基于大数据与物联网传感技术的森林火灾监测系统

<p>本系统主要为当发现森林环境温度、湿度或烟雾浓度等超过预警线时，森林火灾报警系统自动进行报警，同时启动现场灭火工具进行灭火．主要过程为：传感器先将采集的环境温度、空气湿度、光强及烟雾浓度等数据通过传感器内部的单片机进行处理；然后通过由传感器节点组成的网络，将定时采集的森林环境数据送到以嵌入式微处理器为核心的远程控制系统进行处理；通过对数据的整合计算对当前的森林环境进行判断并作出决策。最后通过传感器网络返回控制信号并采相应的控制操作如小范围洒水灭火或是干粉灭火，泡沫灭火等，从而实现对森林的实时自动监控。<br></p><p>系统通过ZigBee与温度、湿度、离子烟雾和光敏传感器的结合，尽量扩大监测范围。传感器节点可大量散布在森林监控区域内，同时在每隔一定距离范围内设立一个网络基站节点，使得数据能有效传输，传感器网络节点能覆盖较大范围，且在数据传输的通路上布置密度高于协议密度的只具有数据传输功能的节点，使数据能够在网格线上沿多条路径传递，在部分节点失效的情况下仍能正常工作，这样就大幅扩大了网络的监控范围，标准配置下网络节点可覆盖方圆3~9km的范围。而一般情况下人工观测的范围只能在方圆4km左右，且人工观测的范围极易受光照、能见度和天气等环境因素的影响，存在观测不到的死角和空白，在恶劣的环境下有时根本无法进行火灾监测，本设计极大地扩大了森林坏境的监测范围。同时针对森林环境数据密度低、监控面积大的特点，仅在多条网络格线中的一条上布置全功能节点和部分功能节点，降低测试节点的总体密度，使得网络的成本大大降低。本系统借鉴了一种基于粗糙集、BP神经网络和D-S证据理论的多传感器信息融合算法。BP神经网络具有很强的容错性以及自学习、自组织和自适应能力，能够处理多源信息，且具有并行处理、高度容错和泛化能力强的特点，能模拟复杂的非线性映射，适合应用于预测、复杂对象建模和控制等情况下。D-S证据理论算法条理简单明确，不用基于先验概率，具有很强的表达不确定性信息的能力，不仅可以避免因随机性所造成的证据不确定性，还可以避免因模糊性造成的不确定性。通过本系统使用的算法计可以降低数据的不确定性，相比市场上的卫星遥感技术参数不全，精细度不高的缺点，本系统的数据可靠性要高出一筹。 &nbsp;<br clear="all" style="mso-special-character:line-break;page-break-before:always"></p>