CC BY
15
Н. В. БАРАНОВСКИИ, канд. физ.-мат. наук, доцент, Национальный исследовательский Томский политехнический университет (Россия, 634050, г. Томск, просп. Ленина, 30; e-mail: [email protected]) М. В. ЖАРИКОВА, канд. техн. наук, доцент, доцент Херсонского национального технического университета (Украина, 73 0 40, г. Херсон, Бериславское шоссе, 24; e-mail: [email protected])
УДК 614.841.12:533.6
ВЕБ-ОРИЕНТИРОВАННАЯ ГЕОИНФОРМАЦИОННАЯ СИСТЕМА ОЦЕНКИ ЛЕСНОЙ ПОЖАРНОЙ ОПАСНОСТИ (на примере Пролетарского лесничества Украины)
Представлена веб-ориентированная геоинформационная система, разработанная с помощью платформы Django на языке программирования Python, представляющая собой программную реализацию системы охраны леса от пожаров. Реализованы картографические функции с помощью фреймворка GeoDjango, который является встроенным модулем Django. Для создания базы данных была использована система управления базами данных (СУБД) PostgreSQL и ее расширение PostGIS, предназначенное для хранения в базе географических данных. Показано, что веб-ориентированная система позволяет оперировать картографической информацией, а программный комплекс, выполняемый на сервере, — получать и визуализировать ряд параметров, характеризующих лесную пожарную опасность.
Ключевые слова: лесная пожарная опасность; оценка; вероятность; геоинформационная система; веб-приложение.
Введение
Охрана леса от пожаров включает в себя широкий спектр действий, который не ограничен только реактивными мерами, такими как тушение пожара [1]. Согласно определению, приведенному в [2], охрана лесов от пожаров — это совокупность действий, направленных на уменьшение отрицательного влияния лесных пожаров на природные ресурсы, экосистемы, а также окружающую среду в соответствии с целями организации, осуществляющей управление. Охрана лесов от пожаров включает в себя как традиционные действия по контролю за пожароопасной обстановкой (выявление, подавление огня и т. д.), так и более сложные действия (выжигание, управление лесными горючими материалами (ЛГМ) и т. д.). Основные задачи охраны лесов от пожаров — предупреждение лесных пожаров, оптимальное тушение и ликвидация их последствий. Важным аспектом в разрезе их предупреждения являются технологии и методы их прогнозирования.
Особенности предметной области и цель статьи
Принятие решений при тушении пожаров основывается на большом объеме знаний, описывающих сложные взаимосвязи между физико-химическими, биологическими, социальными и экономическими процессами. Более того, эти процессы характеризу-
© Барановский Н. В., Жарикова М. В., 2014
ются стохастичностью, пространственной привязкой и зависимостью от времени. В процессе принятия решений по охране леса от пожаров требуется анализ сложных неопределенных ситуаций в целях оценки влияния на них множества возможных альтернативных факторов. Задача усложняется еще и тем, что налицо, принимающее решение (ЛПР), накладывается очень большая ответственность, так как ошибки здесь могут привести к пагубным социальным, экономическим и экологическим последствиям [1, 3].
Сложность принятия решений по охране леса от пожаров обусловлена следующими аспектами [1,3]:
• территориальной привязкой;
• неопределенностью и приближенностью знаний [1,3];
• изменчивостью характера протекания процессов во времени (ЛПР приходится принимать решения в постоянно изменяющихся условиях и при ограниченных временных ресурсах);
• наличием как количественных, так и качественных показателей, характеризующих динамику развития пожара [1,3];
• применением для оценки качественных показателей соответствующих инструментов — экспертных методов, методов теории нечетких множеств и др., которые характеризуются определенным уровнем субъективизма;
• сложностью формализации;
• многокритериальностью принятия решений [1,3]. В процессе принятия решений по защите леса
от пожаров ЛПР необходимо идентифицировать и оценивать альтернативные решения, принимая во внимание множество часто конфликтующих между собой факторов, связанных со здоровьем и безопасностью людей [4,5], воздействием на окружающую среду, экономическими и социальными последствиями. Конечной целью является выбор альтернативного варианта с наименьшим риском для населения, общества и окружающей среды.
