高发兴 赵 才
(云南省开远市林业和草原局,云南 开远 661699)
开远市位于E103°4'~103°43',N23°30'~23°59'之间,全市国土面积194 030 hm2,林业用地面积99 499 hm2,占国土总面积的48.72%,森林覆盖率为34.04%[1]。开远市地处亚热带干热河谷区,防火期月平均气温高达19.8 ℃,风力2.4 m/s,月平均降雨量仅39.4 mm,区域内气候干燥,温高风大,降雨量偏少,火险等级较高,加之林区地形复杂,林下可燃物载量过大,林农、林牧交错,生产性用火频繁,防火基础设施薄弱,森林防火管控难度较大[2]。为此,开远市于2021年积极争取上级森林防火项目投资,启动了森林防火视频监控系统项目建设,共投资559 万元,建成了13 套视频监控系统。项目建成后取得明显效果,但也还存在一些问题,本文就存在问题提出了解决措施,以期为优化系统提供借鉴。
按照林业信息化建设“统一规划、统一标准、统一制式、统一平台、统一管理”等五个统一的原则[3],开远市根据红河州统一规划,由州级统一研究开发建设平台,统一采购制式设备,建立了业务融合、资源共享、协调同步统一平台,打通了州-市-乡三级上下统一、有效对接、高效传递指挥系统,构建了“可视化、可通话、可调度、可协同、可指挥”的综合一体化平台,形成了一个完善规范、快速交换、可控高效的信息管理系统。
系统采用了当前最先进的高清可见光视频、红外探测、智能烟火识别和地理信息系统技术,对森林进行24 h不间断自动探测、自动识别、自动报警,实现对森林火灾指挥扑救的辅助决策。并将监控系统与国家森林防火卫星监测预警平台、州级数字林草平台、市级森林防火指挥调度平台、地面监控平台融合。同时,充分考虑林火监控的需求和未来技术发展所带来的系统扩充需求,采用开放的以数据驱动的SOA微服务体系架构,预设兼容性和可扩展性,提供二次开发接口[4],确保系统在未来较长的年限内充分发挥功能。
首先,重点布局在森林资源较多、火险区划重要以及火情频发区域,并加密布设监控站点,加强重点火险区的监控。其次,优先选择海拔较高、视野开阔和监控盲区较少的地方建设,并采用识别半径较大的前端监控设备最大覆盖监控面积,在全市境内使用最少的点监测最大的林地面积[5]。第三,充分利用现有防火瞭望台和监控点,综合考虑地形、交通、供电、传输、站址资源及经济效益等因素,着眼长远,遵循投入成本低、建设时间短、监控效果好、维护运行便捷、覆盖面广的原则,建设一套建得起、用得起、维护易、用得好的森林防火视频监控系统。
系统建设从实际出发,立足功能实用,在满足视频监控先进、信息传递稳定、预警分析可靠、辅助决策有用和指挥调度高效基础上,选择性价比更为理想的产品和系统,降低总体投资,力求先进性与经济性相统一。同时,在确保系统高性能、高质量的基础上,系统结构和设备选型上采用了方便设计和操作简便原则,重点关注系统的智能化和自动化,系统及其设备功能一目了然、易学易用、操作简便,利于森林防火工作者上岗值班、操作复核和指挥处置各种情况和事件。
视频监控系统与地理信息系统、林火卫星遥感信息系统、地面无线对讲系统、护林员管理系统、应急指挥调度系统等平台进行了有机结合,不仅能对国家林火卫星监控热点和群众报警进行快速核实,且能通过系统自动监测报警及时消除火灾隐患,将火灾消灭于萌芽状态,形成了多渠道、多部门、多方位、多角度的立体交叉、水平闭合森林防火综合监控指挥体系。2022年,系统建成后,接收的4 个卫星热点和15 个群众报警均在20 分钟内得到了核实,系统监测到的26 个林区边缘烧荒得到了迅速制止和处置,极大提高了森林火灾预防处置能力,实现了森林防火应急救援的高效管理。
视频监控系统前端设备安装有可见光和红外热成像双光谱镜头,具备烟火识别、红外热成像感应、自动报警、火场定位等功能,实现了对森林资源24 h连续不间断的监测,及时发现野外用火和森林火情火灾,自动预警。弥补了人工瞭望和地面巡逻中视觉广度不够、监测面积不广、巡逻频次不足等问题,解决了晚间护林员休息造成林火监测空白的不足。
