为甄别林火烟雾与大气云雾,提出了基于多种运动特征判据的视频烟雾图像检测算法。首先利用烟雾自身的光学动态特征———光流方向性、相关性、扩散性,分别对连续帧包含烟云的可疑区域进行图像特征标志判别;再经数据融合算法有效区分林火烟雾与大气云雾,克服了依靠单一图像特征检测烟雾的不足。结果表明,光流方向性、相关性、扩散性判别相结合的识别算法能提高森林火灾视频图像的有效识别率。

【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题，实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征，本研究提出了一种基于多头注意力机制的森林火灾烟雾图像检测方法。该方法首先在训练阶段采用数据增强方法，扩充训练数据的数量同时降低过拟合风险；然后设计特征提取模块与特征聚合模块，在特征提取模块中引入多头注意力机制并探讨引入的合适位置，使模型更多地关注火灾局部特征，解决烟雾图像少造成的信息缺失问题；在特征聚合模块中使用FPN-PAN模块对图像的深层与浅层语义信息进行特征融合；最后，设置检测头模块输出实验结果。利用测试准确率、召回率、误报率、检测率和F1值等评价指标在少样本公共数据集和自建火灾烟雾少样本数据集上测试本方法的有效性。【结果】在数据增强阶段同时增加马赛克数据增强和多尺度变换，可以得到更好的检测效果。在特征提取模块的第4个卷积模块后面添加1处多头注意力机制的模型性能最好。相较于现有的元学习长短时记忆网络、匹配网络和轻量级目标检测网络等方法，本方法有更好的检测效果，具体表现为准确率达到了98.79%，召回率98.28%，检测率97.33%，误报率仅为6.36%。【结论】与现有的火灾烟雾检测模型相比，本方法具有更好的判别能力和泛化能力。

利用随机森林算法,提出了一种基于随机森林特征选择的视频烟雾检测方法.首先,提取四种表征烟雾的特征:RGB颜色特征,小波变换高频子图,多尺度局部最大饱和度,多尺度暗通道;其次,根据烟雾图像信息模型利用无烟图片合成烟雾图片并分块得到随机森林训练样本;第三,训练随机森林进行特征选择并通过训练支持向量机得到识别烟雾块和非烟雾块的分类器,并由此得到视频图像帧的疑似烟雾区域;最后通过视频烟雾区域的凸形度和增长率分析,得到烟雾检测的结果。实验结果表明,该方法能够及时的预警烟雾同时降低火灾预警的误报率.

以森林火灾远程视频预警监控工程为依托,对森林火灾发生、发展的可见光视频图象进行研究,提出森林火灾识别算法,并进行处理。分析了基于视频的森林火灾火焰特征,指出火焰特征主要包括颜色变化、面积变化、边缘变化、形体变化、闪动规律和整体移动等。在此基础上,提出了视频图像中的森林火灾区域检测方法与森林火灾识别方法;根据图像区域分割匹配算法,以火焰颜色特征和面积变化为火灾判别依据,统计疑似火灾区域面积,定时地对其进行两两匹配,实现对森林火灾图像的实时检测和识别。经实际验证,该算法的查全率与查确率分别达到72.22%和92.86%。

探索了支持向量机(SVM)方法解决由脉冲耦合神经网络(PCNN)提取的林火烟雾图像特征后的计算机视觉模式识别问题。针对由于林火烟雾图像的纹理特征不突出,即便用特殊方法提取出来的特征向量也维数较高,对后续分类器性能提出较高要求并且分类效果存在很大的未知性等问题,通过实验,对3种人工神经网络分类器和支持向量机分类器的烟雾图像特征甄别效果进行了详细对比。结果表明:基于支持向量机的分类器在复杂的森林背景情况下对烟雾有很好的分辨能力,其识别准确率达到94.26%,并且在识别准确率和分类速度两方面都超过了作为对照的3种神经网络分类器。

从地理信息技术的角度,对森林火灾灾后评估的技术方法进行研究。通过对图元分割、面积量算和灾后损失计算方法等方面的研究,对图元分割、图元相交判断和图元比例计算等进行详细分析,求解火灾所涉及的小班数量与比例,并对林火损失的构成进行分析。通过林木过火面积和现行价格及有关的经营统计资料直接计算火灾损失并进行定量分析,提出森林火灾灾后经济损失的计算方法,形成了基于地理信息系统的森林火灾灾后评估技术方法。

