申请/专利权人：电子科技大学

申请日：2024-04-08

公开（公告）日：2024-06-14

公开（公告）号：CN118195322A

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06N7/01;G06Q50/26

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.02#实质审查的生效;2024.06.14#公开

摘要：该发明公开了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，涉及森林火灾预警技术领域。本发明首先借助FARSITE火行为模型开展林火蔓延模拟，利用卫星观测的燃烧区域轮廓和火强度信息校正林火蔓延模拟结果，标定火行为模型中敏感的可燃物模型参数，并基于图像边缘检测算法提取潜在爆发发生位置及林火蔓延特征，构建由可燃物、气象、地形等因子组成的爆发火案例库。然后，基于贝叶斯网络挖掘爆发火关键风险因子，构建爆发火风险评估模型，实现区域尺度的爆发火发生概率评估。本发明操作简单，其融合了林火蔓延特征，并充分考虑了爆发火发生的关键风险因子，应用于大范围的爆发火风险动态评估，这对于爆发火风险监测预警具有重要的意义。

主权项：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：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；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VIIRSVNP14IMGTDL_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；步骤3：构建森林火灾蔓延模拟案例库；步骤3.1：判断可燃物模型参数敏感性；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，以总效应指数评估可燃物模型参数对火蔓延特征的敏感性，确定总效应指数大于阈值的可燃物参数为敏感参数，其它可燃物模型参数为不敏感参数；蔓延特征包括：蔓延速度、火线强度、火辐射强度；步骤3.2：优化敏感可燃物模型参数；采用下式计算SC系数； 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；采用下式计算相对均方根误差rRMSE； 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；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；步骤3.3：标定敏感可燃物模型参数；从可燃物模型参数的Pareto解集中，根据特定筛选规则提取出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；步骤3.4：提取潜在森林爆发火区域；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OpenCVCanny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；步骤3.5：构建森林爆发火案例库；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；步骤4：构建基于贝叶斯网络的爆发火风险评估模型；步骤4.1：构建爆发火风险数据集；在火灾燃烧区域内，以爆发火发生区域为正样本，并按照一定比例随机选择从未发生爆发火的森林区域作为负样本；针对选取的正负样本，分别提取对应的可燃物、气象及地形等爆发火风险因子，构建由爆发火发生频次及其风险因子组成的爆发火风险数据集；步骤4.2：预处理爆发火风险因子数据集；借助隶属度函数，对爆发火风险因子进行模糊处理，并根据隶属度值划分为低，中，高三个状态；所述的隶属度函数为高斯型隶属函数，uLx，uMx，uHx对应低，中，高三个状态的隶属函数； 其中，xmin，xmax分别为风险因子的最小值、均值和最大值，σ为风险因子的标准差；步骤4.3：将爆发火风险数据集按比例划分为训练集和验证集；基于训练集数据，利用贝叶斯网络结构学习算法，构建风险因子与爆发火发生频次间的最优贝叶斯网络模型，并在验证集上使用F1分数，ROC曲线、PR曲线及其对应的AUC值评价爆发火风险评估模型的精度；构建的爆发火风险评估模型将在给定可燃物、气象、地形条件下输出爆发火发生的后验概率，即定义为爆发火风险。

全文数据：

权利要求：

百度查询： 电子科技大学 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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD