大数据技术在林业数据信息管理中的应用——从森林火灾谈起

朱 宏

(哈尔滨学院，哈尔滨 150086)

近些年来全球气候呈变暖趋势，森林火灾不断发生。2018年11月，加州北部山火爆发过火面积2万km2；2019年，巴西境内亚马逊热带雨林大火过火面积2.2万km2使地球之肺满目疮痍；2019年7月俄罗斯西伯利亚原始森林大火持续月余，过火面积6.7万km2，受此影响北极圈冰层加速融化；2019年9月到2020年1月澳大利亚大火持续4个月，过火面积5.25万km2，大火造成至少27人死亡，5亿野生动物葬身火海，近3个月山火释放3.5亿t二氧化碳烟雾传输距离长达约2 000 km到达新西兰。水火无情，大自然的灾害往往带来巨大的人员、财产和资源的损失，本文从几次大火发生的过程中大数据技术及相关信息技术的应用，对大数据的发展方向进行了初步的探索[1]。

1 森林大火过程中大数据相关信息技术的应用

1.1 卫星监控

通过卫星监控，不仅可以对着火地区的分布、光亮度、精确位置以及火灾发展趋势进行实时监控获得大量数据，同时，还可以获得全球范围内的天气状况、风向和降水等信息，为火灾数据的收集、预警提供数据支持。美国国家航空航天局(NASA)启用两颗卫星每天扫描全球一次，通过超级计算机处理卫星图像向地球传输数据，在超级计算机加入了火情视觉识别的卷积神经网络来预测和实时告知火情[2]。

1.2 无人机监控

美国率先在门洛帕克火灾区启动的无人机计划，超过180名消防员参与全国各地的消防和救援行动，门洛帕克已成立一个专门的无人机指挥中心和训练消防队员。

消防无人机可以获取高清影像数据，数据经过软件处理后，指挥中心可直接通过AI技术三维重建影像，并量算火场和受灾面积等信息提供实时监控，为政府和决策机构进行决策提供精准数据信息参考，协助地面指挥部署。

1.3 机器人及人工智能的应用

美国密歇根大学发布了Cassie机器人步行穿越火焰的视频，目的在于测试其如何应对真实世界的极端环境，未来将可以帮助消防员进行火灾救援。

1.4 大数据收集设备多样化

美国加州推出消防新品“C-THRU超级消防帽”，其原理运用了AR技术。C-THRU消防帽上的高速热感摄像头负责捕捉显示画面，由消防帽内置的信息采集模块把画面数据传输回“指挥控制器”，再通过消防帽上特制的AR显示器将处理结果呈现给消防员。

在预防和实际控制火情的过程中，大数据信息变得至关重要。掌握好大数据和人工智能技术，配置相关的装备，已经是打赢火灾的必备之选[3]。

1.5 多种大数据的综合分析

我国国家卫星气象中心等部门利用风云气象卫星等手段，对澳大利亚东部山火进行监测，并结合相关气象资料，进行客观分析[4]。

1.5.1 气象数据

大数据分析结果表明，气温高、降水少，干旱突出，这是导致森林山火的发生的因素之一。据澳大利亚2019年年度气候报告显示，澳大利亚年平均气温偏高1.52 ℃，平均最高气温偏高2.09 ℃，是历史最高记录。同时降水量是有记录以来最少的一年，平均降水量为近110 a以来同期最少。

1.5.2 气流数据

风力增加了山火的控制难度。2019年9—12月500 hPa平均高度显示，澳大利亚整体处于正高度距平控制之下，气温持续偏高；850 hPa风场显示，澳大利亚位于异常反气旋式环流东侧，大部地区受较强的异常偏南风控制，风速较常年同期偏大，容易造成森林火灾蔓延，增加了扑火的难度；大气整层的水汽输送及辐合辐散条件显示，水汽辐合条件较差，造成降水较常年同期偏少。

1.5.3 森林分布数据

澳大利亚森林资源较少，主要分布在东部、南部、北部沿海的条带区域，之前火灾多发生在内陆的草原、荒原及稀树草原，森林火灾相对较少。而这次森林发生严重火灾，焚毁大片林地，造成栖息在森林中的考拉等珍稀动物大量死亡，对当地生态环境带来灾难性影响。

1.5.4 地形数据

风云三号D星于2020年1月4日火情监测图显示，在东西270 km、南北360 km的范围内分布有大量火点，部分火区已蔓延至海滩附近，影响范围总计约7 900 km2。参考土地利用数据，新南威尔士州东南部和维多利亚州东部的多处火区在森林地区。

1.5.5 烟尘影响

从2020年1月4日的风云三号D星真彩色图监测显示，新南威尔士州东南部和维多利亚东部持续燃烧的森林大火产生了大范围浓烟，对当地空气质量造成严重影响，并向东扩散。1月5日的山火引发的烟雾渐渐飘至新西兰北部，烟雾传输距离长达约2 000 km，对空气质量产生巨大影响。1月7日在澳大利亚东部海岸约6 000 km处仍可看到明显的烟雾信息[4]。

