【技术实现步骤摘要】
本专利技术涉及森林火灾预警，尤其涉及一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法。
技术介绍
1、森林爆发火(eruptive fire)通常指在林火蔓延过程中发生的火蔓延速度突变现象，具有快速蔓延、火势强烈、破坏性极大等特点，对其处置难度极大，严重危及火灾救援人员安全，是森林火灾中最具危险性的极端火行为之一。因此，加强森林火灾风险监测预警，有效预防和应对森林爆发火发生风险，尽可能地避免巨大损失，具有重要意义。
2、地形、气象、森林冠层结构(冠层高度、冠层容重、冠层覆盖度、冠层基底高等)、可燃物模型等因素与森林爆发火的发生发展过程密切相关。借助farsite火行为模型开展林火蔓延模拟，提取目标森林区域内可能发生爆发火的区域与林火行为特征(如蔓延速度、火强度等)，是评估爆发火风险的有效手段。farsite模型需要精细化的地形、气象和可燃物信息作为输入，但部分可燃物信息(如地表死可燃物载量、可燃物床层厚度等)严重依赖野外调查数据，这使得林火蔓延模拟结果存在较大的不确定性，极大限制了火行为模型的大范围应用。如何准确模拟森林火灾蔓延动态，提取森林爆发火发生区域，构建由地形、气象、可燃物信息等多源数据组成的历史森林火灾案例库，并识别爆发火的关键风险因子，是实现高精度爆发火风险评估的关键。根据卫星遥感数据提取的火灾燃烧区域、火辐射强度等信息，可以作为观测值，用于校正森林火灾蔓延模拟结果。借助数值优化方法，标定火行为模型所需的关键可燃物参数(如地表死可燃物载量、可燃物床层厚度等)，从而获得最可靠的森林火灾蔓延结果。利用
技术实现思路
1、本专利技术所要解决的技术问题是提供一种可扩展性强、计算简便的基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法。
2、本专利技术解决上述技术问题所采用的技术方案是：一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，包括以下步骤：
3、步骤1：确定预设区域的输入farsite模型以进行林火蔓延模拟的参数，所述模型参数包括气象因子、地形因子、森林冠层结构参数和可燃物模型及其参数；气象因子包括：空气温度、空气相对湿度、风速风向、云层覆盖度，地形因子包括：高程、坡度、坡向，森林冠层结构参数包括：冠层高度、冠层容重、冠层覆盖度、冠层基底高；
4、进一步地，针对中国西南地区的云南松林，所述的冠层高度和冠层基底高应满足如下公式；
5、cbh＝a×laib×fchc+d
6、其中，cbh为冠层基底高；lai为叶面积指数，fch为冠层高度；
7、进一步地，所述公式(1)中a的值为0.249，b的值为-0.105，c的值为1.410，d的值为-1.469；
8、进一步地，针对中国西南地区的云南松林，所述的冠层容重根据如下公式计算得出；
9、
10、其中，cbd为冠层容重，cfl为冠层可燃物载量；
11、进一步地，针对中国西南复杂山区，所述的风速风向因子通过windninja工具进行精细化校正；
12、步骤2：基于mcd64a1火烧迹地产品，提取目标森林火灾案例的燃烧轮廓，基于mcd14ml和viirs vnp14imgtdl_nrt主动火点产品，后文简称vnp14dl，提取符合筛选条件的火点像元位置及对应的火辐射功率，以表征火辐射强度信息；mcd64a1、mcd14ml、vnp14dl都为数据库；
13、进一步地，针对mcd14ml产品，所述筛选条件为火点的置信度≥70％，针对vnp14dl产品，所述筛选条件为火点的置信度等级为“高”或“中”；
14、步骤3：构建森林火灾蔓延模拟案例库；
15、步骤3.1：判断可燃物模型参数敏感性；
16、对farsite火行为模型中所需的可燃物模型参数进行sobol全局敏感性分析，以总效应指数(st)评估可燃物模型参数对火蔓延特征的敏感性，确定敏感性大于阈值的可燃物参数及其区间范围，其可燃物模型参数设置为缺省值；蔓延特征包括：蔓延速度、火线强度、火辐射强度；
17、进一步地，所述关于较敏感的可燃物参数确定条件为st指数≥0.1；
18、步骤3.2：优化敏感可燃物模型参数；
19、采用下式计算sc系数；
20、
21、其中，aobserved为卫星观测的火灾燃烧区域面积，asimulated为farsite模型模拟的火灾燃烧区域面积，aoverlapped为卫星观测的火灾燃烧区域与farsite模型模拟的火灾燃烧区域重叠部分的面积；
22、采用下式计算相对均方根误差rrmse；
23、
24、其中，n为卫星观测的火点像元数量，和分别为第i个卫星观测的火点像元对应的火辐射强度和farsite模型在该位置模拟的火辐射强度；
