Проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий
Сформульовано вимоги, яким повинна задовольняти сучасна система прогнозу пожежної небезпеки для лісів Євразії. Розглядається концептуальна база для створення такої системи для території Російської Федерації (або іншої держави Співдружності Незалежних Держав). Пропонується об’єднання підсистем збору,...
Saved in:
| Published in: | Проблемы управления и информатики |
|---|---|
| Date: | 2015 |
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2015
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/207901 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий / Н.В. Барановский // Проблемы управления и информатики. — 2015. — № 2. — С. 96-112. — Бібліогр.: 48 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-207901 |
|---|---|
| record_format |
dspace |
| spelling |
Барановский, Н.В. 2025-10-15T15:23:02Z 2015 Проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий / Н.В. Барановский // Проблемы управления и информатики. — 2015. — № 2. — С. 96-112. — Бібліогр.: 48 назв. — рос. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/207901 519.237.8+519.244.3: 616.079.5 10.1615/JAutomatInfScien.v47.i3.40 Сформульовано вимоги, яким повинна задовольняти сучасна система прогнозу пожежної небезпеки для лісів Євразії. Розглядається концептуальна база для створення такої системи для території Російської Федерації (або іншої держави Співдружності Незалежних Держав). Пропонується об’єднання підсистем збору, зберігання і обробки інформації в єдиний апаратно-програмний комплекс. Як математичне забезпечення пропонуються програмні реалізації детерміновано-ймовірнісної методики прогнозу лісової пожежної небезпеки. Обговорюються питання створення міждержавного стандарту методики прогнозу лісової пожежної небезпеки. Modern Eurasian forest fire danger forecast system should satisfy formulated requirements. Conceptual base for development of such system for territory of the Russian Federation (or other CIS country) is considered. Integration of storage and processing information subsystems in united hardware and software complex is offered. Program realizations of deterministic-probabilistic techniques of the forest fire danger forecast are offered as software. Questions of new interstate standard creation on forest fire danger forecast technique are discussed. ru Інститут кібернетики ім. В.М. Глушкова НАН України Проблемы управления и информатики Технические средства для измерений и управления Проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий Проєкт Євразійського сегмента нової системи прогнозу лісової пожежної небезпеки на основі інформаційно-обчислювальних технологій Project of Eurasian segment for new forest fire danger prediction system based on information-computational technologies Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий |
| spellingShingle |
Проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий Барановский, Н.В. Технические средства для измерений и управления |
| title_short |
Проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий |
| title_full |
Проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий |
| title_fullStr |
Проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий |
| title_full_unstemmed |
Проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий |
| title_sort |
проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий |
| author |
Барановский, Н.В. |
| author_facet |
Барановский, Н.В. |
| topic |
Технические средства для измерений и управления |
| topic_facet |
Технические средства для измерений и управления |
| publishDate |
2015 |
| language |
Russian |
| container_title |
Проблемы управления и информатики |
| publisher |
Інститут кібернетики ім. В.М. Глушкова НАН України |
| format |
Article |
| title_alt |
Проєкт Євразійського сегмента нової системи прогнозу лісової пожежної небезпеки на основі інформаційно-обчислювальних технологій Project of Eurasian segment for new forest fire danger prediction system based on information-computational technologies |
| description |
Сформульовано вимоги, яким повинна задовольняти сучасна система прогнозу пожежної небезпеки для лісів Євразії. Розглядається концептуальна база для створення такої системи для території Російської Федерації (або іншої держави Співдружності Незалежних Держав). Пропонується об’єднання підсистем збору, зберігання і обробки інформації в єдиний апаратно-програмний комплекс. Як математичне забезпечення пропонуються програмні реалізації детерміновано-ймовірнісної методики прогнозу лісової пожежної небезпеки. Обговорюються питання створення міждержавного стандарту методики прогнозу лісової пожежної небезпеки.
Modern Eurasian forest fire danger forecast system should satisfy formulated requirements. Conceptual base for development of such system for territory of the Russian Federation (or other CIS country) is considered. Integration of storage and processing information subsystems in united hardware and software complex is offered. Program realizations of deterministic-probabilistic techniques of the forest fire danger forecast are offered as software. Questions of new interstate standard creation on forest fire danger forecast technique are discussed.
|
| issn |
0572-2691 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/207901 |
| citation_txt |
Проект евразийского сегмента новой системы прогноза лесной пожарной опасности на основе информационновычислительных технологий / Н.В. Барановский // Проблемы управления и информатики. — 2015. — № 2. — С. 96-112. — Бібліогр.: 48 назв. — рос. |
| work_keys_str_mv |
AT baranovskiinv proektevraziiskogosegmentanovoisistemyprognozalesnoipožarnoiopasnostinaosnoveinformacionnovyčislitelʹnyhtehnologii AT baranovskiinv proêktêvrazíisʹkogosegmentanovoísistemiprognozulísovoípožežnoínebezpekinaosnovíínformacíinoobčislûvalʹnihtehnologíi AT baranovskiinv projectofeurasiansegmentfornewforestfiredangerpredictionsystembasedoninformationcomputationaltechnologies |
| first_indexed |
2025-11-24T03:11:56Z |
| last_indexed |
2025-11-24T03:11:56Z |
| _version_ |
1850840547959242752 |
| fulltext |
© Н.В. БАРАНОВСКИЙ, 2015
96 ISSN 0572-2691
ТЕХНИЧЕСКИЕ СРЕДСТВА
ДЛЯ ИЗМЕРЕНИЙ И УПРАВЛЕНИЯ
УДК 630
Н.В. Барановский
ПРОЕКТ ЕВРАЗИЙСКОГО СЕГМЕНТА НОВОЙ
СИСТЕМЫ ПРОГНОЗА ЛЕСНОЙ ПОЖАРНОЙ
ОПАСНОСТИ НА ОСНОВЕ ИНФОРМАЦИОННО-
ВЫЧИСЛИТЕЛЬНЫХ ТЕХНОЛОГИЙ
Введение
Ежегодно лесные пожары в различных регионах Российской Федерации и
других странах евразийского континента уничтожают государственный лесной
фонд, загрязняют атмосферу и приводят к гибели людей и повреждению сельских
населенных пунктов [1]. Возможны чрезвычайные ситуации, когда необходимо
принимать решения в сжатые сроки (от нескольких десятков минут до нескольких
дней). Это тот временной интервал, когда трудно или невозможно осуществить
оперативную консультацию со специалистами. В этом случае необходимую под-
держку в принятии решения в условиях ограниченных ресурсов (прежде всего
временных ограничений) могут оказать компьютерные системы [2]. В целях мини-
мизации экологического, экономического ущерба, числа жертв, а также рациональ-
ного использования средств на охрану лесов от пожаров следует осуществлять про-
гноз лесной пожарной опасности. Для решения указанных задач в различных стра-
нах мира разработаны индексы и системы оценки пожарной опасности в лесах
(например, в Канаде [3], США [4], Европе [5]). В РФ в качестве ГОСТа [6] приме-
няется критерий Нестерова [7]. Однако он физически несодержателен и не учиты-
вает антропогенную нагрузку и грозовую активность.
Цель настоящей работы — создание концептуального проекта новой системы
прогноза лесной пожарной опасности (ЛПО) на базе детерминированно-вероят-
ностного подхода.