通过对气象、风向、地形和森林分布等多种数据的研究，分析出澳大利亚大火的各种因素，同时为未来预防森林火灾、减少灾难影响，建设更完善的林业数据信息管理体系提供依据。

2 大数据及相关技术的发展应用

大数据技术的战略意义不仅仅在于庞大、多种类的数据信息，而在于对这些隐含信息价值的数据进行数据挖掘和处理，提高对数据信息价值的最大化，实现数据的“增值”。

大数据包括结构化、半结构化和非结构化数据。以森林大火过程中的数据为例可以看到大量的非结构化的数据。

2.1 建立立体、多维的大数据收集系统

从森林大火的数据来看，其数据不仅包括气象数据，如气温、降雨、风力、温差和历史气温等，还包括地形数据、森林分布、城市分布，以及不同年间的发展数据、人文数据等。这些数据都与大火的成因、发展有着紧密的联系。建立起立体、多维度、多体系的林业大数据体系可以充分利用新一代信息技术，扩大数据采集范围，将林业体系内数据、互联网相关林业数据、林业产业数据等多来源、多形态的数据进行整合、加工处理及分布式存储，利用最新的数据挖掘分析技术和数据可视化技术，充分揭示数据的规律性和价值性，为生态治理、产业经济、林业文化提供强大的数据支撑能力。建立起整合的分析模型可以预测灾难，为日常管理提供决策依据[5]。

2.2 充分利用先进的设备与技术进行大数据的收集与分析工作

适用于大数据的技术，包括大规模并行处理(MPP)数据库、数据挖掘、分布式数据库、云计算平台、互联网和可扩展的存储系统，都开始在不同领域中融合发展，取得更大的应用。同时还会有更多的先进设备加入大数据的收集与传输过程中。如上文提到的无人机、机器人、智能穿戴设备和卫星等高科技设备。大数据的分析结果也会为设备与技术的应用提供调整的数据依据、工作经验、收集和发展的方向等方面的参考[6]。

2.3 数据可视化技术

数据可视化是指以图形等视觉对象来呈现数据之间的关系 ，为用户提供更直观，多维的方法来分析数据。

2.3.1 可视化计算技术

利用计算机图形学和图像处理的可视计算技术成为大数据显示的重要手段之一，通过对收集来的大数据信息进行整合、清洗，得到分析结果。可以将分析结果以图表、图形、图像、地图和三维形体等方式，直观、多角度地展示出来，对数据内在的联系和包含的深度信息进行挖掘。

目前应用较多的Python，其中提供了多种精美的可视化包，Matplotlib、Seaborn 和 Pandas Bokeh、Plotly等，为数据可视化提供了大量的、丰富的图形、图像方式，以二维或三维的方式，通过适当的不同图表类型展现数据[7]。

2.3.2 三维可视化

三维可视化是用于显示描述和理解地下及地面诸多地质现象特征的一种工具，广泛应用于地质和地球物理学的所有领域。它能够利用大量数据检查资料的连续性，辨认资料真伪，发现和提出有用异常，为分析、理解及重复数据提供了有用工具，对多学科的交流协作起到桥梁作用。在林业工作中三维可视化具备着良好的发展前景，它可以直观地呈现林业各类调查、设计成果，也可以分析林业数据支撑辅助决策。

2.4 数据的实时分析

更高性能的计算机运算能力、存储能力，更快的网络技术、通信技术、分布式集群的搭建，云计算、云存储、人工智能的发展，都为及时准确地处理大数据信息提供更多的技术支撑[8]。

2.5 数据应用

生态空间大数据体系的建立依托国家自然资源和地理空间基础信息库林业数据分中心，建设了基础环境、数据库管理系统、91个林业数据库、相关标准和管理办法等。建立国家卫星林业遥感数据应用平台，为森林资源监测、林地年度更新和湿地监测等提供了大量遥感数据产品。同时，生态共享大数据充分利用和整合已有信息资源，建立了数据覆盖范围大、数据内容类型多、数据来源渠道广、数据检索快捷的多功能的中国林业大数据开放共享平台。

3 结语

在数据技术不断飞速发展的今天，应用大数据技术与其他相关信息技术相结合，通过对海量数据的获取、整合和分析，挖掘隐藏的信息、总结经验、发现问题，在应对已经发生的灾难的过程中不断学习。在探索林业大数据发展的同时也会看到各个行业的大数据的应用，同样也会推进大数据技术的发展、完善与突破。包括在这次新冠疫情中建立的大数据收集与处理方式，通过健康码及时完成对疫情的筛查、把控，大数据技术将给信息社会带来巨大的变革与发展。