一种融合多源数据的精细化森林火险评估方法技术

本发明专利技术公开了一种融合多源数据的精细化森林火险评估方法，包括：确定引起森林火险的关键影响因素；对关键影响因素进行深层次诊断分析和聚类分析，得到12种森林火险影响因子；计算每个森林火险影响因子的权重；根据每个森林火险影响因子之间的相关性确定计算原则，以建立精细化森林风险评估模型，同时确定提取预报尺度；参照预设森林草原应急预案、预设森林火险等级预报与响应工作管理办法、预设森林火灾分级响应程序，通过精细化森林风险评估模型对预设年限内的历史火灾数据进行分析，以划分精细化森林火险的风险等级。该方法实现预报等级信息的自动化发布，且火险预报结果满足精细化的要求，具备预报的准确性，能为森林防火工作提供参考。作提供参考。作提供参考。

【技术实现步骤摘要】
一种融合多源数据的精细化森林火险评估方法


[0001]本专利技术涉及遥感科学
，特别涉及一种融合多源数据的精细化森林火险评估方法。

技术介绍

[0002]近年来，气候变暖和极端天气增多，导致全球进入森林火灾高发期，世界各地森林火灾频繁发生，做好森林防灭火工作，对于保障国家安全，林区安全以及个人财产安全具有重大意义。
[0003]森林火险评估，即某一地区某一时间内发生森林火灾的可能性，是林火管理工作中的重要依据。精准的森林火险等级的预测预报可以为森林防火工作提供科学的支撑，目前我国森林火险评估主要通过气象条件来进行预报，牛若芸等总结了常用的几种森林火险气象模型，在我国各地森林火险气象服务中得到了广泛的应用，然而，仅仅通过气象条件进行森林火险判别，忽略了地形、可燃物的干湿程度、可燃物的类型特点和人类活动等因素，无法对林火发生行为进行预报与分析。
[0004]针对于上述情况，相关技术中提出了多种方法，例如曹珊珊等人以北京市九龙山为研究区，建立了小尺度的森林火险评估模型，林志强等利GIS和RS的方法，建立了基于GIS和RS的西藏森林火险等级计算方法。但这些方法无法对森林火险进行精细化的、更准确的分析。

