發(fā)布時間：2020-10-29 08:49

　　 近年來,全球范圍內(nèi)的林火事件時有發(fā)生,且發(fā)生頻率和過火面積成上升的趨勢。林火的破壞力極大,大尺度的林火不但導致大規(guī)模人員的流離失所,還可能造成居民和消防員的傷亡、房屋和建筑的損毀,甚至會引起惡劣的社會影響和帶來嚴重的生態(tài)災難。實時有效地對大尺度林火蔓延進行預測,有利于合理地制定滅火戰(zhàn)術和疏散策略,減少火災所造成的損失。對于傳統(tǒng)的火蔓延軟件預測方法來說,給定初始火線位置、火場的地形和植被條件、風場等環(huán)境和氣候條件,火蔓延的預測結果是確定的。然而,初始火線位置的不確定性、消防力量的干預、地形和植被數(shù)據(jù)的誤差、風速大小和方向的變化等等,這些不確定性將導致傳統(tǒng)方法的預測結果與真實火災蔓延情況偏離較大,給應急救援帶來不利后果。隨著科技的發(fā)展,遙感技術的成熟,我們可以通過衛(wèi)星或無人機獲取火場的實時信息。把這些帶有噪聲的火線位置觀測數(shù)據(jù)和火蔓延模型的預測數(shù)據(jù)相結合,通過數(shù)據(jù)同化方法,實時更新模型的狀態(tài)和參數(shù),減小模型的狀態(tài)和參數(shù)誤差,從而極大地提高林火蔓延預測的準確性。本論文研究目的是建立大尺度林火蔓延的數(shù)據(jù)同化預測的框架和系統(tǒng),提出更貼合實際的狀態(tài)和參數(shù)估計方法,并針對不利觀測數(shù)據(jù)下的數(shù)據(jù)同化算法的進行改進。本文的具體工作如下:提出了基于集合的卡爾曼濾波與林火蔓延模型結合的數(shù)據(jù)同化預測框架,建立了林火蔓延的數(shù)據(jù)同化預測系統(tǒng)。該系統(tǒng)主要包括觀測模塊、數(shù)據(jù)同化模塊、火蔓延模擬模塊和控制層。觀測模塊,用來對觀測數(shù)據(jù)進行輸入;數(shù)據(jù)同化模塊,由MATLAB語言編寫,并編譯成可執(zhí)行文件;火蔓延模擬模塊,是FARSITE的命令行第四版本;控制層,由Python語言編寫,控制整個系統(tǒng)數(shù)據(jù)流的進程。在該系統(tǒng)上,測試了觀測數(shù)據(jù)的誤差變化時算法的可靠性。提出了集合轉換卡爾曼濾波(ETKF)算法應用于林火蔓延的狀態(tài)估計,ETKF克服了標準集合卡爾曼濾波需要人為擾動觀測數(shù)據(jù)的局限�；�于觀測系統(tǒng)仿真試驗,在風場條件已知和未知的情況下,比較研究了 ETKF和標準集合卡爾曼濾波在狀態(tài)估計方面的性能。研究了包括過火面積、火線周長、火線位置等火蔓延行為的預測結果,并提出了用豪斯多夫距離(HD)這一相對于均方根誤差(RMSE)更為保守的指標來評估數(shù)據(jù)同化算法的性能。結果顯示,在風場條件已知時,ETKF和標準集合卡爾曼濾波,在處理初始條件誤差和邊界條件誤差方面表現(xiàn)都較好。然而,在風場條件未知時,即還存在模型參數(shù)誤差時,ETKF的預測值和分析值都明顯比標準集合卡爾曼濾波的結果更接近真實值。突出體現(xiàn)了 ETKF在誤差來源較多時這一更符合實際情況時的應用優(yōu)勢。提出了估計火線位置和燃料調(diào)節(jié)因子的狀態(tài)和參數(shù)同時估計策略�；鹁�位置的估計是減小模型狀態(tài)誤差的關鍵,燃料調(diào)節(jié)因子的估計是減少模型參數(shù)不確定性的重要組成部分。為此,我們?nèi)圆捎没�于ETKF的算法對火線位置進行修正,采用基于Monte Carlo的徑向基函數(shù)神經(jīng)網(wǎng)絡(RBFNN)估計燃料調(diào)節(jié)因子。通過FireFlux Ⅰ實驗和Camp Fire火災事件的數(shù)據(jù)進行了驗證,結果表明所提出的狀態(tài)參數(shù)估計策略能夠提高預測精度,突出了所提出的狀態(tài)-參數(shù)的估計策略的優(yōu)點�；鹁�位置的估計能夠檢測到大尺度林火的飛火和合并,并更新火線位置。并動態(tài)確定燃料調(diào)節(jié)因子,充分模擬了林火發(fā)展的不同階段(如“爆燃”階段)。此外,基于Monte Carlo的RBFNN具有較低的計算成本,有助于應急救援時的決策,該方法具有較強的實用性。系統(tǒng)研究了在不利觀測數(shù)據(jù)下ETKF算法的改進方法。在林火蔓延數(shù)據(jù)同化預測中通常假定火線位置觀測數(shù)據(jù)是完整的。另外,傳統(tǒng)意義上的觀測誤差也假定只有一個不確定度。由于儀器故障或火災引起的熱煙羽流或云層的存在,飛機或衛(wèi)星裝載的探測器所獲得的林火位置的觀測數(shù)據(jù)可能是不完整的和/或觀測數(shù)據(jù)誤差方差存在空間變化。為了克服這些問題,我們引入了一個點權值來修正“推進”項,以彌補ETKF算法在處理這類觀測數(shù)據(jù)上的不足。在沒有觀測或觀測數(shù)據(jù)可信度較低的對應預測的火點處,我們可以調(diào)整將預測火線位置推向觀測火線位置的程度。通過一系列的觀測系統(tǒng)仿真實驗,比較了基于點權的ETKF(VWETKF)與ETKF的性能,驗證了 VWETKF靈活的空間分布的狀態(tài)估計的優(yōu)越性。我們考慮了一個實際可能發(fā)生的情況,即觀測到的火線是真實火線的某一部分,并且/或部分觀測數(shù)據(jù)受到較大的噪聲。結果表明,具有新的“推進”項的VWETKF提高了分析和預測火線位置的準確性。
【學位單位】：中國科學技術大學
【學位級別】：博士
【學位年份】：2020
【中圖分類】：S762.2
【部分圖文】：

