Как найти координаты пожара

1. Markus E., Snegirev A., Kuznetsov E., Tanklevskiy L. Application of a simplified pyrolysis model to predict fire development in rack storage facilities // Journal of Physics: Conference Series. 2018. Vol. 1107. Issue 4. P. 042012. DOI: 10.1088/1742-6596/1107/4/042012

2. Markus E., Snegirev A., Kuznetsov E., Tanklevskiy L. Fire growth in a high-rack storage // Proceedings of the Ninth International Seminar on Fire and Explosion Hazards. 2019. Vol. 2. Pp. 796–807. DOI: 10.18720/spbpu/2/k19-70

3. Дорожкин А.С., Таранцев А.А., Минкин Д.Ю. Проблема пожарной безопасности подземных автостоянок // Проблемы управления рисками в техносфере. 2015. № 1 (33). С. 13–18.

4. Таранцев А.А., Шидловский Г.Л., Поташев Д.А. Особенности распространения опасных факторов пожара в подземных стоянках автомобилей // Проблемы управления рисками в техносфере. 2020. № 1 (53). С. 43–52.

5. Kopylov S., Tanklevskiy L., Vasilev M., Zima V., Snegirev A. Advantages of Electronically Controlled Sprinklers (ECS) for fire protection of tunnels // Proceedings from the Fifth International Symposium on Tunnel Safety and Security, New York, USA, March 14-16, 2012. 2012. Vol. 1. Pp. 87–92.

6. Родэ А.А., Иванов Е.Н., Климов Г.В. Автоматические установки для тушения пожаров. М. : Стройиздат, 1965. 187 с.

7. Ходаков В.Ф. Автоматические установки водяного пожаротушения. Киев : Будiвельник, 1970. 92 c.

8. Бубырь Н.Ф., Иванов А.Ф., Бабуров В.П., Мангасаров В.И. Установки автоматической противопожарной защиты : учеб. пособие для пожарно-техн. училищ. М. : Стройиздат, 1979. 176 с.

9. Болотин Е.Т., Мажара И.И., Пестмаль Н.Ф. Проектирование установок автоматического пожаротушения. Киев : Будiвельник, 1980. 116 с.

10. Бубырь Н.Ф., Воробьев Р.П., Быстров Ю.В., Зуйков Г.М. Эксплуатация установок пожарной автоматики. М. : Стройиздат, 1986. 367 с.

11. Агафонов В.В., Копылов Н.П. Установки аэрозольного пожаротушения: элементы и характеристики, проектирование, монтаж и эксплуатация. М. : ВНИИПО, 1999. 232 с.

12. Мешман Л.М., Цариченко С.Г., Былинкин В.А., Алешин В.В., Губин Р.Ю. Проектирование водяных и пенных автоматических установок пожаротушения. М. : ВНИИПО МЧС РФ, 2002. 413 с.

13. Собурь С.В. Установки пожаротушения автоматические : справочник. М. : Спецтехника, 2003. 400 с.

14. Сафронов В.В., Аксенова Е.В. Выбор и расчет параметров установок пожаротушения и сигнализации : учеб. пособие. Орел : ОрелГТУ, 2004. 57 с.

15. Храпский С.Ф., Стариков В.И., Рысев Д.В. Производственная и пожарная автоматика : учеб. пособие. Омск : Издательство ОмГТУ, 2013. 152 с.

16. Собурь С.В. Установки пожарной сигнализации : учебно-справочное пособие. М. : Пожкнига, 2015. 256 с.

17. Воронков О.Ю. Расчет, монтаж и эксплуатация автоматических установок пожаротушения : учеб. пособие. Омск : Издательство ОмГТУ, 2016.

18. Илюшов Н.Я. Автоматические установки пожаротушения : учеб. пособие. Новосибирск : Изд-во НГТУ, 2016. 134 с.

19. Mitchell N.D. New Light on Self-Ignition // Quarterly of the National Fire Protection Association. 1951. Vol. 45. Issue 2. Pp. 165–172.

20. Rasbash D.J. The extinction of fires by water sprays // Fire Research Abstracts and Reviews. 1962. Vol. 4. Pр. 28–52.

21. Williams F.A. A unified view of fire suppression // Journal of Fire and Flammability. 1974. Vol. 5. Pр. 54–63.

22. Bryan J.L. Fire suppression and detection systems. Beverley Hills, California : Glencoe Press, 1974. 409 p.

23. Yao C. Development of large-drop sprinklers // FMRC Technical Report Serial No. 22476. Norwood, MA : Factory Mutual Research Corporation, 1976.

24. Bullen M.L. The effect of a sprinkler on the stability of a smoke layer beneath a ceiling // Fire Technology. 1977. No. 13. Pр. 21–34. DOI: 10.1007/BF02338883

25. Yao C. Application of sprinkler technology // Workshop on Engineering Applications of Fire Technology held at the National Bureau of Standards. 1980.

26. Fire protection handbook: Fifteenth Edition. National Fire Protection Association, 1981. 50 p.

27. Tanklevskiy L., Tsoy A., Snegirev A. Electrically controlled dynamic sprinkler activation: Computational assessment of potential efficiency // Fire Safety Journal. 2017. Vol. 91. Pp. 614–623. DOI: 10.1016/j.firesaf.2017.04.019

28. Tanklevskiy L., Vasiliev M., Meshman L., Snegirev A., Tsoi A. A novel methodology of electrically controlled sprinkler activation // Proceedings of the 13th International conference Interflam 2013 (Royal Holloway College University of London, UK, 24–26 June). 2013. Pp. 503–508.

29. Таранцев А.А., Танклевский Л.Т., Снегирев А.Ю., Цой А.С., Копылов С.Н., Мешман Л.М. Оценка эффективности спринклерной установки пожаротушения // Пожарная безопасность. 2015. № 1. С. 72–79.

30. Королева Л.А., Таранцев А.А., Груданова О.В. Об экономической оценке двух путей модернизации установок пожаротушения // Проблемы управления рисками в техносфере. 2007. № 1. С. 38–42.

31. Мешман Л.М., Снегирев А.Ю., Танклевский Л.Т., Таранцев А.А. О возможности использования пластиковых труб в спринклерных установках автоматического пожаротушения // Пожаровзрывобезопасность/Fire and Explosion Safety. 2014. Т. 23. № 10. С. 73–78.

32. Артамонов В.С., Груданова О.В., Таранцев А.А. Уточненный порядок расчета одноуровневых разветвленных гидравлических сетей // Пожаровзрывобезопасность/Fire and Explosion Safety. 2008. Т. 17. № 3. С. 77–83.

33. Tsoi A., Snegirev A., Tanklevskiy L., Sheinman I. Flame suppression by water sprays: exploring capabilities and failures of FDS // Proceedings of the Seventh International Seminar Fire and Explosion Hazards. 2013. Pp. 482–491. DOI: 10.3850/978-981-07-5936-0_07-05

34. Бабиков И.А., Танклевский А.Л., Таранцев А.А. О способе определения группы принудительно активируемых оросителей при возникновении пожара в помещении // Проблемы управления рисками в техносфере. 2019. № 3 (51). С. 34–41.

35. Xin Y., Burchesky K., De Vries J., Magistrale H., Zhou X., D’Aniello S. SMART sprinkler protection for highly challenging fires — part 1: system design and function evaluation // Fire Technology. 2017. Vol. 53. Pp. 1847–1884. DOI: 10.1007/s10694-017-0662-2

36. Drysdale D. An introduction to fire dynamics. Chichester : John Wiley & Sons, 1985. 440 p.

37. Snegirev A.Yu., Tanklevskii L.T. The macrokinetics of indoor fire // High Temperature. 1998. Vol. 36. Issue 5. Pp. 737–743.

38. Snegirev A.Yu., Tanklevskii L.T. Numerical simulation of turbulent convection of gas indoors in the presence of a source of ignition // High Temperature. 1998. Vol. 36. Issue 6. Pp. 949–959.

39. Markus E., Snegirev A., Kuznetsov E., Tanklevskiy L. Application of the thermal pyrolysis model to predict flame spread over continuous and discrete fire load // Fire Safety Journal. 2019. Vol. 108. Р. 102825. DOI: 10.1016/j.firesaf.2019.102825

40. Alpert R.L. Ceiling Jet Flows // SFPE Handbook of Fire Protection Engineering. Quincy : National Fire Protection Association, 2002. Pp. 2-18–2-31.

