Вы находитесь в разделе Типовых решений систем безопасности

Технология мониторинга лесных (торфяных) пожаров по данным космической съемки

Исследования, проводимые с 1997 года Федеральным центром науки и высоких технологий "Всероссийский научно-исследовательский институт по проблемам гражданской обороны и чрезвычайным ситуациям" (ФЦ ВНИИ ГОЧС), доказали высокую эффективность проведения мониторинга лесных (торфяных) пожаров при помощи информации с космических спутников.

Информация, используемая для мониторинга природных и техногенных ЧС, поступает с орбитальных спутников серии NOAA, ширина полосы обзора у которых равна 2000 км. В данный момент задействовано три аппарата этой серии. На каждом из них установлено оборудование AVHRR (Advanced Very High Resolution Radiometer - радиометр высокого разрешения), которое имеет временное разрешение (время повторного обзора со спутника одной и той же точки) 12 часов. Это позволяет видеть контролируемую точку не менее 6 раз в сутки.

Для выделения очагов пожаров на полученном со спутников изображении помимо уже используемых пакетов таких программ, как ERDAS Imagine, ArcView, ScanView (ИТЦ "СканЭкс"), ФЦ ВНИИ ГОЧС разработал специальное программное обеспечение. В нем используются модификации "порогового" и "контекстуального" алгоритмов. Но для того чтобы начать их применение, необходимо провести предварительный визуальный анализ исходного изображения с целью выявления явных очагов пожаров.

Предварительная обработка

Обнаружение очагов пожаров визуальным способом позволяет быстрее и точнее определить пороги обнаружения тепловых аномалий. В общем случае данные пороги будут разными. Это связано прежде всего с площадью и температурой горения, временем года и суток, и с географическими координатами места пожара.

Присутствие очага горения в видимом спектре определяется по наличию основного дешифровочного признака лесных пожаров - дымовому шлейфу - на исходном снимке, полученном с космических спутников. По форме на снимке очаг напоминает конус светло-серого цвета. Следует помнить, что перистая и слоистая облачность по своей структуре и яркости могут напоминать дымовые шлейфы лесных пожаров. Поэтому те части снимков видимого спектра, где предварительно обнаружен лесной пожар, просматриваются в инфракрасном диапазоне спектра. В этом случае шлейфы дыма от лесных пожаров практически не просматриваются.

Для выделения очагов пожаров с помощью "порогового" или "контекстуального" алгоритма на предварительном этапе вся получаемая со спутников NOAA информация должна быть откалибрована. Это значит, что для первого и второго каналов аппаратуры AVHRR необходимо получить значения альбедо А1, А2 соответственно. А для третьего, четвертого и пятого каналов - значения эквивалентной радиационной температуры Т3, Т4 и Т5 соответственно.

Пороговый алгоритм обнаружения тепловых аномалий

Известно, что максимум потока излучения черного тела, нагретого до температуры 800-1000 К, приходится на среднюю инфракрасную область электромагнитного спектра с длиной волны 3-4 мкм. Исходя из характеристик аппаратуры AVHRR в качестве основного признака для распознавания тепловой аномалии принимаются данные третьего канала, работающего в диапазоне 3,55-3,93 мкм.

Так как пространственное разрешение аппаратуры AVHRR составляет 1,1 км, то в идеальном случае можно обнаруживать объекты, линейные размеры которых превышают 1,1 км. А благодаря высокой интенсивности излучения в среднем ИК-диапазоне и высокому радиометрическому разрешению аппаратуры становится возможным обнаружение тепловых аномалий природного и техногенного характера много меньших размеров. В идеальных условиях наблюдения при максимальном контрасте м. 3-м и 4-м каналами аппаратуры AVHRR есть принцип. возможность обнаружения пожаров с площадью 0,2-0,3 га. Она была установлена в 1991 году, а затем неоднократно проверена экспериментальным путем.

Использование в пороговом алгоритме только одного третьего канала (один порог) приводит к возникновению большого количества ложных тревог. Это связано прежде всего с отражением энергии солнечного излучения кромками облаков (наибольшее число ложных тревог), водной поверхностью, песком, открытыми горными породами, асфальтовыми покрытиями и бетонными сооружениями. Чтобы не допустить ошибок, необходимо использовать данные других спектральных каналов.

