Спектральные индексы для оценки пожарной опасности лесов по материалам космической съемки с использованием ГИС-технологий в условиях рационального природопользования



The possibility of using satellite imagery for assessing forest fire danger is described. Geographic information systems were used as a software platform for assessing the fire danger. It is suggested to calculate the spectral indices and surface temperature according to satellite imagery of Landsat 8 for assessment of the forest fire danger. Following indices were calculated: EVI, NDWI, PRSI, DMCI, and TVDI. It is necessary to calculate the average value of the index for the whole object of evaluation of forest fire situation. It was made a comparison of mean values of data indexes with their values for individual sites and the definition of fire danger for these sites. It was produced by interpolation values obtained classes of fire danger areas within the boundaries of forest inventory subcompartment (forest compartment). As a result, they are assigned one average fire rating class. The end product is a vector polygon layer classes of index fire danger for every forest stands containing attribute table of the forest characteristics and classes of fire danger, which will allow to design the fire protection measures for the purposes of the forestry.

Key words: satellite imagery, Landsat 8, spectral vegetation index, forest fire danger, geographic information system.

Введение.Лесные пожары являются серьезной проблемой для населения во всем мире, так как помимо прямого ущерба, включающего в себя возможные человеческие жертвы, затраты на тушение и восстановление пострадавших территорий, стоимость выгоревшей древесины, нарушается экологический баланс на данной территории [1].

Проблема прогноза степени пожарной опасности лесов в Республике Беларусь в настоящее время приобретает особую актуальность, что связано с постоянно усиливающимся антропогенным воздействием на леса с одной стороны, и участившимися природными аномалиями (засухами, ветровалами) – с другой.

В настоящее время классы пожарной опасности земель лесного фонда республики определяются в процессе базового лесоустройства на основании типов леса, групп пород, возраста лесных древостоев и близости к объектам местной инфраструктуры: дорогам, населенным пунктам,предприятиям. Получаемое распределение территории Гослесфонда по классам природной пожарной опасности является статичным на весь период до следующего лесоустройства, которое корректируется в пожароопасные периоды по условиям погоды.

В связи с этим использование данных космической съемки для определения или уточнения вероятности возникновения лесных пожаров, особенно в засушливый период, очень актуально. Спутниковые снимки периодичны, что позволяет динамически определять класс пожарной опасности для каждого выдела.

Подход, основанный на спутниковых данных, наиболее часто использует так называемые «индексные» изображения для своей работы со спектральной информацией. На основе комбинации значений яркости в определенных каналах, информативных, для выделения исследуемого объекта, и расчета по этим значениям «спектрального индекса» объекта строится изображение, соответствующее значению индекса в каждом пикселе, что и позволяет выделить исследуемый объект или оценить его состояние. Спектральные индексы, используемые для изучения и оценки состояния растительности, получили общепринятое название вегетационных индексов [2].

Материалы и методика исследования. В качестве исходных данных для отработки методики оценки пожарной опасности являлись материалы космической съемки системы Landsat 8 на территорию ГЛХУ «Воложинский лесхоз», ГОЛХУ «Столбцовский опытный лесхоз», ГЛХУ «Смолевичский лесхоз», ГЛХУ «Березинский лесхоз», обработка которых осуществлялось с использованием ГИС-технологий.

В настоящее время существует более 160 вариантов вегетационных индексов. Они подбираются экспериментально (эмпирическим путем), исходя из известных особенностей кривых спектральной отражательной способности растительности и почв [2]. На основании анализа мест фактических возгораний и вегетационных индексов, попадающих на данную территорию, были выделены: индексы, которые учитывают как содержание хлорофилла, площадь листовой поверхности, сомкнутость и структура растительного покрова – индексы «зелености»; индексы, определяющие содержание углерода в виде лигнина и целлюлозы, которые в больших количествах присутствуют в древесине и в мертвых или сухих растительных тканях (увеличение этих показателей может отражать процесс «старения» и отмирания растений, что показывает на возможное увеличение сухих лесных горючих материалов); индексы, используемые для оценки содержания влаги в растительном покрове (высокое содержание влаги характерно для здоровой растительности, которая быстрее растет и более устойчива к пожарам) [2].

