基于遙感技術(shù)的輸電走廊植被山火預(yù)警平臺(tái)研究

楊瀟鈺，余 勤，葉 強(qiáng)，聶銳華，武瑞娟，雒瑞森

( 1.四川大學(xué) 電氣工程學(xué)院， 四川 成都 610065; 2.國網(wǎng)四川省電力公司經(jīng)濟(jì)技術(shù)研究院， 四川 成都 610065;3.四川大學(xué) 水力學(xué)與山區(qū)河流開發(fā)保護(hù)國家重點(diǎn)實(shí)驗(yàn)室， 四川 成都 610065; 4.成都大公博創(chuàng)信息技術(shù)有限公司， 四川 成都 610065)

在森林茂密的高山地帶，山火不僅對(duì)生態(tài)系統(tǒng)造成損害，還有可能導(dǎo)致線路跳閘，嚴(yán)重危害電網(wǎng)的安全穩(wěn)定運(yùn)行[1]。近幾年，超特高壓電網(wǎng)技術(shù)高速發(fā)展，同塔多回線路以及多條線路密集通過山林重要輸電通道，山火也成為引發(fā)輸電線路故障的主要自然災(zāi)害之一[2]，電網(wǎng)必須增強(qiáng)抵御山火災(zāi)害的能力以面對(duì)更加嚴(yán)峻的考驗(yàn)。

輸電走廊植被眾多，有研究表明3種及以上植被的混合可燃物、茅草與其他植被的混合可燃物導(dǎo)致線路山火跳閘的次數(shù)占總山火跳閘次數(shù)的一半以上[3]。作為山火發(fā)生的主要可燃物，其管理方法比較簡單，大多是在固定周期對(duì)走廊內(nèi)部的植被進(jìn)行砍伐，耗時(shí)費(fèi)力，花費(fèi)大風(fēng)險(xiǎn)高效果也不顯著；有研究通過建立樹木生長模型，嘗試有針對(duì)性的進(jìn)行輸電走廊內(nèi)的植被管理[4]，但在實(shí)際運(yùn)行中，樹木生長存在很多個(gè)別不確定因素，細(xì)致預(yù)測較為困難。因此，研究如何對(duì)山火可能發(fā)生位置進(jìn)行預(yù)測預(yù)警具有現(xiàn)實(shí)意義。近年來，山火預(yù)警研究主要集中于林火影響因子和預(yù)警方法的選擇。從有關(guān)專家學(xué)者對(duì)森林火災(zāi)的研究成果中可以得到，森林火災(zāi)是植被因素、地形因素、氣候因素和社會(huì)人文因素等多因素共同作用的結(jié)果[5-10]。除此之外，學(xué)者們也進(jìn)行了很多對(duì)山火預(yù)警方法的研究[7-13]。

當(dāng)前，衛(wèi)星網(wǎng)已日漸成熟并被國網(wǎng)公司采用，空中數(shù)據(jù)可以大面積高分辨率地監(jiān)測輸電走廊植被，本文結(jié)合遙感應(yīng)用，通過對(duì)示范區(qū)域遙感數(shù)據(jù)進(jìn)行處理，分析影響森林火災(zāi)形成的植被、地形、氣候等因素，選取山火預(yù)警因子，建立火災(zāi)預(yù)警體系，完成山火預(yù)防任務(wù)。

1 研究區(qū)概況

1.1 研究區(qū)域

本研究區(qū)位于四川成都市與阿壩藏族羌族自治州的交界地區(qū)，圖1為本研究區(qū)的地理位置示意圖。

圖1 研究區(qū)地理位置示意圖Fig.1 Geographical location of the study area

在地形方面，研究區(qū)位于四川盆地西部周邊山地，以山地、丘陵為主，最低海拔417 m，最高海拔5 261 m，海拔高度由北向南遞減；在氣候方面，研究區(qū)屬于中亞熱帶濕潤氣候區(qū)。該地區(qū)氣候年較差大，季節(jié)變化明顯，夏季高溫多雨，冬季低溫少雨，全年溫度在0℃以上，年均溫16～18℃，年降水量1 000～1 200 mm；在植被類型方面，研究區(qū)海拔跨度大森林資源豐富，植被覆蓋率高，以灌叢類、帶常綠闊葉林針葉林和高山草甸為主，除此之外研究區(qū)北部有岷江流經(jīng)，河流沿線植被主要為農(nóng)田分布。

