基于稀疏表示的森林火灾火焰识别研究

为了实现森林火灾的智能识别,提出一种基于稀疏表示的林火火焰自动识别方法.以林火火焰和5类干扰物体为研究对象,每类对象从视频图像中随机选取50帧作为训练样本,150帧作为测试样本.对每幅图像提取疑似火焰区域,求取面积变化率、颜色、纹理和形状特征参数.所有训练样本的特征向量构建训练样本特征字典,对每个测试样本利用l1最小化范数计算其在训练字典上的投影系数,根据最小重构残差进行分类识别.结果表明,稀疏表示方法的识别率可达到93.56％,为林火火焰识别提供了一个有效的解决方案.     

基于Sparse-DenseNet模型的森林火灾识别研究

  目的  森林火灾的频繁发生给森林防治工作带来很大的难度,传统的森林火灾识别算法存在准确率低、处理效率不够高等问题,同时由于森林火灾图像数据本身具有很强的复杂性,需要从识别精度和泛化能力等多方面进行综合考虑,因此本文将利用稀疏化的DenseNet模型展开森林火灾的识别研究。  方法  首先,对DenseNet模型进行稀疏化改造,通过随机屏蔽Dense Block模块中节点的方式来产生稀疏化效果,使得算法具备减轻过拟合、缓解梯度消失以及加快收敛速度等优点。其次,在林区进行图像采集时,由于摄像设备与被采集物体之间的相对运动以及光影作用,会出现图片数据被干扰的情况,因此本文利用python相关的图片处理工具对图片进行变换,从而对图片数据集进行相应的扩充,使其能够契合实际的应用场景。最后,本文将Sparse-DenseNet模型与其他经典深度学习模型在森林火灾数据集以及cifar10数据集上的表现进行对比,观察其效果。  结果  Sparse-DenseNet模型拥有在结构上更加轻量的特点,并且训练更快,避免过拟合的效果更好,在森林火灾数据集和标准数据集cifar10上都具有较好的表现。  结论  本文所提出的Sparse-DenseNet模型在森林火灾识别问题上,可以有效优化传统模型存在的问题,并取得良好的识别效果,其准确率可达到99.33%,优于DesenNet的98.15%,并且相同轮次训练时间只有DenseNet训练时间的3/4左右。      

基于GIS的森林火灾自动定位系统设计与开发

根据森林防火管理的实际需求,以嘹望塔视频监控设备为硬件基础,提出了双点定位方法与单点定位方法相结合的综合方案,综合运用组件GIS、ArcSDE数据库引擎、.NET等多种先进软件技术设计开发了鹫峰国家森林公园森林火灾定位系统,解决了目前森林防火基层管理亟待解决的着火点现场定位问题.     

基于森林火灾数据监测的物联网定位算法应用

将物联网原有质心定位算法进行改进,引入加权质心定位算法.根据林业数据监测的物联网体系结构,对监测森林火灾的传感器定位算法进行研究.通过传感节点的权值,计算火点发生地的横纵坐标,加速火场定位.为火灾监测的火点定位提供了有力的定位依据,最大程度地预防和减少森林火灾及其造成的损失.     

大兴安岭森林火灾对森林生态系统的影响

1987年春发生在大兴安岭北部的森林火灾,造成了巨大的损失.人们关心火灾对森林生态系统的影响.我们通过较全面的调查研究,得出一些基本的结论:①经重度火烧的林地,兴安落叶松(Larix gemelinii)与樟子松(Pinus sylvestris var.mongolica)的大径级树木未被烧死,而山杨(Populus davidiana)、白桦(Betula platyphylla)在中度火烧情况下就全部死亡.②火灾后,形成了大面积的天然幼龄林,主要是白桦的萌芽更新.白桦的实生苗虽也很多,但生长慢、难成林.而落叶松因缺少种源则难以更新.樟子松在各种火灾等级的樟子松林地上都有良好的更新.③落叶松林火烧后的10年中,生长率降低,以后恢复到正常状态,但生长量有所提高.樟子松林重度火烧后生长率明显降低,但生长量显著提高.④火烧对森林群落的植物多样性影响不大.⑤火烧后的3年内,斜陡坡与阳坡土薄处,植被恢复慢,水土保持能力大为降低,侵蚀强度大,后来形成较多荒山.而水分条件好的大面积谷地、缓坡地植被恢复较快、环境变化不大.⑥火烧迹地的土壤有机质大为降低,矿质养分也明显降低,坡度越大的地段,土壤更为贫瘠化.     

