Monitoring of forest conditions during fire danger

DOI: 10.31673/2412-9070.2021.064150

Abstract

A variety of information on forest ecosystem can be obtained by using remote sensing techniques nowadays. The use
of space data of forest monitoring is economically beneficial, because it allows to quickly obtain objective information
needed by forest users to solve practical problems. Satellite data provides wide coverage of forest lands, high accuracy
of results, and high frequency of received data. Space images of the territory of Ovruch district of Zhytomyr region of
Ukraine were selected for the study in the summer of 2020. The definition of the rock composition is carried out by methods
of the guided classification, namely Bayesian classifier. It is found that 70% of forests are pine, the aspen, hornbeam,
birch, alder and ash breeds of tree are found in smaller numbers. In Ukraine according to statistical data for 2000-2020,
51,4 thousand hectares of forest plantations were damaged and destroyed by forest fires. Therefore, objective and timely
information on the fire effects is necessary for the solving a wide class of applied problems of forestry. Determining the
area of damaged forests is an important task in assessing the ecological and the economic damage caused to forest management
by forest fires. In the work technologies for defining the forest area, in which the fire occurred, are reviewed
using the space images of Landsat 8 sattelite. For detecting burned areas and levels of damage a normalized NBR pre and
post fire index and DNBR index are used. For forecasting forest fires a mathematical model based on Bayesian theorem
and a quarterly thematic map with classes of fire danger are created. To check the accuracy of the results of the projected
model, a combination of the thematic map with a fire layer of the defined areas is carried out. This software product is
flexible and versatile enough, it can be easily adapted to use not only for the determination of burned forest lands, but also for other territories.

Keywords: information system; space imagery; remote sensing of the Earth; Quantum GIS; fire index; Bayesian formula; probability of fire.

References
1. Слободяник М. П. Використання методів ДЗЗ та ГІС-технологій для моніторингу лісових ресурсів // Вісник геодезії та картографії. 2014. № 1(88). C.27–31.
2. Миронюк В. В. Перспективи використання методу класифікації космічних знімків для лісової інвентаризації України // Збалансоване природокористування. 2015. № 2. С. 9–15.
3. Використання супутникових знімків для оцінювання таксаційних показників лісових насаджень / О. Токар, М. Король, С. Гаврилюк, А. Цуняк // Міжвідом. наук.-техн. збірник «Геодезія, картографія і аерофотознімання». 2017. № 85. С.84–93.
4. Поморцева О. Є. Моделювання розташування екологічно небезпечних об’єктів за допомогою гео-інформаційних систем // Вчені записки ТНУ імені В.І. Вернадського (Серія: технічні науки) 2018. Т. 29(68), № 6, Ч. 2. С. 222–226.
5. Застосування технологій ГІС та ДЗЗ в задачах моніторингу лісових пожеж / В. Зацерковний, П. Савков, І. Пампуха, К. Васецька // Вісник Київ. нац. ун-ту імені Тараса Шевченка. Військово-спеціальні науки. 2020. № 2(44). С. 54–58.
6. Shvaiko, V., Bandurka, O., Shpuryk, V., & Havrylko, Y. V. Methods for detecting fires in ecosystems using low-resolution space images. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska. 2021. No. 11(1). P. 15–19.
7. Інформаційна система аналізу геоданих для відслідковування змін рослинності / О. Барабаш, О. Бандурка, В. Шпурик, О. Свинчук // Сучасні інформаційні системи. 2021. № 5(4). С. 17–25.
8. Аналіз відомих методів сегментування зображень, що отримані з бортових систем оптико-електронного спостереження / В. Худов, Г. Кучук, М. Маковейчук, А. Крижний // Системи обробки інформації. 2016. С. 77–80.
9. Predicting traffic anomalies in container virtualization / N. Kuchuk, A. Kovalenko, V. Tkachov, H. Kuchuk// Computer and Information System and Technologies. 2021. P. 25–26.
10. Разработка программно-аппаратного комплекса обнаружения лесных пожаров методом совмещения изображений / А. С. Васильев, А. В. Краснящих, В. В. Коротаев [и др.] // Изв. Вузов. Приборостроение. 2015. Т. 55, № 12. С. 50–55.
11. Интеллектуальное управление динамическими системами / С. Н. Васильев, А. К. Жерлов, Е. А. Федосов, Б. Е. Федунов. М.: Физико-математическая литература, 2000. 352 с.
12. Гришин А. М. Общая математическая модель лесных пожаров и её приложения // Физика горения. 2000. Т. 32, № 5. С. 35–54.
13. Куценко Л. М., Васильєв С. В. Моделювання зовнішніх проявів надзвичайних ситуацій, як двофазних гетерогенних процесів. Проблеми надзвичайних ситуацій: зб. наук. праць. 2008. Вип. 8. С. 115–123.
14. Грабарник П. А., Чертов О. Г., Чумаченко С. Г. Интеграция имитационных моделей для комплексной оценки экосистемных услуг лесов: методические подходы // Информационные и вычислительные технологии в биологии и медицине. 2019. Т. 14, № 2. С. 488–499
15. Теорія автоматичного керування: підручник / А. Е. Асланян, Ю. К. Зіатдінов, О. В. Барабаш, О. А. Бєльська. Київ: НАУ, 2015. 532 с.
16. SDK [Електронний ресурс] / Wikimedia Foundation Inc. Сан-Франциско., 2009. URL: http:// ru.wikipedia.org/wiki/SDK.
17. Воздействие осиновых плантаций с коротким оборотом рубки на биологический круговорот углерода и азота в лесах бореальной зоны: модельный эксперимент / А. С. Комаров, О. Г. Чертов, С. С. Быховец [и др.] // Математическая биология и биоинформатика. 2015. Т. 10. № 2. С. 398–415.
18. Моделирование продуктивности лесных плантаций при разных схемах пространственного размещения деревьев / И. В. Припутина, Г. Г. Фролова, С. С. Быховец [и др.] // Математическая биология и биоинформатика. 2016. Т. 11. № 2. С. 245–262.