2 數(shù)據(jù)源選擇及處理

2.1 數(shù)據(jù)源選擇

對(duì)現(xiàn)有開源數(shù)據(jù)進(jìn)行比較分析，Hyperion數(shù)據(jù)作為中高分辨率的高光譜數(shù)據(jù)，相比傳統(tǒng)的陸地資源衛(wèi)星所提供的多光譜數(shù)據(jù)具有光譜分辨率高、光譜波段多等優(yōu)點(diǎn)[14]。因此，本文選擇Hyperion數(shù)據(jù)以提供研究區(qū)地物信息。除此之外，DEM數(shù)據(jù)和氣象數(shù)據(jù)可以提供研究區(qū)的地形信息及氣象信息。

2.2 數(shù)據(jù)預(yù)處理

Hyperion數(shù)據(jù)也具有高光譜數(shù)據(jù)通有的信息冗余的等缺點(diǎn)，因此對(duì)于Hyperion數(shù)據(jù)進(jìn)行條紋修復(fù)和壞線處理、未標(biāo)定及水汽吸收嚴(yán)重波段剔除、Smile效應(yīng)校正、大氣校正等處理是必須的。因L1R級(jí)圖像未進(jìn)行幾何校正，本文以同時(shí)期Landsat數(shù)據(jù)為基準(zhǔn)，選擇地面控制點(diǎn)利用重采樣對(duì)其進(jìn)行幾何校正，使控制點(diǎn)誤差在1以內(nèi)，完成對(duì)Hyperion數(shù)據(jù)的預(yù)處理[14]。在得到具有地理坐標(biāo)信息的圖像后，對(duì)影像做非植被區(qū)掩膜處理得到最終植被區(qū)域影像。

研究區(qū)植被類型按研究區(qū)Hyperion數(shù)據(jù)監(jiān)督分類，可分為5類，參考GoogleEarth對(duì)分類結(jié)果進(jìn)行分類評(píng)價(jià)，整體精度為96%，符合精度評(píng)價(jià)要求，如表1所示，對(duì)應(yīng)分類結(jié)果如圖2所示。另外研究區(qū)地形示意圖如圖3所示。

表1 分類精度評(píng)價(jià)表Table1 Classification accuracy evaluation table

圖2 研究區(qū)植被分類示意圖Fig.3 Vegetation classification in the study area

圖3 研究區(qū)地形示意圖Fig.3 Topographic map of the study area

3 預(yù)警模型選擇及預(yù)警平臺(tái)構(gòu)建

隨著衛(wèi)星網(wǎng)絡(luò)不斷成熟，遙感技術(shù)廣泛應(yīng)用于電力勘測設(shè)計(jì)、安全巡檢、運(yùn)維管理等領(lǐng)域[15-18]。本文利用遙感技術(shù)，借助遙感影像，研究輸電線路走廊的植被類型因素、地形因素及氣象數(shù)據(jù)等數(shù)據(jù)，選取預(yù)警指標(biāo)，建立準(zhǔn)確的預(yù)警模型，從而構(gòu)建完善的預(yù)警平臺(tái)。

3.1 預(yù)警平臺(tái)總體設(shè)計(jì)

構(gòu)建預(yù)警平臺(tái)的意義在于充分結(jié)合數(shù)據(jù)庫信息，在科學(xué)的預(yù)警模型支持下，將預(yù)警數(shù)字結(jié)論轉(zhuǎn)換成直觀影像，完成預(yù)警結(jié)果可視化。山火預(yù)警平臺(tái)的主要功能結(jié)構(gòu)如圖4所示。

圖4 山火預(yù)警平臺(tái)主要功能模塊Fig.4 Main function modules of mountain fire early warning platform

其中，預(yù)警技術(shù)的實(shí)現(xiàn)主要包括選擇預(yù)警指標(biāo)、確定預(yù)警模型等過程。

3.2 預(yù)警指標(biāo)選擇

預(yù)警指標(biāo)應(yīng)具有代表性、準(zhǔn)確性、可靠性和宏觀穩(wěn)定性[19]。森林火災(zāi)的發(fā)生應(yīng)具備一定的條件，結(jié)合有關(guān)專家學(xué)者對(duì)森林火災(zāi)的研究成果對(duì)森林火災(zāi)的影響因素進(jìn)行分析可以得到，森林火災(zāi)是植被因素、地形因素、氣候因素和社會(huì)人文因素等多因素共同作用的結(jié)果[5-8]。預(yù)警指標(biāo)直接影響預(yù)警系統(tǒng)成功與否，單個(gè)指標(biāo)不能準(zhǔn)確的反映預(yù)警對(duì)象，容易造成預(yù)警的失誤。本研究選取植被類型、綠度指數(shù)、高程、坡度、坡向、月份作為預(yù)警指標(biāo)。