【目的】森林火灾常常会对人类的财产和生态多样性造成巨大损害，传统的森林火灾检测技术存在可靠性低、造价过高等不足。目前基于卷积神经网络的深度学习算法在处理图像型数据上具有准确性高、成本低、速度快等优势，但是其处理视觉要素和物体之间关系的能力不如Transformer。因此，本研究提出一种改进Swin Transformer网络的方法应用于森林火灾检测。【方法】Transformer是一种基于自注意机制的深度神经网络，其强大的表现能力使得其能够在计算机视觉领域大放异彩。Swin Transformer提出将Transformer应用于计算机视觉任务,构建了一种名为Swin Transformer Blocks的骨干网络，并且提出了一种滑动窗口多头自注意力机制。本文结合Transformer与深度学习算法并应用于森林火灾检测领域，在Swin Transformer网络结构中对窗口自注意力机制进行改进，采用了knn自注意力提高对小块噪声的识别，使用Augmentation数据增强方法增加模型的泛化能力。【结果】数据集为自建的森林火灾图像数据集，通过旋转、裁剪、模糊以及色彩调节等数据增广的方法将300张不同环境下的森林火灾图像数据扩充到1 900张图像，最后对Swin Transformer以及改进后的模型进行对比实验，改进后的算法准确率可达98.1%,bbox＿mAP、bbox＿mAP＿50和bbox＿mAP＿75分别达到了66.7%、96.4%和81.3%。【结论】本文提出一种改进Swin Transformer应用于森林火灾检测的方法。研究结果表明，改进的Swin Transformer模型能够有效检测不同环境下的森林火灾。

运用分形理论,对1987-2010年福建省森林火灾受灾面积的时间序列进行分析,重构其嵌入相空间序列,计算关联维数和饱和嵌入维数,得出模拟相应动力系统所需独立变量的控制参数为9个.该方法能够客观、合理地反映森林火灾系统的分形特征,能为建立森林火灾受灾面积时间序列的预报模型提供基础信息.

【目的】森林火灾识别是避免森林火灾大面积蔓延的一项重要研究。随着深度学习的快速发展，基于卷积神经网络的模型因其在图像识别领域的优异表现，被广泛应用到森林火灾识别任务当中。然而，基于卷积神经网络的方法通常在标签数据不充分时，难以取得令人满意的森林火灾识别结果。【方法】本研究提出了一种基于视觉变换网络的自监督森林火灾识别模型（Self supervised forest fire identification model based on visual transformation network），来提高模型在标签稀缺情况下的森林火灾识别精度。具体来说，该模型采用视觉变换网络作为主干网络，通过视觉变换网络中的多头自注意力机制来捕获森林火灾图像的全局信息特征。并且引入自监督学习中的图像重建任务来辅助模型训练，从而减少模型对标签数据的依赖。模型通过对掩盖图像的特征恢复和重建学习相关语义信息。同时，本研究还提出了一种基于傅里叶低频混合变换的数据增强方法来提高模型的泛化性和鲁棒性。【结果】通过开展详细的实验来验证模型的有效性，结果表明，与其他常见的网络模型相比，FFDM模型在森林火灾识别任务中取得了最佳的识别效果，其识别准确率为89.51%，比VGG16网络高13.7%，比ResNet50网络高8.2%，比InceptionV3网络高7.2%。【结论】通过自监督学习辅助模型训练的方法，FFDM模型即使在标签稀缺下依然可以取得不错的森林火灾识别效果。

森林火灾保险是国内新设的保险种类,保险费率的确定是一个值得研究的问题。本文通过对福建省某地区火灾资料的分析,得出了年火灾发生次数和每次受灾面积的概率分布模型,应用计算机仿真技术(Monte-carlo方法)模拟了一定时期内年火灾次数和面积,并根据保险费率计算的有关理论和依据,确定了森林火灾保险费率的合理取值。