Для принятия решений по охране леса от пожаров в условиях неопределенности ЛПР приходится анализировать большие объемы информации при существенных ограничениях во времени на оценку обстановки и принятие решений. В таких случаях решение часто принимается на основе имеющегося опыта и знания общих закономерностей пожарной обстановки в лесах. В данной ситуации значительно повысить эффективность анализа пространственной информации могут геоинформационные технологии [6, 7].
Ранее было проведено концептуальное проектирование веб-ориентированной геоинформационной системы оценки лесной пожарной опасности на основе вероятностного критерия [8,9]. Возможна также реализация алгоритмов вероятностной оценки лесной пожарной опасности на основе параллельных вычислительных технологий [9]. Ранее методика была реализована с использованием систем быстрой разработки приложений для IBM PC [10] и модели сушки слоя ЛГМ [11]. Кроме того, возможно применение математических моделей зажигания ЛГМ [12,13], верифицированных экспериментально [14].
Целью статьи является описание геоинформационного подхода к построению системы охраны леса от пожаров, который является комбинацией вероятностных [15] и эмпирических [16, 17] методов.
Вероятностный критерий оценки лесной пожарной опасности
С использованием основных положений теории вероятностей [18] получена формула для оценки вероятности возникновения лесного пожара для j-го временного интервала лесопожарного сезона [19]:
Pj = [P(A) P(Aj/A) Pj (ЛП/A, Aj) + + P(M) P(Mj/M) Pj (ЛП/M, Mj)] Pj (C), (1)
где Pj — вероятность возникновения лесного пожара для j-го интервала на контролируемой лесной территории;
P(A) — вероятность антропогенной нагрузки;
Р(Л)/Л) — вероятность наличия источников огня в )-й день;
Pj (ЛП/Л, А) — вероятность возникновения пожара из-за антропогенной нагрузки на территории выдела;
Р(М) — вероятность возникновения сухих гроз на территории выдела;
Р(М)/М — вероятность наземного грозового разряда;
Р) (ЛП/М, М)) — вероятность возникновения лесного пожара от молнии при условии, что сухие грозы могут иметь место на территории выдела;
Р) (С) — вероятность возникновения пожара по метеоусловиям лесопожарного созревания (вероятность того, что слой ЛГМ будет сухой); 7 — индекс, соответствующий дню пожароопасного сезона.
Для определения всех сомножителей (вероятностей) в формуле (1) автор предлагает использовать частоту событий и статистические данные для конкретного лесхоза [19]:
РА/А) * ^цдн/^ПН, Р(А) * МА/Нпс; (2)
Р) (ЛП/Л, А)) * ЛЦД/ЛКП; (3)
Р(М/М) * ЛМ/ЛТМС, Р(М) * ^ММПС; (4)
Р) (ЛП/М, М) * ^ПМ/^КП, (5)
где ЖЦдН — число пожаров в конкретный день недели; N
упн — общее количество пожаров за неделю;
NA
количество дней в пожароопасный сезон
при наличии антропогенной нагрузки, достаточной для зажигания ЛГМ; ЖЦС—общее число дней пожароопасного сезона; ЫЦА — количество пожаров от антропогенной нагрузки;
ЖКЦ — общее количество пожаров в сезон; ЖМЧ — число наземных грозовых разрядов на конкретный час, начиная с 00.00 ч; ЫМС—общее число наземных разрядов в сутки; ЫМ — число дней, в которые имели место молнии (при сухих грозах);
ЖЦМ — количество пожаров от молний при сухих грозах.
