基于GIS模型的林火蔓延计算机仿真
基于GIS模型的林火蔓延计算机仿真 地理信息系统东北林业大学学报第36卷表4地形阻尼系数蔓延算法就显得较粗糙。边界外延算法计算量大,主要体现下山火上山火在排序、査找方面,可以通过减少这方面的计算量而达到提高坡度/(°)阻尼系数K2坡度(°)阻尼系数K2速度的目的。边界外延算法与迷宫算法的结果完全一样,但42~0.0738~421750从编程的角度看,迷宫算法较易实现,而且速度不是很慢,所0.1333~371010以在文中采用迷宫算法。28~30.3223~2722~-180.4618~22NWNNE-17~-130.63火点E0.830.90SESE-2~21.003林火蔓延模拟算法分析与选择图2林火的蔓延方向31边界插值算法4林火蔓延的计算机仿真与实现边界插值算法基于栅格数据,它对于火场边界的计算是林火蔓延的计算机仿真主要分为4个步骤:第一、建立林通过插值的方法来实现,它只计算从初始火点出发的8个方火蔓延的空间背景数据库,其空间背景数据库包括可燃物类向,森林起火后,火源点向8个方向蔓延,分别为正东、正南、型数据、坡度数据、高程数据,并且它们要以栅格数据形式存正西、正北和东南、东北、西南、西北。设火点的位置为行列号储,因为文中研究的林火蔓延仿真基于棚格数据结构;第二、(讠),各方向上只计算从火源点出发的该方向上的栅格,其把王正非的数学林火蔓延模型转换为计算机模型;第三、根据余栅格不计算。当各方向上的计算时间超过给定的林火蔓延输入的起火点的位置坐标,蔓延时间、风速及方向,在背景数时间时,就停止计算,并记录下各方向的栅格行列号,再反映据库之上对火场扩展进行动态模拟显示;第四、计算林火的蔓到具体地形上,则可得到火场状况的直观表示,再依据这8个延面积及火线周长等数据。具体流程如图3所示。终结点进行插值运算,形成封闭的火场边界。空间背景数据库32边界外延算法坡边界外延算法从火蔓延所具备的两个特性(时间和空间)出燃度程发来考虑,在假设没有二次燃烧等情况下,林火表现为从已燃区物向未燃区延烧的性质,它反映为林火在地理位置上的变化和时间的延续上,林火燃烧的路径总是遵循在诸多可到达的路径中选择林火蔓延模型最快到达的那一条,因此,它的路径并不一定是空间上的最短路(王正非林火蔓延模型)径。边界外延算法乜是基于栅格数据的蔓延算法,实施此算法的步骤是:记录每次加入一新的起燃栅格后形成的林火边界,在可像元起火特征计算机与数学知识蔓延边界相邻栅格集合中,搜索其各方向上所需时间最短的栅火点坐标蔓延时间格,并以此栅格作为下一个引燃栅格;对此栅格进行林火边界的风速风句林火蔓延计算机模拟判断,同时对该栅格的加入所导致的原有边界集合的变动作调整,然后再进入下一步循环,直至满足模拟时间为止。火场扩展图统计和计算火场动态模拟33迷宫算法图3火场蔓延的计算机仿真流程迷宫算法以栅格数据为基础,以火点为起点,从正东起沿41试验区空间背景数据库的建立顺时针方向,其八方邻位可表示为:E、 SE S SW、W、N、NNE。每一点向外扩散有8个方向的选择,如图2所示。从正釆用栅格数据进行林火蔓延模拟仿真,即将G丶中所输东开始,沿顺时针方向检测,每探测到某一方向,计算累积时入的矢量的图形数据(地形图、林相图等)转换成栅格数据,间∑t。若∑t小于给定的扩展蔓延时间T,且该方位没有走因此、模拟的过程就是对所有的栅格点处理的过程,每个栅格点所代表的长和宽(分辨率)越小,模拟的精度越高。考虑到过或是原先累积时间大于∑t就沿此方向走一步,并记下所数据的处理及计算机计算的速度,每一图形数据的栅格化都走的路径和方位,存放在堆栈或库中,同时将累积时间修改为∑t累积时间可用二维数组存放,初值置为零。如果探测到釆用30m×30m栅格精度。试验区背景数据库的建立主要某一方位四周的∑t值均大于或等于T,则退回一步重新检测需要3种专题数据分别为高程数据、坡度数据、可燃物类型数据。其中:前两种专题数据是利用现有的帽儿山数字等高线下一个方位,当初始火点四周的8个方位都已检测完毕,则蔓数据,通过 a rcv iew的3扩展模块生成;可燃物类型数据通延过程结束。最终二维数组中所存放的累积时间∑t均小于过帽儿山数字林相图进行再分类获得,并将可燃物类型数据转化是满足条件的像元集合,它们所形成的集合反映在图像当中为(RD栅格形式存储。