【目的】根据吉林省1969―2013年森林火灾资料,分析吉林省森林火灾火源的特点,为火源管理和森林防火工作提供参考。【方法】以吉林省森林火灾资料数据为基础,利用Microsoft Office Excel绘制图表分析森林火灾火源的年际变化,确定目前吉林省森林火灾的主要火源;利用单因素方差分析方法分析主要火源之间的显著差异关系,根据多重比较结果和均值图得出各火源对森林的危害程度。【结果】吉林省1969―2013年已查明火源的森林火灾为5 216起,占总森林火灾次数的75.35%;过火总面积合计达103 162.70 hm~2,占总过火面积的63.63%;受害森林面积合计达51 316.88 hm~2,占总受害森林面积的55.15%。吉林省共有森林火灾火源23种,目前主要火源为烧荒烧灰、故意放火、祭祀用火、外国烧入、野外取暖做饭、野外吸烟。烧荒烧灰、外国烧入和野外吸烟一直是吉林省森林火灾的主要火源,3种火源引起的森林火灾次数、受害森林面积和过火总面积分别占总的64.63%、71.90%和67.33%;故意放火、祭祀用火、野外取暖做饭有明显"抬头"趋势。以烧荒烧灰发生次数最多,并主要集中在1969—1985年,由烧荒烧灰引起的森林火灾占总次数的41.78%,对森林的危害最大,占总受害森林面积的54.17%。野外吸烟引起的森林火灾极为频繁,在1969—2013年呈连续状态,每年都有发生,占总次数的22.03%,对森林危害也较大,占总受害森林面积的15.51%。由外国烧入引起的森林火灾1974―2013年共发生43起,仅占总次数的0.82%,但对森林的危害极大,占总受害森林面积的2.22%。祭祀用火引起的森林火灾在1970―1989年发生较为频繁,1990年开始逐渐减少,但从2002年开始有"抬头"趋势,并主要发生在4月清明节前后,占总次数的9.51%。吉林省6种主要火源每次危害程度大小依次为外国烧入、野外取暖做饭、烧荒烧灰、野外吸烟、祭祀用火、故意放火。特别是外国烧入火源如果控制不力,很有可能发展为重特大森林火灾。【结论】吉林省森林火灾的主要火源现为烧荒烧灰、故意放火、祭祀用火、外国烧入、野外取暖做饭、野外吸烟,应加强防控。

利用里克特量表试图评估公众、消防战士和受森林火灾影响的村民等3个人群对森林火灾的看法。3组所有受访者一致认为,森林火灾会造成空气污染、土壤侵蚀、温室效应和浓雾,间接导致哮喘、呼吸系统感染、皮肤感染等疾病。受森林火灾危害的村民支持森林防火灭火,认为森林火灾是大问题。然而,市民和消防战士不同意这种看法,研究结果将帮助有关当局制订防火决策和教育活动。

根据手电筒光束照射障碍物形成光圈的过程和摄像机的参数建立摄像机视域的数学模型,利用Janus算法,对视域中心点坐标进行求解;利用圆的正多边形逼近算法,对过视域中心点且垂直于中心视线的平面的边界点坐标进行求解;再次利用Janus算法,提取摄像机视域在数字高程模型上的对应边界点;最后,以浙江省临安市三桥乡的数字高程模型数据为基础,编程实现此算法,并旋转摄像机进行同步跟踪试验。结果表明:该算法能够实现摄像机视域与数字高程模型的同步跟踪显示,从而实现了视频监控技术与地理信息系统技术的信息联动。

森林火灾是林火失去人为控制,在森林内自然蔓延和扩展,对生态系统和人类带来一定危害和损失的森林起火。森林火灾属世界性、跨国性的重大自然灾害,进入20世纪80—90年代以来,全球气候变暖导致森林火灾有上升的趋势,虽然各国的森林防火费用不断增加,但森林火灾发生的面积并未相

【目的】开展森林火灾时空特征和风险分析,有利于把握森林火灾发生规律,为预测和防治森林火灾、制定差异化森林火灾财政补贴和保险政策提供科学依据。【方法】根据年鉴数据,借助主成分分析、聚类分析和信息扩散理论,对我国1950—2010年森林火灾的时空分布特征和风险状况进行研究,全面分析森林火灾发生的时空特征,结合灾情指标对全国各省进行评价并分类,并定量分析风险水平。【结果】1)1950—2010年间,年均发生火灾12 683次,年均火场面积67.48万hm2,年均火灾次数和火场面积均呈下降趋势;1988—2010年间年均成灾面积7.95万hm2,总体表现为上升趋势;1988—2010年间年均成林蓄积损...