41. Пособие по применению «Методики определения расчетных величин пожарного риска в зданиях, сооружениях и строениях различных классов функциональной пожарной опасности». М. : ВНИИПО МЧС России, 2012.

42. Линник Ю.В. Метод наименьших квадратов и основы математико-статистической теории обработки наблюдений. М. : Физматгис, 1962. 349 с.

Проект «Прометей»: поиск пожаров с помощью ИИ

Перевод Project Prometheus — An AI-powered fire finding solution

Мы с коллегами работаем в проекте Prometheus («Прометей») — это решение для раннего обнаружения пожаров, в котором объединены ИИ, компьютерное зрение, автоматические дроны и сервисы прогноза погоды. Этот комплекс предназначен для выявления пожаров в дикой природе, прежде чем они перерастут в настоящее бедствие. Мы хотим рассказать о проекте поподробнее, как он работает и какой теоретический аппарат лежит в его основе. Материал будет подан как можно более независимо от конкретных технологий, так что если вас интересуют конкретные особенности реализации (CNTK, Faster R-CNN, контейнеры Docker, Python, фреймворк .NET и т. д.), то заходите в наш GitHub-репозиторий. А здесь мы лишь упомянем использованные технологии.

Небольшое введение:

Мотивация

В 2017-м подсчитали, что лесные пожары обходятся экономике США примерно в $200 млрд. Это немногим меньше ущерба от ураганов. Но отличие в том, что если тушить пожары, пока они не разрослись, то потери можно сильно уменьшить. Однако задача обнаружения пожаров — задача рутинная, трудная и требующая участия людей: по большей части они сидят на наблюдательных башнях с биноклями, стараясь вовремя заметить пожар, или облетают территории на вертолётах или посредством управляемых дронов. Проект «Прометей» призван автоматизировать всю эту рутину с помощью автоматических дронов, которые будут выявлять пожары на ранней стадии, иначе ветер, сухость или особенности рельефа помогут огню за минуты распространиться на акры площади. Причём большинство таких пожаров возникают в удалённых районах, где мало людей и некому отслеживать возникновение очагов.

Если отправить дроны патрулировать эти удалённые районы, они помогут вовремя обнаружить огонь и минимизировать ущерб.

Проект

«Прометей» можно разделить на три части:

• Модуль определения пожаров использует алгоритмы глубокого обучения для выявления маленьких очагов с помощью RGB-камеры дрона (реализован в качестве облачного REST-сервиса).
• Модуль планирования полётов позволяет пользователю выбирать и планировать зоны патрулирования (реализован в качестве Windows-приложения и интегрирован с картографическими погодными сервисами).
• Система предупреждения позволяет пользователю быстро уведомлять команду о найденном возгорании (с помощью Azure Functions и Twilio).

Определение пожаров

Мы используем автоматизированные дроны для поиска огня в отдалённых районах. Установленные на борту RGB-камеры используются для съёмки всего района, а фотографии затем скармливаются модели машинного обучения, которая ищет пожары и уведомляет пользователя. Всем спасибо, все свободны. Хотя, погодите…

Урок первый: размер имеет значение

Определение пожаров с помощью компьютерного зрения в тех пропорциях, что нам были нужны, оказалось трудной задачей, и поэтому мы использовали другой подход. Вероятно, вы подумали, что использовать RGB-камеры нецелесообразно, потому что инфракрасные камеры в данном случае предпочтительнее. Но поговорив с пожарными, мы выяснили, что всё не так просто: на инфракрасных камерах пожарами будут выглядеть места с высокой температурой воздуха, а некоторые участки поверхности будут выглядеть источниками тепла только из-за особенностей отражения света. К тому же такие камеры существенно дороже. Пожарные используют их по большей части ночью, чтобы понять, удалось ли полностью потушить пожар.

В целом, если хотите с помощью машинного обучения отнести изображение к конкретной категории — пожар/не пожар, — то наверняка воспользуетесь методиками классификациями. Проще простого. Но может быть так, что характеристики, которые требуются для классификации, окажутся слишком малы по сравнению с полным изображением. К примеру, типичный небольшой источник возгорания выглядит так:

В подобных случаях, в том числе и в нашем, наилучшей производительности в определении объектов можно достичь, если не обращать внимание на их конкретное расположение или не подсчитывать количество на изображении. Но чаще всего устройство системы определения объектов оказывается гораздо сложнее. Есть разные способы решения этой задачи, и мы воспользовались областной свёрточной нейросетью (regional convolutional neural network, R-CNN) а точнее, реализацией Faster R-CNN.

Также часто используют YoLo и Detectron (недавно переведена в open-source).

Процесс состоит из таких шагов:

• Локализация: нужно генерировать участки (образцы) областей внутри изображения, которые могут содержать искомые объекты. Эти области называются Regions of Interest (ROI, области интереса). Они представляют собой большие наборы рамок, охватывающие всё изображение. Мы генерируем ROI с помощью методики, описанной в работе «Segmentation as Selective Search for Object Recognition» авторства Koen E. A. van de Sande и других. Методика реализована в Python-библиотеке dlib.
• Классификация объектов: далее из каждой рамки извлекаются визуальные свойства, проводится их оценка и система предполагает, есть ли там объекты, и какие они (подробнее об этом ниже).
• Подавление немаксимумов (Non-maximum suppression): бывает, что рамки, представляющие один и тот же объект, частично или полностью накладываются друг на друга. Чтобы избежать таких дублирований, пересекающие рамки объединяются в одну. Эта задача может потребовать очень много вычислительных мощностей, однако в Intel Math Library реализованы некоторые оптимизации.

Урок второй: вашим данным может понадобиться помощь

Для машинного обучения нужны данные. Но в глубоком обучении (то есть в многомерном пространстве ввода) вам понадобится очень много данных, чтобы извлечь интересующие визуальные свойства. Как вы понимаете, трудно найти большой датасет объектов, которые нас интересуют (пожары). Чтобы решить эту проблему, мы для извлечения визуальных свойств воспользовались методикой «переноса обучения» (transfer learning) с заранее обученными моделями классификации изображений общего назначения, поскольку они умеют хорошо обобщать. Проще говоря, вы берёте модель, заранее обученную что-то определять, и «настраиваете» её с помощью своего датасета. То есть эта модель будет извлекать свойства, а вы уже будете пытаться использовать их представления, выученные для задачи А (обычно, высокоуровневой задачи), в решении задачи Б (обычно, низкоуровневой). Успешность решения задачи Б свидетельствует о том, сколько модель для задачи А смогла узнать о задаче Б. В нашем случае задачей А была задача классификации объектов ImageNet, а задачей Б — определение пожаров.

Это методику можно применять, убрав из заранее обученной нейросети последний слой и заменив его своим классификатором. Затем замораживаем веса всех остальных слоёв и обычным образом обучаем нейросеть.

Получившаяся у нас нейросеть недоступна в GitHub из-за её размера — около 250 Мб. Если она вам нужна, напишите нам.

Для ImageNet есть много уже обученных моделей (AlexNet, VGG, Inception, RestNet и т.д.). В каждой из них авторы использованы разные компромиссы по скорости, точности и в структуре. Мы выбрали AlexNet, потому что она требует меньше вычислительных ресурсов, а результаты в нашей задаче мало отличаются от других сетей.

Урок третий: видеоролики (особенно, их отдельные кадры) — ваши лучшие друзья

Но несмотря на перенос обучения нам всё ещё нужно довольно много данных, чтобы решить задачу классификации. И тут мы воспользовались видео. Из каждого ролика можно извлечь кучу кадров и быстро получить отличный большой датасет. У видео есть ещё одно полезное свойство: если объект или камера движется, то вы получаете изображения объекта с разным освещением, под разными углами и в разных позициях, так что датасет получается очень качественным.

Свой набор картинок мы не загрузили в репозиторий тоже из-за размера, стучитесь.

Мы собрали видео с дронов из разных источников и вручную промаркировали. Есть несколько инструментов для присвоения изображениям меток в разных форматах, в зависимости от используемого фреймворка глубокого обучения. Рекомендую LabelImg для Linux/Windows и RectLabel для Mac. Мы использовали CNTK, поэтому остановились на инструменте Microsoft VoTT, умеющем экспортировать в форматы CNTK и TensorFlow.

