Северный (Арктический) федеральный университет имени М.В. Ломоносова
Лесной фонд России, являясь достоянием народа и федеральной собственностью особого рода, требует устойчивого управления на национальном уровне. один
из ключевых принципов управления лесами – это обеспечение охраны и защиты лесов
от угроз, в первую очередь от лесных пожаров. Хотя лесные пожары являются естественным компонентом лесных экосистем и не могут быть полностью устранены, в
настоящее время выявлено снижение регулирующей функции лесного пожара и рост
деструктивной. Понимание взаимосвязей факторов природной среды и динамики развития лесного пожара необходимо для разработки эффективных и научно обоснованных планов обеспечения безопасности лесов. основной целью исследования является
повышение эффективности формирования оперативного прогноза лесного пожара в
сложных реальных условиях (при нестационарности и неопределенности). Проанализированы статистические данные о лесных пожарах в США, Канаде, России и пяти южных государствах – членах европейского союза (Португалии, Испании, Франции, Италии и Греции) и подтвержден вывод об увеличении частоты возникновения крупных
лесных пожаров. Представлены наиболее широко применяемые на практике модели
прогнозирования динамики лесных пожаров (Van Wagner, Rothermel, Finney, Cruz и др.)
и их компьютерные реализации (Prometheus, FlamMap, FARSITE, VISUAL-SEVEIF,
WILDFIRE ANALYST). Предложена интеллектуальная система, предназначенная для
построения оперативного прогноза лесного пожара посредством сверточных нейронных сетей CNN. описана структура данной системы, включающая три основных подсистемы: информационную, интеллектуальную и пользовательского интерфейса. ключевой элемент интеллектуальной подсистемы – это модель распространения лесных
пожаров, которая распознает данные из последовательных изображений, прогнозирует
динамику развития лесного пожара и генерирует изображение с прогнозом его распространения. описана схема предлагаемой модели, включающая следующие этапы: ввод
входных данных; предобработка входных данных; распознавание объектов с использованием сверточных нейронных сетей; прогнозирование динамики развития лесного
пожара; вывод оперативного прогноза. Подробно представлены особенности реализации этапа «распознавание объектов с использованием сверточных нейронных сетей»:
размер ядра для каждого сверточного слоя 3×3, функция активации ReLu(x), фильтр в
слоях пулинга 2×2 с шагом 2, метод пулинга – max-pooling, на выходе сетей – методы
Object recognition и Semantic segmentation.
Для цитирования: Станкевич Т.С. Прогнозирование пространственного поведения
лесного пожара при неопределенности и нестационарности процесса // Изв. вузов.
Лесн. журн. 2021. № 1. с. 20–34. DOI: 10.37482/0536-1036-2021-1-20-34
Финансирование: исследование выполнено при финансовой поддержке российского
фонда фундаментальных исследований, проект № 18-37-00035 «мол_а».
The Russian forest fund, being a public domain of the people and a special kind
of federal property, requires sustainable management at the national level. One of the key
principles of forest management is to ensure that forests are conserved and protected against
a wide range of threats, primarily forest fires. Although forest fires are a natural component of
forest ecosystems and cannot be completely eliminated, researchers have currently revealed a decrease in the regulatory function and an increase in the destructive function of forest fires.
Understanding the interrelations between the environmental factors and forest fire history is
necessary for the development of effective and scientifically sound forest safety plans. The
main purpose of the study is to increase the efficiency of the formation of an operational
forecast of a forest fire in difficult conditions of a real fire (at instability and uncertainty). The
author analyzed statistical data on forest fires the USA, Canada, Russia and the five southern
European Union member states (Portugal, Spain, France, Italy and Greece) and confirmed
the conclusion on the increase in the frequency of large forest fires. The most widely used in
practice forecasting models of forest fire dynamics (Van Wagner, Rothermel, Finney, Cruz, etc.)
and their computer implementations (Prometheus, FlamMap, FARSITE, VISUAL-SEVEIF,
WILDFIRE ANALYST) are presented in the article. It is proposed to develop an intelligent
system designed to create an operational forecast of a forest fire using convolutional neural
networks (CNN). The structure of this system is described. It includes three main subsystems:
information, intelligent and user interface. A key element of the intelligent subsystem is a
forest fire propagation model, which recognizes data from sequential images, predicts the
forest fire dynamics, and generates an image with a fire spread forecast. The scheme of the
proposed model is described. It includes the following stages: data input; preprocessing of
input data; recognition of objects using CNNs; forecasting the forest fire dynamics; output of
operational forecast. The implementation features of the stage “recognition of objects using
CNNs” are presented in detail: core size for each convolutional layer 3×3, activation function
ReLu(x), filter in 2×2 pooling layers with step 2, max-pooling method, Object recognition and
Semantic segmentation methods at the networks output.
For citation: Stankevich T.S. Forecasting the Spatial Behavior of a Forest Fire at Uncertainty and Instability of the Process. Lesnoy Zhurnal [Russian Forestry Journal], 2021, no. 1,
pp. 20–34. DOI: 10.37482/0536-1036-2021-1-20-34
Acknowledgements: The research was carried out with the financial support from the Russian
Foundation for Basic Research, project No. 18-37-00035 mol_а.