Наблюдаемые в последнее время глобальные климатические изменения являются серьезным вызовом для устойчивого развития Российской Федерации и человечества в целом (Третий оценочный доклад, 2022; IPCC, 2022 г.). Природные пожары являются мощными источниками эмиссии климатически активных газов, а также влияют на запас углерода в лесных экосистемах и, следовательно, на углеродный баланс, таким образом оказывая значительное влияние на климат (Бондур и др., 2021).
Интенсивность природных пожаров и объемы эмиссий климатически активных газов в атмосферу взаимосвязаны. Спутниковые оценки мгновенной мощности излучения пожара (FRP) позволяют получать такие характеристики пожаров, как интенсивность, расход биомассы в пожаре, а также оценки выбросов климатически активных газов и аэрозолей (Li et al., 2018). Эти показатели зависят от типов растительности и климатических особенностей, характерных для различных регионов (Вивчар и др., 2010) и могут быть получены с помощью спутниковых систем мониторинга и современных методов обработки больших объемов спутниковых данных (Бондур, Гордо, 2018; Bondur et al., 2023; Барталев и др., 2012). Регистрация природных пожаров осуществляется с помощью тепловой спутниковой съемки путем фиксации аномально высоких температурных показателей, которые излучают горящие объекты. Этот метод основан на определении соотношения между значениями радиационной температуры участка поверхности (пикселя), измеренной спутниковым радиометром, и заданного порогового значения (Anejionu et.al., 2015).
Газовые факелы, также являются источниками интенсивного выделения тепла, и могут быть с высокой степенью достоверности обнаружены путем регистрации из космоса тепловых аномалий в инфракрасном диапазоне спектра (Li R., 2021, Zhizhin M., 2021). В спутниковых информационных продуктах (например MODIS, VIIRS) эти объекты часто идентифицируются как природные пожары, что может приводить к неверной оценке пожарной активности и необходимости привлечения дополнительной информации при расчете пожарных эмиссий климатически активных газов. Таким образом, возникает необходимость дополнительного анализа спутниковых данных о тепловых аномалиях и более точного разделения их по типам источников.
В данной работе проведена классификация тепловых источников: газовых факелов и природных пожаров на территории Сибирского федерального округа по атрибутивным данным спутниковых информационных продуктов с применением модели машинного обучения Категориальный бустинг (Categorical Boosting, CatBoost). В состав данной модели входит алгоритм с улучшенной реализацией градиентного бустинга и использования категориальных признаков (Prokhorenkova et al., 2019). Данный алгоритм решает проблемы смещения градиента и сдвига предсказания, тем самым улучшая обобщающую способность и надежность получаемых результатов.
Для улучшения качества классификации были использованы дополнительные характеристики – метеопараметры на момент съемки, полученные из глобальной системы ассимиляции данных о Земле GLDAS (Rodell et al., 2024) и набора данных реанализа ERA5 (Muñoz, 2019): скорость ветра, температура воздуха, влажность, а также осадки. Итоговые модели были протестированы на новых данных, в результате чего получены метрики для данных MODIS: F1-score (0.863), ROC-AUC (0.943), а также для данных VIIRS: F1-score (0.956), ROC-AUC (0.992).
Полученные результаты позволят исключить антропогенные объекты, такие как газовый факел, ложно определяемый как природные пожары, при анализе пожарной активности и расчетах пожарных эмиссий климатически активных газов и аэрозолей на основе спутниковой информации.