Урок четвёртый: купите видеокарту (или арендуйте облачную)

Обучение большой модели вроде нашей требует немалых вычислительных мощностей, и GPU будет огромным подспорьем. У нас ушло около 15 минут на обучение с помощью NVIDIA GeForce GTX 1050. Но даже несмотря на использование видеокарты настройка параметров модели является большим затруднением. У Microsoft есть хороший инструмент Azure Experimentation Service, позволяющий запускать в облаке параллельно несколько обучений с разными параметрами и анализировать полученную точность. Также присмотритесь к AWS SageMaker.

В нашем репозитории лежит скрипт Sweep_parameters.py, который автоматически очистит параметрическое пространство и запустит задачи на обучение.

Готово!

Итак, мы обучили свою R-CNN и навозились с переносом обучения, глубоким обучением, видеокартами и т. д. Как теперь поделиться своими трудами с другими? Сначала мы запустили REST-сервис для взаимодействия с моделью. API позволяет отправлять изображения для оценки и возвращает области картинок, наличие огня для которых модель определила с определённой уверенностью. Также вы можете сообщать API, есть ли на изображении на самом деле огонь или нет. Другие конечные точки используются для получения обратной связи и внесения улучшений.
Сервис REST API упакован в Docker-контейнер и опубликован в облаке, что позволяет дёшево масштабировать решение. В репозитории вы можете найти файл с Docker-образом.

Планирование полётов

Красные предупреждения

Как «Прометей» узнаёт, куда отправлять дроны? Мы интегрируемся с национальными погодными сервисами ради определения «красных предупреждений». Это районы, в которых температура воздуха, направление и сила ветра, влажность и атмосферное давление повышают вероятность возникновения пожаров. Поскольку погодные сервисы ориентированы на свои страны, вряд ли их можно использовать для зарубежного поиска. На сегодняшний день мы работаем с американскими и аргентинскими сервисами.

Информация о погоде

Очень важно обладать точными данными о погоде в интересуемых районах. Об этой функции нас попросили пожарные. Мы получаем данные о погоде, опрашивая погодные станции через картографический сервер Национальной службы погоды, и накладывая на карту полученную информацию. Подчеркнём, что это не прогноз погоды, а реальные измерения:

Погодные станции в США.

Не понимаете, как работает эта карта? Вы не одиноки в этом. У нас ушло несколько недель, чтобы разобраться, как этим можно пользоваться. В сети мало информации. Если хотите поэкспериментировать с данными от погодных станций, то придётся получить API-ключи от провайдеров, поскольку мы не имеем права ими делиться.

Система предупреждения

Когда система обнаруживает огонь, она просит оператора подтвердить факт обнаружения. Интерфейс выглядит так:

Окно подтверждения возгорания.

Как видите, система работает достаточно точно даже в таких непростых случаях, как этот. Маленькая красная рамка очерчивает границы возгорания с вероятностью 67 %. На самом деле, «Прометей» старается обнаруживать большие пожары и работает нестабильно при расчёте областей в сценариях, подобных этому. Всё в порядке, так и было задумано. Нас просто не интересовали такие ситуации.

Система предупреждения отправляет на заранее прописанные телефонные номера SMS-уведомление с GPS-координатами пожара. Рассылка выполняется с помощью Twilio, облачной платформы, чьи API позволяют, помимо прочего, программно отправлять и получать текстовые сообщения.

Хотите взглянуть?

→Исходный код лежит здесь

Благодарности

«Прометей» разрабатывался в сотрудничестве с Пожарным департаментом Темпе, Аризона, Аргентинским пожарным департаментом и Аргентинским национальным институтом сельскохозяйственных технологий Аргентины.

«Карта пожаров»

Сайт, не требующий регистрации, представляет информацию со спутников о местах пожара, количестве очагов возгорания и их силе.

В «Карте пожаров» много дополнительных настроек: от границ заповедников до статистики по субъектам РФ с 2016 г.

На сайте есть платная версия «Карты пожаров PRO» с расширенной функциональной.

Минусом сервиса можно назвать разве что время обновления: новые данные в бесплатной версии появляются два раза в сутки, в платной — 4 раза, а огонь за это время может пройти весьма значительное расстояние.

«Берегите лес»

Официальное мобильное приложение «ФБУ Авиалесоохрана», в котором среди прочего имеется и карта пожаров. Составлена она с помощью спутниковых данных, информации ведомства, а также благодаря активности зарегистрированных в приложении пользователей.

В приложении есть координаты каждого возгорания и информация о том, в каком направлении от вас оно находится.

Отдельной рубрикой идут новости обо всём, что связано с лесной отраслью. Если вы работаете с лесом, то они, безусловно, будут полезны.

При установке приложения потребуется пройти процедуру простой регистрации.

C услугой «Лимит» вы останетесь на связи, даже уйдя в минус.

Технологии и способы мониторинга лесных пожаров на территории РФ

Технологии и способы мониторинга  лесных пожаров на территории РФ

Шаймарданова Р.М., Исаева О.Ю.,

ГОУ ВПО Уфимский государственный  авиационный технический университет,

г. Уфа, Российская Федерация

Проблема лесных пожаров  по праву может считаться одной  из наиболее серьезных проблем, связанных  с безопасностью жизнедеятельности  человека и состоянием окружающей среды, нерешенных в настоящий момент.

Лесные пожары являются мощным природным и антропогенным  фактором, существенно изменяющим функционирование и состояние лесов. Они наносят  урон экологии, экономике, а часто  и человеческие жизни оказываются  под угрозой.

Мониторинг лесных пожаров – система наблюдений и контроля за пожарной опасностью в лесу по условиям погоды, состоянием лесных горючих веществ и материалов, источниками огня и лесными пожарами в целях своевременной разработки и проведения мероприятий по предупреждению лесных пожаров и (или) снижению ущерба от них. Мониторинг лесных пожаров организационно осуществляется на 4-х уровнях:

— федеральном (федеральный орган управления лесным хозяйством России),

— региональном (органы управления лесным хозяйством субъектов РФ),

— муниципальном и локальном (лесхозы и другие организации, предприятия и учреждения, осуществляющие ведение лесного хозяйства, а также подразделения «Авиалесоохрана», занимающиеся обнаружением и тушением лесных пожаров).

С учётом используемых средств  мониторинга лесных пожаров можно  выделить наземный, авиационный и  космический уровни.

Наземный мониторинг

Такой способ позволял одному человеку осуществлять мониторинг большой территории (около 30 км вокруг места установки вышки в зависимости от ее высоты, рельефа местности и погодных условий), на ранней стадии обнаруживать возгорание и при возможности обнаружения с нескольких точек определять его координаты методом триангуляции.

В 1980 – х гг ввели в использование PTZ-камеры для мониторинга лесных массивов при помощи видеонаблюдения.

Разрабатываемые и применяемые тогда системы представляли собой телеустановки в составе управляемой PTZ-камеры, размещаемые на высотных сооружениях, а также телевизионное устройство и пульт управления, расположенные непосредственно рядом с вышкой. Около каждой вышки находился оператор, который в ручном режиме просматривал территорию.

Наиболее перспективным является размещение на высотных сооружениях PTZ-IP-видеокамер, которые объединяются в единую систему с использованием каналов опорной сети операторов с дальнейшим подключением их в сеть Интернет.

Преимущества такого подхода:

Отсутствие необходимости  создания специализированных высотных сооружений с наличием питания –  совместное использование объектов связи.

Возможность доступа одного оператора к нескольким камерам  и, как следствие, уменьшение влияния  человеческого фактора, увеличение площади лесных территорий, приходящихся на одного оператора.

Возможность одному оператору  определять координаты очага возгорания при видимости с нескольких камер.

Авиационный мониторинг

К лесоавиационным работам  относятся:

— авиационная охрана (патрулирование) лесов от пожаров и тушение их с применением авиации;

— аэрофотосъемка лесов;

— аэротаксация лесов;

— лесопатологическое обследование;

— фенологические наблюдения;

— авиахимические работы по борьбе с вредителями лесов, нежелательной древесно-кустарниковой растительностью;

— аэросев леса;

— авиаобслуживание лесной промышленности, лесозаготовок и лесосплава.