選擇2001—2009年四川1 583個(gè)火點(diǎn)數(shù)據(jù)按上述預(yù)警指標(biāo)進(jìn)行網(wǎng)格化處理，如圖5所示，分析不同預(yù)警指標(biāo)等級(jí)組合情況下的火點(diǎn)數(shù)量。通過空間分析，將各指標(biāo)因子下的數(shù)據(jù)集都統(tǒng)一到相同的等級(jí)體系，且每個(gè)數(shù)據(jù)集中森林火災(zāi)發(fā)生率高的地區(qū)都被賦以比較高的值[20]。

圖5 2001—2009年火點(diǎn)分布示意圖Fig.5 2001—2009fire distribution diagram

3.2.1 植被類型因子下的森林火災(zāi)發(fā)生率等級(jí)分析

不同類型的植被易燃性不同[21]，例如針葉樹種較闊葉樹種具有較高的可燃性。根據(jù)2001—2009年9年四川省火點(diǎn)分布地植被類型情況分析，發(fā)生在高山草甸部分的火點(diǎn)數(shù)最多，其次依次為針葉林、闊葉林、農(nóng)田、灌木。

3.2.2 綠度因子下的森林火災(zāi)發(fā)生率等級(jí)分析

植被指數(shù)是2個(gè)或多個(gè)波長范圍內(nèi)的地物反射率的組合計(jì)算，以增強(qiáng)植被某一特性或者細(xì)節(jié)[22]。綠度因子用來標(biāo)識(shí)大多數(shù)的綠色植被。其代表指數(shù)為歸一化植被指數(shù)(Normalized Difference Vegetation Index，NDVI)，NDVI值得范圍是-1～1，一般綠色植被區(qū)的范圍是0.2～0.8。NDVI作為一個(gè)重要的遙感參數(shù), 能夠敏感地反映出植被生物量 、覆蓋度 和葉綠素含量等生物物理化學(xué)性質(zhì), 在一定程度上反映了像元所對(duì)應(yīng)區(qū)域的土地覆蓋狀況, 因而在土地覆蓋變化研究中常被用來描述土地覆蓋的基本特征以及開展相關(guān)的定量研究[23]。根據(jù)2001—2009年年四川省火點(diǎn)分布地綠度因子情況分析，火災(zāi)等級(jí)與NDVI的關(guān)系如表2所示。

表2 預(yù)警指標(biāo)火災(zāi)等級(jí)分布表Table2 Fire gradedistribution of early warning index

3.2.3 高程因子下的森林火災(zāi)發(fā)生率等級(jí)分析

有研究表明，位于川西高原的涼山州、攀枝花市、甘孜州屬于四川森林火災(zāi)發(fā)生最嚴(yán)重的地區(qū)[24]。將高程分為<1 000，1 000～2 000，2 000～3 000，3 000～4 000，>4 000五等級(jí)，根據(jù)2001—2009年9年四川省火點(diǎn)分布地高程分析，火災(zāi)等級(jí)與高程的關(guān)系如表2所示。

3.2.4 坡度因子下的森林火災(zāi)發(fā)生率等級(jí)分析

坡度大小通過影響植被表面濕度變化進(jìn)而影響植被的易燃程度。將坡度分為平坡(≤5°)、緩坡(6°～15°)、斜坡(16°～25°)、陡坡(26°～35°)、極陡坡(≥36°)[26]。根據(jù)2001—2009年9年四川省火點(diǎn)分布地坡度分析，火險(xiǎn)等級(jí)由小到大依次為極陡坡、陡坡、斜坡、平坡、緩坡。