Современные системы прогноза ЛПО
Министерство природных ресурсов Канады в настоящее время оперирует двумя
национальными информационными системами для управления лесными пожарами [8]:
канадская информационная система по лесным пожарам (Canadian Wildland Fire Infor-
mation System — CWFIS) и система моделирования, мониторинга и картирования по-
жаров (Fire M3). Обе системы включают компоненты канадской системы оценки лес-
ной пожарной опасности (Canadian Forest Fire Danger Rating System — CFFDRS) [3] и
используют движок системы пространственного управления пожарами (Spatial Fire
Management System — sFMS) [8] для получения, управления, моделирования, анализа
и презентации данных. Метеорологические параметры с точечных источников изме-
рений (сеть Канады и северной части США насчитывает около 900 метеорологических
станций) интерполируются для получения пространственной детализации ячеек в 1 км.
Международный научно-технический журнал
«Проблемы управления и информатики», 2015, № 2 97
Канадская система CFFDRS состоит из двух основных подсистем (модулей) —
Canadian Forest Fire Weather Index (FWI) System [9] и Canadian Forest Fire Behavior
Prediction (FBP) System [8]. В рамках первой подсистемы FWI прогнозируется
влагосодержание основных лесных горючих материалов (ЛГМ) в зависимости от
погодных условий, а в рамках FBP — поведение очага пожара для различных лес-
ных фитоценозов. Два других элемента (Accessory Fuel Moisture System и Canadi-
an Forest Fire Occurrence Prediction (FOP) System) не разработаны для всей терри-
тории страны, но существуют региональные версии данных подсистем [8]. Первая
предназначена для оценки влагосодержания второстепенных ЛГМ, а вторая —
для предсказания возгораний от антропогенной нагрузки и грозовой активности.
В последнее время для описания суточного изменения индекса пожарной опасно-
сти используется математический аппарат цепей Маркова [10].
Система sFMS разработана для поддержки принятия решений по ликвидации
лесных пожаров [8] и может функционировать как самостоятельное приложение
или интегрироваться в существующие информационные системы. sFMS преиму-
щественно работает с текущей метеорологической информацией, чтобы подгото-
вить дневные или почасовые карты пожарной опасности, поведения пожаров, ве-
роятности зажигания. Система также используется с кратко- и долгосрочными
климатическими прогнозами для предсказания влияния климатических изменений
на уровень лесной пожарной опасности, выгоревшую площадь, потребление ЛГМ
и эмиссию парниковых газов. Система может использоваться в различных мас-
штабах (от локального до глобального) [8].
Мониторинговый компонент Fire M3 использует спутниковые данные NOAA
(Advanced Very High-Resolution Radiometer — AVHRR) с пространственным раз-
решением 1км для обнаружения активных лесных пожаров. Компонент картиро-
вания предназначен для оценки выгоревшей площади. Моделирующие компонен-
ты интегрируют данные системы CWFIS для оценки условий пожарной погоды,
лесной пожарной опасности и возможного поведения пожара [8].
Выходные данные канадской национальной системы доступны для заинтере-
сованных лиц и организаций через Интернет (сайт Канадской лесной службы
http://cfs.nrcan.gc.ca). Канадская методика используется в различном объеме в та-
ких странах, как США, Новая Зеландия, Фиджи, Аргентина, Мексика, Индонезия,
Малайзия [11]. Система успешно использовалась и в Финляндии, Швеции [11].
Канадская методика прогнозирования лесной пожарной опасности построена с
учетом анализа большого количества статистических данных и достаточно точно
предсказывает пожарную опасность [3, 8–11].
В США в 1972 г. была разработана методика определения пожарной опасно-
сти на разных лесных территориях (National Fire Danger Rating System — NFDRS) [4].
Структура американской системы представляет собой абстрактную модель влия-
ния различных факторов и условий на процесс возникновения и распространения
пожаров. Система выдает четыре индекса [4]: индекс возникновения пожара по
вине человека (Man-caused fire occurrence index — MCOI), индекс возникновения
пожара в результате грозовой активности (Lightning-caused fire occurrence index —
LOI), индекс горения (Burning index — BI) и индекс пожарной нагрузки (Fire load
index — FLI). Индексы MCOI и LOI определяются с учетом компонента воспла-
менения (Ignition component — IC) и позволяют оценить ожидаемое число лесных
пожаров. Все ЛГМ разделены на типичные модели. В системе вводится ряд пиро-
логических характеристик ЛГМ, которые позволяют косвенно учитывать процесс
зажигания. Итоговая оценка пожарной опасности (FLI) определяется в зависимо-
сти от значений индексов MCOI, LOI и BI по 100-балльной шкале. Таким обра-
98 ISSN 0572-2691
зом, в системе используется большое количество поправок, полученных на основе
эмпирических данных. Результаты, основанные на расчетах в рамках NFDRS, ис-
пользуются в системе оценки лесных пожаров (Wildland Fire Assessment System —
WFAS). Некоторые результаты доступны в Интернет (официальный сайт http://
www.wfas.net).
К началу 2000 года было проведено сравнительное исследование различных
методов прогноза лесной пожарной опасности, разработанных в Южной Европе [12].
Все методы представляют численный индекс, который растет с увеличением
опасных условий. Южноевропейские методы оценки пожарной опасности [12], в
основе которых лежат метеорологические факторы, протестированы с помощью
статистических данных 3–9 лет. Кроме методов, принятых во Франции, Италии,
Португалии и Испании, в сравнительный анализ был включен и канадский ме-
тод [9]. Для каждой области имелись ежедневные значения числа пожаров и вы-
горевшей площади, которые зависят не только от метеопараметров. Считалось,
что дополнительные факторы (особенно антропогенная нагрузка) не оказывают
взаимного влияния [12]. Канадский метод и модифицированный метод Нестерова
(Португалия) показали наилучшие общие эксплуатационные качества [12]. Вслед
за этим исследованием была разработана так называемая Европейская система —
European Forest Fire Risk Forecasting System (EFFRFS), которая применялась на
территории Южной Европы. Основу системы составили методы, разработанные в
Италии, Франции, Испании, Португалии [12] и канадский метод [9]. Указанные
методы применяются в совокупности. В настоящее время используется модифи-
кация Европейской системы, которая дополнительно учитывает данные со спут-
ников и называется European Forest Fire Information System (EFFIS) [5]. Для срав-
нения все индексы приведены к 100-балльной шкале. В последние годы система
стала применяться в некоторых странах Западной Европы. Результаты работы
системы доступны в Интернет (официальный сайт http://effis.jrc.ec.europa.eu). На-
до полагать, что несовершенство национальных методов заставило создателей ев-
ропейской системы включить канадский метод в качестве одного из основных
компонентов. Поскольку наиболее качественный компонент представлен канад-
ским методом, то преимущества и недостатки европейской системы аналогичны
североамериканским. Канадская и американская системы похожи в своей струк-
туре, в подходах и принципах построения индекса пожарной опасности. Поэтому
обе имеют схожие как преимущества, так и недостатки. Основной недостаток
заключается в том, что явления сушки и зажигания слоя ЛГМ не моделируются
с учетом реальных физико-химических процессов. Основное преимущество —
учет таких значимых факторов, как антропогенная нагрузка, грозовая актив-
ность и долговременная эксплуатация в реальных условиях, которая показала
эффективность применения этих систем.
