森林火灾是危害人类最持久、最剧烈的灾害之一,特别是20世纪80年代以来,全球气候持续变暖,森林火灾有上升的趋势。林火模拟技术是辅助林火扑救、减少重大森林火灾发生的重要手段之一。本研究针对传统林火模拟过程中存在的模型手动选择难度大、模型修正数据获取效率低、模拟精度验证困难等问题,以DDDAS为林火蔓延模拟研究的技术范式,提出林火蔓延模拟全新的技术框架体系,解决模拟系统建设过程中的模型库建设与管理、模型适宜性选择、模型自适应修正、模拟过程实时验证等关键技术,建立林火扩散模拟和实际林火发展之间相互协作、共生的林火扩散动态模拟系统;提高林火蔓延模拟精度,将林火蔓延模拟真正应用到林火扑救指挥过程当中,在实践上为林火扑救指挥提供决策支持,在理论上为相关领域的空间扩散模拟研究提供新的思路和技术范式。主要取得以下研究成果:(1)提出了动态数据驱动的林火蔓延模拟系统框架体系,为林火蔓延模拟研究提供了崭新的研究方法和思路;分析了系统的运行原理,以动态数据采集、模型库、模拟运行与控制和可视化及用户接口等四部分为基础部件,提出了系统的框架结构体系;剖析了系统的相互协作、共生反馈、自适应、自学习和不断优化的技术优势和系统特点;提出了系统涉及的动态数据采集与处理、林火模型库、林火模型选择、林火模型修正和模拟精度验证等主要关键技术。(2)建立了林火模型库建设的林火蔓延模型评价标准,根据模型评价标准和试验区实际情况,在42个林火蔓延模型中选择了目前最具有影响力和最具有典型代表性的Rothermel模型、王正非模型、加拿大模型和澳大利亚模型进行了解析和归一化处理;对林火模型库的建库过程和方法进行了研究,在林火模型分类基础上,采用面向对象的模型库表示方法建立了林火模型库;实现了林火蔓延模型算法,设计了模型字典库、模型文件库和模型知识库;开发了模型库管理与维护功能,实现了模型的文件管理、参数管理和知识管理;通过模型数据管理文件解决了模型库与数据库之间接口问题;实现了林火模型库对林火模型适宜性选择和林火模型自适应修正技术的有效支持。(3)基于BP人工神经网络方法设计了林火模型适宜性选择技术框架结构,通过神经网络形成林火模型选择知识,实现了林火模型的自动化和智能化选择;以火场环境因子为输入变量,以适宜火场环境模拟的林火蔓延模型作为输出变量,构建了林火模型选择神经网络模型;研究了输入、输出因子数据的获取与计算方式,实现了动态数据驱动的林火模型自动选择机制;以本京市为例,选择了有详细火场情况记录的72场林火作为实验样本,其中60条记录作为学习样本集,12条记录作为验证样本,对神经网络进行了学习和验证,实验结果表明,模型选择精度可达到80%以上。(4)提出了一种利用手持GPS和无线传输设备来快速测定火场位置和林火实际蔓延速度的方法,为林火蔓延模拟速度验证提供了必要的手段;对林火蔓延模拟误差的来源进行了全面分析,探讨了林火蔓延误差的表现形式和计算方法,指出了林火蔓延速度误差和蔓延方向误差是林火蔓延误差产生的根源,提出了通过增加系统误差修正参数来减少系统模拟误差的有效方法。(5)基于神经网络技术提出了模拟误差修正参数自动生成方法,探讨了模拟误差在线自适应修正机制和模拟误差修正知识在线自动获取机制,实现了模拟误差的在线自适应修正过程;采用历史记录火场数据对模拟误差的自适应修正过程进行了实验,在预测的4条记录中,其中3条与计算结果误差小于预定的0.2m/min,1条误差超过0.2m/min,验证了模拟误差修正结果精度具有一定的可靠性。(6)利用北京市良好的防火基础设施条件,设计了动态数据驱动的林火蔓延模拟系统层次结构和网络体系结构,建立了数据库和模型库,实现了模型选择、模拟误差修正和林火空间扩散等关键技术算法,建立了原型系统;实现了动态数据驱动的林火蔓延模拟系统火场环境数据和林火蔓延速度数据采集机制;基于林火模拟过程中采集的大量实验数据,解决了传统林火模型修正过程中的实验数据采集瓶颈问题;以王正非林火蔓延模型为例探讨了林火模型的修正过程和修正方法,表明了动态数据驱动的自适应林火蔓延模拟技术具有可行性。