首页> 中国专利> 南方集体林区森林火险精准区划模型

南方集体林区森林火险精准区划模型

页面导航

摘要
著录项
法律信息
说明书
相似文献

摘要

本发明涉及南方集体林区森林火险精准区划模型，其特征在于：森林火险精准区划模型的建立主要分成火险因子分析定值、森林火险精准区划模型建立、火险精准区划模型验证优化、火险精准区划模型实现等4个步骤；其中火险因子分析定值包括火险因子提取、火险评价指标、火险因子定值；森林火险精准区划模型建立的步聚是：数据提取、模型构建、模型求解；火险精准区划模型验证优化：提取验证数据、把数据带入火险精准区划模型进行验证、对模型进行优化；火险精准区划模型实现：实验环境、根据模型结果进行渲染制图。本发明通过建立合适的数学模型，通过对区域历史火灾档案数据的分析，来建立区域森林火险精准区划模型，在现有的技术方法下，有较强的实用性，经实际验证，与实际情况吻合度比较高。

著录项

公开/公告号CN102542128A

专利类型发明专利
公开/公告日2012-07-04

原文格式PDF
申请/专利权人浙江农林大学;
展开▼

申请/专利号CN201010555664.6
发明设计人徐爱俊;方陆明;唐丽华;楼雄伟;
展开▼

申请日2010-11-19
分类号G06F19/00(20110101);
代理机构33230 杭州赛科专利代理事务所;
代理人陈辉
地址 310000 浙江省临安市锦城镇环城北路88号
入库时间 2023-12-18 05:55:46

法律信息

法律状态公告日

法律状态信息

法律状态
2018-01-05

未缴年费专利权终止 IPC(主分类):G06F19/00 授权公告日:20150520 终止日期:20161119 申请日:20101119

专利权的终止
2015-05-20

授权

授权
2012-09-05

实质审查的生效 IPC(主分类):G06F19/00 申请日:20101119

实质审查的生效
2012-07-04

公开

公开

说明书

一、所属技术领域

本发明涉及一种基于林学特征、社会经济、气象特征等多指标综合影响下的森林火险粘准区划模型及其求解方法，该模型能实现森林火险区划范围精确至森林资源小班。

二、背景技术

森林火灾是当今世界发生面广、危害性大、时效性强、处置救助极其困难的自然灾害之一。森林火灾不仅对生态环境和自然景观造成巨大破坏，而且严重危及人民生命财产安全，严重干扰社会稳定和经济建设。中国森林覆盖率不足12％，人均林地面积和人均森林蓄积量不足世界人均数的三分之一，且是个森林火灾多发的国家。因此如何对森林火险进行预测预报，进而为林火的预防和火灾指挥提供决策支持，就成为迫切需要解决的一个重要课题。国内外很多专家都在开展这方面的研究工作，目前的森林火险区划方法主要有以下几种：

(1)单纯根据气象信息作出的大区域森林火险预测，如天气预报中所说到的森林火险等级。该方法仅根据近段时间的气象信息所作出的森林火险预测，且范围一般都是以县域或县域以上为单位。

(2)依据地形地貌、植被、农田、道路、居民点等进行静态森林火险预测。

(3)根据历年气象资料并结合植被信息，进行区域森林火险区划。

由于我国南方集体林区人口密集，社会经济较为发达，森林火险及其成因与北方国有林区有较大的差异，因此，现有的森林火险区划方法在南方集体林区森林火险预测方面存在以下问题：

(1)由于南方地区社会经济相对较为发达，大区域的森林火险预报使森林防火工作失去了针对性，难以开展有效预防；

(2)南方林区的森林火灾大都是由人为因素引起的，且与地形、位置、植被等信息关联性很强，现有的森林火险区划方法很少有将这些因素集成考虑。

因此，迫切需要一种针对南方集体林区森林火灾特点的森林火险区划模型来实现森林火险小范围快速区划，该模型应该将森林火险区划范围进一步缩小，并充分考虑林学特征、社会经济特征、气象特征等相关信息，并与实际森林的发生基本吻合。