В литературе было предложено множество методов пороговой классификации тепловых аномалий, но на наш взгляд, они не позволяют полностью исключить человека-оператора из цикла дешифрирования лесных (торфяных) пожаров. Так, наиболее известные пороговые алгоритмы выделения очагов пожаров выглядят следующим образом:

1. Алгоритм Кауфмана (1991 год): T₃ > 316, T₃-T₄ > 10 и T₄ > 250. Здесь Т₃, Т₄, Т₅ - радио-яркостная температура в 3-, 4- и 5-м каналах аппаратуры AVHRR соответственно.
2. Алгоритм Франса (1993 год): T₃ > 320, T₃-T₄ > 15, 0 < (T₄-T₅) < 5, A₁ < 9%, где А₁ - значение альбедо в 1 -м канале.
3. Алгоритм Кэннеди (1994 год): T₃ > 320, T₃-T₄> 15, A₂< 16%, где А₂- значение альбедо во 2-м канале.

Если элемент разрешения удовлетворяет условиям алгоритма, то он относится к классу пожаров; если же не удовлетворяет хотя бы одному из этих условий, то - к фону.

Все эти алгоритмы ориентированы на очаги пожаров достаточно большой площади и интенсивности, что для решения задач выявления пожарной обстановки является неприемлемым, так как важно обнаруживать пожары в начальной степени их развития с целью минимизации материальных затрат на ликвидацию очага возгорания. Кроме того, данные алгоритмы крайне не желательно использовать для обнаружения наличия перегретого торфа в торфяниках.

Учитывая вышеизложенное, для решения задач выявления пожарной обстановки в центре приема и анализа авиационно-космической информации МЧС России за основу принят алгоритм Кауфмана (1) с "плавающими" порогами. Как указывалось ранее, на этапе предварительной обработки информации с аппаратуры AVHRR определяются явные очаги природных пожаров по наличию дымовых шлейфов. Затем после калибровки изображений определяются характеристики выявленных очагов и прилегающего к ним фона, на основе которых и выбираются соответствующие пороги. После анализа аналогичных характеристик подстилающей поверхности в пределах снимка совместно с характеристиками очагов пожаров определяются "плавающие" пороги.

Однако не следует полностью доверять результатам выделения очагов пожаров с использованием данных порогов, так как возможны случаи отражения электромагнитной энергии от кромок облаков, и возможно появление ложных тревог, вызванных перегретым песком и различными техногенными образованиями. Поэтому сомнительные точки, находящиеся слишком близко к облакам, вблизи рек, морей и т.д., необходимо подвергнуть дополнительной проверке.

Дополнительная проверка заключается в анализе отражательной способности интересующих нас пикселей в первом и втором каналах аппаратуры AVHRR. Если значение альбедо в первом канале больше, чем значение альбедо во втором канале, то данную точку в подавляющем большинстве случаев можно однозначно отнести к ложной тревоге. но возможны случаи, когда возникают сомнения в правильности такого решения (например, отсутствие облачности или песка). В этом случае мы классифицируем данную точку как возможный очаг пожара, если нет какой-либо дополнительной информации о рассматриваемом районе. Если же значения альбедо в первом и втором каналах превышают 10-16% (в зависимости от условий наблюдения), то данная точка также классифицируется как ложная тревога. Во всех остальных случаях принимается гипотеза о наличии тепловой аномалии в рассматриваемых точках.

Если число ложных тревог достаточно велико, то можно несколько завысить порог по третьему и/или по четвертому каналу. Таким способом, не удается полностью избавиться от ложных тревог и все равно приходится проверять большинство предполагаемых очагов. Кроме того, мы намеренно исключаем из рассмотрения пожары малой площади, что также является недопустимым.

Затем определенные очаги пожаров импортируются в ГИС (в данном случае это ArcView) и накладываются на карту. далее определяются точные координаты очагов и расстояния до ближайших населенных пунктов. Данная методика была проверена в пожароопасный сезон 1999-2000 гг. на территории центральных областей России, Архангельской области, республики Коми, Ямало-Ненецкого и Ханты-Мансийского автономных округов, и на территории Турции, Греции, Болгарии, Югославии и Албании. Были получены подтверждения о времени и месте пожаров из Греции и Турции. Все это позволяет судить о высокой эфф. описанной выше методики. Хотя у нее есть и недостатки. К их числу можно отнести несколько большее время обработки спутниковых данных по сравнению с существующими пороговыми алгоритмами, упомянутыми ранее.

Параллельно с улучшением порогового алгоритма в ФЦ ВНИИ ГОЧС велась работа над совершенствованием контекстуального алгоритма с целью исключения недостатков, присущих типовому пороговому алгоритму. Основное отличие контекстуального алгоритма от порогового заключается в том, что пороги уменьшаются и кроме самого исследуемого пиксела изображения рассматриваются характеристики близлежащих к нему. По соотношениям этих текстурных характеристик и определяется факт наличия тепловой аномалии.

