CC BY
24
УДК630.43 (571.51)
КАЛИБРОВКА ПЛОЩАДНЫХ ХАРАКТЕРИСТИК ЛЕСНЫХ ПОЖАРОВ, ДЕТЕКТИРУЕМЫХ ДИСТАНЦИОННЫМИ МЕТОДАМИ
Е.И. Пономарёв1, Е.Г. Швецов1, В.А. Иванов2
'Институт леса им. В.Н. Сукачева СО РАН, 660036 Красноярск, Академгородок, 50/28; e-mail: evg@ksc.krasn.ru 2Сибирский государственный технологический университет, 660049 Красноярск, пр. Мира, 82, е-mail: lhf@sibstu.kts.ru
В работе описывается технология калибровки и нормировки площадей лесных пожаров в банке данных спутникового мониторинга. Использована методика сопряженного геопространственного анализа на основе материалов съемки среднего (Landsat 7, 8) и низкого пространственного разрешения (TERRA/Modis). Выявлен уровень относительной ошибки при оценке площадей пожаров в зависимости от геометрических и площадных характеристик детектируемых пожаров. Для нормировки площадей предложено уравнение регрессии и определены соответствующие коэффициенты. Процедура снижает уровень ошибки в итоговых статистиках и повышает степень достоверности информации проводимого спутникового мониторинга в сравнении с альтернативными источниками данных. Обсуждается точность регистрации контура гари дистанционными средствами низкого пространственного разрешения. Коррекция итоговых площадей пожаров в Сибири в различные пожароопасные сезоны составила 29 — 42%.
Ключевые слова: дистанционный мониторинг пожаров, площадные характеристики пожара, относительная ошибка, уравнение регрессии, ГИС, калибровка.
The paper describes a technology for calibrating and normalizing of wildfire areas in the satellite monitoring fire database. We used the methodology of conjugate geospatial analysis of the satellite remote data with moderate resolution (Landsat 7, 8) versus to data with low spatial resolution (TERRA/Modis). Relative error variety was estimated for the assessment of fire scar areas by means of remote sensing imagery preprocessing. Regression equation and coefficients for normalizing of wildfire areas are described. The procedure reduces the relative error of the total burned areas and increases the reliability of satellite monitoring data compared to alternative sources of the wildfire information. We discuss the accuracy of contouring of fire scars after the procedure of low spatial resolution imagery processing also. Proposed technology allows correcting the total area of wildfires in Siberia up to 29 — 42% for seasons characterized by different fire danger levels.
Keywords; remote monitoring ofwildfires, area characteristics, relative error, regression equation, GIS, calibration
ВВЕДЕНИЕ
Спутниковые методы обнаружения и слежения за развитием лесных пожаров в нашей стране активно развиваются и применяются на практике на протяжении последних двадцати лет. Сегодня дистанционные данные составляют важную часть системы мониторинга пожаров растительности в России. Практическая значимость результатов дистанционного мониторинга пожаров общепризнанна, как в России, так и за рубежом.
Современная практика использования спутниковых данных доказывает несостоятельность мнения об ограниченных возможностях спутниковых методов или даже неприменимости их в задачах мониторинга лесных пожаров. Совершенствование системы учета лесных пожаров в современных условиях требует организации многоуровневой системы сбора данных о пожарах, оперативного слежения за их динамикой и последствиями. Такой подход позволяет повышать эффективность принимаемых управленческих решений. На сегодняшний день более 51% тер-
ритории лесного фонда отведено под спутниковый мониторинг (Барталев и др., 2008; Андреев, Брюханов, 2011). Важнейшие национальные системы регистрации и учета лесных пожаров включают данные, получаемые на основе обработки спутниковой съемки. На данный момент существует несколько систем учета, работающих на федеральном уровне. Это, прежде всего, ИСДМ-Рослесхоз, которая была внедрена в практику в 2005 г. (Барталев и др., 2008; Барталев и др., 2012), а также, работающая с начала 2000-х годов система «Каскад», использующаяся подразделениями МЧС РФ (Кудрин, Резников, 2006). Уместно напомнить, что первый банк данных о лесных пожарах, фиксируемых спутниковыми методами, был создан в красноярском Институте леса им. В.Н. Сукачева СО РАН (Сухинин, 1996, Барталев и др., 2008). Материалы были получены посредством ежедневной обработки данных спутниковых съемок с аппаратов ШАА/АУНЯК (с 1996 года) и ТЕККА/МоШв (с 2007 года), выполняемых в Центре коллективного пользования Красноярского научного центра СО РАН Ин-
ститутом леса СО РАН. Сегодня этот банк данных содержит информацию о пожарах растительности на азиатской части России за период 1996 -2013 гг. (Пономарев, Швецов, 2013).