三、发明内容

(一)要解决的技术问题

本发明以南方集体林区为研究对象，选择具有代表性的林区浙江省临安市为实验区域，在分析前人研究成果的基础上，根据实验区历年森林火灾发生情况，结合该林区森林防火实际，确定影响森林火险发生的3类指标体系。以这些指标作为研究森林火险的基本指标，在权重的确定方面，采用专家评定法并结合实地区域因素方法确定各火险因子权重。在此基础上构建南方林区森林火险精准区划模型，并采用最小二乘法等数学方法，把静态数据和动态数据分别赋予相应的权重结合到一起进行模型的计算，从而实现森林火险精准区划，并使得其区划范围精确至森林资源小班。

(二)技术方案

1.森林火险精准区划模型算法流程

通过各火险因子对林火发生影响的分析，确定影响森林火险发生的3类指标体系，包括：社会经济类指标、林学特征类指标以及气象特征类指标。同时，把静态数据和动态数据分别赋予相应的权重结合到一起进行综合火险指数模型的计算。在权重的确定方面，采用专家评定法并结合实地区域因素方法确定各火险因子权重。并确定森林火险等级划分无量纲化过程。

2森林火险因子分析与提取定值

森林火险因子的选择，是进行森林火险等级划分的基础工作，其合理性与否，直接影响森林火险等级划分的科学性和实用性。同时林火预报精度大小的关键，除了系统本身方法的科学性外，主要是看如何选择适当的因子，客观真实地反映林火发生的可能性。

结合实验区临安历年火灾的起火原因可以把火险因子划分为：社会经济活动、林学特征、气象特征。

(1)社会经济活动：

随着经济的发展，人类对于森林的活动也在不断增加，农事活动、森林开发、道路的建设等都加重了森林的压力，大量的火源由此而诱发，成为社会经济活动干扰因子。

社会经济活动：上坟活动、炼山造林、烧荒烧炭(烧田埂草)、林区道路。

(2)林学特征：

森林可燃物是森林燃烧三要素之一，可燃物燃烧除取决于火源和氧气必要条件外，还取决于可燃物本身的尺寸大小、结构状态、理化性质和数量分布。森林可燃物是森林燃烧的物质基础，是林火行为的主体，是林火管理的基本依据。因此，对森林可燃物及其燃烧性进行定量研究，是现代林火管理中最重要、最基础的工作，它在林火发生预报、林火行为预报、灭火指挥、营林用火、生物防火等方面都具有重大的现实意义。

林学特征：林种、林龄、郁闭度。

(3)气象特征：

根据多年来发生的森林火灾与防火期内的气象资料，降水日数少，蒸发量大，相对湿度低，则森林火灾频数多；相反，则森林火灾频数少。降水量少，温度较高，则森林火灾受害率大；相反，则森林火灾受害率小。气候因子明显影响可燃物燃烧性，特别是在防火期内，天气干燥或湿润主要取决于气温、湿度和风力的大小。、气温、风速属于气象因子，在短期内会有所变化，而防火期月平均降水量、防火期月平均气温、防火期月平均风速属于气候因子，是稳定因子。