3.2.5 坡向因子下的森林火災(zāi)發(fā)生率等級(jí)分析

坡向可直接影響所在區(qū)域植被接收太陽輻射的多少[25]。一般情況下，陽坡比陰坡受到更強(qiáng)的日光照射，其植被更加干燥。根據(jù)林業(yè)調(diào)查中的坡向劃分，把坡向分為無坡向、陰坡(337.5°～22.5°)、半陰坡(22.6°～112.5°，292.5°～337.5°)、半陽坡(112.6°～157.5°，202.5°～292.5°)、陽坡(157.5°～202.5°)[26]。根據(jù)2001—2009年9年四川省火點(diǎn)分布數(shù)據(jù)的坡向分析，火險(xiǎn)等級(jí)由小到大依次為無坡向、陰坡、陽坡、半陰坡、半陽坡。

3.2.6 月份因子下的森林火災(zāi)發(fā)生率等級(jí)分析

月份因子從氣候和人文方面影響森林火災(zāi)的發(fā)生。有學(xué)者研究表明，森林火災(zāi)發(fā)生呈現(xiàn)季節(jié)性規(guī)律[9]；另有研究表明，秋冬季月平均氣溫在0～10℃時(shí)，森林火災(zāi)發(fā)生次數(shù)最多，當(dāng)月平均溫度大于10℃時(shí)，火災(zāi)發(fā)生率隨溫度的升高而降低[27]。另外，森林火災(zāi)的發(fā)生與人文社會(huì)生活習(xí)俗有一定聯(lián)系，例如山區(qū)農(nóng)村等地區(qū)春節(jié)期間放鞭炮、清明上墳燒紙等習(xí)俗使得特定時(shí)間的山火風(fēng)險(xiǎn)高于其他時(shí)間。根據(jù)分析2001—2009年9年四川省火點(diǎn)數(shù)據(jù)，各月份火點(diǎn)發(fā)生數(shù)呈現(xiàn)明顯規(guī)律，2—4月份發(fā)生森林火災(zāi)的數(shù)量最多。最終得到預(yù)警指標(biāo)火災(zāi)等級(jí)分布表和火點(diǎn)數(shù)據(jù)分布表，如表2、表3所示。

表3 火點(diǎn)數(shù)據(jù)等級(jí)分布表Table3 Fire point data grade distribution table

3.3 預(yù)警模型確定

為了提高預(yù)警的準(zhǔn)確性，本文利用線性回歸模型、邏輯回歸模型、隨機(jī)森林模型分別對(duì)火災(zāi)預(yù)警數(shù)據(jù)進(jìn)行建模。

3.3.1 線性回歸模型

首先選用線性回歸模型，選取6個(gè)預(yù)警因子為自變量，火點(diǎn)數(shù)量為因變量，表達(dá)式為：

Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+μ.

(1)

式中：Y為森林火災(zāi)發(fā)生數(shù)量(即因變量)；Xi為不同預(yù)警指標(biāo)火災(zāi)等級(jí)(即自變量)；β0為常數(shù)項(xiàng)；βi為各預(yù)警指標(biāo)所占權(quán)重；μ為誤差項(xiàng)。

根據(jù)表4回歸結(jié)果顯示，回歸方程顯著性P<0.001，除NDVI外，5個(gè)自變量均通過顯著性檢驗(yàn)。模型的判定系數(shù)R2為0.141，說明線性回歸模型對(duì)數(shù)據(jù)擬合度低，解釋性較差。

表4 線性回歸模型系數(shù)Table4 Coefficient of linear regression model

3.3.2 邏輯回歸模型

邏輯回歸主要應(yīng)用在因變量為分類變量時(shí)，其和多個(gè)自變量之間的多元回歸關(guān)系[28]。以表2中易發(fā)火災(zāi)等級(jí)為因變量，預(yù)警指標(biāo)火災(zāi)等級(jí)為自變量，在SPSS中進(jìn)行多元邏輯回歸，得到模型擬合信息見表5。

表5 邏輯回歸模型似然比檢驗(yàn)Table5 Likelihood ratio test of logistic regression model

結(jié)果顯示模型顯著性P<0.05，說明模型通過假設(shè)檢驗(yàn)，具有統(tǒng)計(jì)學(xué)研究意義；在邏輯回歸模型中，除NDVI外，5個(gè)自變量均通過顯著性檢驗(yàn)。模型的判定系數(shù)R2為0.337，說明較線性回歸模型，邏輯回歸對(duì)數(shù)據(jù)具有更好的擬合性。

