王威 何筱仙 張深壽

（1 湖南省岳陽市氣象局，岳陽 414000；2 福建省龍巖市氣象局，龍巖 364000）

0 引言

及早發(fā)現(xiàn)森林火災(zāi)，并組織人力合理撲救，能極大減少森林損失。目前監(jiān)測(cè)森林火情的手段有衛(wèi)星、雷達(dá)、人工瞭望、飛行巡航等[1-2]，相較于人工瞭望和飛機(jī)巡航，雷達(dá)具有覆蓋面廣、耗費(fèi)少的優(yōu)點(diǎn)，相較于衛(wèi)星監(jiān)測(cè)，雷達(dá)具有高時(shí)間、高空間分辨率的優(yōu)點(diǎn)[3]。但雷達(dá)在監(jiān)測(cè)火情時(shí)易受弱降水、地物等影響，監(jiān)測(cè)準(zhǔn)確率還有待提高[4]。

近年來，研究者發(fā)現(xiàn)利用多源信息融合技術(shù)監(jiān)測(cè)火災(zāi)能提高火災(zāi)監(jiān)測(cè)準(zhǔn)確率。余福波等[1]將自適應(yīng)加權(quán)數(shù)據(jù)融合算法和D-S證據(jù)理論應(yīng)用于智能火災(zāi)預(yù)警預(yù)報(bào)系統(tǒng)中，有效提高了系統(tǒng)對(duì)火災(zāi)的識(shí)別能力。朱澤明[2]將BP-RBF多源信息融合算法應(yīng)用于森林火災(zāi)報(bào)警系統(tǒng)中，提高了整個(gè)森林火災(zāi)報(bào)警系統(tǒng)的可靠性。為實(shí)現(xiàn)對(duì)森林火災(zāi)監(jiān)測(cè)快速、準(zhǔn)確、便捷的目標(biāo)，本文提出基于雷達(dá)的多源信息融合技術(shù)，并就該技術(shù)應(yīng)用效果進(jìn)行檢驗(yàn)。該技術(shù)能實(shí)現(xiàn)對(duì)森林火災(zāi)快速識(shí)別，有助于及早掌握火情、撲滅火災(zāi)，潛在的社會(huì)、經(jīng)濟(jì)效益不可估量。

1 資料選取

森林火災(zāi)的產(chǎn)生需要同時(shí)具備三個(gè)條件，即可燃物、林火環(huán)境和火源。林火環(huán)境包括天氣、林地、小氣候和氧氣條件等，其中天氣條件是引發(fā)森林火災(zāi)、影響林火的重要因子[5-7]。研究[8-9]發(fā)現(xiàn)，森林火災(zāi)的發(fā)生與最高氣溫、最大風(fēng)速值、最小相對(duì)濕度值、未降水天數(shù)四個(gè)氣象要素值關(guān)系最為密切。因此，本文選取溫度傳感器、濕度傳感器、雨量傳感器、風(fēng)速傳感器，結(jié)合雷達(dá)探測(cè)系統(tǒng)進(jìn)行多源信息融合。

本研究通過實(shí)地調(diào)查訪問獲取岳陽市2015—2017年121起森林火災(zāi)發(fā)生的時(shí)間、地點(diǎn)、持續(xù)時(shí)間等基礎(chǔ)資料。

2 火災(zāi)氣象條件分析

氣象條件是決定森林火災(zāi)發(fā)生與否的重要因素，其中以氣溫、相對(duì)濕度和降水因子最為密切。為了提高多源信息融合火災(zāi)監(jiān)測(cè)模型準(zhǔn)確性和實(shí)用性，需要對(duì)火災(zāi)發(fā)生時(shí)的條件進(jìn)行分析，以達(dá)到簡(jiǎn)化模型的目的。為此筆者分析了岳陽市2015—2017年121起森林火災(zāi)發(fā)生時(shí)的氣溫、相對(duì)濕度、和降水氣象條件和雷達(dá)回波特征，并得到表1～表5。

表1 森林火災(zāi)日最高氣溫與火災(zāi)發(fā)生次數(shù)統(tǒng)計(jì)表Table 1 Statistical of daily maximum temperature and occurrence frequency of forest fire

由表1可知，當(dāng)最高氣溫＜25 ℃時(shí)，森林火災(zāi)發(fā)生概率隨著溫度的升高而增加，當(dāng)25 ℃≤最高溫度＜35 ℃時(shí)，火災(zāi)發(fā)生概率隨著溫度的升高而減小。這主要是因?yàn)樵狸柕靥巵啛釒Ъ撅L(fēng)氣候區(qū)，雨熱同期，到了夏季氣溫升高的同時(shí)，降水集中期來臨，不易產(chǎn)生森林火災(zāi)。