Дальнейшее развитие системы противопожарного мониторинга лесов подразумевает увеличение доли дистанционных средств и привлечение инновационных информационных технологий при учете и обработке данных о лесных пожарах. При этом востребованность такой информации при решении глобальных задач, связанных с оценками ущерба или степени нарушенности территорий, моделированием углеродного баланса в современных условиях или мониторингом пожарных эмиссий, требуют повышения точности пространственных и площадных характеристик пожаров в базе данных (БикЫшп ег а1., 2003; Ьоир1ап ег а1. 2006; Кикаувкауа ег а1., 2013; Пономарев, Иванов, 2012; Пономарев, Швецов, 2013). Оценка точности дистанционных данных при сравнении с «истинными» значениями площадей пожаров — важная задача, которая решается на основе различных подходов, как в России (Егоров и др., 2008; Бар-талев и др., 2012), так и за рубежом (Коу ег а1., 2008; игЬапвЫ ег а1., 2009, игЬашк ег а1., 2011; Регкоу ег а1., 2013). По нашему мнению, невязки результатов во многом определяются технологическими подходами, используемыми при формировании банков данных спутникового детектирования пожаров. Поэтому уже описанные алгоритмы могут быть не применимы для калибровки информации альтернативных уникальных банков данных.
В работе описывается технология калибровки площадей пожаров банка данных Института леса СО РАН, формируемого дистанционными методами. Процедура необходима для снижения уровня ошибки в итоговых статистиках и повышения степени достоверности информации в сравнении с альтернативными источниками. Кроме того, в данной работе обсуждается точность регистрации контура гари дистанционными средствами низкого пространственного разрешения.
РАЙОН ИССЛЕДОВАНИЙ
В работе анализировался банк данных лесных пожаров для территории Сибири за период 2011 -2013 гг. Территория исследований (55 - 70 ° с.ш., 85 -150° в.д.) охватывает 4 лесных района таежной зоны и притундровых лесов (Приказ МПР РФ, №68, 2007). Рассматриваемые районы имеют существенные различия, в том числе, в породном составе лесов.
В Среднесибирском плоскогорно-таежном, Восточно-Сибирском таежном мерзлотном и Восточно-Сибирском притундровом районах доминируют лиственничники. Пожароопасный сезон в этих районах длится около 70 дней. Наибольшее количество
возникающих пожаров (до 75 - 80 %) приходится на июнь, июль. Пожары по форме устойчивые. Свыше 80 % пожаров возникают от гроз.
В Приангарском лесном районе преобладают светлохвойные леса (сосновые 40 %, лиственничные 23 %). Продолжительность пожароопасного сезона здесь составляет до 140 дней. Пожары регистрируются с мая по сентябрь, основное их количество приходится на май, июнь и июль. В весенний период преобладают пожары беглой формы, а летом — устойчивые пожары. Основной причиной возникновения пожаров в рассматриваемом районе также являются грозы (45%). В целом, по данным долговременного спутникового мониторинга пожаров территория характеризуется высокой горимо-стью, а в последние десять лет здесь наблюдается увеличение числа пожаров, которые достигают экстремальных размеров. По современной классификации (Андреев, Брюханов, 2011) в зоне, относимой к спутниковому мониторингу, выделяется категория крупных пожаров, площади которых превышают 2000 га.