大兴安岭森林火灾对森林生态系统的影响

1987年春发生在大兴安岭北部的森林火灾,造成了巨大的损失.人们关心火灾对森林生态系统的影响.我们通过较全面的调查研究,得出一些基本的结论:①经重度火烧的林地,兴安落叶松(Larix gemelinii)与樟子松(Pinus sylvestris var.mongolica)的大径级树木未被烧死,而山杨(Populus davidiana)、白桦(Betula platyphylla)在中度火烧情况下就全部死亡.②火灾后,形成了大面积的天然幼龄林,主要是白桦的萌芽更新.白桦的实生苗虽也很多,但生长慢、难成林.而落叶松因缺少种源则难以更新.樟子松在各种火灾等级的樟子松林地上都有良好的更新.③落叶松林火烧后的10年中,生长率降低,以后恢复到正常状态,但生长量有所提高.樟子松林重度火烧后生长率明显降低,但生长量显著提高.④火烧对森林群落的植物多样性影响不大.⑤火烧后的3年内,斜陡坡与阳坡土薄处,植被恢复慢,水土保持能力大为降低,侵蚀强度大,后来形成较多荒山.而水分条件好的大面积谷地、缓坡地植被恢复较快、环境变化不大.⑥火烧迹地的土壤有机质大为降低,矿质养分也明显降低,坡度越大的地段,土壤更为贫瘠化.     

大兴安岭地区森林火灾发生的原因和扑救特征

对1966—2005年大兴安岭地区森林火灾发生原因和扑救特征进行分析,结果表明:40年间,大兴安岭地区森林火灾类型主体为人为火和雷击火,分别占总次数的38.9%和37.1%;随着年份的增加,人为火和不明火源发生的次数逐渐降低,雷击火比例有所增加。对于出动的扑救人员、交通工具,随着年份的变化均有所增加;从数量上看,群众队伍是扑救森林火灾的主要力量。森林火灾发生过程中,不同因素均会显著地影响扑救费用,森林火灾过火面积是扑救费用产生的主要因素。     

基于分数阶微分视频融合的森林烟火检测算法

森林火灾检测是国内外林业应用研究的重要课题之一。及时准确地检测到森林火灾,对于森林健康及环境安全意义重大。现有的利用视频技术检测森林火灾的方法大多针对单一波段,如可见光波段或红外波段的视频信息进行分析,然而在实际应用过程中,由于森林环境复杂,基于单一波段视频信息检测火灾的结果欠佳。现阶段,基于多个波段的森林火灾检测方法非常少。本文综合利用红外及可见光视频特征,提出了一种基于分数阶微分视频融合的森林烟火检测算法,将分数阶微分理论引入红外视频和可见光视频融合中,利用分数阶微分算子对两个波段视频进行融合,然后利用背景去除法检测融合视频中的异常帧,且对异常帧图像及其与背景帧的差分图像分别进行图像分割,最终得到检测出的森林烟火区域。采用空间频率、平均梯度、森林火灾检测准确率和森林火灾检测时间误差度4个测度对本文算法和基于区域能量融合算法、基于窗口方差融合算法、基于HSI变换融合算法进行定量分析和比较。结果表明,本文算法的融合视频的融合效果最佳,并且森林火灾检测准确率和森林火灾检测时间误差均明显优于其他3种算法,说明本文提出的算法具有较好的有效性和准确性,为森林火灾检测提供了有利的新途径。      

基于视频区域动态特征的林火烟雾检测技术研究

【目的】视频监控越来越多地应用到森林火灾烟雾的早期检测中。现有的视频林火烟雾检测方法大多是基于像素提取烟雾特征进行分析检测,烟雾发生早期或烟雾距离摄像头较远时,在视频图像上烟雾仅呈现较小区域,且烟雾的扩散具有无规则性,背景环境复杂多变,导致基于像素的特征不明显,因此使基于像素的烟雾自动化检测难度增大。本文根据可见光视频图像处理原理,提出一种基于局部区域图像动态特征的林火视频烟雾检测方法,以提高林火视频烟雾检测准确度和灵敏度。【方法】以视频图像为研究对象,每秒取一帧生成图像序列,对图像序列进行多层次不同尺度分区;利用图像信噪比原理,计算分区后的连续图像序列的信噪比;根据背景图像信噪比得到自适应阈值,确定待检测图像序列发生亮度变化的图像块,即为疑似烟雾块;提取疑似烟雾块的LBP纹理特征,采用支持向量机区分出烟雾区域。【结果】利用HSV颜色空间的亮度分量,可以有效提取烟雾区域。选择有林火烟雾的视频,对提出的烟雾变化检测方法进行验证,分析结果表明该方法能确定烟雾发生所在的图像块,且能排除部分非烟雾干扰因素。【结论】本文提出了基于局部区域亮度特征和LBP纹理特征的视频林火烟雾检测技术,能准确定位...     