表2 森林火災(zāi)日相對(duì)濕度與火災(zāi)發(fā)生次數(shù)統(tǒng)計(jì)表Table 2 Statistical of daily relative humidity and occurrence frequency of forest fires

由表2可知，森林火災(zāi)發(fā)生概率與日相對(duì)濕度呈負(fù)相關(guān)，即日相對(duì)濕度越高森林火災(zāi)發(fā)生概率越低。由于岳陽市出現(xiàn)相對(duì)濕度＜20%的天氣占比少，導(dǎo)致該區(qū)間段森林火災(zāi)發(fā)生次數(shù)較20%≤相對(duì)濕度＜30%的區(qū)間段發(fā)生次數(shù)偏少。

表3 森林火災(zāi)日最大風(fēng)速與火災(zāi)發(fā)生次數(shù)統(tǒng)計(jì)表Table 3 Statistical of maximum daily wind speed and occurrence frequency of forest fires

由表3可知，森林火災(zāi)發(fā)生概率與日最大風(fēng)速呈正相關(guān)，即日最大風(fēng)速越大森林火災(zāi)發(fā)生概率越高，這主要是因?yàn)檩^大的風(fēng)力能使森林火災(zāi)得到蔓延擴(kuò)大。

表4 森林火災(zāi)日連續(xù)未降水天數(shù)與火災(zāi)發(fā)生次數(shù)統(tǒng)計(jì)表Table 4 Statistical of fire days without precipitation and occurrence frequency of forest fires

由表4可知，當(dāng)日連續(xù)未降水天數(shù)＜8 d的時(shí)，森林火災(zāi)發(fā)生概率與日連續(xù)未降水天數(shù)呈正相關(guān)。未降水天數(shù)越長(zhǎng)，空氣越干燥，植物和土壤含水量越低，森林火災(zāi)越易發(fā)。

表5 森林火災(zāi)雷達(dá)回波與火災(zāi)發(fā)生次數(shù)統(tǒng)計(jì)表Table 5 Statistical of forest fire radar echo and fire occurrence frequency

岳陽雷達(dá)在非汛期（10月至次年3月）非全天運(yùn)行，導(dǎo)致森林火災(zāi)發(fā)生時(shí)沒有對(duì)應(yīng)的雷達(dá)資料，在2015—2017年的121次森林火災(zāi)有57次林火被雷達(dá)監(jiān)測(cè)到，本文僅對(duì)這57次林火回波進(jìn)行分析（表5），發(fā)現(xiàn)森林火災(zāi)的發(fā)生概率與雷達(dá)回波反射率呈正相關(guān)，雷達(dá)回波反射率≤30 dBZ時(shí)，森林火災(zāi)發(fā)生概率隨著回波反射率的增加而增加，當(dāng)反射率＞30 dBZ時(shí)，火災(zāi)發(fā)生概率反而減小。

3 多源信息融合過程

通過分析發(fā)現(xiàn)，森林火災(zāi)的發(fā)生與溫度、相對(duì)濕度、雨量、風(fēng)速、雷達(dá)回波具有一定的相關(guān)性。為進(jìn)一步提高森林火災(zāi)判識(shí)準(zhǔn)確率和效率，本文引用多源信息融合系統(tǒng)。系統(tǒng)采用三層次融合結(jié)構(gòu)，即數(shù)據(jù)層、特征層、決策層。數(shù)據(jù)層融合過程是對(duì)采集的火災(zāi)現(xiàn)場(chǎng)氣象要素進(jìn)行預(yù)處理的過程；特征層融合通過對(duì)不同傳感器數(shù)據(jù)的分析，提取多傳感器數(shù)據(jù)中與森林火災(zāi)發(fā)生相關(guān)的特征，該層次融合是對(duì)數(shù)據(jù)去冗余的過程，能有效剔除環(huán)境中的干擾信號(hào)[10]；決策層融合采用合適的融合算法對(duì)數(shù)據(jù)進(jìn)行再次融合，發(fā)揮傳感器的聯(lián)合作用，提高系統(tǒng)的可靠性。它的虛擬處理流程如圖1所示。

圖1 基于雷達(dá)的多源信息森林火災(zāi)模型框架設(shè)計(jì)Fig. 1 Framework design of multi-source information forest fire detection system based on radar

