复杂环境下基于动态数据驱动的林火三维模拟研究

With the application of 3D visualization and GIS layer technology, the spreading of the forest fire forecast has been simulated in the virtual three-dimensional geographic environment simulation. However in recent years with the rise of the application of dynamic data driven system, in the process of simulation, how to import the space observation data corrected, realize the assimilation of prediction results and observation data, and then make the traditional serial simulation to with the feedback correction mechanism of dynamic observation data transformation. This has become a hot issue of current research. Based on the complex three dimensional environments, reliable fire spreading model, this project focus on scientific problems as follows: selection strategy and acquisition method of observation data, fast assimilation algorithm of vector data and computation strategy, the fire sample library construction and the algorithm of training and learning, the algorithm of correcting the model precision. Using driven simulation method with a feedback mechanism, on one hand can improve the precision of prediction model using observed data, on the other hand can also direct the strategy of observation data acquisition (selection and access of observation data and its transmission frequency), eventually making the existing complex virtual environment, can achieve more accurate, controllable and reliable fire prediction simulation, results can be used to fire hierarchies, fire-fighting decision-making and post-disaster assessment.

随着GIS的图层表达和三维可视化技术的应用，林火的蔓延预测已可以在虚拟三维地理环境下实现模拟。然而近年动态数据驱动系统应用的兴起，如何在模拟过程中，引入校正后的观测数据，实现预测结果和观测结果的数据同化，从而使传统串行模拟向带有对动态观测数据的反馈修正机制转变，成为现今研究的热点问题。在复杂三维环境、可靠的林火蔓延模型基础上，项目重点解决如下科学问题：观测数据的选取策略和获取方法选取；快速矢量同化算法与计算策略；火灾样本库构建与训练学习算法；模型精度修正算法。通过带有反馈机制的动态数据驱动仿真方法，一方面能利用观测数据修正模拟精度，改进预测模型，另一方也能指导观测数据获取的策略（观测数据选取、获取和传输频率），最终使得在已有的复杂虚拟环境中，能实现更加精确、可控和可靠的林火预测模拟，研究成果可用于火灾等级划分、灭火决策及灾后评估中。

随着GIS的图层表达和三维可视化技术的应用，林火的蔓延预测已可以在虚拟三维地理环境下实现模拟。然而近年动态数据驱动系统应用的兴起，如何在模拟过程中，引入校正后的观测数据，实现预测结果和观测结果的数据同化，从而使传统串行模拟向带有对动态观测数据的反馈修正机制转变，成为现今研究的热点问题。在复杂三维环境、可靠的林火蔓延模型基础上，项目重点解决如下科学问题：观测数据的选取策略和获取方法选取；快速矢量同化算法与计算策略；火灾样本库构建与训练学习算法；模型精度修正算法。通过带有反馈机制的动态数据驱动仿真方法，一方面能利用观测数据修正模拟精度，改进预测模型，另一方也能指导观测数据获取的策略（观测数据选取、获取和传输频率），最终使得在已有的复杂虚拟环境中，能实现更加精确、可控和可靠的林火预测模拟，研究成果可用于火灾等级划分、灭火决策及灾后评估中。本项目在开展过程中主要研究成果如下：.完成复杂环境下基于动态数据驱动的林火三维预测模拟步骤、框架、的搭建，矢量空间数据标准和规范，并已期刊论文形式发表在相应的权威期刊上。.完成关键技术方法（包括：测量模型、边界提取算法、矢量数据同化算法、网络传输策略和模型、火灾样本库反演分析等）的研究，并已期刊论文形式发表在相应的权威期刊上。.已撰写了12篇学术论文，其中SCI收录见刊论文4篇（中科院二区2篇，中科院4区2篇），EI会议论文收入见刊论文4篇，在审论文4篇（EI会议1篇, 3篇拟投SCI期刊），在站博士后1名，已培养2名硕士研究生，3名在读研究生（具体详见研究成果）.授权国家知识产权局软件著作权等记5项，并共申请相关国家专利8项，其中发明专利7项，实用新型专利1项。截止2019年12月31日，授权发明专利2项（ZL201710203389.3、ZL201710321109.9），授权实用新型专利1项（ ZL201721500030.4）。