Авиация МЧС России (создана в 1995 г.) является одним из самых оперативных и эффективных формирований не только в нашей стране, но и во всем мире. Она включает в себя 51 воздушное судно (18 самолетов и 33 вертолета}, в том числе:

— многоцелевой самолет Ан-3, способный перевозить до 2 т грузов;

— самолет-амфибия Бе-200, предназначенный для тушения пожаров (может перевозить 12 т груза);

— транспортный самолет Ил-76, способный доставить на место пожара до 42 т огнетушащих веществ, а также обеспечить доставку различных грузов, в их числе аварийно-спасательные комплексы.

Вертолетный парк включает в себя универсальные машины Ми-8 и Ка-32, легкие аварийно-спасательные вертолеты Бо-105 и БК-117, а также тяжелые многоцелевые вертолеты Ми-26Т. В 2007 г. авиация МЧС России совершила более 13 тыс. полетов с общим налетом около 12 тыс. часов, в том числе 955 часов в зоны чрезвычайных ситуаций и 202 часа в рамках гуманитарных операций.

Беспилотный авиационный мониторинг

В современных условиях уровень развития беспилотных авиационных  технологий в России позволяет четко  оценить возможности беспилотных  летательных аппаратов (БПЛА) разных классов.

Учитывая широкий спектр БПЛА, целесообразно их классифицировать по набору ключевых характеристик.

1. Микро класс -для работы в ближней зоне;

2. Малый класс — для работы на среднем удалении;

3. Средний класс — для работы на удалении до 100 км;

4. Большой класс — для работы на удалении свыше 100 км

Технологические задачи: обеспечение  высокого (непрерывного) уровня мониторинга  за распространением лесных пожаров, в  том числе крупных, в неблагоприятных  погодных условиях (сильное задымление); передача видеоинформации непосредственно  в оперативный штаб на удалении до 50 км; ретрансляция сигналов УКВ-связи, передача цифровых пакетов информации между командами тушения и  оперативным штабом с целью повышения  качества управления силами тушения.

Для оперативного маневрирования людскими и техническими ресурсами  предусмотрено наличие двухсторонней  радиосвязи между оператором БПЛА и  наземными командами пожаротушения.

При движении колонны лесопожарной техники к лесному пожару (в зоне действия лесного пожара) применяется БПЛА для разведки подъездных путей, а так же путей эвакуации в случае внезапного изменения лесопожарной обстановки (усиления пожара).

Лесопатологическое обследование

Полеты по оценке лесопатологического  и санитарного состояния лесов  выполняются на высоте 600-800 м. В качестве патрульных карт используются топографические  карты масштаба 1:100000 – 1:200000 или их копии, а также лесопожарные карты.

Для мониторинга местности  применяются следующие бортовые целевые нагрузки:

• видеокамеры оптического диапазона;

• фотоаппараты оптического диапазона.

По изменению окраски  и разреженности полога леса и  другим визуальным признакам можно  определить следующие виды участков повреждений:

• повреждение хвое-листогрызущими насекомыми (чем больший процент объедания хвои (листвы), тем сильнее сквозь крону проявляется цвет стволов поврежденной породы, влияющий на окраску полога леса);

— ветровалы, снеголомы, буреломы свежие;

— сухостои (старые гари, шелкопрядники);

— захламленность на свежих вырубках;

— свежие гари;

— насаждения с патологическим состоянием от невыясненных причин.

Космический мониторинг

Исследования, проводимые с 1997 года Федеральным центром науки  и высоких технологий «Всероссийский  научно-исследовательский институт по проблемам гражданской обороны  и чрезвычайным ситуациям» (ФЦ ВНИИ ГОЧС), доказали высокую эффективность  проведения мониторинга лесных (торфяных) пожаров при помощи информации с  космических спутников.

Информация, используемая для мониторинга природных и  техногенных ЧС, поступает с орбитальных  спутников серии NOAA, ширина полосы обзора у которых равна 2000 км. В данный момент задействовано три аппарата этой серии.

На каждом из них установлено  оборудование AVHRR (Advanced Very High Resolution Radiometer — радиометр высокого разрешения), которое имеет временное разрешение (время повторного обзора со спутника одной и той же точки) 12 часов.

Это позволяет видеть контролируемую точку не менее 6 раз в сутки.

Для выделения очагов пожаров  на полученном со спутников изображении  помимо уже используемых пакетов  таких программ, как ERDAS Imagine, ArcView, ScanView (ИТЦ «СканЭкс»), ФЦ ВНИИ ГОЧС разработал специальное программное обеспечение.

В нем используются модификации «порогового» и «контекстуального» алгоритмов. Но для того чтобы начать их применение, необходимо провести предварительный визуальный анализ исходного изображения с целью выявления явных очагов пожаров.

Предварительная обработка

Обнаружение очагов пожаров  визуальным способом позволяет быстрее  и точнее определить пороги обнаружения  тепловых аномалий. В общем случае данные пороги будут разными. Это  связано прежде всего с площадью и температурой горения, временем года и суток, а также с географическими координатами места пожара.

Следует помнить, что перистая и слоистая облачность по своей структуре и яркости могут напоминать дымовые шлейфы лесных пожаров. Поэтому те части снимков видимого спектра, где предварительно обнаружен лесной пожар, просматриваются в инфракрасном диапазоне спектра.

В этом случае шлейфы дыма от лесных пожаров практически не просматриваются.

Для выделения очагов пожаров  с помощью «порогового» или «контекстуального» алгоритма на предварительном этапе  вся получаемая со спутников NOAA информация должна быть откалибрована.

Это значит, что для первого и второго  каналов аппаратуры AVHRR необходимо получить значения альбедо А1, А2 соответственно.

А для третьего, четвертого и пятого каналов — значения эквивалентной радиационной температуры Т3, Т4 и Т5 соответственно.

Пороговый алгоритм обнаружения  тепловых аномалий

Известно, что максимум потока излучения черного тела, нагретого  до температуры 800-1000 К, приходится на среднюю инфракрасную область электромагнитного спектра с длиной волны 3-4 мкм. Исходя из характеристик аппаратуры AVHRR в качестве основного признака для распознавания тепловой аномалии принимаются данные третьего канала, работающего в диапазоне 3,55-3,93 мкм.

Так как пространственное разрешение аппаратуры AVHRR составляет 1,1 км, то в идеальном случае можно  обнаруживать объекты, линейные размеры  которых превышают 1,1 км.

А благодаря  высокой интенсивности излучения  в среднем ИК-диапазоне и высокому радиометрическому разрешению аппаратуры становится возможным обнаружение тепловых аномалий природного и техногенного характера много меньших размеров.

В идеальных условиях наблюдения при максимальном контрасте между 3-м и 4-м каналами аппаратуры AVHRR есть возможность обнаружения пожаров с площадью 0,2-0,3 га. Она была установлена в 1991 году, а затем неоднократно проверена экспериментальным путем.

Это  связано прежде всего с отражением энергии солнечного излучения кромками облаков (наибольшее число ложных тревог), водной поверхностью, песком, открытыми горными породами, асфальтовыми покрытиями и бетонными сооружениями.

Чтобы не допустить ошибок, необходимо использовать данные других спектральных каналов.

В литературе было предложено множество методов пороговой  классификации тепловых аномалий, однако на наш взгляд, они не позволяют  полностью исключить человека-оператора  из процесса дешифрирования лесных (торфяных) пожаров. Так, наиболее известные пороговые  алгоритмы выделения очагов пожаров  выглядят следующим образом:

2. Алгоритм Франса (1993 год): T3 > 320, T3-T4 > 15, 0 < (T4-T5) < 5, A1 < 9%, где А1 – значение альбедо в 1 -м канале.

Источник: http://yaneuch.ru/cat_62/tehnologii-i-sposoby-monitoringa-lesnyh/286218.2320385.page1.html

Методы мониторинга лесных пожаров

Воздействие лесных пожаров для любой страны становится истинной катастрофой. В это время выгорают огромные территории с природными богатствами, тем самым нарушается взаимодействие экологических систем.

Актуальной важнейшей задачей для каждой страны является разработка и внедрение наиболее функциональных и эффективных средств мониторинга, с целью более раннего обнаружения точек возгорания и предупреждения чрезвычайных экологических ситуаций, связанных с лесными пожарами, а также для выработки эффективных мер по предупреждению и ликвидации лесных пожаров.

