基于空间数据挖掘技术的森林防火智能决策支持系统研究

2009年06月SCIENTIAGEOGRAPHICASINICAJune,2009

基于空间数据挖掘技术的森林防火智能

决策支持系统研究

万鲁河,王继富,臧淑英,崔金香

(哈尔滨师范大学地理科学学院,黑龙江,哈尔滨150025)

摘要:从智能空间决策支持系统的功能需求出发,分析了森林防火是复杂的空间决策问题,它具有动态性、分布性、数据量大、数据性质复杂等特点,决策者面对突如其来的灾害及海量的、复杂的、易变的和分布的数据和信息,很难做出及时、科学和准确的决策。因此,建立集成空间信息分析处理的、具有知识发现能力的智能决策支持系统是十分必要的。而空间在线分析处理(SpatialOLAP)和空间在线分析挖掘(SpatialOLAM,SpatialOLAPmining)是集成空间数据处理的OLAP和OLAM,能够在空间数据仓库上发现隐含的知识和规则,并在不同的维、度上进行查询和分析。从系统需求分析、功能设计、系统实现和系统运行实例方面,论述融合了GIS、空间OLAP和空间OLAM技术的空间智能决策支持系统的设计思想和关键技术的实现。提出基于空间OLAP和OLAM知识发现机制,建立一种集成GIS、空间数据仓库、空间OLAP/OLAM和决策支持系统的新型决策分析工具。关 键 词:地理信息系统;空间在线分析处理;空间在线分析挖掘;智能空间决策支持系统中图分类号:X87

文献标识码:A 文章编号:1000-0690(2009)03-0433-06

1 系统的功能需求分析

森林火灾的发生地点、植被覆盖情况、灭力分布、交通路线等都具空间位置特征,更重要的是该系统还要具有知识发现能力,以便实现林火的实时监测、准确预报、科学评估、及时灭火智能决[1,2]策。

(1)多源异构数据的融合空间决策支持系统不仅要处理空间地理数据,同时分析非空间的属性信息,空间信息又包括矢量数据和栅格数据。系统要实现空间数据与属性数据的融合,空间图形与遥感图像的融合,空间图形与DEM的融合,遥感影像与DEM的融合,遥感图像与地图扫描图像的融合。

(2)数据获取要快速和准确林火的发生具有突然性,火场的及时定位是非常重要的。首先要根据国家气象卫星的图像数据确定火点的经纬度坐标进行火场定位,火场的查询要涉及到1:25万的省地理图形数据、1:5万的林业局的林场数据、1:1万的林斑林相数据,同时还要了解火场地区的社会

经济数据、灭火的装备状况和扑火人员的GPS定位数据。所以系统要具有快速准确地读取不同

比例尺和不同格式数据的能力。

(3)多种技术融合森林防火智能决策支持系统,是高新技术在现代森林防火中应用的前沿领域。在信息时代的今天,充分应用遥感(RS)、地理信息系统(GIS)、全球定位系统(GPS)、空间OLAP

[3~5]

、空间OLAM

[6,7]

及网络通讯等高新技

术,可以做到在火灾发生前,应用空间OLAP不断物化存储火灾发生背景和条件的大量信息,有助于圈定某些火灾可能发生的地区、时段及危险程度,采取必要的防范措施,减轻火灾造成的损失;在火灾发生发展过程中应用空间OLAP的各项操作,不断监测火灾的进程和态势,及时把信息传到防火扑救指挥中心,以便有效地组织救助活动;成灾之后,应用空间OLAM可以在大范围内实施快速反应,迅速准确地查明受损状况而做出较为准确的评估,为现代化林业防火工作提供可靠的技术保障

[8]

。

(4)空间知识与规则的发现能力森林防火智

收稿日期:2008-07-17;修订日期:2008-11-12

基金项目:国家自然科学基金(40771154),黑龙江省信息产业专项基金,省高校教师骨干计划(151G021)及哈尔滨科技局创新人才专项基金(2007RFQXS061)的资助。

作者简介:万鲁河(1967-),男,山东荷泽人,博士,教授,研究方向:地理信息系统,空间数据挖掘和决策支持系统。E-mai:lwamluhe@163.com

地 理 科 学 29卷434

能决策支持系统是空间决策支持系统,所以要处理海量的空间和属性数据,-数据膨胀,知识贫乏.制约这空间决策支持系统的应用与发展

[9,10]

