COMPARATIVE ESTIMATION OF THE QUALITY OF FIRE DANGER INDEXES IN FORESTS

封面

如何引用文章

全文:

详细

Weather conditions are one of the important factors, which affects forest fire danger. Taking into consideration different methodical approaches (in particular, to accounting for precipitation) and differences between forestry and natural climatic conditions, also different density the weather stations, the values calculated according by these methods differ significantly in different forest areas. In order to correctly estimate the methods quality and correctly interpret the results which were obtained, it was developed special toolkit allowing to do the necessary preliminary processing and data visualization in the form of an interactive panel. Existing approaches were based on linear Pearson’s correlation coefficient. At the same time this criterion can be applicable in case when the source data are distributed according to normal distribution law. ISDM-Rosleskhoz formed Big Data, which show it is not true. The new approach differs in that the source data are previously transform logarithm method, which increases accuracy of the obtained estimations. The developed toolkit allowed to conduct comparative analysis of the main methods, which are used in Russia. Method of humidity indicator taking into account hygroscopicity (PVG) shows the best results - (30 %), method of humidity indicator 2 (PV-2) is in the second place (26 %), method of humidity indicator 1 (PV-1) is located in the third place (20 %), Nesterov’s method is in the last place (13 %). The number of forest fires doesn’t allow to obtain reliable result in the other area (11 %). The prepared interactive map by the authors in combination with a dynamic graph allows to visualize comparative results to the forest areas level, inside subjects of the Russian Federation thereby simplifying interpretation the obtain results. The total results can be used for improvement forest fire danger scales depending on weather conditions.

作者简介

R. Kotelnikov

The Center of Forest Pyrology, Development of Forest Ecosystem Conservation, Forest Protection and Regeneration Technologies - Branch of the All-Russian Scientific-Research Institute of Silviculture and Mechanization of Forestry

编辑信件的主要联系方式.
Email: center@firescience.ru
Krasnoyarsk, Russian Federation

A. Chugaev

The Center of Forest Pyrology, Development of Forest Ecosystem Conservation, Forest Protection and Regeneration Technologies - Branch of the All-Russian Scientific-Research Institute of Silviculture and Mechanization of Forestry

Email: chugaevaa@firescience.ru
Krasnoyarsk, Russian Federation

参考

  1. Волокитина А. В., Софронова Т. М., Корец М. А. Региональные шкалы оценки пожарной опасности в лесу: Усовершенствованная методика составления // Сиб. лесн. журн. 2017. № 2. С. 52-61.
  2. Вонский С. М., Жданко В. А., Корбут В. И., Семенов М. М., Тетюшева Л. В., Завгородная Л. С. Определение природной пожарной опасности в лесу: Метод. рекоменд. Л.: ЛенНИИЛХ, 1981. 51 с.
  3. Губенко И. М., Рубинштейн К. Г. Сравнительный анализ методов расчета индексов пожарной опасности // Тр. гидрометеорологического науч.-иссл. центра Российской Федерации. 2012. Вып. 347. С. 207-222.
  4. Иванов В. А., Горошко А. А., Бакшеева Е. О., Головина А. Н., Морозов А. С. Региональные шкалы пожарной опасности по условиям погоды для лесов Амурской области // Хвойные бореал. зоны. 2020. Т. 38. № 1-2. C. 34-42.
  5. Информационная система дистанционного мониторинга лесных пожаров Федерального агентства лесного хозяйства (ИСДМ-Рослесхоз). М.: Рослесхоз, 2023. https://nffc. aviales.ru/main_pages/index.shtml
  6. Ковалев Н. А., Лупян Е. А., Балашов И. В., Барталев С. А., Бурцев М. А., Ершов Д. В., Кривошеев Н. П., Мазуров А. А. ИСДМ-Рослесхоз: 15 лет эксплуатации и развития // Соврем. пробл. дистанцион. зондирования Земли из космоса. 2020. Т. 17. № 7. C. 283-291.
  7. Котельников Р. В., Лупян Е. А. Особенности дистанционно оцениваемых распределений площадей лесных пожаров для территорий с различным уровнем пожарной охраны // Соврем. пробл. дистанцион. зондирования Земли из космоса. 2022. Т. 19. № 4. C. 75-87.
  8. Плотникова А. С. Шкала природной пожарной опасности лесных экосистем И. С. Мелехова. Обзор современных российских методических подходов // Вопр. лесн. науки. 2021. Т. 4. № 2. Статья № 83. 13 с.
  9. Приказ Рослесхоза от 05.07.2011 № 287 «Об утверждении классификации природной пожарной опасности лесов и классификации пожарной опасности в лесах в зависимости от условий погоды». М.: Рослес хоз, 2011.
  10. Софронова Т. М., Волокитина А. В., Софронов М. А. Совершенствование оценки пожарной опасности по условиям погоды в горных лесах Южного Прибайкалья. Красноярск: Краснояр. гос. пед. ун-т им. В. П. Астафьева; Ин-т леса им. В. Н. Сукачева СО РАН, 2007. 240 с.
  11. Сравнение методик оценки пожарной опасности в лесах, в зависимости от условий погоды. Красноярск: Центр лесной пирологии, развития технологий охраны лесных экосистем, защиты и воспроизводства лесов - филиал ВНИИЛМ, 2023. https://firescience.ru/project/kpo/thebestkpo.html
  12. Srock A. F., Charney J. J., Potter B. E., Goodrick S. L. The hot-dry-windy index: A new fire weather index // Atmosphere. 2018. V. 9. N. 7. Article 279. 11 p.
  13. Torres-Rojo J. M. Índice para la estimación de ocurrencia de incendios forestales en superficies extensas (Index for the estimation of the occurrence of forest fires in large areas) // Revista Chapingo. Ser. Ciencias Forestales y del Ambiente. 2020. V. 26. N. 3. P. 315-331.
  14. Viegas D., Bovio G., Ferreira A., Nosenzo A., Sol B.Comparative study of various methods of fire danger evaluation in Southern Europe // Int. J. Wildland Fire. 1999. V. 9. Iss. 4. P. 235-246.
  15. Ziel R. H., Bieniek P. A., Bhatt U. S., Strader H., Rupp T. S., York A. A Comparison of fire weather indices with MODIS fire days for the natural regions of Alaska // Forests. 2020. V. 11. N. 5. Article 516. 18 p.

补充文件

附件文件
动作
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».