Articles & Blogs > 利用物联网技术应对野火

利用物联网技术应对野火

作者： Julie Eleftheriou 2023-09-12

标签

我们正经历一场由气候变化、人类活动和土地管理不善造成的完美风暴，引发的野火规模和频率记录不断被打破。仅在 2021 年，美国的野火就烧毁了超过 1,000 万英亩的土地、数以千计的房屋和无数的动物栖息地。除了地面上的破坏，森林火灾还造成了全球 20% 的惊人碳排放量。直到最近，人们大部分注意力都集中在扑灭活跃的大火上。现在，美国林务局、研究联盟和私营公司正在研究利用工厂自动化中使用的物联网 (IoT) 技术来尽早发现火灾。

图 1：通过 Teledyne FLIR 红外热像仪观察到的 2021 年卡尔多火灾。（资料来源：Teledyne FLIR）

早期火灾探测系统的结构

早期野火探测依赖于实时态势感知，通常要跨越广袤的山地。这些系统的结构相对简单（图 2）。传感器持续收集空气质量和天气数据。当达到预设阈值时，数据会传送到云端，并在云端运用人工智能 (AI) 和机器学习算法。警报会即时转发到基站，火情监视人员会在基站使用红外相机网络确认情况。

图 2：利用基于物联网的传感器、网络网关和云进行森林火灾检测。（资料来源：PsiBorg.com）

包括 Bosch Sensortec、Ericsson 和 Acti 在内的公司已经开发出能够承受极端条件的组件。Silvanet 是 Dryad 的超早期探测系统，它是一个端到端的解决方案，集成了太阳能传感器、基于专有长距离广域网 (LoRaWAN) 的网状网络基础架构和云分析平台。

无线传感器网络

无线传感器网络 (WSN) 可靠性高、成本低、易于扩展，因此非常适合火灾探测应用。节点可战略性地部署在荒野区域的任何地方，从便携式桅杆到树干再到电线杆。设备探测范围从几十米到 15 公里不等。

Silvanet 野火传感器（图 3）可在 1 到 60 分钟内探测到火情。内置的 Bosch BME688 传感器可检测到百万分之一 (ppm) 级别的氢气、一氧化碳和其他气体。BME688 是第一款带 AI 的气体传感器，集成了高线性度、高精度压力、湿度和温度传感器。

图 3：Bosch BME688 气体传感器内置在 Silvanet 的太阳能野火传感器中。（资料来源：Bosch Sensortec）

网状物联网网络

网状物联网网络以去中心化的方式将每个节点与其他节点直接连接起来，从而避免了蜂窝网络的基础架构挑战。信号在节点之间跳转，以到达不在单个传感器范围内的目的地。数据通过 LoRaWAN 等网络传输到云服务器，LoRaWAN 具有超远距离能力和低功耗特性，因此适合用于广泛的物联网应用。

红外热成像

高清 PTZ（平移/俯仰/变焦）红外相机利用热成像技术检测热信号和温度变化。基站人员可直接指挥和控制相机，从而实时监控地形、火灾行为和天气。AEM 的野火 PTZ 相机具有 360° 全景、90° 俯仰和 40 倍光学变焦功能，可绘制半径为 25 英里的环境状况三维地图。野火管理团队使用该公司的 FTS360 软件平台查看叠加气象数据的实时画面。

图 4：AEM 的野火 PTZ 相机。（资料来源：AEM）

早期火灾探测研究

美国国土安全部和俄勒冈危害实验室 (OHAZ) 将于 2023 年合作，根据 ALERTWildfire 相机系统发出的警报评估传感技术。ALERTWildfire 的高清相机具有近红外功能，白天可拍摄范围达 40 英里，夜间可拍摄范围达 60 至 80 英里。这是一个高带宽系统，因此任何有互联网连接的人都可以访问其公共视频放送。传感设备由德国汉堡的 Breeze Technologies 和马里兰州罗克维尔的 N Sensors 开发。这项研究正在俄勒冈州的威拉米特谷进行。

图 5：由 Breeze Technologies（左）和 N5 Sensors（右）设计的传感器安装在俄勒冈州的威拉米特谷。（资料来源：Breeze Technologies 和 N5 Sensors）

实时信息有助于消防管理人员做出资源分配和公共安全决策。一致的数据能够让消防科学家根据环境变量识别火情。尽管发展前景广阔，但事实上，80% 以上的森林火灾都是由人类的疏忽大意造成的，如无人看管的篝火、乱扔的烟头、杂物燃烧和设备故障等。2020 年 9 月 5 日，一场性别揭晓婴儿派对上燃放的烟火装置引发了加州致命的埃尔多拉多大火。这场大火烧毁了 22000 多英亩土地，并造成一名消防员死亡。这对夫妇被指控犯有 30 项罪行和过失杀人罪。也许随着各州开始追究个人此类不负责任行为的法律责任，侦查到的火灾将会越来越少。

资料来源

Dampage, U., et al. (2022).Forest fire detection system using wireless sensor networks and machine learning. Sci Rep 12, 46.

Gupta, V. (2023, February 1).Forest Fire Protection Using Sensor Network and IoT.PsiBorg.

Peruzzi, G., & Pozzebon, A. (2023).Fight Fire with Fire: Detecting Forest Fires with Embedded Machine Learning Models Dealing with Audio and Images on Low Power IoT Devices.Sensors, 23(2), 783.

Stoking Wildfire Resilience in Oregon | Homeland Security. (2023, February 9).

Wildfire Causes and Evaluations (US National Park Service).(n.d.)

关于此作者

Julie Eleftheriou is a freelance technical writer, editor, and content creator. Her specialty is translating complex subject matter into material that all audiences can understand and appreciate. As a full-time writer for more than 20 years, she’s covered topics from automation and design to genetic testing and financial services. Julie lives in the Los Angeles area with her family and an ever-expanding coterie of pets.