技术特征：
1.一种基于多源卫星遥感的森林火险等级精细化预测方法，其特征在于，包括以下步骤：s1、获取研究区域内的研究资料，研究资料包括近十年区域自动气象站资料、历史火灾资料、地理信息、森林分布数据和社会经济资料；s2、基于研究区域最新的土地利用分类结果，进行森林分布数字矢量化提取；s3、根据当地情况，选取森林火险预测的稳定因子和不稳定因子；s4、基于森林火险气象风险模型，引入森林可燃物含水率预报因子、地物类别因子，建立森林火险等级预测综合模型；s5、采用历史火灾数据，对建立的森林火险等级预测综合模型进行训练，获取最优的模型参数，构建最优的森林火险等级预测综合模型，再通过最优的森林火险等级预测综合模型进行森林火险等级精细化预测。2.如权利要求1所述的一种基于多源卫星遥感的森林火险等级精细化预测方法，其特征在于，步骤s1中所述近十年区域自动气象站资料包括年月平均气温、年月平均降水量、年月平均相对湿度；所述历史火灾资料包括起火原因、起火经过、火烧面积和当时的气象数据；所述地理信息包括dem高程数据、道路数据、水源数据、交通数据；所述森林分布数据包括森林分布矢量图、森林类别分类图、森林含水率反演数据；所述社会经济资料包括gdp和人口数据。3.如权利要求1所述的一种基于多源卫星遥感的森林火险等级精细化预测方法，其特征在于，步骤s2的具体过程为：s21、基于研究区域，根据天气情况，获取最新的卫星遥感影像图；s22、选取各类地物样本，地物样本包括耕地、森林、草地、灌木地、湿地、水体、人造地表；s23、根据监督分类算法，进行分类提取，获取各类地物分类结果图；s24、根据各类地物分类结果图，利用gis技术将森林分布图，采取分类插值的方法提取到全市森林分布数字化矢量图中，并进行森林分布插值计算，得到网格图形计算值。4.如权利要求1所述的一种基于多源卫星遥感的森林火险等级精细化预测方法，其特征在于：步骤s3中所述稳定因子包括气候、地形地势、季节；所述不稳定因子包括火源、可燃物特征、可燃物含水率、风、温度、湿度、降水、连续干旱和雷电活动。5.如权利要求1所述的一种基于多源卫星遥感的森林火险等级精细化预测方法，其特征在于，步骤s4的具体过程为：基于森林火险气象风险模型，完善森林火险指数公式，森林火险等级预测综合模型iffcdi具体如下：iffcdi＝u
×
cr
×
cs
×
ca
×
cb
×
cc
×
k其中，u＝f(v)+f(t)+f(rrh)+f(m)，f(v)为14时风速，f(t)为14时气温，f(rrh)为14时相对湿度，f(m)为综合气象干旱等级为无旱、轻旱及以上时的连续无降水天数，cr为森林植被含水率，cs为积雪修正系数，ca为地物类别修正系数，cb为道路距离修正系数，cc为居民点距离修正系数，k为森林火险气象等级阈值修正系数，k的取值范围为0-1。6.如权利要求1所述的一种基于多源卫星遥感的森林火险等级精细化预测方法，其特征在于，步骤s5中最优的森林火险等级预测综合模型进行森林火险等级精细化预测的具体过程为：
s51、根据森林火险区划评价指标体系，基于获取的每日预测因子数据，利用层次分析法赋予各个要素不同的权重系数，将其输入到最优的森林火险等级预测综合模型，获取其每日的预测结果；s52、根据每日的预测结果，采用arcgis空间叠置分析方法，提取100m
×
100m网格的经度、纬度、海拔高度和乡镇、区、市边界行政点及森林分布的矢量数据，推算出每个因子在100m
×
100m网格上的值，并生成高精度、高空间分辨率的林火发生的影响因子网格要素分布图，得到各影响因子随经度、纬度和高度变化的地带性特征；s53、最后生成研究区内精细化森林火险气象等级区划，将火险气象等级划分为低风险区、次低风险区、中等风险区、次高风险区、高风险区。
技术总结
本发明公开了一种基于多源卫星遥感的森林火险等级精细化预测方法，包括以下步骤：S1、获取近十年区域自动气象站资料、历史火灾资料、地理信息、森林分布数据和社会经济资料；S2、基于研究区域最新的土地利用分类结果，进行森林分布数字矢量化提取；S3、根据当地情况，选取森林火险预测的稳定因子和不稳定因子；S4、基于森林火险气象风险模型，引入森林可燃物含水率预报因子、地物类别因子，建立森林火险等级预测综合模型；S5、采用历史火灾数据，对建立的森林火险等级预测综合模型进行训练，获取最优的模型参数，构建最优的森林火险等级预测综合模型，再通过最优的森林火险等级预测综合模型进行森林火险等级精细化预测。合模型进行森林火险等级精细化预测。合模型进行森林火险等级精细化预测。
技术研发人员：李雪涛 游琴
受保护的技术使用者：厦门天卫科技有限公司
技术研发日：2022.07.22
技术公布日：2022/10/4