В результате для оценки пожарной опасности в лесах были использованы специализированные спектральные индексы (таблица 1): улучшенный вегетационный индекс (EVI), нормализованный разностный водный индекс (NDWI), индекс сухости (DMCI), индекса наличия «сухого» углерода (PSRI), который, при наступлении пожароопасного сезона, рекомендуется использовать вместо индекса EVI (или совместно с ним), температурно-вегетационный индекс (TVDI), который требует наличия тепловых каналов в спутниковой системе дистанционного зондирования.

Таблица 1

Используемые при определении лесной пожарной опасности вегетационные индексы

Наименование вегетационного индекса	Расчетная формула	Назначение
Улучшенный вегетационный индекс (EVI)		Оценка общего количества биомассы и ее состояние
Индекс отражения огрубевшим углеродом растительных тканей (PSRI)		Оценка общего количества сухих и отмерших растений
Температурно-вегетационный индекс (TVDI)		Комплексная оценка температуры и влажности поверхности
Нормализованный разностный водный индекс (NDWI)		Оценка влажности лесных горючих материалов
Индекс сухости (DMCI)		Оценка сухости растительного покрова

Примечание: NIR – отражение в ближней инфракрасной области спектра; RED – отражение в красной области спектра; BLUE – отражение в синей области спектра; GREEN – отражение в зеленой области спектра; T_S – температура поверхности; T_Smin – минимальная температура поверхности; T_Smax – максимальная температура поверхности; SWIR – отражение в коротко-волновой инфракрасной области спектра.

Технология расчета спектральных индексов и дальнейшей обработки полученных материалов предусматривает использование ГИС-технологий (ArcGIS,QGIS). Методика оценки лесной пожарной опасности на основе использования материалов космической съемки включает проведение следующих этапов [3]:

– расчет спектральных индексов и поверхностной температуры объекта оценки пожарной опасности;

– предварительная обработка тематических растров спектральных индексов и поверхностной температуры, полученных в результате классификации;

– векторизация тематических растров спектральных индексов и поверхностной температуры;

– определение лесной пожарной опасности.

Этап определения классов лесной пожарной опасности предусматривает последовательное выполнение следующих процедур:

– объединение таблиц атрибутивных данных векторных индексов;

– расчет средних значений индексов EVI, NDWI, DMCI, PSRI, TVDI для всего объекта оценки лесной пожарной ситуации;

– сравнение средних значений индексов EVI, NDWI, DMCI, PSRI, TVDI с их значениями по отдельным участкам, полученным в результате классификации и определение классов пожарной опасности данных участков;

– интерполяция полученных значений классов пожарной опасности участков в пределах границ таксационных выделов (лесных кварталов).

Результаты и обсуждения

Расчет спектральных индексов и поверхностной температуры строго по материалам космической съемки является одним из основных этапов, позволяющим определить значения показателей, влияющих на степень пожарной опасности лесной территории и связанные с растительностью, влажностью и температурой.

Улучшенный вегетационный индекс EVI (Enhanced Vegetation Index) по своей значимости аналогичен NDVI (Normalised Difference Vegetation Index). Индекс EVI позволяет выделить больше градаций в районах с высокой зеленой биомассой и имеет преимущества для мониторинга растительности, поскольку влияние почвы и атмосферы в значениях данного индекса минимизировано, что позволяет использовать данный индекс при проценте покрытия растительностью менее 30% на снимке. В связи с этим, улучшенный вегетационный индекс EVI является предпочтительным для расчета, чем NDVI. Индекс EVI при определении пожарной опасности лесов используется для анализа массы и наличия растительности (а, следовательно, количества лесных горючих материалов). Чем выше значение индекса, тем больше растительности на исследуемой территории, т.к. он отражает влияние таких факторов, как содержание хлорофилла, площадь листовой поверхности, сомкнутость и структура растительного покрова, что хорошо коррелирует с индексом фотосинтетически активной радиацией и индексом листовой поверхности (LAI) [2].