Модифицированный контекстуальный алгоритм обнаружения тепловых аномалий

Облачность является непрозрачной средой для ИК-излучения, поэтому для пикселов, где ее размер занимает более 60-70% изображения, она выделяется автоматически. Поскольку облачность холоднее земной поверхности, возможно установление порога яркостной температуры в 4- или 5-м канале радиометра с маскировкой пикселов изображения, не превышающих указанное пороговое значение.

В качестве базового алгоритма выделения облачности для данных AVHRR предлагается взять стандарт SHARP-2 Европейского космического агентства. В данном стандарте предусматривается классификация, разделяющая пикселы изображения на следующие классы: земная поверхность (ЗП), вода, облачность.

Выделение облачности на исходном изображении происходит по условиям из стандарта SHARP-2 ЕКА:

1. "Облачность", если A(2)/A(1) > 0.9 & A(2)/A(1) < 1,1&T4 < 294 К
2. "Облачность", если Т₄ < 249 К
3. "Облачность", если Т₄-T₂ > 274 К & T₄ < 290 К

Авторами сделано предположение, что данные условия плохо приспособлены для определения границы облачность/ЗП и для выделения "разорванной облачности" на территории Европейской части России, поэтому ими предложено ввести дополнительное условие. Таким условием выступает анализ яркостных характеристик 4-спектрального диапазона.

При анализе используется дополнительное условие (4), в котором анализируется СКО (4) эквивалентной радиационной температуры в 4-спектральном диапазоне прибора AVHRR, вычисленное по окну 15х15 пикселов:

σ₄≤σ_пор (4)

где σ_пор - пороговая эквивалентная радиационная температура в 4-спектральном диапазоне прибора AVHRR по окну 15х15 пикселов, значение которой определяется в результате исследования.

Авторами было сделано предположение о том, что апор будет находиться в диапазоне 1-1,5 К. Так по результатам обработки тестовых изображений для Европейской части России (48-67° северной широты) σ_пор = 1,3.

Так как в спектральных диапазонах 4- и 5-ого каналов приборов AVHRR/2 (3) влияние Солнца на характеристики изображения минимально, то отсеивание облачности можно проводить, анализируя СКО яркостной характеристики. При этом в модифицированном контекстуальном алгоритме учитывается не только значение СКО яркостных характеристик пиксела, но и условия стандарта SHARP-2 для данных AVHRR.

Для тестирования и учета в модифицированном контекстуальном алгоритме выбираются условия классификации из стандарта SHARP-2, которые были взяты в качестве базовых условий. Для тестирования была написана модель выделения водной поверхности. Для анализируемого изображения Х(x1 ,..., x5) проводится классификация пикселов по признакам: "вода", "облачность", "земная поверхность". В результате классификации с учeтом условий, на водную поверхность и различную облачность из исходного изображения создается два промежуточных слоя. Первый, состоящий из 0 и 1, где 0 соответствует пикселу, который был классифицирован как шум и 1 соответствует пикселу, который был классифицирован как земная поверхность. Второй, состоящий из 0 и T3, где 0 соответствует пикселу, который был классифицирован как шум, а T₃ соответствует радиационной температуре в 3-м канале AVHRR для пиксела, который был классифицирован как земная поверхность.

Все пикселы, классифицированные как "вода" и "облачность", в дальнейшем анализе "наличия сигнала" не рассматриваются.

Последовательно для каждого пиксела выделяется центральная локальная область размерами 15х15 пикселов. Для этой области рассматриваются 5-канальные характеристики пикселов. Также рассчитывается количество пикселов, отличных от классов "вода" и "облачность", и для них рассчитывается среднее значение T_3ср.

Признаком выделения сигнала выступает условие: T_3ср > T_{3ср.пор.}. При выполнении этого условия принимается решение о "наличии пиксела с пожаром".

Применение модифицированного контекстуального алгоритма позволяет уменьшить вероятность "ложной тревоги" на 10-15% для территории Северной и Центральной части России (по данным 1997-1998 гг.). Естественным плюсом данного алгоритма является относительная работа и независимость от угла Солнца и времени суток. Самый крупный недостаток - неработоспособность контекстуального алгоритма в случае наличия облачности в текстурных районах изображения.

А.В. Епихин
Начальник управления специальных аэрокосмических технологий ФЦ ВНИИ ГОЧС МЧС России

С.Г. Дорошенко
Начальник лаборатории тематической обработки аэрокосмической информации ФЦ ВНИИ ГОЧС МЧС России

Д.Ю. Николаев
Научный сотрудник лаборатобии тематической обработки аэрокосмической информации ФЦ ВНИИ ГОЧ СМЧС России

А.В. Челюканов
Младший научный сотрудниклаборатории аэрокосмической информации ФЦ ВНИИ ГОЧС МЧС России

---

Технологии воздействия на атмосферные циклы с использованием комплексов ионных генераторов

Федеральным центром науки и высоких технологий "Всероссийский научно-исследовательский институт по проблемам гражданской обороны и чрезвычайных ситуаций" совместно с ООО Научно-производственный центр "Лидар" разработаны технологии воздействия на атмосферные циклы с использованием комплексов ионных генераторов (ИГ).