文中所应用到的数据如表5所示。就是模拟的火场表5栅格数据34算法的选择名称数据格式数据类型描述边界插值算法不考虑蔓延过程中每个起燃栅格向8个邻 V ege tation ESR IGR D NTEGER可燃物类型数据格蔓延的可能,因而计算较简单,但是此算法人为地简化了林ElevationESR IGR DNTEGER高程数据火蔓延的复杂性,对于大范围的地形变化较复杂的地区,林火ShESR I GRⅢN TEGER坡度数据C1994-2011ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp:/www.cnki.net第9期毛学刚等:基于G模型的林火蔓延计算机仿真4142林火蔓延速度的计算难,因为不管用何种方法,都回避不了对可燃物、气象和地形在进行蔓延计算前,需婁先形成速度图文件,在林火蔓延的等因素的考虑,因而,火场蔓延模型的建立非常重要。文中结计算机仿真中最基夲的是林火的蔓延速度,通过速度图文件,可合帽儿山的实际情况建立了火行为的蔓延模型,并以Ⅴ isual以直观地得到可燃物蔓延速度的情况。形成速度图,具体来说,C++60为主要可视化开发厂具,采用先进的COM技术,成是对通过GS获得的各种薮据(可燃物类型数据、髙程数据和坡功地实现了基于G丶模型的林火蔓延计算机仿真度数椐)逐点进行处理,通过栅格的行列号得到栅格图像上与行目前的林火蔓延模型都是针对林火的始发阶段,今后对列号相对应的点的属性值,如可燃物类型、高程、坡度等信息,然森林大火和特大火的模型硏究将成为重点。林火蔓延模拟的后根据所选王正非蔓延模型并考虑实时参数,如发生火灾时的风研究也将向三维、立体的方向发展。随着对林火研究的深入,向、风速等信息计算出该点的林火蔓延速度,并将此速度值赋给也出现了一些新的林火研究方法,如突变理论、元胞自动该点这样形成的点集合在蔓延模拟中用作中间调用数据,称为机模拟林火蔓延、统计物理学方面的渗透理论、分形理速度图。速度图的生成由Ⅴ ialc++60编程实现。论2等,它们与计算机技术的结合必将对林火蔓延的研究做43林火蔓延动态显示出贡献。林火蔓延的动态显示是林火蔓延仿真中最关键的一步,参考文献主要利用Ⅴ isual c++60编程实现,其主要过程为:第一、从背景数据库中读入可燃物类型和高程数据;第二、根据输入的「1]黄作维.基于G和RS的林火行为预测研究[J西北林学院学报,20621(3):94-97风向、风速参数,利用王正非林火蔓延模型计算岀林火的蔓延「2」朱煌武,朱霁平,谢庆胜,等.基于地理信息系统的森林火灾救速度;第三、将计算结果在空间背景薮据库上输出。动态模拟辅助决策系统的研究[J.自然灾害学报,19998(1):60-70不同风向、风速的结果,如图4所示。[3 PerryG M, Sparrow A D, Ow ens I F AGs- supported modelbr the simu lation of the spatial stru cture of w iH land fire Cass barsin New Zealnd[ J]. Jou n al of a pp lied E coby, 1999 36(4)50-5184] Weber rα唐世敏.野火蔓延的数学模型[J力学与实践,199214(2):1-12I5 Rothemelr c. a m athem atical m odel for p red ct ng fire spreadw iH land fuels[R]. USDA: Forest Service R esearch Paper 1972113-115[6]毛贤敏.风和地形对林火蔓延速度的作用[小应用气象学报,1993,4(1):100-1047]温广玉,刘勇.林火蔓延模型的数学应用[J东北林业大学学报,19422(2):31-368]郑焕能,胡海清.东北东部山地可燃物类型的研究[J.森林防火,1990(4):10-13「9]钟茂华,范维澄,王清安.林火蔓延突变形态的模拟实验研究[J.自然科展,200010(4):330-353图4不同风速和风向的林火蔓延10]邬伦.地理信息系统一原理、方法和应用[M]北京:科学出版社,2000241-2465结论与展望「1]姚树人,火灾模型和辅助决策系统的现代发展[J.