Ключевые слова: природные пожары, спутниковые данные, космический мониторинг, пожарные эмиссии, газовые факелы, машинное обучение

Литература:

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 // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т.9. №2. С. 9-26
Бондур В.Г., Воронова О.С., Гордо К.А., Зима А.Л. Космический мониторинг изменчивости площадей природных пожаров и эмиссий вредных примесей в атмосферу на территории различных регионов России за 20-летний период / Доклады Российской академии наук. Науки о Земле. 2021. Т. 500. № 2. С. 216–222. https://doi.org/10.31857/S2686739721100042
Бондур В.Г., Гордо К.А. Космический мониторинг площадей, пройденных огнем, и объемов эмиссий вредных примесей при лесных и других природных пожарах на территории Российской Федерации // Исследование Земли из космоса. 2018. № 3. С. 41-55. https://doi.org/10.7868/S020596141803003X
Бондур В.Г., Зима А.Л., Феоктистова Н.В. Долговременный спутниковый мониторинг различных типов природных пожаров и эмиссий климатически - активных газов и аэрозолей от них на территории России и ее крупных регионов / Исследование Земли из космоса. 2024. № 5. C. 19–34. https://doi.org/10.31857/S0205961424050021
Вивчар А.В., Моисеенко К.Б., Панкратова Н.В. Оценки эмиссий оксида углерода от природных пожаров в Северной Евразии в приложении к задачам атмосферного переноса и климата // Известия РАН. Физика атмосферы и океана. 2010. Т. 46. № 3. С. 307-320
Третий оценочный доклад об изменениях климата и их последствиях на территории Российской Федерации // Под ред. В.М. Катцова (Росгидромет). СПб.: Наукоемкие технологии, 2022. 676 с.
Bondur V.G., Gordo K.A., Voronova O.S., Zima A.L., Feoktistova N.V. IntenseWildfires in Russia over a 22-Year Period According to Satellite Data. Fire 2023, 6, 99. https://doi.org/10.3390/fire6030099.
IPCC, 2022: Climate Change 2022: Impacts, Adaptation, and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [H.-O. Pörtner, D.C. Roberts, M. Tignor, E.S. Poloczanska, K. Mintenbeck, A. Alegría, M. Craig, S. Langsdorf, S. Löschke, V. Möller, A. Okem, B. Rama (eds.)]. Cambridge University Press. Cambridge University Press, Cambridge, UK and New York, NY, USA. 3056 pp. https://doi.org/10.1017/9781009325844
Li F., Zhang X., Kondragunta S., Csiszar I. Comparison of fire radiative power estimates from VIIRS and MODIS observations. Journal of Geophysical Research: Atmospheres, 2018, 123, 4545–4563. https://doi.org/10.1029/2017JD027823
Ponomarev E.I., Zabrodin A.N., Shvetsov E.G., Ponomareva T.V. Wildfire Intensity and Fire Emissions in Siberia. Fire 2023, 6, 246. https://doi.org/10.3390/fire6070246
Prokhorenkova L., Gusev G., Vorobev A., Dorogush A. V., Gulin A. CatBoost: unbiased boosting with categorical features // Computer Science. 2019. Pp.23 https://doi.org/10.48550/arXiv.1706.09516
Rodell M., Houser, P. R., Jambor, U., Gottschalck, J., Mitchell, K., Meng, C.-J., Arsenault, K., Cosgrove, B., Radakovich, J., Bosilovich, M., Entin, J. K., Walker, J. P., Lohmann, D., Toll, D. The Global Land Data Assimilation System. Bulletin of the American Meteorological Society. 2004. Vol. 85, No. 3, pp. 381-394. DOI: 10.1175/BAMS-85-3-381
Muñoz S. J. ERA5-Land monthly averaged data from 1950 to present. Copernicus Climate Change Service (C3S) Climate Data Store (CDS). 2019. DOI: 10.24381/cds.68d2bb30
Anejionu Obinna C.D., Blackburn G. Alan, Whyatt J. Duncan. Detecting gas flares and estimating flaring volumes at individual flow stations using MODIS data // Remote Sensing of Environment Volume 158, 1 March 2015, Pages 81-94. https://doi.org/10.1016/j.rse.2014.11.018

Двадцать третья международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"

XXIII.A.234

Применение машинного обучения для разделения природных пожаров и газовых факелов по атрибутивным данным спутниковых информационных продуктов

Методы и алгоритмы обработки спутниковых данных