Степень пожарной опасности, обусловленная пожарной зрелостью лесного
участка, в лесной пирологии определяется с помощью индекса горимости Несте-
рова (комплексного метеорологического показателя — КМП) [7]:
).(1 pjjjjjj TTT
Здесь j — комплексный метеорологический показатель пожарной опасности;
pjj TT , — температура воздуха и точки росы в 13–15 ч местного времени для те-
кущего дня; — коэффициент учета осадков, который равен нулю, если сумма
осадков за прошедшие сутки мм,3jf или 1, если мм;3jf индекс j соответ-
ствует текущему дню пожароопасного сезона. Вероятность возникновения лесно-
Международный научно-технический журнал
«Проблемы управления и информатики», 2015, № 2 99
го пожара и его интенсивность возрастают с увеличением комплексного показа-
теля .j В 1999 г. принят ГОСТ Р 22.1.09-99 «Мониторинг и прогнозирование
лесных пожаров. Общие требования» [6], который используется и сейчас. Данный
стандарт основан на приведенном выше комплексном метеорологическом показа-
теле [7]. Основной недостаток настоящего стандарта в том, что игнорируется
влияние факторов антропогенной нагрузки и грозовой активности. В этом отно-
шении методика существенно уступает зарубежным аналогам. Второй недостаток
(игнорирование реальных физико-химических механизмов сушки и зажигания
слоя ЛГМ) характерен как для российской методики, так и для зарубежных сис-
тем. Можно сделать вывод, что официально принятая российская методика про-
гноза лесной пожарной опасности совершенно не соответствует современному
уровню развития технологий в данной области.
Необходимые требования к современной
системе прогноза лесной пожарной опасности
Результаты предпроектного исследования показывают, что создание в обозри-
мой перспективе отечественной системы прогноза лесной пожарной опасности, об-
ладающей конкурентоспособными качествами, потребует привлечения современ-
ных информационно-вычислительных технологий и физически содержательных
моделей и критериев. Перечислим основные требования, которые необходимо вы-
полнить для создания системы прогноза лесной пожарной опасности.
1. Наличие государственной концепции создания и развития межгосударст-
венной системы прогноза лесной пожарной опасности.
2. Наличие физико-математических моделей сушки и зажигания ЛГМ источ-
никами природного и антропогенного характера.
3. Наличие сети регистрации наземных грозовых разрядов, а также методик
оценки вероятности прохождения грозы на конкретной территории.
4. Наличие физико-математических моделей учета антропогенной нагрузки
на лесопокрытые территории.
5. Наличие физически и математически обоснованного критерия оценки
уровня лесной пожарной опасности.
6. Наличие базы исходных данных для моделирования физико-химических
процессов, протекающих при возникновении лесных пожаров.
7. Методика должна быть реализована в виде программного комплекса, по-
зволяющего осуществлять прогноз лесной пожарной опасности в режиме, опере-
жающем реальное время развития процесса.
8. Методика прогноза лесной пожарной опасности и ее программная реали-
зация должны обладать возможностью модернизации и обновления отдельных
моделей и подсистем.
9. Наличие межгосударственного стандарта не на конкретную методику со
всеми фиксированными компонентами, а на спецификацию соответствия методи-
ки определенным требованиям.
10. Наличие стандартов, спецификаций на файлы входной, промежуточной и
выходной информации в системе прогноза лесной пожарной опасности.
11. Наличие технологий, позволяющих потребителям оперативно получать
прогнозную информацию.
12. Наличие технологий, позволяющих отслеживать степень достоверности
получаемых прогнозов.
13. Наличие соответствующим образом подготовленных специалистов, спо-
собных обслуживать систему.
14. Доступность понимания прогнозной информации для лиц, принимающих
управленческие решения (возможно, не имеющих специальной физико-матема-
тической подготовки).
100 ISSN 0572-2691
Модельная концепция прогноза лесной пожарной опасности
В рамках настоящего исследования предлагается модельная концепция соз-
дания и развития отечественной системы прогноза лесной пожарной опасно-
сти [13]. Концепция предполагает создание и развитие отечественной системы
прогноза лесной пожарной опасности для повышения экологической, экономиче-
ской безопасности государства посредством мониторинга и управления уровнем
пожарной опасности с учетом основных значимых факторов и климатических из-
менений. Основные задачи концепции естественным образом вытекают из сфор-
мулированных выше требований к современной системе прогноза лесной пожар-
ной опасности. Следует отметить, что очень важное значение имеет наличие
исходных данных для расчетных моделей. В рамках настоящей концепции пред-
лагается объединить в единую систему (распределенный аппаратно-программный
комплекс) как информационно-вычислительное ядро (параллельный программ-
ный комплекс — (ППК)) для многопроцессорной вычислительной системы
(МВС), так и необходимые для функционирования инструментальные средства
регистрации наземных грозовых разрядов. Известно, что развитие сети грозопе-
ленгаторов запланировано Федеральной службой по гидрометеорологии и мони-
торингу окружающей среды. Усиление влияния антропогенного фактора при соз-
дании комплексов прогноза лесной пожарной опасности обязывает уделить вни-
мание разработке системы усвоения данных об уровне антропогенной нагрузки
(СУДАН) для оценки ее пространственно-временной динамики. Технологическая
база модельной концепции представлена на рис. 1.
Математические
модели численного
прогноза погоды
Базы данных
по статистике
лесных пожаров
Системы пеленгации
наземных грозовых
разрядов
СУДАН
Математическая модель
возникновения лесного
пожара от грозы
Математическая
модель возникновения
лесного пожара от
антропогенной нагрузки
Базы данных
лесотаксационных
описаний
Детерминировано-
вероятностный
критерий
Прогноз лесной
пожарной
опасности
Лица, принимающие
решения
Управленческие решения
Рис. 1
Международный научно-технический журнал
«Проблемы управления и информатики», 2015, № 2 101
Физическая модель лесной пожарной опасности
Анализ лесопожарных происшествий позволил выделить основные факторы
и сформулировать физическую модель лесной пожарной опасности [14] (рис. 2).
Следует внести уточнения в эту достаточно общую модель и предложить более
подробные механизмы возникновения очагов лесных пожаров. Грозовая актив-
ность создает напряженную лесопожарную обстановку в горных и малообжитых
регионах [15]. Причиной возгораний являются разряды класса облако–земля [16].
На рис. 3 представлен обобщенный механизм возникновения очага лесного пожара
в результате грозовой активности, который учитывает в совокупности первичные и
вторичные источники зажигания и режим тления слоя ЛГМ после удара молнии.
Действие осадков и высушивание слоя лесных горючих материалов
в результате действия излучения от Солнца и конвективно-кондуктивного
теплообмена с приземным слоем атмосферы и слоем почвы
Действие
сухих гроз
Достижение такого состоянии
ЛГМ, при котором влаго-
содержание слоя w становится
меньше критического значения w
Антропогенная
нагрузка
Воспламенение слоя лесных горючих материалов
и возникновение низового лесного пожара
Рис. 2
Грозовая активность
Выделение Джоулева тепла
в стволе дерева и выполнение
критериев зажигания
Наземный грозовой
разряд
Прохождение электричес-
кого тока по стволу дерева
Растекание тока в корневой
системе дерева и образование
искровых разрядов
Образование и выпадение
на слой ЛГМ вторичных
источников зажигания
Метеорологические
условия
Слой ЛГМ
Выполнение
условий зажигания
Тление в слое ЛГМ
в течение нескольких дней
Образование очага
лесного пожара
Рис. 3
102 ISSN 0572-2691
Антропогенная нагрузка
Выбор сценария
зажигания слоя ЛГМ
Умышленный
поджог
Небрежное
обращение
с огнем
Сельхоз.
палы
Железная
дорога
Линия
электро-
передач
Выжигание
разлива
нефти
Автомобиль-
ная дорога
Падение
ступени
ракеты
Аварии на
различных
объектах
Нагретая до
высоких
температур
частица
Ткань,
пропитанная
горючей
жидкостью
Разлив
горючей
жидкости
Горючее
вещество
в твердой фазе
Выбор сценария причины
возникновения лесного пожара
Конвективный
тепловой
поток
Лучистый
тепловой
поток
Электрическая
искра
Массивное
нагретое
тело
Выполнение
условий
зажигания
Слой
ЛГМ
Метеорологические
условия
Образование очага
лесного пожара
Рис. 4
Антропогенная нагрузка в настоящее время — основной фактор возник-
новения лесных пожаров. Заметим, что антропогенные причины достаточно
многообразны. На рис. 4 представлен обобщенный механизм возникновения
очага лесного пожара в результате антропогенной нагрузки, который имеет
детерминированно-вероятностную природу. Первоначально лесопокрытые
территории подвергаются пассивному воздействию с точки зрения возникно-
вения пожаров (если речь идет о населенном пункте, то говорят о посещаемо-
сти лесной территории жителями). Следующая фаза имеет вероятностный ха-
рактер и определяет сценарий выбора причины возникновения на первом эта-
пе, а вероятный источник зажигания — на втором. А вот процесс зажигания
ЛГМ конкретным источником с учетом метеорологических условий может
быть описан детерминированной математической моделью. Чтобы не загро-
мождать схему многочисленными связями в результате реализации конкрет-
Международный научно-технический журнал
«Проблемы управления и информатики», 2015, № 2 103
ной причины и конкретного источника зажигания, в таблице приведены основ-
ные источники зажигания в соответствии с причиной антропогенного характера.
Комбинации ЛГМ в образовании слоев достаточно обширны [17]. Одним
из возможных вариантов упрощения множества исходных данных является
ввод эталонного слоя ЛГМ. Такой подход использован при разработке канад-
ской системы [9] и российских лесопожарных показателей засухи [7]. Основ-
ную опасность представляют пожары в хвойных и смешанных лесах. Логично
ввести эталонный слой напочвенного ЛГМ из хвои. Сосна во многих регио-
нах является преобладающей породой, а ее ареал охватывает практически
всю территорию бореальных лесов России [18].
Таблица
Антропогенная причина
возникновения лесного пожара
Источники зажигания
Умышленный поджог, А1
Нагретая до высоких температур частица
Ткань, пропитанная горючей жидкостью
Горючее вещество в твердой фазе
Разлитое на слой ЛГМ горючее вещество
Небрежное обращение с огнем, А2
Нагретая до высоких температур частица
Ткань, пропитанная горючей жидкостью
Горючее вещество в твердой фазе
Разлитое на слой ЛГМ горючее вещество
Сельскохозяйственные палы, А3
Нагретая до высоких температур частица
Конвективный тепловой поток
Лучистый тепловой поток
Влияние железной дороги, А4 Нагретая до высоких температур частица
Линия электропередачи, А5
Нагретая до высоких температур частица
Электрическая искра
Выжигания разливов нефти, А6
Разлитое на слой ЛГМ горючее вещество
Конвективный тепловой поток
Лучистый тепловой поток
Влияние автомобильных дорог, А7
Нагретая до высоких температур частица
Разлитое на слой ЛГМ горючее вещество
Падение ступени ракеты, А8
Нагретая до высоких температур частица
Массивное нагретое тело
Аварии на технологических объектах, располо-
женных на лесопокрытых территориях, А9
Нагретая до высоких температур частица
Ткань, пропитанная горючей жидкостью
Горючее вещество в твердой фазе
Разлитое на слой ЛГМ горючее вещество
Конвективный тепловой поток
Лучистый тепловой поток
Электрическая искра
Массивное нагретое тело
104 ISSN 0572-2691
Фундаментальная научная база системы
Как указывалось выше, зарубежные индексы [3, 4] и критерий Нестеро-
ва [7] в качестве результата выдают числовое значение в пределах какой-либо
шкалы (которая не всегда имеет четкие верхние границы) и не являются фи-
зически содержательными. Последнее время автор интенсивно развивает де-
терминированно-вероятностный подход к прогнозу лесной пожарной опасно-
сти. Выходные значения в результате такой оценки являются вероятностью
возникновения лесных пожаров, а не абстрактным числовым значением. Ан-
тропогенная нагрузки и грозовая активность с точки зрения теории вероятно-
стей могут быть как несовместными, так и совместными событиями. Первый
случай соответствует следующему сценарию поведения человека в лесу [19]:
с наступлением грозы человек стремится покинуть лесную территорию или
укрыться (т.е. антропогенная нагрузка в соответствии с этим сценарием от-
сутствует в момент грозовой активности). Для учета различных сценариев
разработано три поколения детерминированно-вероятностных критериев оце-
нки лесной пожарной опасности [19–21].
Анализ статистики возникновения лесных пожаров в результате антропо-
генной нагрузки [22, 23] позволил выделить основные причины и создать мо-
дель дифференцированной оценки лесной пожарной опасности. В дополнение
к событиям из табл. 1 введено событие A10, характеризующее неустановлен-
ные причины. Считается, что возникновение лесных пожаров в силу различ-
ных причин — совместные и независимые события. В этом случае можно за-
писать вероятность возникновения лесных пожаров по антропогенным причи-
нам через противоположное событие. В итоге вероятность возникновения
лесных пожаров по совокупности антропогенных причин можно определить
по следующей формуле:
)),(1(1)(
10
1
i
i
FFPFFP
где iFF — возникновение лесного пожара по i-й антропогенной причине, FF —
возникновение лесных пожаров по всей совокупности антропогенных причин.
Вероятность лесного пожара по конкретной антропогенной причине определится
по формуле
),,/()/()()( ,, ijiji AAFFPAAPAPFFP
где )(AP — вероятность антропогенной нагрузки, )/( , AAP ij — вероятность
i-й антропогенной причины при условии посещения лесной территории в j-й день
недели, ),/( ,ijAAFFP — вероятность лесного пожара в j-й день по i-й антропо-
генной причине. Последняя вероятность определяется по формуле
),/()(),/( , DIPDPAAFFP iij
где )(DP — вероятность того, что ЛГМ достаточно сухой, )/( DIP i — вероят-
ность зажигания ЛГМ в результате действия i-й причины антропогенной нагрузки
при условии, что ЛГМ достаточно сухой.
Модель может быть легко распространена на общий случай учета грозовой
активности — введением события 11A — грозовая активность.
