Содержание к диссертации
Введение
Глава 1. Мониторинг лесных пожаров по данным сканера MODIS (спутник TERRA)
1.1 Характеристика прибора MODIS 15
1.2 Уровни представления радиометрических данных MODIS 21
1.3 Формат хранения данных уровня Level IB 25
1.4 Чтение радиометрических данных сканера MODIS 28
1.5 Интерпретация радиометрических данных MODIS 30
1.6 Тематическая обработка данных на наличие лесных пожаров 31
1.7 «Эффект бабочки» 36
1.8. Обзор программных средств чтения данных MODIS 37
Выводы к главе 1 39
Глава 2. Подготовка информационных сведений для системы алгоритмов оперативной оценки и прогнозирования ущерба от лесных пожаров
2.1 Распаковка данных MODIS 41
2.2 Детектирование лесных пожаров по данным сканера MODIS 46
2.3 Относительная погрешность оценки площади лесного пожара 49
2.4 Устранение «эффекта бабочки» 52
Выводы к главе 2 56
Глава 3. Система алгоритмов оперативной оценки и прогнозирования экономического ущерба от лесных пожаров
3.1 Понятие «лесной пожар» 58
3.2 Требование к лесотаксационным данным 65
3.3 Оценка экономического ущерба на момент обнаружения лесных пожаров
3.4 Прогнозируемый экономический ущерб от лесных пожаров 72
Выводы к главе 3 87
Глава 4. Формирование последовательности тушения лесных пожаров. Прогнозирование величины ущерба
4.1 Общая постановка задачи 89
4.2 Формализация задачи 90
4.3 Выбор метода оптимизации. Решение 93
4.4 Прогнозирование экономического ущерба от лесных пожаров 96
Выводы к главе 4 105
Глава 5. Применение результатов диссертационной работы 106
5.1 Структура взаимодействия между модулями 106
5.2 Настройка и интерфейсы модулей 111
5.3 Повышение точности предложенных в работе алгоритмов 1 18
Выводы к главе 5 119
Основные результаты работы и выводы 120
Список использованных источников 123
- Уровни представления радиометрических данных MODIS
- Детектирование лесных пожаров по данным сканера MODIS
- Требование к лесотаксационным данным
- Выбор метода оптимизации. Решение
Введение к работе
Актуальность. Лесные пожары (далее ЛП) являются значительной экологической проблемой для всей территории России, где сосредоточена большая часть бореального пояса нашей планеты [1]. Помимо негативных экологических последствий, ЛП наносят существенные экономические ущербы, связанные как со стоимостью самой древесины, так и с организацией их тушения (доставкой техники, пожарных бригад к месту ликвидации, и пр.). В последнее время, как в нашей стране, так и во всем мире, все больше возрастает интерес к проблеме оценки ущербов, связанных с лесными пожарами. Возможны случаи, в которых весьма актуальны вопросы экономической целесообразности тушения ЛП, в особенности при обнаружении на подконтрольной территории нескольких крупных очагов. При этом особое значение имеет оперативность обработки и анализа поступающих данных, для своевременного принятия административно-управленческих решений. Поэтому тема представленной диссертационной работы является актуальной.
Принятый в январе 2007 года лесной кодекс, и дополнительные поправки к нему, накладывают особые обязательства на субъекты РФ в вопросах лесопользования и лесоустройства [2]. В связи с этим, для объединенного Красноярского края, где находится почти четверть всех лесов России, особенно важна проблема оперативной оценки экономических ущербов, наносимых лесными пожарами.
Сегодня как правило, ущербы, связанные с лесными пожарами, определяются после ликвидации самих ЛП, либо в конце пожарного сезона 1 на основе площадной оценки гарей в рамках лесопожарной инвентаризации (например, обработка спутниковых данных высокого пространственного разрешения) [3]. Можно определить две основные причины, по которым і \ раньше не представлялось возможным организовать оперативную оценку экономических ущербов от действующих лесных пожаров на больших территориях:
Основной причиной являются устаревшие базы лесотаксационных данных — в течение ряда лет в нашей стране на многих территориях не проводилась инвентаризация лесного фонда должным образом (иногда она вообще не проводилась). Следствием этого стала непригодность лесотаксационных информационных баз, в особенности для оперативных оценок экономических ущербов от лесных пожаров. Однако данная проблема носит временный характер. В связи с широким распространением новых технологических решений, например, таких как лазерные сканирующие системы [4], задача актуализации лесотаксационных данных получила новый этап развития. На федеральном и региональном уровнях ведется работа по принятию и внедрению проектов создания детальных карт о состоянии лесного фонда России (например, решение IV Международной конференции «Аэрокосмические методы и Геоинформационные технологии в лесоведении и лесном хозяйстве», Постановление правительства РФ №310 от 22 мая 2007 г.. и др.).