Наличие и объемы фитомассы, как проводников горения, зависят также от типа лесорастительных условий (ТЛУ), различающихся между собой по степени плодородия и увлажнения почв. В связи с этим используются другиевегетационные индексы, которые отражают не только наличие хлорофилла в растениях, но и влаги, а также наличие лигнина и целлюлозы.

По исследованиям многих авторов [4, 5] сильная связь между количеством пожаров и сроком их возникновения наблюдается при использовании спектральных индексов, учитывающих влажность, например, влажностного индекса NDWI. Этот индекс близок по значению коротковолновому вегетационному индексу SWVI (Ceccato et al., 2001; Gao, 1996) и SIWSI (Fensholt and Sandholt, 2003). Наиболее характерной для данного индекса является сильная связь между значениями данного индекса и пожароопасной обстановкой для территорий с определенными типами растительности, т.к., например, участки с преобладанием лиственных пород, а также участки старых гарей. Индекс NDWI при оценке пожарной опасности используется для определения наличии влаги в растительном покрове. Более высокие значения NDWI указывают на достаточную увлажненность, в то время как, низкое значение указывает на водный стресс.

Для уточнения наличия или отсутствия влаги для определения пожароопасности лесных земель, помимо индекса влажности, целесообразно использовать индекс сухости. На основании исследований ряда авторов [4, 5, 6] и анализа фактических возгораний, наиболее чувствительным индексом является индекс сухости DMCI (Dry Matter Content Index Romero et al. (2012)), который позволяет определить сухость растительного покрова, что важно для определения предпожарного стрессового состояния насаждений.

Существуют и другие спектральные индексы для определения степени обеспеченности растений водой [2], но большинство из них используют средний инфракрасный канал (MIR), поэтому их применение возможно только при использовании материалов космической съемки, имеющих этот канал, который отсутствует на космических снимках Landsat 8.

В пожароопасный сезон помимо наличия «зеленой» массы растительности нужно знать наличие сухой растительности. Для этого разработаны индексы учета общего количества «сухого» углерода в виде лигнина и целлюлозы, которые в больших количествах присутствует в древесине, в мертвых или сухих растительных тканях. Увеличение этих показателей может отражать процесс «старения» и отмирания растений, что увеличивает количество горючих лесных материалов, увеличивая вероятность возгорания. Для расчета их относительного содержания в растительном покрове применяется индекс PSRI (Plant Senescence Reflectance Index), который широко используется при оценке «сухой» растительности в пожароопасный сезон, что позволяет учитывать наличие сухих и отмерших растений, т.к. узкие спектральные диапазоны, позволяют судить о поглощении азота и синтезе основных органических веществ в растениях.

Одним из главных факторов возникновения пожаров является температура поверхности. Этот показатель необходим для определения возможности возгорания лесных горючих материалов, что в свою очередь, является важным аспектом при оценке пожарной опасности лесов.

Космические методы определения поверхностной температуры (Sandhold, 2002) основываются на использовании тепловых каналов снимков со спутников NOAA AVHRR, Terra Modis. Для целей лесного хозяйства они малоприменимы из-за их низкого пространственного разрешения (500-1000 м). Снимки Landsat 8 (разрешение 100 м) более предпочтительны из-за того, что размеры выделов в лесном хозяйстве меньше разрешающей способности снимков Terra Modis и NOAA AVHRR, что затрудняет точное определение пожарной опасности для каждого выдела.

С использованием температуры поверхности и улучшенного вегетационного индекса ЕVI рассчитывается важный интегральный температурно-вегетационный индекс TVDI (Temperature Vegetation Dryness Index (Sandhold, 2002)). Первоначально он использовался для оценки состояния сухости почвы. Пространственное распределение данного индекса представляет собой взаимосвязь температуры поверхности и индекса ЕVI с широким диапазоном условий влажности. Исследования Goward и др. (1985) показали сильную обратно-пропорциональную зависимость между температурой поверхности и индексом ЕVI, что объясняется охлаждением при испарении влаги живой зеленой биомассой. Когда температура у поверхности земли становится суше, то растительность испаряет меньше воды, а, когда засушливый период длится достаточно долго, то значения ЕVI снижаются и поверхностная температура увеличивается в связи с затруднением охлаждения при испарении.