森林防火,1994(12):59-62从林火蔓延的硏究看,目前要做到精确的预测还比较困12]薄颖生,韩恩贤,韩刚,等.森林火灾自相似性质及其在林火管理中的应用研究初探[小森林防火,1997(3):20)-22perenne la l( Rannunau hus repe").I:wha"为adma[21李根前,黄宝龙,唐德瑞,等毛乌素沙地中国沙棘无性系生长(上接32页)10 Lovett Dous tL Popu at in dynam cs and spec ia ization格局与生物量分配[J西北农林科技大学学报:自然科学版m e2001,29(2):51-55con trast ing hab ita ts[J. Joumal ofe cology,1981.69743-7552李根前,赵粉侠,李秀寨,等.毛乌素沙地中国沙棘种群数量动11 Lovett Dous tL Popu ht on dynam is and chn al specialization in a态研究[J.林业科学,2004,40(1):180-184canal perens ial( Ranuna hus repens).l: responses to light and[23]贺斌,李根前,高海银,等.不同土壤水分条件下中国沙棘克险nu trient supply[ J]. Joumal of e co logy, 1987, 75 555-568生长的对比研究[J.云南大学学报:自然科学版,200729[12]王昱生,盖晓春.羊草无性系植物种群觅养生长格局与资源分(1):101-107配的研究[J植物生态学报,1995194:293-30124]贺斌,李根前,李周岐,等.木本克隆植物中国沙棘种群数量与13] Luo XG, DongM. A rch itec tu re p last city in response to soil mo is结构对土壤水分的响应[小西北农林科技大学学报:自然科hu re n the s tlon ife rou s herb Duchesnea ind iaa[ J. A cta Botan ica学版,2007,35(3):183-187Sinica200244(1):97-10025]赵成义,宋郁东,王玉潮,等.几种荒漠植物地上生物量估算的[14]刘庆,钟章成无性系植物种群生态学研究进展及有关概念初步研究[J应用生态学报,200415(1):49-52生态学杂志,19514(3):40-4「26刘佩勇,张庆灵,杨允菲松嫩平原朝鲜碱茅无性系种群构件生物5]刘庆,钟章成斑苦竹无性奈生长与水分供应及其适应对策的量结构及相关模型分析[小应用生态学报,20415(4):543-548研究[J.植物生态学报,199620(3):245-254I 27] A lpert P. N itrogen sharing am ong ram ets ncreases clonal grow th i[16]岳春雷,汪奎宏,何奇江,等.不同氮素条件下雷竹克隆生长的Frag aria chiloe sis[ J. Ecog y, 1991 72: 69-80比较研究[J.竹子研究汇刊,200221(1:38-40I 28 Evans JP. The effect of bcal resou Ice a vailab ility and clonal inte-[17]杨在娟,岳春雷,汪奎宏.光照强度对竹无性系生长的影响gration on ram et fun ct ina I m orphobgy in H ydroco le bonarien sisJ.0 eco log ia199289265-276I18」陈玉福,董鸣.毛乌素沙地根茎灌木羊柴的基株特征和不同生境中29董鸣.异质性生境屮的植物克隆生长:风险分摊[J植物生态的分株种群特征[J植物生态学报,2024(1):40-45学报,199620(6):543-54819]李根前,黄宝龙,唐德瑞,等.毛乌素沙地中国沙棘无性系生长[30] Pan JJ Price Js Fimess and evoht in n canal plan ts the mpact调节[J.