Второй причиной является отсутствие спутниковых систем мониторинга больших территорий с высоким пространственным разрешением. Единственными источниками данных, по которым на сегодняшний день можно оперативно производить лесопожарный мониторинг на больших площадях (таких как регионы Сибири или Дальнего востока), являются спутниковые системы NOAA (сканер AVHRR) и TERRA/AQUA (прибор MODIS). Пространственное разрешение пожарных каналов этих сканирующих систем — 1,1 и 1 км соответственно (при ведении съемки в надир). На основе радиометрических данных сканера MODIS (порог насыщения пожарных каналов которого выше, чем у AVHRR) можно с высокой точностью оценить площадь малоразмерного пожара, однако определить его координаты внутри квадратно километра не представляется возможным.
В ближайшее время альтернативы спутниковым сканирующим системам для решения задач мониторинга ЛП не будет [5,6]. Поэтому, разработка информационных средств оперативной оценки экономического ущерба от действующих лесных пожаров на основе спутниковых данных, является перспективным направлением, поскольку их внедрение в эксплуатацию позволит сэкономить затраты на ликвидацию ЛП, а также повысить уровень лесопожарной охраны в целом. Это и определяет актуальность исследований, представленных в настоящей работе.
Цель диссертационной работы состоит в проектировании информационной технологии комплексирования спутниковых и лесотаксационных данных для оперативной оценки экономического ущерба от действующих лесных пожаров, обнаруженных по радиометрическим данным сканера MODIS (спутник TERRA). Исходя из цели исследования, были определены следующие основные задачи:
1. Разработать метод оперативной оценки экономического ущерба от недавно зафиксированных ЛП по спутниковым данным низкого пространственного разрешения.
2. Изучить особенности форматов представления радиометрических данных сканера MODIS. Разработать модуль распаковки данных прибора MODIS для информационного обеспечения алгоритмов первоначального определения экономического ущерба от действующих ЛП.
3. Разработать алгоритм формирования последовательности тушения обнаруженных на подконтрольной территории лесных пожаров, согласно которой общий экономический ущерб от них будет минимальным. I і і
4. Разработать метод оперативного прогнозирования величины экономического ущерба от лесных пожаров, недавно обнаруженных по спутниковым данным.
Краткая характеристика поставленных задач. Радиометрические данные сканера MODIS представляются и хранятся в иерархическом формате HDF, который является довольно сложным. Сегодня предлагается несколько различных программных продуктов для обработки радиометрических данных, представленных файлами формата HDF. Однако функциональные возможности большинства из них не всегда применимы для реализации лесопожарного мониторинга больших территорий, а также оперативной оценки ущербов от ЛП на основе данных MODIS.
В силу архитектуры сканера MODIS и кривизны поверхности Земли, при обработке радиометрических данных иногда проявляется эффект наложения частей смежных сканов (на краях снимков), в результате чего происходит удвоение объектов с одинаковыми параметрами, что может отрицательно повлиять на качество детектирования пожаров.
На сегодняшний день отсутствуют методы оценки экономических ущербов от действующих лесных пожаров, а также методы прогнозирования ущербов от них, где в качестве основных входных данных используются оперативные сведения со спутниковых систем низкого пространственного разрешения.
Методы исследования. При выполнении работы использовались: методы анализа и обработки данных дистанционного зондирования Земли из космоса; методы математической статистики; нейросетевые подходы; методы проектирования распределенных информационных систем.
Научная новизна решения поставленных задач: 1. Предложен метод оперативного формирования информационного отчета об актуальной пожарной обстановке, на основе комплексной обработки радиометрических данных MODIS, который учитывает особенности архитектуры сканера, и позволяет исключить эффект наложения участков смежных сканов.
2. На основе предложенного метода впервые разработан алгоритм оперативного определения экономического ущерба от лесных пожаров, позволяющий получить стоимостные оценки на первоначальной стадии их обнаружения. В отличие от существующих на сегодняшний день методов инвентаризации, этот алгоритм не требует времени на получение и обработку данных сканирующих систем высокого пространственного разрешения.
