1、地理信息世界GEOMATICS WORLD第29卷 第6期2022年12月Vol.29 No.6December，2022自然资源统一调查监测技术体系构建森林防火智慧监测体系构建的总体思路与主要任务引文格式：程子岳.森林防火智慧监测体系构建的总体思路与主要任务J.地理信息世界,2022,29(6):37-40.The General Idea and Main Task of Building Intelligent Monitoring System for Forest Fire Prevention程子岳国家林业和草原局 产业发展规划院，北京 100714作者简介：程子岳（1988），男
2、，山西太原人，工程师，硕士，主要从事林业规划设计工作E-mail：收稿日期：2022-08-02CHENG ZiyueIndustrial Development Planning Institute,National Forestry and Grassland Administration,Beijing 100714,China【摘要】本文对怎样充分利用现代化技术手段补充和完善森林防火监测预警体系，构建智慧化监测平台，促使我国森林防火监测迈向智慧化进行了探讨，提出了构建基于物联网的天-空-地一体化同步监测体系，建设森林防火监测与大数据中心，搭建智慧监测云平台的总体思路。结果表明，森林防火
3、监测云平台具备数据实时同步、火灾精准定位、数据快速响应、系统监控与报警等功能。【关键词】森林防火；智慧监测；云平台；物联网【中图分类号】P2；X1 【文献标识码】A 【文章编号】1672-1586（2022）06-0037-04Abstract：Wediscusshowtomakefulluseofmoderntechnologytosupplementandimprovetheforestfiremonitoringandearlywarningsystem，buildanintelligentmonitoringplatform,andpromoteChinasforestfiremoni
4、toringtowardswisdom.Thegeneralideaofbuildinganintegratedmonitoringsystemofsky-air-earthbasedonInternetofThings，buildingaforestfiremonitoringandbigdatacenter，andbuildingawisdommonitoringplatformisproposed.Theforestfiremonitoringcloudplatformhasthefunctionsofreal-timesynchronizationofdata，accurateposi
5、tioningoffire，rapidresponseofdata，perfectsystemmonitoringandalarm.Key words：forestfireprevention；intelligentmonitoring；cloudplatform；InternetofThings0 引 言近些年来，全球气候变化莫测，极端天气多发难测，林草资源持续增加，森林火灾隐患逐渐增大。根据国家应急管理部公布的数字，20102020 年，全国森林火灾共发生 39 040 起。总体上看，不同地区在地形、气候等自然条件上存在差异性，人类活动也不尽相同，因此森林火灾的发生次数存在较大的地域性差异
6、。从地区上看，森林火灾集中发生在我国中南部地区，其中，湖南、贵州、广西 3 个省（区）为森林火灾多发地区，森林火灾的发生总数在 3 500 次以上，四川、湖北、河南也超过了 2 500 次。据不完全统计，20102019 年，我国森林火灾火场总面积达到 48.5 万 ha，受害森林面积达到19.3 万 ha，严重制约了我国生态文明建设的发展脚步1（图 1）。图 1 20102020 年全国森林火灾统计Fig.1 Statistics of national forest fires，20102020森林火灾具有突发性强的特点，一旦疏于防范，造成的损失极大，是世界上危害最严重的自然灾害之一，发生
7、最频繁且处置起来也最困难。森林火灾的预警是防38地理信息世界GEOMATICS WORLD第29卷自然资源统一调查监测技术体系构建火监测体系的基础，是实现森林火灾早发现的关键环节。森林防火监测可以实现全天 24 h 的不间断监测，提供有关火灾发生的时间、地点、气候等一系列翔实数据，有助于提升森林防火信息化水平，为森林防火科学化决策分析提供重要依据。当前气象卫星、物联网、视频监控已被用于各种行业的监测工作中，在新技术层出不穷的新时代，如何充分利用现代化的技术手段，智能化地处理不同种类的数据，提高数据的准确性和火警发出的实效性，建立一套高度集成的一体化森林防火智慧监测体系，使我国森林防火监测的技术
8、水平走向智慧化阶段。1 现有森林防火监测体系面临挑战目前，我国大部分地区仍然以人工瞭望和建立可见光视频监控系统这种传统的监测方式为主，全国已累计建成森林防火瞭望塔 4 180 座、森林防火视频监控系统3 233 套、检查站 7 022 处。在卫星应用方面，初步建成4个卫星林火监测中心，分别位于北京、哈尔滨、昆明、乌鲁木齐，接收处理 EOS-MODIS、FY3、NOAA 等系列卫星的过境轨道数据。在航空护林防火应用方面，航空护林飞机巡航林地面积 1.68 亿 ha，森林航空消防覆盖率达到 54.1%（表 1）。以上初步形成了立体的监测网络，火情瞭望覆盖率达到 68.1%。随着新技术的发展和广泛的
