CN116137093A - 一种基于人工智能的森林自然资源智能监测预警系统 - Google Patents
一种基于人工智能的森林自然资源智能监测预警系统 Download PDFInfo
- Publication number
- CN116137093A CN116137093A CN202310231738.8A CN202310231738A CN116137093A CN 116137093 A CN116137093 A CN 116137093A CN 202310231738 A CN202310231738 A CN 202310231738A CN 116137093 A CN116137093 A CN 116137093A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- area
- subarea
- forest
- value
- 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
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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
Abstract
本发明公开了一种基于人工智能的森林自然资源智能监测预警系统,涉及森林智能监测技术领域,解决了现有技术中,在区域预警时不能够将各个区域进行针对性控制以及扑救的技术问题;本发明是在子区域进行预警后,将对应子区域进行应急控制,并通过子区域分析预警进行火灾管控,提高子区域火灾管控的针对性,便于降低子区域火灾带来的影响,防止子区域出现火灾预警时实时控制不合理或者控制不及时;还对森林监测区域内测点设置区域进行环境影响分析,判断森林监测区域内测点设置位置的环境影响是否正常,防止区域环境影响测点位置的设备监测,从而导致测点监测效率低不能够及时进行火灾预警。
Description
技术领域
本发明涉及森林智能监测技术领域,具体为一种基于人工智能的森林自然资源智能监测预警系统。
背景技术
森林资源是林地及其所生长的森林有机体的总称,以林木资源为主,还包括林中和林下植物、野生动物、土壤微生物及其他自然环境因子等资源,森林资源是宝贵的可再生资源,是森林生态的主体,也是人类赖以生存的物质基础,具有重要的社会效益、经济效益和生态效益;
但是在现有技术中,森林自然资源智能监测预警时,不能够对监测点进行合理位置匹配,同时在完成匹配后无法将监测点的实时环境影响进行分析,以至于监测点的监测结果存在延迟风险,导致监测力度降低;同时在区域预警时不能够将各个区域进行针对性控制以及扑救,降低森林自然资源预警控制的高效性和针对性;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的就在于为了解决上述提出的问题,而提出一种基于人工智能的森林自然资源智能监测预警系统,是对森林监测区域进行测点分析选址,根据森林监测区域的地形进行测点位置设定,保证不同类型的森林监测区域均能够在最合适的位置设置测点,最大效率地监测森林区域,保证森林监测区域的预警及时性和高效性,防止森林资源受到火灾的影响,导致森林自然资源丰富度降低。
本发明的目的可以通过以下技术方案实现:
一种基于人工智能的森林自然资源智能监测预警系统,包括服务器,服务器通讯连接有:
测点分析选址单元,用于对森林监测区域进行测点分析选址,根据森林监测区域的地形进行测点位置设定,将森林监测区域划分为i个子区域,i为大于1的自然数,获取到森林监测区域内各个子区域的自然资源丰富度系数,根据自然资源丰富度系数比较将子区域划分为高丰富度区域或者低丰富度区域,并将其对应编号发送至服务器,服务器针对子区域类型进行测点设置;
环境影响分析单元,用于对森林监测区域内测点设置区域进行环境影响分析,将测点设置区域进行分析,通过分析生成监测高风险信号或者监测低风险信号,并将其发送至服务器;
区域环境参数分析单元,用于对各个子区域进行环境参数分析,通过环境参数分析生成监测预警信号或者监测持续信号,并将其发送至服务器;
应急控制预警单元,用于在子区域进行预警后将对应子区域进行应急控制。
作为本发明的一种优选实施方式,测点分析选址单元的运行过程如下:
采集到森林监测区域内各个子区域对应不同类型植物的平均数量占比以及同类型植物的最大树龄差值;采集到森林监测区域内各个子区域对应同一类型植物的数量增长量往复频率;通过分析获取到森林监测区域内各个子区域的自然资源丰富度系数;将森林监测区域内各个子区域的自然资源丰富度系数与自然资源丰富度系数阈值进行比较:
若森林监测区域内各个子区域的自然资源丰富度系数超过自然资源丰富度系数阈值,将对应子区域标记为高丰富度区域,将高丰富度区域的编号发送至服务器;若森林监测区域内各个子区域的自然资源丰富度系数未超过自然资源丰富度系数阈值,将对应子区域标记为低丰富度区域,将低丰富度区域的编号发送至服务器。