3. Предложен метод оперативного прогнозирования ущерба от действующих лесных пожаров, на основе вербализации нейронной сети, обучающей выборкой для которой являются результаты стандартных методов послепожарной инвентаризации.
Основная идея работы заключается в разработке информационной технологии объединения данных различных источников для оперативного анализа актуальной пожарной обстановки с целью минимизации экономических затрат от недавно зафиксированных ЛП (по данным TERRA/MODIS). Представляемую в данной работе информационную технологию предварительной оценки экономического ущерба можно охарактеризовать тремя сегментами:
Первый — обеспечивает оперативность обнаружения лесных пожаров на подконтрольной территории; производит оценку качественных и количественных характеристик актуальной пожарной обстановки (количество ЛП, их координаты и площадь на момент обнаружения; расстояние до базы лесоохраны; удаленность от населенных пунктов).
Во втором сегменте производится оценка экономического ущерба от лесных пожаров на момент их обнаружения, а также определяются прогнозируемые ущербы, связанные с возможным развитием ЛП, затратами на их ликвидацию и соответствующими потерями древесины.
В третьем сегменте предлагаемой в работе технологии решается задача оперативного формирования такой последовательности тушения обнаруженных пожаров, при которой общий экономический ущерб от них будет минимальным.
На данном этапе первый сегмент ориентирован на использование радиометрических данных, получаемых при помощи сканера MODIS. В будущем, при появлении сканирующих систем более высокого пространственного разрешения и имеющих пожарные каналы, но при этом с такой же широкой полосой обзора, эта технология может быть адаптирована на использование данных новых сканирующих приборов. Предложенные модели и алгоритмы, представленные в диссертационной работе, реализованы в виде распределенных информационных модулей, которые могут быть интегрированы в действующие системы мониторинга лесных пожаров, с целью повышения эффективности процессов лесоохраны. В соответствии с выше указанными сегментами автором была сформирована структура диссертационной работы.
Научная и практическая ценность диссертационной работы. Впервые на русском языке подробно представлены характеристики форматов представления данных сканера MODIS, и описаны средства доступа к ним. Это может быть использовано как в образовательных процессах, так и при создании новых программных средств тематической обработки радиометрических данных TERRA/MODIS. Полученные в диссертации результаты могут служить основой для дальнейших разработок информационных технологий оперативного лесопожарного мониторинга, учитывающие влияние рельефа, скорости ветра и других важных параметров. Предложенные в настоящей работе алгоритмы и методы могут быть адаптированы для реализации оперативной оценки экологического ущерба от действующих лесных пожаров (по количеству выделившихся в результате ЛП продуктов пиролиза и сгоревшего кислорода), что имеет особое значение для нашей страны в условиях соблюдения норм Киотского протокола к рамочной конвенции ООН об изменении климата.
Представленная в диссертационной работе информационная технология позволит в режиме реального времени оперативно производить предварительную оценку экономического ущерба от недавно зафиксированных лесных пожаров. Результаты работы могут широко использоваться администрациями регионов, федеральным агентством лесного хозяйства и другими заинтересованными службами в практике принятия административно-управленческих решений, связанных с работами по ликвидации лесных пожаров на подконтрольных территориях. Внедрение разработанных алгоритмов повысит уровень лесопожарной охраны.
Положения, выносимые на защиту:
1. Система алгоритмов для оперативной оценки и прогнозирования экономического ущерба от недавно зафиксированных лесных пожаров.
2. Реализация алгоритмов распаковки и тематической обработки данных TERRA/MODIS на предмет детектирования ЛП, а также алгоритмов оперативной оценки и прогнозирования ущерба от них, в виде распределенных модулей для информационной поддержки принятия решений по организации тушения лесных пожаров.
3. Алгоритм оперативного формирования последовательности тушения ЛП, согласно которой общий экономический ущерб от них будет минимальным.
Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались:
на Всероссийской научно-практической конференции «Информатика и информационные технологии», КГТУ, Красноярск, 2004 г.;
на Всероссийской научной конференции «Наука. Технологии. Инновации», НГТУ, Новосибирск, 2004 и 2005 гг.;
на Всероссийской научно-технической конференции «Наука. Промышленность. Оборона», НГТУ, Новосибирск, 2004 и 2005 гг.;
на Всероссийской научно-практической конференции «Лесной и химический комплекс — проблемы и решения», СибГТУ, Красноярск, 2006 г.;
на IV Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса», Институт космических исследований РАН, Москва, 2006 г.;
на IV Международной конференции «Аэрокосмические методы и Геоинформационные технологии в лесоведении и лесном хозяйстве», Центр по проблемам экологии и продуктивности лесов РАН, Москва, 2007 г.;
на XI Международной научной конференции «Решетневские чтения», Сибирский государственный аэрокосмический университет, Красноярск, 2007 г.
Публикации. По теме диссертационной работы опубликовано 11 работ, из которых 2 статьи в рецензируемых отечественных научных журналах из списка изданий, рекомендованных ВАК для публикации результатов диссертаций кандидатов и докторов наук.
Структура и объем работы. Диссертация состоит из: введения, пяти глав, заключения, списка цитируемой литературы из 82 наименований; содержит 22 рисунка и 16 таблиц. Объем работы составляет 131 стр.
Уровни представления радиометрических данных MODIS
Чтобы упростить работу пользователей — потребителей информационных сведений, собираемых системой TERRA/MODIS, на стадии её проектирования разработчиками были предусмотрены специализированные виды продукций (так называемые уровни представления), представляющие результаты тематической обработки радиометрических данных сканера MODIS, на базе которых можно получить вторичные изображения, обеспечивающие изучения различных объектов природы и явлений. Для подготовки этих представлений были созданы научные коллективы —- специальные тематические группы, целью которых является обеспечение калибровки радиометрических данных сканера MODIS и их подготовка для исследования океанов, атмосферы и суши. Некоторые из этих тематических материалов можно заказать на специализированном Интернет ресурсе EOS Data Gateway. Готовые изображения, синтезированные по различным каналам прибора MODIS, для изучения океанов и атмосферы можно получить на сайте «Архива для наук о Земле Годдардовского центра полетов» {Goddard Earth Sciences Data and Information Services Center, Active Archive) [16]; для исследования суши - на сайте «Архива Геологической съемки» {Land Processes Distributed Active Archive Center) [17]; снега (льда) — в «Архиве Национального центра по снегу и льду» {National Snow and Ice Center) [18]. Однако эти материалы, имеющие глобальный характер - общий для всей планеты в целом, не всегда применимы для качественных исследований отдельно рассматриваемых регионов [19]. При этом в силу некоторых особенностей их распространения, пользователям для создания конечных тематических продуктов, например таких как информационные карты, схемы, различные отчеты для поддержки принятия управленческих решений и т.д., необходимо разрабатывать собственные информационные приложения, учитывающие специфику конкретной задачи и географии исследуемых регионов. Ниже представлены основные характеристики и свойства уровней представления радиометрических данных, получаемых при помощи сканера MODIS, которые необходимо учитываться при разработке информационных систем чтения и обработки радиометрических данных MODIS.
Данные, собранные радиометром MODIS, по степени обработки делятся на продукты нескольких уровней: Level 0, Level 1А, Level IB, Level 2 (основных 4 уровня). Продукты Level 0 представляют собой первичный поток принятых пакетов данных — так называемые PDS-файлы {Production Data Set) [20]. В них поток пакетов радиометрических данных записан так, как он формируется сканером на борту космического аппарата TERRA (это так называемые сырые данные). Продукты уровня Level 1 представляют собой результат распаковки данных Level 0. В них растровые данные собраны из «сырых» пакетов файлов формата PDS в многомерные массивы, удобные для оперирования с ними как с организованными наборами данных — изображениями. В результате распаковки из одного файла PDS формируется один файл данных MODIS уровня Level 1А формата HDF (описание этого формата представлено в работе ниже в разделе 1.3). Более никакой обработки данные Level 1А не подвергаются.
данные о подстилающей поверхности Всего существует 44 вида специализированных стандартных информационных продуктов представления данных радиометра MODIS, полный перечень которых можно получить на официальном Интернет ресурсе [20,21]. Здесь, каждый продукт имеет в названии приставку «MOD» и уникальный индекс, характеризующий степень и предмет обработки представляемых с его помощью данных, например MOD 01 — к нему относятся продукты уровней Level 0 и Level 1А. Калиброванные данные уровня Level IB содержатся в продукте с именем MOD 02.
