王永源，孟航宇，陳春宇，費(fèi)琳清，張碩顯

（1.南京工業(yè)大學(xué)海外教育學(xué)院，江蘇 南京 210000；2.南京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，江蘇 南京 210000；3.成都信息工程大學(xué)控制工程學(xué)院，四川 成都 610000）

1.引言

森林火災(zāi)是危害森林資源的重要因子，嚴(yán)重影響全球生態(tài)環(huán)境系統(tǒng)。發(fā)生火災(zāi)，必須以極快的速度采取補(bǔ)救措施。但是救火是否及時(shí)，決策是否得當(dāng)，取決于對(duì)火情的發(fā)現(xiàn)是否快速以及災(zāi)前對(duì)火災(zāi)的預(yù)測(cè)。本文以澳大利亞森林火災(zāi)為例，著重研究綜合利用多種檢測(cè)手段與三維地理信息，建立火災(zāi)智能監(jiān)測(cè)防控系統(tǒng)，有助于監(jiān)測(cè)火情，做到早發(fā)現(xiàn)、早處置，有效控制森林火災(zāi)。

2.情況分析

2019年，澳大利亞維多利亞州發(fā)生特大森林火災(zāi)。為降低林火發(fā)生概率，我們預(yù)測(cè)未來十年的極端火災(zāi)事件變化。影響火災(zāi)的因素大致有地形、溫度、天氣、風(fēng)向等方面，通過這些影響因素作為切入點(diǎn)，確定火災(zāi)發(fā)生的大致位置。通過蒙特卡洛算法，模擬出未來十年極端火災(zāi)事件發(fā)生的可能性，調(diào)整所需無人機(jī)分布位置，最后結(jié)合地理位置得出大致結(jié)論。

3.模型假設(shè)

不存在人為蓄意放火的惡劣情況。

考慮到無人機(jī)面對(duì)火災(zāi)所受到的損傷。

不考慮無人機(jī)其他時(shí)間消耗，只考慮飛行的時(shí)間消耗。

4.符號(hào)說明

符號(hào) 符號(hào)說明X變換函數(shù)ε1、ε2 偽隨機(jī)數(shù)u均值σ標(biāo)準(zhǔn)差Xmax 變量最大值Xmin 變量最小值Xd 變量最可能值τij 氣溫影響系數(shù)aj 分點(diǎn)I無偏估計(jì)量σ2 方差

5.模型的建立與求解

5.1 模型分析

SSA無人機(jī)的分布受林火范圍影響，對(duì)林火分布的分析可直接得出SSA無人機(jī)的使用情況?；瘘c(diǎn)的分布具有隨機(jī)性，但是其受地形、溫度等因素，其分布具有可預(yù)測(cè)性。利用火點(diǎn)位置在維多利亞州內(nèi)分布具有隨機(jī)性的特點(diǎn)，采用具有不確定性模型的可靠性分析，以溫度作為評(píng)價(jià)火點(diǎn)分布穩(wěn)定性作為切入點(diǎn)。選取澳大利亞氣象局在2019年10月1日至2020年1月7日的火點(diǎn)分布數(shù)據(jù)以及四個(gè)月時(shí)間內(nèi)的天平均氣溫，在此數(shù)據(jù)的基礎(chǔ)上建立蒙特卡洛隨機(jī)模型，根據(jù)預(yù)測(cè)火點(diǎn)位置，調(diào)整無人機(jī)分布情況。使用Tableau軟件將其可視化處理。選取坐標(biāo)原點(diǎn)，建立二維坐標(biāo)系，將經(jīng)緯度坐標(biāo)轉(zhuǎn)換距離坐標(biāo)，導(dǎo)入Matlab軟件，得到圖1。

圖 1 火點(diǎn)分布圖

5.2 模型求解

本研究使用NASA官網(wǎng)提供的ARCGIS產(chǎn)品數(shù)據(jù)，利用蒙特卡洛模擬法分析火點(diǎn)分布穩(wěn)定性，火點(diǎn)分布直接決定了無人機(jī)的分布位置。將溫度t和地形s作為隨機(jī)變量，首先利用計(jì)算機(jī)產(chǎn)生均勻分布的隨機(jī)數(shù)，將其變換為標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)，再將標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)變換為服從特定分布的隨機(jī)數(shù)。變換函數(shù)為：

式中，X為服從正態(tài)分布的隨機(jī)數(shù)，ε1、ε2是偽隨機(jī)數(shù)，u、σ是相應(yīng)分布的均值和標(biāo)準(zhǔn)差。由于溫度和地形數(shù)據(jù)因?yàn)榄h(huán)境因素需要實(shí)地探測(cè)，我們選擇調(diào)用澳大利亞氣象局?jǐn)?shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，部分氣象站信息如下：

