Метод предупреждения природных пожаров на основе пространственно-временной изменчивости факторов пожарной опасности

Исследование направлено на разработку метода предупреждения природных пожаров на основе пространственных данных – космических снимков, цифровых моделей рельефа (ЦМР) и картографических слоев, с учетом пространственно-временной изменчивости факторов пожарной опасности. В пределах территории России были выявлены наиболее пожароопасные регионы с точки зрения лесной, степной и торфяной пожарной опасности соответственно – Красноярский край, Оренбургская область и Мещерская низменность (Московская, Рязанская и Владимирская области). В качестве факторов пожарной опасности были рассмотрены структура растительности, температура и влагосодержание объектов земной поверхности, положение в рельефе и антропогенная нагрузка. Они были описаны на основе таких параметров, как вегетационные индексы NDVI и SAVI, водный индекс NDWI, радиационная температура, полученные по космическим снимкам Landsat-8, Sentinel-2, Aqua/Terra (MODIS) и Sentinel-3 (SLSTR); высота, уклон и экспозиция, рассчитанные на основе ASTER GDEM; расстояние до населенных пунктов и дорог, представленные в форме картографических векторных слоев OpenStreetMap. На основе данных о пожарах в виде термоточек MODIS и VIIRS за 2016-2018 гг. была проанализирована взаимосвязь временных изменений с возгораемостью территории в пределах пространственных единиц района исследования – лесных районов, степных зон и торфяных участков. В результате была установлена зависимость, близкая к линейной, а также определены уравнения пересчета параметров в условную вероятность возгорания по частной оценке пожарной опасности, определены 90%-пороговые значения предупреждения пожаров. На основе коэффициентов корреляции были рассчитаны веса вклада каждого параметра в общую пожарную опасность территории. Все выведенные зависимости и значения были использованы для организации последовательности обработки пространственных данных в методе предупреждения природных пожаров. Тестирование метода в режиме мониторинга района исследования в течение 2019 г. показало достаточную пригодность в пределах 67% достоверности и 61% надежности результатов предупреждения.