Характерной особенностью данных собранных радиометром MODIS, является географическая привязка, которую можно проводить сразу после их получения на станцию, так как она формируется на борту и передается непосредственно в потоке бортовой телеметрии (формируется с использованием эфемерид спутника). Продукт MOD 03 содержит сведения о широте, долготе, высоте над уровнем моря, а также углы солнца, углы сканирования для каждого пикселя с агрегированным разрешением в 1 км (также этот продукт содержит маску вода-суша). Помимо этого существует возможность уточнять (улучшать) географическую привязку данных сканера MODIS, используя информацию об ориентации спутника, предоставляемую службами управления. Однако, для задач оперативного мониторинга чрезвычайных ситуаций этот способ не всегда подходит, так как необходимая информация появляется в доступе у пользователей только через несколько дней после интересующей съемки.
Данные уровня Level 2 представляют уже результаты тематической обработки радиометрических данных MODIS. Они могут рассчитываться в координатах исходного растра, а могут быть преобразованы в картографические проекции — это так называемые данные Level 2 Gridded. Продукты Level 3 представляют собой данные Level 2, агрегированные за разные периоды времени— 1, 3, 7, 8, 16 суток. Целью этого агрегирования является избавление от присутствующей на снимках облачности. Для использования в разработке приложений по обработке данных сканера MODIS наиболее удобны продукты уровня Level IB. Во-первых, они калиброваны, т. е. измерения уходящего излучения земной поверхности и атмосферы представлены в стандартных единицах, и в них учтены все известные систематические ошибки самого прибора MODIS [21]. Во-вторых, они относительно легко получаются из первичных — сырых данных.
Ко всем продуктам представления радиометрических данных сканера MODIS существуют соответствующие алгоритмы тематической обработки, на которых они основаны (Algorithm Theoretical Basis Document), полный перечень которых можно получить на официальном сайте команды разработчиков алгоритмов для данных MODIS [22]. Например, для создания продуктов MOD 35 — формирования маски облачности используется соответствующий алгоритм тематической обработки Discriminating clear-sky from chad with MODIS; для детектирования температурных аномалий (например, лесных пожаров) и формирования продуктов MOD 14 существует алгоритм MODIS Fire Products [23]. Эти алгоритмы тематической обработки могут быть использованы в разработке программных средств для подготовки информационных продуктов, основанных на данных собранных радиометром MODIS.
Детектирование лесных пожаров по данным сканера MODIS
Алгоритм детектирования лесных пожаров основан на пороговых значениях температур для всех обоих каналов. В ночное время сигнал, регистрируемый на длине волны около 4 мкм (21-ый канал), слабее из-за отсутствия отраженного рассеянного солнечного света, и поэтому соответствующие значения порогов должны быть, меньше чем для дневных наблюдений.
Посредством функции getMODISarray (её описание представлено выше в таблицах 1.6 и 2.1) модуль распаковки загружает данные пожарных каналов в специальные массивы для последующей обработки. На первоначальном этапе производятся проверка на наличие потерянных данных и радиометрическая калибровка (п.п. 1.4 и 1.5).
В этой части стандартный алгоритм детектирования лесных пожаров был усовершенствован предобработкой для устранения эффекта наложения частей соседних сканов (алгоритм представлен ниже в п.п. 2.4), так называемого «эффекта бабочки» (п.п. 1.7).
Далее, определяются так называемые «горячие» пиксели, предположительно внутри которых находится лесной пожар. Условие пороговых сравнений, по которому формируется массив горячих пикселей, представлено ниже: Г4 320 К(Ъ\5К) и ДГ41 = Г4-ГИ 20 К(\0К), (2.1) где Г4 — яркостная температура исследуемого пикселя в 21-ом канале; Ти — яркостная температура в 31-ом канале; Д7,, — разность яркостных температур Г, и Ти; в скобках — пороговые значения для ночных наблюдений [35]. Все пиксели, температурные характеристики которых удовлетворяют условию (2.1), являются потенциально содержащими лесной пожар. После, для каждого из них формируется матрица окрестных пикселей — это окно фоновых пикселей, которые не являются «горячими», а также не принадлежат к водным объектам и облакам. При этом, исходя из технических характеристик сканера MODIS (п.п. 1.6.2), размер апертуры такого окна не может превышать 10 на 10 пикселей; а число оставшихся фоновых пикселей должно быть не меньше 25 процентов от общего числа пикселей матрицы, в центре которой расположен «горячий» пиксель.
