Введение
Лесные пожары являются стихийным бедствием всемирного масштаба. Статистика количества крупных возгораний, площади, пройденной огнем, причиненного ущерба и других параметров этого экологического бедствия, повторяемого из года в год, соизмерима для всех стран, на территории которых расположены крупные лесные массивы. В Северной Америке в Канаде и США последние пять лет наблюдается тенденция возрастания масштабов лесных пожаров. Например, в Британской Колумбии, Альберте, Северных территориях и др. по статистическим данным в 2017 году сгорело более 1млн 210тыс га лесов [13,14,15]. Ущерб от лесных пожаров за период 2019-2020 г.г. в Австралии и Амазонии наблюдался на площади 18 млн. га. В Индии только исследованные площади лесных пожаров составили более 530 тыс. га [16]. На территории Российской Федерации статистические данные последних пяти лет свидетельствуют о варьировании числа лесных пожаров от 400 до 1600 тыс., величины площади пройденной огнем - от 500тыс. до 2.0 млн. га в год [7]. Следует согласиться с вышеназванными авторами, что если деревья будут уничтожены, тогда у нашей Земли не будет будущего.
Выделяются природные (грозовые разряды, самовозгорание торфяников и др.) и антропогенные (очаги возгораний от не потушенных костров, палы травяного покрова, поджоги и др.) факторы возникновения лесных пожаров. Ущерб от лесных пожаров на территории РФ исчисляется сотнями миллиардов рублей [7]. В настоящее время реализуются проекты оптимального лесопользования. Противопожарные технологии для сохранения лесных объектов на ограниченной территории (в рамках одного лесничества) представлены в [10]. Своевременное обследование лесных массивов (актуализация изменений в лесном фонде), планирование и выполнение лесозащитных мероприятий позволило снизить угрозу возникновения очагов возгораний более, чем на 50%. Достоверное прогнозирование динамики действующего лесного пожара существенно облегчает задачу его ликвидации. Теоретически теплофизическая задача распространения границы огня в массиве леса является многопараметрической и требует наличия широкого спектра исходных данных. В работах [13,15] рассмотрены наиболее широко применяемые на практике модели динамики лесных пожаров (Van Wagner, Rothermel, Finney и др.). В исследовании [16] проведено сравнение логистической регрессии и нейронной сети для прогнозирования пространственного распространения возгорания лесных пожаров на конкретном примере. Авторами предложен инструмент, включающий прогностическую модель нейронной сети на основе данных о погоде и исторических данных. Показана эффективность модели двоичной классификации на основе адаптивной нейро-нечеткой системе вывода с различными алгоритмами оптимизации при наличии данных о пожарах в конкретных областях. Реализован алгоритм прогнозного моделирования лесных пожаров с использованием данных о площади пожаров, климата, геопространственных данных за ограниченный исторический период применительно к трем конкретным ландшафтам в Индии. В работе [10] автором сформирована модель распространения лесных пожаров, которая распознает данные из последовательных изображений. Модель включает в себя элементы интеллектуальности, основанные на реализации подсистем, генерирующих изображение с прогнозом его динамики.