Возможности технологий (при использовании одного комплекса):

• предотвращение выпадения осадков (дождь, снег) над защищаемыми объектами (аэропортами, участками автомобильных и железных дорог, сельскохозяйственными угодьями и т.п.);
• создание хорошей (солнечной) погоды над защищаемыми объектами;
• стимулирование выпадения осадков (дождь, снег) над защищаемыми объектами;
• предотвращение градобития и гроз на защищаемых объектах;
• ликвидация смога и аэрозольного загрязнения городов, карьеров, транспортных магистралей и других объектов.

Радиус покрытия комплекса составляет территорию около 10 км.

Возможности технологий, реализуемых в интересах предупреждения и ликвидации чрезвычайных ситуаций и их источников.

1. Борьба с природными пожарами:
   • при наступлении пожароопасного сезона на территориях, где наблюдаются 4-й и 5-й классы пожарной опасности погодных условий, можно стимулировать выпадение осадков и тем самым увлажнить лесные массивы, торфяники и др. территории для снижения пожарной опасности на этих территориях;
   • при возникновении природных пожаров можно на подходе к защищаемой территории формировать облака с интенсивными осадками и инициировать осадки над пожарами.

2. Борьба с наводнениями, обусловленными выпадением значительных осадков (ливневыми дождями):
   • при возникновении угрозы наводнений над определенными территориями, причиной которых являются продолжительные дожди или ливни, с помощью предлагаемого комплекса можно предотвращать или останавливать выпадение осадков.

3. Борьба со смогами и туманами. Комплекс позволяет:
   • создавать конвекционные токи в атмосфере, что приводит к разрушению смога и вентиляции приземных воздушных масс;
   • рассеивать туманы в городах и других населенных пунктах, на аэродромах и автомобильных магистралях, что дает принцип. возможность улучшать экологию, предотвращать аварии транспорта, и осуществлять своевременный вылет пассажиров самолетов.

4. Предотвращение возможности образования снежных лавин и селей:
   • на территориях, подверженных образованию снежных лавин и селевых потоков, комплекс позволяет в течение определенных периодов времени перераспределять (предотвращать) выпадение осадков в виде снега и дождя.

Краткое описание технологии

В основу технологии воздействия на атмосферные циклы заложен принцип создания в атмосфере конвективных токов воздуха при помощи электрического поля (рис.1 a, б), создаваемого ИГ. Общий вид генератора представлен на рис. 2.

В состав аппаратуры входят стационарные и мобильные средства воздействия и оперативного контроля, которые размещаются на защищаемой территории по схеме, согласованной с потребителем. Схема размещения составляется с учетом синоптических прогнозов по региону, и размеров зон обслуживания, рельефа местности, наличия водоемов и т.п.

В состав комплекса входят:

• до 5 ионных генераторов (плюс 5 резервных);
• 1 лидарный комплекс (ЛК);
• центральный сервер, который располагается на Центральном пункте управления (ЦПУ);
• средства связи (мобильные телефоны или радиостанции);
• транспортные средства (автомобили типа "Газель");
• информационное обеспечение (компьютеры с доступом к информации от метеорадаров и спутников и с возможностью выхода в Интернет).

ЛК помещается вблизи объекта, где должен проявиться результат воздействия, а ИГ располагаются на удалении от центра (в пределах от 3 до 10 км). ИГ размещаются стационарно или на автомобилях (для оперативного перемещения). Работа ЦПУ строится на базе информации, поступающей от лидарного комплекса. При отсутствии ЛК возможно использование комплекса ИГ в ручном режиме - в соответствии с командами высококвалифицированного методиста. Обслуживание осуществляют 2-3 оператора за одну рабочую смену.

По сравнению с традиционными технологиями воздействия на атмосферные циклы, технологии с использованием комплексов ионных генераторов более эффективные и экономичные.

Ю.В. Подрезов
Начальник отдела развития программ и технологий ФЦ ВНИИ ГОЧС МЧС России

Читайте далее:
Противопожарная безопасность учреждения культуры
Региональные органы управления МЧС России
Сетевые видеокамеры: нет места скепсису
CCTV: качество сервиса
Собственными силами
Спецтехника контроля и защиты информации: общие тенденции развития технологий
Технология мониторинга лесных (торфяных) пожаров по данным космической съемки
Видеонаблюдение. IP-сеть. Безопасность
Защита жилого сектора. Техническая укрепленность