3.3.3 隨機(jī)森林模型

隨機(jī)森林模型是常用的集成學(xué)習(xí)模型之一，它是多重決策樹的組合，因此具有更高的準(zhǔn)確性[29]。將表2中除NDVI外的各預(yù)警指標(biāo)的火災(zāi)等級(jí)和火點(diǎn)數(shù)量進(jìn)行歸一化，利用Python數(shù)據(jù)分析進(jìn)行隨機(jī)森林回歸，得到模型的擬合優(yōu)度R2見表6。

對(duì)比以上3種回歸模型，隨機(jī)森林模型的擬合決定系數(shù)最高為0.54，因此選擇隨機(jī)森林模型進(jìn)行火災(zāi)發(fā)生概率預(yù)測。

3.3.4 預(yù)警權(quán)重確定

不同預(yù)警指標(biāo)對(duì)系統(tǒng)貢獻(xiàn)率不同，在隨機(jī)森林模型中，%IncMSE可理解為對(duì)目標(biāo)變量預(yù)測準(zhǔn)確的貢獻(xiàn)度。通過Python分析得到隨機(jī)森林模型中各自變量對(duì)因變量預(yù)測準(zhǔn)確性的貢獻(xiàn)值，如表7所示。其中，植被類型對(duì)火災(zāi)發(fā)生率的影響度最高，月份次之，坡向?qū)馂?zāi)發(fā)生率影響最低，對(duì)各預(yù)警指標(biāo)火災(zāi)發(fā)生等級(jí)值和相應(yīng)的影響率進(jìn)行簡單的加權(quán)計(jì)算，最終火災(zāi)發(fā)生概率可由以下公式計(jì)算：

F(火災(zāi)發(fā)生率)=(植被類型)*0.229+(高程)*0.201+(坡度)*0.201+
(坡向)*0.154+(月份)*0.215.

(2)

利用該公式對(duì)2010年四川地區(qū)2、3、4月份山火易發(fā)等級(jí)進(jìn)行預(yù)測，所得結(jié)果如圖6所示，圖6顯示四川南部顏色較其他地區(qū)更紅，說明模型預(yù)測此處為山火易發(fā)等級(jí)較高地區(qū)，對(duì)應(yīng)2010年實(shí)際火點(diǎn)位置，說明此模型具有較高準(zhǔn)確性。

圖6 2010年2、3、4月山火易發(fā)等級(jí)及實(shí)際山火位置圖Fig.7 Mountain fire susceptibility level and actual location map in February, March and April2010

3.4 預(yù)警結(jié)果可視化分析

相比較數(shù)字結(jié)果，通過電子地圖表示預(yù)警等級(jí)更加直觀易懂。利用空間分析，分別得到5個(gè)預(yù)警指標(biāo)下研究區(qū)火災(zāi)等級(jí)分布圖，如圖7(a)～(e)所示，顏色從紅色過渡到綠色代表火災(zāi)發(fā)生率從高到低變化。

對(duì)研究區(qū)的2、3、4月份山火易發(fā)情況進(jìn)行預(yù)警，結(jié)合式(2)通過空間分析得到最終研究區(qū)火災(zāi)等級(jí)圖如圖7(e)所示，由綜合預(yù)警等級(jí)圖片可以直觀看到，顏色越紅的地方火災(zāi)風(fēng)險(xiǎn)越高，結(jié)合電子地圖的地理坐標(biāo)信息，有利于工作人員全面把控森林山火風(fēng)險(xiǎn)情況。

在電網(wǎng)運(yùn)行中途徑森林地區(qū)的輸電線路極易收到山火災(zāi)害的威脅，山火直接對(duì)線路桿塔或其他輸電設(shè)備造成物理損壞；山火產(chǎn)生的濃煙或熱空氣會(huì)造成氣隙擊穿，導(dǎo)致線路跳閘[30]。有學(xué)者研究表明，在山火發(fā)生時(shí)根據(jù)著火點(diǎn)位置、風(fēng)速/風(fēng)向、地形/坡度等因素可對(duì)火災(zāi)蔓延的方向和速度進(jìn)行預(yù)測，從而可對(duì)著火點(diǎn)周邊的輸電線路進(jìn)行跳閘故障風(fēng)險(xiǎn)評(píng)估[31]。