25、将sc系数和相对均方根误差rrmse作为精度评价指标，评估给定可燃物模型参数下林火蔓延模拟精度；使用非支配排序遗传算法ii同时优化这两个指标，并重复n次优化过程，以获得关于敏感可燃物模型参数的稳定pareto解集；
26、进一步地，所述的n的取值为10；
27、步骤3.3：标定敏感可燃物模型参数；
28、从可燃物模型参数的pareto解集中，根据特定筛选规则提取出较符合卫星观测的火灾蔓延模拟结果，其对应的特定解集将用于标定可燃物模型参数；
29、进一步地，所述筛选规则为sc≥0.7，且rrmse≤30％；
30、步骤3.4：提取潜在森林爆发火区域；
31、将标定后的每一组可燃物模型参数，将其输入至farsite模型开展林火蔓延模拟，输出森林区域的火蔓延速率与方向信息；将火蔓延速率转为图像，并对其进行高斯滤波处理，去除噪声；利用opencv canny边缘检测算子，提取火蔓延速度潜在突变位置，然后结合火蔓延方向信息，识别火蔓延加速区域位置，并将其作为潜在森林爆发火区域；
32、进一步地，所述高斯滤波处理中核大小为3×3；
33、进一步地，所述canny边缘检测算子中弱边缘阈值为64，强边缘阈值为128；
34、步骤3.5：构建森林爆发火案例库；
35、针对提取的潜在森林爆发火区域，提取该位置对应的爆发火风险因子，构建由林火蔓延模拟案例库；爆发火风险因子包括：可燃物、气象、地形；
36、进一步地，所述的可燃物因子特征包括但不限于冠层可燃物含水率、冠层可燃物载量、冠层高度、冠层容重、冠层覆盖度、冠层基底高；
37、进一步地，所述的气象因子特征包括但不限于空气温度、空气相对湿度、风速、累计降雨量；
38、进一步地，所述的地形因子特征包括但不限于高程、坡度、坡向、地形湿度指数、地形位置指数、平面曲本文档来自技高网...
【技术保护点】
1.一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，包括以下步骤：
2.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤1中，针对中国西南地区的云南松林，所述的冠层高度和冠层基底高应满足如下公式；
3.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤1中，针对中国西南地区的云南松林，所述的冠层容重根据如下公式计算得出；
4.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤3.1中总效应指数指数≥0.1的可燃物参数为敏感参数。
5.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤3.3的筛选规则为SC≥0.7，且rRMSE≤30％。
6.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤3.4中高斯滤波处理中核大小为3×3；所述Canny边缘检测算子中弱边缘阈值为64，强边缘阈值
7.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤3.5中可燃物因子特征包括但不限于：冠层可燃物含水率、冠层可燃物载量、冠层高度、冠层容重、冠层覆盖度、冠层基底高。
8.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤3.5中气象因子特征包括但不限于：空气温度、空气相对湿度、风速、累计降雨量。
9.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤3.5中地形因子特征包括但不限于：高程、坡度、坡向、地形湿度指数、地形位置指数、平面曲率、剖面曲率。
...【技术特征摘要】
1.一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，包括以下步骤：
2.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤1中，针对中国西南地区的云南松林，所述的冠层高度和冠层基底高应满足如下公式；
3.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤1中，针对中国西南地区的云南松林，所述的冠层容重根据如下公式计算得出；
4.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤3.1中总效应指数指数≥0.1的可燃物参数为敏感参数。
5.如权利要求1所述的一种基于林火蔓延模拟与贝叶斯网络的森林爆发火风险评估方法，其特征在于，所述步骤3.3的筛选规则为sc≥0.7，且rrmse≤30％。
6.如权利要求1所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。