Разработка методики предупреждения природных пожаров по данным дистанционного зондирования на примере лесов Красноярского края

DOI: 10.35595/2414-9179-2021-2-27-340-354

Посмотреть или загрузить статью (Rus)

Об авторе

А.T. Гизатуллин

Московский государственный университет имени М.В. Ломоносова, Географический факультет, кафедра картографии и геоинформатики,
Ленинские горы, д. 1, 119991, Москва, Россия;
E-mail: almazgiz1995@yandex.ru

Аннотация

Рассматриваются этапы разработки методики предупреждения природных пожаров по данным дистанционного зондирования на примере лесов Красноярского края. Приводится обоснование выбора территории исследования на основе статистических данных о пожарах (термоточки FIRMS 2016-2018 гг.) с точки зрения разнообразия условий возгорания. В основу оценки пожарной опасности закладываются наиболее информативные факторы возгорания — температура поверхности, неоднородность растительного покрова и антропогенная нагрузка, выведенные на основе природно-пожарной характеристики территории. Эти факторы оценены путем измерения близких к них показателей соответственно — радиояркостной температуры на основе теплового излучения, вегетационного индекса NDVI и интегрального показателя расстояния до населенных пунктов и дорог. В качестве источников данных использовались материалы со спутников Terra/Aqua, Sentinel-3, Landsat-8, Sentinel-2 и векторные картографические слои Open Street Maps. С помощью статистических данных была проанализирована взаимосвязь показателей с фактической возгораемостью территории Красноярского края. В результате были получены различные по лесным районам и времени пожароопасного сезона коэффициенты корреляции, описывающие вклад отдельных факторов в пожарную опасность, а также пороговые значения показателей для предупреждения пожаров. В соответствии с ними была построена методика в виде последовательности этапов аналитической и синтетической оценки пожарной опасности. Тестирование методики было произведено в наиболее пожароопасном и репрезентативном с точки зрения условий возгорания участке на юго-западе Красноярского края в период с 1 апреля по 10 мая 2019 года. По итогам тестирования подтвердилась достаточная достоверность (65 %) и надежность (58 %) прогноза природных возгораний.

Ключ. слова

оценка пожарной опасности, данные ДЗЗ, факторы пожарной опасности, пороговые значения

Список литературы

  1. Рязанова Н.Е., Сорокин П.А. Опыт применения дистанционного зондирования растительности при исследовании динамики экосистем российской Арктики. Науки о Земле: вчера, сегодня, завтра. Материалы III Междунар. науч. конф., 2017. С. 7–12.
  2. Софронова А.В., Волокитина А.В. Оценка природной пожарной опасности лесных участков на территории нефтегазовых комплексов с использованием данных дистанционного зондирования Земли. Сибирский лесной журнал, 2017. № 5. С. 84–94. DOI: 10.153 72/SJFS20170508.
  3. Сухинин А.И., Пономарев Е.И. Картирование и краткосрочное прогнозирование пожарной опасности в лесах Восточной Сибири по спутниковым данным. Сибирский экологический журнал, 2003. Т. 10, № 6. С. 669–677.
  4. Фуряев В.В., Цветков П.А., Фуряев И.В., Злобина Л.П. Условия возникновения и распространения пожаров в лесных районах Красноярского края. Хвойные бореальной зоны, 2017. Т. 35. № 1–2. С. 66–74.
  5. Amatulli G., Peréz-Cabello F., de la Riva J. Mapping lightning/human-caused wildfires occurrence under ignition point location uncertainty. Ecological Modelling, 2007. V. 200. No. 3. P. 321–333. DOI: 10.1016/j.ecolmodel.2006.08.001.
  6. 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.
  7. Calabri G. La prevenzione degli Incendi Boschivi. I problemi e le Tecniche della Difesa. Bologna: Edagricole, 1984.
  8. Chéret V., Denux J.P. Analysis of MODIS NDVI Time Series to Calculate Indicators of Mediterranean Forest Fire Susceptibility. GIScience & Remote Sensing, 2011. V. 48. No. 2. P. 171–194. DOI: 10.2747/1548-1603.48.2.171.
  9. Dong X., Li-min D., Guo-fan S., Lei T., Hui W. Forest fire risk zone mapping from satellite images and GIS for Baihe Forestry Bureau. Journal of Forestry Research. Jilin, 2005. No. 16. P. 169–174. DOI: 10.1007/BF02856809.
  10. Dowdy A.J., Mills A.G., Finkele K., de Groot W. Australian fire weather as represented by the McArthur Forest Fire Danger Index and the Canadian Forest Fire Weather Index. CAWCR Technical Report, 2009. No. 10. 91 p.
  11. Hirsch S.N., Kruckeberg R.F., Madden F.H. The bi-spectral forest detection system. proceeding 7th International Symposium on Remote Sensing of Environment. Ann Arbor, 1971. P. 2253–2259.
  12. Marchi E., Tesi E., Montorselli N.B. 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.
  13. 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. thes. Oregon, 1979. 410 p.
  14. Rignot E., Way J.B., McDonald K., Viereck L., Williams C., Adams P., Payne C., Wood W., Shi J. Monitoring of environmental conditions in taiga forests using ERS-1 SAR. Remote Sensing of the Environment, 1994. No. 49. P. 145–154. DOI: 10.1016/0034-4257(94)90051-5.
  15. Rouse J.W., Haas R.H., Schell J.A., Deering D.W. Monitoring vegetation systems in the great plains with ERTS. proceedings of the Third Earth Resources Technology Satellite-1 Symposium, 1974. No. 1. P. 309–317.
  16. Skowronski N.S., Clark K.L., Duveneck M., Hom J. Three-dimensional canopy fuel loading predicted using upward and downward sensing LiDAR systems. Remote Sensing of Environment, 2011. V. 115. P. 703–714. DOI: 10.1016/j.rse.2010.10.012.
  17. 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.
  18. Verbesselt J., Somers B., Lhermite S., Jonckheere I., van Aardt J., Coppin P. Monitoring herbaceous fuel moisture content with SPOT VEGETATION time-series for fire risk prediction in savanna ecosystems. Remote Sensing of Environment, 2007. No. 108. P. 357–368. DOI: 10.1016/j.rse.2006.11.019.
  19. Yuan C., Zhang Y., Liu Z. A survey on technologies for automatic forest fire monitoring, detection, and fighting using unmanned aerial vehicles and remote sensing techniques. Canadian journal of forest research, 2015. V. 45. No. 7. P. 783–792. DOI: 10.1139/cjfr-2014-0347.

Для цитирования: Гизатуллин А.T. Разработка методики предупреждения природных пожаров по данным дистанционного зондирования на примере лесов Красноярского края. ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Географический факультет МГУ, 2021. Т. 27. Ч. 2. С. 340–354 DOI: 10.35595/2414-9179-2021-2-27-340-354

For citation: Gizatullin A.T. Development of natural fire prevention method based on remote sensing data: case study of Krasnoyarsk region forests. InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: MSU, Faculty of Geography, 2021. V. 27. Part 2. P. 340–354. DOI: 10.35595/2414-9179-2021-2-27-340-354 (in Russian)