Здесь температуры, которые заключены в квадратные скобки, относятся к ночным наблюдениям. Таким образом, «горячие» пиксели, значения яркостных температур которых удовлетворяет условиям (2.3), содержат внутри себя очаги лесных пожаров [35].
Так как региональная и сезонная изменчивости характеристик земной поверхности и нижних слоев атмосферы сильно влияют на пирологические процессы, в реализованном внутри модуля распаковки алгоритме детектирования лесных пожаров не используются абсолютные пороговые значения. Пользовательский интерфейс модуля распаковки предоставляет оператору возможность редактировать значения пороговых коэффициентов согласно опыту предыдущих наблюдений.
В информационном модуле распаковки для оценки площадей очагов обнаруженных лесных пожаров реализован стандартный алгоритм, базовые основы которого были предложены Дозаером [36]. Расчетная формула оценки площади и ее опасение представлены в обзорной главе настоящей работы (п.п. 1.6). Решение задачи оперативной оценки экономических ущербов от лесных пожаров предполагает множество последовательных вычислений, на каждом этапе которых могут накапливаться ошибки. Поэтому очень важно, чтобы проводимые расчеты сопровождались информационными сведениями о возможной погрешности вычислений.
В расчетных формулах (1.6.2) и (1.6.3) для оценки площади очага ЛП значимыми величинами являются: суммарный энергетический поток от j,k-пикселя BJk; поток от высокотемпературной части Вп и фоновый поток излучения Вф. В данном случае, величина BJk вычисляется достоверно — так как точность её значения напрямую зависит от параметров регистрирующей аппаратуры (сканера MODIS). Величиной, которая вносит погрешность в расчеты при первоначальной оценке площади очага малоразмерного лесного пожара, является энергетический поток от фоновой части пикселя Вф, так как он оценивается по некоторой окрестности соседних фоновых пикселей.
Известно, что из всех распределений случайной величины в природе чаще всего встречается именно нормальное или так называемое распределение Гаусса (Гауссовское распределение случайной величины) [45].
Требование к лесотаксационным данным
Данный параграф диссертационной работы содержит краткое описание понятия лесотаксационных данных, и условия их применения в представляемой информационной технологии оперативной оценки экономических ущербов от недавно зафиксированных действующих лесных пожаров.
Под словосочетанием лесная таксация подразумевается вспомогательная отрасль лесохозяйственной деятельности (иногда её называют лесной математикой), которая отвечает за определение объемов срубленных и растущих деревьев, их запаса и прироста, то есть — определение качественных и количественных характеристик леса [55,56]. Помимо этого, основными задачами таксации является материально-денежная оценка древесины на корню [57-60].
Древесина делится на «дровяную» и «деловую». При этом, «деловую» древесину подразделяют на крупную, среднюю и мелкую по величине диаметра ствола на определенной высоте. Денежную оценку древесины производят по специальному прейскуранту, а именно — «Таксы на древесину основных лесных пород, отпускаемых на корню», при этом таксовая стоимость задается согласно породному составу с учетом запаса деловой и дровяной древесины на конкретном участке местности, в соответствии со статьей 76 действующего Лесного кодекса Российской Федерации (2007) на основании предельного объема заготовки древесины по конкретному участку [2,61].
Территории покрытые лесом делятся на лесотаксационные единицы, основными из которых являются: лесничество, квартал, выдел (перечислены в порядке убывания занимаемых ими площадей). Лесотаксационный выдел характеризуются площадью в гектарах (Га), запасом древесины (м ), и её стоимостью (руб/м ).
Согласно статьи 68 Лесного кодекса РФ, лесничества при проведении лесотаксационных работ заполняют специальные ведомости-бланки для материально-денежной оценки лесов (возможно, что в новой редакции лесного кодекса как таковое понятие лесничество будет упразднено, тем не менее, смысл заполнения информационных бланков останется прежним) [2]. По этим материалам органами госстастистики, Рослесхоза и др. отраслевыми структурами, формируются информационные документы, содержащие лесотаксационные сведения [61].
Описываемая в настоящей работе информационная технология оценки экономических ущербов основана на использовании актуальных лесотаксационных данных. Основным требованием к таким сведениям является их полнота — качество информации, характеризующей все лесотаксационные единицы. До недавнего времени информационные технологии не получили широкого практического применения в практике создания подобных лесотаксационных продуктов (по различным причинам). Следствием чего является отсутствие электронных лесотаксационных баз данных на большинство территорий Российской Федерации. Однако современные тенденции свидетельствуют о скором изменении ситуации в лучшую сторону.