3.1 多源信息數(shù)據(jù)層融合

基于雷達(dá)的多源信息森林火災(zāi)探測(cè)系統(tǒng)信息層包括溫度、相對(duì)濕度、降水、風(fēng)速、雷達(dá)反射率等信息?；馂?zāi)點(diǎn)溫度、相對(duì)濕度、降水、風(fēng)速傳感器數(shù)據(jù)通過相鄰觀測(cè)點(diǎn)的氣象傳感器進(jìn)行采集，并通過滑動(dòng)平均法獲得火災(zāi)點(diǎn)的氣象要素值。火災(zāi)點(diǎn)雷達(dá)探測(cè)特征主要包括回波反射率、徑向速度、回波頂高等，這些特征可以通過“火災(zāi)雜波過濾法”進(jìn)行提取。

3.2 多源信息特征層融合

在多傳感器對(duì)森林火災(zāi)進(jìn)行識(shí)別時(shí)，每一種傳感器都只能獲取火災(zāi)現(xiàn)場(chǎng)某一方面的信息，單一特征僅包含有限信息，要實(shí)現(xiàn)對(duì)森林火災(zāi)的監(jiān)測(cè)，需將多種傳感器具有的特征進(jìn)行提取、融合，綜合分析火災(zāi)發(fā)生的可能性，為后續(xù)決策做基礎(chǔ)。

由上文可知，影響森林火災(zāi)發(fā)生的氣象要素值存在區(qū)間變化的趨勢(shì)[11]。因此可以采用邏輯回歸算法對(duì)數(shù)據(jù)特征進(jìn)行提取，本文利用Origin8.0數(shù)據(jù)分析軟件對(duì)數(shù)據(jù)做邏輯回歸曲線擬合，得到模型如下：

式中，a=14.31，b=19.3；y1、y2、y3、y4、y5表示火災(zāi)發(fā)生概率；x1、x2、x3、x4、x5分別表示日最高溫度值、日最小相對(duì)濕度值、日最大風(fēng)速值、日連續(xù)未降水天數(shù)值、雷達(dá)回波組合反射率值。

3.3 多源信息決策層融合

決策層融合采用加權(quán)平均融合算法。加權(quán)平均融合算法通常選用數(shù)學(xué)平均式，即將各個(gè)傳感器的權(quán)值選取近似相等。該方法是最簡(jiǎn)單最實(shí)用的實(shí)時(shí)處理信息的融合方法，能比較簡(jiǎn)便地處理來自傳感器的原始冗余信息。加權(quán)平均算法中，假設(shè)在n個(gè)傳感器的融合系統(tǒng)中，傳感器T1，T2，T3，…，Tn對(duì)同一個(gè)目標(biāo)進(jìn)行狀態(tài)估計(jì)，各傳感器的測(cè)量值分別為x1，x2，x3，…，xn，是x的無偏估計(jì)，且彼此相互獨(dú)立，其方差分別為[12]。設(shè)各個(gè)傳感器的權(quán)重分別是W1，W2，…，Wn，則融合后的狀態(tài)估計(jì)值和權(quán)重滿足的條件為：

假設(shè)權(quán)值相等且為W，由式（7）可知W=1/n，經(jīng)過融合后的狀態(tài)估計(jì)值為：

4 結(jié)果分析

4.1 融合等級(jí)分析

在多源信息融合的過程中發(fā)現(xiàn)，即使所有的要素值都最有利于火災(zāi)發(fā)生，最后的融合值也達(dá)不到100%。因此，本文將各要素中最利火災(zāi)發(fā)生的數(shù)值進(jìn)行融合，獲取基準(zhǔn)融合值。最有利于火災(zāi)發(fā)生的各要素值和融合值如表6所示。

表6 基于多源信息融合的森林火災(zāi)發(fā)生概率Table 6 Forest fire occurrence probability based on multisource information fusion

根據(jù)森林火災(zāi)氣象等級(jí)劃分標(biāo)準(zhǔn)，按照首尾少中間多的順序升序排列，森林火險(xiǎn)氣象等級(jí)比例設(shè)定為10%，20%，40%，80%，100%[13]，再通過基準(zhǔn)融合值（52.7%）對(duì)森林火險(xiǎn)等級(jí)進(jìn)行劃分，得到森林火災(zāi)概率等級(jí)多源信息融合值表（表7）。

表7 森林火災(zāi)發(fā)生概率等級(jí)多源信息融合值表Table 7 Multi-source information fusion values of forest fire occurrence probability levels

