基于数字信息化的森林火灾预警

贾 培，徐凯宏，吴 楠，张 伟

(1.东北林业大学，黑龙江 哈尔滨 150006；2.南通醋酸纤维有限公司，江苏 南通 226100)

0 引 言

森林火灾属于大型自然灾害的一种，往往具有突发性强、破坏性大、救援困难的特点，森林火灾不仅会严重影响当地生态系统的环境，更与人类的财产和生命息息相关，森林火情一旦失控，后果将不堪设想。例如，2019年3月30日发生的四川凉山森林大火，直接造成了30名消防相关人员的牺牲，人力损失和环境破坏都是巨大的，如果这场火灾不是发生在海拔4000 m的原始森林中，而是发生在周围有村庄的林场中，风力的改变很可能使大火威胁到村民的生命安全。我国尽管近几年来各地做了大量的森林防火工作，但从总体上看还处于预防上死看死守，扑救上人海战术，指挥上凭老经验，手段上原始落后的初级水平。国外虽然技术先进，采用专门的卫星实时遥感和派出直升机全天巡查，但是依然耗费大量的人力和财力，如果能做好森林火灾的预警工作，重点时间重点看护加强防范，可以有效的节省资源[1]。

随着数据科学和智能技术的发展，以计算机为基础的科技情报专用检索分析系统开始出现，成为辅助情报研究的有效工具，并渐渐开始应用到信息收集、数据筛选、主题分类、整合汇编、批量导出、关联分析等细分领域[2]。但是目前的系统往往不能做到完整的数字化信息系统，指挥中心和数据库不能很好地结合使用。而且预测和预警的数据来源相对单一，没有建立合适的数据库。基于数字信息化的森林火灾预警已逐渐成为趋势，但需要合适的处理模式才能具有更强的决策力、洞察发现力和流程化能力[3]。

1 系统流程设计

图1 系统流程设计

将数字信息化运用到森林火灾预警中，形成如图1所示基于数字信息化的森林火灾预警方案，依据全国产化自主安全原则，对森林防火指挥指控系统进行了系统架构设计、硬件平台建设以及软件系统建设，其中软件系统的数据接入层和综合显示层分别采用C/S架构和B/S架构[4]，将国内外有特点的森林火灾信息与实验林场的收录特征信息合并[5]，计算机对数据库中的信息进行辨识、抽取、清洗以及传输形成结构化数据、半结构化数据和非结构化数据[6]，通过浏览器端编程，将硬件的数据采集后，存到本地服务器，本地的服务器和云端的服务器进行通信，用户通过访问相应的网址获得想知道地区的数据，实现远程监测[7]。系统还将实时接收实验林场采集到的信息，得到的数据支持复合推理决策系统的处理，并将得出的预警结果通过人机交互系统传达给界面，使指挥者及时得到预警信息，并进行下一步指挥。这套方案不仅大大节省了人力资源，还能得到对森林火灾更准确的预警。

2 数据库的创建

2.1 数据表的设计

本文采用关系型数据库，加强表内数据之间和表之间数据的关系，避免出现数据异常，保证数据库的良好性能[8]。内需要建立大量的数据表，现以黑龙江凉水林场指标数据表为例，阐述数据表的设计，凉水林场指标数据见表1。

表1 凉水林场数据指标

2.2 数据表数据来源

本文采集数字信息的方式及来源主要包括：(1)智能出入卡，以凉水实验林场为例，可以在已规划的三条行进路径上设置刷卡装置，如AFC系统，可以设置自动统计功能，方便掌握实验林场内人员动向。(2)GPS，GPS是已应用的很成熟的卫星定位工具。(3)云台视频监控，在凉水实验林场，云台监控器几乎覆盖了整个林场，可以配备视频图像检测系统。(4)热遥感传感器，在凉水实验林场的瞭望塔上，已经配备了热遥感传感器。(5)移动APP，进入林场人员可以通过扫描二维码下载APP进行登录，并可以上传信息至后台控制中心[9]。