表1 維多利亞州部分氣象站信息表

在實(shí)際建模中發(fā)現(xiàn)，某些偶然性因素，如持續(xù)性高溫或持續(xù)性低溫等極端天氣可能會(huì)影響模型的建立和最終的結(jié)果。為減少自然因素帶來的誤差，選用三點(diǎn)法估計(jì)求出均值和均方差值，即根據(jù)數(shù)據(jù)處理情況，給出變量的最大值Xmax，最小值Xmin和最可能值Xd。

加載宏模擬軟件生成多種概率分布的隨機(jī)數(shù)，部分?jǐn)?shù)據(jù)如下：

表2 概率數(shù)據(jù)隨機(jī)模擬表

此外，蒙特卡羅模擬通過收集隨機(jī)變量的樣本，統(tǒng)計(jì)解的估計(jì)結(jié)果。要降低估計(jì)量方差，這就要求顯著地增加樣本數(shù)量，相應(yīng)地大大增加模擬抽樣的時(shí)間。在這里，選擇分層抽樣最為有效。

式中，τij表示氣溫影響系數(shù)，aj為分點(diǎn)。從上式可以看出，適當(dāng)選擇分點(diǎn)和樣本數(shù)量，可使方差降低，即當(dāng)我們選擇適當(dāng)多的數(shù)據(jù)時(shí)，可以保證火點(diǎn)分布更加合理。通過計(jì)算得出預(yù)測(cè)數(shù)據(jù)：表3為維多利亞州未來十年可能發(fā)生火災(zāi)的概率，圖2為火點(diǎn)數(shù)量分布：

表3 未來十年可能發(fā)生火災(zāi)的概率表

圖2 火點(diǎn)數(shù)三維分布圖

從溫度頻率分布圖（圖2）可以直觀看出溫度與火點(diǎn)頻率的關(guān)系，可以發(fā)現(xiàn)：溫度變化與火點(diǎn)的分布呈正相關(guān)趨勢(shì)，如下圖3。

圖3 著火點(diǎn)溫度趨勢(shì)圖

6.結(jié)論與討論

6.1 結(jié)論總結(jié)

通過對(duì)澳大利亞維多利亞州火點(diǎn)分布進(jìn)行蒙特卡洛模擬分析，得出結(jié)論：未來十年隨著溫度升高，氣候條件逐漸惡劣，火點(diǎn)的分布將增加且主要集中于山區(qū)。對(duì)SSA無人機(jī)的調(diào)度要從時(shí)間和地區(qū)兩個(gè)方面來考慮。就時(shí)間跨度而言，春季、夏季、冬季森林火災(zāi)發(fā)生頻率較高，夏季成為林火主要發(fā)生季節(jié)，且隨著夏季時(shí)間發(fā)生偏移和延長(zhǎng)。SSA無人機(jī)應(yīng)按時(shí)間進(jìn)行數(shù)量分配，林火易發(fā)時(shí)期要增加無人機(jī)數(shù)量。就地區(qū)位置而言，維多利亞州西南地區(qū)多森林山地，林火發(fā)生位置主要集中于此，因此，無人機(jī)需進(jìn)行特定范圍的多次勘察，對(duì)于林火發(fā)生的精確位置應(yīng)及時(shí)報(bào)告。

6.2 討論分析

本課題在一定程度上分析了澳大利亞維多利亞州火災(zāi)時(shí)空分布規(guī)律，預(yù)測(cè)出未來SSA無人機(jī)使用情況，為該地區(qū)林火監(jiān)測(cè)以及防火期調(diào)整提供一定的科學(xué)依據(jù)。無人機(jī)由于其容易操作、監(jiān)測(cè)精度較高等優(yōu)點(diǎn)，極大彌補(bǔ)了當(dāng)今依靠衛(wèi)星熱形勢(shì)嚴(yán)峻饋時(shí)間長(zhǎng)、火點(diǎn)位置不精確的缺點(diǎn)。此外，維多利亞州以山地為主，道路交通不便，阻礙了護(hù)林員的監(jiān)測(cè)活動(dòng)，使用無人機(jī)可極大解決地形所帶來的問題，提高監(jiān)測(cè)精度，彌補(bǔ)了森林火災(zāi)智能監(jiān)測(cè)系統(tǒng)的缺漏。同時(shí)在全球氣候變暖的背景下，森林火災(zāi)預(yù)防形式嚴(yán)峻，林火管理工作應(yīng)基于該地區(qū)林火時(shí)空分布規(guī)律及變化趨勢(shì)，適當(dāng)調(diào)整火險(xiǎn)期及防火資源配置，加強(qiáng)防火宣傳，全面提高林火監(jiān)測(cè)和預(yù)防能力，降低森林火災(zāi)發(fā)生風(fēng)險(xiǎn)。