),,/()/()()( 11 kk LLFFPLLPLPFFP
где )(LP — вероятность сухих гроз, )/( LLP k — вероятность наземного грозового
разряда на k-й час суток при условии прохождения грозы, ),/( kLLFFP — вероят-
ность лесного пожара на k-й час суток при условии прохождения грозы, которая опре-
деляется по формуле
Международный научно-технический журнал
«Проблемы управления и информатики», 2015, № 2 105
),/()(),/( DIPDPLLFFP Lk
где )(DP — вероятность того, что ЛГМ достаточно сухой, )/( DIP L — вероят-
ность зажигания ЛГМ наземным грозовым разрядом при условии, что ЛГМ дос-
таточно сухой.
При разработке настоящей системы оценки лесной пожарной опасности ис-
пользован детерминированно-вероятностный подход, который отличается, на-
пример, от методов нечеткой логики [24]. Так, критерием лесопожарного созрева-
ния слоя лесного горючего материала служит такой параметр, как объемная доля
влаги в слое ЛГМ. Считается, что лесной горючий материал достаточно сухой при
объемной доли влаги в ЛГМ ниже 0,13 [14].
Детерминированно-вероятностный подход позволяет учитывать не только стати-
стические данные, но и результаты экспериментов и численных расчетов по зажига-
нию ЛГМ. Разработаны базовые физико-математические модели зажигания дерева
наземным грозовым разрядом [25] и напочвенного покрова горячими частицами [26].
Из анализа табл. 1 легко понять, что нагретые до высоких температур частицы — са-
мый распространенный источник зажигания. Для оценки лесной пожарной опасности
в различных масштабах: от минимальной лесотаксационной единицы до глобального
разработана модель интегральной оценки вероятности возникновения лесных пожа-
ров на контролируемой лесопокрытой территории [27]. Согласно требованиям к со-
временной системе прогноза лесной пожарной опасности разработан проблемно-
ориентированный подход ландшафтного распараллеливания [28], в рамках которого
развивается комплекс прогноза лесной пожарной опасности.
Задачу совместного учета данных наблюдений и прогностической модели для
наиболее точного описания пространственно-временного распределения метеополей
называют задачей усвоения данных (data assimilation) [29]. При разработке системы
прогноза лесной пожарной опасности первостепенное значение имеют исследования
в области создания СУДАН. Следует заметить, что детали реализации такой системы
для целей прогноза лесной пожарной опасности могут отличаться от реализации сис-
тем усвоения данных в метеорологии. Предполагается, что на первом этапе осущест-
вляется сбор и анализ статистической информации о возникновении лесных пожаров
по вине человека. Фаза анализа осуществляет пространственную детализацию исход-
ных данных с помощью сплайнов в рамках модели компандер–экспандер [30].
В качестве сравнения можно привести системы усвоения данных на базе оптималь-
ной интерполяции [31]. Завершающий этап предполагает получение прогнозной ин-
формации о пространственно-временной динамике антропогенной нагрузки на кон-
тролируемые лесопокрытые территории с помощью детерминированной математиче-
ской модели [32]. Процессы принятия решений и поведения, несмотря на влияние
многообразных факторов, неслучайные [33], так как всем людям присущи общие ре-
акции на информацию о структуре и качествах пространства, общие механизмы вос-
приятия этой информации для принятия решения. Люди со сходными полями инфор-
мации проявляют сходные предпочтения мест отдыха, т.е. ведут себя в географиче-
ском пространстве почти одинаково.
Информационно-вычислительное ядро системы
ППК является ядром информационно-вычислительной системы прогноза лесной
пожарной опасности. Работу начинает корневой процесс параллельной программы,
который считывает информацию из файлов, содержащих исходные данные. Прогно-
стические поля метеоданных Гидрометцентра РФ представлены в коде GRIB, и необ-
ходимо конвертирование входных данных во внутренний формат ППК. Для баланси-
ровки вычислительной нагрузки между ветвями параллельной программы в настоя-
щее время используется статический алгоритм. Показано, что основное влияние на
106 ISSN 0572-2691
время сушки слоя ЛГМ (и соответственно на время расчета) оказывает его начальное
влагосодержание [19]. Этот факт также может быть положен в основу эвристики ал-
горитма балансировки. На следующем этапе корневой процесс осуществляет подго-
товку и рассылку информационных пакетов с исходными данными по всем ветвям
параллельной программы. В каждой такой ветви для каждого лесотаксационного вы-
дела определяются времена сушки ( tD ) и зажигания антропогенным )( A
It и природ-
ным )( M
It источниками, которые используются для определения вероятности воз-
никновения пожара. Для задания некоторых параметров следует использовать генера-
тор псевдослучайных чисел. На завершающем этапе корневой процесс собирает
информационные пакеты со всех ветвей параллельной программы, проводит инте-
гральную оценку лесной пожарной опасности и выводит данные в файлы результа-
тов. Алгоритм функционирования ППК представлен на рис. 5.
Файлы результатов:
вероятность возникновения
и число лесных пожаров.
Детализация от выдела
до всей территории
государства
Файл
метеопараметров
Файл параметров
разрядов
Файл основных
параметров
Корневой процесс
Конвертер
входных
данных
Статический
алгоритм
балансировки
Подготовка
информационных
пакетов
Рассылка данных
П
р
о
ц
ес
с
0
П
р
о
ц
ес
с
i
П
р
о
ц
ес
с
N
–
1
Модуль
сушки
слоя ЛГМ
Модуль зажигания
ЛГМ антропогенным
источником
Генератор
псевдослучайных
чисел
Dt A
It
M
It Модуль зажигания
ЛГМ грозовым
разрядом
Модуль усвоения
данных об уровне
антропогенной нагрузки
Расчет вероятности
возникновения и числа
лесных пожаров
Подготовка информационных пакетов
Сбор данных
Модуль интегральной
оценки лесной
пожарной опасности
Подготовка данных
к выводу
Корневой процесс
Рис. 5
Международный научно-технический журнал
«Проблемы управления и информатики», 2015, № 2 107
Более подробно остановимся на описании алгоритмов, используемых в
информационно-вычислительном ядре разрабатываемого параллельного про-
граммного комплекса. Наиболее важные процессы, протекающие в слое лес-
ного горючего материала при воздействии источника возгорания, — это суш-
ка, пиролиз и зажигание горючего материала [34]. Для оценки параметров
высыхания лесных горючих материалов под воздействием внешних условий
(окружающая среда и источник нагрева) используется нульмерная математи-
ческая постановка [35]. В рамках этой модели процесс высыхания ЛГМ опи-
сывается системой двух обыкновенных дифференциальных уравнений на
температуру и влагосодержание слоя ЛГМ. Такая система решается для каж-
дого лесотаксационного выдела контролируемой территории. Теоретические
и экспериментальные оценки производительности параллельных алгоритмов,
используемых при оценке лесопожарного созревания слоя ЛГМ, приведены
в [36]. Математическое моделирование пиролиза ЛГМ также описывается ки-
нетической схемой на основе обыкновенных дифференциальных уравнений.
Программная реализация этого алгоритма подобна учету процесса сушки
ЛГМ. Для учета процесса зажигания может использоваться детерминирован-
ная математическая модель, которая описывается системой нелинейных не-
стационарных уравнений теплопроводности и диффузии. Автор разработал
группу различных по сложности математических моделей зажигания лесных
горючих материалов природными и антропогенными источниками.
