森林火险预测方法、装置、电子设备及可读存储介质与流程

本发明涉及火险预测，尤其是涉及一种森林火险预测方法、装置、电子设备及可读存储介质。

背景技术：

1、森林火灾突发性强、破坏力大。目前的森林火险预测结果基本上都是基于气象数据预报数据为基础进行得出，这些数据在空间和时间分辨率、准确性和完整性方面可能存在差异，影响预测结果的准确性；另外，森林火险预测涉及多种复杂的自然过程和人为活动，现有的森林火险预测模型可能无法捕捉这些过程之间的相互作用和非线性关系，导致森林火险预测结果的不确定性；再者，现有的森林火险预测模型无法直观地表征各个区域的森林火险预测结果。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种森林火险预测方法、装置、电子设备及可读存储介质，可以显著提高森林火险预测的准确性，还可以直观地表征研究区的森林火险预测结果。

2、第一方面，本发明实施例提供了一种森林火险预测方法，包括：

3、获取研究区的森林火灾致险数据；其中，所述森林火灾致险数据包括气象预测数据和社会数据；

4、通过修正前后布隆-戴维斯模型，根据所述气象预测数据计算森林火险气象指数；

5、对所述社会数据进行无量纲处理以得到暴露度因子和危险性因子的归一化数据，并通过森林火险社会因子综合模型，根据所述暴露度因子和所述危险性因子的所述归一化数据计算森林火险社会指数；

6、对所述森林火险气象指数和所述森林火险社会指数建立森林火险模型，以得到所述研究区的森林火险指数，并根据所述森林火险指数通过构建不同地理位置的研究区森林火险等级对应的火险指数阈值，得到森林火险等级预报图。

7、在一种实施方式中，通过修正前后布隆-戴维斯模型，根据所述气象预测数据计算森林火险气象指数，包括：

8、从所述气象预测数据中提取温度数据、相对湿度数据、风速数据和降水量数据；

9、根据修正前布隆-戴维斯模型、所述温度数据、所述相对湿度数据、所述风速数据和所述降水量数据，确定所述研究区的修正前森林火险气象指数；其中，所述修正前布隆-戴维斯模型用于描述温度数据与修正前温度函数值、相对湿度数据与修正前湿度函数值、风速数据与修正前风速函数值、降水量数据与修正前降水量函数值之间的布隆-戴维斯模型，所述修正前森林火险气象指数为所述修正前温度函数值、所述修正前湿度函数值、所述修正前风速函数值和所述修正前降水量函数值的和值；

10、以及，根据修正后布隆-戴维斯模型、所述温度数据、所述相对湿度数据、所述风速数据和所述降水量数据，确定所述研究区的修正后森林火险气象指数；

11、通过森林火险气象指数函数，根据所述修正前森林火险气象指数和所述修正后森林火险气象指数，确定所述研究区的森林火险气象指数。

12、在一种实施方式中，通过森林火险气象指数函数，根据所述修正前森林火险气象指数和所述修正后森林火险气象指数，确定所述研究区的森林火险气象指数，包括：

13、通过森林火险气象指数函数中的权重系数对所述修正前森林火险气象指数和所述修正后森林火险气象指数进行加权求和；

14、将加权求和结果与所述森林火险气象指数函数中的地表状况修正系数、降水量修正系数的乘积，确定为所述研究区的森林火险气象指数；其中，在所述降水量数据为0时所述降水量修正系数取值为0，在所述降水量数据不为0时所述降水量修正系数取值为1。

15、在一种实施方式中，所述方法还包括：

16、所述方法还包括：

17、将修正前森林火险气象指数、修正后森林火险气象指数和历史森林火灾数据作为系数拟合模型的输入，将权重系数和地表状况修正系数作为所述系数拟合模型输出，对所述系数拟合模型进行训练；

18、通过训练后的系数拟合模型，确定所述森林火险气象指数函数内的权重系数和地表状况修正系数。

19、在一种实施方式中，对所述社会数据进行无量纲处理以得到暴露度因子和危险性因子的归一化数据，包括：

20、利用核密度分析算法，对所述社会数据中每项子数据进行空间化处理；其中，所述社会数据包括土地利用类型数据、植被指数数据、历史森林火灾数据、优势树种分布数据、违规野外用火数据、庙宇分布数据、墓葬地点分布数据、指定企业分布数据、旅游景区分布数据、坡度坡向数据、地上生物量数据、gdp数据；