气候指数：气温、湿度、风力、坡向。

森林火险精准区划指标体系是：

本发明根据临安市2000-2005年历史火灾数据、有关参考文献和调查统计结果，选取三大类共11个火险因子，并赋予相应的火险值，如表1所示。

表1森林火险因子及其取值

2森林精准区划模型的建立

2.1实验区实际数据抽取与预处理

本发明从临安市2000-2005年发生的历次森林火灾中抽取了42次记录较为完整的数据作为实验数据。

先把直接导致森林火灾的三大类因子(林学特征、气象特征、社会经济活动)，分别抽象为三个向量F、W、D。然后把林学特征类(F)的三个指标和一个空因子(林种、林龄、郁闭度、0)分别抽象为(f₁ f₂ f₃ f₄)，则林学特征类：F＝(f₁ f₂ f₃ f₄)^-；把气象特征类(W)的四个指标(坡向、气温、湿度、风力)分别抽象为(w₁ w₂ w₃ w₄)，则气象特征类：W＝(w₁ w₂ w₃ w₄)^-；把社会经济活动类(D)的四个指标(上坟、烧荒烧炭、连山造林、林区道路)分别抽象为(d₁ d₂ d₃ d₄)，则社会经济活动：D＝(d₁ d₂ d₃ d₄)^-。最后根据火险因子定值的标准，把历年的森林火灾记录的三大类指标时子预处理转化为由三个向量(F、W、D)。其中林学特征和气象特征中的坡向因子可以直接从森林资源数据和地形数据中获取。

2.2森林火险精准区划模型的构建

通过对历史火灾数据进行分析，发现：实验数据中绝大部分森林火灾是由人为因素直接导致的，即D向量，这也符合南方林区的实际。所以本发明把D向量作为主要因素，来构建以下数学模型：

其中：Y为森林火险取值，A、B、C、H分别为系数矩阵，ω为待定系数。

$A = (\begin{matrix} a_{11} & a_{12} & a_{13} & a_{14} \\ a_{21} & a_{22} & a_{23} & a_{24} \\ a_{31} & a_{32} & a_{33} & a_{34} \\ a_{41} & a_{42} & a_{43} & a_{44} \end{matrix}),$ B＝(b₁ b₂ b₃ b₄)，C＝(c₁ c₂ c₃ c₄)

H＝(h₁ h₂ h₃ h₄)

将子模型A＝F×C+W×H展开可得：

$A = (\begin{matrix} a_{11} & a_{12} & a_{13} & a_{14} \\ a_{21} & a_{22} & a_{23} & a_{24} \\ a_{31} & a_{32} & a_{33} & a_{34} \\ a_{41} & a_{42} & a_{43} & a_{44} \end{matrix}) = (\begin{matrix} f_{1} \\ f_{2} \\ f_{3} \\ f_{4} \end{matrix}) (\begin{matrix} c_{1} & c_{2} & c_{3} & c_{4} \end{matrix}) + (\begin{matrix} w_{1} \\ w_{2} \\ w_{3} \\ w_{4} \end{matrix}) (\begin{matrix} h_{1} & h_{2} & h_{3} & h_{4} \end{matrix})$

$= (\begin{matrix} f_{1} c_{1} + w_{1} h_{1} & f_{1} c_{2} + w_{1} h_{2} & f_{1} c_{3} + w_{1} h_{3} & f_{1} c_{4} + w_{1} h_{4} \\ f_{2} c_{1} + w_{2} h_{1} & f_{2} c_{2} + w_{2} h_{2} & f_{2} c_{3} + w_{2} h_{3} & f_{2} c_{4} + w_{2} h_{4} \\ f_{3} c_{1} + w_{3} h_{1} & f_{3} c_{2} + w_{3} h_{2} & f_{3} c_{3} + w_{3} h_{3} & f_{3} c_{4} + w_{3} h_{4} \\ f_{4} c_{1} + w_{4} h_{1} & f_{4} c_{2} + w_{4} h_{2} & f_{4} c_{3} + w_{4} h_{3} & f_{4} c_{4} + w_{4} h_{4} \end{matrix})$ (式2)

再根据已知D＝(d₁ d₂ d₃ d₄)^-，B＝(b₁ b₂ b₃ b₄)和和上面展开的子模型可得：

$Y = (\begin{matrix} d_{1} \\ d_{2} \\ d_{3} \\ d_{4} \end{matrix}) * (\begin{matrix} f_{1} c_{1} + w_{1} h_{1} & f_{1} c_{2} + w_{1} h_{2} & f_{1} c_{3} + w_{1} h_{3} & f_{1} c_{4} + w_{1} h_{4} \\ f_{2} c_{1} + w_{2} h_{1} & f_{2} c_{2} + w_{2} h_{2} & f_{2} c_{3} + w_{2} h_{3} & f_{2} c_{4} + w_{2} h_{4} \\ f_{3} c_{1} + w_{3} h_{1} & f_{3} c_{2} + w_{3} h_{2} & f_{3} c_{3} + w_{3} h_{3} & f_{3} c_{4} + w_{3} h_{4} \\ f_{4} c_{1} + w_{4} h_{1} & f_{4} c_{2} + w_{4} h_{2} & f_{4} c_{3} + w_{4} h_{3} & f_{4} c_{4} + w_{4} h_{4} \end{matrix}) * (\begin{matrix} d_{1} \\ d_{2} \\ d_{3} \\ d_{4} \end{matrix})$