Обсуждение результатов и перспективы практической реализации
Предлагается разработка информационной системы оценки лесной пожарной
опасности с пространственной детализацией на уровне лесотаксационного выде-
ла. Согласно лесному устройству, принятому в России и странах СНГ, минималь-
ной лесотаксационной единицей является выдел. Данная территория характеризу-
ется единым составом древостоя, что позволяет говорить о применении детерми-
нированных моделей зажигания и сушки ЛГМ. Для сравнения можно привести
данные по пространственному разрешению Информационной системы дистанци-
онного мониторинга лесных пожаров ИСДМ-Рослесхоз [37], применяемой в на-
стоящее время на территории Российской Федерации. Единица территории,
рассматриваемая в данной системе, — это зона принадлежности лесного мас-
сива к конкретной (близлежащей) метеорологической станции. Понятно, что
пространственная детализация разрабатываемой системы на порядки точнее,
чем у систем настоящего времени. Следует отметить, что автор совместно с
украинскими партнерами разрабатывает веб-ориентированную геоинформа-
ционную систему оценки лесной пожарной опасности для территории Украи-
ны, которая также имеет пространственное разрешение на уровне выдела.
Конкретный пример приведен в работе [38]. Данное обстоятельство создает
перспективы разработки единой системы оценки лесной пожарной опасности
для территории государств бывшего СССР. Если сравнивать настоящие раз-
работки с зарубежными аналогами, то настоящий проект также предполагает
более детальное пространственное разрешение. В системах пространственно-
го анализа, основанных на веб-технологиях и методах оценки лесной пожар-
ной опасности Европы, США и Канады, также предлагаются более крупные
территории в качестве неделимой единицы площадей лесных массивов. Сле-
дует отметить, что существуют более точные модели и системы оценки про-
цесса распространения очага лесного пожара [39], но это выходит за рамки
проблемы, обсуждаемой в настоящей статье.
Важное значение имеет подсистема учета грозовой активности на кон-
тролируемой территории. Следует отметить, что на территории Российской
Федерации уже применяются инструментальные средства оценки параметров
108 ISSN 0572-2691
грозового разряда на лесопокрытых территориях [37, 40]. В упомянутой сис-
теме ИСДМ-Рослесхоз задействована подсистема мониторинга грозовых раз-
рядов класса облако-земля. Детальная информация о технических характери-
стиках систем пеленгации наземных грозовых разрядов может быть получена
при анализе источника [41]. В зоне принадлежности конкретного пеленгатора
грозовых разрядов могут быть зафиксированы пространственное положение
конкретного разряда (в цилиндрической системе координат относительно
пункта пеленгации) и его сила тока. Детализация географической привязки не
превышает точность территориального деления лесного массива на уровне
выдела. Работа данных систем аналогична и зарубежным аналогам [42, 43],
эксплуатируемым на территории США, Канады и Европы. Следует высказать
допущение, что интенсификация совместных работ российских и украинских
партнеров может стать основой промышленного внедрения настоящих разра-
боток в сферу охраны лесов от пожаров.
Отдельно следует указать на использование пространственной детализа-
ции лесопокрытой территории на уровне лесотаксационного выдела. Как уже
было сказано, такая территория лесного массива является минимальной еди-
ницей при лесотаксационном описании конкретного лесного массива. Для та-
кой территории характерен свой породный состав древостоя и соответственно
состав напочвенного слоя лесных горючих материалов. Как отмечалось ранее,
пространственное разрешение систем пеленгации наземных разрядов не пре-
вышает повыдельное описание территории. Кроме того, статистические дан-
ные по лесопожарной ретроспективе конкретного лесного массива имеют
пространственную детализацию на уровне выдела (редко) или квартала (ча-
ще), или участкового лесничества (обычно). Поэтому использование про-
странственной детализации ниже уровня выдела в принципе не оправдано.
Еще раз следует отметить, что это будет актуально при решении задачи оцен-
ки траектории движения фронта конкретного активного лесного пожара, но
не при прогнозе лесной пожарной опасности.
Что касается учета антропогенной нагрузки, то здесь возможны различ-
ные подходы. До настоящего времени возможно было только использование
статистических данных по возгораниям лесных массивов при влиянии чело-
веческого фактора. Сейчас развивается детерминированный подход с исполь-
зованием математических моделей учета антропогенной нагрузки на лесопо-
крытые территории [30], а также возможно применение стохастических под-
ходов. Остановимся более подробно на детерминированном подходе при учете
антропогенной нагрузки. В рамках этого подхода выделяются точечные, ли-
нейные и площадные источники антропогенной нагрузки [30]. К точечным ис-
точникам относятся мелкие сельские населенные пункты, хутора, автозапра-
вочные станции и прочие технологические объекты. Линейный источник ан-
тропогенной нагрузки может быть представлен железнодорожным полотном,
автомобильной магистралью, руслом реки, ниткой нефте- или газопровода.
Соответственно к площадным источникам относятся крупные населенные
пункты и территории промышленных предприятий и объектов. Первая версия
системы усвоения данных об уровне антропогенной нагрузки на контроли-
руемой лесопокрытой территории базируется на методах интерполяции и ап-
проксимации статистических данных по пожарным инцидентам, произошед-
шим по причине человеческого фактора [30]. Для детальной оценки вероят-
ности антропогенной нагрузки вводится понятие «виртуального» (от
английского virtual — возможный) числа лесных пожаров. В зависимости от
параметров математической обработки статистических данных может быть
выбран соответствующий уровень пространственной детализации этой под-
системы прогноза лесной пожарной опасности.
Международный научно-технический журнал
«Проблемы управления и информатики», 2015, № 2 109
В качестве конечного результата функционирования рассматриваемой сис-
темы предполагается электронная карта с отображением слоя вероятности воз-
никновения лесного пожара. При прогнозном моделировании возможна разра-
ботка в разной степени заблаговременной прогнозной информации. В конечном
счете предполагается три вида прогнозов: краткосрочный (3–24 часа), средне-
срочный (до 10 дней) и долгосрочный (сезонный прогноз). Наиболее узкое
место системы — краткосрочный прогноз. Для такого прогноза следует ис-
пользовать высокопроизводительные кластеры с большим числом процессо-
ров и вычислительных ядер. В Томске существует вычислительный кластер
СКИФ Cyberia, установленный в Национальном исследовательском Томском
государственном университете. Его вычислительной мощности достаточно
для решения подобных задач. Еще следует отметить, что могут возникнуть
вопросы надежности сезонных прогнозов. Предполагается, что для выработки
прогноза лесной пожарной опасности будут использоваться метеополя, полу-
ченные по глобальной математической модели Росгидромета [44]. А точность
долговременных прогнозов погоды не всегда высока. Поэтому следует при
выработке долговременного прогноза лесной пожарной опасности использо-
вать сценарный подход и рассматривать несколько вариантов развития собы-
тий. С вопросом заблаговременного прогноза тесно связана проблема частоты
его представления. Предполагается, что утром сотрудники лесхозов должны
иметь информацию о вероятности возникновения лесных пожаров на контро-
лируемой территории. В чрезвычайных условиях частота представления про-
гноза может быть увеличена (конкретная цифра лимитирована только ресур-
сами суперкомпьютера). Следует заметить, что и проблема наличия мощного
вычислителя может быть решена. Для этого могут использоваться методы
мета-компьютинга на грид-системах [45]. В данном случае возможно объеди-
нение нескольких вычислителей в единую систему для решения большой
задачи.
