森林火灾严重破坏生态系统及人类的生命财产安全,因此研究林火蔓延机理,对林火蔓延发展进行准确地预测和模拟,可以有效地制定扑火决策,控制火场的持续蔓延。然而作为一种复杂系统,准确地预测林火蔓延依赖于很多因素,包括地理信息数据,可燃物数据、气象条件、高效准确的林火蔓延模型等。但由于林火蔓延的动态性和复杂性,很难准确地获得这些数据。本文以湖南地区的森林火灾为研究对象,在不考虑灭火的前提下,选择基于离散事件系统规范(Discrete Event System Specification,DEVS)的王正非模型(简称 DEVS-王正非模型)为林火蔓延的仿真模型,研究了林火蔓延仿真预测过程中的数据同化方法。本文的主要工作如下:(1)针对DEVS-王正非模型林火蔓延预测精确度较低的问题,采用分布式存储及计算框架,结合粒子滤波算法原理,搭建基于Hadoop的林火蔓延数据同化方法框架。(2)利用分布式文件存储技术对采集的林火蔓延仿真所需的模型数据进行存储管理,以更方便有效的形式供数据同化系统调用。(3)基于DEVS-王正非林火蔓延模型,以火场外围火线为林火蔓延的状态,结合分布式计算框架MapReduce和粒子滤波算法,将火线及其外围温度作为比较参数,设计了采样算法和测量密度的计算方法,实现了林火蔓延仿真预测过程中的数据同化。本文选择影响林火蔓延的主要气象因子“风”作为动态数据,分别以风速和风向作为模拟因子,根据提出的林火蔓延数据同化方法,对其进行实验仿真模拟。实验结果表明提出的林火蔓延数据同化方法,能够有效的矫正由于气象数据采集误差而导致的林火蔓延仿真预测的不准确,从而提高林火蔓延仿真模型的预测精度。