$+ (\begin{matrix} b_{1} & b_{2} & b_{3} & b_{4} \end{matrix}) * {(\begin{matrix} d_{1} & d_{2} & d_{3} & d_{4} \end{matrix})}^{-} + ω$ (式3)

模型求解

森林火险精准区划模型求解可以转换为求解模型的待定参数(B，C，H，ω)。

在模型求解中，数据拟合是经常采用的一种方法。数据拟合的目标是找到能反映变量之间关系的一种表达式，使其在某种准则下最佳地接近已知数据。其原理有最小二乘法、契比雪大法等，且以最小二乘法最为常见和重要。本文主要采用最小二乘曲线拟合以及相应的MATLAB方法进行求模型。

曲线拟合是指：已知n个数据点(x_i，y_i)，i＝1，2，...，n，其中x_i不全相同，寻求函数f(x；a₁，a₂，…，a_m)的待定参数a₁，a₂，...，a_m的一组取值，使得在这组取值之下，函数f(x；a₁，a₂，…，a_m)与已知n个数据点整体上最为接近。

模型求解算法流程：

首先我们先求解框架模型，把模型化解为y＝f(x；a₁，a₂，…，a_m)，(a₁，a₂，...，a_m)为待定参数的形式：

$y = (\begin{matrix} X_{1} \\ X_{2} \\ X_{3} \\ X_{4} \end{matrix}) * (\begin{matrix} a_{11} & a_{12} & a_{13} & a_{14} \\ a_{21} & a_{22} & a_{23} & a_{34} \\ a_{31} & a_{32} & a_{33} & a_{34} \\ a_{41} & a_{42} & a_{43} & a_{44} \end{matrix}) * {(\begin{matrix} X_{1} \\ X_{2} \\ X_{3} \\ X_{4} \end{matrix})}^{-} + (\begin{matrix} b_{1} & b_{2} & b_{3} & b_{4} \end{matrix}) * (\begin{matrix} X_{1} \\ X_{2} \\ X_{3} \\ X_{4} \end{matrix}) + ω$ (式4)

则X为社会经济活动向量D，(a₁₁…，a₄₄，b₁，…，b₄，ω)为待定参数。

根据实验区历史火灾档案，代入42组历史火灾数据，根据最小二乘法，得到待定参数值：

A＝[0.6596，0，0，0；-0.3858，0.3597，-0.5279，0；-0.3421，0，0.3084，-0.1994；0.0978，-0.[027，0，0.3051]

B＝[-0.0257，0.3711，0.4333，0.1824]

ω＝0.2964

把子模型化解为y＝f(x；a₁，a₂，…，a_m)，(a₁，a₂，…，a_m)为待定参数的形式：

$y = (\begin{matrix} X_{1} \\ X_{2} \\ X_{3} \\ X_{4} \end{matrix}) * (\begin{matrix} c_{1} & c_{2} & c_{3} & c_{4} \end{matrix}) + (\begin{matrix} X_{5} \\ X_{6} \\ X_{7} \\ X_{8} \end{matrix}) * (\begin{matrix} h_{1} & h_{2} & h_{3} & h_{4} \end{matrix})$ (式5)

则X₁，...，X₄为林学特征向量，X₅，...，X₈为气象特征向量，(c₁，…，c₄，h₁，…，h₄)为待定参数。

根据前文得到的一组火险数据和整体模型求解得到的A可以得出以下实验数据表2：

表2模型的解

根据最小二乘法，得到待定参数值：

C＝(c₁ c₂ c₃ c₄)＝(1.319 12.8409 6.1544 3.8957)