Профилактическая работа должна сочетаться с выявлением и привлечением к ответственности виновников их возникновения. Именно таким способом можно добиться наиболее лучшего эффекта в снижении горимости лесов в более короткие сроки и при наименьших финансово-материальных затратах.

Каждый вид мониторинга подразумевает использование всевозможных методов обнаружения первичных и вторичных признаков возгорания.

В настоящее время вопросы прогнозирования и мониторинга пожароопасной обстановки широко изучается каждой страной. Выполняется разработка наиболее функциональных и систематизированных средств мониторинга, с целью наиболее раннего обнаружения термических точек и предупреждения чрезвычайных экологических ситуаций, связанных с лесными пожарами.

Основными параметрами для оценки видов мониторинга можно расценивать с точки зрения стоимости, воздействия погодных условий, площади контролируемых территорий, скорости получения данных и необходимости их обработки, от которых зависят скорость реагирования и оперативность принятия мер по устранению очагов возгорания можно расценивать (таблица 2).

Таблица 2 – Сравнительный анализ методов мониторинга лесных пожаров

Методы мониторинга лесных пожаров
Краткая информация	Достоинства	Недостатки
Мониторинг с помощью вышек
С помощью визуализации определяет направление на пожар	— Простота метода (доступная инфраструктура, упрощение создания и управления маршрутами патрулирования); — Достаточно высокая оперативность	— Высокая зависимость от человеческого фактора (круглосуточное использование человеческих ресурсов на протяжении всего пожароопасного периода); — Высокая стоимость вышки (более 50000 руб. за метр, за размещение – ок.11000 руб.); — Зависимость от благоприятных погодных условий
Сеть камер на вышках под управлением ПО для систем видеонаблюдения
Вышки оснащаются видеосенсорами, которые быстро реагируют на обнаружение возгорания и, используя автоматизированную связь, дают сигнал о возникновении пожара	— Автоматизация процесса формирования и построения маршрута — Сокращение времени на обработку данных — Минимизация человеческих ресурсов
Обнаружение пожаров с летательных аппаратов, с беспилотных летательных аппаратов
С определенной периодичностью облетают пожароопасную территорию, при визуальном обнаружении пожара штурман определяет его координаты (с помощью карты) и передает в центр контроля информацию об обнаруженном пожаре.	— Возможность мониторинга удаленных и труднодоступных территорий.	— Высокая стоимость летного часа, 1 (Самолет Ан-2 — основной самолет, используемый для обнаружения лесных пожаров) — около 27000 руб., вертолет Ми — более 75000 руб., — Невозможность непрерывного мониторинга большой территории, что может являться причиной позднего обнаружения пожара. — Зависимость от метеоусловий

Продолжение таблицы – Сравнительный анализ методов мониторинга лесных пожаров

Авиационный
Мониторинг производит пилот на летательном аппарате, который оборудован теплолокатором микроволнового диапазона, а также инфракрасными датчиками.	— Возможность осуществления контроля за труднодосупными территориями (в зависимости от погодных условий) возможность обнаружения низовых пожаров — Низкая зависимость от человеческого фактора	— Требует больших финансовых вложений(высокая стоимость летного часа) — Невозможность ведения постоянного мониторинга больших территорий
Контроль состояния атмосферного воздуха лидарными (LightDetectionandRanging) методами
Воздушное лазерное сканирование позволяет качественно или количественно судить о таких параметрах воздушной среды, как давление, плотность, температура, влажность, концентрация газов, аэрозолей, параметры ветра.	— Обнаружение вторичных признаков, сопровождающиеся процессы горения: пламя, дым, восходящие потоки нагретого воздуха — Могут использоваться и в ночное время суток	— Большая вероятность ложного сигнала (при сильном ветре, дожде или тумане).
Космический мониторинг
Расположенные на орбитах спутники передают снимки поверхности земли на станцию для анализа.	ü Низкие затраты в последующие года, (высокая стоимость единоразовая, на приобретениеПО; ü Большой охват территории; ü Независимость от природно-географических условий; ü Независимость от погодных условий; ü Высокая степень автоматизации процесса получения и обработки данных	— Затруднительное обнаружение пожара на ранней стадии — Зависимость от облачности при обработке данных

Исходя из данной таблицы, можно отметить что, при визуальном методе, ответственность отводится наблюдателю, который с вышки определяет точку возгорания и передаёт информацию в контролирующий центр.

Достоинством данного метода является оперативность оповещения и простота метода, недостатком выступает высокая зависимость от человеческого фактора, высокие затраты на обустройство вышек и зависимость от погодных условий.

К преимуществам авиационного мониторинга выступает возможность контроля за удаленными и труднодоступнымитерриториями, недостатками данного мониторинга являютсяпозднее обнаружение пожара, в следствие невозможностью контроля большихтерриторий, высокая стоимость летного часа, а также высокая зависимость чувствительности регистрирующей аппаратуры от широты обзора изависимость от погодных условий.

Беспилотные летательные аппараты также характеризуются контролю за территории, вне зависимости от природно-географических условий, номогут снизить период обнаружение пожара. Также стоит отметить, что стоимость беспилотного летательного аппарата может достигать миллиона долларов США.

Достоинствами космического мониторинга за пожароопасной обстановкойявляются значительное увеличение площади исследуемой территории, вне зависимости от доступности территории, независимость от природно-географических характеристик, независимость от уровня инфраструктуры исследуемой территории, а также возможность исследований за процессамив разные периоды [45].Несмотря на наличие радиолокационных систем, позволяющих производить мониторинг в ночное время суток и при неблагоприятных метеорологических условиях, используется комплексная многоспектральная спутниковая съемка, для которой большую роль играет прозрачность атмосферы.

Сравнительный анализ методов мониторинга в сфере лесного хозяйства России представлен в приложении Д.

Такжемониторинг лесных пожаров осуществляется с помощью контроля состояния атмосферного воздуха лидарными (LightDetectionandRanging) методами.

С помощью данного метода, возможно, обнаружить вторичные признаки, сопровождающие процесс горения: пламя, дым, восходящие потоки нагретого воздуха.

Лидары могут использоваться и в ночное время суток, однако у данного метода существуют такие недостатки, как большая вероятность ложного сигнала при сильном ветре, дожде или тумане [46].

Таким образом, каждый метод спутникового мониторинга лесных пожаров имеет свои преимущества и недостатки. Эффективное использование может быть использовано комплексно с иными способами контроля пожароопасной обстановки для получения максимально точной информации об объекте исследования и подробного изучения динамики возможных изменений территории.

Источник: https://cyberpedia.su/15xb9c6.html

Современные методы обнаружения и мониторинга лесных пожаров

Научно-технические разработки

УДК 630*9

А.Ю. Кудрин к.т.н., Л.И. Запорожец к.т.н., Ю.В. Подрезов д.с.-х.н.

СОВРЕМЕННЫЕ МЕТОДЫ ОБНАРУЖЕНИЯ И МОНИТОРИНГА ЛЕСНЫХ ПОЖАРОВ

Обнаружение лесных пожаров предусматривает строительство, размещение и организацию деятельности пожарных наблюдательных пунктов, наземное и авиационное патрулирование лесов, космический мониторинг лесов, грозопеленгацию, организацию связи и взаимодействия наземных и авиационных служб, оповещение о лесных пожарах

Своевременное обнаружение лесных пожаров позволяет предотвращать их развитие в чрезвычайные лссопожарные ситуации (ЧЛС) и, что также важно, не позволяет достигать таким ЧС масштабов территориальных, федеральных и трансграничных.

При своевременном и адекватном реагировании на данные мониторинга целесообразно стремиться к недопущению развития лесного пожара даже в локальную или местную ЧЛС.

Обнаружение лесных пожаров предусматривает строительство, размещение и организацию деятельности пожарных наблюдательных пунктов, наземное и авиационное патрулирование лесов, космический мониторинг лесов, грозопеленгацию, организацию связи и взаимодействия наземных и авиационных служб, оповещение о лесных пожарах.

В зоне наземной охраны лесов наряду с наземным патрулированием для обнаружения лесных пожаров можно использовать передвижные телескопические мачты высотой 35 м на базе автомобиля «ЗИЛ-131». Они оснащаются телеустановками «Балтика-ЗМ» и позволяют вести наблюдение за лесом в радиусе до 20 км.