作为本发明的一种优选实施方式,服务器接收到高丰富度区域编号后,将对应高丰富度区域进行测点设置,若高丰富度区域内山形跨度超过跨度阈值,则将对应高丰富度区域标记为长条形山,并将测点设置在长条形山的两侧向外的位置,最大程度地提高监控半径;若高丰富度区域内山形起伏高度超过高度阈值,则将对应高丰富度区域标记为高起伏山,并将测点设置在高起伏山的山腰位置处。
作为本发明的一种优选实施方式,服务器接收到低丰富度区域编号后,将对应低丰富度区域进行测点设置,若低丰富度区域与高丰富度区域相邻时,则将低丰富度区域划分至高丰富区域对应监测区域内,若监测区域面积超过预设面积值,则在低丰富度区域与高丰富度区域相邻边界处增加浮动测点,且浮动测点处于高丰富度区域,同时浮动测点可根据高丰富区域的监测任务进行位置更换;若低丰富度区域与高丰富度区域不相邻时,则将相邻低丰富度区域作为同一监测区域,并在居中位置设置测点。
作为本发明的一种优选实施方式,环境影响分析单元的运行过程如下:
将测点设置区域进行分析,采集到测点设置区域内测点设置位置处同一高度植物对应枝叶密度增长速度以及测点设置位置处不同高度植物对应枝叶密度差值,并将其分别与密度增长速度阈值和枝叶密度差值阈值进行比较:
若测点设置区域内测点设置位置处同一高度植物对应枝叶密度增长速度超过密度增长速度阈值,或者测点设置位置处不同高度植物对应枝叶密度差值未超过枝叶密度差值阈值,则生成监测高风险信号并将监测高风险信号发送至服务器;若测点设置区域内测点设置位置处同一高度植物对应枝叶密度增长速度未超过密度增长速度阈值,且测点设置位置处不同高度植物对应枝叶密度差值超过枝叶密度差值阈值,则生成监测低风险信号并将监测低风险信号发送至服务器。
作为本发明的一种优选实施方式,区域环境参数分析单元的运行过程如下:
获取到森林监测区域的历史监测时间段,采集到历史监测时间段内森林监测区域各个子区域的环境参数数值平均值以及参数数值浮动跨度平均值,获取到森林监测区域内各个子区域实时环境参数数值与环境参数数值平均值的偏差值以及各个子区域实时环境参数数值浮动跨度与参数数值浮动跨度平均值的多出量,并将其分别与数值偏差值阈值和浮动跨度多出量阈值进行比较:
若森林监测区域内子区域实时环境参数数值与环境参数数值平均值的偏差超过数值偏差值阈值,或者子区域实时环境参数数值浮动跨度与参数数值浮动跨度平均值的多出量超过浮动跨度多出量阈值,则生成监测预警信号并将监测预警信号发送至服务器;
若森林监测区域内子区域实时环境参数数值与环境参数数值平均值的偏差未超过数值偏差值阈值,且子区域实时环境参数数值浮动跨度与参数数值浮动跨度平均值的多出量未超过浮动跨度多出量阈值,则生成监测持续信号并将监测持续信号发送至服务器。
作为本发明的一种优选实施方式,应急控制预警单元的运行过程如下:
将实时需预警控制的子区域标记为风险子区域组,风险子区域组数量可唯一也可不唯一;采集到风险子区域组内各个子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度以及各个子区域环境参数数值浮动的连续频率,并将其分别与增长速度阈值范围和连续频率阈值范围进行比较:
若风险子区域组内子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度未超过增长速度阈值范围,且子区域环境参数数值浮动的连续频率未超过连续频率阈值范围,则判定对应子区域处于火灾初始阶段,若当前子区域周边无预警子区域,则将当前子区域标记为火源点区域,并将火源点区域编号发送至服务器;若当前子区域周边有预警子区域,则根据风险子区域组内子区域的环境参数浮动时刻先后顺序进行火源点区域获取,并将火源点区域编号发送至服务器;
若风险子区域组内子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度处于增长速度阈值范围,或者子区域环境参数数值浮动的连续频率处于连续频率阈值范围,则判定对应子区域处于火灾中间阶段,将对应子区域标记为主动扑救区域,将风险子区域组内各个子区域进行隔开并单个扑救;
若风险子区域组内子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度超过增长速度阈值范围,或者子区域环境参数数值浮动的连续频率超过连续频率阈值范围,则判定对应子区域处于火灾高危阶段,将对应子区域标记为被动区域,将当前被动区域与风险子区域组预警子区域进行隔开,并将除被动区域以外的预警子区域进行主动扑救,将被动区域进行边缘蔓延控制。
与现有技术相比,本发明的有益效果是:
本发明中,对森林监测区域进行测点分析选址,根据森林监测区域的地形进行测点位置设定,保证不同类型的森林监测区域均能够在最合适的位置设置测点,最大效率地监测森林区域,保证森林监测区域的预警及时性和高效性,防止森林资源受到火灾的影响,导致森林自然资源丰富度降低;还对森林监测区域内测点设置区域进行环境影响分析,判断森林监测区域内测点设置位置的环境影响是否正常,防止区域环境影响测点位置的设备监测,从而导致测点监测效率低不能够及时进行火灾预警,造成森林监测区域的监测效率降低同时影响森林自然资源的丰富度;
本发明中,对各个子区域进行环境参数分析,判断各个子区域实时环境状况是否正常,从而防止子区域内森林资源存在火灾隐患,有利于及时对区域进行控制,将森林火灾的影响降至最低;还在子区域进行预警后将对应子区域进行应急控制,通过子区域分析预警进行火灾管控,提高子区域火灾管控的针对性,便于降低子区域火灾带来的影响,防止子区域出现火灾预警时实时控制不合理或者控制不及时,导致火灾的影响增大,降低森林监测区域的资源丰富度。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明一种基于人工智能的森林自然资源智能监测预警系统的原理框图。
实施方式
为了使本技术领域的人员更好地理解本发明方案,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、完整的描述,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作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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1所示,一种基于人工智能的森林自然资源智能监测预警系统,包括服务器,服务器通讯连接有测点分析选址单元、环境影响分析单元、区域环境参数分析单元以及应急控制预警单元,其中,服务器与测点分析选址单元、环境影响分析单元、区域环境参数分析单元以及应急控制预警单元均为双向通讯连接;
服务器生成测点分析选址信号并将测点分析选址信号发送至测点分析选址单元,测点分析选址单元接收到测点分析选址信号后,对森林监测区域进行测点分析选址,根据森林监测区域的地形进行测点位置设定,保证不同类型的森林监测区域均能够在最合适的位置设置测点,最大效率地监测森林区域,保证森林监测区域的预警及时性和高效性,防止森林资源受到火灾的影响,导致森林自然资源丰富度降低;
将森林监测区域划分为i个子区域,i为大于1的自然数,采集到森林监测区域内各个子区域对应不同类型植物的平均数量占比以及同类型植物的最大树龄差值,并将森林监测区域内各个子区域对应不同类型植物的平均数量占比以及同类型植物的最大树龄差值分别标记为SLZi和SLCi;不同类型植物的平均数量占比表示为子区域内各个类型植物数量占比的平均值,平均数量占比表示为子区域内不同类型植物的数量占比对应平均值;采集到森林监测区域内各个子区域对应同一类型植物的数量增长量往复频率,并将森林监测区域内各个子区域对应同一类型植物的数量增长量往复频率标记为WFPi;
通过公式获取到森林监测区域内各个子区域的自然资源丰富度系数Bi,其中,f1、f2以及f3均为预设比例系数,且f1>f2>f3>0;自然资源丰富度系数体现子区域内自然资源植物生长适宜程度,也可以通过植物生长适宜程度进行当前子区域的自然资源分析;
将森林监测区域内各个子区域的自然资源丰富度系数Bi与自然资源丰富度系数阈值进行比较:
若森林监测区域内各个子区域的自然资源丰富度系数Bi超过自然资源丰富度系数阈值,则判定森林监测区域内当前子区域适宜植物生长,将对应子区域标记为高丰富度区域,将高丰富度区域的编号发送至服务器;服务器接收到高丰富度区域编号后,将对应高丰富度区域进行测点设置,若高丰富度区域内山形跨度超过跨度阈值,则将对应高丰富度区域标记为长条形山,并将测点设置在长条形山的两侧向外的位置,最大程度地提高监控半径;若高丰富度区域内山形起伏高度超过高度阈值,则将对应高丰富度区域标记为高起伏山,并将测点设置在高起伏山的山腰位置处;
若森林监测区域内各个子区域的自然资源丰富度系数Bi未超过自然资源丰富度系数阈值,则判定森林监测区域内当前子区域不适宜植物生长,将对应子区域标记为低丰富度区域,将低丰富度区域的编号发送至服务器;服务器接收到低丰富度区域编号后,将对应低丰富度区域进行测点设置,若低丰富度区域与高丰富度区域相邻时,则将低丰富度区域划分至高丰富区域对应监测区域内,若监测区域面积超过预设面积值,则在低丰富度区域与高丰富度区域相邻边界处增加浮动测点,且浮动测点处于高丰富度区域,同时浮动测点可根据高丰富区域的监测任务进行位置更换;若低丰富度区域与高丰富度区域不相邻时,则将相邻低丰富度区域作为同一监测区域,并在居中位置设置测点;