Заключение
Существующий уровень разработки детерминированно-вероятностного
подхода [13, 19–21, 25–28, 30, 32] позволяет говорить о возможности создания
отечественной системы прогноза лесной пожарной опасности. Зарубежный
опыт показывает, что эксплуатация таких систем в национальном масштабе
позволяет снижать затраты на охрану лесов и минимизировать экологический,
экономический ущерб [11]. Разработка новой физически-обоснованной системы
прогноза лесной пожарной опасности будет соответствовать задачам концепции
развития лесного хозяйства Российской Федерации на 2003–2010 годы [46]
в части внедрения достижений науки для обеспечения интенсивного, комплексно-
го использования лесных ресурсов при сохранении экологического потенциала
лесов. Настоящее исследование решает эти задачи в части разработки и совер-
шенствования методов прогноза возникновения пожароопасных ситуаций в лесах.
В отличие от канадской, американской систем существующий ГОСТ РФ на
прогноз лесной пожарной опасности совершенно не учитывает уровень гро-
зовой активности и антропогенной нагрузки. Таким образом, проведенные
проектные исследования соответствуют приоритетам, обозначенным в кон-
цепции [46], в части приведения российских стандартов в сфере лесного хо-
зяйства в соответствие с мировыми.
Отдельно следует сказать, что развитие предлагаемой системы прогноза
лесной пожарной опасности перспективно и в плане совместного использова-
ния новых методов прогноза и спутниковых данных дистанционного зонди-
рования Земли из космоса [47, 48]. Кроме того, в перспективе такие подходы
могут быть интегрированы в рамках одной вычислительной среды.
110 ISSN 0572-2691
Н.В. Барановський
ПРОЕКТ ЄВРАЗІЙСЬКОГО СЕГМЕНТА НОВОЇ
СИСТЕМИ ПРОГНОЗУ ЛІСОВОЇ ПОЖЕЖНОЇ
НЕБЕЗПЕКИ НА ОСНОВІ ІНФОРМАЦІЙНО-
ОБЧИСЛЮВАЛЬНИХ ТЕХНОЛОГІЙ
Сформульовано вимоги, яким повинна задовольняти сучасна система прогнозу
пожежної небезпеки для лісів Євразії. Розглядається концептуальна база для
створення такої системи для території Російської Федерації (або іншої держави
Співдружності Незалежних Держав). Пропонується об’єднання підсистем збо-
ру, зберігання і обробки інформації в єдиний апаратно-програмний комплекс.
Як математичне забезпечення пропонуються програмні реалізації детермінова-
но-ймовірнісної методики прогнозу лісової пожежної небезпеки. Обговорю-
ються питання створення міждержавного стандарту методики прогнозу лісової
пожежної небезпеки.
N.V. Baranovskiy
PROJECT OF EURASIAN SEGMENT FOR NEW
FOREST FIRE DANGER PREDICTION SYSTEM
BASED ON INFORMATION-COMPUTATIONAL
TECHNOLOGIES
Modern Eurasian forest fire danger forecast system should satisfy formulated re-
quirements. Conceptual base for development of such system for territory of the Rus-
sian Federation (or other CIS country) is considered. Integration of storage and pro-
cessing information subsystems in united hardware and software complex is offered.
Program realizations of deterministic-probabilistic techniques of the forest fire dan-
ger forecast are offered as software. Questions of new interstate standard creation on
forest fire danger forecast technique are discussed.
1. Кузнецов Г.В., Барановский Н.В. Прогноз возникновения лесных пожаров и их экологиче-
ских последствий. — Новосибирск: Изд-во СО РАН, 2009. — 301 с.
2. Khramov V.V., Budnyk N.N. Distributed information system for emergencies simulation in grid by
the example of forest fires in Autonomous Republic of Crimea // Journal of Automation and In-
formation Sciences. — 2013. — 45, N 2. — P. 57–67.
3. Canadian Forest Fire Danger Rating System / B.J. Stocks, M.E. Alexander, R.S. McAlpine at all.
— Canadian Forestry service, 1987. — 500 p.
4. Deeming J.E., Burgan K.E., Cohen J.D. The national fire danger rating system. Ogden, Utah:
USDA Forest Service, General Technical report. INT-39. 1978. — 66 p.
5. Camia A., Barbosa P., Amatulli G., San-Miguel-Ayanz J. Fire danger rating in the European Fo-
rest Fire Information System (EFFIS): Current developments // Forest Ecology and Management.
— 2006. — 234. Supplement 1. — P. 20.
6. ГОСТ Р 22.1.09-99 «Мониторинг и прогнозирование лесных пожаров. Общие требования»
7. Нестеров В.Г. Горимость леса и методы ее определения. — М.; Л. : Гослесбумиздат,
1949. — 76 С.
8. Lee B.S., Alexander M.E., Hawkes B.C., Lynham T.J., Stocks B.J., Englefield P. Information sys-
tems in support of wildland fire management decidion making in Canada // Computers and Elec-
tronics in Agriculture. — 2002. — 37, N 1–2. — P. 185–198.
9. Van Wagner C.E. Development and structure of the Canadian forest fire weather index system /
Petawawa. Canadian Forest Service. Technical report 35. — Ontario, 1987. — 37 p.
10. Martell D.L. A Markov chain model of day to day changes in the canadian forest fire weath-
er index // International Journal of Wildland Fire. — 1999. — 9, N 4. — P. 265–273.
11. Taylor S.W., Alexander M.E. Science, technology and human factors in fire danger rating: the Ca-
nadian experience // Ibid. — 2006. — 15, N 1. — P. 121–135.
Международный научно-технический журнал
«Проблемы управления и информатики», 2015, № 2 111
12. Viegas D. X., Bovio G., Ferreira A., Nosenzo A., Sol B. Comparative study of various methods of
fire danger evaluation in Southern Europe // Ibid. — 1999. — 9, N 4. — P. 235–246.
13. Барановский Н.В. Прогноз лесной пожарной опасности на основе новой концепции // Ма-
териалы Международной научно-практической конференции «Рациональное использова-
ние и воспроизводство лесных ресурсов в системе устойчивого развития». — Гомель : Ин-
ститут леса НАН Беларуси, 2007. — С. 129–132.
14. Гришин А.М. Математическое моделирование и прогноз катастроф: методическое пособие. —
Томск: Центр образования и исследований по механике реагирующих сред и экологии
Томского госуниверситета, 1999. — 24 с.
15. Larjavaara M., Kuuluvainen T., Rita H. Spatial distribution of lightning-ignited fires in Finland //
Forest Ecology and Management. — 2005. — 208, N 1-3. — P. 177–188.
16. Mardiana R., Kawasaki Z.-I., Morimoto T. Three-dimensional lightning observations of cloud-to-
ground flashes using broadband interferometers // Journal of Atmospheric and Solar-Terrestrial
Physics. — 2002. — 64, N 1. — P. 91–103.
17. Волокитина А.В., Софронов М.А. Классификация и картографирование растительных го-
рючих материалов. — Новосибирск: Изд-во СО РАН, 2002. — 314 с.
18. Абаимов В.Ф. Дендрология: учеб. пособие для студентов ВУЗов. 3-е изд., перераб. — М. :
Издательский центр «Академия», 2009. — 368 с.
