IPNAS

IPNAS مبتنی بر ۳ نوع اطلاعات می باشد:

• اطلاعات تصویر زنده: سیگنالهای ویدئویی دردو حالت خودکار و دستی استفاده می گردد.
• اطلاعات هواشناسی همزمان : اطلاعات هواشناسی در واحد پردازش برای کم کردن آلارم خطا به کار می رود و در تحقیقات آتی برای محاسبه شاخص خطرپذیری آتش سوزی محلی در فاز پیشگیری و تخمین گسترش آتش در فاز اطفاء حریق مورد استفاده قرار می گیرد.
• پایگاه اطلاعات GIS (سیستم اطلاعات جغرافیایی): این پایگاه اطلاعات ، داده های خالص جغرافیایی را ذخیره می کند (ارتفاعات ، مسیر راه ها، منابع آب و …) و تمام اطلاعات مربوط به موقعیت جغرافیایی مانند تاریخچه آتش سوزی، مکانهای منابع آب باران ، پوشش زمین، مشخصات خاک، نقشه راههای میان درختان، راههای توریستی و چیزهای شبیه آن را برای هر منطقه ثبت می کند. این اطلاعات در آینده برای فعالیتهای اجرایی اطفاء حریق مورد استفاده قرار خواهد گرفت و در حال حاضر برای کنترل راحت تر دوربینهای PTZ استفاده می شود. نرم افزار رابط اپراتور یک صفحه وب دینامیک و اینتر اکتیو است که تصاویر زنده ، اطلاعات هواشناسی و داده های GIS را بصورت همزمان نمایش می دهد و یک ماژول برای کنترل دوربین های PTZ استفاده می شود که اپراتور میتواند در حالت دستی ، برای کنترل دوربین از آن استفاده کند.تصویر ۳٫ حالت اتوماتیک IPNAS

  در طول فصل آتش سوزی سال ۲۰۰۵، سه مرکز مونیتورینگ آزمایشی مورد بررسی قرار گرفت یکی بروی تپه MARJAN و دومی بر روی کوه VIDOVAGORA  و آخری بروی ساختمان دانشگاهSplit  مرکز اصل مونیتورینگ که در شهر Divulje مستقر می باشد.

• تصویر ۴٫ ساختار سیستم آزمایشی

  سیستم به صورت آزمایشی عمل کرده و وظیفه اصلی آن آزمایش نرم افزار، واحدهای مشاهده و ارتباط شبکه است. ارتباط به وسیله لینکهای بی سیم نقطه به نقطه مبتنی بر تجهیزات IEEE802.11 ایجاد گردید. سه لینک بی سیم تاسیس شده بود که دو عدد از آن ها ، مطابق استانداردهای اروپا بوده است اما فاصله سومی آنها بسیار زیاد و در حدود ۳۱ کیلومتربود که به همین دلیل سیگنال باید تقویت می شد. این سیگنال به صورت آزمایشی ارسال شده بود و پس از سال ۲۰۰۵  از مرکز مشاهدهvidova  حذف شد. در خلال این آزمایش مجموعه ای از آلارمهای کاذب حاصل شد که به ما در بهبود بخشیدن به آلگوریتم تشخیص حریق و توابع کل سیستم کمک کرد.

  تجربه کار با این سیستم کاملاً رضایت بخش بوده است و میزان آلارمهای خطا هم در طول روز و هم در طول شب قابل قبول تر شده بود اما سیستم هنگام طلوع آفتاب و غروب آفتاب دچار اختلال می شد چرا که آلگوریتم تشخیص حریق در این زمانها با زمانهای معمولی کاملاٌ متفاوت است. در نسخه جدید نرم افزار یک حالت جدید گذار از شب به روز و بر عکس در نظر گرفته شده است.

  بحث و نتیجه گیری

  گام نخست برای شناسایی انواع بافت های گیاهی به منظور تعیین الویت خطر و تفکیک جنگل ها از حیث میزان خطر زایی ، بررسی آمار موجود و تهیه آمار دقیق از جنگل های کشور می باشد. به دلیل تنوع جنگل های کشور از حیث نوع پوشش، تراکم و سطح دسترسی، فرایندهای پیشگیری از حریق در جنگل ها متنوع خواهد بود. در مرحله بعدی ، داده های زمینی و هوایی جمع آوری شده بنا بر امکانات موجود باید تحلیل و بررسی گردند و بر اساس نتیجه تحلیل داده ها ، نصب آزمایشی دوربین ها در مراکز پر اولویت انجام شده و از طریق مراکز بررسی محلی و ملی نتایج بررسی گردد و مناسب ترین نتایج از آن به دست آید. تعمیم داده ها ، اعمال شرایط محلی و ویرایش نرم افزار ها می تواند به بومی کردن نرم افزار ها کمک کند. سازمان های مربوطه ، چون سازمان جنگل ها و مراتع ، آتش نشانی ، نظام مهندسی و ….. و نیز ساکنین منطقه باید تحت آموزش دقیق قرار گیرند و پس از آن دوربین ها در فاز های متفاوت نصب گشته و بهره برداری گردد. از محدودیت های تحقیق می توان به نبود داده های دقیق آماری و هزینه بالای بررسی های اولیه ، جمع آوری داده ها و تهیه و نصب تجهیزات می باشد.

   

  منابع

  • Vidal ,Alain, Florence Pinglo, Hélène Durand, Claire Devaux-Ros and Maillet,Albert ” Evaluation of a temporal fire risk index in mediterranean forests from NOAA thermal IR, CEMAGREF-ENGREF Remote Sensing Lab, Montpellier France, Available online 14 April 2003

   

  • Stipaničev, Darko and Tomislav Vuko, Darko Stipaničev, Maja Štula, Damir Krstinić, “Forest Fire Protection by Advanced Video Detection System”, IJCSNS International Journal of Computer Science and Network Security, VOL.9 No.3, March 2009,p.100

   

  • K.Angayarkkani et. al, Efficient Forest Fire Detection System: A Spatial Data Mining and Image Processing Based Approach, IJCSNS International Journal of Computer Science and Network Security, VOL.6 No.9B, September 2006,p.124

   

  • Byungrak Son, Yong-sork Her, and Jung-Gyu Kim, A Design and Implementation of Forest-Fires Surveillance System based on Wireless Sensor Networks for South Korea Mountains, IJCSNS International Journal of Computer Science and Network Security, VOL.6 No.9B, September 2006
  • Cappellini, L. Mattii and A. Mecocci, An intelligent system for automatic fire detection in forests , Springer Berlin / Heidelberg,2o6,pages. 351-364

  وب سایت رسمی سازمان جهاد کشاورزی   www.frw.org.ir  ۶-

  • jin-hc.org
  • روزنامه خراسان،مورخ ۱۲/۵/۸۹ شماره انتشار ۱۷۶۱۴

   

  • ipsnews.net

   

  • mchs.gov.ru   وب سایت رسمی دولت روسیه