2020年第九届数学建模国际赛小美赛C题亚马逊野火解题全过程文档及程序

2020年第九届数学建模国际赛小美赛

C题 亚马逊野火

原题再现:

  野火是指发生在乡村或荒野地区的可燃植被中的任何不受控制的火灾。这样的环境过程对人类生活有着重大的影响。因此,对这一现象进行建模,特别是对其空间发生和扩展进行建模,是支持政府和公共机构控制和风险管理野火季节的相关任务。
  火灾数据通常以时空事件的形式提供,即给定研究的地理区域,在特定时间收集一些感兴趣的测量值。在全球范围内,火灾活动主要通过中分辨率成像光谱仪(MODIS)等卫星仪器收集。MODIS在美国国家航空航天局(NASA)运行的Aqua和Terra卫星上运行。请使用这些数据分析亚马逊流域的火灾事件,并确定火灾事件的时空模式。发现的任何模式都将有助于提高森林火灾的认识和预防工作。

整体求解过程概述(摘要)

  2019年亚马孙森林火灾引起了全世界对亚马孙森林火灾危机的关注。为了降低这一事件再次发生的概率,我们将在2019年8月逐步细化亚马逊森林的时空统计分布格局,从宏观火场到具体火势蔓延的时空格局。
  首先,建立火点识别模型。查找识别已发生火灾的数据点。我们将根据通道21/20的温度、通道31的温度、表面温度和数据的置信水平来识别火灾。
  然后将上述数据导入Tableau,得到亚马逊地区火力点的地理分布图。在地图上,我们可以看到亚马逊地区的火灾主要分布在三个危险区域。这三个危险区域显示为三角形、椭圆形和平行四边形。三角危险区位于南美洲北部。椭圆形危险区是巴西北部城市罗莱马。平行四边形危险区连接巴西中部、韦尔瓦和秘鲁。
  在此之后,我们探索了亚马逊的时间模式。在亚马逊河流域内,多年来发生了大量的火灾,这些火灾集中在每年的8月、9月和10月。其日常数据不规则,但存在距离和时间相近的火灾数据点。因此,我们推测,可能会有重复记录火灾由于问题,如像素捕捉精度的卫星。基于这个猜想,
  建立了火灾中心确定模型。采用迭代算法对1KM内的火点进行均匀化处理,数据记录时差小于2天。
  最后,为了研究2019年亚马逊地区火灾蔓延的时空格局,我们建立了火源点确定模型。利用Tableau计算火点之间的距离和时差,找出10KM内最早、最亮的火点作为火源点。以火源点为基准建立笛卡尔坐标系,在10KM范围内找到距离火源点最大的火源点。求解了两点间的扩散速度和扩散方向。我们选取了2019年8月50个火源点的数据,计算得出2019年火源一般向东北或西南方向移动,蔓延速度分别约为0.72km/h和0.51km/h。
  在此基础上,得出了火灾发生前重点防控的时间和地点。我们还得到了火灾发生时可能的蔓延方向,即要聚焦的路径。

模型假设:

  •忽略火灾蔓延的地形特征。
  •同一火灾中涉及的区域可视为平坦。
  •所有出现在10 km范围内的火灾均从火源蔓延。
  •本文中使用的数据均有效。

问题重述:

  问题背景

  森林火灾是人类无法控制的,在林地内自由蔓延和扩大,对森林、森林生态系统和人类造成一定的危害和破坏。
  2019年亚马逊森林火灾频发,INPE报告截至2019年8月29日巴西发生火灾超过80000起,在同一跟踪期间同比增长77%。玻利维亚、巴拉圭和秘鲁报告了随后的火灾,截至2019年8月29日,火灾逐年增加,这三个国家在2019年的火灾总数分别超过19000起、11000起和6700起。据《商业内幕》报道,到2019年,亚马逊生物群落的森林损失预计将超过906000公顷(2.24*106英亩;9060km^2;3500平方英里)。除了对全球气候的影响外,火灾排放的二氧化碳和一氧化碳过多还造成环境问题,对亚马逊的生物多样性造成潜在影响,并威胁到生活在森林中的土著部落。

在这里插入图片描述
  除环境损害外,导致野火的刀耕火种行动还威胁到居住在雨林附近或雨林内的巴西约306 000土著人民。为避免亚马逊河流域特大森林火灾事故的重复发生,分析了亚马逊河流域火灾的时空分布规律,以期在火灾控制方面取得突破。