在测点完成设置后,服务器生成环境影响分析信号并将环境影响分析信号发送至环境影响分析单元,环境影响分析单元接收到环境影响分析信号后,对森林监测区域内测点设置区域进行环境影响分析,判断森林监测区域内测点设置位置的环境影响是否正常,防止区域环境影响测点位置的设备监测,从而导致测点监测效率低不能够及时进行火灾预警,造成森林监测区域的监测效率降低同时影响森林自然资源的丰富度;
将测点设置区域进行分析,采集到测点设置区域内测点设置位置处同一高度植物对应枝叶密度增长速度以及测点设置位置处不同高度植物对应枝叶密度差值,并将测点设置区域内测点设置位置处同一高度植物对应枝叶密度增长速度以及测点设置位置处不同高度植物对应枝叶密度差值分别与密度增长速度阈值和枝叶密度差值阈值进行比较:
若测点设置区域内测点设置位置处同一高度植物对应枝叶密度增长速度超过密度增长速度阈值,或者测点设置位置处不同高度植物对应枝叶密度差值未超过枝叶密度差值阈值,则判定测点设置区域的监测风险高,生成监测高风险信号并将监测高风险信号发送至服务器,服务器接收到监测高风险信号后,将对应测点设置位置进行调整;枝叶密度增长速度过快或者相邻高度的枝叶密度差值小,则监测设备的监测存在延长,如烟雾传感器,在检测到烟雾后由于枝叶密度过密导致检测时间不及时;
若测点设置区域内测点设置位置处同一高度植物对应枝叶密度增长速度未超过密度增长速度阈值,且测点设置位置处不同高度植物对应枝叶密度差值超过枝叶密度差值阈值,则判定测点设置区域的监测风险低,生成监测低风险信号并将监测低风险信号发送至服务器;
服务器接收到监测低风险信号后,生成区域环境参数分析信号并将区域环境参数分析信号发送至区域环境参数分析单元,区域环境参数分析单元接收到区域环境参数分析信号后,对各个子区域进行环境参数分析,判断各个子区域实时环境状况是否正常,从而防止子区域内森林资源存在火灾隐患,有利于及时对区域进行控制,将森林火灾的影响降至最低;
获取到森林监测区域的历史监测时间段,采集到历史监测时间段内森林监测区域各个子区域的环境参数数值平均值以及参数数值浮动跨度平均值,其中环境参数表示为子区域内的温度、湿度、土壤含水量等环境参数;采集到森林监测区域内各个子区域实时环境参数数值与环境参数数值平均值的偏差值以及各个子区域实时环境参数数值浮动跨度与参数数值浮动跨度平均值的多出量,并将森林监测区域内各个子区域实时环境参数数值与环境参数数值平均值的偏差值以及各个子区域实时环境参数数值浮动跨度与参数数值浮动跨度平均值的多出量分别与数值偏差值阈值和浮动跨度多出量阈值进行比较:
若森林监测区域内子区域实时环境参数数值与环境参数数值平均值的偏差超过数值偏差值阈值,或者子区域实时环境参数数值浮动跨度与参数数值浮动跨度平均值的多出量超过浮动跨度多出量阈值,则判定对应子区域存在风险,生成监测预警信号并将监测预警信号发送至服务器,服务器接收到监测预警信号后,将对应子区域的编号发送至管理员终端,同时以子区域为中心对周边相邻子区域进行参数检验,若参数存在异常浮动则将对应子区域进行同步预警控制;
若森林监测区域内子区域实时环境参数数值与环境参数数值平均值的偏差未超过数值偏差值阈值,且子区域实时环境参数数值浮动跨度与参数数值浮动跨度平均值的多出量未超过浮动跨度多出量阈值,则判定对应子区域不存在风险,生成监测持续信号并将监测持续信号发送至服务器;
服务器生成应急控制预警信号并将应急控制预警信号发送至应急控制预警单元,应急控制预警单元接收到应急控制预警信号后,在子区域进行预警后将对应子区域进行应急控制,通过子区域分析预警进行火灾管控,提高子区域火灾管控的针对性,便于降低子区域火灾带来的影响,防止子区域出现火灾预警时实时控制不合理或者控制不及时,导致火灾的影响增大,降低森林监测区域的资源丰富度;
将实时需预警控制的子区域标记为风险子区域组,风险子区域组数量可唯一也可不唯一;采集到风险子区域组内各个子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度以及各个子区域环境参数数值浮动的连续频率,并将风险子区域组内各个子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度以及各个子区域环境参数数值浮动的连续频率分别与增长速度阈值范围和连续频率阈值范围进行比较:
若风险子区域组内子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度未超过增长速度阈值范围,且子区域环境参数数值浮动的连续频率未超过连续频率阈值范围,则判定对应子区域处于火灾初始阶段,若当前子区域周边无预警子区域,则将当前子区域标记为火源点区域,并将火源点区域编号发送至服务器;若当前子区域周边有预警子区域,则根据风险子区域组内子区域的环境参数浮动时刻先后顺序进行火源点区域获取,并将火源点区域编号发送至服务器;