H＝(h₁ h₂ h₃ h₄)＝(1.2887 17.055 9.1137 8.2739)

把以上所有待定参数值全部带入模型方程可以得出如下最终模型方程如下：

$Y = (\begin{matrix} d_{1} \\ d_{2} \\ d_{3} \\ d_{4} \end{matrix}) *$

$(\begin{matrix} 1.319 f_{1} + 1.2887 w_{1} & 12.8409 f_{1} + 17.055 w_{1} & 6.1544 f_{1} + 9.1137 w_{1} & 3.8957 f_{1} + 8.2739 w_{1} \\ 1.319 f_{2} + 1.2887 w_{2} & 12.8409 f_{2} + 17.055 w_{2} & 6.1544 f_{2} + 9.1137 w_{2} & 3.8957 f_{2} + 8.2739 w_{2} \\ 1.319 f_{3} + 1.2887 w_{3} & 12.8409 f_{3} + 17.055 w_{3} & 6.1544 f_{3} + 9.1137 w_{3} & 3.8957 f_{3} + 8.2739 w_{3} \\ 1.319 f_{4} + 1.2887 w_{4} & 12.8409 f_{4} + 17.055 w_{4} & 6.1544 f_{4} + 9.1137 w_{4} & 3.8957 f_{4} + 8.2739 w_{4} \end{matrix})$

$* {(\begin{matrix} d_{1} \\ d_{2} \\ d_{3} \\ d_{4} \end{matrix})}^{-} + (\begin{matrix} - 0.0257 & 0.3711 & 0.4333 & 0.1824 \end{matrix}) * (\begin{matrix} d_{1} \\ d_{2} \\ d_{3} \\ d_{4} \end{matrix}) + 0.2964$ (式6)

3森林火险精准区划模型的验证和优化

为了到此已经求解出了森林火险精准区划模型，但是模型的准备性还有待验证。所以再次提取实验区的实际火灾数据，并带入模型验证其准确性，然后把从模型中得到的实验值与实际值进行对比，同时根据对比结果进行模型优化。

3.1数据准备

随机抽取2000年2005年间临安市的10次火灾数据作为验证模型的数据，转化为10组向量值如下表3所示：

表3验证数据向量值

3.2森林火险精准区划模型的验证

我们把上面构建的10组数据带式6，进行求解，可以得出以下10组实验数据值如下表4：

表4森林火险理论和实际值对比表

把通过模型求得的实验值和理论值进行对比，如表4所示。我们发现实验值和理论值总是存在一定的差距和偏差，但偏差均较小，所有误差均小于0.1，比较接近实际值，为了得到更加精确的模型，则必须根据实验的实际情况对模型进行调整和优化，根据验证结果对改正数ω进行优化。

3.3森林火险精准区划模型的优化

在进行模型设计时我们加入了一个调和参数ω，可以根据实验的实际情况来重新设置该调和值，从而起到优化模型的作用。首先计算出10组数据的理论值的平均值P_{AVG_Theory}和实验值的平均值P_{AVG_Reality}，然后取理论值和实验值的差值P_Subtract：

P_{AVG_Theory}＝(0.84+0.79+0.81+0.78+0.82+0.83+0.79+0.74+0.82+0.85)/10＝0.812

P_{AVG_Reality}＝(0.8065+0.8178+0.7304+0.8065+0.7656+0.7679+0.8543+0.8053+0.8122+0.8640)/10＝0.80305

P_Subtract＝P_{AVG_Theory}-P_{AVG_Reality}＝0.812-0.80305＝0.00895

根据差值P_Subtract进行判断发现P_Subtract＝0.00895＞0，所以得出的结论为实验值偏小，把原来的ω加上P_Subtract，ω＝ω+0.00895＝0.2964+0.00895＝0.30535，由此可以得出优化后的森林火险精准区划模型为：