  我们的工作
  为了研究亚马逊森林火灾的时空格局,需要对亚马逊森林火灾数据进行识别和处理。我们需要建立模型来识别真实的火灾现场,然后对火灾现场的时空特征进行建模分析。
  为解决此问题,我们的团队将执行以下操作:
  •建立火点识别模型。根据MODIS提供的279万个数据点的置信水平和通道波长反映的温度数据,识别潜在的真实火灾。
  •分析亚马逊流域火灾的空间特征。确定亚马逊河流域的火灾危险区,在那里人们或政府当局需要保持警惕。
  •分析亚马逊流域火灾的时间特征。我们将根据年份、季节和月份来查看其时间模式。
  •根据观测点的时间和空间信息,调查未来我们应如何应对火灾。根据各观测点的时间和温度特征,确定各小范围(10km)火灾的起止点,表征火灾变化方向和速度的概率分布。

模型的建立与求解整体论文缩略图

在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

部分程序代码:(代码和文档not free)

%Read Data
clear;
% Initializing parameters
coordinate_file = 'lat_lng.xlsx';
[num,txt] = xlsread(coordinate_file);
Lat=num(1:1451,2);
Lng=num(1:1451,3);
Latg=[Lat.*111,Lng.*111];
D = pdist(Latg);
DD=D;
zz= squareform(D);
for i=1:1051975
if D(i) > 1
D(i)=0;
end
end
Z = squareform(D);
[x,y]=find(Z~=0);
for i=1:1222
for j=1:1222
if (x(i)==y(j)) && (x(j)==y(i))&&(i<j)
x(j)=x(i),y(j)=y(i);
end
end
end
for i=1:1222
for j=1:1222
if x(i)==y(j)
y(j)=0;
end
end
end
z=[x,y];
for i=1:1222
for j=i+1:1222
if x(i)==x(j)
x(j)=0;
end
end
end
x2=find(x~=0);
x22=x(x2);
x22=x22';
xml=1:1:1451;
for i=1:365
for j=1:1451
if(x22(i)~=j)
xml(j)=xml(j);
else
xml(j)=0;
end
end
end
xmll=find(xml~=0)
xmll=xmll';
Lx=num(1:1086,7)';
Ly=num(1:1086,8)';
Lz=num(1:1086,9)';
xx= -16:1:-4; %linspace(-16,10,1451);
yy= -65:1:-59; %linspace(-78,-42,1451);
[XX,YY]=meshgrid(xx,yy);
zm=griddata(Lx,Ly,Lz,XX,YY,'v4');
surf(xx,yy,zm)
xlabel(' Latitude ');
ylabel(' Longitude ');
zlabel(' temperature(K)');
2、angle_circulation
coordinate_file = 'a.xlsx';
[num,txt] = xlsread(coordinate_file);
x1=num(11:50,2)'./57.3;
y1=num(11:50,3)'./57.3;
x2=num(11:50,4)'./57.3;
y2=num(11:50,5)'./57.3;
for i=1:40
b(i)=atan((x2(i)-x1(i))./(y2(i)-y1(i)));
end
b1=57.3.*b';
3、Sensitive Analysis
coordinate_file = 'lat_lng.xlsx';
[num,txt] = xlsread(coordinate_file);
Lat=num(1:1451,2);
Lng=num(1:1451,3);
Latg=[Lat.*111,Lng.*111];
D = pdist(Latg);
DD=D;
zz= squareform(D);
for i=1:1051975
if D(i) > 1
D(i)=0;
end
end
Z = squareform(D);
[x,y]=find(Z~=0);
for i=1:1222
for j=1:1222
if (x(i)==y(j)) && (x(j)==y(i))&&(i<j)
x(j)=x(i),y(j)=y(i);
end
end
end
for i=1:1222
for j=1:1222
if x(i)==y(j)
y(j)=0;
end
end
end
z=[x,y];
for i=1:1222
for j=i+1:1222
if x(i)==x(j)
x(j)=0;
end
end
end
x2=find(x~=0);
x22=x(x2);
x22=x22';
xml=1:1:1451;
for i=1:365
for j=1:1451
if(x22(i)~=j)
xml(j)=xml(j);
else
xml(j)=0;
end
end
end
xmll=find(xml~=0)
xmll=xmll';
x=[0.75,0.8,0.85,0.9,0.95,1,1.05,1.1,1.15,1.2,1.25];
y=[1459,1259,1197,1135,1101,1086,991,902,856,804,659];
plot(x,y)
axis([0.75 1.25 0 2000]);
xlabel('Assimilation Distance');
ylabel('Residual fire points');
全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/220876.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

