Тип публикации: статья из журнала
Год издания: 2026
Идентификатор DOI: 10.15372/SJFS20260302
Ключевые слова: vegetation fires, zoning, thermally active pixels, logistic regression, GIS analysis, probability of fire events, Arctic region of Siberia, пожары растительности, зонирование, термически активные пиксели, логистическая регрессия, ГИС-анализ, вероятность пожарных событий, арктическая зона Сибири
Аннотация: Рассмотрены подходы к актуализации лесопожарного зонирования Арктической зоны Сибири на основе геоинформационного анализа и методов машинного обучения. Представлен анализ категорий растительного покрова, спектральных индексов (NDVI), рядов метеоданных (температура воздуха, инсоляция, осадки, грозовой активности) и категорий рельефаПоказать полностьюв привязке к сведениям о дистанционно регистрируемых термических аномалиях («термически активным пикселям»), полученных из данных спутникового мониторинга пожаров растительности за 2001-2023 гг. С использованием метода логистической регрессии (нелинейной S-образной функции связи) рассчитаны весовые коэффициенты предикторов, определяющих вероятность пожарных событий, среди которых наибольшую значимость имели температура воздуха (β = 1.27) и вегетационный индекс NDVI (β = -0.53). Обобщение влияния всех рассмотренных предикторов позволило выделить на территории исследования четыре зоны, характеризующих вероятность пожарных событий. Верификация модели по независимым данным о термически активных пикселях за 2024-2025 гг. и ROC-анализ подтвердили высокую прогностическую способность (AUC = 84.3 %). Установлено, что 78.4 % всех термических аномалий за 2001-2025 гг. приходится на зоны, отнесенные к высокой и очень высокой вероятности возгораний, занимающие 24.4 % площади региона. Сравнительный анализ с существующими схемами лесопирологического районирования констатирует необходимость смещения границ Сибирской субарктической области (1А) к северу и расширения Западно-Сибирской зоны (2А, 2Б), что определяется современной динамикой пожарных режимов и, вероятно, хозяйственным освоением территорий. Результаты могут быть использованы для оптимизации системы мониторинга и планирования противопожарных мероприятий в Арктике в условиях прогнозируемых климатических изменений. The article discusses approaches to updating the forest fire zoning of the Arctic region of Siberia based on geoinformation analysis and machine learning methods. The analysis of vegetation categories, spectral indices (NDVI), meteorological data series (air temperature, insolation, precipitation, thunderstorm activity) and relief categories is presented in relation to information on remotely recorded thermal anomalies («thermally active pixels») obtained from satellite monitoring data on vegetation fires for 2001-2023. Using the logistic regression method (nonlinear S-shaped coupling function), the weighting coefficients of predictors determining the probability of fire events were determined, among which the air temperature (β = 1.27) and the vegetation index NDVI (β = -0.53) were characterized by the greatest significance. Summarizing the influence of all the considered predictors, four zones are identified in the study area, characterizing the probability of fire events. Verification of the model based on independent data on thermally active pixels for 2024-2025 and the ROC analysis confirmed a high predictive ability (AUC = 84.3 %). It was found that 78.4 % of all thermal anomalies in the period 2001-2025 occurred in zones classified as highly and very likely to cause fires, occupying 24.4 % of the region’s area. A comparative analysis with the existing schemes of forest zoning states the need to shift the boundaries of the Siberian subarctic region (1A) to the north and expand the West Siberian zone (2A, 2B), which is determined by the current dynamics of fire regimes and, probably, economic development of the territories. The results can be used to optimize the system of monitoring and planning fire protection measures in the Arctic under the conditions of predicted climatic changes.
Журнал: Сибирский лесной журнал
Выпуск журнала: №3
Номера страниц: 39-50
ISSN журнала: 23111410
Место издания: Красноярск
Издатель: Красноярский научный центр СО РАН