Такие наблюдательные пункты развёртываются на возвышенностях в засушливые периоды пожароопасного сезона и должны оснащаться средствами связи и спутниковой навигации.

Если раньше место пожара определялось методом засечек с 2-3 соседних мачт (вышек), то сейчас существуют лазерные дальномеры и более простые системы (подсчёт строк развёртки на мониторе телеустановки) для определения расстояния до дымового шлейфа.

Для оперативного подавления очагов обнаруживаемых пожаров целесообразно около наблюдательного пункта обеспечить дежурство пожарной команды с транспортом повышенной проходимости и средствами пожаротушения. При уменьшении пожарной опасности, по условиям погоды в данном районе, передвижные наблюдательные комплексы могут перемещаться в зону с более высокой пожарной опасностью.

У авиационного способа обнаружения лесных пожаров возможности гораздо выше, но в силу ряда экономических и организационных причин по сравнению с 70—80 годами прошлого столетия стоимость лётного часа воздушных судов авиалесоохраны возросла более чем в 3 раза, а уровень лесоавиационных работ снизился примерно в 5 раз. Это приводит к невыполнению научно обоснованных нор-

мативов по кратности авиапатрулирования и более того, на площади, превышающей 50 % охраняемой авиацией лесной территории, установлено эпизодическое патрулирование.

Для мониторинга лесных пожаров возможно применение пилотируемых мотопланеров и мотодельтапланов, использующих в режиме планирования энергию воздушных потоков, автожиров, парапланов и привязных аэростатов с гиростабилизированпой платформой.

Особо следует отметить дистанционно пилотируемые летательные аппараты (ДПЛА), оснащённые телекамерой, ИК-аппаратурой и системой спутниковой навигации (GPS). В последние годы появились беспилотные аппараты классов менее 200 кг со стартом с транспортно-пусковой установки (мини), и менее 5 кг со стартом с руки (микро).

Однако современные ДПЛА имеют ряд существенных недостатков: сравнительно небольшой угол захвата регистрирующей аппаратуры ДПЛА и радиус полёта не превышающий 100 км Саля класса «мини»), что не позволяет осматривать большую площадь; нет технологии автоматического (без участия человека) обнаружения лесных пожаров; для ДПЛА микрокласса слишком велика зависимость его полёта от ветра и турбулентных конвекционных потоков лесного пожара; сравнительно высокая аварийность и низкий ресурс ДПЛА: необходимо согласовывать полёты с органами управления воздушным движением. Практически отсутствует нормативно-правовая база для применения беспилотной техники.

Оперативный мониторинг сразу большой территории лесов стал возможен только с помощью искусственных спутников Земли (ИСЗ) или космовизуального наблюдения.

Региональные управления лесного хозяйства и территориальные базы авиационной охраны лесов впервые начали применять спутниковую информацию в своей практической деятельности с середины 70-х годов, когда ЛенНИИЛХ (ныне СПбНИИЛХ) разработал практические рекомендации по её использованию для решения целого ряда задач производственного характера. По чернобелым мелкомасштабным изображениям, ежедневно получаемым с метеорологического спутника земли «Метеор», можно было следить за сходом снежного покрова и более обоснованно устанавливать сроки начала авиалесоохран-ных работ, определять скопления грозовой облачности, являющейся основной причиной массовых загораний в

лесу, выявлять поля ресурсной облачности, перспективной для тушения крупных лесных пожаров искусственно вызываемыми осадками из облаков, отслеживать передвижение теплых и холодных фронтов, следить за динамикой развития и распространения крупных лесных пожаров (100 га и более) и т.д.

Поэтому лесной пожар можно было обнаружить на космическом снимке только по его дымовому шлейфу в видимом или ближнем И К-диапазоне спектра.

В последние годы оперативность использования спутниковой информации и разрешающая способность аппаратуры дистанционного зондирования Земли резко возросли. Стало возможным получать снимки больших территорий с довольно высоким разрешением.

Значительно увеличилось число действующих космических аппаратов, появились относительно недорогие станции приёма данных со спутников, существенно возросли возможности программных и аппаратных средств обработки и передачи космической информации.

Для информационной поддержки принятия управленческих решений широкое распространение получили геоинформацион-ные системы (ГИС), в которых спутниковая информация привязана к географическим координатам и является регулярно обновляемым источником данных, необходимых для изменений и дополнений информационных слоёв карт. Данные такого рода необходимы многим потребителям этой информации (органам власти субъектов РФ и местного самоуправления, территориальным органам Рос-природнадзора, агентствам лесного хозяйства, научным и природоохранным организациям).

Приказом Рослесхоза «О космическом мониторинге лесных пожаров» от 25.05.2005 г. № 112 в России начато внедрение системы мониторинга лесных пожаров на территории лесного фонда Российской Федерации. Новая система не является альтернативой авиапатрулированию, а предполагает сочетание этих методов.

Данные космического мониторинга лесных пожаров делятся на оперативные. получаемые со спутника TERRA с прибором MODIS, и уточнённые данные более высокого пространственного разрешения, получаемые со спутников системы SPOT с широкоугольной камерой Vegetation (VGT). предназначенной для наблюдения растительного покрова.

Погрешность оперативных данных сильно зависит от характера горения, состояния атмосферы и других факторов. Уточнённые спутниковые данные поступают и обрабатываются с задержкой до 10 дней. В зоне авиационной охраны лесов оперативные данные уточняются при авиапатрулировании.

При проведении космического мониторинга лесных пожаров необходимо оформлять следующие документы:

1) ведомость лесных пожаров в зоне космического мониторинга второго уровня (1-ИСДМ);

2) оперативный отчет о лесных пожарах в зоне космического мониторинга второго уровня (2-ИСДМ);

3) сообщение о лесном пожаре (3-ИСДМ);

4) сводный отчет о лесных пожарах в зоне авиационного мониторинга и космического мониторинга первого уровня (4-ИСДМ);

Ведомость лесных пожаров в зоне космического мониторинга второго уровня (форма 1-ИСДМ) автоматически формируется в ФГУ «Авиалесоохрана» ежедневно в 7 ч 30 мин московского времени по каждому территориальному органу Рослесхоза на основании детектирования информации, полученной со спутников ЫОАА и TERRA (прибор М0015). Данные по форме группируются по субъектам Российской Федерации с отображением итогов по федеральным округам и по всей территории лесного фонда, по количеству и площади (общей и, в том числе, покрытой лесом) только действующих лесных пожаров.

Оперативный отчет о лесных пожарах в зоне космического мониторинга второго уровня (форма 2-ИСДМ) автоматически формируется в ФГУ «Авиалесоохрана» ежедневно в 7:30 московского времени по всей неохраняемой территории лесного фонда по каждому субъекту Российской Федерации. Данные по форме группируются по федеральным округам с отображением итогов по округам и, в целом, по всей территории лесного фонда.

Сообщение о лесном пожаре (форма 3-ИСДМ) формируется в ФГУ «Авиалесоохрана» автоматически для каждого лесного пожара в зоне авиационного и космического мониторинга ежедневно в 1 ч 00 мин по местному времени следующего дня по результатам комплексной обработки спутниковых снимков за прошедшие сутки.

Сводный отчет о лесных пожарах в зоне авиационного мониторинга и космического мониторинга первого уровня (форма 4-ИСДМ) формируется в ФГУ «Авиалесоохрана» автоматически нарастающим итогом для каждого субъекта в разрезе авиабаз и представляется в Рослесхоз по запросу. Данные по форме группируются по федеральным округам с отображением итогов по округам и в целом по всей территории лесного фонда.

Сравнительная ведомость крупных лесных пожаров в зоне авиационного мониторинга и космического мониторинга первого уровня (форма 5-ИСДМ) формируется в ФГУ «Авиалесоохрана» ежедневно для всех действующих и ликвидированных крупных лесных пожаров по комплексным данным космического мониторинга, а по оперативным данным ФГУ «Авиалесоохрана» — с задержкой на 3 дня после отчетной даты. Форма заполняется для крупных пожаров, при которых, горящие площади леса превышают в зоне авиационной охраны 200 га. Необходимо отметить, что информация о лесных пожарах, формируемая федеральной системой космического мониторинга, не является достаточно оперативной, так как выдаётся один раз в сутки.