0x13 链表与邻接表

0x13 链表与邻接表 数组是一种支持随机访问&#xff0c;但不支持在任意位置插入和删除元素的数据结构。与之相对应&#xff0c;链表支持在任意位置插入或删除元素&#xff0c;但只能按顺序依次访问其中元素。我们可以使用一个struct来表示链表的节点&#xff0c;其中可以存储任…

《师兄啊师兄》第二季开播 李长寿渡劫归来扬名四海

看新国风&#xff0c;上优酷动漫&#xff01;由优酷出品&#xff0c;玄机科技制作&#xff0c;改编自阅文集团旗下起点读书小说《我师兄实在太稳健了》&#xff08;作者&#xff1a;言归正传&#xff09;的修仙喜剧动画《师兄啊师兄》第二季《海神扬名篇》于今日10:00正式回归。…

如何性能测试中进行业务验证?

在性能测试过程中&#xff0c;验证HTTP code和响应业务code码是比较基础的&#xff0c;但是在一些业务中&#xff0c;这些参数并不能保证接口正常响应了&#xff0c;很可能返回了错误信息&#xff0c;所以这个时候对接口进行业务验证就尤其重要。下面分享一个对某个资源进行业务…

Python多线程threading的使用方法

前言 有时候&#xff0c;我们在编写Python程序时&#xff0c;会遇到比较耗时的函数方法&#xff0c;我们的需求是等这个耗时的函数执行完毕之后&#xff0c;在执行后面的程序&#xff0c;这时候就需要用到多进程。 下面我们来举一个使用多进程threading的例子 例子 import t…

Unity | AVpro的最基础使用方法(视频播放插件)

一、 AVpro的使用方法 (一)准备播放器MediaPlayer 1. AVpro的播放器是MediaPlayer&#xff0c;在Heirarchy面板里创建 2.播放器里放视频 a.把视频放到StreamingAssets文件夹下 b.你就可以在MediaPlayer里面找到这个视频 c.选中以后&#xff0c;就会变成 这里点击播放可以播放…

FET偏置控制器电路的卫星接收器LNB电路

都具有FET偏置控制器电路的卫星接收器LNB电路 芯片的描述&#xff1a;D3211是一-块用于卫星接收LNBs的专用电路&#xff0c;具有极化电压检测切换、22KHz脉冲检测切换和提供高放、本振级GaAs或HEMT FET晶体管工作点偏置等功能。D321 1内部的22K检测及切换控制由22K有源滤波器、…

RT-DETR改进《目标对象计数》多任务实验:深度集成版来了!支持自定义数据集训练自定义模型

💡该教程为改进RT-DETR专栏,属于《芒果书》📚系列,包含大量的原创改进方式🚀 💡🚀🚀🚀内含改进源代码 按步骤操作运行改进后的代码即可💡更方便的统计更多实验数据,方便写作 RT-DETR改进《目标对象计数》多任务实验:深度集成版来了!支持自定义数据集训练…

车联网助力自动驾驶发展

单车智能决策难点 芯片&#xff0c;成为自动驾驶的最大瓶颈 自动驾驶对芯片算力要求极高。要求自动驾驶处理器在每秒能够处理数百万亿次的计算&#xff1b; 自动驾驶对计算的实时性要求极高。任何一点时延&#xff0c;都有可能造成车毁人亡&#xff1b; 对低能耗有极大的…

Java并发编程基础总结

进程和线程概念 什么进程 进程是系统运行的基本单位&#xff0c;通俗的理解我们计算机启动的每一个应用程序都是一个进程。如下图所示&#xff0c;在Windows中这一个个exe文件&#xff0c;都是一个进程。而在JVM下&#xff0c;每一个启动的Main方法都可以看作一个进程。 什么…

如何用gpt改写文章 (1) 神码ai

大家好&#xff0c;今天来聊聊如何用gpt改写文章 (1)&#xff0c;希望能给大家提供一点参考。 以下是针对论文重复率高的情况&#xff0c;提供一些修改建议和技巧&#xff1a; 如何用GPT改写文章 一、引言 随着人工智能技术的飞速发展&#xff0c;自然语言处理领域取得了重大突…