В настоящей диссертационной работе в рамках предлагаемой ниже системы алгоритмов оперативной оценки экономических ущербов от ЛП, вводится новое понятие удельной цены одного гектара леса внутри пожарного пикселя — пикселя, внутри которого посредством обработки данных MODIS обнаружен малоразмерный пожар (см. главу 2). Точность оценки экономических ущербов по представленным ниже методам, пропорциональна полноте доступных лесотаксационных данных — она зависит от качества описания выделов (лесотаксационных единиц). В таблице 3.2 приведен пример основного содержания макета лесотаксационных данных (который используется в практике лесной таксации уже достаточно много времени), реализованный в описываемой информационной технологии.
В этой части работы предлагается метод оценки экономических ущербов, связанных только со стоимостью самой древесины, охваченной и поврежденной огнем недавно обнаруженных лесных пожаров (актуальная составляющая). Ущерб, связанный со стоимостью доставки технических средств тушения и пожарных бригад к месту лесного пожара, является составной частью прогнозируемого экономического ущерба, так как за время доставки площадь лесных пожаров и их периметры претерпят некоторые изменения, вследствие чего изменится объем пострадавшей от огня древесины.
Результатом работы модуля распаковки, представленного во второй главе настоящей диссертационной работы, являются сведения об актуальной пожарной обстановке (таблица 2.2). По данным с пространственным разрешением в 1 км не представляется возможным определить, в какой именно части пожарного пикселя находится ЛП, и также нельзя точно охарактеризовать его форму. Весьма достоверно существует лишь возможность оценить его площадь, по найденной площади высокотемпературной зоны, которая в среднем составляет около 10-ти процентов от общей площади лесного пожара. Учитывая эти факты, в предлагаемой диссертационной работе автором разработан следующий метод оценки экономического ущерба от недавно зафиксированных лесных пожаров.
Выбор метода оптимизации. Решение
По сути, выражение (4.2.1) является функцией одной переменной /. Существует несколько методов одномерной оптимизации, например: метод полиномиальной аппроксимации; метод «золотого- сечения»; половинного деления и другие [73,74]. Однако решаемая в данной части предлагаемой диссертационной работы задача, является дискретной, ввиду того, что количество лесных пожаров задано, и заранее известны характеристики технических средств тушения, которые будут применяться для их ликвидации. При этом, формализованная в таком виде (п.п. 4.2) задача является типичной одномерной задачей оптимизации [75]. Но получить интерполяционное сглаживание, согласно представленной формализации, не представляется возможным. Основная проблема заключается в том, что описанное выше выражение (4.2.1) не является непрерывной функцией, так как, общий экономический ущерб оценивается относительно всех зафиксированных лесных пожаров, при условии, что в стадии тушения находится только один ЛП.
Здесь, на момент времени t0 посредством сканера MODIS было зафиксировано три крупных лесных пожара (индексы 1, 2, 3). Точки Qt, Q2 и 23 характеризуют величину актуальных составляющих экономического ущерба, вычисленных по соответствующим формулам, предложенным выше в главе 3 настоящей работы. В период времени /0 - /, все обнаруженные пожары развиваются, и прогнозируемый экономический ущерб от каждого из них растет, согласно соответствующим формулам (глава 3), и предполагается, что их площади увеличиваются. Момент времени t] характеризует доставку технических средств и бригад, начало тушения ЛП с индексом 1. Остальные пожары 2 и 3 находятся в состоянии «свободного развития». Время /2 — пожар 1 локализован и потушен, фиксируется величина ущерба (7,. Далее, хронология действий повторяется для оставшихся пожаров с порядковыми индексами 2 и 3. Период времени t2 -/., характеризует доставку техники к ЛП с индексом 2, момент /3 — начало его ликвидации. Пожар с индексом 3 развивается, и соответствующий экономический ущерб растет. К моменту времени t4 ЛП с порядковым индексом 3 локализован и потушен. Период tA5 — время доставки технических средств и пожарных бригад к месту пожара с индексом 3, момент /5 — начало его тушения. К моменту времени t6 все пожары локализованы, зафиксированы величины соответствующих экономических ущербов. В процессе тушения каждого из них наклон кривой, характеризующей рост, ущерба меняется.