若风险子区域组内子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度处于增长速度阈值范围,或者子区域环境参数数值浮动的连续频率处于连续频率阈值范围,则判定对应子区域处于火灾中间阶段,将对应子区域标记为主动扑救区域,将风险子区域组内各个子区域进行隔开并单个扑救;
若风险子区域组内子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度超过增长速度阈值范围,或者子区域环境参数数值浮动的连续频率超过连续频率阈值范围,则判定对应子区域处于火灾高危阶段,将对应子区域标记为被动区域,将当前被动区域与风险子区域组预警子区域进行隔开,并将除被动区域以外的预警子区域进行主动扑救,将被动区域进行边缘蔓延控制。
本发明在使用时,通过测点分析选址单元对森林监测区域进行测点分析选址,根据森林监测区域的地形进行测点位置设定,将森林监测区域划分为i个子区域,i为大于1的自然数,获取到森林监测区域内各个子区域的自然资源丰富度系数,根据自然资源丰富度系数比较将子区域划分为高丰富度区域或者低丰富度区域,并将其对应编号发送至服务器,服务器针对子区域类型进行测点设置;通过环境影响分析单元对森林监测区域内测点设置区域进行环境影响分析,将测点设置区域进行分析,通过分析生成监测高风险信号或者监测低风险信号,并将其发送至服务器;通过区域环境参数分析单元对各个子区域进行环境参数分析,通过环境参数分析生成监测预警信号或者监测持续信号,并将其发送至服务器;通过应急控制预警单元在子区域进行预警后将对应子区域进行应急控制。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种基于人工智能的森林自然资源智能监测预警系统,其特征在于,包括服务器,服务器通讯连接有:
测点分析选址单元,用于对森林监测区域进行测点分析选址,根据森林监测区域的地形进行测点位置设定,将森林监测区域划分为i个子区域,i为大于1的自然数,获取到森林监测区域内各个子区域的自然资源丰富度系数,根据自然资源丰富度系数比较将子区域划分为高丰富度区域或者低丰富度区域,并将其对应编号发送至服务器,服务器针对子区域类型进行测点设置;
环境影响分析单元,用于对森林监测区域内测点设置区域进行环境影响分析,将测点设置区域进行分析,通过分析生成监测高风险信号或者监测低风险信号,并将其发送至服务器;
区域环境参数分析单元,用于对各个子区域进行环境参数分析,通过环境参数分析生成监测预警信号或者监测持续信号,并将其发送至服务器;
应急控制预警单元,用于在子区域进行预警后将对应子区域进行应急控制。
2.根据权利要求1所述的一种基于人工智能的森林自然资源智能监测预警系统,其特征在于,测点分析选址单元的运行过程如下:
采集到森林监测区域内各个子区域对应不同类型植物的平均数量占比以及同类型植物的最大树龄差值;采集到森林监测区域内各个子区域对应同一类型植物的数量增长量往复频率;通过分析获取到森林监测区域内各个子区域的自然资源丰富度系数;将森林监测区域内各个子区域的自然资源丰富度系数与自然资源丰富度系数阈值进行比较:
若森林监测区域内各个子区域的自然资源丰富度系数超过自然资源丰富度系数阈值,将对应子区域标记为高丰富度区域,将高丰富度区域的编号发送至服务器;若森林监测区域内各个子区域的自然资源丰富度系数未超过自然资源丰富度系数阈值,将对应子区域标记为低丰富度区域,将低丰富度区域的编号发送至服务器。
3.根据权利要求2所述的一种基于人工智能的森林自然资源智能监测预警系统,其特征在于,服务器接收到高丰富度区域编号后,将对应高丰富度区域进行测点设置,若高丰富度区域内山形跨度超过跨度阈值,则将对应高丰富度区域标记为长条形山,并将测点设置在长条形山的两侧向外的位置,最大程度地提高监控半径;若高丰富度区域内山形起伏高度超过高度阈值,则将对应高丰富度区域标记为高起伏山,并将测点设置在高起伏山的山腰位置处。
4.根据权利要求2所述的一种基于人工智能的森林自然资源智能监测预警系统,其特征在于,服务器接收到低丰富度区域编号后,将对应低丰富度区域进行测点设置,若低丰富度区域与高丰富度区域相邻时,则将低丰富度区域划分至高丰富区域对应监测区域内,若监测区域面积超过预设面积值,则在低丰富度区域与高丰富度区域相邻边界处增加浮动测点,且浮动测点处于高丰富度区域,同时浮动测点可根据高丰富区域的监测任务进行位置更换;若低丰富度区域与高丰富度区域不相邻时,则将相邻低丰富度区域作为同一监测区域,并在居中位置设置测点。
5.根据权利要求1所述的一种基于人工智能的森林自然资源智能监测预警系统,其特征在于,环境影响分析单元的运行过程如下:
将测点设置区域进行分析,采集到测点设置区域内测点设置位置处同一高度植物对应枝叶密度增长速度以及测点设置位置处不同高度植物对应枝叶密度差值,并将其分别与密度增长速度阈值和枝叶密度差值阈值进行比较:
若测点设置区域内测点设置位置处同一高度植物对应枝叶密度增长速度超过密度增长速度阈值,或者测点设置位置处不同高度植物对应枝叶密度差值未超过枝叶密度差值阈值,则生成监测高风险信号并将监测高风险信号发送至服务器;若测点设置区域内测点设置位置处同一高度植物对应枝叶密度增长速度未超过密度增长速度阈值,且测点设置位置处不同高度植物对应枝叶密度差值超过枝叶密度差值阈值,则生成监测低风险信号并将监测低风险信号发送至服务器。
6.根据权利要求1所述的一种基于人工智能的森林自然资源智能监测预警系统,其特征在于,区域环境参数分析单元的运行过程如下:
获取到森林监测区域的历史监测时间段,采集到历史监测时间段内森林监测区域各个子区域的环境参数数值平均值以及参数数值浮动跨度平均值,获取到森林监测区域内各个子区域实时环境参数数值与环境参数数值平均值的偏差值以及各个子区域实时环境参数数值浮动跨度与参数数值浮动跨度平均值的多出量,并将其分别与数值偏差值阈值和浮动跨度多出量阈值进行比较:
若森林监测区域内子区域实时环境参数数值与环境参数数值平均值的偏差超过数值偏差值阈值,或者子区域实时环境参数数值浮动跨度与参数数值浮动跨度平均值的多出量超过浮动跨度多出量阈值,则生成监测预警信号并将监测预警信号发送至服务器;
若森林监测区域内子区域实时环境参数数值与环境参数数值平均值的偏差未超过数值偏差值阈值,且子区域实时环境参数数值浮动跨度与参数数值浮动跨度平均值的多出量未超过浮动跨度多出量阈值,则生成监测持续信号并将监测持续信号发送至服务器。
7.根据权利要求1所述的一种基于人工智能的森林自然资源智能监测预警系统,其特征在于,应急控制预警单元的运行过程如下:
将实时需预警控制的子区域标记为风险子区域组,风险子区域组数量可唯一也可不唯一;采集到风险子区域组内各个子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度以及各个子区域环境参数数值浮动的连续频率,并将其分别与增长速度阈值范围和连续频率阈值范围进行比较:
若风险子区域组内子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度未超过增长速度阈值范围,且子区域环境参数数值浮动的连续频率未超过连续频率阈值范围,则判定对应子区域处于火灾初始阶段,若当前子区域周边无预警子区域,则将当前子区域标记为火源点区域,并将火源点区域编号发送至服务器;若当前子区域周边有预警子区域,则根据风险子区域组内子区域的环境参数浮动时刻先后顺序进行火源点区域获取,并将火源点区域编号发送至服务器;
若风险子区域组内子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度处于增长速度阈值范围,或者子区域环境参数数值浮动的连续频率处于连续频率阈值范围,则判定对应子区域处于火灾中间阶段,将对应子区域标记为主动扑救区域,将风险子区域组内各个子区域进行隔开并单个扑救;
若风险子区域组内子区域相邻时刻环境参数数值同趋势浮动的跨度增长速度超过增长速度阈值范围,或者子区域环境参数数值浮动的连续频率超过连续频率阈值范围,则判定对应子区域处于火灾高危阶段,将对应子区域标记为被动区域,将当前被动区域与风险子区域组预警子区域进行隔开,并将除被动区域以外的预警子区域进行主动扑救,将被动区域进行边缘蔓延控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310231738.8A CN116137093B (zh) | 2023-03-13 | 2023-03-13 | 一种基于人工智能的森林自然资源智能监测预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310231738.8A CN116137093B (zh) | 2023-03-13 | 2023-03-13 | 一种基于人工智能的森林自然资源智能监测预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116137093A true CN116137093A (zh) | 2023-05-19 |
CN116137093B CN116137093B (zh) | 2023-08-25 |
Family
ID=86333537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310231738.8A Active CN116137093B (zh) | 2023-03-13 | 2023-03-13 | 一种基于人工智能的森林自然资源智能监测预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116137093B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307744A (zh) * | 2023-05-24 | 2023-06-23 | 国网山西省电力公司临汾供电公司 | 一种适用于电网供配电的电缆火灾监测管控系统 |
