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(dǎo)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?xí)饜毫拥纳鐣绊懞蛶韲?yán)重的生態(tài)災(zāi)難。實(shí)時有效地對大尺度林火蔓延進(jìn)行預(yù)測,有利于合理地制定滅火戰(zhàn)術(shù)和疏散策略,減少火災(zāi)所造成的損失。對于傳統(tǒng)的火蔓延軟件預(yù)測方法來說,給定初始火線位置、火場的地形和植被條件、風(fēng)場等環(huán)境和氣候條件,火蔓延的預(yù)測結(jié)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(yù)、地形和植被數(shù)據(jù)的誤差、風(fēng)速大小和方向的變化等等,這些不確定性將導(dǎo)致傳統(tǒng)方法的預(yù)測結(jié)果與真實(shí)火災(zāi)蔓延情況偏離較大,給應(yīng)急救援帶來不利后果。隨著科技的發(fā)展,遙感技術(shù)的成熟,我們可以通過衛(wèi)星或無人機(jī)獲取火場的實(shí)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(yù)測數(shù)據(jù)相結(jié)合,通過數(shù)據(jù)同化方法,實(shí)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(yù)測的準(zhǔn)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(yù)測的框架和系統(tǒng),提出更貼合實(shí)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(jìn)行改進(jìn)。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(jié)合的數(shù)據(jù)同化預(yù)測框架,建立了林火蔓延的數(shù)據(jù)同化預(yù)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(jìn)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(jìn)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(zhuǎn)換卡爾曼濾波(ETKF)算法應(yīng)用于林火蔓延的狀態(tài)估計,ETKF克服了標(biāo)準(zhǔn)集合卡爾曼濾波需要人為擾動觀測數(shù)據(jù)的局限�；谟^測系統(tǒng)仿真試驗,在風(fēng)場條件已知和未知的情況下,比較研究了 ETKF和標(biāo)準(zhǔn)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(yù)測結(jié)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(biāo)來評估數(shù)據(jù)同化算法的性能。結(jié)果顯示,在風(fēng)場條件已知時,ETKF和標(biāo)準(zhǔn)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(fēng)場條件未知時,即還存在模型參數(shù)誤差時,ETKF的預(yù)測值和分析值都明顯比標(biāo)準(zhǔn)集合卡爾曼濾波的結(jié)果更接近真實(shí)值。突出體現(xiàn)了 ETKF在誤差來源較多時這一更符合實(shí)際情況時的應(yīng)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。火線位置的估計是減小模型狀態(tài)誤差的關(guān)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贓TKF的算法對火線位置進(jìn)行修正,采用基于Monte Carlo的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)估計燃料調(diào)節(jié)因子。通過FireFlux Ⅰ實(shí)驗和Camp Fire火災(zāi)事件的數(shù)據(jù)進(jìn)行了驗證,結(jié)果表明所提出的狀態(tài)參數(shù)估計策略能夠提高預(yù)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(diǎn)。火線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(yīng)急救援時的決策,該方法具有較強(qiáng)的實(shí)用性。系統(tǒng)研究了在不利觀測數(shù)據(jù)下ETKF算法的改進(jìn)方法。在林火蔓延數(shù)據(jù)同化預(yù)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(zāi)引起的熱煙羽流或云層的存在,飛機(jī)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(diǎn)權(quán)值來修正“推進(jìn)”項,以彌補(bǔ)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(yīng)預(yù)測的火點(diǎn)處,我們可以調(diào)整將預(yù)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(shí)驗,比較了基于點(diǎn)權(quán)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(shí)際可能發(fā)生的情況,即觀測到的火線是真實(shí)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(jié)果表明,具有新的“推進(jìn)”項的VWETKF提高了分析和預(yù)測火線位置的準(zhǔn)確性。
【學(xué)位單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)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(diǎn)林區(qū)的可燃物載量不斷增長。國際公認(rèn)??的每公頃可燃物載量累積到３０噸時，就可能發(fā)生嚴(yán)重和特大的森林火災(zāi)。需要??注意的是，一些地區(qū)的每公頃可燃物載量已經(jīng)達(dá)到５０噸至６０噸，這將導(dǎo)致該??地區(qū)的嚴(yán)重和特大森林火災(zāi)的風(fēng)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(zāi)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(yù)測林火行為??正如前一小節(jié)所述，森林火災(zāi)對人類社會構(gòu)成了非常緊迫的威脅。能夠認(rèn)??識林火發(fā)生發(fā)展的機(jī)制和規(guī)律，特別是模擬森林火災(zāi)的蔓延過程己成為火災(zāi)安??全領(lǐng)域的一項重要課題。??表１．２林火蔓延作為一種復(fù)雜的化學(xué)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(yù)測數(shù)據(jù)同化系統(tǒng)???第２章林火蔓延預(yù)測數(shù)據(jù)同化系統(tǒng)??２．１系統(tǒng)架構(gòu)??林火蔓延預(yù)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(gòu)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(yù)測結(jié)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(yù)測數(shù)據(jù)同化系統(tǒng)的架構(gòu)??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(shí)火災(zāi)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(yùn)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(shè)為火線位置數(shù)據(jù)�？刂茖又饕瞧鹬兄够鹇幽Ｐ汀⒄{(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(rèn)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(jìn)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(dǎo)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(shí)火災(zāi)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(yù)測數(shù)據(jù)同化系統(tǒng)???設(shè)觀測誤差標(biāo)準(zhǔn)差（義ＴＡ＆）為２ｍ，數(shù)據(jù)同化的分析結(jié)果如圖２．２?（ａ）所示；對??于觀測數(shù)據(jù)的質(zhì)量較差時，假設(shè)觀測誤差標(biāo)準(zhǔn)差（■ｓｒｚｕ，）為１０ｍ，數(shù)據(jù)同化的??分析結(jié)果如圖２．２?（ｂ）所示。??４００????＇??４００?＾???■?????…｜？？預(yù)測?？預(yù)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�。ǎ猓┯^測值誤差較大??由圖２．２?（ａ）結(jié)果表明，分析值對觀測值賦予了更多的權(quán)重，使得數(shù)據(jù)同??化較快的修正預(yù)測值，從而較快地把預(yù)測“推進(jìn)”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(yù)測數(shù)據(jù)的誤差。由圖２．２?（ｂ）結(jié)果表明，與觀測數(shù)??據(jù)相比，分析更接近于預(yù)測。這是因為該情形下，預(yù)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(jìn)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(quán)重。??參考文獻(xiàn)??［１］?Ｆｉｎｎｅｙ?Ｍ?Ａ，?Ａｎｄｒｅｗｓ?Ｐ?Ｌ．?Ｔｈｅ?ｆａｒｓｉｔｅ?ｆｉｒｅ?ａｒｅａ?ｓｉ
【相似文獻(xiàn)】