技术实现思路

[0005]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0006]为此，本专利技术的目的在于提出一种融合多源数据的精细化森林火险评估方法，该方法获得的火险预报结果满足精细化的要求，同时具备预报的准确性。
[0007]为达到上述目的，本专利技术实施例提出了融合多源数据的精细化森林火险评估方法，包括以下步骤：步骤S1，确定引起森林火险的关键影响因素，其中，所述关键影响因素包括气象因素、可燃物因素、地形因素和社会因素；步骤S2，对所述关键影响因素进行深层次诊断分析和聚类分析，得到12种森林火险影响因子；步骤S3，计算每个森林火险影响因子的权重；步骤S4，根据每个森林火险影响因子之间的相关性确定计算原则，以建立精细化森林风险评估模型，同时，基于多源基础数据确定提取所述精细化森林风险评估模型的预报尺度；步骤S5，参照预设森林草原应急预案、预设森林火险等级预报与响应工作管理办法、预设森林火灾分级响应程序，通过所述精细化森林风险评估模型对预设年限内的历史火灾数据进行分析，以划分精细化森林火险的风险等级。
[0008]本专利技术实施例的融合多源数据的精细化森林火险评估方法，通过分析森林火灾发生原因，选取4大类森林火险因素，包含12种森林火险影响因子，通过诊断分析、主成分分析，专家打分等方法确定模型影响因素和各个影响因子的权重值，构建精细化的森林火险评估模型，并对预报结果进行科学的等级划分，实现预报等级信息的自动化发布，其中，火
险预报结果满足精细化的要求，同时具备预报的准确性，能够为森林防火工作提供参考，对履行防灭火职能、保护森林资源和人民生命财产安全具有重要的意义。
[0009]另外，根据本专利技术上述实施例的融合多源数据的精细化森林火险评估方法还可以具有以下附加的技术特征：
[0010]进一步地，在本专利技术的一个实施例中，所述步骤S1中通过预设年限的历史火灾数据，通过诊断型分析法对所述历史火灾数据进行诊断分析，确定引起森林火灾的关键影响因素，并对所述关键影响因素进行分类。
[0011]进一步地，在本专利技术的一个实施例中，所述12种森林火险影响因子中日最高气温影响因子、日最小相对湿度影响因子、日最大风速影响因子、连续无降水日影响因子、森林类型影响因子、森林郁闭度影响因子、森林干旱程度影响因子、海拔影响因子、坡度影响因子、坡向影响因子、林区居民地分布影响因子和林区道路分布影响因子。
[0012]进一步地，在本专利技术的一个实施例中，选用每八天合成的MODIS卫星数据反演得到的温度可燃物干旱指数TVDI表示所述森林干旱程度影响因子的权重值，计算公式为：
[0013][0014]其中，T
smax
和T
smin
分别为当植被归一化指数NDVI等于某一特定值时，地表温度的最大值和最小值，T
s
为任一像元地表温度。
[0015]进一步地，在本专利技术的一个实施例中，采集八月份或九月份吉林一号光谱星的影像反演郁闭度表示所述森林郁闭度影响因子的权重值，计算公式为：
[0016][0017]其中，CD为郁闭度，NDVI为植被归一化指数，NDVI
min
为最小植被归一化指数，NDVI
max
为最小植被归一化指数。
[0018]进一步地，在本专利技术的一个实施例中，通过吉林一号高分辨率卫星遥感影像解译获取道路和居民地距森林的距离，通过专家打分法确定所述林区居民地分布影响因子和所述林区道路分布影响因子的权重值。
[0019]进一步地，在本专利技术的一个实施例中，通过吉林一号视频星三维重建DSM数据获得预设重点区域的地形数据，除预设重点区域外的其他地区通过公开的12.5米地形数据获得地形数据。
[0020]进一步地，在本专利技术的一个实施例中，基于所述地形数据，通过专家打分的方法分别确定海拔影响因子的权重值、坡度影响因子的权重值、坡向影响因子的权重值。
[0021]进一步地，在本专利技术的一个实施例中，所述精细化森林火险评估模型为：
[0022]FRID＝0.48*A+0.35*B+0.15*C+0.1*D
[0023]其中，A为气象因子、B为植被因子、C为社会因子，D为地形因子。
[0024]进一步地，在本专利技术的一个实施例中，所述预报尺度为空间分辨率为1公里、每日自动发布一次未来24小时、48小时、72小时和未来一周的森林火险等级预报。
[0025]本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0026]本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0027]图1是本专利技术一个实施例的一种融合多源数据的精细化森林火险评估方法流程图；
[0028]图2是本专利技术一个实施例的一种融合多源数据的精细化森林火险评估方法的预警执行图；
[0029]图3是本专利技术一个实施例的北京市2021年5月10的森林火险等级划分示意图。
具体实施方式
[0030]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0031]下面参照附图描述根据本专利技术实施例提出的融合多源数据的精细化森林火险评估方法。
[0032]图1是本专利技术一个实施例的一种融合多源数据的精细化森林火险评估方法流程图。
[0033]图2是本专利技术一个实施例的一种融合多源数据的精细化森林火险评估方法的预警执行图。
[0034]如图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合多源数据的精细化森林火险评估方法，其特征在于，包括以下步骤：步骤S1，确定引起森林火险的关键影响因素，其中，所述关键影响因素包括气象因素、可燃物因素、地形因素和社会因素；步骤S2，对所述关键影响因素进行深层次诊断分析和聚类分析，得到12种森林火险影响因子；步骤S3，计算每个森林火险影响因子的权重；步骤S4，根据每个森林火险影响因子之间的相关性确定计算原则，以建立精细化森林风险评估模型，同时，基于多源基础数据确定提取所述精细化森林风险评估模型的预报尺度；步骤S5，参照预设森林草原应急预案、预设森林火险等级预报与响应工作管理办法、预设森林火灾分级响应程序，通过所述精细化森林风险评估模型对预设年限内的历史火灾数据进行分析，以划分精细化森林火险的风险等级。2.根据权利要求1所述的融合多源数据的精细化森林火险评估方法，其特征在于，所述步骤S1中通过预设年限的历史火灾数据，通过诊断型分析法对所述历史火灾数据进行诊断分析，确定引起森林火灾的关键影响因素，并对所述关键影响因素进行分类。3.根据权利要求1所述的融合多源数据的精细化森林火险评估方法，其特征在于，所述12种森林火险影响因子中日最高气温影响因子、日最小相对湿度影响因子、日最大风速影响因子、连续无降水日影响因子、森林类型影响因子、森林郁闭度影响因子、森林干旱程度影响因子、海拔影响因子、坡度影响因子、坡向影响因子、林区居民地分布影响因子和林区道路分布影响因子。4.根据权利要求3所述的融合多源数据的精细化森林火险评估方法，其特征在于，选用每八天合成的MODIS卫星数据反演得到的温度可燃物干旱指数TVDI表示所述森林干旱程度影响因子的权重值，计算公式为：其中，T
smax
和T
smin
分别为当...

【专利技术属性】
技术研发人员：李恒宇，朱瑞飞，孔加龙，桂哲群，田德宇，姜凯，
申请(专利权)人：长光卫星技术有限公司，
类型：发明
国别省市：