УДК 630 Лесное хозяйство. Лесоводство
УДК 004.8 Искусственный интеллект
В статье анализируются данные о лесных пожарах в Красноярском крае за период 2011-2023 гг. с учетом их географического распределения. В работе рассмотрены: (1) разведочный анализ данных о пожарах, включая антропогенное воздействие на пожарную активность и изменений в пожарах с течением лет; (2) построение модели машинного обучения, которая предсказывает, является ли термоточка критической, т.е. находится ближе 5 км от населенного пункта или площадь пожара более 200 га. Новизна работы заключается в эффективном использовании языка программирования R, наделенного расширенными возможностями для анализа данных, моделирования методами машинного обучения и визуализации. Использование методов обработки данных, рассмотренных в статье, может повысить точность обнаружения и прогнозирования изменений пожарной активности, последующего мониторинга и крупномасштабного управления пожаротушением. Подходы, разобранные в статье, могут быть применены и к другим регионам Российской Федерации
лесные пожары, машинное обучение, моделирование
1. ЕМИСС. Официальные статистические показатели [Электронный ресурс]. - Режим доступа: https://fedstat.ru.
2. Пономарев Е.И., Харук В.И., Якимов Н.Д. Результаты и перспективы спутникового мониторинга природных пожаров // Сибирский лесной журнал. 2017. No 5. С. 25-36. EDN: https://elibrary.ru/ZRULTR DOI: https://doi.org/10.15372/SJFS20170503
3. Волокитина А.В., Софронова Т.М., Корец М.А. Региональные шкалы оценки пожарной опасности в лесу: усовершенствованная методика составления // Сибирский лесной журнал. 2017. No 2. С. 52-61. EDN: https://elibrary.ru/YODBDT DOI: https://doi.org/10.15372/SJFS20170206
4. ИСДМ-Рослесхоз. Информационная система дистанционного мониторинга Федерального агентства лесного хозяйства [Электронный ресурс]. - Режим доступа: https://nffc.aviales.ru/main_pages/index.shtml.
5. The R Project for Statistical Computing [Электронный ресурс]. - Режим доступа: https://www.r-project.org.
6. Robin Lovelace, Jakub Nowosad, Jannes Muenchow. Geocomputation with R. Chapman Hall/CRC, 2019. DOI: https://doi.org/10.1201/9780203730058
7. Самсонов Т.Е. Визуализация и анализ географических данных на языке R. М.: Географический факультет МГУ, 2022.
8. Sergio J. Rey, Dani Arribas-Bel, Levi John Wolf. Geographic Data Science with Python. Chapman Hall/CRC, 2023.
9. Tidyverse. The R packages for data science [Электронный ресурс]. - Режим доступа: https://www.tidyverse.org.
10. Tidymodels: the collection of packages for modeling and machine learning using tidyverse principles [Электронный ресурс]. - Режим доступа: https://www.tidymodels.org.
11. Бабёнышев С.В. и др. Анализ пожарной и техносферной безопасности городской среды г. Красноярска с применением геопространственных инструментов // Сибирский пожарно-спасательный вестник. 2021. No 4. С. 128-136. EDN: https://elibrary.ru/JTQQLP DOI: https://doi.org/10.34987/vestnik.sibpsa.2021.21.69.001
12. Бабёнышев С.В. и др. Применение геоинформационных инструментов для работы с большими данными при анализе пространственного распределения пожаров // Сибирский пожарно-спасательный вестник. 2021. No 2. С. 70-77. EDN: https://elibrary.ru/YOJATK DOI: https://doi.org/10.34987/vestnik.sibpsa.2021.47.69.013
13. Wickham H. и др. R for Data Science, 2nd edition. 2023.
14. Kuhn M., Silge J. Tidy Modeling with R: A Framework for Modeling in the Tidyverse. O'Reilly Media, 2022.
15. Об утверждении Правил тушения лесных пожаров: приказ Министерства природных ресурсов и экологии РФ от 1 апреля 2022 г. No 244 [Электронный ресурс]. 2022. - Режим доступа: https://www.garant.ru/products/ipo/prime/doc/405045151.
16. Spatialsample: a library to provide building blocks for creating and analyzing resamples of a spatial data [Электронный ресурс]. - Режим доступа: https://spatialsample.tidymodels.org.
17. Parsnip: Search parsnip models [Электронный ресурс]. - Режим доступа: https://www.tidymodels.org/find/parsnip.
18. Шитиков В.К., Мастицкий С.Э. Классификация, регрессия и другие алгоритмы Data Mining с использованием R. 2017. EDN: https://elibrary.ru/ZVTCRF