相關(guān)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(jìn)及可視化驗證[J];小型微型計算機(jī)系統(tǒng);2020年04期

2 張曉婷;劉培順;王學(xué)芳;;王正非林火蔓延模型改進(jìn)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(shù);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(jī)各向異性林火蔓延快速模型[J];北京林業(yè)大學(xué)學(xué)報;2012年01期

6 張菲菲;解新路;;一種改進(jìn)的林火蔓延模型及其實(shí)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(jìn)的元胞自動機(jī)林火蔓延模擬研究與實(shí)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(shí)現(xiàn)[J];林業(yè)機(jī)械與木工設(shè)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(xué)自然科學(xué)學(xué)報;2007年02期

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

相關(guān)博士學(xué)位論文 前9條

1 周騰蛟;基于ETKF的大尺度林火蔓延預(yù)測數(shù)據(jù)同化研究[D];中國科學(xué)技術(shù)大學(xué);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(xué);2007年

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

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

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

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

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

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

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

相關(guān)碩士學(xué)位論文 前10條

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

2 錢蘭;集合卡曼濾波算法對FARSITE林火蔓延預(yù)測的修正效果研究[D];中國科學(xué)技術(shù)大學(xué);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(xué);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(xué);2017年

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

6 李銳;林火蔓延模擬方法的研究[D];東北林業(yè)大學(xué);2012年

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

8 牛麗紅;拓?fù)涞匦紊系牧只鹇幽M[D];中南林業(yè)科技大學(xué);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(xué);2014年

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

本文編號：2860662