[发明专利]一种基于地形地貌及遥感数据进行森林火灾预测的方法

说明书

本发明提供一种基于地形地貌及遥感数据进行森林火灾预测的方法，包括如下步骤：(1)、数据特征选取：静态特征数据主要包括地形地貌数据、土地覆盖类型以及人类影响指数；(2)、数据预处理：地形数据、地形矢量数据及遥感数据一般为空间数据，其包含着空间地理坐标信息，而获取的数据往往不仅仅包含着待预测区域的数据；因此需要对空间数据进行范围等的相关处理；(3)、森林火灾预测：针对上述步骤(2)处理完成的栅格数据构建森林火灾预测模型，对待预测区域的每个网格进行预测。本发明根据遥感数据，人类影响指数及DEM高程地形等数据，通过一系列的数据处理、分类，对网格化的待预测区域依次进行森林火灾风险等级的预测。

技术领域

本发明涉及火灾预测技术领域，具体涉及一种基于地形地貌及遥感数据进行森林火灾预测的方法。

背景技术

森林是人类最宝贵的财富之一，森林不仅调节着自然界中空气与水的循环，影响着气候的变化，还为人类提供着生产生活所需要的各种资源，而高强度、大面积的森林火灾对森林资源乃至整个生态系统都会造成毁灭性的损害。我国森林火灾发生率很高，森林火灾发生区域往往存在较大的不确定性，森林所在区域范围大人员少，往往难以监测，因此，如何精准的预防森林火灾已是全球所需要解决的问题之一。

目前常用的森林火灾预测模型，通常采用历史时期内发生的森林火灾的时间、次数等相关数据进行统计分析，采用数学方法对未来森林火灾次数进行预测；或采用历史森林火灾发生位置、次数及人工报警数据，并依靠天气、降雨等信息对未来森林火灾发生概率进行预测。存在着准确率低、预测范围模糊、历史着火数据难以获取等诸多问题。并不能有效的对森林火灾发生的可能性及发生地点做出更为精准的预测并提供预警。

发明内容

本发明要解决的问题是现有森林火灾预测范围模糊、没有充分使用环境及遥感数据的实时监测信息对森林火灾的发生做出预测并进行预警。

为解决上述问题。本发明采用一种基于地形地貌及遥感数据进行森林火灾预测的方法，包括如下步骤：

步骤(1)、数据特征选取

森林火灾的预测常常使用气象因素进行分析预测，如美国国家火险危害等级系统、加拿大火险气候指数等均是采用气象因素为主要数据进行预测分析。而地形地貌以及基于遥感数据的多种火险因子往往对森林火灾的发生与否也起到了十分关键的作用，使用这些数据进行分析建模也是十分有必要的。遥感数据能够体现出待预测区域较为实时的植被、地表情况，在气象资料不完备与历史火灾数据较少的情况下，这些数据具有更强的使用价值。

将预测森林火灾使用的数据特征划分为静态数据和动态数据两类，所谓静态数据即如地形地貌、人类影响指数等不会随着时间变动的数据，该部分数据不会因短期时间的变化而变化，可作为森林火灾预测的基础数据；

静态特征数据主要包括地形地貌数据、土地覆盖类型(MOD12Q1)以及人类影响指数；

动态数据为每日的气象数据、每日地表反射率等描述当日气候或植被、土地情况的数据，具有一定的时效性；

具体选取的数据特征描述如下：

气象数据：待预测日前一日的降水量、蒸发量、待预测日预报的降水量、风速、风向等气象数据；

地形地貌数据：待预测区域的DEM高程数据、待预测区域坡度、坡向数据。

遥感数据：

1.土地覆盖类型：森林火灾的发生概率与土地的类型密不可分，如城镇与建成区、冰雪、水体、湿地等非草木类土地不可能发生森林火灾，而不同的自然植被类型的易燃情况也不相同。因此土地覆盖类型的使用十分有必要。MODIS数据产品将土地覆盖类型划分为17个类别，其中包括11个自然植被类型、3个土地开发和镶嵌的地类以及3个非草木土地的地类。本发明采用MOD12Q1地表覆盖类型96天合成数据。