21、对每项空间化处理后的所述子数据进行无量纲分析以得到区间为0~1范围的标准化的因子数据；

22、将所述土地利用类型数据、所述植被指数数据、所述历史森林火灾数据、所述优势树种分布数据、所述违规野外用火数据、所述庙宇分布数据、所述墓葬地点分布数据、所述指定企业分布数据、所述旅游景区分布数据、所述坡度坡向数据对应的因子数据，确定为危险性因子的归一化数据；

23、以及，将所述地上生物量数据和所述gdp数据对应的因子数据，确定为暴露度因子的归一化数据。

24、在一种实施方式中，根据所述暴露度因子和所述危险性因子的所述归一化数据计算森林火险社会指数，包括：

25、基于暴露度权重对所述暴露度因子的归一化数据进行加权求和得到暴露度因子空间分布数据；以及，基于危险性权重对所述危险性因子的归一化数据进行加权求和得到危险性因子空间分布数据；

26、通过森林火险社会因子综合模型，将所述暴露度因子空间分布数据和所述危险性因子空间分布数据的乘积的二次方根值，确定为所述研究区的森林火险社会指数。

27、在一种实施方式中，根据所述森林火险指数通过构建不同地理位置的研究区森林火险等级对应的火险指数阈值，得到森林火险等级预报图，包括：

28、将所述森林火险指数与每个研究区森林火险等级对应的火险指数阈值进行匹配，确定所述研究区所处的森林火险等级；其中，每个研究区森林火险等级对应的火险指数阈值是通过预先训练的指数区间划分模型确定得到的；

29、根据所述研究区所处的所述森林火险等级、所述森林火险气象指数、所述暴露度和所述危险性，构建所述研究区的森林火险等级预报图；其中，所述森林火险等级预报图包括等级预报子图、森林火险气象指数空间化子图、暴露度因子空间化子图和危险性因子空间化子图中的一种或多种。

30、第二方面，本发明实施例还提供一种森林火险预测装置，包括：

31、数据获取模块，用于获取研究区的森林火灾致险数据；其中，所述森林火灾致险数据包括气象预测数据和社会数据；

32、气象指数确定模块，用于通过修正前后布隆-戴维斯模型，根据所述气象预测数据计算森林火险气象指数；

33、社会指数确定模块，用于对所述社会数据进行无量纲处理以得到暴露度因子和危险性因子的归一化数据，并通过森林火险社会因子综合模型，根据所述暴露度因子和所述危险性因子的所述归一化数据计算森林火险社会指数；

34、预报图构建模块，用于对所述森林火险气象指数和所述森林火险社会指数建立森林火险模型，以得到所述研究区的森林火险指数，并根据所述森林火险指数通过构建不同地理位置的研究区森林火险等级对应的火险指数阈值，得到森林火险等级预报图。

35、第三方面，本发明实施例还提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现第一方面提供的任一项所述的方法。

36、第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现第一方面提供的任一项所述的方法。

37、本发明实施例提供的一种森林火险预测方法、装置、电子设备及可读存储介质，取研究区的森林火灾致险数据；通过修正前后布隆-戴维斯模型，根据气象预测数据计算森林火险气象指数；对社会数据进行无量纲处理以得到暴露度因子和危险性因子的归一化数据，并通过森林火险社会因子综合模型，根据归一化数据计算森林火险社会指数；对森林火险气象指数和森林火险社会指数建立森林火险模型，并计算得到研究区的森林火险指数，以根据森林火险指数通过构建不同地理位置的研究区森林火险等级对应的火险指数阈值，得到森林火险等级预报图。上述方法分别通过修正前后布隆-戴维斯模型根据气象预测数据确定森林火险气象指数，基于通过森林火险社会因子综合模型根据暴露度类数据和危险性类数据确定森林火险社会指数，从而对森林火险气象指数和森林火险社会指数进行加权求和，以得到相应的森林火险指数，相较于现有森林火险预测模型，本发明实施例通过引入影响森林火灾因素的社会因子，使预测得到的森林火险指数的准确性更高，另外本发明实施例基于森林火险指数构建研究区的森林火险等级预报图，通过森林火险等级预报图可以直观地表征研究区的森林火险预测结果。

38、本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

39、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。