Поэтому весьма важно взаимодействие различных ведомств, обладающих своими мониторинговыми сетями. Прежде всего, это касается сети космического мониторинга МЧС России. Такое взаимодействие тем более важно, так как к борьбе с поражающими факторами источников ЧЛС — лесными пожарами — привлекаются силы и средства МЧС России.

Научно-технические разработки

Источник: https://cyberleninka.ru/article/n/sovremennye-metody-obnaruzheniya-i-monitoringa-lesnyh-pozharov

Способы осуществления мониторинга пожаров

В условиях повсеместного объявления чрезвычайного положения, связанного с возникновением лесных пожаров, следует вспомнить о мерах, которые предпринимаются в целях профилактики и недопущения распространения опасных очагов. Мониторинг пожаров ведётся в нашей стране в постоянном режиме и приносит существенную пользу.

Мониторинг пожаров

В целях контроля возникновения очагов природных пожаров, а также их количества, площади и в целях своевременного принятия мер по их ликвидации ведётся мониторинг пожаров.

Получаемые таким  путём данные являются крайне важными при анализе ситуации, в частности, это помогает выявить очаги на ранней стадии, определить направление движения пламени, оценить уровень возможной угрозы населённым пунктам.

Применяется мониторинг в целях профилактики пожаров, обнаружения лесных пожаров, а также повышает эффективность тушения уже возникших очагов.

Основные задачи такого рода исследования это: — детектирование пожаров, определение мест загорания; мониторинг и контроль развития пожаров; оценка пожарной опасности в пределах сезона; прогнозирование рисков возникновения пожаров в долгосрочной перспективе; оценка последствий пожаров. Совмещение снимков до и после пожаров дает возможность выявить гари, определить их площадь в данный момент и оценить нанесённый ущерб.

В рамках осуществления мониторинга пожаров используются различные методы. Детектирование пожаров основано на обнаружении повышения локальной температуры и яркости. При визуальном выявлении пожара определение осуществляется по наличию такого признака присутствия очага горения в зоне обзора, как дымовой шлейф.

Одновременно, в ходе мониторинга, осуществляется отнесение выявленного очага к тому или иному классу. Кроме того, все данные используются при составлении статистики.

В качестве осуществления мониторинга применяется наземная разведка специально сформированными группами, которые осуществляют обход вверенных территорий и авиаразведка – позволяет контролировать очаги с воздуха.

В целях осуществления мониторинга пожаров при помощи техники (спутника), используется алгоритм сравнения температур по степени интенсивности входящего сигнала.

Разумеется, контроль должен вестись круглосуточно, семь дней в неделю, только тогда можно говорить об эффективности противопожарных мер.

Спутниковый мониторинг лесных пожаров

Техника спутникового наблюдения наделена рядом полезнейших свойств, поэтому кроме уже рассмотренных задач мониторинга при помощи спутниковых систем можно: -определять информативные каналы; произвести обособление туч, водных объектов на снимке; — определять области потенциальных пожаров; — определить локальные спектральные особенности поверхности; — подтверждать данные детектирования, учитывая территориальные особенности; предусмотреть возможность ошибочного распознавания. Всё это способствует скорейшему прекращению горения. Наиболее оперативный способ распознавания – это спутниковый мониторинг лесных пожаров. У этого способа есть неоспоримые преимущества перед другими методами, такими как наземная или авиаразведка, поскольку позволяет контролировать и неохраняемые территории. Площадь, контролируемая спутником, также значительно больше, да и временные затраты существенно снижаются. Обнаружение пожаров на снимках из космоса возможно благодаря наличию разницы температур земной поверхности и очага пожара, это, в свою очередь, приводит к разнице в тепловом излучении этих объектов в тысячи раз. Таким образом, при съемке тепловой аппаратурой с пространственным разрешением 1 км, можно обнаружить очаг пожара площадью 100 кв. м, а также зону тления площадью 900 кв. м.

Сегодня в целях ведения спутникового мониторинга лесных пожаров используются спутники серий NOAA, с радиометром  AVHRR , который имеет пространственное разрешение 1 100 м и полосу обзора – 3 000 км. Также востребована серия EOS и спутники Terra и Aqua, в которых встроен радиометр MODIS.

Пространственной разрешение этого радиометра — 250, 500, 1 000 м. и полоса обзора — 2 330 км. Данные с каждой из этих систем приходят не реже шести раз в сутки. Спутники этих двух серий могут использоваться как автономно, так и совместно.

Во втором случае можно существенно повысить эффективность мониторинга, поскольку вероятность обнаружения очага будет более точной. Данные со спутниковых систем поступают либо при помощи сети Интернет, либо на специальную приёмную станцию.

Источник: https://secandsafe.ru/stati/pojarnaya_bezopasnost/monitoring_pojarov

Обнаружение лесных пожаров

Быстрота тушения пожара определяется временем его обнаружения.

Маленький, только возникший пожар может потушить и один человек, а для тушения пожара, обнаруженного спустя несколько дней после возникновения, нужны сотни и тысячи человек.

Для своевременного обнаружения лесных пожаров имеется специальная служба. Известно, что лесной горючий материал загорается только после высыхания.

В лесах бывает снег, часто идет дождь и потому важно знать, когда лесная подстилка и опад высыхают настолько, что могут воспламениться.

Метеорологические станции дают лесному хозяйству данные о пожарной опасности погоды. По этим данным (температура воздуха и температура точки росы) подсчитывают комплексный показатель пожарной опасности погоды, предложенный проф. В. Г. Нестеровым.

Всего выделено пять классов пожарной опасности погоды: отсутствие пожарной опасности, малая, средняя, высокая и чрезвычайная пожарная опасность. По этой шкале планируется проведение всех работ по обнаружению и тушению пожаров.

Для определения классов пожарной опасности применяются и специальные приборы.

В равнинных условиях для обнаружения пожаров используют специальные пожарные вышки, реже пожарные наблюдательные мачты.

В горных условиях наблюдательные пункты устраивают на земле, так как леса прилегающих склонов гор хорошо видны с земли. Заметил дым наблюдатель, отметил направление на него по азимутальному кругу и сообщил о пожаре.

Вышки и (особенно) наблюдательные мачты обычно раскачиваются ветром, а у некоторых людей есть еще и боязнь высоты, и поэтому наблюдателей для дежурства на них найти не так легко. В последние годы на вышках вместо наблюдателя стали ставить приемную телевизионную трубку, с помощью которой и обозревают прилегающие пространства в радиусе 15 (20) км.

Изображение по кабелю передается на землю, где стоит телевизионный приемник. Наблюдателю, который носит название оператора телевизионной установки, уже незачем взбираться на вышку. Такие установки уже имеются на многих предприятиях лесного хозяйства. Жаль, что пока еще передача по металлическому кабелю не превышает расстояния 3 км.

Для соединения нескольких установок вместе необходимо установить промежуточные усилители.

Для обнаружения пожаров также используют наземные патрули.

Пешком, на лошадях, мотоциклах и автомашинах по заранее установленным маршрутам в дни с повышенной пожарной опасностью они обходят или объезжают закрепленные за ними участки, разъясняют людям, как надо себя вести в лесу, тушат возникающие пожары, сообщают о крупных пожарах в лесничество или лесхоз. Наземное патрулирование проводится в обжитых районах с хорошей сетью путей транспорта.

В малонаселенных районах для патрулирования используется авиация. Специальные летчики-наблюдатели на самолетах или вертолетах осматривают леса по заранее нанесенным на пожарную карту маршрутам.

При обнаружении пожара устанавливают его координаты, потом облетают пожар на небольшой высоте, составляют его план и схему тушения.

Не все пожары хорошо заметны с самолета. Ведь при лесном пожаре энергия горения выделяется в виде тепла. На световую энергию расходуется не более 3—4%. Еще труднее обнаружить торфяные пожары. Для обнаружения таких пожаров применяют специальные приборы, улавливающие инфракрасное излучение (видеодетекторы).

Эти приборы позволяют зарегистрировать непотушенный костер с высоты 400 м. С их помощью также находят участки недотушенных пожаров. Длительное время для авиапатрулирования использовался небольшой самолет У-2, который впоследствии переименовали в ПО-2.

Потом его место занял Ан-2, теперь используют другие типы самолетов. Все они имеют значительную грузоподъемность, которая только удорожает патрулирование. Для его выполнения нужны более легкие самолеты. Предполагается использовать либо мотодельтоплан, либо беспилотные самолеты.

