РАЗРАБОТКА МЕТОДОВ ИСПОЛЬЗОВАНИЯ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ДЛЯ ПРЕДУПРЕЖДЕНИЯ ПРИРОДНЫХ ПОЖАРОВ

Алмаз Тимербулатович Гизатуллин

doi:10.17072/2079-7877-2021-1-149-161

Авторы

Алмаз Тимербулатович Гизатуллин Московский государственный университет имени М.В. Ломоносова, Москва https://orcid.org/0000-0001-7186-1287

DOI:

https://doi.org/10.17072/2079-7877-2021-1-149-161

Ключевые слова:

предупреждение возгораний, пожарная опасность, данные дистанционного зондирования, геоинформационные методы, модели распространения возгораний, нейронные сети

Аннотация

Работа посвящена анализу и систематизированному обобщению процесса разработки методов использования данных дистанционного зондирования Земли для предупреждения природных пожаров. Рассматриваются историческое развитие и содержательное разнообразие методов и выделяются основные этапы, отражающие особенности их разработки с учетом расширения источников и типов съемки, углубления знаний о предмете. Интерпретация возгорания включает в себя принципиально разные процессы наступления пожара и распространения огня. Вводятся понятия пожарной опасности, факторов опасности, анализируются способы их выбора и применения в методах. Определяются исходные данные методов – продукты космической съемки различного разрешения (Landsat, Sentinel, MODIS/Terra-Aqua, AVHRR/NOAA и др.), снимки БПЛА, лидарные данные, а также технологии их обработки. Изучение набора методов показало, что наиболее часто используются традиционные методы геоинформационного анализа, имитационное моделирование и нейронные сети. В результате, были описаны характерные методы и выявлены особенности их реализации. В ходе описания анализируются примеры методов оценки пожарной опасности на основе ГИС, моделей распространения возгораний, нейросетевых методов предупреждения возгораний и их применения для разного пространственного уровня – глобального, регионального и локального.

Библиографические ссылки

Гизатуллин А.Т., Алексеенко Н.А., Моисеева Н.А. Разработка алгоритма превентивной оценки пожарной опасности природных территорий по данным дистанционного зондирования // Геодезия и картография. 2019. Т. 80. № 1. С. 102–109.

Пожары и пожарная безопасность в 2018 году: статистический сборник / под общей ред. Д.М. Гордиенко. М.: ВНИИПО, 2019. 125 с.

Хвостиков С.А. Региональная оптимизация параметров прогнозной модели природных пожаров и оперативное моделирование динамики их развития с использованием данных спутниковых наблюдений // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 3. С. 91–100.

Amatulli G., Perez-Cabello F., de la Riva J. Mapping lightning/human-caused wildfires occurrence under ignition point location uncertainty // Ecological Modelling. 2007. T. 200. № 3-4. P. 321–333.

Ambrosia V.G., Brass J.A. Thermal analysis of wildfire effects on global ecosystem cycling // Geocarto International. 1988. T. 3. № 4. P. 29–40.

Bourgeau-Chavez L.L., Kasischke E.S., Rutherford M.D. Evaluation of ERS SAR data for prediction of fire danger in a boreal region // International Journal of Wildland Fire. 1999. T. 9. № 3. P. 183–194.

Bradshaw L.S., Deeming J.E., Burgan R.E., Cohen, J.D. The 1978 National Fire-Danger Rating System: technical documentation. General Technical Report INT-169. Ogden: U.S. Department of Agriculture, Forest Service, 1984. 44 p.

Brushlinsky N.N., Ahrens M., Sokolov S.V., Wagner P. World Fire Statistics // Center of Fire Statistics: International Association of fire and rescue services. 2016. № 21. 62 p.

Calle A., Salvador P. The active fire FRP product: study on Sentinel-3/SLSTR // IEEE Geoscience and Remote Sensing Letters. 2013. T. 10. № 5. P. 1046–1049.

Carmel Y., Paz S., Jahashan F., Shoshany M. Assessing fire risk using Monte Carlo simulations of fire spread // Forest Ecology and Management. 2009. T. 257. № 1. P. 370–377.

Coen J.L., Schroeder W. Use of spatially refined satellite remote sensing fire detection to initialize and evaluate coupled weather-wildfire growth model simulations // Geophysical Research Letters. 2013. T. 40. P. 5536–5541.

Csiszar [et al.] Active fires from the Suomi NPP Visible Infrared Imaging Radiometer Suite: Product status and first evaluation results // Journal of Geophysical Results: Atmospheres. 2013. T. 119. № 2. P. 803–816.

Dasgupta S., Qu J.J, Hao X.J. Design of a susceptibility index for fire risk monitoring // IEEE Geoscience and Remote Sensing Letters. 2006. T. 3. № 1. P. 140–144.

Giglio L., Descloitres J., Justice C. O., Kaufman Y.J. An enhanced contextual fire detection algorithm for MODIS // Remote Sensing of Environment. 2003. T. 87. № 2-3. P. 273–282.