4.2 實(shí)例分析

2015年12月18日自14：04開始，岳陽市雷達(dá)圖上有一回波塊符合林火回波特征，跟蹤發(fā)現(xiàn)，該回波連續(xù)出現(xiàn)了11個(gè)體掃（圖2），回波頂高為1.0 km，面積為15.3 km2，平均回波強(qiáng)度為9.1 dBZ，最大回波強(qiáng)度為28 dBZ。為更進(jìn)一步判斷該回波是否為林火回波，利用雷達(dá)系統(tǒng)監(jiān)測(cè)的位置，通過插值法查找到該監(jiān)測(cè)點(diǎn)多傳感器數(shù)據(jù)，根據(jù)本文所研究的基于雷達(dá)的多源信息融合森林火災(zāi)監(jiān)測(cè)技術(shù)，對(duì)多傳感數(shù)據(jù)進(jìn)行融合，得出林火發(fā)生概率值（表8）。

圖2 岳陽市林火的雷達(dá)反射率回波時(shí)序圖（0.5°仰角）Fig. 2 Radar reflectivity echo timing sequence diagram of Yueyang forest fire (0.5°elevation)

表8 基于多源信息融合的森林火災(zāi)發(fā)生概率Table 8 Forest fire occurrence probability based on multisource information fusion

模型融合值為47.3%，根據(jù)森林火災(zāi)發(fā)生概率等級(jí)多源信息融合值表可知，該處發(fā)生森林火災(zāi)的概率等級(jí)為極度風(fēng)險(xiǎn)，因此可以更進(jìn)一步明確，該地有森林火災(zāi)發(fā)生，該事實(shí)也已經(jīng)被林業(yè)部門確認(rèn)。

4.3 模型檢驗(yàn)結(jié)果

基于雷達(dá)的多源信息融合森林火災(zāi)監(jiān)測(cè)模型建立后，利用模型對(duì)岳陽市2018年該地區(qū)雷達(dá)監(jiān)測(cè)范圍內(nèi)的火情進(jìn)行實(shí)時(shí)監(jiān)測(cè)。期間，系統(tǒng)發(fā)出了82起預(yù)警信號(hào)，實(shí)際沒有發(fā)生森林火災(zāi)但是系統(tǒng)誤判發(fā)布報(bào)警信號(hào)的有17起，實(shí)況發(fā)生火災(zāi)但系統(tǒng)沒有發(fā)出森林火災(zāi)預(yù)警信號(hào)的有9起。參照文獻(xiàn)[4]中的火情報(bào)警的命中率、誤警率和臨界成功指數(shù)的計(jì)算方法，得到系統(tǒng)的火情預(yù)警命中率（表9）。

表9 雷達(dá)林火回波監(jiān)測(cè)系統(tǒng)預(yù)警命中率統(tǒng)計(jì)表Table 9 Statistical of early warning percentage of radar forest fire echo monitoring system

根據(jù)鐘敏等[14]對(duì)風(fēng)暴識(shí)別與跟蹤算法對(duì)單體識(shí)別的命中率研究結(jié)果可知，雷達(dá)林火回波監(jiān)測(cè)系統(tǒng)命中率與CINRAD/SB系統(tǒng)對(duì)雷達(dá)回波單體識(shí)別命中率相當(dāng)。因此，該系統(tǒng)的運(yùn)行結(jié)果參考意義較大，系統(tǒng)可以應(yīng)用于業(yè)務(wù)工作之中。

5 結(jié)論

基于雷達(dá)資料的多源信息森林探測(cè)模型建立后，通過雷達(dá)對(duì)林火進(jìn)行定位，查找疑似火災(zāi)點(diǎn)氣象信息，對(duì)火災(zāi)發(fā)生概率進(jìn)行計(jì)算，查對(duì)森林火災(zāi)發(fā)生概率等級(jí)多源信息融合值表，判斷林火發(fā)生概率，決定是否向森林防火部門發(fā)布森林火災(zāi)預(yù)警信息，有利于及早發(fā)現(xiàn)森林火災(zāi)，并對(duì)火災(zāi)進(jìn)行及時(shí)撲救。經(jīng)驗(yàn)證，該模型對(duì)森林火災(zāi)的監(jiān)測(cè)精度較高，命中率達(dá)到83%，誤警率為10%，臨界成功率為76%。

多傳感器信息融合過程中，在數(shù)據(jù)處理、特征提取和決策層融合時(shí)，采用的算法較普通，在今后的研究中，可以利用不同算法建立模型，選擇對(duì)森林火災(zāi)識(shí)別準(zhǔn)確率最高的模型，應(yīng)用到實(shí)際業(yè)務(wù)中，將能極大提高森林火災(zāi)監(jiān)測(cè)效率和準(zhǔn)確性。