ОЦЕНКА ДИСКРИМИНИРУЮЩЕГО ВЛИЯНИЯ ПРОСТРАНСТВЕННЫХ ФАКТОРОВ НА РИСКИ ВОЗНИКНОВЕНИЯ ЛЕСНЫХ ПОЖАРОВ
Keywords:
лесные пожары, детектирование пожаров, уровень лесной пожарной опасности, районирование, ключевые факторы, частотность пожаровAbstract
Ежегодные потери вследствие лесных пожаров значительны и могут достигать катастрофических масштабов в условиях труднодоступности, отсутствия развитой инфраструктуры и малой населенности территорий. Важно оценивать и выделять территории, наиболее пожароопасные вследствие совокупности природных и антропогенных факторов. Риски лесных пожаров определяются общими стационарными (характеристики природно-ландшафтных комплексов, климата, водного баланса, антропогенной активности и т.п.) и переменными (межгодовая и внутрисезонная изменчивость) условиями. Между условиями (факторами) и рисками возгораний могут существовать взаимосвязи, выявление которых позволяет получать обоснованные прогнозы уровня пожарной опасности. Задача заключается в статистически-обоснованном отборе ключевых (наиболее значимых, т.е. оказывающих наибольшее дискриминирующее влияние на уровень пожарной опасности) факторов и получении полуэмпирических соотношений для оценки рисков возгораний. Представлен метод, обеспечивающий выделение пространственно-распределенных факторов и их значений, соответствующих наибольшим рискам лесной пожарной опасности. В качестве меры пожарной опасности используется относительная частотность возгораний при разных условиях, полученная на основе фактов о лесных пожарах за пятилетний период наблюдений в Пермском крае. Предложенный метод ранжирования факторов по степени пожарной опасности обоснован применением вероятностно-статистических моделей. Сопоставление критических значений факторов с их пространственным распределением обеспечивает процедуру зонирования территории по степени лесной пожарной опасности. Метод иллюстрируется на примере стационарных факторов «виды лесной растительности» и «наличие густого леса», однако к ключевым факторам отнесен только первый из них. В работе использована карта пространственного распределения видов лесной растительности, полученная на основе дешифрирования данных MODIS.doi 10.17072/2079-7877-2016-4-118-128Поступила в редакцию: 06.07.2016References
Афонин С.В., Белов В.В., Энгель М.В. Анализ региональных спутниковых данных MODIS
PRODUCTS // Современные проблемы дистанционного зондирования Земли из космоса. 2005. Т. 2.
№2. С. 336–342.
Барановский Н.В., Янкович Е.П. Методические и технические основы использования данных
наземной таксации лесных массивов в целях количественной оценки лесной пожарной опасности //
Экологические системы и приборы. 2014. №3. С. 3–12.
Барталев С.А., Егоров В.А., Ершов Д.В., Исаев А.С., Лупян Е.А., Плотников Д.Е., Уваров И.А.
Спутниковое картографирование растительного покрова России по данным спектрорадиометраMODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. №4. С.
–302.
Вентцель Е.С., Овчаров Л.А. Теория вероятностей и ее инженерные приложения: учеб. пособие
для втузов. М.: Академия, 2003. 464 с..
Галеев А.А., Котельников Р.В., Крашенинникова Ю.С., Лупян Е.А., Сементин В.Л., Флитман
Е.В., Щербенко Е.В. Сопоставление информации о лесных пожарах по данным спутниковых,
наземных и авиационных наблюдений ИСДМ-Рослесхоз // Современные проблемы дистанционного
зондирования Земли из космоса, 2008. Т. 5. №2. С. 458–468.
Губенко И.М., Рубинштейн К.Г. Сравнительный анализ методов расчета индексов пожарной
опасности // Гидрометеорологические прогнозы: тр. Гидрометеорологического научно-
исследовательского центра Российской Федерации. 2012. Вып. 347. С. 180–193.
Пономарчук А.И. Оптимизация параметров контекстуального алгоритма при детектировании
лесных пожаров с использованием данных дистанционного зондирования Земли // Современные
проблемы науки и образования. 2013. №1. URL: http://www.science-education.ru/107-8220 (дата
обращения: 16.07.2015).
Пономарчук А.И., Шихов А.Н. Детектирование лесных пожаров в Пермском крае с
использованием данных дистанционного зондирования Земли // Геоинформационное обеспечение
пространственного развития Пермского края: сб. науч. тр. / Перм. гос. ун-т. Пермь, 2011. Вып. 4.
С. 15–24.
Рыбчак Н.В., Утробин М.Г. Анализ лесопожарной обстановки на территории Мурманской
области в 2010 г. с использованием спутниковой информации // Земля из Космоса – наиболее
эффективные решения. 2010. №7. С. 60–66.
Сухова О.В. Создание карты лесной растительности для моделирования снегонакопления на
территории Пермского края // Вестник Удмуртского университета. Сер. Биология. Науки о Земле.
№4. С. 132–139.
Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере / под ред. В.Э. Фигурнова. М.:
ИНФРА-М, 2002. 528 с.
Шишалов И.С., Пыпина О.И. «Лесной Дозор» — эффективная система раннего обнаружения
лесных пожаров // Лесной бюллетень. 2010. №1(39). С. 8–12.
Di Gregorio, A. Land Cover Classification System: Classification Concepts and User Manual: LCCS.
Food and Agriculture Organization of the United Nations. 2005. 190 p.
Giglio, L. Detection, evaluation, and analysis of global fire activity using MODIS data: Dissertation
on degree Doctor of Philosophy, University of Maryland, 2006. UMI Number: 3212607, 247 pp.
McCarthy M.A. Bayesian Methods for Ecology. Cambridge University Press, 2007, 310 p.
Zuur A.F., Ieno E.N., Smith G.M. Analysing Ecological Data. Springer New York, 2007, 685 p.