?第１章緒論???加和停止對天然林的商業(yè)性采伐，重點林區(qū)的可燃物載量不斷增長。國際公認??的每公頃可燃物載量累積到３０噸時，就可能發(fā)生嚴重和特大的森林火災。需要??注意的是，一些地區(qū)的每公頃可燃物載量已經(jīng)達到５０噸至６０噸，這將導致該??地區(qū)的嚴重和特大森林火災的風險很大。根據(jù)國家林業(yè)局編撰的中國林業(yè)統(tǒng)計??年鑒的數(shù)據(jù)［５＿？，我國境內(nèi)２０１２－２０１７年的每年林火的發(fā)生次數(shù)、過火面積和死??亡人數(shù)，詳見圖１．２。２０１４年，我國發(fā)生林火將近４０００次，過火面積５萬多公??頃，造成５０多人的生命損失。??■火災次數(shù)（次）??一■＿死亡人數(shù)（人）??評）〇－－??■?■／＜（▲）－－?＇５〇??，／?ｖＡ??徹?Ｈ?．／?４５００Ｑ、－?■?－４０??■?Ｉ??４００００?－?＼?＿??３０００?＼?／?．?／．■?－３０??３５０００－??Ｉ?，?通００?■?－２０??■?２５０００?－－??２０００?－｜?■?－１０??２００００?－－??■??１５００?－１?１?．?，?■￣￣ＩＭＫＭ）??１?■?１?■?１?Ｌ〇??２０１２?２０１３?２０１４?２０１５?２０１６?２０１７??年份??圖１．２?２０１２－２０１７年我國境內(nèi)每年林火的發(fā)生次數(shù)、過火面積和死亡人數(shù)統(tǒng)計??１．１．２預測林火行為??正如前一小節(jié)所述，森林火災對人類社會構成了非常緊迫的威脅。能夠認??識林火發(fā)生發(fā)展的機制和規(guī)律，特別是模擬森林火災的蔓延過程己成為火災安??全領域的一項重要課題。??表１．２林火蔓延作為一種復雜的化學物理過程所涉及的時空尺度????時間尺度（秒