Очевидно, что точность определения вероятностей по формулам (2)-(5) тем выше, чем больше случаев будет рассмотрено для данного лесхоза, поэтому в лесхозах следует ежегодно регистрировать все параметры пожароопасного сезона (ЫА, ЫЦА, ^кЦ,
^ КцС, Nцм, ^ЦДН ^ ^МС).
В формуле (1) присутствует сомножитель Р) (С) — вероятность лесной пожарной опасности по метеоусловиям. В более ранних работах эта вероятность вычислялась через время сушки слоя ЛГМ [11].
Однако в настоящий момент внедрить на всей территории государства методику в таком виде затруднительно, так как для моделирования процесса сушки слоя ЛГМ нужна информация о его начальном влагосодержании. В настоящей работе предлагается компромиссный вариант — рассчитывать вероятность по метеоусловиям с использованием комплексного метеорологического показателя, регламентированного в государственном стандарте. Диапазон изменения данного показателя начинается с нуля и не имеет верхней границы. Однако можно положить его верхнюю границу, выбрав максимально возможное значение в течение пожароопасного сезона [19].
Для оценки вероятности лесной пожарной опасности комплексный метеорологический показатель нормируем на единицу:
Pj (C) = КМПД /КМПм
(6)
где КМПд — значение комплексного метеорологического показателя для дня, на который делается прогноз;
КМП
максимальное значение комплексно-
Тогда вероятность лесной пожарной опасности по метеоусловиям будет изменяться от 0 до 1.
Комплексный метеорологический показатель (КМП) вычисляется по формуле [16, 17]:
КМП = £ t (t - r),
(7)
го метеорологического показателя.
где п — число дней, прошедшее после последнего дождя;
t — температура воздуха; г — температура точки росы. Точка росы характеризует количество влаги в воздухе. Чем выше точка росы, тем больше влажность воздуха при данной температуре. Температура точки росы определяется как температура, до которой воздух должен охладиться (при постоянном давлении и постоянном содержании водяного пара), чтобы было достигнуто его насыщение и начался процесс конденсации, т. е. появилась роса. Состояние насыщения может существовать только при условии, что воздух содержит максимально возможное количество водяного пара при данных температуре и давлении.
n
(315 Forest Project нипп Ta™=i Canum
Пролетарское лесничество (выделы)
Меню
Кыртал Выдал № 2S
ТИП HfCTHMTH ПкЕН
Пращадь |н кн 1 Э5,Н
Псрнлстр ¡hll ЭНО.З®
Маслима сгребр ifc глл
Бозрасп |nri| ÎI
■Lrjrora IM
ДийНСТРСЦОРй (си| toi
Рис. 1. Фрагмент карты
Нпоыние
1 JfawMi кулыуры
2 HccauEpiyTUft лоскис t/льтлм
3 Биопо.".Я1Ч
i npcYiuciB^afiraA
ряарнв
äCfrfü
S ТомвпсгнчгкиА
корищр. юлок
t Г рун тоня лврсгл
S ПСОССШ иНРГйПЬПйП
9 Пески
1Г ПвИарМиЛ
11 Су*«твЯ
1Î Ьотаю
1Ï1 Сенгаас
H J1D:H6li(ÎH ПУ:!
15 :!
LJsei
Описание программного продукта
Программная реализация системы охраны леса от пожаров представляет собой веб-ориентированную геоинформационную систему, разработанную с помощью платформы Django на языке программирования Python [20]. Для реализации картографических функций был использован фреймворк GeoDjango, который является встроенным модулем Django. Создание базы данных проводилось на основе системы управления базами данных (СУБД) PostgreSQL и ее расширения PostGIS, предназначенного для хранения в базе географических данных. Веб-ориентированная система позволяет оперировать картографической информацией.
На рис. 1 отображен скриншот программы с фрагментом карты Пролетарского лесничества Цюру-пинского лесного хозяйства Херсонской области и информацией о выбранном участке местности, выделенном синим контуром.
На карте имеется выпадающая панель, на которой перечислены все слои (рис. 2). Слева от названия каждого слоя на панели расположено окошко, в ко-
тором установка или снятие флажка позволяет отображать или скрывать соответствующий слой.
