Анализ современных моделей и информационных систем при прогнозировании и мониторинге лесных пожаров
DOI:
https://doi.org/10.52575/2712-746X-2023-50-4-913-923Ключевые слова:
лесные пожары, прогнозированные пожаров, мониторинг пожаров, информационные технологии, идентификация пожаров, нейронные сетиАннотация
В рамках настоящего исследования рассматриваются возможности применения современных информационных технологий для прогнозирования и мониторинга лесных пожаров. В частности, в разделе «Модели прогнозирования» рассматриваются различные методы, используемые для распространения лесных пожаров и их выявления, в том числе нейронные сети, которые позволяют распознавать и идентифицировать пожары на основе данных о температуре, скорости ветра и других факторах. Особое внимание уделяется применению таких технологий, как геоинформационные системы и спутниковые данные для создания точных моделей и прогнозов в области лесных пожаров. В статье также рассматриваются примеры успешного применения данных технологий в различных странах, в том числе в России, США и Канаде. Обсуждаются проблемы, связанные с прогнозированием и мониторингом лесных пожаров, предлагаются пути их решения с помощью современных информационных технологий.
Скачивания
Библиографические ссылки
“Лесные пожары в России” [Электронный ресурс] URL: https://ria.ru/20230905/pozhary-1894222884.html (дата обращения 03.09.2023)
“Нейронные сети: распознавание образов и изображений c помощью ИИ” [Электронный ресурс] URL: https://center2m.ru/ai-recognition (дата обращения 28.08.2023).
Баровик Д.В., Таранчук В.Б. 2010. Математическое моделирование течения верховых лесных пожаров. Математическое моделирование и анализ. 15(2): 161-174.
Гренандер У. 2014. Лекции по теории образов (Том 1. Синтез образов). 571 c.
Гренандер У. 2016. Лекции по теории образов (Том 2. Анализ образов). 342 c.
Дударев В.А. 2014. Методы распознавания образов в компьютерном конструировании неорганических соединений. М.: Синергия, 325 с.
Елисеева И.И., Рукавишников В.О. 2014. Группировка, корреляция, распознавание образов (статистические методы классификации и измерения связей). Москва: РГГУ, 144 c.
Иванов С.А. 2021. Элементы информационной поддержки принятия решений при управлении лесным хозяйством. Актуальные вопросы лесного хозяйства: материалы V международной молодежной научно-практической конференции, Санкт-Петербург, 11–12 ноября 2021 года. Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова. С. 138-141.
Иванов С.А. 2022. Системный анализ факторов, влияющих на возникновение лесных пожаров в Северо-Западном федеральном округе. Вестник АГТУ. Серия: Управление, вычислительная техника и информатика. №4. С. 26-33.
Капитонова Т.А. 2015. Нейросетевое моделирование в распознавании образов. Философско-методические аспекты. Москва: РГГУ, 684 c.
Кинько В. Распознавание образов и объектов на изображении [Электронный ресурc] URL: http://bytepace.com/ru/blog/character-recognition (дата обращения 13.09.2023)
Кислухина И.А. 2012. Исследование государственной политики в сфере лесных отношений, сформировавшейся в результате принятия нового лесного кодекса РФ. Вестник Московского государственного университета леса – Лесной вестник. 2: 196–204.
Пайтген Х.-О., Рихтер П.Х.2016. Красота фракталов. Образы комплексных динамических систем, 773 с.
Пантюхин М.А., Самойлин Е.А., Дроздов А.Ю. “Алгоритм распознавания объектов на плоских изображениях в системах технического зрения” [Электронный ресурc] URL: http://www.vestnik.vsu.ru/pdf/analiz/2016/01/2016-01-19.pdf (дата обращения 07.09.2023)
Перминов В.А. 2010. Математическое моделирование возникновения верховых и массовых лесных пожаров: физ.-мат. наук. Томск, 282 с.
Станкевич Т.С. 2018. Применение сверточных нейронных сетей для решения задачи оперативного прогнозирования динамики распространения лесных пожаров. Бизнес-информатика. 4(46): 17–27.
Фомин Я.А. 2020. “Распознавание образов: теория и применение”. 203 с.
Ханина Л.Г., Смирнов В.Э., Лукина Н.В. 2009. Компьютерные системы поддержки принятия решений в лесном хозяйстве: обзор современного состояния. Хвойные бореальной зоны. 26(2): 187-196.
Чувиеко Э. 2010. Разработка системы оценки пожарного риска с использованием технологий дистанционного зондирования и геоинформационных систем. Экологическое моделирование. 221(1): 46-58.
Просмотров аннотации: 72
Поделиться
Опубликован
Как цитировать
Выпуск
Раздел
Copyright (c) 2023 Экономика. Информатика
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.