应用生态学报,200,12(5):682-686of canal grow th[ J]. E volt inary Ecobgy 2002 15 583-600[》0]李根前,黄宝龙,唐德瑞,等.毛乌素沙地中国沙棘无性系种群311 Schm i b same ecological and ev oht in ary consequen ces ofm od年龄结构动态与遗传后果研究[J.应用生态学报,2001,12u ar org an iat in and chn al grow th in plants[ J]. Evoh tionaryC153432613chinaAcademicJournalElectronicPublishingHouseAimnrigntsreservedhttp://www.cnki.net
- 2020-12-03下载
- 积分：1
Spark开发指南
Spark开发指南.pdf本书参考Spark官方文档和源码，通过本书你将精通Spark的安装、配置、开发、监控和调优。Apache SparkSpark是伯克利 APMLab实验室精心打造的,力图在算法( Algorithms)、机器( Machines)、人( People)之间通过大规模集成,来展现大数据应用旳一个平台,其核心引擎就是 Spark,其计算基础是弹性分布式数据集,也就是RDD。通过Spark, MPLab运用大数据、云计算、通信等各种源,以及各种灵活的技术方案,对海量不透明的数据进行甄別并转化为有用的信息,以供人们更好的理解世界。 Spark已经涉及到机器学习、数据挖掘、数据库、信息检索、自然语言处理和语音识别等多个领域。Sparp ecological environment陡着 spark的日趋完善, Spark以其优异的性能正逐渐成为下一个业界和学术界的开源大数据处理平台。随着 Spark1.1.0的发布和 Spark生态圈的不断扩大,可以预见在今后的一段吋间内, Spark将越来越火热。spak生态圈以Spa为核心引擎,以HDFS、S3、 Tachyon为持久层读写原生数据,以 Mesos、YARN和自身携带的Standalone作为资源管理器调度job,来完成spak应用程序的计算;而这些spak应用程序可以来源于不同的组件,如 Spark的批处理应用、 Spark Streaming的实时处理应用、 Spark sρL的即席查询、 BlinkDB的权衝查询、MLib或 MLbase的机器学习、 GraphX的图处理等等。更多的新信息请参看伯克利 APMLab实验室的项目进展htps:/ mplab. cS. berkeley. edu/projects或者 Spark峰会信息htp:/ spark-summit org。Spark Spark MLlib GraphXSQL Streaming(machine(graph)learningApache SparkSparkSpark是一个快速的通用大规模数据丛理系统,和 Hadoop MapReduce相比更好的容锆性和内存计算高速,在内存中运算100倍速度于 MapReduce易用,相同的应用程序代码量要比 MapReduce少25倍提供了丰富的AP支持互动和迭代程序Spark大数据平台之所以能日渐红火,得益于 Spark内核架构的优秀·提供了支持DAG图的分布式并行计算框架,减少多次计算之间中间结果O开销·提供 Cache机制来支持多次迭代计算或者数据共享,减少开销*·RDD之间维护了血统关系,一旦 RDD fail掉了,能通过父RDD自动重建,保证了容错性·, RDD Partition可以就近读取分布式文件系统中的数据块到各个节点内存中进行计算使用多线程池模型来减少task启动开稍shuffle过程中避免不必要的sor操作采用容错的、高可伸缩性的aka作为通讯框架SparkStreamingSparkstreaming是一个对实时数据流进行高通量、容锴处理的流式处理系统,可以对多种数据源(如Kdka、Fume、Twitter、zero和TCP套接字)进行类似map、 reduce、join、 window等复杂操作,并捋结果保存到外部文件系统、数据库或应用到实时仪表盘Sparkstreaming流式必理系统特点有捋流式计算分解成一系列短小的批处理作业将失败或者执行校慢的任务在其它节点上并行执行较强的容错能力(基于RDD继承关系 Lineage)使用和RDD一样的语义Spark SQLSpark SQL是一个即席查询系统,可以通过SQL表达式、 HiveQL或者 Scala dsl在 Spark上执行查询。