基于多數據融合的山林防火系統

暢 柯 房 亮

（延安大學物理與電子信息學院，陜西延安 716000）

隨著全球氣候變暖的不斷加劇，各種極端氣象頻繁發生，全球大范圍山林火災發生的概率不斷提高，特別在干旱少雨的季節，山林防火的任務更為繁重[1]。經調查，現階段我國大部分地區山區防火采用人工巡邏與衛星圖像相結合的方式：人工巡邏往往巡查路徑單一，并且搜查面積較小；衛星圖像因為樹冠的遮擋和氣象條件限制，往往是出現重大災情時才能發現。因此，現有的山區防火方式往往不能及時發現災情。

由于受護林人員監管不良、交通不便、氣候干燥等因素影響，國內山區森林發生火災后破壞性極大、救助異常困難、救火所損耗人力物力巨大。針對這種情況，本文建立了一套基于多數據融合的山林防火系統。本系統通過分模塊化的溫濕度傳感器、CO濃度傳感器、煙霧傳感器和土地墑情傳感器統一采集數據[2-3]，采用無線遠程傳輸技術進行數據監測與統計，實現了基于多數據融合的山林火災監控[4]。根據國家山林保護與監測現狀，在山林火災發生時可及時掌握火災情況，能準確把握森林著火點，防止火災造成不可挽救的損失；及時對森林火災進行災后營救和重建工作，高效開展預防和應急處理，盡可能減少山林著火后造成的山林資源破壞、山林架構異常、經濟損耗等問題。

1 系統總體方案的設計

山林防火系統由傳感器數據采集模塊、數據傳輸模塊、多數據融合模塊和報警模塊等4個部分組成。為了保證山林情況檢測的全面性，采取了林間定點、定位放置的方式對環境進行實時檢測。由所設置的各種傳感器進行數據采集，然后由無線模塊將采集的數據定時傳輸并發送至公共端，再進行多數據融合處理，產生決策輸出傳至定點火情系統，再由火情系統將監測情況發送至報警系統，從而對山林情況進行全方位監測。山林防火系統的整體框架如圖1所示。

2 系統設計

2.1 數據采集模塊

數據采集模塊主要通過各類傳感器模塊采集外部環境參數并將其進行整合發送，由溫濕度傳感器、CO濃度傳感器、煙霧傳感器、土地墑情傳感器以及電源等組成，主控芯片為STM32F407。溫濕度傳感器采用DHT11傳感器，將采集的數據經過自帶的A/D模塊轉換后將信號通過DATA數據口傳輸給單片機。CO濃度采集模塊采用MQ-7傳感器，通過DOUT端口與單片機端口相連，監測CO濃度。煙霧檢測模塊采用MQ-2傳感器監測空氣中山林燃燒后產生的有害氣體濃度，通過自身的DOUT輸出數據口與單片機相連接。土壤墑情采集模塊采用LM393比較器連接土壤濕度監測探頭，再由比較器的基極U3、U4向單片機進行數據傳輸，完成土壤墑情監測。通過系統程序的設計，由單片機進行數據的接收、預處理，最終完成對山林環境系統的多數據采集，并儲存在單片機中。

2.2 數據收發模塊

數據收發模塊用單片機控制，通過LoRa SX1278無線模塊來讀取單片機中采集的所有數據信息，并將其及時傳輸至管理公共端。單片機將讀取數據的請求發送至LoRa無線模塊的RXD端口，請求成功后由LoRa無線模塊進行數據讀取，再通過TXD端口將數據輸出傳輸至公共端。

2.3 多數據融合模塊的設計

火災的發生存在含糊性、不精確性和復雜性。模糊控制利用已有的經驗來建立隸屬函數、模糊集和模糊推理規則，但用戶無法直接得到最佳的規則和隸屬度函數。BP神經網絡可以在大量的數據中尋找特定的模式來辨別因果關系，從而生成模糊邏輯規則。因此，在本系統中采用模糊控制和BP神經網絡這2種具有互補性的技術。

2.3.1 信息的預處理。由數據采集模塊采集到的傳感器信號，將其進行A/D轉換。由于本系統采集的數據如溫度、濕度、土壤墑情值在不同時間段或者特殊氣象情況下容易產生較大波動，很難采用統一標準去衡量預測采集點的真實情況。本系統采用在同一時間點用n組采集系統采集的n組數據進行方差[5]計算，以判斷采集點的火情。