ИСХОДНЫЕ ДАННЫЕ И МЕТОДЫ
ОБРАБОТКИ
Мониторинг пожаров в оперативном режиме осуществляется с использованием данных, поступающих от спутниковых систем мониторингового назначения (NOAA/AVHRR, TERRA/Modis), обеспечивающих многократность съемки, широкий охват территории и широкий спектральный диапазон. При этом пространственная разрешающая способность данных — не выше 500 - 1000 м, это техническое ограничение определяет точность привязки и точность оценки площадей пожаров.
Применяемый алгоритм оценки площади и картирования полигона пожара основан на регистрации пикселей, содержащих очаги активного горения, на серии спутниковых изображений. Термически активные зоны, обнаруживаемые во время последовательных спутниковых съемок, объединяются в пожарные полигоны на основании анализа критериев расстояния и временного интервала. Первым этапом процесса является контекстуальное обнаружение очагов пожаров. Вычисляются значения отражательной способности и яркостной температуры в каналах радиометра, соответствующих ближней (0,8 — 0,9 мкм), средней (3,5 — 4 мкм) и дальней (11 — 12 мкм) инфракрасной области спектра. Над полученными данными выполняется ряд тестов, позволяющих выделить так называемые «пожарные пиксели» (Giglio et. al., 2003; Justice et.al., 2006). Результатом выполнения данного этапа является массив пикселей, соответствующих тепловым аномалиям и термически активным зонам.
Далее средствами геоинформационных систем (ГИС) пожарные пиксели, соответствующие дан-
ному пожару в течение всего периода наблюдений, объединяются. Формируется векторный полигональный слой зафиксированных пожаров, предназначенный для тематической обработки в ГИС. Для этого выполняется поиск пожарных пикселей, расположенных на расстоянии не более 1 - 3 км и соответствующих временному интервалу развития пожара. Выявленная таким образом серия регистра-ций термически активных зон рассматривается как различные стадии горения пожара и объединяется в соответствующий полигон (Швецов, 2012). Важнейшими атрибутивными данными каждого полигона являются: координаты центра, дата начала и окончания пожара, административно-территориальная принадлежность, а также площадь полигона.
В качестве данных для калибровки площадей участков, пройденных огнем, в работе использовалась съемка территории исследований, выполненная со спутников Landsat-7 и Landsat-8. Эти материалы относятся к данным среднего пространственного разрешения (до 30 м), что позволяет с достаточной степенью точности выделить границы гарей, а также оценить их площади.
В работе было использовано 23, 19 и 70 сцен съемки аппаратурой Landsat за пожароопасные сезоны 2011, 2012, 2013 гг. соответственно. Отдельные полигоны пожаров, при наличии соответствующих снимков, выполненных в разные моменты времени, рассматривались в динамике.
Сцены дешифрировались с выделением контуров гарей, привязкой к датам пожаров на основе результатов ежедневного мониторинга системой TERRA/ Modis, а также с расчетом площади участков, пройденных огнем. Точность геометрических характеристик гарей составляла не ниже 10 м, а достоверность оценки площади - не ниже 0,95. Дешифровочные признаки пожаров зависят от размеров гари, длительности пожара и степени поражения растительности. Сильным лимитирующим фактором при работе с данными среднего пространственного разрешения являются условия съемки, так как в отличие от систем спутникового мониторинга, банк данных съемки Landsat не располагает многократными повторами сцен на интересующую территорию.
Средствами ГИС проведен сопряженный анализ результатов дешифрирования съемки Landsat и полигонального слоя пожаров по данным TERRA/ Modis. По результатам геопространственного анализа полигональных слоев гарей и абриса серий термически активных зон вычислены значения относительной ошибки дистанционного определения площади в отношении к «истинному» значению гари, в качестве которого принимались результаты дешифрирования сцен Landsat. Дополнительно анализировалась величина геометрической невязки итогового контура пожара, как отношение линейных размеров контуров пожара (LMODIS/LLandsat)
по дистанционным данным низкого и среднего пространственного разрешения. На основе анализа величины относительной ошибки выделены категории пожаров, для каждой из которых предложено уравнение регрессии, предназначенное для калибровки площадных характеристик. Результаты проведенной процедуры дешифрирования позволили использовать в работе банк данных из 87, 84 и 118 полигонов пожаров за 2011, 2012 и 2013 гг. Выборка составляла 5% от общего числа пожаров на рассматриваемой территории и позволила получить достоверную статистическую характеристику генеральной совокупности с заданным уровнем значимости 95%. Выбранные полигоны соответствовали пожарам различных площадных категорий, с наименьшей зафиксированной площадью 19 га и экстремально крупным пожарам с площадями более 50 тыс. га. Технология калибровки данных была использована для пересчета итоговых статистик пожаров в Сибири за рассматриваемый период времени.
РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ
Для выборки лесных пожаров состоящей из 289 полигонов получено распределение относительной ошибки при оценке площади гари (рисунок 1), которое описывается степенной функцией (достоверности аппроксимации данных К2 = 0,63). Соответствующее уравнение регрессии имеет вид
ОТ 1 -0,43
у = 23,1- х
где х — площадь пожара, у — величина относительной ошибки.
Относительная ошибка при дистанционной оценке площади зависит и определяется пространственно-геометрическими и площадными характеристиками пожара.
Для малоразмерных пожаров (20<Б<100 га) величина средней относительной ошибки при дистанционной оценке площади составила 6,5, а вариация значений по рассматриваемой выборке - от 2 до 12. Категория пожаров с площадями до 2000 га характеризовалась относительной ошибкой в среднем 2,4, при этом фиксировались значения в диапазоне 0,4 - 5,5. Средние относительные ошибки 0,5 и 0,15 зафиксированы для случаев дистанционной оценки площадей крупных (до 50 тыс. га) и экстремально крупных пожаров (> 50 тыс. га) соответственно.
Обсудим факторы, определяющие величину относительной ошибки при дистанционной оценке площадей пожаров различных категорий.
Очевидно, что используемое пространственное разрешение 1000 м не достаточно для того, чтобы непосредственно фиксировать контуры гари и площадные характеристики источника излучения на ранней стадии развития пожара или в случае кра-
тковременного события, развивающегося на малых площадях. Однако можно опосредованно вычислять площадь высокотемпературной зоны горения, например, используя алгоритм Dozier (Dozier, 1981). С другой стороны, технические ограничения аппаратуры позволяют определить и зафиксировать такой минимальный пожар в векторной базе данных полигоном, размером не менее одного квадратного километра, что соответствует площади 100 га. Отсюда 10 -14 кратное завышение площадей малоразмерных (S<20 га) источников излучения. Данную категорию пожаров составляют возгорания нелесных территорий, например, на землях сельскохозяйственного назначения. Подавляющее большинство таких пожаров приходится на весенний период в зоне степи и лесостепи. В работе (Пономарев, Швецов, 2013) показано, что данная категория пожаров успешно классифицируется в общей базе данных и может быть исключена из итоговой статистики лесных пожаров. Величина геометрической невязки истинного контура пожара в этих случаях достоверно не определяется. Данную категорию пожаров, по нашему мнению, уместно отображать в формате точечного векторного покрытия. В тоже время контуры пожаров, имеющих площади 100 га и более, уже могут быть зафиксированы существующими методами не только как точечные объекты, но и как одно- или двухпиксельный полигон, однако, с 6 - 8 кратным завышением площади.
1С S
В
10,0
1,0
0,1
наблюдения термически активных зон, что приводит к завышению площадной характеристики. Геометрическая невязка с увеличением площади рассматриваемых пожаров данной категории варьирует от 0,56 до 0,88. Контур полигона, при использовании указанной величины невязки в качестве коэффициента геометрического преобразования, может быть скорректирован относительно формы истинного контура гари средствами ГИС.