на рис. 3 представлен фрагмент карты лесопо-жарного риска лесничества, для каждого участка которого определяется величина лесопожарного риска. Лесопожарный риск подразделяется на четыре группы: критический, высокий, умеренный и нулевой.
Типичные результаты
Программный комплекс, выполняемый на сервере, позволяет получать и визуализировать ряд параметров (рис. 4), характеризующих лесную пожарную опасность. На рис. 4,а представлено изменение температуры воздуха в течение конкретного месяца (апрель-июнь); на рис. 4,6 — значения критерия Нестерова (апрель - июнь); на рис. 4,в — распределение вероятности возникновения лесных пожаров по метеоусловиям с апреля по июнь; на рис. 4,г — итоговое значение вероятности возникновения лесных пожаров. Указанные графические данные получены в результате работы веб-системы и доступны на персональной странице пользователя веб-ориен-
GiS Foresl Prajed Но™ 1 °™-sL сагмы
Пролетарское лесничество (выделы)
fLvc# Ьнург
фСНгсл51гсс1№р Overlay« Вл- HBJP купыуры
Нн«нкнртм« лкиы* купнтуры
^ПрфШЕФп-ожарнын ршрмр
ТСЯ114И4ГН-1ШЕКИЙ КВрИДвр. ИМ!К
®Г|1>ивп д.В|Ш1 л Бпросск» КВ-фТЛЛ »ЧЙР
SniCH
впажьрнш«
Вн.. ibmrr нл1 лн □ глнг
Вкг.ЬПЙНШГ
Ко-нро
Клынм* iniir.rpaiippFnjH ЙНв. ГМГ-5 1гГ1'&Р S
Рис. 2. Фрагмент карты с панелью управления слоями
Меню
К.йнртал №22 Опорол №25
Гни иесгшпк СруО Гр:-:и|,1Л|. :ы КП ■ ¿5.JU Исрнчстр 13Ы,47 Дищня £?ллл
11Л1ПЛГСНК
1 Лмнык культуры
J Нкоигчуп.с ЛБСНЫ1Г
купыури J Ь^СП? ППНЭ
(ИфЯ
JCnfi
В ТапвлсгтооШ
BOpliDOP. ВОЛОК
¡Трщтоыя ЛЯрОП]
&Чромка киргапьиач
tlhan
10 Пи~щищп
1 1 Сщюсю»
IE болото
19С|жж
I 4 ПОГНйШСС ||№йЖЛ£*|К: 15 Кгасбгшн: IB □зеро
Пннмя эпсчрспсрслач IS № L
Цше:
Рис. 3. Фрагмент карты лесопожарного риска
35
и 30
О
(в" 25
3 20 &
к
3 15 £
10
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
День
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 День
л
§ 15000
« о Ю000 Я а и «
и § й 8
§ £ И 2
5000 0
Й -5000 3
1,0т
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 День
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 День
Рис. 4. Графические результаты оценки лесной пожарной опасности: • — апрель; • — май; • — июнь
тированной геоинформационной системы по авторизованному доступу.
Следует отметить, что для более точной и оперативной оценки лесной пожарной опасности можно применять технологии дистанционного зондирования Земли [21]. Кроме того, данные прибора MODIS Terra/Aqua [22] могут быть использованы для оценки температуры приземного слоя атмосферы при расчетах комплексного метеорологического показателя по формуле (7).
Таким образом, представлены типичные результаты, демонстрирующие возможности веб-ориентированной геоинформационной системы, на примере лесопокрытой территории Пролетарского лесниче-
ства Херсонской области Украины. Следует отметить, что возможна интеграция в описываемую ГИС-систему разработок по оценке пожарной безопасности населенного пункта [23].