Определение лесной пожарной опасности предусматривает установление конкретных классов пожароопасности для отдельных участков земель лесного фонда на основе векторных тематических слоев индексов EVI, NDWI, DMCI, PSRI, TVDI (с использованием поверхностной температуры). Выполняется статистическая обработка полученных значений спектральных вегетационных индексов в соответствии со шкалой. При этом статистическая обработка подразумевает расчет среднеарифметических значений спектральных индексов для всей территории объекта в целом, после чего производится сравнение спектрального индекса каждого участка (лесного квартала или выдела) с его средним значением. Если значение индекса на участке больше его среднеарифметического значения (для NDWI – меньше), то такому участку присваивается один условный балл пожарной опасности [6]. Участки, набравшие большую сумму баллов, характеризуются наивысшей пожарной опасностью [3]. Определенный класс пожарной опасности заносится в атрибутивную таблицу данных для каждого точки (участка).

В результате каждому выделу или лесному кварталу присваивается один преобладающий по площади индексный класс пожарной опасности (рис. 1). Данная операция выполняется на основе базовых процедур используемой геоинформационной системы с использованием исходных векторных картографических слоев, полученных в результате лесоустройства (выдела, кварталы), а также векторного слоя с классами пожарной опасности объектов, полученных по результатам тематического дешифрирования.

Рис. 1. Тематическая карта индексной пожарной опасности территории ГЛХУ «Воложинский лесхоз» на основании спектральных индексов по материалам космической съемки Landsat 8

Конечным информационным продуктом является векторный полигональный слой классов пожарной опасности (рис. 1) для каждого лесного выдела (квартала), содержащий в атрибутивной таблице таксационную характеристику насаждений и классы пожарной опасности.

Проведенные опытные работы на территориях ряда лесхозов республики показали, что при сравнении распределения по классам пожарной опасности (рис. 2), например для ГЛХУ «Столбцовский лесхоз», процент площадей высоких классов пожарной опасности (1-2 классы), определенных по данной методике (26,3%), ниже, чем по данным базового лесоустройства (49,6%), что позволит снизить затраты на противопожарные мероприятия.

Рис. 2. Сравнительная характеристика индексного показателя пожарной опасности и данных базового лесоустройства (ГЛХУ «Столбцовский лесхоз»)

Выводы.

Поскольку основным фактором возникновения открытых источников огня на территории лесного фонда Республики Беларусь является человек, то необходимо проведение пространственного геоинформационного анализа вероятностей возникновения лесных пожаров в зависимости от близости к основным объектам инфраструктуры – прежде всего дорогам и населенным пунктам. Это позволит в дальнейшем определять комплексный показатель пожарной опасности с учетом пространственного размещения лесных участков, что позволит значительно увеличить точность прогноза.

С использованием функций пространственного геоинформационного анализа и на основе местоположений возгораний выполняется зонирование территории, где каждому лесному кварталу присваивается определенный класс пожарной опасности. Участки леса в непосредственной близости, от которых зарегистрировано значительное количество возгораний будут иметь более высокий класс пожарной опасности. Такой подход позволяет косвенным образом учитывать антропогенный фактор, который является основным источником возникновения лесных пожаров.

Комплексный класс лесной пожарной опасности определяется для каждого квартала как средняя величина между классом, полученным в результате обработки материалов космической съемки и классом, определенным на основе данных о фактических возгораниях. В результате процент обнаружения количеств зарегистрированных источников возникновения пожара в 1 классе пожарной опасности значительно возрастет (рис. 3), например, в ГЛХУ «Столбцовский лесхоз» в 6,25 раз, при этом площадь высоких классов лесхоза уменьшится. Это позволит проектировать и уменьшать объемы противопожарных мероприятий, более эффективно использовать средства, выделяемые на охрану лесов от пожаров, минимизировать финансовые и трудовые затраты.