В приведенном выше примере предполагается, что в момент тушения пожара с индексом к остальные развиваются свободно, и их площади увеличиваются. В других случаях площадь пожара может не изменяться так сильно, как в настоящем примере. С момента времени, когда ЛП начали тушить, характер кривой, описывающей соответствующий ущерб, изменится (на рисунке 4.3.1 меняется скорость роста — наклон кривой). Точно смоделировать этот момент очень трудно, так как здесь существенными факторами являются: скорость тушения, производительность бригад, изменения скорости ветра в различные моменты времени. Возможны случаи, когда совокупность этих факторов будет таковой, что эффективность тушения конкретного пожара будет минимальной, и данный ЛП будет развиваться, не смотря на процесс его ликвидации. И вместе с этим, экономический ущерб будет возрастать, а произвести оперативно качественную оценку общего экономического ущерба в таком случае по представленному алгоритму будет невозможно.
Предложенный выше алгоритм формирования оптимальной, с точки зрения экономических затрат, последовательности тушения недавно зафиксированных крупных лесных пожаров, можно использовать для прогнозирования общего экономического ущерба от них. Однако существенным недостатком этого алгоритма является отсутствие в нем возможности учитывать факторы рельефа и изменений ветра, которые могут весьма сильно повлиять на ход развития лесного пожара в процессе его локализации и ликвидации. В настоящее время существуют несколько математических моделей, описывающих зависимость скорости распространения огня, и учитывающих влияние рельефа окружающей очаг местности. Однако успешное применение этих моделей на данном этапе осложняется отсутствием подробных рельефных карт. При этом спутниковые данные низкого пространственного разрешения (к которым относятся радиометрические данные TERRA/MODIS) трудно применимы для учета характеристик рельефа, по причине того, что в 1 км" может быть сосредоточено несколько различных совокупностей ландшафтных неровностей местности. Влияние ветра и его изменчивость, можно учитывать по метеосводкам, которые формируются заранее на исследуемый регион. Но при этом следует учитывать, что в процессе тушения крупного ЛП параметры ветра (его скорость и направление) могут меняться непредсказуемо, и это обязательно скажется на изменении скорости прироста площади ЛП. Вместе с тем, это повлияет и на скорость увеличения ущерба от пожара. Учет всех возможных факторов, которые оказывают воздействие на процессы распространения огня, на практике очень трудно реализуем.
В силу описанных выше причин, формализовать полный набор признаков и создать явный алгоритм точного прогнозирования экономических ущербов от действующих лесных пожаров в настоящее время не представляется возможным. В- связи с этим, в данной части работы предлагается использовать нейросетевой подход для прогнозирования ущербов. Как показано в работах Ю.П. Ланкина, Р.Г. Хлебопроса, нейросетевые технологии весьма успешно решают задачи, где необходимо получить прогноз на основе анализа результатов опытов предыдущих экспериментов [76].
Основным преимуществом нейростетвых подходов является возможность поиска решений нестандартных задач посредством обучения [77]. Применительно к проблеме прогнозирования экономического ущерба от действующих лесных пожаров, нейросетевые технологии могут быть востребованы с целью решения проблемы отсутствия значений важных параметров моделей распространения огня, например данных о рельефе местности.
В общем виде понятие нейронной сети можно охарактеризовать как сеть с конечным числом слоев из одиночных элементов — нейронов с различными типами связей между ними и слоями. Каждая связь представляет собой простой элемент, служащий для передачи сигнала. Каждый нейрон, имеющий связи с другими нейронами с помощью синапсов передает импульс (информацию) от одного нейрона к другому. Связи между нейронами делятся на дендриты и, передающие сигналы к данному нейрону, и аксоны, передающие сигналы от данного нейрона. В определенный момент времени нейрон получает по дендритам сигналы от других нейронов (эти сигналы называются входными). Сигнал с каждого входа умножается на весовой коэффициент этого входа (весовой коэффициент) и складывается с другими сигналами, которые также умножены на весовые коэффициенты соответствующих входов. Таким образом, в зависимости от величины полученного значения сигнала создается выходной сигнал, передающийся по аксону другим нейронам. Нейронная сеть, получающая на входе некоторый сигнал, способна после его прохода по нейронам выдавать на выходе определенный ответ, который зависит от весовых коэффициентов всех нейронов.
