Материалы 19-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса»
Москва, ИКИ РАН, 15–19 ноября 2021 г.

(http://conf.rse.geosmis.ru)

XIX.B.403

Оценка формы распределения площадей лесных пожаров для зон с разным уровнем охраны

Котельников Р.В. (1), Лупян Е.А. (2)
(1) Филиал ФБУ ВНИИЛМ "Центр лесной пирологии", г Красноярск, Россия
(2) Институт космических исследований РАН, Москва, Россия
В связи с глобальным потеплением климата ландшафтные пожары не только оказывают все большее негативное влияние на леса, но и представляют серьезную угрозу людям и объектам экономики (Flannigan et al., 2009; Shukla et al., 2020). На этом фоне важным аспектом повышения качества организации охраны лесов от пожаров является разработка статистически обоснованных методов оценки результативности принимаемых мер, в том числе для использования в системах поддержки управленческих решений (Котельников, Коршунов, Гиряев, 2017). Классические методы оценки горимости территорий, основанные на данных региональных лесопожарных служб не всегда объективны, что негативно влияет на качество аналитической обработки. Накопление большого массива данных дистанционного зондирования Земли, точность которых не зависят от человеческого фактора, позволили выявить взаимосвязь формы распределения значений площади лесных пожаров и уровня организации охраны. Попытки такого анализа формы распределения предпринимались и раньше (Коморовский, 2012; Pereira Jr. et al., 2014; Taylor et al., 2013; Torres et al., 2017; Torres-Rojo, 2020), но были мало эффективны из-за ограниченного объема данных. Знание закона распределения полезно для задач анализа и прогнозирования (Katz, Brush, Parlange, 2005; Limpert, Stahel, Abbt, 2001).
В настоящее время используются разные алгоритмы и методы спутникового мониторинга (Loboda, Csiszar, 2005; Loupian et al., 2006; Tansey et al., 2008; Пономарёв, Иванов, 2012; Барталев и др., 2012; Bartalev et al., 2016; Лупян и др., 2017; Флитман, Е.В. и др., 2011)(Fraser, Liu, Cihlar, 2000; Grégoire, Tansey, Silva, 2003; Sukhinin et al., 2004; Егоров и др., 2006; Roy et al., 2008; Барталев и др., 2012; Bartalev et al., 2016), каждый из которых имеет свои преимущества и недостатки (Барталев и др., 2012, 2014; Стыценко и др., 2016). Разработанные в ИКИ РАН технические решения (Барталев и др., 2012; Егоров и др., 2006; Лупян и др., 2017; Bartalev et al., 2016) применяются в различных информационных системах, включая ИСДМ-Рослесхоз (Ковалев и др., 2020; Лупян и др., 2017; Лупян, Е.А. и др., 2003; Котельников и др., 2019), ВЕГА-Sienc (Лупян, Е.А. и др., 2011) и др.
Для проведения исследования использовались данные ИСДМ-Рослесхоз., а также набор данных, получаемых на основе прибора MODIS (шестая коллекция - МС6), которые прошли объединение горячих точек в «пожары» с использованием алгоритмов ИСДМ-Рослесхоз , но без дополнительной геометрической коррекции. В расчёты включались горение только на лесной площади. Технический выброс в данных, на границе чувствительности аппаратуры, связанный с особенностями алгоритма расчёта покрытой лесом площади, был исключен.
С учётом структуры лесопожарного зонирования в Российской Федерации, с использованием ИСДМ-Рослесхоз, были сформированы выборки площадей лесных пожаров по четырём группам, существенно отличающиеся уровню воздействия со стороны лесопожарных формирований (в порядке убывания уровня охраны):
 зона наземной охраны (лесопожарные станции в трёх часовой доступности);
 зона лесоавиационных работ (за исключением зоны контроля лесных пожаров);
 зона контроля лесных пожаров (где часть пожаров не тушится, но подтверждения факта отказа от тушения нет);
 лесные пожары, по которым есть достоверные сведения, что пожар не тушился по решению КЧС.
Использование графического (диаграмма плотности распределения) и численного (с использованием критерия Калмогорова-Смирнова) методов показал, что форма распределения значений площадей лесных пожаров на больших выборках не является хаотичной, и статистически значимо отличается по группам.
Чем выше уровень охраны на анализируемой территории, тем ближе форма распределения к логнормальной. Наиболее близки к такой форме данные, наблюдаемые для выборки лесных пожаров, по которым имеется информация, что они точно не тушились.
Для дальнейших исследований проведена аппроксимацию формы распределения с помощью функции логнормального распределения и сравним выборки.
В качестве графического способа сравнения распределений по группам использовался график вероятность/вероятность, где на горизонтальной оси расположим вероятность (накопительную частоту появления значений, делённую на размер выборки) для отсортированного по возрастанию значения площади пожаров, которые не тушились, а по вертикальной оси соответствующее значение вероятности для каждой выборки (А(ЗК), А, Н). В качестве численного критерия воспользуемся следующими непараметрическими критериями:
 Критерий серий Вальда-Вольфовица;
 Критерий Колмогорова-Смирнова;
 U-критерий Манна-Уитни.
Полученные в ходе исследования результаты показывают, что форма распределения значений площадей лесных пожаров на больших выборках не является хаотичной. Чем выше уровень охраны, тем ближе форма распределения соответствующей выборки к форме, наблюдаемой для выборки лесных пожаров, по которым имеется информация, что они точно не тушились (т.е. логнормальному распределению). Причём различие между группами пожаров на территориях с разным уровнем охраны является статистически значимым.
Наличие подтверждённой взаимосвязи между уровнем охраны и формой распределения многолетних данных о площадях лесных пожарах может быть использована как один из методов оценки результативности действия лесопожарных формирований полностью исключив влияние человеческого фактора на результаты оценки.
Для выполнения работы использовались возможности ЦКП «ИКИ-Мониторинг» (Лупян и др., 2019). Работа выполнена при поддержке Минобрнауки (темы «Мониторинг» госрегистрация № 01.20.0.2.00164).