?第２章林火蔓延預測數(shù)據(jù)同化系統(tǒng)???第２章林火蔓延預測數(shù)據(jù)同化系統(tǒng)??２．１系統(tǒng)架構??林火蔓延預測數(shù)據(jù)同化系統(tǒng)，主要包括觀測模塊、數(shù)據(jù)同化模塊、火蔓延??模擬模塊和控制層組成。系統(tǒng)架構如圖２．１所示。??觀測模塊￣?火蔓延模擬模塊￣?ｚ?????Ｓ?１—不同時刻的＾＾???預測結果ｊ??控制層?＋?Ｊ???ｉ?ｉ???ｙ?Ｙ??（ＪａＳｊ）??卜制層｜?１??ｔ?ｉ????數(shù)據(jù)同化模塊??圖２．１林火蔓延預測數(shù)據(jù)同化系統(tǒng)的架構??觀測模塊和控制層由Ｐｙｔｈｏｎ語言編寫。觀測模塊的功能主要是定期或者不??定期的提供觀測數(shù)據(jù)。在沒有真實火災事件數(shù)據(jù)時，根據(jù)觀測系統(tǒng)仿真試驗的??原理，觀測模塊通過運行ＦＡＲＳＩＴＥ，來模仿是從探測器獲得的觀測數(shù)據(jù)，本研??宄的觀測數(shù)據(jù)暫設為火線位置數(shù)據(jù)�？刂茖又饕�是起中止火蔓延模型、調(diào)用數(shù)??據(jù)同化算法、重啟火蔓延模型等一些過程控制和數(shù)據(jù)交互功能。??火蔓延模擬模塊，我們使用了國際上使用比較廣泛，也得到多國林業(yè)部門??認同的ＦＡＲＳＩＴＥ林火模擬工具。ＦＡＲＳＩＴＥ有Ｌｉｎｕｘ版本、Ｗｉｎｄｏｗｓ界面版和??Ｗｉｎｄｏｗｓ命令行版。由于需要大規(guī)模計算以及數(shù)據(jù)交互，ＦＡＲＳＩＴＥ的Ｗｉｎｄｏｗｓ??界面版就顯得不合適了。另外，Ｌｉｎｕｘ版本沒有進行更新，該版本不能模擬發(fā)??生的林火存在多個火線的情形，而飛火導致的火線數(shù)目的增加，以及兩個火線??合并成一個較大的火線，這些過程在真實火災中比較常見，因此ＦＡＲＳＩＴＥ的??Ｌｉｎｕｘ版本也不合適。最終我們選擇了?ＦＡＲＳＩＴＥ的Ｗｉｎｄｏｗｓ命令行版，其由??Ｃ＋＋語言編寫。下一節(jié)

?第２章林火蔓延預測數(shù)據(jù)同化系統(tǒng)???設觀測誤差標準差（義ＴＡ＆）為２ｍ，數(shù)據(jù)同化的分析結果如圖２．２?（ａ）所示；對??于觀測數(shù)據(jù)的質量較差時，假設觀測誤差標準差（■ｓｒｚｕ，）為１０ｍ，數(shù)據(jù)同化的??分析結果如圖２．２?（ｂ）所示。??４００????＇??４００?＾???■?????…｜？？預測?？預測??３５０?一－分析?乂?３５０?Ｈ——分析??卜觀涮?Ｉ?一觀測??３００?ＳＴＤ＾ｌｍ?３００?ＳＴＤｏｂｓ＝１０ｍ?＇??ｉ２５０?－?ｉ?２５０?丨?咐??ｌ２００?Ｉ?２００?＾??１５０?１５〇＾??■：廣＞?Ｈ）〇?？、，廣??５０?Ｉ?５（ｈ??ｉ?＼ｉ??〇Ｕ?．?，?．?■???■???????：??０?１０?２０?３０?４０?５０?０?１０?２０?３０?４０?５０??（ａ）?同化步數(shù)?（ｂ）?同化步數(shù)??圖２．２不同觀測值誤差下的同化情況（ａ）觀測值誤差較小（ｂ）觀測值誤差較大??由圖２．２?（ａ）結果表明，分析值對觀測值賦予了更多的權重，使得數(shù)據(jù)同??化較快的修正預測值，從而較快地把預測“推進”到觀測。這是因為這個情形??的觀測數(shù)據(jù)的誤差要小于預測數(shù)據(jù)的誤差。由圖２．２?（ｂ）結果表明，與觀測數(shù)??據(jù)相比，分析更接近于預測。這是因為該情形下，預測數(shù)據(jù)的誤差要小于觀測??數(shù)據(jù)的誤差，而數(shù)據(jù)同化方法進行模型修正時，通過卡爾曼增益，總是給誤差??較小的數(shù)據(jù)賦予更多的權重。??參考文獻??［１］?Ｆｉｎｎｅｙ?Ｍ?Ａ，?Ａｎｄｒｅｗｓ?Ｐ?Ｌ．?Ｔｈｅ?ｆａｒｓｉｔｅ?ｆｉｒｅ?ａｒｅａ?ｓｉ
【相似文獻】