基于马尔柯夫理论的森林火灾趋势预测

利用马尔柯夫理论预测森林火灾发生的频数和强度趋势。结果表明,2007年以后,研究区域森林火灾发生频数等级主要是A级,即森林火灾发生次数在10次以下,其发生概率为57%以上,当经过足够多步转移以后其固定概率为(0.583 0.166 0.166 0.085)。森林火灾发生强度的4个级别概率较接近,当经过足够多步转移后其固定概率为(0.182 0.364 0.272 0.182)。     

基于FWI的浙江省森林火险等级划分

根据研究区内及附近气象站每日气温、相对湿度、风速和降水数据计算1991-2006年浙江省每日加拿大森林火险天气指数(FWI)系统各组分值;并利用Spline空间插值方法获得1991-2006年所有森林火灾发生日的FWI系统各组分值.浙江省森林火灾主要发生在松林、针阔混交林和杉木林.11月至翌年4月森林火灾发生日的FWI、细小可燃物湿度码(FFMC)和腐殖质湿度码(DMC)平均值较高.根据1991-2006年FWI各组分指数的分布和火灾发生情况,对FWI按低、中、高、很高和极高进行分级,其FWI指数取值范围分别为0-0.6、0.7-4.4、4.5-8.6、8.7-15.2、≥15.3.表明FWI指数对浙江省森林火险有显著的指示意义,FFMC和DMC对预测火灾的发生和蔓延有较好的指示作用.     

三维元胞自动机各向异性林火蔓延快速模型

为建立林火蔓延动态预测模型,实现实时三维可视化模拟,构建了王正非 3D元胞自动机模型林火蔓延模拟框架。该模型考虑林火蔓延的物理规律和全局因素的相互作用,在王正非山火初始蔓延速度经验模型的基础上,综合考虑地表植被类型、地形坡度、风速、风向、温度5个因素,并根据元胞之间能量传递建立状态转换规则。以我国西南火灾高发区作为实验区域,在多约束条件下模拟林火蔓延行为并获取林火矢量边界,实验证明该方法简便、高效、输入参数少、运算效率高,可以实现不同条件下的林火蔓延快速模拟。      

基于可见近红外光谱及增强回归树算法的鸡蛋种类鉴别

利用可见-近红外光谱技术,选取湖北地区同一品种不同饲养环境下的鸡蛋,提取鸡蛋的光谱透射率(500~900nm),利用标准正态变量变换对光谱数据进行预处理,结合竞争性自适应重加权与主成分分析对光谱数据进行二次降维,并将提取的特征信息输入增强回归树算法,建立鸡蛋土洋种类鉴别模型,模型的训练集和测试集判别正确率分别为98.33%和97.00%。结果表明,应用基于可见-近红外光谱及增强回归树方法,针对同一母鸡品种但不同饲料产出的土洋鸡蛋的种类鉴别是可行的。     

基于可见光影像分析的黄土高原小流域植被指数研究

小流域植被状况的快速、高精度和低成本监测是评价退耕还林还草与生态环境建设功效的基础工作。为丰富植被指数多样性,本文旨在提出一种适宜黄土高原小流域植被状况监测的可见光植被指数。基于无人机遥感技术获取小流域可见光影像,论文构建了简化可见光植被指数(Simplified visible light vegetation index,SVVI),结合样本统计法确定阈值,以支持向量机(Support vector machine,SVM)的监督分类结果对比了8种常用可见光植被指数提取效果,并以黄土高原2个典型流域为例,以混淆矩阵检验指数精度及其适用性。结果表明：1)SVVI能有效抑制非植被地物信息,在提取地物种类丰富且植被覆盖度相对较低的区域时,SVVI提取精度高达96%。2)在地物相对单一且植被覆盖度较高的验证区,SVVI提取精度依然在90%以上,表明SVVI有较好的适用性。相比较于监督分类结果,基于SVVI进行植被覆盖度计算可以有效保留植被信息,实现黄土高原小流域植被状况高精度监测。     

森林火灾蔓延多模型预测系统研究

该文通过对森林火蔓延模型的研究,建立了一种使用产生式原则的多模型森林地表火蔓延预测系统. 此预测系统通过与森林火灾实时监控系统连接,将数据流动由传统公式计算中的单向流动,变为计算数据流回输入端,进行反馈修正计算,从而形成一个对数据库的修正与补充的系统,以达到减小模型预测误差的目的. 与实测结果比较表明,该系统的预测结果可信,能够实现林火蔓延的预测.      

江西森林火灾与火险天气分析及综合预防技术措施

分析了引起江西省森林火灾发生次数、受害面积、经济损失的可燃条件、火源条件和具备火灾的火险天气条件,提出了地面道路防火工程、绿色防火工程、黑色防火工程、化学防火工程、加强森林火灾预测预报、建立森林防火池、加强火源管理和加强高科技的应用,使森林防火走向数字化八大综合预防技术措施。