项目名称: 林地余火识别定位技术及死灰复燃点诊断方法研究

项目编号: No.31500532

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 农业科学

项目作者: 何诚

作者单位: 南京森林警察学院

项目金额: 20万元

中文摘要: 林地余火隐燃特性具有隐蔽性强、持续时间长、目测难度大、且具有死灰复燃等特点,从而一直困扰森林火灾的彻底扑灭。为了及时高效发现林地余火阴燃点,以无人机搭载高光谱成像系统为工具,首先结合设置样地、地面调查、GIS空间分析、模型构建、层次分析法等建立林地余火识别与定位系统;在此基础上,通过高光谱影像分析死灰复燃阴燃点的燃烧状态与消耗量的变化规律;探讨林地余火阴燃点分布与地形之间的关系;利用高光谱影像温度识别技术,标定不同程度的林地余火死灰温度场,量化死灰复燃的火环境及温度参数阈值,形成死灰复燃点诊断的科学方法;明确不同环境下,各温度林地余火阴燃点引燃概率与引燃时间,并建立初步的林地余火死灰复燃概率模型。本项目研究将推动森林防火技术的发展,研究成果将为安全扑火提供重要的方法和资料。

中文关键词: 无人机;余火;死灰;地形与林火;高光谱

英文摘要: Wildland fire can not put out completely because of the smoldering fires, which are often hidden, last long, invisible and resurgent easily. To observe and locate the embers quickly, this study will construct an initial model for computing the probability of resurgences. In this study, a recognition and location system for embers will firstly be built by using plots, ground surveys, GIS spatial analysis, models and Analytic Hierarchy Process(AHP) with a Hyperspectral UAV. Under different conditions, the probabilities and igniting times of the smoldering fires vary in different temperatures. On hyperspectral analysis of the combustion phase and rules of resurgences, a scientific diagnostic technique will be proposed by determining the relationship between location and topography to quantize the thresholds of temperature and conditions. This research will promote the development in preventing forest-fire and provide more materials and technologies for safe firefighting.

英文关键词: unmanned aerial vehicle; embers ;Residual Ashes;Terrain with fire ;hyperspectral

成为VIP会员查看完整内容
0

相关内容

不需要驾驶员登机驾驶的各式遥控飞行器。
迁移学习方法在医学图像领域的应用综述
专知会员服务
59+阅读 · 2022年1月6日
【NeurIPS2021】基于关联与识别的少样本目标检测
专知会员服务
21+阅读 · 2021年11月29日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
18+阅读 · 2021年6月10日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
52+阅读 · 2021年3月22日
专知会员服务
27+阅读 · 2021年1月29日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
深度学习目标检测方法及其主流框架综述
专知会员服务
147+阅读 · 2020年6月26日
ICLR 2022:AI如何识别“没见过的东西”?
量子位
0+阅读 · 2022年2月14日
「小样本深度学习图像识别」最新2022综述
迁移学习方法在医学图像领域的应用综述
深度学习人脸特征点自动定位综述
专知
0+阅读 · 2021年12月1日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
人脸检测与识别总结
计算机视觉战队
21+阅读 · 2017年11月29日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
14+阅读 · 2020年1月27日
小贴士
相关VIP内容
迁移学习方法在医学图像领域的应用综述
专知会员服务
59+阅读 · 2022年1月6日
【NeurIPS2021】基于关联与识别的少样本目标检测
专知会员服务
21+阅读 · 2021年11月29日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
18+阅读 · 2021年6月10日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
52+阅读 · 2021年3月22日
专知会员服务
27+阅读 · 2021年1月29日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
深度学习目标检测方法及其主流框架综述
专知会员服务
147+阅读 · 2020年6月26日
相关资讯
ICLR 2022:AI如何识别“没见过的东西”?
量子位
0+阅读 · 2022年2月14日
「小样本深度学习图像识别」最新2022综述
迁移学习方法在医学图像领域的应用综述
深度学习人脸特征点自动定位综述
专知
0+阅读 · 2021年12月1日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
人脸检测与识别总结
计算机视觉战队
21+阅读 · 2017年11月29日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员