$y = (\begin{matrix} d_{1} \\ d_{2} \\ d_{3} \\ d_{4} \end{matrix}) * (\begin{matrix} 1.319 f_{1} + 1.2887 w_{1} & 12.8409 f_{1} + 17.055 w_{1} & 6.1544 f_{1} + 9.1137 w_{1} & 3.8957 f_{1} + 8.2739 w_{1} \\ 1.319 f_{2} + 1.2887 w_{2} & 12.8409 f_{2} + 17.055 w_{2} & 6.1544 f_{2} + 9.1137 w_{2} & 3.8957 f_{2} + 8.2739 w_{2} \\ 1.319 f_{3} + 1.2887 w_{3} & 12.8409 f_{3} + 17.055 w_{3} & 6.1544 f_{3} + 9.1137 w_{3} & 3.8957 f_{3} + 8.2739 w_{3} \\ 1.319 f_{4} + 1.2887 w_{4} & 12.8409 f_{4} + 17.055 w_{4} & 6.1544 f_{4} + 9.1137 w_{4} & 3.8957 f_{4} + 8.2739 w_{4} \end{matrix})$

4森林火险精准区划模型实现

在上述森林火险精准区划方法的支持下，专利以ArcGIS、SQL Server 2000、C#等工其软件为二次开发平台，实现了森林火险精准区划软件系统。该系统以森林资源多源数据(地形图、DEM数据、地面调查数据等)为基础，结合实时气象与社会经济数据，实现了森林火险精准区划模型，区划范围精确至森林资源小班，并在实验区得到了验证，可以为森林防火管理与指挥决策提供科学依据。

表5森林火险等级划分

本发明的特点有以下几个方面：

(1)虽然南方林区森林火灾的发生有一定的随机性，但其仍有一定的规律性，即在植被、气象、社会经济环境、人为因素等共同影响下才能导致森林火灾的发生。本发明通过建立合适的数学模型，通过对区域历史火灾档案数据的分析，来建立区域森林火险精准区划模型，在现有的技术方法下，有较强的实用性，经实际验证，与实际情况吻合度比较高。

(2)本发明虽然是以浙江临安为实验区域进行模型的求解与验证，但是完全可以使用其他南方林区，原因有二：一是南方林区森林火灾的成因均与临安类似；二是把其他区域的历史火灾数据代入本发明，即可求出该区域的森林火险精准区划模型，用来预测本区域的森林火险发生情况。

(3)本发明把传统的森林火险预报因子从单纯的气象因素扩展到了包括气象、森林资源、社会经济等在内的三大类11个因子，囊括了南方林区中可能导致森林火灾的主要因子，因此，其森林火险区划结果更有说服力。

(4)本发明对森林火险的区划精确至森林资源小班(森林资源管理的最小单位，相当于土地中的宗地)，而传统的森林火险区划范围为大区域(为县、乡等行政区域)，因此，小发明在实际森林防火工作中，更有针对性，更符合实际情况，并能提高森林防火的管理水平。

附图说明：

图1算法流程图

图2区域森林火险评价指标体系

图3森林火险精准区划模型构建算法流程图

图4模型求解流程图

图5森林火险精准区划模型验证优化流程图

图6为森林火险精准区划效果。

具体实施方式：

下面结合附图进一步说明：

如图1所示，森林火险精准区划模型的建立主要分成火险因子分析定值、森林火险精准区划模型建立、火险精准区划模型验证优化、火险精准区划模型实现等4个步骤。其中火险因子分析定值包括火险因子提取、火险评价指标、火险因子定值；森林火险精准区划模型建立的步聚是：数据提取、模型构建、模型求解；火险精准区划模型验证优化：提取验证数据、把数据带入火险精准区划模型进行验证、对模型进行优化；火险精准区划模型实现：实验环境、根据模型结果进行渲染制图。

如图2所示，森林火险精准区划指标体系包括社会经济活动、林学特征、气象特征，社会经济活动包括上坟活动、炼山造林、烧荒烧炭(烧田埂草)、林区道路，林学特征：林种、林龄、郁闭度，气候特征：气温、湿度、风力、坡向。