Spark SQL的特点·引人了新的RDD类型 SchemaRDD,可以象传统数据库定义表一样来定义 SchemaRDD, SchemaRDD由定义了列数据类型的行对象构成。· SchemaRDD可以从RDD转换过来,也可以从 Parquet文件读入,也可以使用 Hive QL从Hve中获取·在应用程序中可以混合使用不同来源的数据,如可以将来自 HiveQL的数据和来自sQL的数据进行jn操作。·内嵌 catalys优化器对用户查询语句进行自动优化MLlibMLib是Spak实现一些常见的机器学习算法和实用程序,包括分类,回归,聚类,协同过滤,降维,以及底层GraphXGraphX是基于 Spark的图处理和图并行计算AP。 GraphX定义了一个新的概念:弹性分布式属性图,一个每个顶点和边都带有属性的定向多重图;并引人了三种核心RDD: Vertices、 Edges、 Triplets;还开放了一组基本操作(如 subgraph,joinvertices, and mapReduce Triplets),并且在不断的扩展图形算法和图形构建工具来筒化图分析工作生态圈的应用Spark生态圈以 Spark为核心、以RDD为基础,打造了一个基于内存DAG计算的大数据平台,为人们提供了一栈式的数据处理方奚。人们可以根据不同的汤景使月主要应用场景用户曲像的建立用户异常行为的发现社交网络关系洞察用户定向商品、活动推荐spak运维相关安装配置、监控等,请求参考《 Spark运维实战》graphiteum install -y bitmap bitmap-fonts-compat Django django-tagging fontconfig cairo python-devel python-memcachedpython-twisted pycairo mod python python-Idap python-simplejson memcached python-zope-interface mod wsgipython-sqlite2Spark BaseSpark开发环境Spark本身是由 scala语言开发的,提供了三种语雷接口: Scala、Java、 Python。根据自己的喜好可以使用相应语言的开发工具。本书使用 scala语言做为开发Spak应用的语,采用 Eclipse为主要的开发工具主要介绍了两个流行的开发工貝: Eclipse、 Intell IDEA。JDK安装配置下载官方网址:htp/www.oracle.com/technetwork/javaljavase/downloads/jdk7-downloads-1880260hml选择好操作系统版本,32位操作采统选择带j586的安装文件;64位操作系统选择菅×64的安装文件。Linux操作系统推荐下载 tar. gz格式的安装文件, Window当然也只有exe格式的文件。Linux下安装解压tar -zxvf jdk-7ug-linux-1586. tar. gz-C/opt/In-/opt/jdk170_09 /opt/jdk设置环境变量用ⅵ编辑配置文件:/etc/ profileexport JAVA HOME=/ pt/jdkexport CLASSPATH=$JAVA HOME/lib/dt jar: SJAVA HOME/lib/tools. jarexport PATH= $JAVA HOME/bin: s PATH保存退出按Esc然后输入Wq使配置生效source /etc/profileWindows下安装选择好操作系统版本是32还是64,解压双击进行安装一路下一步,便可安装成功。设置环境变量测试是否成功命合行输人Java -versIon如果出现下面提示说明成功
- 2020-12-01下载
- 积分：1