Крупные и экстремально крупные пожары, которые по статистике составляют более 90% площадей, повреждаемых огнем, наиболее точно детектируются существующими методами, при этом достаточная степень точности наблюдается и в оценке площади и в геометрии итогового контура гари. Следует отметить, что в данной категории пожаров наблюдаются отдельные случаи занижения площади, обусловленные, как правило, отсутствием погодных условий для съемки термически активных зон на завершающем этапе развития пожара. По данным долговременных наблюдений наиболее крупноразмерные пожары локализуются и гаснут в условиях циклонической активности, фронтальной облачности и обильных осадков, что не благоприятствует дистанционной спутниковой съемке. Отношение линейных размеров контуров пожаров — не ниже 0,95. Форма полигона фактически повторяет форму истинного контура гари.
На основе описанных результатов анализа были получены соотношения для калибровки площадей пожаров, определяемых дистанционно. Было использовано уравнение регрессии линейного вида, обеспечивающее достоверность аппроксимации 0,76 - 0,89. Коэффициенты, определенные для различных категорий пожаров, представлены в таблице 1.
Таблица 1 - Относительная ошибка оценки площади, геометрическая невязка контура гари и коэффициент калибровки.
„ Усредненная Гео- тг . .
Верхняя гра- Коэффи-
.. относительная метри-
№ ница площади- 1 циент ка-
ошибка оценки ческая -
пожара, тыс. га либровки
площади невязка
0,0
10 100 1000 10000 100000 1000000
S, га
Рисунок 1 - Относительная ошибка при дистанционной оценке площади пожара.
Для пожаров площадью до 20 тыс. га относительная ошибка определяется в первую очередь используемой технологией ГИС-обработки многократных наблюдений термически активной зоны. При пространственном совмещении серии наблюдений пожара точность привязки отдельных полигонов оценивается не выше 500 м, что также определяется техническими характеристиками используемого оборудования. В качестве итогового полигона пожара вычисляется сумма всех полигонов за время
1 <0,02 14,5 не опре- не опреде-
делена лен
2 <0,2 6,5 0,36 0,3
3 <2 2,4 0,62 0,41
4 <50 0,5 0,88 0,77
5 >50 0,15 0,95 ~ 1
Полученные коэффициенты были применены для нормировки итоговых площадей пожаров, зафиксированных дистанционными средствами, на территории азиатской части России за период 2010 — 2013 гг. (рисунок 2). В долговременной статистике лесных пожаров (1996 — 2013 гг.), собранной в базе данных Института леса СО РАН, этот период характеризуется экстремальными показателями, как числа
пожаров, так и общих площадей пройденных огнем (Пономарев, Швецов, 2013).
40
30
i I
,п 20
10
□ а) 0б)
2010
2011
2012
2013
Год
Рисунок. 2 - Результат применения процедуры нормировки статистики площадей пожаров, полученных дистанционными методами: а — исходные данные, б — после процедуры пересчета
После процедуры нормировки данных о площадях пожаров итоговые значения для каждого из рассмотренных пожароопасных сезонов 2010 - 2013 снизились на 29 - 42%, в среднем величина снижения суммарной площади составила 36%. Полученные результаты согласуются с уже описанными в литературе (Егоров и др., 2008; Ре1коу е1 а1., 2013; Кикаувкауа е1 а1., 2013), в частности, эмпирическое соотношение (Барталев и др., 2012), используемое для нормировки площадей пожаров дает сопоставимый уровень коррекции. Таким образом, предложенный подход применим на практике, и может быть использован для коррекции всего собранного банка данных спутникового мониторинга за 1996 -2013 гг.
ВЫВОДЫ
Получены калибровочные коэффициенты, необходимые для нормировки площадных характеристик пожаров в базе данных спутникового мониторинга. Для рассмотренных категорий пожаров коэффициенты, использующиеся в уравнении линейной регрессии, равны 0,3, 0,41, 0,77 и 0,98 в зависимости от площади. Использование предложенной процедуры позволяет снизить уровень неточности в итоговых статистиках о площадях пожаров, а величина коррекции итоговых площадей в различные пожароопасные сезоны варьирует в диапазоне 29 - 42%.
