基于ARM的森林火險預警系統模型研究

于繼武

1.武漢軟件工程職業學院；2.武漢市廣播電視大學，武漢 430205

基于ARM的森林火險預警系統模型研究

于繼武1，2

1.武漢軟件工程職業學院；2.武漢市廣播電視大學，武漢 430205

為提高森林火險預警的準確性和智能化程度，建立了線性回歸預警模型。采用最新ARM技術和傳感器進行數據采集處理，提取并分析五類火險影響因子對火災的貢獻值，根據模型得出了火險等級。系統仿真結果表明，預警模型擬合效果非常接近實際火險情況。該模型適應于各類森林的火險預警，具有實際應用價值。

火險預警模型；數據采集；影響因子；ARM Abstract

This paper establishes a linear regression pre-warning model to improve the accuracy and intellectualized degree of forest fire warning.The five fire influence factors are sampled and analyses, and according to the contribution of the fire to calculate the fire danger level.The results indicate that, the filter value of pre-warning model is very close to the truth and has practical application value.

fire pre-warning model; data sampling; influence factors; ARM

目前，國內外氣象局對森林火災預測使用的森林火險預報方法很多，其中常見有[1]。（1）估測法（經驗法），僅憑經驗預測未來空氣的干濕情況，來判斷森林火險程度，缺乏可靠性和及時性。（2）實效濕度法，根據實效濕度來判斷森林火險的情況，考慮的火災因素單一，可靠性差。（3）綜合指標法，根據空氣中水汽飽和差，氣溫和降雨的綜合影響來判斷，沒有考慮到森林本身的特點如樹齡，并且也沒有考慮到風速和風向對火災蔓延的影響。此外，像多因子法、“801”森林火險天氣預報系統、雙指標法等考慮火險因素不全面，如樹齡等，不能做到因地制宜，預警效果較差。

為彌補這些不足，本文采用最新的ARM技術，考慮各種火險影響因素，建立了更完善、成熟的預警模型，在此基礎上開發了相應的預警系統。

1 森林火險預警系統組成

1.1 火險預警系統的組成

集散式數據采集處理系統[2][3]使用數據信號傳輸代替模擬信號傳輸，有利于克服常模干擾和共模干擾，因此這種系統特別適合于在惡劣環境下工作，本系統采用集散式數據采集處理系統，由數據采集平臺、數據處理平臺及無線傳輸部分組成。系統組成如圖1所示。

圖1 森林火險預警系統組成框圖

1.2 數據采集、處理模塊[4][5]

利用傳感器連續測量溫度、濕度、氣壓、連續未下雨天數、風向、風速等氣象影響因子的值，將外界實時的氣象要素轉變為數據采集平臺可以直接測量的數字信號。同時該系統通過定時／計數器根據不同的氣象要素觀測要求，控制其采樣間隔時間，對采集到的信號進行線性化和定標處理。傳感器處理電路用數字濾波、非線性校正、標度變換等必要的運算處理數據，從而使采集的數據盡可能反映真實值。

把采集的氣象影響因子的值傳送到ARM處理器進行A/D轉換和采樣/保持，并根據和數據處理模塊制定的通信協議，把處理過的數字信號通過無線網絡傳輸到數據處理模塊。雙方通信協議格式為：0xaa（起始位）+數據長度（0x0c）+數據（采集的5個氣象影響因子，每個影響因子2個字節）+校驗位（2個字節）+0xff（結束位）。

數據處理模塊是本系統的核心，其性能關乎全局。根據和數據采集模塊的通信協議，數據采集模塊提取協議中的5個氣象影響因子，根據本文建立的模型對采集的數據進行處理，得到相應的火災等級。

2 火險預警系統建模

林火預報涉及的影響因子繁多[1]，其中有些是穩定因子（即不變因子），如氣候區、地形地勢、森林特征等；有些是半穩定因子，如火源、能見度、可燃物特征等；有些是變化因子，如可燃物含水率和氣象因素（風、溫度、濕度、降水、連續未下雨天數和雷電活動等）。在預測預報研究中，影響因子的選擇對于精確、簡便的進行林火預測預報具有決定性作用。目前在林火預報研究中常采用的主導因子是可燃物的含水量、降水量或干旱日數、相對濕度、溫度和風5個因素。