Выводы
В настоящей статье рассматривается геоинформационный подход к построению системы охраны леса от пожаров [24]. В качестве дальнейшего развития модели планируется включение в систему рассуждений на основе прецедентов (CBR — Case-based reasoning), позволяющих проводить поиск решения в новой ситуации путем адаптации решений, которые использовались ранее в аналогичных ситуациях.
СПИСОК ЛИТЕРАТУРЫ
1. ХодаковВ. Е., ЖариковачМ. В. Лесные пожары: методы исследования. —Херсон : Гринь Д. С., 2012.—456 с.
2. SimardA. J. Wildland fire management: the economics of policy alternatives // Forestry Technical Report 15, Department of Fisheries and Environment, Canadian Forestry Service, 1976.
3. Кузнецов Г. В., Барановский Н. В. Прогноз возникновения лесных пожаров и их экологических последствий. — Новосибирск : Изд-во СО РАН, 2009. — 301 с.
4. Барановский Н. В., Барановская С. В., Исакова А. В. Методика оценки влияния лесных пожаров на здоровье населения // Пожарная безопасность. — 2007. — № 3. — С. 71-74.
5. Барановский Н. В., Барановская С. В. Исследование качества жизни людей, проживающих в условиях неблагополучной лесопожарной обстановки // Пожарная безопасность. — 2008. — №3. —С. 67-73.
6. Dong X. U., Dai L.-M., Shao G.-F., Tang L., Wang H. Forest fire risk zone mapping from satellite images and GIS for Baihe forestry bureau, Jilin, China // Journal of Forestry Research. — 2005. — Vol. 16,No. 3.—P. 169-174.
7. Wisdom M. D. Application of Bayesian network for fire risk mapping using GIS and remote sensing data // GeoJournal. — 2011. — Vol. 76. — P. 283-296.
8. Жарикова М. В., Барановский Н. В., Ляшенко Е. Н. Концептуальный проект веб-ориентированной географической информационной системы прогноза лесной пожарной опасности // Пожаро-взрывобезопасность. — 2012. — Т. 21, № 3. — С. 62-68.
9. Барановский Н. В., Жарикова М. В., Ляшенко Е. Н. Проект веб-ориентированной географической информационной системы прогноза лесной пожарной опасности с применением параллельных вычислительных технологий // Экологические системы и приборы. —2012. —№ 8. — С. 22-27.
10. Барановский Н. В., Гришин А. М., Лоскутникова Т. П. Информационно-прогностическая система определения вероятности возникновения лесных пожаров // Вычислительные технологии.
— 2003.—№2.— С. 16-26.
11. Гришин А. М., Барановский Н. В. Сравнительный анализ простых моделей сушки слоя ЛГМ, включая данные экспериментов и натурных наблюдений // Инженерно-физический журнал. — 2003. — Т. 76, № 5. — С. 166-169.
12. Барановский Н. В., Кузнецов Г. В. Конкретизация неустановленных причин в детерминирован-но-вероятностной модели прогноза лесной пожарной опасности // Пожаровзрывобезопасность.
— 2011. — Т. 20, № 6. — С. 24-27.
13. Кузнецов Г. В., Барановский Н. В. Пространственная постановка и численное исследование задачи о зажигании слоя лесного горючего материала нагретой до высоких температур частицей // Бутлеровские сообщения. — 2010. — Т. 22, № 12. — С. 30-37.
14. Захаревич А. В., Барановский Н. В., Максимов В. И. Зажигание лесных горючих материалов одиночными, нагретыми до высоких температур частицами // Пожаровзрывобезопасность. — 2012. — Т. 21, № 4. — С. 13-16.
15. Барановский Н. В. Оценка вероятности возникновения лесных пожаров с учетом метеоусловий, антропогенной нагрузки и грозовой активности // Пожарная безопасность. — 2009. — № 1. — С. 93-99.
16. НестеровВ. _Т.Горимость леса и методы ее определения.—М.-Л.: Гослесбумиздат, 1949. — 76 с.
