прогнозированиЕ Параметров распространения лесных пожаров в условиях неполноты информации
Ежегодно в зависимости от погодных условий в Российской Федерации возникает от 10 до 40 тыс. лесных пожаров на площади от нескольких сот до 10 миллионов гектаров. Только в субъектах Сибирского федерального округа лесные пожары ежегодно угрожают примерно 4 тыс. населенных пунктов, в которых проживают более 2 млн. человек, насчитывается более 600 тыс. жилых построек.
В настоящее время идет процесс реформирования лесной отрасли, в том числе системы охраны лесов от пожаров. Федеральное агентство лесного хозяйства (Рослесхоз) на основании Лесного кодекса РФ (04.12.06 г. № 200 ФЗ) передает полномочия по охране лесов от пожаров субъектам РФ, которые в настоящее время не готовы достаточно эффективно бороться с лесными пожарами. Кроме того, значительное снижение бюджетных ассигнований на борьбу с лесными пожарами за последние десятилетия привело к существенному ослаблению лесопожарных служб и падению общего уровня охраны лесов от пожаров. Вследствие этого лесные пожары приобретают массовый характер, развиваются до крупных размеров и приобретают характер ЧС. Поэтому для ликвидации лесных пожаров все чаще привлекаются подразделения МЧС России.
Стихийный лесной пожар – опасный и динамичный процесс, возникающий, как правило, случайно во времени и пространстве, зачастую в труднодоступных местах, - является весьма неудобным объектом с точки зрения наблюдения, измерений и моделирования. Однако эффективная борьба с пожаром невозможна без предсказания его поведения, для чего требуются математические модели его поведения.
Любая модель беднее описываемого объекта и решение вопроса о необходимой степени адекватности ее реальному объекту зависит от комплекса предъявляемых к ней требований, определяемых, в свою очередь, назначением и предполагаемым использованием модели. С этой точки зрения, можно выделить три класса, соответствующих трем уровням описания объекта.
А. Основной или фундаментальный уровень – моделирование физико-химических процессов горения различных растительных горючих материалов.
Б. Второй уровень – моделирование распространения и развития пожаров на неоднородной территории лесного фонда с прогнозом их контуров и ряда характеристик, необходимых для организации тушения – тактическое (диспетчерское) моделирование.
В. Третий уровень – моделирование пожаров как событий в системе охраны леса – стратегическое моделирование.
Каждый из рассмотренных выше классов моделей предъявляет определенные требования к перечисленным характеристикам (табл. 1) [1]. Еще одной важной характеристикой моделей всех перечисленных классов являются требования, предъявляемые ими к полноте и детальности исходной информации об условиях горения. Модели уровня А требуют наиболее подробную в этом отношении информацию, но, как правило, для одного вполне конкретного набора условий. В то же время для моделей уровней Б и В достаточна менее подробная информация о лесных и погодных условиях, однако, для больших лесных территорий.
Таблица 1 - Требования, предъявляемые к математическим моделям лесных пожаров
|
Характеристика моделей |
Уровень и назначение модели ЛП |
||
|
А |
Б |
В |
|
|
исследование физико-химических процессов горения |
прогноз распространения контура |
использование в системах определения пожарной опасности |
|
|
Степень детализации |
описание основных параметров горения |
определение геометрических характеристик контура и интенсивности огня |
определение скорости нарастания периметра и контура |
|
Сложность вычислений |
не играет роли |
ограничена |
оограничена |
|
Универсальность |
по возможности полная |
для определенного типа лесной территории |
для всей охраняемой территории |
|
Учет случайных параметров |
не требуется |
обязателен |
обязателен |
|
Оперативность использования |
не требуется |
необходима |
необходима |
Характерной особенностью российских лесов является их чрезвычайное разнообразие, которое отмечается многими исследователями: от лесотундры на севере до субтропиков на юге страны, а так же разнообразие климатических условий. Данное обстоятельство существенно затрудняет вопрос выбора универсальной методики прогнозирования параметров лесного пожара, который одинаково эффективно работал бы в условиях Крайнего Севера и на юге.
Кроме этого, анализ известных в настоящее время методов показал, что основной проблемой при их практическом использовании будет не разнообразие природных условий, а отсутствие карт горючих материалов, необходимых для осуществления качественного прогноза.
Система по прогнозу поведения лесных пожаров, в том числе, судя по зарубежному опыту, должна включать ряд подсистем (вариантов), математические модели и программы для прогнозирования характеристик пожара, его распространения и последствий, а также модели для оценки факторов, влияющих на процесс горения (влагосодержания горючих материалов, скорости ветра под пологом леса и других.). Система обязательно должна включать информационную базу с пирологической характеристикой растительности (в виде карт и прилагаемых к картам описаний). Наиболее трудным и сложным является создание именно информационной базы, поскольку она должна давать пирологическую характеристику всем участкам растительности на территории, обеспечивая при этом наполнение математических моделей. Модели, наполнение которых на практике не обеспечено, могут иметь лишь ограниченное применение.
