Analysis of Modern Models and Information Systems in Forecasting and Monitoring Forest Fires
DOI:
https://doi.org/10.52575/2712-746X-2023-50-4-913-923Keywords:
forest fires, predicted fires, fire monitoring, information technology, fire identification, neural networksAbstract
Within the framework of this study, the possibilities of using modern information technologies for forecasting and monitoring forest fires are considered. In particular, the Forecasting Models section discusses various methods used to propagate and detect forest fires, including neural networks that allow fires to be recognized and identified based on data on temperature, wind speed, and other factors. Particular attention is paid to the use of technologies such as geographic information systems and satellite data to create accurate models and forecasts in the field of forest fires. The article also discusses examples of the successful application of these technologies in various countries, including Russia, the USA and Canada. The problems associated with the forecasting and monitoring of forest fires are discussed, and ways to solve them with the help of modern information technologies are proposed.
Downloads
References
“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.
Abstract views: 78
Share
Published
How to Cite
Issue
Section
Copyright (c) 2023 Economics. Information Technologies
This work is licensed under a Creative Commons Attribution 4.0 International License.