17. ГОСТ Р 22.1.09-99. Безопасность в чрезвычайных ситуациях. Мониторинг и прогнозирование лесных пожаров. Общие требования. — Введ. 01.01.2000 г. — М. : ИПК Изд-во стандартов, 1999.— 10 с.
18. Назаров А. А., Терпугов А. Ф. Теория вероятностей и случайных процессов : учебное пособие. — Томск : Изд-во НТЛ, 2006. — 204 с.
19. Барановский Н. В. Методика прогнозирования лесной пожарной опасности как основа нового государственного стандарта // Пожарная безопасность. — 2007. — № 4. — С. 80-84.
20. ФорсьеДж., Биссекс П., Чан У. Django. Разработка веб-приложений на Python. — М. : Символ-Плюс, 2009. — 456 с.
21. Kuznetsov G. V., Baranovskiy N. V.Focused sun's rays and forest fire danger: new concept // Proceedings of SPIE. — 2013. — Vol. 8890, paper 889011. doi: 10.1117/12.2033929.
22. Morisette J. T., Giglio L., Csiszar I., Justice C. O. Validation of the MODIS active fire product over Southern Africa with ASTER data // International Journal of Remote Sensing. — 2005. — Vol. 26, No. 19.—P. 4239-4264.
23. Барановский Н. В., Жарикова M. В. Геоинформационные технологии в прогнозировании пожарной безопасности сельских населенных пунктов // Пожаровзрывобезопасность. — 2012. — Т. 21, №11. —С. 71-80.
24. Ходаков В. Е., Жарикова М.В., Барановский Н. В., Ляшенко Е. Н. Проект Web-ориентированной геоинформационной системы лесного хозяйства // Вестник Херсонского национального технического университета. — 2012. — № 1 (44). — C. 72-81.
Материал поступил в редакцию 16 января 2014 г.
= English
WEB-ORIENTED GEOINFORMATION SYSTEM OF FOREST FIRE DANGER ESTIMATION (On example of the Proletarian forest area of Ukraine)
BARANOVSKIY N. V., Candidate of Physical and Mathematical Sciences,
Associate Professor, National Research Tomsk Polytechnic University
(Lenina Avenue, 30, Tomsk, 634050, Russian Federation; e-mail address: [email protected])
ZHARIKOVA M. V., Candidate of Technical Sciences, Docent, Associate Professor, Kherson National Technical University (Berislavskoe Highway, 24, Kherson, 73040, Ukraine; e-mail address: [email protected])
ABSTRACT
Protection of forest from fires includes a wide spectrum of actions which is not limited only by jet measures, such as fire extinguishing. Protection of forests from fires is a set of the actions directed on reduction of negative influence of forest fires on natural resources, ecosystems, and also environment according to the purposes of the organisation supervising administration. Protection of forests from fires includes as traditional actions under the control over fire-dangerous conditions (revealing, fire suppression etc.), and more difficult actions (prescribed burnings, management of forest fuels, etc.). The primary goals of protection of forests from fires are the prevention of forest fires, their optimum suppression and liquidation of consequences. A prominent aspect in a cut of the prevention of forest fires are technologies and methods of their forecasting.
Paper purpose is the description of the geoinformation approach to construction of system of protection of forests from fires which is a combination of probabilistic and empirical methods.
Formula for an estimation of forest fire occurrence probability for j-th time interval of fire season is obtained using probability theory substantive provisions. Program realisation of system of protec-
tion of forests from fires represents the web-oriented geoinformation system developed by means of platform Django in programming language Python. For realisation of cartographical functions has been used framework GeoDjango which is built in module Django. For database creation the control system of databases PostgreSQL and its expansion PostGIS intended for storage in base of geographical data have been used. Web-oriented system allows to operate with the cartographical information. The program complex which is executed on a server, allows to obtain and visualise a number of the parameters characterising forest fire danger.
Technologies of remote sensing of the Earth can be used for more exact and operative estimation of forest fire danger. Besides, device MODIS Terra/Aqua data can be used for an estimation of ground layer temperature of atmosphere at calculations of a complex meteorological indicator.
