无人机视角下的林木爆燃火特性研究

森林火灾“爆燃”现象的特征是突然发生的高强度、高蔓延速度的燃烧。目前为止，关于“爆燃火”的原因还没有达成共识。以无人机视角下对林木爆燃火特性研究，以四川木里特大森林火灾为研究对象，通过分析凉山州某森林扑火部队3月31日木里森林火灾当天KWT（科卫泰）无人机航拍火场画面，结合无人机实时影像及实地调研数据，分析了峡谷地形林火蔓延时空特征，探讨了峡谷中风向风速变化时空分布规律，研究了地形变化条件下，不同海拔高度风速特征，建立了无人机倾角测量风速模型（其中为风速m·s-1，为无人机倾角°）。结果表明，高山峻岭特殊地形环境下每天4:00—12:00时间段为静风期，为峡谷林火扑救最佳时期；午后15:00—17:00和晚上20:00—22:00为山谷地形风速活跃期；仿真软件数据显示山顶、谷底与山腰不同海拔位置的风速风向不统一，谷底会产生乱流现象，且风速与海拔不存在正相关关系，小气候在复杂地形中占主导影响地位；在谷口至山谷深处的中间位置会出现气流速度的波峰状态，并易形成乱流，为爆燃火发生提供了客观必要条件。该研究可为复杂地形环境下，森林草原火灾扑救安全提供数据和技术支撑。     

基于红外热成像的林地余火死灰复燃点诊断方法研究（英文）

林地余火阴燃特性具有隐蔽性强、持续时间长、目测难度大、且具有死灰复燃等特点,从而一直困扰森林火灾的彻底扑灭。为了及时、高效地发现林地余火阴燃点,探索林地余火死灰复燃的特征及规律,在南京森林警察学院点烧基地里进行测试实验,以无人机搭载热红外成像系统、气象采集系统等为工具,把火源点设置在杨树林内,人为干预进行点烧、熄灭、复燃等重复实验,实验包括白天和夜晚两个时间段,用安装于无人机上的红外热成像仪对火源进行观测。实验表明:林地余火死灰复燃的温度在500~600℃,离散程度较大;林地余火死灰复燃在白天的时间普遍短于夜晚时间,表明外界温度越高,越会促进林地余火死灰复燃的速率;在森林中,不同地点、不同时间段的森林背景温度标准差比较稳定,主要处于1~9之间;林地余火红外图像的温度数据的标准差值分布在30~85之间;红外图像的温度数据的标准差值分布在55~85之间,则可定为死灰复燃可疑阶段。该方法量化了死灰复燃的火环境及温度参数阈值,明确林地余火阴燃点引燃特征值。该研究成果将推动森林防火技术的发展,为安全扑火提供重要的方法和资料。     

基于多光谱数据的永定河流域植被生物量反演

用传统研究植被生物量实测的方法不仅耗时费力,而且由于影响因子不易确定会导致预估精度不高。选择永定河流域河北——北京段为研究区域,以该地区2009年7月20日的TM影像数据为数据源,结合当地分辨率为30米的数字高程模型(digital elevation model,DEM)数据和其他相关辅助解译资料,并借助全站仪等高精度测量仪器进行外业调查,归纳出永定河地区遥感因子与植被生物量可能存在的函数关系,通过多元线性回归分析遥感影像因子并建立反演模型,最后将反演模型进行精度分析。通过将实测值和预测值分析对比,得出反演模型总体相对误差为-0.025%,平均相对误差为-0.016%,总体预估精度高达84.56%。模型的建立可对大范围流域生态环境因子进行及时、快速、准确地调查,为永定河生态环境问题诊断提供实验数据。     

基于MODIS数据的森林火险时空分异规律研究

森林火灾严重危害生态环境,引起了全球的高度重视。将从MODIS(MODerate-resolution imaging spectroradiometer)中提取的活动火点与历史火烧痕迹进行比较研究,发现MOD14A1(火掩膜数据产品a daily Level 3 1-km fire hot spot product)中提取的8+9波段适合消防监测,与现场勘察数据相比较吻合度高达0.83。使用MOD14A1中8+9波段结合相关数据对这个区域的长达11年(2000—2010年)的森林火灾发生的时间和空间分析,结果表明：火灾发生频率最多的是春季,秋季次之,夏天概率最低,除非干旱。通过对研究区域黑龙江省分析,针叶林和温带针阔混交林过火面积所占比例分别为53.68%,44%,草原区过火面积较小为2.32%。大兴安岭是主要的燃烧区域,面积达到64.74%,小兴安岭约为23.49%,而其他区域面积不超过5%。且火灾发生的较大部分森林有个平缓的斜坡(≤5°),大部分处于中海拔(200 m≤H≤500 m)。因此,通过卫星遥感对森林火区区域的时间序列分析,阐明火灾活动规律和气候、地形、植被类型的相互关系,有助于预测火灾区域危险性等级。     

平行射流大涡模拟及SGS模型的比较

高精度算法和亚网格尺度(SGS)模型是大涡模拟的关键,对声源流场和气动声场的准确预测有着重要的影响。本文采用前人具有部分DNS数据的平板射流为考核算例,使用具有4阶空间精度和3阶时间精度的高精度算法,系统地比较Smagorinsky模型(SM)、选择多尺度模型(SMSM)、以及前人采用动态Smagorinsky模型(DSM)的计算结果。对射流速度、剪切层、湍流脉动以及涡结构的多尺度特性的结果分析表明,Smagorinsky模型的黏性耗散过大,而选择多尺度模型则能揭示转捩过程中的黏性变化,其结果比DSM更接近DNS的数据。同时,SMSM是局部模型,在大规模分布式内存的并行计算方面易于编程,具有良好的应用前景。     

人工神经网络结合多光谱遥感数据用于立地质量评价

多光谱遥感数据蕴含着大量的地表立地信息,而传统立地质量评价体系主要使用了人工地面调查数据。为了建立一套有效的立地质量评价体系,以内蒙古赤峰市旺业甸林场为研究对象,基于研究区域的多光谱遥感数据结合地面小班调查数据,采用一种改进的反向传播人工神经网络(back Propagation artificial neural network,BPANN)模型,以落叶松为例,建立了遥感光谱因子结合立地因子与地位指数关系的神经网络模型,对研究区域的小班进行立地质量评价研究。通过训练数据集的敏感度分析剔除弱相关或不相关的因子,简化了神经网络的规模,提高了网络的训练效率,得到了最优的地位指数预测模型,模型的预测精度达到95.36%,与使用传统小班调查数据建立的神经网络模型的预测结果进行了比较,精度提高了9.83%,说明使用多光谱遥感数据+小班调查数据确定的落叶松地位指数预测模型具有最高的预测精度。多光谱遥感数据十分适用于森林立地质量评价,改进BP神经网络具有理想的预测精度,充分证实了该方法的有效性和优越性。