3 数据库架构设计

3.1 数字信息化接入层

通过智能出入卡、GPS、云台视频监控、热遥感传感器和林场人员反馈信息的采集进行汇总[10]。

3.2 数字信息化处理层

把接入层接收的数据通过设定的分类归档到创建的数据库中，创建的数据库如图2所示，包含特征参数温度数据库，GPS跟踪数据库，云台监控数据库等。

图2 数据库的创建

在通过Spark数字信息化处理平台通过分布式存储编程接口，将原始数据存放在HDFS和HBase中，对数据进行必要的清洗和抽取，在通过分布式计算编程接口，从数据存储层获取处理后数据。

3.3 数字信息化应用层

将处理后的数字信息化送入设计好的模糊控制器中，进行下一步的分析预警。同时为使用者提供查询功能。

3.4 数字信息化接口层

本文采用REST架构原则，REST架构是将系统中的所有事物抽象成资源的集合，使用统一的资源标识符对资源进行标识，其他系统利用HTTP协议作为统一接口访问Web网址和对资源进行操作[11]。客户端和服务器的交互是无状态的，但是交互的信息就有自瞄性，所以本架构为系统提供了良好的交互设计[12]。

图3 数据接口架构

3.4.1通过URL标识资源

进入系统界面，界面显示的所有信息分类，如特征参数温度、在职人员基础信息等，设置为主资源，分配如下URL：

/api/categories

对于界面中的所有数据内容，分配如下URL：

/api/items

这样每一类资源都将拥有对应的URL，这些URL就对应着相应资源的数据集合[13]。

3.4.2Web服务器与用户端接口

在通过Web的调试功能产看这些请求的时候，其先向系统发送了一个GET请求，以取得数据的分类。部分代码如下：

1 GET /api/categories

2 Host: www.egoods.com

3 Authorization：Basic xxxxxxxxxxxxx

4 Accept: application/json

服务器端将作出反应，返回用户想要知道的数据名称和相对应的URL。部分代码如下：

1 HTTP/1.1 200 OK

2 Content-Type: application/json

3 Content-Length:xxx

4

5 [

6 {

7 “label”: “温度”,

8 “url” : “/api/categorirs/1”

9 },{

10 “label” : “人数”,

11 “url” : “/api/categories/2”

12 }

13 …

14 {

15 “label” : “历史数据”,

16 “url” : “/api/categories/25”

17 }

18 ]

假如用户想要进一步了解某一方面的数据，用户进一步作出选择操作，服务器收到响应，同时通过向数据所对应的URI发送GET请求即可获取数据。部分代码如下：

HTTP/1.1 200 OK

Content-Type: application/json

Content-Length:xxx

{

“url” : “/api/categories/1”,

“label” : “Food”,

“items_url” : “/api/items?category=1”,

“brands” : [

{

“label” : “2018”,

“brand_key” : “32073”,

“url” : “/api/brands/32073”

},{

“label” : “2019”,

“brand_key” : “56632”,

“url” : “/api/brands/56632”

}

…

],

“hot_searches” : ....

}

4 数据库的功能

4.1 登录模块

为了防止数据的混乱与泄露，登录系统时采用不同的用户名和密码，用以区分用户权限，采用判断语句if then嵌套语句对用户名和密码进行判断，采用select case与后端数据库进行匹配，给予使用权限[14]。

4.2 基础信息和特征信息录入模块

基础信息和特征信息录入模块实现对在职人员基础信息、森林保护区部门基础信息、出入保护区人员基础信息和历史险情发生时特征信息的录入、修改、保存和删除。数据将按照时间和类型储存到指定的数据库中，这样不会导致数据表创建的越来越多。