19. Барановский Н.В. Математическое моделирование наиболее вероятных сценариев и усло-
вий возникновения лесных пожаров. Дисс. … канд. физ.-мат. наук. — Томск : Томский го-
сударственный университет, 2007. — 153 с.
20. Барановский Н.В. Оценка вероятности возникновения лесных пожаров с учетом метеоус-
ловий, антропогенной нагрузки и грозовой активности // Пожарная безопасность. — 2009.
№ 1. — С. 93–99.
21. Барановский Н.В. Модель прогноза и мониторинга лесной пожарной опасности // Экология
и промышленность России. — 2008. — № 9. — С. 59–61.
22. Pew K.L., Larsen C.P.S. GIS analysis of spatial and temporal patterns of human-caused wildfires
in the temperate rain forest of Vancouver Island, Canada // Forest Ecology and Management. —
2001. — 140, N 1. — P. 1–18.
23. Янко И.В. Пирологическая оценка территории Томской области. Дисс. … канд. геог. наук. —
Томск : Томский государственный университет, 2005. — 174 с.
24. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и
нечеткие системы: Пер. с польск. — М. : Горячая линия — Телеком, 2004. — 452 с.
25. Kuznetsov G.V., Baranovsky N.V. Mathematical simulation of heat transfer at coniferous tree ignition by
cloud-to-ground lightning discharge (01028) // EPJ Web of Conferences. — 2014. — 76. — P. 1–6.
26. Кузнецов Г.В., Барановский Н.В. Математическое моделирование зажигания слоя лесных
горючих материалов нагретой до высоких температур частицей // Пожаровзрывобезопас-
ность. — 2006. — 15, № 4. — С. 42–46.
27. Барановский Н.В. Интегральная по пространству оценка лесной пожарной опасности //
Пожаровзрывобезопасность. — 2008. — 17, № 6. — С. 38–42.
28. Барановский Н.В. Ландшафтное распараллеливание и прогноз лесной пожарной опасности // Си-
бирский журнал вычислительной математики. — 2007. — 10, № 2. — С. 141–152.
29. Климова Е.Г. Восстановление метеорологических полей по данным наблюдений. Дисс. …
д-ра физ.-мат. наук. Новосибирск: ИВТ СО РАН. 2005. — 233 с.
30. Барановский Н.В. Модель компандер-экспандер для системы усвоения данных об уровне
антропогенной нагрузки на контролируемой лесопокрытой территории. // Современные
проблемы информатизации в моделировании и анализе сложных систем: Сб. трудов. —
2007. — Вып. 12. — С. 149–152.
31. Flemming J., Reimer E., Stern R. Data assimilation for CT-Modelling based on optimum interpolation //
Preprints of 25
th
NATO/CCMS International Technical Meeting on Air Pollution Modelling and its
Application. Belgium, Louvain-la-Neuve: Catholic University of Louvain. — 2001. — P. 173–1180.
32. Барановский Н.В. Прогностическая математическая модель для системы усвоения данных
об уровне антропогенной нагрузки на лесопокрытые территории // Современные проблемы
информатизации в моделировании и социальных технологиях: Сб. трудов. — 2008. —
Вып. 13. — С. 202–207.
33. Андреев Ю.А., Ларченко Г.Ф. Социально-психологические аспекты рекреационных
посещений леса и возникновение пожаров // Лесные пожары и борьба с ними. — М. :
ВНИИЛМ, 1987. — С. 251–263.
34. Гришин А.М. Математическое моделирование лесных пожаров и новые способы борьбы с
ними. — Новосибирск : Наука, — 1992. — 408 с
112 ISSN 0572-2691
35. Grishin A.M., Baranovskij N.V. Comparative analysis of simple models of drying of the forest
combustibles, including the data of experiments and natural observations // Journal of Engineer-
ing Physics and Thermophysics. — 2003. — 76, N 5. — P. 166–169.
36. Барановский Н.В. Технология ландшафтного распараллеливания и ее применение к прогнозу
лесной пожарной опасности: учебно-методическое пособие. — Томск : ТГУ, 2002. — 34 с.
37. Р.В. Котельников, В.Л. Сементин, В.Е. Щетинский и др. Применение информационной
системы дистанционного мониторинга «ИСДМ-Рослесхоз» для определения пожарной
опасности в лесах Российской Федерации: учебное пособие. — г. Пушкино (МО): ФГУ
«Авиалесоохрана», 2009–2010. — 140 с.
38. Baranovskiy N.V., Zharikova M.V. A web-oriented geoinformation system application for forest
fire danger prediction in typical forests of the Ukraine // Lecture Notes in Geoinformation and
Cartography – LNG&C. Thematic Cartography for the Society. — Switzerland : Springer. —
2014. — P. 13–22.
39. Brun C., Artes T., Margafel T., Cortes A. Coupling wind dynamics into DDDAS forest fire prop-
agation prediction system // Procedia Computer Science. — 2012. — 9. — P. 1110–1118.
40. Азметов Р.Р., Беляев А.И., Московенко В.М. Перспективы создания Российской системы
электромагнитного мониторинга гроз для нужд охраны лесов от пожаров, энергетики,
авиации, метеорологии и прогнозирования стихийных бедствий // Сопряженные зада-
чи механики и экологии: Материалы междунар. конф. — Томск : Изд-во Томск. ун-та,
2000. — С. 9–11.
41. Козлов В.И., Муллаяров В.А. Грозовая активность в Якутии. — Якутск : ЯФ Изд-ва СО
РАН, 2004. — 104 c.
42. Cummins K.L., Murphy M.J., Bardo E.A. et al. A combined TOA/MDF technology upgrade
of the U.S. national lightning detection network // J. Geophys. Res. — 1998. — 103. —
P. 9035–9044.
43. Soriano L.R., De Pablo F., Tomas C. Ten-year study of cloud-to-ground lightning activity
in the Iberian peninsula // J. Atmosp. and Solar-Terrestr. Phys. — 2005. — 67, N 16. —
P. 1632–1639.
44. Толстых М.А. Полулагранжева модель атмосферы с высоким разрешением для численного
прогноза погоды // Метеорология и гидрология. — 2001. — № 4. — С. 5–15.
45. Grid computing technology for hydrological applications / G. Lecca, M. Petitdidier, L. Hluchy,
M. Ivanovic, N. Kussul, N. Ray, V. Thieron // Journal of Hydrology. — 2011. — 403, N 1–2. —
P. 186–199.
46. Концепция развития лесного хозяйства России на 2003–2010 годы (внесенные изменения).
— М. : МПР Рослесхоз, 2007. — 12 с.
47. Kussul N., Shelestov A., Skakun S., Kravchenko O. High-performance intelligent computa-
tions for environmental and disaster monitoring / In Intelligent Data Processing in Global
Monitoring for Environment and Security — ITHEA. — Kiev–Sofia, 2011. — P. 76–103.
48. Kussul, N.N., Sokolov, B.V., Zyelyk, Ya.I., Zelentsov, V.A., Skakun, S.V., Shelestov, A.Yu. Disaster
risk assessment based on heterogeneous geospatial information // Journal of Automation and In-
formation Sciences. — 2010. — 42 (12). — P. 32–45.
Получено 24.06.2014
После доработки 01.12.2014
|