Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13. № 5. С. 145-156

Вероятностное прогнозирование развития природных пожаров методом Монте-Карло на основе интеграции в имитационную модель данных спутникового детектирования очагов горения

С.А. Хвостиков 1 , С.А. Барталев 1 , Е.А. Лупян 1 
1 Институт космических исследований РАН, Москва, Россия
Одобрена к печати: 11.10.2016
DOI: 10.21046/2070-7401-2016-13-5-145-156
В работе представлена вероятностная модель развития природных пожаров, основанная на методе Монте-Карло, и интеграции данных спутникового мониторинга в имитационную модель развития огня. Точность моделирования развития природных пожаров в данный момент ограничена несовершенством самих моделей, а также погрешностями и недостаточно высоким пространственным разрешением входных спутниковых и метеорологических данных. Проблема качества входных данных особенно остро стоит при оперативном моделировании развития пожаров. Вероятностный подход к моделированию позволяет учесть погрешности входных данных и модельных параметров при воспроизведении динамики пожара. Множество сценариев развития пожара, полученных методом Монте-Карло c учетом погрешностей модели, позволяют оценить вероятность достижения огнем близлежащих территорий. Проверка качества работы модели была проведена для нескольких сотен пожаров в лиственничных лесах Сибири. Проверка точности модельных оценок вероятности осуществлялась путем сравнения результатов модельных расчетов для различных сценариев распространения огня с данными спутниковых наблюдений динамики горения. Проведенные сравнения показали хорошее совпадение модельных оценок и фактических данных спутникового мониторинга. В работе показано, что разработанная модель может быть использована для оценки возможных потерь лесных ресурсов, степени угроз населенным пунктам и объектам инфраструктуры в результате действия природных пожаров.
Ключевые слова: природные пожары, спутниковый мониторинг, модели развития пожаров, метод Монте-Карло
Полный текст

Список литературы:

  1. Барановский Н.В. Модель для оценки пожарной безопасности населенного пункта при лесных пожарах // Технологии техносферной безопасности: Интернет-журнал. 2010. №. 5. С. 8.
  2. 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 спектрорадиометра MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 4. С. 285–302.
  3. 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. С. 9–26.
  4. Барталев С.А., Ершов Д.В., Коровин Г.Н., Котельников Р.В., Лупян Е.А., Щетинский В.Е. Основные возможности и структура информационной системы дистанционного мониторинга лесных пожаров Федерального агентства лесного хозяйства (ИСДМ Рослесхоз) // Современные проблемы дистанционного зондирования Земли из космоса. 2010. Т. 7. № 2. С. 97–105.
  5. Доррер Г.А. Оценка статистических характеристик контуров лесных пожаров. // Физика горения и взрыва. 1978. № 2. С. 71–76.
  6. Лепп Н.Э., Ушанов С.В. Имитационное моделирование процесса распространения лесного пожара по неоднородному слою горючего материала // Кубатурные формулы, методы Монте-Карло и их приложения. 2010. С. 73.
  7. Лупян Е.А., Барталев С.А., Ершов Д.В., Котельников Р.В., Балашов И.В., Бурцев М.А., Егоров В.А., Ефремов В.Ю., Жарко В.О., Ковганко К.А., Колбудаев П.А., Крашенинникова Ю.С., Прошин А.А., Мазуров А.А., Уваров И.А., Стыценко Ф.В., Сычугов И.Г., Флитман Е.В., Хвостиков С.А., Шуляк П.П. Организация работы со спутниковыми данными в информационной системе дистанционного мониторинга лесных пожаров Федерального агентства лесного хозяйства (ИСДМ-Рослесхоз) // Современные проблемы дистанционного зондирования Земли из космоса. 2015а. Т. 12. № 5. С. 222–250.
  8. Лупян Е.А., Прошин А.А., Бурцев М.А., Балашов И.В., Барталев С.А., Ефремов В.Ю., Кашницкий А.В., Мазуров А.А., Матвеев А.М., Суднева О.А., Сычугов И.Г., Толпин В.А., Уваров И.А. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды // Современные проблемы дистанционного зондирования Земли из космоса. 2015б. Т. 12. № 5. С. 263–284.
  9. Хвостиков С.А., Балашов И.В., Барталев С.А., Ефремов В.Ю., Лупян Е.А. Региональная оптимизация параметров прогнозной модели природных пожаров и оперативное моделирование динамики их развития с использованием данных спутниковых наблюдений // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 3. С. 91–100.
  10. Anderson K., Flannigan M., Reuter G. Using ensemble techniques in fire-growth modelling // Sixth Symposium on Fire and Forest Meteorology. Boston, Massachusetts, USA, October 24–27, 2005. pp. 2.4–2.10.
  11. Boychuk D., Braun W.J., Kulperger R.J., Krougly Z.L., Stanford D.A. A stochastic forest fire growth model // Environmental and Ecological Statistics. 2009. Vol. 16. No. 2. P. 133–151.
  12. Justice C., Giglio L., Boschetti L., Roy D., Csiszar I., Morisette J., Kaufman Y. MODIS Fire Products Algorithm Technical Background Document. Version 2.3. 2006. http://modis.gsfc.nasa.gov/data/atbd/atbd_mod14.pdf.
  13. Finney M., Grenfell I., McHugh C., Seli R., Trethewey D., Stratton R., Brittain S. A method for ensemble wildland fire simulation // Environmental Modeling & Assessment. 2011. V. 16. No. 2. P. 153–167.
  14. Development and structure of the Canadian forest fire behaviour prediction system. F.C. F.D. Group. Information Report ST-X-3. Ottawa, Ontario, Canada, 1992. 63 p.
  15. Perryman H.A., Dugaw C.J., Varner J.M., Johnson D.L. A cellular automata model to link surface fires to firebrand lift-off and dispersal // International journal of wildland fire. 2013. V. 22. No. 4. P. 428–439.
  16. Sullivan A.L. Wildland surface fire spread modelling, 1990–2007. 1: Physical and quasi-physical models // International Journal of Wildland Fire. 2009a. V. 18. No. 4. P. 349–368.
  17. Sullivan A.L. Wildland surface fire spread modelling, 1990–2007. 2: Empirical and quasi-empirical models // International Journal of Wildland Fire. 2009b. V. 18. No. 4. P. 369–386.