[发明专利]基于AI驱动的高分遥感森火风险普查以及预警防控方法

说明书

本发明涉及基于AI驱动的高分遥感森火风险普查以及预警防控方法，基于高分遥感影像以及人工智能技术识别影像，该方法包括林区的可燃物致灾要素识别、建筑物承载要素识别、道路与水体减灾要素识别以及森林火灾监测预警传感网系统；实现实时、远程监测监控，降低人员现场巡查监测的安全风险，降低森林火灾预防成本，可在森林火灾发生时有效掌握相关信息，并进行决策指挥辅助，提升森林火灾应急反应速度和处理能力，降低因救灾慢救灾难造成的社会经济财产损失。

技术领域

本发明属于森林火灾防控技术领域，尤其涉及基于AI驱动的高分遥感森火风险普查以及预警防控方法。

背景技术

森林火灾涉灾范围广、无法及时发现、处理难度大、危害性严重；它能烧毁大量森林资源，是森林生态环境的主要扰动因子，直接破坏自然环境和生态平衡；也是动植物的潜在威胁来源，直接影响工农业生产甚至威胁人民生命财产的安全。传统的森林火灾风险监测主要通过群测群防获取非重点区域的状态信息，以常规监测手段获取重点区域的状态信息，耗费大量的人力且数据获取的时效性较低。因此，研发能结合人工智能技术开展遥感应用研究，建立并优化相关遥感模型，辅助完成森林火灾风险普查的基于AI驱动的高分遥感森火风险普查以及预警防控方法成为了急需解决的技术问题。

发明内容

本发明为解决上述问题，提供了基于AI驱动的高分遥感森火风险普查以及预警防控方法。

本发明的技术方案，基于AI驱动的高分遥感森火风险普查以及预警防控方法，所述风险普查以及预警防控方法基于高分遥感影像以及人工智能技术识别影像，该方法包括林区的可燃物致灾要素识别、建筑物承载要素识别、道路与水体减灾要素识别以及森林火灾监测预警传感网系统；所述可燃物致灾要素识别基于结合注意机制的林区可燃物识别，采集林区可燃物类型及其分布范围，进行可燃物遥感信息提取和专题分析，获取可燃物类型载量分布数据，生成可燃物类型图表；所述建筑物承载要素识别基于顾及地物多尺度性的林区建筑物识别，以林区内的建筑物以及基础设施作为主要的承灾体进行提取调查，获取承灾体空间分布以及灾害属性特征，建立承灾体调查成果地理信息数据库；所述道路与水体减灾要素识别包括基于拓扑连通性的林区道路水体识别，获取林区道路水体分布数据，建立森林火灾综合减灾资源数据库，并生成相应的林区道路水体减灾体图表；所述森林火灾监测预警传感网系统包括若干物联网传感器以及在线预警防控平台，所述物联网传感器均基于无人机灵活投放至林区，该物联网传感器内设有北斗模块以及N-R通讯模块且基于AD-HOC组网技术自组网通信；所述在线预警防控平台设有森林防火监测功能，该在线预警防控平台信号连接物联网传感器；所述结合注意机制的林区可燃物识别包括通道注意机制和空间注意机制，基于人工智能模型模拟人眼球移动调用视觉系统信息处理机制，进行关注、取舍以及选择可燃物对象，生成一组实时权重系数，并将实时权重系数赋予不同可燃物要素区域；所述顾及地物多尺度性的林区建筑物识别包括建立动态多尺度特征模块，该动态多尺度特征模块包括多个并行排列的动态卷积模块(DCMs)，所述动态卷积模块均利用不同的上下文感知卷积核来学习特定尺度的语义特征表达；基于将不同感知范围的动态卷积模块之间组成并行分支，并将不同分支的特征进行融合，获取高有效性的自适应多尺度特征表达；通过将动态卷积模块之间组成并行分支且将不同分支的特征融合，动态选择不同尺度的建筑物特征表达，便于在建立数学模型时针对不同尺度的建筑物地物提取到相对应的特征表达，实现准确的建筑物特征的自适应学习，提高建筑物的识别精度和效果；所述基于拓扑连通性的林区道路水体识别包括建立边界和拓扑感知模块，该拓扑感知模块依次从四个不同的方向对要素特征图的行和列使用卷积操作和非线性激活，并对空间上下文信息进行建模，建立完整的拓扑连接。