The typical results showing possibilities of web-oriented geoinformation system on example of forested territory of the Proletarian forest area of the Kherson region of Ukraine are presented.
Keywords: forest fire danger; estimation; probability; geoinformation system; web-application.
REFERENCES
1. Khodakov V. E., Zharikovach M. V. Lesnyye pozhary: metody issledovaniya [Forest fires: research methods]. Kherson, Grin D. S. Publ., 2012. 456 p.
2. Simard A. J. Wildland fire management: the economics of policy alternatives. Forestry Technical Report 15, Department of Fisheries and Environment, Canadian Forestry Service, 1976.
3. Kuznetsov G. V., Baranovskiy N. V. Prognoz vozniknoveniya lesnykhpozharov i ikh ekologicheskikh posledstviy [Forecast of forest fire occurrence and their ecological consequences]. Novosibirsk, Publishing house of the Siberian Branch of the Russian Academy of Sciences, 2009. 301 p.
4. Baranovskiy N. V., BaranovskayaS. V., IsakovaA. V. Metodikaotsenkivliyaniya lesnykh pozharov na zdorovye naseleniya [Technique of an estimation of influence of forest fires on population health]. Po-zharnaya bezopasnost — Fire Safety, 2007, no. 3, pp. 71-74.
5. Baranovskiy N. V., Baranovskaya S. V. Issledovaniye kachestva zhizni lyudey, prozhivayushchikh v usloviyakh neblagopoluchnoy lesopozharnoy obstanovki [Research of life quality of the people living in conditions unsuccessful forest fire conditions]. Pozharnaya bezopasnost — Fire Safety, 2008, no. 3, pp. 67-73.
6. Dong X. U., Dai L.-M., Shao G.-F., Tang L., Wang H. Forest fire risk zone mapping from satellite images and GIS for Baihe forestry bureau, Jilin, China. Journal of Forestry Research, 2005, vol. 16, no. 3, pp. 169-174.
7. Wisdom M. D. Application of Bayesian network for fire risk mapping using GIS and remote sensing data. GeoJournal, 2011, vol. 76, pp. 283-296.
8. Zharikova M. V., Baranovskiy N. V., Lyashenko E. N. Kontseptualnyy proekt veb-orientirovannoy geograficheskoy informatsionnoy sistemy prognoza lesnoy pozharnoy opasnosti [Conceptual project of the web-oriented geographical information system of the forecast of forest fire danger]. Pozharo-vzryvobezopasnost — Fire and Explosion Safety, 2012, vol. 21, no. 3, pp. 62-68.
9. Baranovskiy N. V., Zharikova M. V., Lyashenko E. N. Proekt veb-orientirovannoy geograficheskoy informatsionnoy sistemy prognoza lesnoy pozharnoy opasnosti s primeneniyem parallelnykh vychislitel-nykh tekhnologiy [Project of the web-oriented geographical information system of the forecast of forest fire danger with application of parallel computing technologies]. Ekologicheskiye sistemy ipribory — Ecological Systems and Devices, 2012, no. 8, pp. 22-27.
10. Baranovskiy N. V., Grishin A. M., Loskutnikova T. P. Informatsionno-prognosticheskaya sistema opredeleniya veroyatnosti vozniknoveniya lesnykh pozharov [Information-prognostic system of definition of probability of forest fire occurrence]. Vychislitelnyye tekhnologii — Computing Technologies, 2003, no. 2, pp. 16-26.
11. Grishin A. M., Baranovskiy N. V. Comparative analysis of simple models of drying of the forest combustibles, including the data of experiments and natural observations. Journal of Engineering Physics and Thermophysics, 2003, vol. 76, no. 5, pp. 166-169.