CN116754013A (zh) * | 2023-06-16 | 2023-09-15 | 海丰县绿色部落生态农业有限公司 | 一种基于数据分析的野生茶种植环境监测系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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系统 |
CN111951510A (zh) * | 2020-08-24 | 2020-11-17 | 广州立信电子科技有限公司 | 一种基于大数据的林业防火智能巡检监测预警系统 |
CN112687070A (zh) * | 2020-12-14 | 2021-04-20 | 浙江弄潮儿智慧科技有限公司 | 一种基于5g通信的森林防火预警信息应急指挥系统 |
CN113205656A (zh) * | 2021-07-05 | 2021-08-03 | 环球数科集团有限公司 | 一种分布式森林火灾监测预警数据采集系统及方法 |
CN113283324A (zh) * | 2021-05-14 | 2021-08-20 | 成都鸿钰网络科技有限公司 | 一种基于动态图像的森林防火预警方法及系统 |
CN113849539A (zh) * | 2021-09-18 | 2021-12-28 | 中国科学技术大学 | 森林火灾风险隐患采集和管理方法、系统、设备及介质 |
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系统 |
WO2022104736A1 (zh) * | 2020-11-20 | 2022-05-27 | 周连惠 | 一种管理林业资源的方法和系统 |
CN114969027A (zh) * | 2022-04-11 | 2022-08-30 | 南京林业大学 | 一种森林火灾险情的人工智能预警系统及方法 |
-
2023
- 2023-03-13 CN CN202310231738.8A patent/CN116137093B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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系统 |
CN111951510A (zh) * | 2020-08-24 | 2020-11-17 | 广州立信电子科技有限公司 | 一种基于大数据的林业防火智能巡检监测预警系统 |
WO2022104736A1 (zh) * | 2020-11-20 | 2022-05-27 | 周连惠 | 一种管理林业资源的方法和系统 |
CN112687070A (zh) * | 2020-12-14 | 2021-04-20 | 浙江弄潮儿智慧科技有限公司 | 一种基于5g通信的森林防火预警信息应急指挥系统 |
CN113283324A (zh) * | 2021-05-14 | 2021-08-20 | 成都鸿钰网络科技有限公司 | 一种基于动态图像的森林防火预警方法及系统 |
CN113205656A (zh) * | 2021-07-05 | 2021-08-03 | 环球数科集团有限公司 | 一种分布式森林火灾监测预警数据采集系统及方法 |
CN113849539A (zh) * | 2021-09-18 | 2021-12-28 | 中国科学技术大学 | 森林火灾风险隐患采集和管理方法、系统、设备及介质 |
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系统 |
CN114969027A (zh) * | 2022-04-11 | 2022-08-30 | 南京林业大学 | 一种森林火灾险情的人工智能预警系统及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307744A (zh) * | 2023-05-24 | 2023-06-23 | 国网山西省电力公司临汾供电公司 | 一种适用于电网供配电的电缆火灾监测管控系统 |
CN116307744B (zh) * | 2023-05-24 | 2023-07-21 | 国网山西省电力公司临汾供电公司 | 一种适用于电网供配电的电缆火灾监测管控系统 |
CN116754013A (zh) * | 2023-06-16 | 2023-09-15 | 海丰县绿色部落生态农业有限公司 | 一种基于数据分析的野生茶种植环境监测系统 |