預警模塊采集的氣象因素盡量全面以求模型的完善，雖然氣壓和風向與森林火災是否發生沒有必然的聯系，但對森林火災的救援具有十分重要的意義，故視作本系統的影響因子之一。森林樹木的種類和樹齡的不同其實際的預警線也有所不同，在本系統的預警線的計算中加入樹齡影響因子，應用到實際時可以根據具體的森林樹種再來調整火災預警線。

為了盡量使模型更精確及時，又能夠避免模型建立操作的復雜化，需全面的考慮所有與林火發生有關的因素：溫度、相對濕度、風速、連續未降雨天數、樹齡。然后根據收集到的火災數據以及全國森林火險天氣指標值，利用eviews軟件建立了一個多元線性回歸方程，采用最小二乘法進行線性回歸，通過使實測值與模型的擬合值的均方差最小來求得模型參數，既可以使得最終的結果簡單方便，又同時確保了系統的可靠性。eviews軟件輸出結果如圖2所示。

圖2 數據分析圖

根據圖2的分析結果，求得系統模型如下：

公式1中：Y—森林火險天氣指標值；T—溫度因子（℃）；H—相對濕度因子（%）；V—風速因子（m/s）；R—連續未降雨的天數（天）；X—樹齡因子（年）。

根據模型中統計量的相關檢驗所得：

（2）根據圖2的t-statistic，確定方程的常數以及各個因變量t檢驗數分別為(16.85127) (4.750305) (-19.62163) (7.238605)（24.23478）(-10.47861)，根據統計學檢驗可知，當t的絕對值大于臨界值時，表明因變量對自變量有顯著的影響。因此溫度，相對濕度，風速，連續未降雨天數，樹齡這五個影響因素對森林火險天氣指標值有顯著的影響。

將所得的森林火險天氣指標值 與全國森林火險等級標準查對表相對應，可以得到火險等級，如表1所示。

表1 全國森林火險等級標準查對表

在本模型中，當等級大于等于三時，系統進行預警報告。

3 火險預警模型仿真

本模型仿真數據采用廣西壯族自治區武鳴縣森林火災數據，數據包括當天的溫度（T），相對濕度（H），風速（V），連續為降雨天數（R），林齡（X）和火險天氣指標值（Y），具體如表2所示。

將上述仿真數據代入模型，所得的擬合的圖像如圖3所示。

表2 預警模型仿真數據

圖3 預警模型結果擬合圖

紅線為Actual Values（實際值）、綠色線Fitted Values(擬合值)、藍色的線Residuals(殘差)。

由圖3中Actual Values（實際值）與綠色的線Fitted Values(擬合值)的擬合效果，以及樣本可決系數 和修正的樣本可決系數 均無限接近于1，可證明根據模型計算的數據和原始數據擬合效果較一般模型（如系統模型評估中的各個森林火險預警模型）更為優秀。

4 結語

通過對溫度、相對濕度、風速、連續未降雨天數、樹齡等森林火險影響因子進行分析，采用最小二乘法進行線性回歸，建立了一個多元線性回歸模型，根據統計量的相關檢驗得到的可決系數無限趨近于1；并根據部分實際森林火災數據對模型進行仿真，得到的擬合值與實際值相比較，顯示擬合效果好。可以預見該模型為全國的森林火險預警提供了一條全新可靠的預警途徑。

[1]鄭懷兵.張南群森林防火[M].中國林業出版社,2006

[2]衛克晶,唐慧強.基于MSC1210氣象數據采集系統的研制[M].南京信息工程大學, 2007

[3]陳渝,韓超，李明.嵌入式系統原理及應用開發[M].機械工業出版社,2008

[4]張騰達,張良祖.基于ARM9的S3C2410X異步串行通信設計[M].EIC,2004

[5]徐凡,袁杰.基于視頻的嵌入式森林火災預警系統[M].南京大學電子科學與工程系,2008

The Research of Forest Fire Warning Model Based On ARM Yu Jiwu

10.3969/j.issn.1001-8972.2011.24.054