如图3所示，将11个森林火险因子构建成3个向量D，F，W，根据森林防火实际，以D为主影响因素，建立森林火险精准区划模型：Y＝DAD′+B*D′+ω。

模型求解

森林火险精准区划模型求解可以转换为求解模型的待定参数(B，C，H，ω)。

在模型求解中，数据拟合是经常采用的一种方法。数据拟合的目标是找到能反映变量之间关系的一种表达式，使其在某种准则下最佳地接近已知数据。其原理有最小二乘法、契比雪夫法等，且以最小二乘法最为常见和重要。本文主要采用最小二乘曲线拟合以及相应的MATLAB方法进行求模型。

模型求解算法流程如图4所示：

首先我们先求解框架模型，把模型化解为y＝f(x；a₁，a₂，…，a_m)，(a₁，a₂，...，a_m)为待定参数的形式：

则X为社会经济活动向量D，(a₁₁，…，a₄₄，b₁，…，b₄，ω)为待定参数。

根据实验区历史火灾档案，代入42组历史火灾数据，根据最小二乘法，得到待定参数值：

A＝[0.6596，0，0，0；-0.3858，0.3597，-0.5279，0；-0.3421，0，0.3084，-0.1994；0.0978，-0.1027，0，0.3051]

B＝[-0.0257，0.3711，0.4333，0.1824]

ω＝0.2964

把子模型化解为y＝f(x；a₁，a₂，…，a_m)，(a₁，a₂，…，a_m)为待定参数的形式：

则X₁，...，X₄为林学特征向量，X₅，...，X₈为气象特征向量，(c₁，…，c₄，h₁，…，h₄)为待定参数。

根据历史火灾档案火险数据和整体模型求解得到的A可以得出以下实验数据表2：

表2模型的解

根据最小二乘法，得到待定参数值：

C＝(c₁ c₂ c₃ c₄)＝(1.319 12.8409 6.1544 3.8957)

H＝(h₁ h₂ h₃ h₄)＝(1.2887 17.055 9.1137 8.2739)

把以上所有待定参数值全部带入模型方程可以得出如下最终模型方程如下：

$Y = (\begin{matrix} d_{1} \\ d_{2} \\ d_{3} \\ d_{4} \end{matrix}) *$

3森林火险精准区划模型的验证和优化

3.1数据准备

随机抽取2000年2005年间临安市的10次火灾数据作为验证模型的数据，转化为10组向量值如下表3所示：

表3验证数据向量值

编号着火日期 D F W 火险值(理论值)