9、应用，特别是5G 网络、低轨卫星技术日益成熟的背景下，现有森林防火监测体系无法完全满足新形势下森林防火监测的要求。通过梳理，当前我国森林防火监测体系面临着多个方面的挑战。表 1 现有森林防火监测项目统计表Tab.1 Statistics of existing forest fire prevention monitoring projects图 2 森林防火智慧监测体系构建层级图Fig.2 Hierarchy of intelligent monitoring system for forest fire prevention序号防火监测项目数量备注1森林防火瞭望塔4 180 座2森林防火视
10、频监控系统3 233 套3检查站7 022 处4卫星林火监测中心4 个北京、哈尔滨、昆明、乌鲁木齐5航空护林1.68 亿 ha飞机巡航林地面积1.1 现有卫星监测系统应用率不高考虑到当前视频技术的成熟性，各类监测信息数据仍保守地使用视频数据，忽视了卫星监测的重要性，因此需要提高监测卫星的应用。整合当前卫星监测、视频监控影像、智能终端模型数据，为构建全方位、一体化整合的智慧监测平台提供数据基础。此外，由于卫星数据量非常大，可以极大提升森林火险模型识别的精度，达到天地同步、实时传输、精准监测的目的。1.2 现有视频监控不具备智能烟火识别功能林区视频监控一般部署于云台上，通过云台的运动，带动视频监控
11、摄像机进行大范围的视角移动2。但是，不具备智能烟火识别功能的摄像机将直接扫过林区起火画面，人工无法在早期准确快速地识别火源和起火位置，容易造成森林火灾初期的漏报。1.3 大数据预警监测能力不足大部分地区森林火灾瞭望监测设施数量不足，视频监控系统应用水平不高，现有火情瞭望设施前、后端系统间连通不畅，重点区域森林火情瞭望设施覆盖率较低。全国尚未完全建成有效智能化运转的森林草原火险预警系统，火险预报模型研究基础较为薄弱，林草结合地带的预警管理平台融合率低，缺少与气象等其他部门的协同合作机制。2 森林防火智慧监测体系构建总体思路结合低轨道卫星、大数据、云计算等信息化技术，构建天-空-地三网合一的同步监
12、测体系，建设森林防火监测与大数据中心，大幅提升森林防火监测感知、信息传输、数据处理在森林防火监测方面的科学应用覆盖能力，最终搭建一个集数字化、可视化、智能化于一体的森林防火监测云平台（图 2）。2.1 天网监测利用资源卫星、环境卫星、减灾卫星、高分卫星等低轨卫星实时自动监测，实现全天候 24 h 的无人监测3。这种监测方式能够大幅降低传播延时，提高数392022年 第6期自然资源统一调查监测技术体系构建程子岳.森林防火智慧监测体系构建的总体思路与主要任务据传输的时效性，减小传输损耗，延长续航时间。通过多颗低轨卫星构成星链（网），实现全地域无缝覆盖，同时，利用低轨卫星信号强、低延时的特性，可解决
13、一些地形较为复杂的区域内数据传输效果差的问题。这种方案的核心在于解决终端和卫星传输方案和布设成本控制问题，解决该问题的思路是选择 LoRaWAN 网关传输方案4。LoRa 网关位可以理解为网络中继站，是终端和服务器间的信息桥梁，具有成本低、标准化、智能化的特点，能够工作在非授权频段、流量免费、采用国际标准、各厂家设备能够互联互通，并且可以实现较精确的定位（20 200 m），不依赖于 GPS、BL、WiFi 等。2.2 空网监测将无人机与定位技术（GPS、北斗卫星）、大数据传输技术、无线充电以及遥感卫星技术等进行深度融合，智能终端按照预设路线控制无人机执行防火监测的飞行任务，在执行任务期间，无
14、人机将采集的大量信息数据与图像资料实时传回指挥中心服务器用于 AI 分析，并且在必要条件下，可以利用无人机组成临时网络用以通信。此种监测方式弥补了一些因地形和天气因素无法实现自动识别的情况。2.3 地网监测基于物联网和移动互联网，在各终端之间实时传送语音和图像，通过野外布设的云台摄像机实时监测林区视频图像，对监控场景的视频图像内容进行预处理、跟踪、提取、识别，提取视频源中的关键信息，通过有线或无线方式实时回传到指挥中心5-6。这种监测方法基于可见光视频监控场景运动捕捉技术和热成像烟火识别技术，能够进一步提升智能烟火识别监测预警准确度。这种方案的关键点在于如何快速准确地识别火情，解决这种问题的思
15、路是使用双引擎协同工作，即在前段终端和监测后台同时搭载识别处理器。3 森林防火智慧监测体系构建的主要任务3.1 建设天-空-地监测平台天网监测具体实现方法是森林防火监测终端设备的数据先通过专线传输至 LoRa 网关，区域数据汇聚到网关后再由网关向低轨卫星链路进行传输，再由数据中心接收信号。针对特殊地形，需要在 LoRa 网关上增加自组网系统（每个终端都有接收和发送数据的功能）实现数据接力传输。这种方案能够弥补光学遥感在光线不足时的成像受限，监测人员可以更快地获得林火预警信息，更早地组织调派应急救援力量进行扑火。空网监测是将不低于 4 k 分辨率的可见光摄像头与红外线监测仪器等监测设备安装在无人
16、机上，设置好固定巡航的航线，在航线上采集高清的图像，并且完成影像资料的实时传输，此外，无人机还可以自动飞回补给站进行充电。无人机减少了在森林防火监测中人力成本的投入，通过自动巡航，可以在更短的时间针对森林实施大范围的监控，并且可以真正实现无人操作，能够为火灾决策活动的开展提供重要参考7。地网监测是在云台摄像机上搭载智能云识别计算模块，这种模块可以将视频处理 CPU 和 NPU 图像智能算法引擎结合，基于深度学习烟火监测算法模型（本地云端同步），实现各类复杂环境下烟雾和火焰的精准识别。通过前段摄像头的智能判别，可第一时间判定识别火情，将信息传输到本地和云端算法模型库，经过模型库的智能过滤和联动判别，可以精准地判定火情信息。这种方案对比传统只靠后台识别的技术，大大提高了实效性和准确性。3.2 建设大数据处理中心各类终端将采集的信息数据传回大数据处理中心，服务器 AI 将信息过滤分筛后对核心数据进行处理，后期通过数据的不断校正，达到优化防火预警模型算法的目的，提升模型的计算精度，实现天-空-地数据有效整合。大数据中心支持远距离光纤传输和 UWB（UltraWideBand）短距离无线传输、大