Рис. 3. Количество зарегистрированных возгораний по классам пожарной опасности (ГОЛХУ «Столбцовский опытный лесхоз»)

Системы дистанционного зондирования широко применяются в современном лесоустройстве с целью инвентаризации и мониторинга лесных ресурсов [1]. Современное развитие систем космической съемки и технологий обработки получаемых материалов, а также геоинформационных систем и технологий обеспечивает возможность автоматизированного создания тематических карт пожарной опасности лесных территорий на любой момент времени. Использование данных технологий обеспечивает возможность увеличения оперативности оценки лесной пожарной опасности, что позволит более рационально проводить противопожарные мероприятия: корректировать маршруты камер видеонаблюдения, организовывать наземное патрулирование территории. Основу такой оценки составляют комплексные классы лесной пожарной опасности, определяемые на базе двух информационных компонентов:

– материалы космической съемки, на основании которых определяется текущее количество и качество лесных горючих материалов;

– цифровые лесные карты, включающие картографический слой ранее зарегистрированных на территории возгораний. Использование данного источника информации позволяет косвенным образом учитывать антропогенный фактор, который является главной причиной возникновения лесных пожаров в Республике Беларусь, что увеличивает точность прогноза возникновения лесных пожаров в сравнении с действующей лесоустроительной методикой, также обеспечить получение актуальной информации о сложившейся на лесной территории пожарной опасности в зависимости от условий погоды. При этом степень актуальности подобных карт и потенциально возможная частота их создания зависит от частоты получения данных космической съемки на исследуемую территорию.

Литература:

1. Барановский Н.В. Математическое моделирование наиболее вероятных сценариев и условий возникновения лесных пожаров: Дисс. канд. физ.-мат. наук: 05.13.18 / Барановский Николай Викторович. – Томск, 2007. – 153 с.
2. Черепанов А.С., Дружинина Е.Г. Спектральные свойства растительности и вегетационные индексы. Геоматика №3. 2009.
3. Пушкин А.А., Сидельник Н.Я., Ковалевский С.В. Использование материалов космической съемки для оценки пожарной опасности в лесах // Труды БГТУ. 2015 № 1 (174): Лесное хоз-во. С. 36–40.
4. Губенко И.М., Рубинштейн К.Г. Сравнительный анализ методов расчета индексов пожарной опасности. // Труды Гидрометеорологического научно-исследовательского центра Российской Федерации. 2012. № 347. С. 207-222.
5. Ходаков В.Е., Жарикова М. В. Лесные пожары: методы исследований. Херсон: Грин Д.С.; 2011. ‒ 470 с.
6. Ehsan H. Chowdhury, Quazi K. Hassan. Development of a new daily-scale forest fire danger forecasting system using remote sensing data // Remote Sensing. 2015. V. 7. P. 2431–2448.

References:

1. Baranovsky N.V. Mathematical modeling of the most probable scenarios and conditions of forest fires: Diss. cand. Sci. Sciences: 05.13.18 / Baranowski Nicolai. - Tomsk, 2007. - 153 p.
2. Cherepanov A.S., Druzhinin E.G. The spectral properties of vegetation and vegetation indices. Geomatics №3. 2009.
3. Pushkin A.A., Sidelnik N.Y., Kovalevsky S.V. The use of satellite imagery to assess fire danger in forests // Proceedings BSTU. 2015 number 1 (174): Forestry households in. S. 36-40.
4. Hubenko I.M., Rubinstein K.G. Comparative analysis of methods for calculating the fire danger indices// Proceedings of the Hydrometeorological Research Center of the Russian Federation. 2012. № 347. pp. 207-222.
5. Hodakov V.E., Zharikova M.V. Forest fires: research methods. Kherson: Green DS.; 2011. - 470 p.
6. Ehsan H. Chowdhury, Quazi K. Hassan. Development of a new daily-scale forest fire danger forecasting system using remote sensing data // Remote Sensing. 2015. V. 7. P. 2431–2448.