。本系

统重点研究空间OLAP/OLAM的空间信息查询分析和空间知识规则的技术和方法,以应用于火场的环境分析、火险预测与区划、火场趋势蔓延、灾后评估等决策问题。

(5)空间数据仓库的组织与管理由于林火决策支持系统要处理海量的、分布的、异构的空间和属性数据,同时空间OLAP/OLAM技术的应用基础是空间数据仓库,所以要将这些数据经过净化、提出、集成和整合到空间数据仓库,这是系统所必须的作的工作。本系统研究了空间立方体的建模和视图物化选择。

(6)良好的人机接口森林防火智能决策是复杂而艰巨的工作,其实就是一场战争,不仅需要处理各种各样的数据与信息,更需要各级指挥员的经验和智慧,同时,指挥员和系统操作人员的计算水平参差不齐,所以,系统具有良好的人机交互能力是非常重要。

2 系统设计

2.1 森林防火智能决策支持系统结构设计

系统功能的总体结构如图1所示。主要包括地图的基本操作与空间分析、火场信息查询与定位、火险预测与区划、灾后损失评估、图像分类与趋势分析、三维景观模拟、空间OLAP、空间OLAM、空间数据管理等功能模块。系统以地理信息系统为基础,各功能模块与空间OLAP、空间OLAM交互作用,构成智能决策的技术支持。2.2 系统各部分功能设计

系统功能主界面如图2所示。各主要功能模块说明如下。

(1)火点定位查询和空间分析用户通过移动鼠标画线和多边形,方便地进行距离和面积的量算,其结果在信息窗口显示。用户可以对各种目标地物生成多种类型的缓冲区,例如依托一条河流建立灭火隔离带。利用ARCGIS的拓扑控件,进行扑火队到火场的最短路径分析。利用空间OLAP和OverLay(叠加)分析是对两个或多个图层进行叠加分析,以便挖掘目标地物的空间关系及内在的逻辑联系以及火点周边的空间和属性信息。

(2)火险等级预报与区划影响森林火灾的因

图1 系统功能总体结构

Table1 Overallstructureofsystem

图2 系统主界面

Table2 Maininterfaceofsystem

子很多,如天气情况、季节变化、地区差异等,随时间变化,周期不稳定,难于通过计算方法建模。我们首先应用粗集理论对多种火灾因子,进行属性的

约简,接着构建空间数据立方体并实施物化选择,最后,应用基于元规则和FP增长树的空间关联规则算法进行火险预测。系统根据火险等级将各地区赋予不同的颜色生成火险专题地图,实现火险等级预报的可视化。

(3)火灾损失评估系统灾后评估功能。主要通过三个步骤实现:圈定火灾区域、确定火烧程度和估算经济损失。

在损失评估中,森林资源的受灾区域计算及受灾程度的确定是一难题。系统采用遥感图像判读法,即采用把遥感图像与林相矢量图配准和叠加的方法,获取受灾区域多边形,读取林相的属性信息,对受灾区域遥感影像的解译和重新分类来确定森

3期 万鲁河等:基于空间数据挖掘技术的森林防火智能决策支持系统研究 435

林受灾的程度;这种方法是利用已有的卫片或航片火烧迹地图像,经过配准,将格式为栅格的图片或者照片等图像文件与相应的矢量林相图层进行对应点的坐标转换,使该图像与矢量图的各特征点完全重合。在表征树种、树龄等信息的林相数据图层中裁剪出火灾区域,通过林相和图像的对比计算判定火烧程度。

(4)空间OLAP/OLAM功能系统的关键技术是空间OLAP和空间OLAM的应用。通过空间立提供快速的、多用户的数据存取,提供开放的应用

开发环境。

3 系统实现

系统实现充分利用GIS领域成熟的数据管理、模型操纵和空间分析技术,把空间数据库管理技术和COM(ComponentObjectModel)开发技术相结合,实现多用户实时操纵、海量地理数据的管理以及方便灵活的COM技术开发,最终实现集成空间方体的建模完成OLAP的视图选择物化,空间OLAP可以实现按维和度量的上钻、下钻、切片等操作[4,11]