Крупные лесные пожары обнаруживаются и по снимкам, производимым с искусственных спутников Земли.

Источник: http://www.activestudy.info/obnaruzhenie-lesnyx-pozharov/

Способ дистанционного обнаружения лесных пожаров

Изобретение относится к области охраны природы, а именно к способам обнаружения лесных пожаров из космоса.

Для обнаружения лесных пожаров можно использовать различные информационные признаки: повышенную температуру, выбросы в атмосферу газообразных продуктов горения (HO2, CO, СН4, С2Н2, непредельные углероды), дымовые шлейфы и т.д.

Известен способ дистанционного обнаружения лесных пожаров из космоса с помощью телевизионных систем, установленных на борту космического аппарата и передающих снимки дымовых шлейфов (Обнаружение и анализ лесных пожаров: Сб. статей. Красноярск, 1977, с.7-14). Однако данный способ становится не работоспособным в присутствии облаков и в темное время суток.

Наиболее близким к изобретению по технической сущности и достигаемому результату является способ дистанционного обнаружения лесных пожаров из космоса с помощью ИК-радиометрии (см. там же с.14-18).

Способ ближайшего аналога включает зондирование подстилающей поверхности Земли космическими средствами путем приема и анализа ИК теплового излучения земной поверхности в окнах прозрачности атмосферы на длинах волн более 3 мкм.

Данный способ дистанционного обнаружения пожаров позволяет определить радиационную температуру участков Земли, основываясь на зависимости интенсивности излучения абсолютно черного тела от длины волны и температуры согласно закону Планка, и идентифицировать очаги пожаров по контрасту температур в любое время суток.

Задачей, на решение которой направлено настоящее изобретение, является разработка способа дистанционного обнаружения лесных пожаров из космоса по излучению нагретых при температуре пожара атмосферных газов в ИК-диапазоне спектра.

Техническим результатом, достигаемым при использовании изобретения, является повышение достоверности путем исключения «ложной» идентификации пожаров и увеличение чувствительности в условиях плотной облачности.

Указанная задача решается за счет того, что, как и в известном способе, предлагаемый способ дистанционного обнаружения лесных пожаров включает зондирование подстилающей поверхности леса космическими средствами путем приема и анализа ИК теплового излучения в окнах прозрачности атмосферы.

Технический результат достигается тем, что регистрация с помощью когерентного приемника линии излучения атмосферного газа в «горячей» колебательно-вращательной полосе возможна только при высоких температурах пожара свыше 1000°С, а при нормальных атмосферных температурах линия не идентифицируется.

То есть регистрация линии излучения атмосферного газа в «горячей» колебательно-вращательной полосе однозначно указывает на наличие высоких температур, что приводит к повышению достоверности, т.к. исключается необходимость в учете контрастов радиационных температур, которые сильно зависят, в частности, от увлажненности почв.

Когерентный прием сигнала приводит к увеличению избирательности и чувствительности способа в условиях плотной облачности.

Изобретение поясняется чертежом.

На чертеже изображена схема нескольких нижних колебательных уровней основной изотопической модификации (12С16О2) молекулы CO2. Стрелками обозначены некоторые лазерные переходы, включая переходы в горячей полосе.

В качестве примера работы способа рассмотрен когерентный прием сигналов из космоса на горячем переходе в полосе 0111-1110 (0310) углекислого газа (СО2). При высоте спутника около 1000 км и угле зрения приемного объектива 10-3 рад контролируемый участок земной поверхности протяженностью 1 км можно рассматривать как точечный источник, т.е.

принимаемая волна с этого участка излучения является когерентной. В качестве опорного генератора при когерентном приеме используется СО2-лазер низкого давления, генерирующий на том же горячем переходе в полосе 0111-1110 (0310). При отсутствии пожара интенсивность горячей линии CO2 при нормальных атмосферных температурах мизерна и сигнал не регистрируется.

В случае пожара при температурах свыше 1000°С интенсивность горячей линии СО2 усиливается экспоненциально (она становится сопоставима с интенсивностью основных линий СО2 при нормальных температурах) и сигнал устойчиво регистрируется из космоса. Наличие облачности уменьшает когерентность принимаемого сигнала из-за многократного рассеяния в облаках.

Когерентность сохраняется только у малой доли однократно рассеянного сигнала, которая при плотной облачности не превышает 1%.

Заявляемый способ может быть реализован с использованием, например, системы орбитальных спутников наблюдения типа NOAA (США) с установленными на них сканирующими радиометрами типа AVHRR с добавлением для когерентного приема в качестве опорного генератора CO2-лазера, настроенного на излучение линии в горячей полосе. Зарегистрированный радиометром сигнал в режиме открытого доступа принимается наземными пунктами приема и анализируется.

Способ дистанционного обнаружения лесных пожаров, включающий зондирование подстилающей поверхности Земли космическими средствами путем приема и анализа ИК теплового излучения земной поверхности в окнах прозрачности атмосферы, отличающийся тем, что прием сигнала осуществляют когерентным приемником в узком спектральном интервале, совпадающем с линией излучения атмосферного газа в «горячей» колебательно-вращательной полосе спектра.

Источник: http://www.FindPatent.ru/patent/242/2423160.html

Обнаружение лесного пожара

определение точного места или координат лесного пожара, его вида, состояния и характеристики площади лесного фонда, охваченной огнем.

Обнаружение лесного пожара  осуществляется при авиационном и наземном патрулировании лесов, наблюдении за лесными массивами с пожарно-наблюдательных пунктов (вместо наблюдателя могут быть установлены специальные телекамеры, позволяющие заметить дым на расстоянии до 20 км), по снимкам с искусственных спутников Земли — на неохраняемой части земель лесного фонда. Первый признак возникновения лесного пожара — появление дыма над пологом леса. При осмотре места задымления (дымовой точки) определяют вид очага горения или лесного пожара, его характеристики.

Наземное патрулирование с целью обнаружение лесного пожара проводят пожарно-химические станции (ПХС), механизированные отряды, лесная охрана на автомашинах, мотоциклах, мопедах, велосипедах, мотолодках, катерах, верховых лошадях и др. транспортных средствах.

При патрулировании лесник или патрульная группа имеют бинокль, портативную радиостанцию, специальные ручные средства пожаротушения для самостоятельной ликвидации обнаруженного очага лесного пожара. При обнаружение лесного пожара патрульные немедленно приступают к тушению лесного пожара и докладывают по радио или др.

способом в лесничество, ПХС, лесхоз, авиаотделение, штаб тушения пожара характеристику пожара, предполагаемую или установленную причину его возникновения и при необходимости запрашивают помощь. Привязка к месту обнаружение лесного пожара осуществляется по лесопожарной карте или схеме лесонасаждений с указанием квартала.

Если пожар обнаружен случайно, то, согласно законодательству, обнаруживший пожар должен принять меры к тушению, а при невозможности этого — сообщить о пожаре в органы управления лесным хозяйством или местной власти.

Авиационное патрулирование с целью обнаружение лесного пожара проводится на самолетах и вертолетах авиационных отделений баз авиационной охраны лесов.

летчик наблюдатель дает указание пилоту об изменении маршрута для полета и осмотра каждой дымовой точки.

Место пожара определяется по патрульной карте визуально путем привязки его к квартальной сети и ближайшим ориентирам. При значительном удалении пожара от ориентиров его место определяется путем пеленгации.

Характеристика лесного пожара с воздуха устанавливается по цвету дыма, форме площади пожара, пламенному горению кромки.

Устанавливаемая на ресурсных ИСЗ сканерная аппаратура высокого разрешения(30—50 м) обеспечивает обнаружение крупных и средних по пройденной огнем площади пожаров.

Обнаружить лесные пожары, охватившие площадь от 1 до 10 га, со спутника практически невозможно.

Своевременное обнаружение лесного пожара (в кратчайший срок после возникновения) упрощает задачу тушения и значительно снижает затраты. Своевременность обнаружение лесного пожара нормативами не определена.

Лесной пожар, ликвидированный имеющимися силами и средствами в течение одного дня, считается обнаруженным своевременно.

Источник: https://www.derev-grad.ru/ohrana-lesov-ot-pozharov/obnaruzhenie-lesnogo-pozhara.html