Ключевые слова: лесные пожары, статистические методы обработки данных, ДЗЗ, лесопожарное зонирование, зоны контроля лесных пожаров, оценка эффективности охраны лесов от пожаров
Литература:
  1. Барталев С.А., Егоров В.А., Ефремов В.Ю., Лупян Е.А., Стыценко Ф.В., Флитман Е.В.. Оценка площади пожаров на основе комплексирования спутниковых данных различного пространственного разрешения MODIS и Landsat-TM/ETM+ // Современные проблемы дистанционного зондирования Земли из космоса, 2012, Т. 9, № 2, C. 9-26.
  2. Барталев С.А., Лупян Е.А., Стыценко Ф.В., Панова О.Ю., Ефремов В.Ю.. Экспресс-картографирование повреждений лесов России пожарами по спутниковым данным Landsat // Современные проблемы дистанционного зондирования Земли из космоса, 2014, Т. 11, № 1, C. 9-20.
  3. Егоров В.А., Барталев С.А., Лупян Е.А., Уваров И.А.. Мониторинг повреждений растительного покрова пожарами по данным спутниковых наблюдений // Известия вузов: геодезия и аэрофотосъемка, 2006, C. 98-109.
  4. Ковалев Н.А., Лупян Е.А., Балашов И.В., Барталев С.А., Бурцев М.А., Ершов Д.В., Кривошеев Н.П., Мазуров А.А.. ИСДМ-Рослесхоз: 15 лет эксплуатации и развития // Современные проблемы дистанционного зондирования Земли из космоса, 2020, Т. 17, ИСДМ-Рослесхоз, № 7, C. 283-291.
  5. Коморовский В.С.. Модели организации и управления при борьбе с лесными пожарами: Учебное пособие / ISBN: 9785160056333collection-title: 120. Москва: НИЦ Инфра-М, 2012. 120 с.
  6. Котельников Р.В., Коршунов Н.А., Гиряев Н.М.. Задачи принятия решений в области охраны лесов от пожаров: основные приоритеты развития информационного обеспечения // Сибирский лесной журнал, 2017, № 5, C. 18-24.
  7. Котельников Р.В., Лупян Е.А., Барталев С.А., Ершов Д.В.. Космический мониторинг лесных пожаров: история создания и развития ИСДМ-Рослесхоз // Лесоведение, 2019, № 5, C. 399-409.
  8. Лупян Е.А., Барталев С.А., Балашов И.В., Егоров В.А., Ершов Д.В., Кобец Д.А., Сенько К.С., Стыценко Ф.В., Сычугов И.Г.. Спутниковый мониторинг лесных пожаров в 21 веке на территории Российской Федерации (цифры и факты по данным детектирования активного горения) // Современные проблемы дистанционного зондирования Земли из космоса, 2017, Т. 14, № 6, C. 158-175.
  9. Лупян, Е.А., Мазуров, А.А., Флитман, Е.В., Ершов, Д.В., Коровин, Г.Н., Новик, В.П., Абушенко, Н.А., Алтынцев, Д.А., Кошелев, В.В., Тащилин, С.А., и др.. Спутниковый мониторинг лесных пожаров в России. Итоги. Проблемы. Перспективы. Аналит. обзор. Новосибирск: ИОА;ГПНТБ СО РАН, 2003. 134 с.
  10. Лупян Е.А., Прошин А.А., Бурцев М.А., Кашницкий А.В., Балашов И.В., Барталев С.А., Константинова А.М., Кобец Д.А., Мазуров А.А., Марченков В.В., Матвеев А.М., Радченко М.В., Сычугов И.Г., Толпин В.А., Уваров И.А. Опыт эксплуатации и развития центра коллективного пользования системами архивации, обработки и анализа спутниковых данных (ЦКП «ИКИ-Мониторинг») // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 151-170. DOI: 10.21046/2070-7401-2019-16-3-151-170.