。空间OLAM在空间数据仓库或OLAP的分析结果的基础上,实施概念分层、空间关联规则发现、空间聚类、空间趋势分析、遥感图像分类操作。

系统把GIS、空间OLAP/OLAM通过数据的共享、模型封装、互相利用等方法有机集成在一起。例如,在空间OLAP物化选择中,空间对象的合并、分解等操作就是利用GIS的基础函数,同时把分析结果通过GIS存储与显示;在空间OLAM的操作中,把GIS的空间分析功能与OLAM的算法结合,既提升GIS的智能化和对空间知识的理解能力,有满足了OLAM算法对空间对象操作的需求及对知识规则的可视化表达。空间OLAP和空间OLAM更是密切的伴生关系,拥有共同的数据基础,前者的分析结果可以作为后者的挖掘背景,这样可以净化数据、消除噪声,提高所获得知识与规则的有效性;后者发现的知识和规则,可以用于前者的概念分层和查询分析,这样可以避免空间立方体物化的盲目性。

空间数据立方体构建,通过ARCSDE的API集成和访问多源空间数据库。ARCSDE是美国著名的地理信息研究机构ESRI推出的空间数据库解决方案,它在现有的关系或对象关系型数据库管理系统的基础上进行空间扩展,可以将空间数据和非空间数据集成在目前绝大多数的商用DBMS中。其访问模式如下:SDE服务器内存放有空间对象模型,用户的应用程序(UserApplication)通过SDE应用编程接口(SDEAPI)向SDE服务器提出空间数据请求,SDE服务器依据空间对象的特点在本地完成空间数据的搜索,并将搜索结果通过网络向用户的应用程序返回。SDE的开放式数据访问模型,支持最新的标准(OpenGIS,SQL3,SQLMutimedia),

信息分析处理技术的智能决策支持系统。

(1)基于Arcobjects的组件开发COM是组件对象模型,它是微软公司提出的一种用于开发和支持程序对象组件的框架。COM由一些对象和对象的接口组成。在COM中,接口提供对象操作的机制。而接口是由一个或多个相关的方法、属性和事件组成的。一般来讲方法代表对象要执行的一些动作。属性表示对象的一个特殊情况如Count和Name。事件是与对象相关的事情发生时通知系统其余对象的方法。本质上讲,COM组件是以Win32动态链接库(DLLs)或可执行文件(EXEs)的形式发布的可执行代码组成的。COM组件是动态链接的,但动态链接本身并不能满足对于组件的需求,为满足这些需求,组件还必须是封装的。

ESRI的Arcobjects是ArcGIS的功能核心,是ArcMap、ArcCatalog、ArcScene等Desktop应用程序的开发平台。Arcobjects是一种集成的面向对象的地理数据模型的软件组件库,提供了ArcGIS中全部的功能,是开发GIS应用程序的基础。开发人员可以利用Arcobjects框架进行编程,以提高ArcGIS的性能或扩展其应用。Arcobjects是以完整有序的对象组件的集合形式发布的。Arcobjects不是一种的商业软件,它包含在ArcGIS产品中。Ar2cobjects也推动了GIS软件融入现代IT开发与应用的大潮之中。

(3)GIS与专业模型及算法的集成使用组件式GIS构造应用系统的基本思路是:让GIS组件做GIS的工作,其他功能让其他的组件去完成,GIS组件与其他组件之间的联系由可视化的通用开发语言来建立,如VB、VC等。这些开发语言建立了应用系统的框架。组件式GIS提供了实现GIS功能的组件,专业模型则可以使用这些通用开发环境来实现,也可以插入其它的专业性模型分析控件。系统在GIS中将空间OLAP和空间OLAP的数据

地 理 科 学 29卷436

挖掘技术融合到空间分析功能中去,同时也把空间分析功能应用到空间数据挖掘技术的算法当中,实现基于空间数据仓库管理的GIS与空间数据挖掘技术(OLAP/OLAP)组件式集成模式。因此,使用组件式GIS可以实现高效、有机的系统集成。例如,在空间立方体的物化选择中,我们把模拟退火优化算法开发成控件嵌入到GIS的空间分析系统中,算法的优化结果决定GIS的空间对象的合并与分解,GIS如同调用的自身控件和对象一样方便灵在波段合成中,采用5、4和3波段的合成方案。这是因为5波段对植物的水分较为敏感,叶绿素在4波段上反映强烈,3波段则能较好地分辨无植被覆盖的地物,这三个波段包含的信息很多,能使图像解译分类更为精细。