CN116754013B (zh) * | 2023-06-16 | 2024-01-05 | 海丰县绿色部落生态农业有限公司 | 一种基于数据分析的野生茶种植环境监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116137093B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116137093B (zh) | 一种基于人工智能的森林自然资源智能监测预警系统 | |
Shugart Jr et al. | A computer model of succession and fire response of the high‐altitude Eucalyptus forest of the Brindabella Range, Australian Capital Territory | |
Duane et al. | Synoptic weather conditions and changing fire regimes in a Mediterranean environment | |
Lindenmayer et al. | The conservation of arboreal marsupials in the montane ash forests of the Central Highlands of Victoria, south-east Australia: II. The loss of trees with hollows and its implications for the conservation of leadbeater's possum Gymnobelideus leadbeateri McCoy (marsupialia: petauridae) | |
CN103605353B (zh) | 一种基于云服务的农业智能优化监控系统及优化监控方法 | |
Wadsworth et al. | Simulating the spread and management of alien riparian weeds: are they out of control? | |
Shugart et al. | Patterns and dynamics of forests: an application of simulation models | |
CN109871613A (zh) | 一种森林火灾判别模型获取方法及预测应用 | |
CN107564228A (zh) | 森林防火等级预警系统及其使用方法 | |
CN111831037A (zh) | 一种多用途养殖场环境智能控制系统 | |
CN112542016B (zh) | 一种基于大数据的森林防火智能监控系统及方法 | |
CN115456479A (zh) | 一种基于物联网的智慧农业大棚环境监测系统 | |
Ortega et al. | Evaluation of irrigation performance in localized irrigation systems of semiarid regions (Castilla-La Mancha, Spain) | |
CN109754124A (zh) | 一种闪电潜势预报方法 | |
CN114757387A (zh) | 基于人工智能的森林火险状态监测分析系统及方法 | |
CN114969027B (zh) | 一种森林火灾险情的人工智能预警系统及方法 | |
CN115390504A (zh) | 一种基于5g物联网的智慧农业种植系统 | |
CN116245414A (zh) | 一种林业有害生物检疫信息管理系统 | |
CN106605530B (zh) | 盆栽植物的自动监测与栽培方法及智能花盆 | |
CN112486230B (zh) | 一种智能化家禽养殖管理系统 | |
Chen | Entropy dynamics in cone production of longleaf pine forests in the southeastern United States | |
CN116562813A (zh) | 一种基于农业物联网的智慧农业综合管理系统 | |
CN116503200A (zh) | 一种基于数据分析的国兰栽培环境实时监管系统 | |
CN107704713B (zh) | 一种输电线路山火分布评估方法 | |
CN110308710A (zh) | 一种番茄种植监控平台 |
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 |