計算任意采集點j的各個參數的方差值：

2.3.2 BP神經網絡。將預處理后的方差數據傳入事先調試好的BP神經網絡，得到數據對應的明火概率、陰燃火概率和無火概率。選用非線性識別3層BP神經網絡結構，其分為輸入層、隱蔽層和輸出層。輸入層有個5節點，分別為溫度信號、濕度信號、土地墑情信號、CO濃度信號和煙霧濃度信號各自的方差值。輸出層有3個節點，分別為明火概率、陰燃火概率和無火概率。BP神經網絡選用一些典型的數據作為訓練值[6-7]，對樣本值進行重復訓練，直至達到數據處理的精度要求[8]。

2.3.3 模糊控制。以BP神經網絡處理得到的數據作為輸入數據，經過模糊控制的處理，得到更為精確的火災發生概率。模糊控制的具體流程為模糊化、模糊邏輯推理、去模糊化、決策化輸出，經過這4個步驟可以得到任意監測點的災情概率[9]。

2.4 定位火情判斷

本系統所采集的數據在任意采集點并非相互獨立、毫無關系，相鄰區域任一點數據產生變化，其他鄰近模塊的數據也會出現波動的情況。因此，在檢測到出現災情點時，將相鄰區域的8個采集點調集進行二次采集。將二次采集的數據再次進行多數據融合分析。

若相鄰8個采集點中有3個及以上采集點均出現火情預警，在出現預警的所有點中，概率最高的點可能為火情中心且極大可能已經發生災情蔓延，則將該采集點的坐標發送至報警模塊。

若相鄰的8個采集點中有1～2個在持續監測時發出災情概率較低的警戒，可能該區域有某種環境因素產生異常情況。應持續關注該區域的傳感器數據，并采取相應措施預防災情。

若只有該監測點1個采集點有災情預警，鄰近點顯示無異常，則應對該點進行持續監測。若后續檢測正常，則為誤報；若一直都僅為該點顯示異常，即表明該點數據采集模塊出現了故障，需要進行檢修記錄報備。

2.5 報警模塊

報警模塊接收定位火情判斷模塊的火情判斷信息：若判斷為有災情發生，報警模塊接收該定點坐標，向該設備的管理人員撥打電話并報警；若為區域內某一數據異常，則通知管理人員進行探查并分析異常原因；若為誤報，則只記錄不警報；若數據采集點出現錯報，則及時聯系管理人員進行模塊檢修。

3 系統性能測試

3.1 數據模擬結果

神經網絡的訓練樣本集根據我國國家標準匯編與各種核心期刊文章研究結果的數據整合，選取了50組典型數據進行神經網絡的學習訓練，包括25組明火數據、15組陰燃火數據和10組無火情數據。采用MATLAB進行網絡訓練和測試[10-11]，BP神經網絡的模擬測試結果見表1。再使用MATLAB模糊邏輯工具進行結果數據的仿真，產生模糊規則，仿真結果見表2。

3.2 實地模擬結果

為了驗證系統的性能，本系統選擇在磚窯灣鎮山王河村老馬山牧場進行性能測試。測試一共放置了10個采集模塊，對周圍500 m2的山林形成全方位的監測網絡，采集定點環境數據以及山腳農戶處檢測到的山林環境參數。因為缺少高精度校準設備，不能對系統采集的數據進行誤差率的計算。測試時間為12月下旬，當天山林氣溫為-7℃，濕度為30%。先測試正常山林情況的數據，得到5個模塊所在山林的溫度、濕度、土壤墑值、CO濃度以及煙霧濃度的數據情況，數據融合后決策輸出＜0.25，報警系統顯示無火情。將10個采集模塊以6 m為間距放置在一個區域。在居中的采集模塊旁邊用鐵盆燃燒木材進行火災模擬，系統能將10組數據及時傳輸到公共端進行數據融合處理并分析出各個點的災情概率，通過定位火情判斷，報警模塊可報出居中模塊的坐標。室外的山地實地測試結果表明，本系統可有效采集林間的環境參數，在發生火災時能及時傳遞異常情況和進行林間災情定位，從而更好地輔助火災援救。

表1 BP神經網絡的模擬結果

表2 長持續時間的決策仿真結果

4 結語

本文針對干旱少雨的陜北地區山林防火任務繁重的現實需求，運用特征數據識別、傳感器應用、單片機控制、低功耗設計、林間無線傳輸通信、多數據融合處理以及林間無線定位等技術，研究了一種能夠可靠識別火情數據的山林火災監測系統的設計方案。該山林防火系統能夠有效減少山林火災發生造成的重大損失，可以對陜北地區的植被進行實時監測保護，為踐行“綠水青山就是金山銀山”的理念提供保障。