物含水率动态预测报告的信息种类多、信息量大、预测结果更精准、极具参考价值，通过所构建的森林可燃物含水率动态预测报告，可以预测本地区森林火灾的脆弱性，借此评估森林火灾发生风险、预报火灾发生的可能性、火灾可控性及可能造成的损失，提前预测火灾可能发生的时间和地点，为强化应急管理、优化森林消防资源配置提供参考有效依据。
以上所述实施例仅表达了本发明的几种实施方式，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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.一种森林可燃物含水率动态预测方法，其特征在于，包括以下步骤：
S1：获取林内研究区域的地形信息和所述林内研究区域含有的可燃物信息；
S2：实时获取所述林内研究区域的气象信息，所述气象信息包括空气温度、相对湿度、风速、风向、降水和太阳辐射；
S3：在每种气象下对林内研究区域中特定地形内含有的可燃物进行若干含水率测试，分析在同一气象下影响可燃物含水率的影响因子及各个影响因子的影响程度比值；
S4：根据分析所得的数据，整合地形信息、可燃物信息、以及气象信息，得到森林可燃物含水率动态预测报告。
2.根据权利要求1所述的森林可燃物含水率动态预测方法，其特征在于：步骤S3中，所述在每种气象下对林内研究区域中特定地形内含有的可燃物进行若干含水率测试，包括：
在每种气象下对林内研究区域中特定地形内含有的可燃物进行采样，并对其进行可燃物着火含水率测试、可燃物蔓延含水率测试、可燃物燃烧性能测试和可燃物理化性质测试中的一种或多种。
3.根据权利要求1所述的森林可燃物含水率动态预测方法，其特征在于：步骤S1中，所述林内研究区域的地形信息包括坡度信息、坡向信息、坡位信息、以及海拔信息中的一种或多种，所述可燃物信息包括可燃物类型信息、可燃物载量信息、和可燃物所在位置的环境信息中的一种或多种。
4.根据权利要求1所述的森林可燃物含水率动态预测方法，其特征在于，所述森林可燃物含水率动态预测方法还包括：S5：获取外部森林可燃物含水率数据，将所述外部森林可燃物含水率数据与分析所得的数据进行对比，调整且完善所述森林可燃物含水率动态预测报告。
5.一种森林可燃物含水率动态预测系统，其特征在于，包括：
林内信息获取模块，用于获取林内研究区域的地形信息和所述林内研究区域含有的可燃物信息；
气象信息获取模块，用于实时获取所述林内研究区域的气象信息；
测试模块，用于在每种气象下对林内研究区域中特定地形内含有的可燃物进行若干含水率测试，分析在同一气象下影响可燃物含水率的影响因子及各个影响因子的影响程度比值；
整合模块，用于根据分析所得的数据，整合地形信息、可燃物信息、以及气象信息，得到森林可燃物含水率动态预测报告。
6.根据权利要求5所述的森林可燃物含水率动态预测系统，其特征在于，所述测试模块中的在每种气象下对林内研究区域中特定地形内含有的可燃物进行若干含水率测试，包括：
在每种气象下对林内研究区域中特定地形内含有的可燃物进行采样，并对其进行可燃物着火含水率测试、可燃物蔓延含水率测试、可燃物燃烧性能测试和可燃物物理化性质测试中的一种或多种。
7.根据权利要求5所述的森林可燃物含水率动态预测系统，其特征在于，所述林内信息获取模块中的林内研究区域的地形信息包括坡度信息、坡向信息、坡位信息、以及海拔信息中的一种或多种，所述林内信息获取模块中的可燃物信息包括可燃物类型信息、可燃物载量信息、和可燃物所在位置的环境信息中的一种或多种。
8.根据权利要求5所述的森林可燃物含水率动态预测系统，其特征在于，所述森林可燃物含水率动态预测系统还包括比对模块，所述比对模块用于获取外部森林可燃物含水率数据，将所述外部森林可燃物含水率数据与分析所得的数据进行对比，调整且完善所述森林可燃物含水率动态预测报告。
9.一种森林可燃物含水率动态预测设备，其特征在于，所述森林可燃物含水率动态预测设备包括存储装置和处理器，所述存储装置用于存储一个或多个程序；
当所述一个或多个程序被所述处理器执行时，所述处理器实现根据权利要求1-4中任一项所述的森林可燃物含水率动态预测方法。
10.一种计算机可读存储介质，其存储有至少一个程序，其特征在于，当所述程序被处理器执行时，实现根据权利要求1-4中任一项所述的森林可燃物含水率动态预测方法。
CN202110492032.8A 2021-05-06 2021-05-06 森林可燃物含水率动态预测方法、系统、设备及介质 Active CN113222237B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110492032.8A CN113222237B (zh) 2021-05-06 2021-05-06 森林可燃物含水率动态预测方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110492032.8A CN113222237B (zh) 2021-05-06 2021-05-06 森林可燃物含水率动态预测方法、系统、设备及介质

Publications (2)

Publication Number Publication Date
CN113222237A true CN113222237A (zh) 2021-08-06
CN113222237B CN113222237B (zh) 2024-05-17