【数电笔记】54-或非门构成的基本RS触发器

目录 说明&#xff1a; 1. 电路组成 2. 逻辑功能 3. 特性表 4. 特性方程 5. 例题 6. 两种基本RS触发器的形式比 说明&#xff1a; 笔记配套视频来源&#xff1a;B站&#xff1b;本系列笔记并未记录所有章节&#xff0c;只对个人认为重要章节做了笔记&#xff1b;标题前…

02-详解请求路由的实现和常见的断言工厂

请求路由 路由转发 第一步: 新建一个SpringBoot工程如gateway模块, 引入网关依赖和nacos服务发现依赖 <!--网关依赖--> <dependency><groupId>org.springframework.cloud</groupId><artifactId>spring-cloud-starter-gateway</artifactId&…

玄关柜和鞋柜是一回事吗?福州中宅装饰,福州装修

玄关柜和鞋柜虽然都用于存放鞋子&#xff0c;但它们在概念上有所不同。玄关柜是一个更大的概念&#xff0c;它包括鞋柜和其他功能区域&#xff0c;可以说鞋柜是玄关柜的一部分。 1️⃣概念上的不同 玄关柜是一种集成了鞋柜、挂衣架、换鞋凳等多种功能于一体的家居家具&#xf…

Nginx(四层+七层代理)+Tomcat实现负载均衡、动静分离

一、Tomcat多实例部署 具体步骤请看我之前的博客 写文章-CSDN创作中心https://mp.csdn.net/mp_blog/creation/editor/134956765?spm1001.2014.3001.9457 1.1 访问测试多实例的部署 1.2 分别在三个tomcat服务上部署jsp的动态页面 mkdir /usr/local/tomcat/webapps/test vim …

Fork和Join底层原理

文章目录 一、任务类型1. 简介2. CPU密集型3. IO密集型4. 线程数计算方法 二、Fork/Join框架1. 思想2. Fork/Join简介3. Fork/Join使用4. 底层原理5. 总结 一、任务类型 1. 简介 思考: 线程池的线程数设置多少合适? 我们调整线程池中的线程数量的最主要的目的是为了充分并合理…

数字孪生轻量化引擎——AMRT3D引擎

随着全球经济亟待复苏&#xff0c;作为科技发展主要需求技术之一&#xff0c;数字孪生已经成为全球多个国家重点布局行业。例如&#xff0c;美国工业互联网盟将数字孪生作为工业互联网落地的核心和关键&#xff0c;德国工业4.0参考架构将数字孪生作为重要内容。 数字孪生已经形…

SSRF攻击实例讲解

服务器端请求伪造&#xff08;SSRF&#xff09;攻击是一种网络安全漏洞&#xff0c;其中攻击者迫使受影响的服务器向攻击者指定的内部或外部系统发送请求。以下是一个SSRF攻击的实例讲解及其分析。 SSRF攻击实例 当然&#xff0c;下面提供另外三个SSRF&#xff08;服务器端请…

2022最新云存储网盘系统,文件分享系统与文件存储系统。

资源入口 2022 最新云存储网盘系统, 文件分享系统与文件存储系统。 测试环境&#xff1a;Apache MySQL5.6 PHP7.0 安装 PHP 扩展 exif、fileinfo 从 PHP 禁用函数中 删除 shell_exec、proc_open、putenv 这三个 PHP 函数 PS&#xff1a;整体还不错的系统&#xff0c;注意的…

【学习笔记】V8垃圾回收策略

V8 V8是一款主流的JavaScript执行引擎V8采用即时编译,速度比较快V8内存设限,64位操作系统中上限为1.5G,32位系统中不超过800M V8垃圾回收策略 采用分代回收的思想内存分为新生代\老生代针对不同对象采用不同算法 v8常用的GC算法: 分代回收、空间复制、标记清除、标记整理、…

实战——Mac M2 安装mat工具

线上环境出现内存飙升的情况&#xff0c;需要工具定位问题发生点就需要用到mat工具了&#xff0c;之前都是在intel芯片环境上安装的&#xff0c;现在换了m2芯片&#xff0c;导致出现了问题&#xff0c;经过一系列调研都解决了&#xff0c;特此记录下&#xff0c;以备后查 开发…