Главным критерием выбора модели для программы является реальная возможность обеспечения ее информационной базой в виде пирологических характеристик лесных насаждений – соответствующих карт с приложением пирологических описаний выделов и таблиц. Метод и практичная технология составления таких карт (карт РГМ) по материалам лесоустройства или в процессе лесоустройства разработаны только для модели М. А. Софронова [2]. С этой точки зрения, представляется логичным выбор именно этой методики в качестве основной для программы прогноза параметров поведения лесных пожаров.
При этом, надо помнить, что работы упомянутых выше авторов носят экспериментальный характер и о сколько-нибудь массовом создании карт РГМ речь не идет. Более того, таксационные описания лесов, на которых базируется методика М.А. Софронова и А.В. Волокитиной, также в настоящее время мало доступны. Созданные в советское время лесоустроительные материалы устарели, а новые почти не создаются.
Поэтому не следует отказываться от использования моделей, реализованных в системах BehavePlus, FlamMap, FARSITE, и FSPro [3, 4], адаптируя их применительно к отечественной системе лесоводства.
Что касается моделей пространственного распространения лесных пожаров, то отечественные разработки не уступают зарубежным, а по некоторым направлениям – превосходят их.
Для осуществления прогноза в условиях отсутствия карт РГМ представляется целесообразным использование методов основанных на обнаружении скрытых закономерностей (Data Mining) и работающих на данных, предоставляемых существующими региональными и федеральными системами мониторинга лесной пожарной опасности. Эти методы необходимо дополнять доступной информацией о топографии местности, метеоданными, а также картами лесонасаждений хозяйств регионов. Система должна создаваться на основе ГИС-технологий с использованием данных космического мониторинга лесов. Представляется целесообразным ее интеграция с информационной системой дистанционного мониторинга лесов «ИСДМ Рослесхоз», разработанной под руководством Института космических исследований РАН для системы авиационной охраны лесов [5].
Мы предлагаем следующий подход к реализации системы прогнозирования развития лесных пожаров. Организация разработки системы прогнозирования условно делится на два этапа:
1. Подготовка моделей классов пожаров;
2. Внедрение моделей и прогноз.
На первом этапе предлагается классификация всех имеющихся в архиве данных о пожарах на основе общности таксационных описаний. Далее, в каждой из выделенных, таким образом, группе районов, все пожары разбиваются на классы средствами Data Mining (нейронные сети, OLAP, методы математической статистики). Пожары, попавшие в результате такого разбиения в один класс, должны характеризоваться общностью условий горения. На основе данных о пожарах отдельного класса может быть построена модель поведения пожара. Исследования показали, что для создания таких моделей для различных классов пожаров могут эффективно применяться искусственные нейронные сети с учителем.
На втором этапе, созданные для каждого класса пожаров модели интегрируются с выбранной системой мониторинга. Это позволит, не изменяя основную функциональность системы прогнозирования развития лесных пожаров, совершенствовать непосредственно модели поведения классов пожаров, легко изменяя наборы данных, с которыми они работают, а также при необходимости осуществлять адаптацию [6] системы прогнозирования к изменениям в структуре баз данных системы мониторинга.
Прогнозирование развития лесного пожара предлагается выполнять также в два этапа. На первом этапе пожар, для которого составляется прогноз, методами относится к одному из ранее выделенных классов пожаров. На втором этапе с помощью системы мониторинга выбирается вся необходимая для модели класса, к которому отнесён пожар на первом этапе, информация и на её основе производится прогноз параметров пожара.
Литература
1. Доррер Г.А. Динамика лесных пожаров. Новосибирск: Изд-во СО РАН, 2008 – 404 с.
2. Волокитина А.В., Софронов М.А. Классификация и картографирование растительных горючих материалов. Новосибирск: Изд-во СО РАН, 2002 г., 314 c.
3. Andrews, Patricia L. 2007. BehavePlus fire modeling system: past, present, and future. US Forest Service, Rocky Mountain Research Station, Missoula, Montana, 13p.
4. Andrews, Patricia L.; Bevins, Collin D.; Seli, Robert C. 2008. BehavePlus fire modeling system, version 4.0: User's Guide. Gen. Tech. Rep. RMRS-GTR-106WWW Revised. Ogden, UT: Department of Agriculture, Forest Service, Rocky Mountain Research Station. 116p.
5. Котельников Р., Коршунов Н.. Космический мониторинг лесных пожаров. //Авиапанорама, 2008, № 2. С. 14–17.
6. Якимов С.П., Сиземов В.Н. К вопросу об изменчивости объектов виртуальной природы. //Материалы IV Всесибирского конгресса женщин-математиков (в день рождения Софьи Ковалевской). Красноярск, 15-19 января 2006 г. – С. 191-193.