Family

ID=77091099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110492032.8A Active CN113222237B (zh) 2021-05-06 2021-05-06 森林可燃物含水率动态预测方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN113222237B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114463917A (zh) * 2022-03-10 2022-05-10 南京林业大学 基于大数据的森林火灾应急调度系统及方法
CN114493042A (zh) * 2022-02-24 2022-05-13 东北林业大学 一种森林地表细小死可燃物含水率预测方法、预测装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886385A (zh) * 2014-02-20 2014-06-25 中国林业科学研究院森林生态环境与保护研究所 一种预测森林火灾日发生概率的方法
CN106951992A (zh) * 2017-03-20 2017-07-14 上海事凡物联网科技有限公司 一种地表可燃物含水率的预测方法及系统、服务器
CN111369119A (zh) * 2020-02-26 2020-07-03 山东超越数控电子股份有限公司 一种森林地表死可燃物含水率预测的方法，设备及可读存储介质
KR20210000423A (ko) * 2019-06-25 2021-01-05 대한민국(산림청 국립산림과학원장) 평형함수율을 이용한 산림연료습도의 추정방법 및 시스템
CN112213230A (zh) * 2020-10-16 2021-01-12 西南林业大学 一种云南松地表可燃物含水率确定方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886385A (zh) * 2014-02-20 2014-06-25 中国林业科学研究院森林生态环境与保护研究所 一种预测森林火灾日发生概率的方法
CN106951992A (zh) * 2017-03-20 2017-07-14 上海事凡物联网科技有限公司 一种地表可燃物含水率的预测方法及系统、服务器
KR20210000423A (ko) * 2019-06-25 2021-01-05 대한민국(산림청 국립산림과학원장) 평형함수율을 이용한 산림연료습도의 추정방법 및 시스템
CN111369119A (zh) * 2020-02-26 2020-07-03 山东超越数控电子股份有限公司 一种森林地表死可燃物含水率预测的方法，设备及可读存储介质
CN112213230A (zh) * 2020-10-16 2021-01-12 西南林业大学 一种云南松地表可燃物含水率确定方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
B. MIKE WOTTON: ""A Grass moisture model for the Canadian Forest Fire Danger Rating System"", 《RESEARCHGATE》, pages 1 - 9 *
胡海清 等: ""森林可燃物含水率及其预测模型研究进展"", 《世界林业研究》, pages 64 - 69 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114493042A (zh) * 2022-02-24 2022-05-13 东北林业大学 一种森林地表细小死可燃物含水率预测方法、预测装置、电子设备及存储介质
CN114463917A (zh) * 2022-03-10 2022-05-10 南京林业大学 基于大数据的森林火灾应急调度系统及方法
CN114463917B (zh) * 2022-03-10 2023-10-27 南京林业大学 基于大数据的森林火灾应急调度系统及方法

Also Published As

Publication number Publication date
CN113222237B (zh) 2024-05-17

Similar Documents

Publication Publication Date Title
Vitolo et al. A 1980–2018 global fire danger re-analysis dataset for the Canadian Fire Weather Indices
Liu et al. Spatial patterns and drivers of fire occurrence and its future trend under climate change in a boreal forest of Northeast China
Sellers et al. BOREAS in 1997: Experiment overview, scientific results, and future directions
Lo et al. Relationships between climate and tree radial growth in interior British Columbia, Canada
Tan et al. Corrigendum to: Spatial correlates of forest and land fires in Indonesia
DaCamara et al. Calibration of the Fire Weather Index over Mediterranean Europe based on fire activity retrieved from MSG satellite imagery
Varotsos et al. Scaling behaviour of the global tropopause
CN113222237B (zh) 森林可燃物含水率动态预测方法、系统、设备及介质
Almeida et al. Quantifying the effects of Eucalyptus plantations and management on water resources at plot and catchment scales
Quan et al. Corrigendum to: Integrating remotely sensed fuel variables into wildfire danger assessment for China
Mululo Sato et al. Spatial variability and temporal stability of throughfall in a eucalyptus plantation in the hilly lowlands of southeastern Brazil
Makinde et al. Geoinformatic assessment of urban heat island and land use/cover processes: a case study from Akure
Vido et al. Identifying the relationships of climate and physiological responses of a beech forest using the Standardised Precipitation Index: a case study for Slovakia
Shekhar et al. Long‐term changes in forest response to extreme atmospheric dryness
Montealegre-Gracia et al. Using low-density discrete Airborne Laser Scanning data to assess the potential carbon dioxide emission in case of a fire event in a Mediterranean pine forest
CN117272242A (zh) 一种森林植被燃烧等级分类方法、系统、设备和介质
Mandl et al. Spaceborne LiDAR for characterizing forest structure across scales in the European Alps
Bentchakal et al. Meteorological drought and remote sensing data: An approach to assess fire risks in the Algerian forest
Carlson et al. Application of the Nelson model to four timelag fuel classes using Oklahoma field observations: model evaluation and comparison with National Fire Danger Rating System algorithms
Peña Quiñones et al. Radius of influence of air temperature from automated weather stations installed in complex terrain
Gu et al. Cryptogam plant community stability: Warming weakens influences of species richness but enhances effects of evenness
Rebetez et al. Meteorological data series from Swiss long-term forest ecosystem research plots since 1997
Schmid et al. Analyzing the carbon dynamics of central European forests: comparison of Biome-BGC simulations with measurements
Vadrevu Fire danger indices and methods: An appraisal
Deo Modelling and mapping of above-ground biomass and carbon sequestration in the cool temperate forest of north-east China

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