Картографирование природной пожарной опасности на территории Среднего Урала на основе метода случайного леса

Картография
УДК: 
528.942
DOI: 
10.22389/0016-7126-2024-1013-11-15-24
1 Климина Е.А.
2 Шихов А.Н.
3 Тарасов А.В.
Год: 
2024
№: 
11
1013
Страницы: 
15-24

Пермский государственный национальный исследовательский университет

1, 
2, 
3, 
Аннотация:
На основе регрессионной модели случайного леса построены карты природной пожарной опасности территорий Пермского края и Свердловской области. Обучение модели выполнено с помощью базы данных о природных пожарах, зарегистрированных в Пермском крае в период с 2010 по 2022 г. В качестве предикторов использованы общедоступные наборы данных, характеризующие лесной покров, климат, рельеф и степень антропогенной освоенности территории. Из них наиболее значимыми оказались распространение сосновых лесов и болот (положительная корреляция), а также высота местности (отрицательная корреляция). Для территории Пермского края получено хорошее соответствие результатов моделирования пожароопасности фактическому пространственному распределению лесных пожаров и потерь лесов от них. Данные по Свердловской области использованы как независимая выборка, здесь тоже выявлено хорошее соответствие распределения лесных пожаров по фактическим данным и по результатам моделирования. Свыше 60 % случаев пожаров приходится на территорию, относящуюся к классу высокой расчетной пожароопасности. Созданные карты могут быть использованы совместно с метеорологическими индексами пожароопасности для совершенствования оперативного прогноза природных пожаров
Исследование выполнено при поддержке Российского научного фонда и Пермского края, проект № 24-27-20111