在几何纠正时,选用完成数字化的1:5万地形图作为影像和图件的控制数据。

景观变化趋势分析应用上述算法进行影像分类,把景观分为8类:耕地、林地、草地、湿地、盐碱活,所以系统具有较高的执行效率。

4 系统的应用实例

4.1 基于模拟退火算法的空间数据立方体物化

(1)数据源黑龙江省宾县地区1200个小林斑块组成的空间图层,如图3所示,该图已采用分级显示技术,只显示林场多边形。右下方为原始图,左侧为物化后(空间度量合并)的结果图,该地区有河流经过。

图3 空间OLAP的空间立方体物化

Table3 SpatialOLAPcubematerializedspace

(2)物化过程取降温系数为0.9,最低温度为

0.000015,迭代次数为1000,初始温度为0.0001。空间度量的合并结果如图5-5所示。从物化合并的结果看,被合并的空间对象大多与河流对象有邻

接关系或交叉关系。该算法的执行结果,具有较大的实用性。

4.2 基于图像分类和空间OLAP的空间趋势分析

数据准备采用大庆市1996年6月的分辨率为70m@70m的LandsatTM图像(中科院地面站),2001年6月的分辨率30m@30m的LandsatTM图像(中科院地面站提供)。大庆市1:5万的地质图、土壤图、植被图、和行政区划图。

地、沙地、水域、建设用地。输入层的节点数为3,输出节点为为8,RBF层的节点数为16。变异率为0.8,误差为0.0001。

把分类结果进行矢量化加载到空间数据仓库与属性数据集成,按不同的空间维实施空间立方体物化存储。将不同的时间段和不同的空间维图层运行空间叠加分析生成叠加图,然后,在叠加图的基础上,运用空间OLAP的属性维值把发生变化的部分选择出来,生成态变化趋势图(如图4所示)。

图4 1996~2001年景观动态变化

Table4 Changesinlandscapedynamicsin1996-2001

总体看,整个大庆市耕地、林地、盐碱地、沙地、水域和建设用地面积呈不同得增长趋势,而草地和湿地面积却逐渐下降。从图4可以看出各空间维

的变化没有明显方向趋势,变化都现得比较破碎。如果从地区来看,杜尔伯特沙地和盐碱地呈现较大的增加,林甸林地增长的较多,肇州水域面积大幅度地减少。大庆市的环境在恶化。

上述的应用可以证明本文提出的基于遥感图像分类和空间OLAP的算法对于空间趋势分析是有效的。特别对于由于研究区域范围广泛和时间跨度大,而引起数据源种类多、数据量较大时。但

3期 万鲁河等:基于空间数据挖掘技术的森林防火智能决策支持系统研究 437

是,算法在图像分类中存在一定的精度问题,林地、草地和居民用地的分类精度,通过GPS的野调检验均在85%以上,由于水域的破碎地形效果不好。4.3 火险预测

(1)数据源在4.2节数据的基础上增加气象观测数据、分级、风向、空气干燥度、空气湿度、降水状况及地区的火灾次数。

(2)决策者关心的问题森林密集地区、火灾多发林区、灭力弱的林局、交通不便的山区(空间OLAP/OLAM、火场信息查询分析,空间趋势分析、火险等级预测、图像分类等功能。最后,以基于空间OLAP的火场信息查询,空间OLAP立方体视图物化选择,空间趋势变化分析和火险预测为例验证系统的有效性。

系统已经具有初步的实用性,但是数据的融合是一个复杂的问题,有待进一步技术突破。还有一个重要的问题就是人机接口,复杂的空间分析和算法组合,一般的用户很难方便操作。

维);清明时节、烧荒期、春秋少雨季节(时间维)。以上地区和时段的火险等级对防火指挥部门最重要的,这就是空间在线关联规则所挖掘的对象。

(3)预测过程本文设计的空间关联规则对象是空间数据立方体,空间在线关联规则挖掘是建立在空间OLAP的分析结果之上。¹通过空间OLAP选取以上感兴趣的地区和火险相关因素的空间维层次图层进行叠加物化,实现空间谓词计算。º确定可信度、支持度及元规则模式,假设所有概念层次支持度为11%,可信度为60%。»运行挖掘过程,把结果可视化地表达为专题地图,以备在网络上发布(如图5所示)。

图5 基于空间关联规则的火险预测

Table5 Spatialassociationrulesbasedonforecastsoffire

5 结 论

本文详细地分析了森林防火智能决策支持系

统的功能、结构和设计,系统采用基于COM和组件GIS的集成开发方式,有机把GIS、空间OLAP、空间OLAM、专业应用模型和算法融合在一起,实现了空间数据的仓库管理、空间立方体的操作、空间

参考文献:

[1] 万鲁河,李一军.集成/3S0技术的森林防火决策支持系统

研究[J].系统工程理论与实践.2004,(7):88~93.[2] 万鲁河,刘万宇,臧淑英.森林防火辅助决策支持系统的设

计与实现[J].管理科学.2003,16(3):21~24

[3] HanJ,StefanovicN,KoperskiK.SelectiveMaterialization:An

EfficientMethodforSpatialDataCubeConstruction[A].