4.3 数据查询模块

数据查询模块实现了对录入信息的查询，采用TREE VIEW与IMAGE控件绑定的形式来实现。用户可以直接通过操作界面进行查询。

5 系统测试仿真

凉水实验林场中有三条行进路径，出入口会设置登记处，登记数据会直接进入数据库，为测试本文的火灾预警准确度，本文采用特征参数温度、人员行进路径以及人员数量作为模糊控制器的输入量[15]。以ET表示特征环境温度的语言变量，以PE表示林区人员的数量。以火灾发生概率作为系统的唯一输出量，用FP来表示其语言变量[16]。具体的隶属度函数选择如下：

(1)ET隶属度函数选择

与林区整体环境的温度差是火灾异常监测的最直接的指标。根据经验分析，确定环境温度差的论域为[0-12]，单位为℃。并将其分为四个等级，可表示为ET∈{TH(温差大)，TM(温差中等)，TN(温差正常)，TL(温差偏低)}，其隶属度函数如图4所示。

图4 ET隶属度函数曲线

(2)PE隶属度函数选择

特征参数PE是火灾异常监测的关键指标。这里设定林区某一路径上的行进人员的论域为[1-50]，并将其分为三个等级，可表示为PE∈{PH(人员数量多)，PM(人员数量正常)，PL(人员数量很少)}，其隶属度函数如图5所示。

图5 PE隶属度函数曲线

(3)FP隶属度函数选择

输出语言变量火灾概率是火灾异常监测结果的表示。根据经验分析，确定火灾概率的论域为[0-1]，分为五个等级，可表示为FP∈{FH,FB,FM,FS,FL},其隶属度函数如图6所示

图6 FP隶属度函数曲线

本系统选择3个输入，输入ET设置为4个等级，输入PE设置为3个等级，行进路径有3条，输出FP设置为5个等级。因此最大的模糊控制规则数为4×3×3=36条，根据技术知识分析和实践经验研究总结，得到的规则库如表2所示。

表2 模糊控制规则表

本系统采用重心法将输出的隶属函数曲线转化为适合于控制的清晰量[17]。

其中，加权系数wz=μz(z)为了验证系统得模糊控制器的设计是否满足火灾预警的预期要求，利用MATLAB平台进行实验仿真。本系统设计的输入变量与输出变量之间的映射关系如图7～图9所示。

图7 第一条路径上的人员数量、温度差和火灾概率的三维图

图8 第二条路径上的人员数量、温度差和火灾概率的三维图

图9 第三条路径上的人员数量、温度差和火灾概率的三维图

从图中的三维结构可以看出，根据系统要求设计的模糊控制器具有良好的输入输出映射关系，通过语言变量描述的输入和输出之间的关系符合实际，能够正确的反映火灾监测中林区局部的特征参数温度、人员行进路径以及该路径上的人员数量与火情之间的变化关系。此外，本文查询了关于森林防火的国家各项标准，以及参照了实验林场的内部数据库，从中合理选取40组实验样本[18]。经仿真结果如表3所示。

表3 实验样本仿真结果

由表3可以看出，期望输出和实际输出的值几乎不相同，但期望状态和实际状态是一致的，也就是说对于仅需火灾发生等级预警的系统是适合的。通过综合考虑多方面消息，能够实现森林火险的预警与预警，且具有准确性和可靠性。

6 数据库运行界面

本文采用Vue.js作为前端连接到mysql数据库通过点击操作屏幕上的数据库信息[19]。就可以看到数据库收集的在职人员基础信息、森林保护区部门基础信息、出入保护区人员信息、当地森林保护区的气象信息、历史险情发生时的特征信息[20]。可以方便领导和操作人员查询历史数据，更快的设计救援方案和进行灾后总结。

图10 数据库运行界面

7 结 语

本数据库采用mysql数据库管理系统和REST用户渐进式框架，具有数据录入与修改，历年数据查询等功能，很大程度上提高了数据检索的快捷性与便捷性，同时有数字信息化的支撑，能很好地预警森林火灾的发生，可以避免突发森林火灾造成的人员和财产的损失。