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. 2022. Т. 19. № 5. С. 9-18

Метод уточнения положения фронта пожара на основе ассимиляции данных спутникового мониторинга в модель распространения огня

С.А. Хвостиков 1, 2 , С.А. Барталев 1, 2 
1 Институт космических исследований РАН, Москва, Россия
2 Центр по проблемам экологии и продуктивности лесов РАН, Москва, Россия
Одобрена к печати: 30.08.2022
DOI: 10.21046/2070-7401-2022-19-5-9-18
Информация о положении фронта пожара критически важна для принятия решения о мерах по борьбе с огнём. Оперативные спутниковые данные обладают низким пространственным разрешением и не всегда позволяют оценить динамику фронта с достаточной точностью. В настоящей работе представлен метод ассимиляции данных дистанционного зондирования Земли (ДЗЗ) в модель природных пожаров, позволяющий уточнить положение фронта пожара с учётом погрешностей модельных и спутниковых оценок. В отличие от предшествующих работ по ассимиляции данных предложенный метод был опробован на значительном количестве продолжительных крупных природных пожаров. Метод основан на использовании вероятностной модели природных пожаров, спутниковых данных инструмента MODIS и ассимиляции на основе оптимизационного подхода. Метод задаёт уточнённый фронт пожара таким образом, чтобы он максимально соответствовал и модельным, и спутниковым оценкам положения фронта горения с учётом их погрешностей. Для этого метод предоставляет набор нормалей к фронту пожара и оценивает фактическое и модельное распространение вдоль них, вычисляя позицию уточнённого фронта вдоль нормалей через минимизацию суммы квадратичных форм отклонения уточнённого фронта от двух его оценок. Метод был опробован на 230 пожарах на территории России и продемонстрировал увеличение точности определения положения фронта пожара в сравнении с данными ДЗЗ.
Ключевые слова: природные пожары, моделирование, MODIS, Landsat, ассимиляция данных
Полный текст

Список литературы:

  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. С. 9–27.
  2. 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. С. 158–175. DOI: 10.21046/2070-7401-2017-14-6-158-175.
  3. 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.
  4. Пономарев Е. И., Харук В. И., Якимов Н. Д. Результаты и перспективы спутникового мониторинга природных пожаров Сибири // Сибирский лесной журн. 2017. № 5. С. 25–36. DOI: 10.15372/ SJFS20170503.
  5. Хвостиков С. А., Барталев С. А. Возможности применения данных спутникового мониторинга для моделирования динамики развития природных пожаров // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 5. С. 9–27. DOI: 10.21046/2070-7401-2021-18-5-9-27.
  6. 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.
  7. Хвостиков С. А., Барталев С. А., Лупян E. A. Вероятностное прогнозирование развития природных пожаров методом Монте-Карло на основе интеграции в имитационную модель данных спутникового детектирования очагов горения // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13. № 5. С. 145–156. DOI: 10.21046/2070-7401-2016-13-5-145-156.
  8. Development and Structure of the Canadian Forest fire Behavior Prediction System. Information Report ST-X-3 / Forestry Canada Fire Danger Group. Ottawa: Forestry Canada Science and Sustainable Development Directorate, 1992. 66 p.
  9. Giglio L., Schroeder W., Justice C. O. The collection 6 MODIS active fire detection algorithm and fire products // Remote Sensing of Environment. 2016. V. 178. P. 31–41. DOI: 10.1016/j.rse.2016.02.054.
  10. Kalnay E. Atmospheric modeling, data assimilation and predictability. Cambridge: Cambridge University Press, 2003. 369 p.
  11. Mandel J., Bennethum L. S., Beezley J. D., Coen J. L., Douglas C. C., Kim M., Vodacek A. A wildland fire model with data assimilation // Mathematics and Computers in Simulation. 2008. V. 79. No. 3. P. 584–606. DOI: 10.1016/j.matcom.2008.03.015.
  12. Mandel J., Kochanski A. K., Vejmelka M., Beezley J. D. Data Assimilation of Satellite Fire Detection in Coupled Atmosphere-Fire Simulation by WRF-SFIRE // arXiv preprint. arXiv:1410.6948. 2014. 9 p. https://doi.org/10.48550/arXiv.1410.6948.
  13. Rochoux M. C., Emery C., Ricci S., Cuenot B., Trouvé A. Towards predictive data-driven simulations of wildfire spread. Part 2: Ensemble Kalman Filter for the state estimation of a front-tracking simulator of wildfire spread // Natural Hazards and Earth System Sciences Discussions. 2014. V. 2. No. 5. P. 3769–3820. DOI: 10.5194/nhess-15-1721-2015.
  14. Touloumis A. Nonparametric Stein-type shrinkage covariance matrix estimators in high-dimensional settings // Computational Statistics and Data Analysis. 2015. V. 83. P. 251–261. DOI: 10.1016/j.csda.2014.10.018.
  15. Valero M. M., Rios O., Mata C., Pastor E., Planas E. An integrated approach for tactical monitoring and data-driven spread forecasting of wildfires // Fire Safety J. 2017. V. 91. P. 835–844. DOI: 10.1016/j.firesaf.2017.03.085.