In

ProceeingsofthePacific-AsiaConferenceonKnowledgeDis2coveryandDataMining[C](PAKDD.98),1998,4(1):144~158.

[4] PapadiasDimitris,KalnisPanos,TaoYufe.iEfficientOLAP

OperationsinSpatialDataWarehouses[R].HKUST-CS01-01,2001

[5] StefanovicN,HanJ,KoperskiK.Object-BasedSelectiveMate2

rializationforEfficientImplementationofSpatialDataCubes[J].

IEEETransactionsonKnowledgeandDataEngineering,2000,12(6):938~958

[6] 傅 明.基于Web的空间数据挖掘[D].中南大学博士论

文.2004.5:11~14

[7] 樊 博.面向客户智能的空间数据挖掘技术研究[D].哈尔

滨工业大学博士论文.2004:40~72

[8] 万鲁河.集成空间信息分析处理的智能决策支持系统研究.

哈尔滨工业大学博士论文[D].2005.10:96~97

[9] K.Kopersk,iJ.AdhikaryandJ.Han.SpatialDataMining:

ProgressandChallenges[R].InWorkshoponResearchIssuesonDataMiningandKnowledgeDiscovery(DMKD.96).1996:1~10

[10]S.Chawla,S.Shekhar,W.–LWu,andU.Ozesm.iModel2

ingSpatialDependenciesforMiningGeospatialdata:Anintro2duction[C].In:HarveyMillerandJiaweiHan,Editors,Geo2graphicDataMiningandKnowledgeDiscovery(GKD).LondonandNewYork.2001:32~159

[11]LinWen-yang,KuoI-chung.OLAPdatacubesconfiguration

withgeneticalgorithms[J].

IEEETransactionsonKnowledge

andDataEngineering.2000,2(5):132-143

地 理 科 学 29卷438

IntelligentDecisionSupportSystemforForestFirePrevention

BasedonTechniquesofSpatialDataMining

WanLu2He,WangJi2Fu,ZangShu2Ying,CuiJin2Xiang

(Geographydepartment,Harbinnormaluniversity,Heilongjiang,haerbin150001)

Abstract:Thispaperanalyzesacomplicatedspacedecisionquestiontofirepreventionintheforestfromfunction

demandforintelligentspatialdecisionsupportsystem(ISDSS).Itsdataquantityisbig,datacharacteriscom2plex,andithasdynamicanddistributedcharacteristicsandsoon.Facingtheunexpecteddisasterandmassive,complex,volatileanddistributionofdataandinformation,itisdifficultforpolicy2makertomakeintime,accu2rateandscientificdecision2making.Therefore,itisessentialtosetupintegratedspatialinformationanalysispro2cessingsystem,havingknowledgetofindintellectualDSSofability.Andspatialon2lineanalyticalprocessing(SpatialOLAP)andspatialon2lineanalyticalprocessingmining(SpatialOLAM,SpatialOLAPmining)areondatyoftheintegratedspacedataprocessing,whichcanfindimplicitknowledgeandrulesonthespacedataware2house,andinquireandanalyzeindifferentdimensionanddegree.Fromsystemrequirementanalysis,functiondesign,systemimplementationandsystemoperationexample,thisarticleexpoundsthefactthathasmergedthedesignphilosophyofGIS,spaceOLAPandintellectualDSSofthespaceOLAMtechnologyhaveemergedandkeytechnology.ThisarticleproposedknowledgediscoverymechanismbasedonspatialOLAPandtheOLAM,establishesonekindtointegrateGIS,thespatialdatawarehouse,spatialOLAP/OLAMandthedecisionsupportsystem)anewdecisionanalysistoo.l

Keywords:geographicalinformationsystem;spatialOLAP;spatialOLAM;intelligentspatialdecisionsupportsystem(ISDSS)