  11. Лупян, Е.А., Савин И.Ю., Барталев С.А., Толпин В.А., Балашов И.В., Плотников Д.Е.. Спутниковый сервис мониторинга состояния растительности («Вега») // Современные проблемы дистанционного зондирования Земли из космоса, 2011, Т. 8, № 1, C. 190-198.
  12. Пономарёв Е.И., Иванов В.А.. Спутниковый мониторинг динамики экстремальных пожаров // Хвойные Бореальной Зоны, 2012, Т. 30, № 3-4.
  13. Стыценко Ф.В., Барталев С.А., Иванова А.А., Лупян Е.А., Сычугов И.Г.. Возможности оценки площадей лесных пожаров в регионах России на основе данных спутникового детектирования активного горения // Современные проблемы дистанционного зондирования Земли из космоса, 2016, Т. 13, № 6, C. 289-298.
  14. Флитман, Е.В., Балашов, И.В., Бурцев, М.А., Галеев, А.А., Егоров, В.А., Котельников, Р.В., Лупян, Е.А., Мазуров, А.А., Матвеева, А.М., Прошин, А.А.. Построение системы работы с данными прибора MODIS для решения задач мониторинга лесных пожаров и их последствий // Современные проблемы дистанционного зондирования Земли из космоса, 2011, Т. 8, № 3, C. 127-138.
  15. Bartalev S., Egorov V., Efremov V., Flitman E., Loupian E., Stytsenko F.V., Assessment of Burned Forest Areas over the Russian Federation from MODIS and Landsat-TM/ETM+ Imagery. 2016. pp. 245-271.
  16. Flannigan M., Krawchuk M., Wotton M., Johnston L., Implications of changing climate for global Wildland fire // International Journal of Wildland Fire, 2009, Vol. 18, pp. 483-507.
  17. Fraser R., Liu H., Cihlar J., Hotspot and NDVI Differencing Synergy (HANDS): A New Technique for Burned Area Mapping over Boreal Forest // Remote Sensing of Environment, 2000, Vol. 74, Hotspot and NDVI Differencing Synergy (HANDS), pp. 362-376.
  18. Grégoire J.-M., Tansey K., Silva J., The GBA2000 initiative: developing a global burnt area database from SPOT-VEGETATION imagery // International Journal of Remote Sensing, 2003, Vol. 24, The GBA2000 initiative, pp. 1369-1376.
  19. Katz R.W., Brush G.S., Parlange M.B., Statistics of extremes: Modeling ecological disturbances // Ecology, 2005, Vol. 86, No. 5, pp. 1124-1134.
  20. Limpert E., Stahel W.A., Abbt M., Log-normal distributions across the sciences: Keys and clues // BioScience, 2001, Vol. 51, No. 5, pp. 341-352.
  21. Loboda T., Csiszar I., Estimating burned area from AVHRR and MODIS: validation results and sources of error // Contemporary Earth Remote Sensing from Space, 2005, Vol. 2, pp. 415-421.