Список литературы: 
1.   Барталев С. А., Егоров В. А., Жарко В. О., Лупян Е. А., Плотников Д. Е., Хвостиков С. А., Шабанов Н. В. Спутниковое картографирование растительного покрова России – М.: ИКИ РАН, – 2016. – 208 c.
2.   Лупян Е. А., Барталев С. А., Балашов И. В., Егоров В. А., Ершов Д. В., Кобец Д. А., Сенько К. С., Стыценко Ф. В., Сычугов И. Г. Спутниковый мониторинг лесных пожаров в 21 веке на территории Российской Федерации (цифры и факты по данным детектирования активного горения) // Современные проблемы дистанционного зондирования Земли из космоса. – 2017. – Т. 14. – № 6. – С. 158–175. DOI: 10.21046/2070-7401-2017-14-6-158-175.
3.   Шихов А.Н., Абдуллин Р.К., Семакина А.В. Картографирование подверженности лесов гибели от пожаров и ветровалов (на примере территории Урала) // Геодезия и картография. – 2020. – № 4. – С. 19-30. DOI: 10.22389/0016-7126-2020-958-4-19-30.
4.   Шихов А. Н., Семакина А. В. Картографирование растительного покрова Пермского края по спутниковым снимкам Landsat // Географический вестник. – 2022. – № 1. – С. 150–164. DOI: 10.17072/2079-7877-2022-1-150-164.
5.   Cao Y., Wang M., Liu K. (2017) Wildfire Susceptibility Assessment in Southern China: A Comparison of Multiple Methods // International Journal of Disaster Risk Science. 8, pp. 164–181. DOI: 10.1007/s13753-017-0129-6.
6.   Falk D. A., Miller C. M., McKenzie D., Black A. E. (2007) Cross-scale analysis of fire regimes // Ecosystems. 10, pp. 809–826. DOI: 10.1007/s10021-007-9070-7.
7.   Fick S. E., Hijmans R. J. (2017) WorldClim 2: new 1-km spatial resolution climate surfaces for global land areas // International Journal of Climatology. 37, pp. 4302–4315. DOI: 10.1002/joc.5086.
8.   Giglio L., Schroeder W., Justice C. O. (2016) The collection 6 MODIS active fire detection algorithm and fire products // Remote Sensing of Environment. 178, pp. 31–41. DOI: 10.1016/j.rse.2016.02.054.
9.   Gigović L., Pourghasemi H. R., Drobnjak S., Bai S. (2019) Testing a new ensemble model based on SVM and random forest in forest fire susceptibility assessment and its mapping in Serbia’s Tara National Park // Forests. 10 (5), 408 p. DOI: 10.3390/f10050408.
10.   Hansen M. C., Potapov P. V., Moore R., Hancher M., Turubanova S. A., Tyukavina A., Thau D., Stehman S. V. (2013) High-resolution global maps of 21st-century forest cover change // Science. 6160, 342 , pp. 850–853. DOI: 10.1126/science.1244693.
11.   Jaafari A., Pourghasemi H. R. (2019) Factors influencing regional-scale wildfire probability in Iran: an application of Random Forest and Support Vector Machine. Spatial Modeling in GIS and R for Earth and Environmental Sciences pp. 607–619. DOI: 10.1016/B978-0-12-815226-3.00028-4.
12.   Krylov A., Potapov P., Loboda T., Tyukavina A., Turubanova S., Hansen M. C., McCarty J. L. (2014) Remote sensing estimates of stand-replacement fires in Russia, 2002-2011 // Environmental Research Letters. 9 (10),
13.   Moritz M. A., Parisien M. A., Batllori E., Krawchuk M. A., Van Dorn J., Ganz D. J., Hayhoe K. (2012) Climate change and disruptions to global fire activity // Ecosphere. 3 (6), pp. 1–22. DOI: 10.1890/ES11-00345.1.
14.   Novo A., Fariñas-Álvarez N., Martínez-Sánchez J., González-Jorge H., Fernández-Alonso J. M., Lorenzo H. (2020) Mapping Forest Fire Risk – A Case Study in Galicia (Spain) // Remote Sensing. 12 (22) 3705, DOI: 10.3390/rs12223705.
15.   Oliveira S., Oehler F., San-Miguel-Ayanz J., Camia A., Pereira J. M. (2012) Modeling spatial patterns of fire occurrence in Mediterranean Europe using Multiple Regression and Random Forest // Forest Ecology and Management. 275, pp. 117–129. DOI: 10.1016/j.foreco.2012.03.003.
16.   Piyush J., Sean C. P., Coogan S. G. S., Crowley M., Taylor S., Flannigan M. D. (2020) A review of machine learning applications in wildfire science and management // Environmental Review. 28 (4), pp. 478–505. DOI: 10.1139/er-2020-0019.
17.   Potapov P., Li X., Hernandez-Serna A., et al. (2020) Mapping and monitoring global forest canopy height through integration of GEDI and Landsat data // Remote Sensing of Environment. 253 112165, DOI: 10.1016/j.rse.2020.112165.
18.   Sachdeva S., Bhatia T., Verma A. K. (2018) GIS-based evolutionary optimized Gradient Boosted Decision Trees for forest fire susceptibility mapping // Natural Hazards. 92 (3), pp. 1399–1418. DOI: 10.1007/s11069-018-3256-5.
19.   Seidl R., Fernandes P. M., Fonseca T. F., Gillet F., Jönsson A. M., Merganičová K., Netherer S., Arpaci A., Bontemps J.-D., Bugmann H., González-Olabarria J. R., Lasch P., Meredieu C., Moreira F., Schelhaas M.-J., Mohren F. (2011) Modelling natural disturbances in forest ecosystems: A review // Ecological Modelling. 222(4), pp. 903-924. DOI: 10.1016/j.ecolmodel.2010.09.040.
20.   Sherstyukov B. G., Sherstyukov A. B. (2014) Assessment of increase in forest fire risk in Russia till the late 21st century based on scenario experiments with fifth-generation climate models // Russian Meteorology and Hydrology. 39, pp. 292–301. DOI: 10.3103/S1068373914050021.
21.   Tyukavina A., Potapov P., Hansen M. C., et al. (2022) Global Trends of Forest Loss Due to Fire From 2001 to 2019 // Frontiers in Remote Sensing. 3 825190, DOI: 10.3389/frsen.2022.825190.
22.   Vecín-Arias D., Castedo-Dorado F., Ordóñez C., Rodríguez-Pérez J. R. (2016) Biophysical and lightning characteristics drive lightning-induced fire occurrence in the central plateau of the Iberian Peninsulaю Agricultural and Forest // Meteorology. 225 (15), pp. 36–47. DOI: 10.1016/j.agrformet.2016.05.003.
Образец цитирования:
Климина Е.А., 
Шихов А.Н., 
Тарасов А.В., 
Картографирование природной пожарной опасности на территории Среднего Урала на основе метода случайного леса // Геодезия и картография. – 2024. – № 11. – С. 15-24. DOI: 10.22389/0016-7126-2024-1013-11-15-24
СТАТЬЯ
Поступила в редакцию: 12.08.2024
Принята к публикации: 18.11.2024
Опубликована: 20.12.2024

Содержание номера

2024 ноябрь DOI:
10.22389/0016-7126-2024-1013-11