12. Baranovskiy N. V., Kuznetsov G. V. Konkretizatsiya neustanovlennykh prichin v determinirovanno-veroyatnostnoy modeli prognoza lesnoy pozharnoy opasnosti [Concrete of the unstated reasons in a deterministic-probabilistic forecasting model of forest fire danger]. Pozharovzryvobezopasnost — Fire and Explosion Safety, 2011, vol. 20, no. 6, pp. 24-27.
13. Kuznetsov G. V., Baranovskiy N. V. Prostranstvennaya postanovka i chislennoye issledovaniye zada-chi o zazhiganii sloya lesnogo goryuchego materiala nagretoy do vysokikh temperatur chastitsey [Spatial statement and numerical research of a problem about ignition of a layer of a forest fuel by heated up to high temperatures particle]. Butlerovskiye soobshcheniya — Butlerov Communications, 2010, vol. 22, no. 12, pp. 30-37.
14. Zakharevich A. V., Baranovskiy N. V., Maksimov V. I. Zazhiganiye lesnykh goryuchikh materialov odinochnymi, nagretymi do vysokikh temperatur chastitsami [Ignition of forest fuel by single heated up to high temperatures particles]. Pozharovzryvobezopasnost—Fire and Explosion Safety, 2012, vol. 21, no. 4, pp. 13-16.
15. Baranovskiy N. V. Otsenka veroyatnosti vozniknoveniya lesnykh pozharov s uchetom meteousloviy, antropogennoy nagruzki i grozovoy aktivnosti [Estimation of probability of forest fire occurrence taking into account meteoconditions, anthropogenous loading and storm activity]. Pozharnaya bez-opasnost — Fire Safety, 2009, no. 1, pp. 93-99.
16. Nesterov V. G. Gorimost lesa i metodyyeye opredeleniya [Combustibility of forests and methods of its definition]. Moscow-Leningrad, Goslesbumizdat, 1949. 76 p.
17. State Standard 22.1. 09-99. Safety in emergencies. Monitoring and forecasting of forest fires. General requirements. Moscow, IPK Izdatelstvo standartov, 1999. 10 p. (in Russian).
18. Nazarov A. A., Terpugov A. F. Teoriya veroyatnostey i sluchaynykhprotsessov [Probability theory and stochastic processes. Manual]. Tomsk, Publishing house NTL, 2006. 204 p.
19. Baranovskiy N. V. Metodika prognozirovaniya lesnoy pozharnoy opasnosti kak osnova novogo gosu-darstvennogo standarta [Technique of forecasting of forest fire danger as a basis of new state standard]. Pozharnaya bezopasnost — Fire Safety, 2007, no. 4, pp. 80-84.
20. Forsie J., Bissex P., Tub W. Django. Razrabotka veb-prilozheniy na Python [Development web appendices on Python]. Moscow, Symbol-Plus Publ., 2009. 456 p.
21. Kuznetsov G. V., Baranovskiy N. V. Focused sun's rays and forest fire danger: new concept. Proceedings of SPIE, 2013, vol. 8890, paper 889011. doi: 10.1117/12.2033929.
22. Morisette J. T., Giglio L., I., Justice C. O. Validation of the MODIS active fire product over Southern Africa with ASTER data. International Journal of Remote Sensing, 2005, vol. 26, no. 19, pp. 4239-4264.
23. Baranovskiy N. V., Zharikova M. V. Geoinformatsionnyye tekhnologii v prognozirovanii pozharnoy bezopasnosti selskikh naselennykh punktov [Geoinformation technology in forecasting of fire safety of rural settlements]. Pozharovzryvobezopasnost — Fire and Explosion Safety, 2012, vol. 21, no. 11, pp. 71-80.
24. Khodakov V. E., Zharikova M. V., Baranovskiy N. V., Lyashenko E. N. Proekt Web-orientirovan-noy geoinformatsionnoy sistemy lesnogo khozyaystva [Project of the web-oriented geoinformation system of a forestry]. Vestnik Khersonskogo natsionalnogo tekhnicheskogo universiteta — Bulletin of the Kherson National Technical University, 2012, no. 1, pp. 72-81.