  22. Loupian E.A., Mazurov A.A., Flitman E.V., Ershov D.V., Korovin G.N., Novik V.P., Abushenko N.A., Altyntsev D.A., Koshelev V.V., Tashchilin S.A., et al., Satellite Monitoring of Forest Fires in Russia at Federal and Regional Levels // Mitigation and Adaptation Strategies for Global Change, 2006, Vol. 11, No. 1, pp. 113-145.
  23. Pereira Jr. A.C., Oliveira S.L.J., Pereira J.M.C., Turkman M.A.A., Modelling fire frequency in a Cerrado savanna protected area // PLoS ONE, 2014, Vol. 9, No. 7.
  24. Roy D.P., Boschetti L., Justice C.O., Ju J., The collection 5 MODIS burned area product — Global evaluation by comparison with the MODIS active fire product // Remote Sensing of Environment, 2008, Vol. 112, No. 9, pp. 3690-3707.
  25. IPCC, 2019: Summary for Policymakers. In: Climate Change and Land: an IPCC special report on climate change, desertification, land degradation, sustainable land management, food security, and greenhouse gas fluxes in terrestrial ecosystems : Intergovernmental Panel on Climate Change / рук. Shukla P.R., Skea J., Calvo Buendia E., Masson-Delmotte V., Pörtner H.-O., Roberts D.C., Zhai P., Slade R., Connors S., Diemen R. van, Ferrat M., Haughey E., Luz S., Neogi S., Pathak M., Petzold J., Portugal Pereira J., Vyas P., Huntley E., Kissic K., Belkacemi M., Malley J. - Switzerland, 2020. - 41 p.
  26. Sukhinin A., French N., Kasischke E., Hewson J., Soja A., Csiszar I., Hyer E., Loboda T., Conard S., Romasko V., et al., AVHRR-based mapping of fires in Russia: New products for fire management and carbon cycle studies // Remote Sensing of Environment, 2004, Vol. 93, AVHRR-based mapping of fires in Russia, pp. 546-564.
  27. Tansey K., Grégoire J.-M., Defourny P., Leigh R., Pekel J.-F., Bogaert E., Bartholomé E., A new, global, multi-annual (2000–2007) burnt area product at 1 km resolution // Geophysical Research Letters, 2008, Vol. 35, pp. 1-6.
  28. Taylor S.W., Woolford D.G., Dean C.B., Martell D.L., Wildfire prediction to inform fire management: Statistical science challenges // Statistical Science, 2013, Vol. 28, No. 4, pp. 586-615.
  29. Torres F.T.P., Lima G.S., Martins S.V., Valverde S.R., Analysis of efficiency of fire danger indices in forest fire prediction // Revista Árvore, 2017, Vol. 41, No. 2, pp. 1-10.
  30. Torres-Rojo J.M., Index for the estimation of the occurrence of forest fires in large areas // Revista Chapingo, Serie Ciencias Forestales y del Ambiente, 2020, Vol. 26, Índice para la estimación de ocurrencia de incendios forestales en superficies extensas, No. 3, pp. 433-449.

Презентация доклада

Видео доклада



Ссылка для цитирования: Котельников Р.В., Лупян Е.А. Оценка формы распределения площадей лесных пожаров для зон с разным уровнем охраны // Материалы 19-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2021. C. 100. DOI 10.21046/19DZZconf-2021a

Технологии и методы использования спутниковых данных в системах мониторинга

100