Hernandez-Leal P.A., Arbelo M., Gonzalez-Calvo A. Fire Risk assessment using satellite data // Advances in Space Research. 2006. T. 37. № 4. P. 741–746.

Hirsch S.N., Kruckeberg R.F., Madden F.H. The bi-spectral forest detection system // Proceeding 7th International Symposium. on Remote Sensing of Environment. ERIM. Ann Arbor. MI. 1971. P. 2253–2259.

Kanga S., Singh K. Forest Fire Simulation Modeling using Remote Sensing & GIS // International Journal of Advanced Research in Computer Science. 2017. T. 8. № 5. P. 326–332.

Levick S.R., Shendryk Y., Setterfield S.A., Rossiter-Rachor N.A. Evaluation of satellite remote sensing pathways for mapping and monitoring of gamba grass for the Savanna Fire Management Methodology. Darwin, 2018. 20 p.

Lopez A.S., San-Miguel-Ayanz J., Burgan R. Integration of satellite sensor data, fuel type maps and meteorological observations for evaluations of forest fire risk at the pan-European scale // International Journal of Remote Sensing. 2002. T. 23. № 13. P. 2713–2719.

Maeda E.E. [et al.]. Forest fire risk mapping in the Brazilian Amazon using MODIS images and artificial neural networks // International Journal of Applied Earth Observation and Geoinformation. 2009. T. 11. №4. P. 265–272.

Marchi E. [et al.]. Forest fire prevention: a GIS tool for fire-fighting planning and management // Proceedings of the 6th international workshop of the EARSeL special interest group on forest fires. Thesalonniki, 2007. P. 102–106.

Mbow C., Goita K., Benie B. Spectral indices and fire behavior simulation for fire risk assessment in savanna ecosystem // Remote Sensing of Environment. 2004. T. 91. № 1. P. 1–13.

Navarro G. [et al.]. Evaluation of forest fire on Madeira Island using Sentinel-2A MSI imagery // International Journal of Applied Earth Observation and Geoinformation. 2017. T. 58. P. 97–106.

Peterson D.A. [et al.]. Implications for predicting extreme fire spread, pyroconvection and smoke emissions // Bulletin of the American Meteorological Society. 2015. T. 96. № 2. P. 229–247.

Rabii H.A. An Investigation of the utility of Landsat-2 MSS data to the fire-danger rating area, and forest fuel analysis within Crater Lake National Park: Ph.D. thesis. Oregon, 1979. 410 p.

Rao G.N., Rao P.J., Duvvuru R.A. Drone Remote Sensing for Virtual Reality Simulation System for Forest Fires: Semantic Neural Network Approach // IOP Conf. Series: Materials Science and Engineering. 2016. № 149. P. 1–7.

Rignot E. [et al.]. Monitoring of environmental conditions in taiga forests using ERS-1 SAR // Remote Sensing of the Environment. 1994. T. 49. № 2. P. 145–154.

Rollins M.G., Keane R.E., Parsons R.A. Mapping fuels and fire regimes using remote sensing, ecosystem simulation and gradient modeling // Ecological Applications. 2004. T. 14. № 1. P. 75–95.

Stergiopoulos I., Mallinis G., Gitas I.Z. Fuel type mapping using medium resolution imagery and GIS, considering radiometric, spatial and spectral enhancements of the original dataset // Proceedings of the 6th international workshop of the EARSeL special interest group on forest fires. Thesalonniki, 2007. P. 107-110.

Van Wagner C.E. Development and Structure of the Canadian Forest Fire Weather Index System // Forestry Technical Report. Canada Forest Service. 1987. 37 p.

Vasconcelos M.J.P. [et al.]. Spatial Prediction of Fire Ignition Probabilities: Comparing Logistic Regression and Neural Networks // Photogrammetric Engineering & Remote Sensing. 2001. T. 67. № 1. P. 73–81.

Verbesselt J. [et al.]. Monitoring herbaceous fuel moisture content with SPOT VEGETATION time-series for fire risk prediction in savanna ecosystems // Remote Sensing of Environment. 2007. T. 108. №4. P. 357–368.

Yaloveha V., Hlavcheva D., Podorozhniak A., Kuchuk H. Fire Hazard Research of Forest Areas based on the use of Convolutional and Capsule Neural Networks // IEEE 2nd Ukraine Conference on Electrical and Computer Engineering. Lviv, 2019. P. 828–832.

Yool S.R., Eckhardt D.W., Estes J.E., Cosentino J. Describing the brushfire hazard in Southern California // Annals of the American Association of Geographers. 1985. T. 75. № 3. P. 417–430.

Yu B., Chen F., Li B., Wang L. Fire Risk Prediction Using Remote Sensed Products: A Case of Cambodia // Photogrammetric Engineering & Remote Sensing. 2017. T. 83. № 1. P. 19–25.

Yunhao C., Jing L., Guangxiong P. Forest fire risk assessment combinig remote sensing and meteorological information // New Zealand Journal of Agricultural Research. 2007. T. 50. № 5. P. 1037–1044.

Zhu Q., Rong T., Sun R. A case study on fractal simulation of forest fire spread // Science in China. 2000. T. 43. P. 104–113.