相關期刊論文 前10條

1 唐勇;張曉碧;劉浩陽;郭慧玲;;林火蔓延模型的改進及可視化驗證[J];小型微型計算機系統(tǒng);2020年04期

2 張曉婷;劉培順;王學芳;;王正非林火蔓延模型改進研究[J];山東林業(yè)科技;2020年01期

3 張民俠;鄭懷兵;吳沛彥;;基于大數(shù)據(jù)分析的林火蔓延模型[J];電子元器件與信息技術;2019年07期

4 馬天;鄭君;王智超;;森林小班林火蔓延模型信息化研究[J];林業(yè)調(diào)查規(guī)劃;2013年02期

5 陳喆;孫濤;張凌寒;秦前清;;三維元胞自動機各向異性林火蔓延快速模型[J];北京林業(yè)大學學報;2012年01期

6 張菲菲;解新路;;一種改進的林火蔓延模型及其實現(xiàn)[J];測繪與空間地理信息;2012年02期

7 李艷杰;解新路;張菲菲;;基于改進的元胞自動機林火蔓延模擬研究與實現(xiàn)[J];綠色科技;2012年08期

8 孫曉芳;范文義;李明澤;;林火蔓延模型的研究與實現(xiàn)[J];林業(yè)機械與木工設備;2009年05期

9 張貴;劉大鵬;;基于溫度場動態(tài)變化的林火蔓延模型研究[J];湖南師范大學自然科學學報;2007年02期

10 肖化順;張貴;劉大鵬;蔡學理;;模糊數(shù)據(jù)挖掘技術支持下的林火蔓延模型選擇研究[J];北京林業(yè)大學學報;2006年06期

相關博士學位論文 前9條

1 周騰蛟;基于ETKF的大尺度林火蔓延預測數(shù)據(jù)同化研究[D];中國科學技術大學;2020年

2 李勇;基于MODIS數(shù)據(jù)的林火蔓延模型的研建[D];北京林業(yè)大學;2007年

3 周宇飛;動態(tài)數(shù)據(jù)驅動林火蔓延自適應模擬技術研究[D];中國林業(yè)科學研究院;2010年

4 楊廣斌;動態(tài)數(shù)據(jù)驅動的林火蔓延模擬系統(tǒng)關鍵技術研究[D];中國林業(yè)科學研究院;2008年

5 高心丹;林火蔓延的動態(tài)數(shù)據(jù)驅動仿真理論及方法的研究[D];東北林業(yè)大學;2012年

6 馬旭林;基于集合卡爾曼變換（ETKF）理論的適應性觀測研究與應用[D];南京信息工程大學;2008年

7 吳鉦;ETKF同化與適應性觀測在梅雨暴雨中的應用研究[D];南京大學;2013年

8 鄧歐;黑龍江省森林火災時空模型與火險區(qū)劃[D];北京林業(yè)大學;2012年

9 張貴;廣州市林火動態(tài)監(jiān)測研究[D];中南林學院;2004年

相關碩士學位論文 前10條

1 祁曼;林火蔓延仿真及撲救決策平臺設計與軟件實現(xiàn)[D];北京林業(yè)大學;2017年

2 錢蘭;集合卡曼濾波算法對FARSITE林火蔓延預測的修正效果研究[D];中國科學技術大學;2019年

3 王鵬;基于混合HOGA-SVM信息融合的林火蔓延模型研究[D];中南林業(yè)科技大學;2018年

4 王丹;林火蔓延中的數(shù)據(jù)同化方法研究[D];中南林業(yè)科技大學;2017年

5 張菲菲;基于地理元胞自動機的林火蔓延模型與模擬研究[D];汕頭大學;2011年

6 李銳;林火蔓延模擬方法的研究[D];東北林業(yè)大學;2012年

7 楊福龍;基于元胞自動機的林火蔓延三維模擬仿真研究[D];北京林業(yè)大學;2016年

8 牛麗紅;拓撲地形上的林火蔓延模擬[D];中南林業(yè)科技大學;2012年

9 毛行輝;虛擬森林環(huán)境中林火蔓延三維可視化[D];福州大學;2014年

10 梅疏影;ETKF—3DVAR混合同化方案在一次梅雨鋒暴雨預報中的應用研究[D];南京信息工程大學;2016年

本文編號：2860662