本文研究的山火預(yù)警平臺(tái)旨在山火發(fā)生前規(guī)避山火可能對(duì)輸電線路造成的損害。如圖8中，紅色區(qū)域山火等級(jí)較高為山火易發(fā)地區(qū)。一方面，采取對(duì)山火易發(fā)地區(qū)進(jìn)行人工降雨、針對(duì)性砍伐隱患木等方法，降低山火發(fā)生概率。另一方面，結(jié)合電力部門的輸電線路網(wǎng)絡(luò)分布圖可查看周邊輸電線路負(fù)荷情況，從而加強(qiáng)重點(diǎn)線路巡檢力度，提前做出負(fù)荷轉(zhuǎn)移方案，做到防范于未然。

圖8 綜合預(yù)警指標(biāo)火災(zāi)等級(jí)部分分布圖Fig.8 Distribution of fire grade of comprehensive early warning index

4 總結(jié)討論

4.1 討論

研究表明植被類型對(duì)山火發(fā)生率的影響度最高，說明輸電線路走廊植被管理的重要性。

除山火會(huì)威脅輸電線路的正常運(yùn)行外，輸電線路故障也極易引發(fā)森林火災(zāi)。輸電線路作為長距離輸送電力的主要載體，其故障特性具有隨機(jī)性和模糊性[32]，輸電線路的特殊性決定必須對(duì)輸電走廊植被進(jìn)行干預(yù)治理。近年來各地都曾發(fā)生因輸電線路設(shè)備故障而引發(fā)的森林火災(zāi)，2017年四川甘孜藏族自治州通報(bào)一起因輸電線路絕緣子破裂跌落而引發(fā)的山火事故；2020年云南昆明通報(bào)兩起因輸電線路短路產(chǎn)生金屬熔渣掉落至地面引燃可燃物而引發(fā)的森林火災(zāi)事故。為降低輸電線路對(duì)山火的影響，在輸電線路運(yùn)維檢修工作中，應(yīng)及時(shí)對(duì)輸電設(shè)備下方枯草等可燃物及時(shí)清除；輸電走廊植被應(yīng)以不易燃植物為主，進(jìn)行阻火斷火植被替換，形成天然防火隔離帶。多方面杜絕輸電線路對(duì)山火的影響。

在山火預(yù)警指標(biāo)分析中，由于數(shù)據(jù)可獲得性等原因，文章只選取6種森林火災(zāi)影響因素進(jìn)行研究，尤其在氣象及人文因素上，只選取月份作為代表因素。在氣象因素方面，并未考慮降水量、風(fēng)速、風(fēng)向可能對(duì)山火發(fā)生的影響；在社會(huì)人文方面，未考慮村落位置、居民文化水平等因素是否會(huì)影響山火發(fā)生。如果選取更多種對(duì)山火發(fā)生率產(chǎn)生影響的因素進(jìn)行預(yù)警模型研究，即可得到更為精準(zhǔn)的山火風(fēng)險(xiǎn)等級(jí)評(píng)價(jià)結(jié)果。

4.2 總結(jié)

文章提供了一種建立山火預(yù)警平臺(tái)的新思路，將遙感應(yīng)用、統(tǒng)計(jì)學(xué)和GIS空間分析技術(shù)相結(jié)合，以歷史火點(diǎn)數(shù)據(jù)作為參考，從而得到較高精確度的山火風(fēng)險(xiǎn)預(yù)警分析。

研究選取植被類型、高程、坡度、坡向、月份作為預(yù)警指標(biāo)，將2001—2009年火點(diǎn)數(shù)據(jù)進(jìn)行網(wǎng)格化處理得到不同預(yù)警指標(biāo)等級(jí)下的火點(diǎn)分布情況。對(duì)比3種不同預(yù)警模型的數(shù)據(jù)擬合度后選擇隨機(jī)森林模型對(duì)山火發(fā)生率進(jìn)行預(yù)測分析，并用2010年山火發(fā)生情況進(jìn)行模型檢驗(yàn)，得到不同預(yù)警指標(biāo)對(duì)最終預(yù)警結(jié)果的影響率。

對(duì)某示范架空線路沿線遙感數(shù)據(jù)進(jìn)行分析處理得到通過空間分析，形成由不同預(yù)警因子共同作用的區(qū)域森林火災(zāi)風(fēng)險(xiǎn)等級(jí)地圖，根據(jù)地圖的GIS坐標(biāo)系統(tǒng)，直觀展示易發(fā)生森林火災(zāi)事故的地理位置，進(jìn)行有針對(duì)性的預(yù)防。