系统采用了先进的视频采集、数字编解码、无线传输、图像处理等技术,并与“3S”和计算机应用技术有机结合,全面提升了森林防火预警监测、指挥调度现代化管理水平。取代了耗资费力的地面巡护、高山瞭望传统监测方式,减少了瞭望台、观测点、管护站及与之配套的道路房屋等基础设施建设,降低了森林管护人工成本,减轻了护林员管理压力,提高了指挥调度管护效率。
系统每15 min对半径10 km内的森林进行一次监控巡航,对发现的热点通过智能烟火识别和热成像分析进行精确定位,并结合地理信息系统和林草数据对指挥扑救进行辅助决策,科学制定扑救方案,缩短从发现火灾到扑救火灾所需的时间,实现“打早、打小、打了”的目标,有效提高了森林火灾扑救能力。2022年,开远市仅发生森林火情1 起、接收卫星热点4 个,相比“十三五”期间年均发生火情8.4 起、卫星热点15.2 个,同比降低了42.3%和25.28%,有效维护森林资源安全[6]。
实际应用中,可见光图像型烟火识别是基于将远程摄像监测到的图像数据和火焰烟雾光谱展开相似度对比,但由于算法中针对火焰和烟雾光谱特征的模型较少,昼间红外监测易受反光体干扰影响[7-8],无法识别一些高亮反光的温棚、建筑和浓雾。而红外热成像识别靠感应温度成像,如距离太远会因热传递信号衰减而导致灵敏度降低,3 km半径外的红外热图像对比度较低,难以区分林火、灯光和霓虹,容易导致误判、误报、漏报。
由于林火识别误差以及未对非林区设置屏蔽,系统每15 min会对探测出的浓雾、高亮反光物体、光伏太阳能板、工厂烟囱和非林区农事用火等误报火情连续报警,警情累加且系统无法自动识别消除,造成警报疲劳,给应急值班人员带来一定程度的困扰。
目前,系统只实现了火情信息的采集、定位和可视,结合地理信息系统和林草数据对指挥扑救进行简单的辅助决策。还不能根据已知气象信息、地理信息、林草数据、防火信息对林火的蔓延速度、发展趋势、力量配备、安全分析和最佳扑救方式进行分析,提供科学的灭火方案。
系统可以支持的林长制系统管理、森林火灾损失评估、林草有害生物监测预警、生物多样性宣传教育、野生动植物监测保护、林地林木监测管理等场景功能还未开发应用。同时,相关工作人员专业技能和创新意识不强,对系统功能的综合应用能力不足,导致系统不能发挥最大效益。
优化林火识别算法,对火焰和烟雾的像素大小、温度高低、颜色形状、面积扩散、闪烁频率等特征使用模糊逻辑分类和建立统计模型,通过RBF神经网络进行判断,从静态特性到动态特性逐步进行相似度对比[9-10],区分林火与灯光、霓虹、浓雾及高亮反光物体,提高林火识别的可靠性和准确性。并定期对算法进行更新和改进,以适应不同环境和场景。
提高算法,降低火情误报率。进行系统优化,对同一位置误报的火情经人工处置后不再连续报警,自动识别消除已累加的警情。设置智能屏蔽功能,对非林区区域和已过标识的误报热对象进行屏蔽,最大程度上减少无效报警现象。
加强对系统的知识检索、数据计算、林火蔓延、人机交互、自主学习、扑救推演、决策评价模型的研究开发,根据采集到的可燃物类型、地形、风速、温度对林火强度、蔓延方向进行预测,并结合当前的灭火人力、物力和扑救案例采用资源竞争的决策方法进行综合扑救推演分析,使火灾扑救智能决策模块能够在有限的灭火资源条件下完成理想的灭火方案决策。
采取“互联网+应用”的服务模式[11-12],根据林草工作需要,开发林长管理、执法宣教、林地管理、动植物监测、护林员管理、病虫害预警等模块。将各个子系统集成在一个统一协调的管理平台上,实现各个子系统之间数据共享、互相联动、互相协调[13-14],全面提高林草工作的综合管理水平。同时,加强相关工作人员的管理培训,提高专业素质和工作能力,从而实现系统功能最大化应用。
充分利用云计算、物联网、大数据、移动互联网等新一代信息技术[15],统筹规划,建立森林防火预警监测系统,有效运用人防、物防、技防手段快速发现火情,实现火情早发现、早预防、早处置,把火情控制在林区外或较小范围内,最大限度降低火灾损失和确保森林资源安全是当今森林防火工作普遍采用的科学方法和发展趋势。