1 2003.12.13 (0.80.30.10.2) (1，0.56，0.14，0) (0.8，0.4，0.4，0.4) 0.84

2 2004.12.21 (0.10.20.80.1) (1，1，0.85，0) (0.8，0.4，0.4，0.6) 0.79

3 2004.04.20 (0.10.20.10.8) (0.72，0.69，0.14，0) (0.6，0.4，0.6，0.4) 0.81

4 2005.04.05 (0.70.10.30.4) (0.72，0.56，1.0，0) (0.8，0.4，0.6，0.6) 0.78

5 2003.04.05 (0.80.10.20.1) (0.72，0.69，0.14，0) (0.6，0.4，0.6，0.4) 0.82

6 2000.04.05 (0.10.10.10.9) (1，0.56，0.14，0) (0.8，0.4，0.6，0.4) 0.83

7 2001.04.05 (0.20.30.80.4) (0.72，0.56，1.0，0) (0.8，0.4，0.6，0.4) 0.79

8 2001.04.05 (0.40.10.40.7) (1，0.56，0.14，0) (0.6，0.2，0.6，0.6) 0.74

9 2002.04.05 (0.20.30.30.8) (0.72，1，0.85，0) (0.8，0.4，0.6，0.4) 0.82

10 2005.04.05 (0.30.80.40.4) (0.72，0.69，1.0，0) (0.4，0.4，0.6，0.6) 0.85

3.2森林火险精准区划模型的验证

我们把上面构建的10组数据带式6，进行求解，可以得出以下10组实验数据值如下表4：

表4森林火险理论和实际值对比表

编号火险值Y(理论值) 实验值Y

1 0.84 0.8065

2 0.79 0.8178

3 0.81 0.7304

4 0.78 0.8065

5 0.82 0.7656

6 0.83 0.7679

7 0.79 0.8543

8 0.74 0.8053

9 0.82 0.8122

10 0.85 0.8640

3.3森林火险精准区划模型的优化

在进行模型设计时我们加入了一个调和参数ω，我们可以根据实验的实际情况来重新设置该调和值，从而起到优化模型的作用。首先计算出10组数据的理论值的平均值P_{AVG_Theory}和实验值的平均值P_{AVG_Reality}，然后取理论值和实验值的差值P_Subtract：

P_{AVG_Theory}＝(0.84+0.79+0.81+0.78+0.82+0.83+0.79+0.74+0.82+0.85)/10＝0.812

P_{AVG_Reality}＝(0.8065+0.8178+0.7304+0.8065+0.7656+0.7679+0.8543+0.8053+0.8122+0.8640)/10＝0.80305

P_Subtract＝P_{AVG_Theory}-P_{AVG_Reality}＝0.812-0.80305＝0.00895

我们根据差值P_Subtract进行判断发现P_Subtract＝0.00895＞0，所以得出的结论为实验值偏小，把原来的ω加上P_Subtract，ω＝ω+0.00895＝0.2964+0.00895＝0.30535，由此我们可以得出优化后的森林火险精准区划模型为：

4森林火险精准区划模型实现

在上述森林火险精准区划方法的支持下，本发明以ArcGIS、SQL Server 2000、C#等工具软件为二次开发平台，实现了森林火险精准区划软件系统。该系统以森林资源多源数据(地形图、DEM数据、地面调查数据等)为基础，结合实时气象与社会经济数据，实现了森林火险精准区划模型，区划范围精确至森林资源小班，并在实验区得到了验证，可以为森林防火管理与指挥决策提供科学依据。

表5森林火险等级划分

危险等级 Y取值范围危险程度易燃程度渲染颜色

1级 [0，0.2) 没有危险不能燃烧绿色

2级 [0.2，0.4) 低度危险难以燃烧蓝色

3级 [0.4，0.6) 中度危险较易燃烧黄色

4级 [0.6，0，8) 高度危险容易燃烧橙色

5级 [0.8，1] 极度危险极易燃烧红色

去获取专利，查看全文>

相似文献

专利
中文文献
外文文献

1. 南方集体林区森林火险精准区划模型建立方法 [P] . 中国专利： CN102542128B . 2015.05.20
2. 南方集体林区森林火险精准区划模型 [P] . 中国专利： CN102542128A . 2012-07-04
3. HARVEST ADVISORY MODELING USING FIELD-LEVEL ANALYSIS OF WEATHER CONDITIONS AND OBSERVATIONS AND USER INPUT OF HARVEST CONDITION STATES AND TOOL FOR SUPPORTING MANAGEMENT OF FARM OPERATIONS IN PRECISION AGRICULTURE [P] . 世界知识产权组织专利： WO2016118684A1 . 2016-07-28

机译：利用天气状况和观测水平分析以及用户输入的收获状况模型和工具来支持精准农业中的农场经营，进行收获咨询模型
4. CUSTOMIZED LAND SURFACE MODELING IN A SOIL-CROP SYSTEM USING SATELLITE DATA TO DETECT IRRIGATION AND PRECIPITATION EVENTS FOR DECISION SUPPORT IN PRECISION AGRICULTURE [P] . 美国专利： US2019230875A1 . 2019-08-01

机译：利用卫星数据在土壤-作物系统中自定义土地表面模型，以检测灌溉和降水活动，为精准农业提供决策支持
5. PRECISION CROP PRODUCTION-FUNCTION MODELS [P] . 世界知识产权组织专利： WO2018035529A1 . 2018-02-22

机译：精准作物生产功能模型