Кроме того, установлено, что геометрическая форма полигона пожара, определяемая дистанционными методами, начиная с категории крупных пожаров (Б>2 тыс. га), согласуется с «истинной» формой контура гари, а возможная невязка может быть скорректирована геометрическим преобразованием векторного слоя полигонов пожаров в ГИС. Такая
процедура повышает достоверность последующих
геопространственных вычислений, связанных с оценкой нарушенности лесов пожарами.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
Андреев, Ю.А. Профилактика, мониторинг и борьба с природными пожарами (на примере Алтае-Саянского экорегиона): Справочное пособие. / Ю.А. Андреев, А.В. Брюханов. - Красноярск, 2011. - 272 с.
Барталев, С.А. Информационная система дистанционного мониторинга лесных пожаров Федерального агентства лесного хозяйства РФ (состояние и перспективы развития) / С.А. Барталев, Д.В. Ершов, Г.Н. Коровин, Р.В. Котельников, Е.А. Лупян, В.Е. Щетинский // Современные проблемы дистанционного зондирования Земли из космоса. Сб. научных статей. М.: Азбу-ка-2000, 2008. Вып. 5. Т. II. С. 419 - 429.
Барталев, С.А. Оценка площади пожаров на основе ком-плексирования спутниковых данных различного пространственного разрешения MODIS и Landsat-TM/ ЕТМ+ / С.А. Барталев, В.А. Егоров, В.Ю. Ефремов, Е.А. Лупян, Ф.В. Стыценко, Е.В. Флитман // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9, №2. С.9- 26.
Егоров, В.А. Сравнительный анализ результатов детектирования пройденных огнем площадей территории Северной Евразии по данным SPOT-Vegetation и Terra-MODIS / В.А. Егоров, С.А. Барталев, Е.А. Лупян, Ф.В. Стыценко // Современные проблемы дистанционного зондирования Земли из космоса. Сб. научных статей. М.: Азбука-2000, 2008. Вып. 5. Т. II. С. 292 - 296.
Кудрин, А.Ю. Аэрокосмическая система мониторинга пожарной обстановки / А.Ю. Кудрин, В.М. Резников // Технологии гражданской безопасности, 2006, №4(10). -С. 56-62.
Пономарев, Е.И. Спутниковый мониторинга динамики экстремальных пожаров / Е.И. Пономарев, В.А. Иванов //Хвойные бореальной зоны, 2012, том XXXI, №3 -4.-С. 307-311.
Пономарев, Е.И. Характеристики категорий пожаров растительности в Сибири по данным спутниковых и других наблюдений / Е.И. Пономарев, Е.Г. Швецов // Ис-след. Земли из космоса. - 2013, №5, с. 45 — 54.
Сухинин, А.И. Система космического мониторинга лесных пожаров в Красноярском крае / А.И. Сухинин // Сибирский экологический журнал. 1996. Т. 3., №1. -С. 85 -92.
Швецов, Е.Г. Вероятностный метод спутникового обнаружения и контроля энергетических параметров пожаров в лесах Восточной Сибири: автореф. дисс. ... канд. техн. наук: 05.11.13. / Е.Г. Швецов. - Красноярск, 2012.-20 с.
Dozier, J. A method for satellite identification of surface temperature fields of sub-pixel resolution / J. Dozier // Remote Sensing of Environment, 1981. Vol.11. p. 221229.
Giglio, L. An Enhanced Contextual Fire Detection Algorithm for MODIS / L. Giglio, J. Descloitres, C.O. Justice, Y.J. Kaufman // Remote Sensing of Environment. - 2003. Vol.87. p. 273-282.
Justice, C.O. Algorithm Technical Background Document. MODIS Fire Products (Version 2.3, 1 October 2006) / C.O. Justice, L. Giglio, L. Boschetti, D. Roy, I. Csiszar, J. Morisette, Y. Kaufman // EOS ID# 2741, 2006.
0
Kukavskaya, E. Fire Emissions Estimates in Siberia: Evaluation of Uncertainties in Area Burned, Land Cover, and Fuel Consumption / E. Kukavskaya, A. Soja, A. Petkov, E. Ponomarev, G. Ivanova and Susan Conard // Canadian Journal ofForest Research. 2013, 43(5): 493-506 Loupian, E.A. Satellite Monitoring Of Forest Fires in Russia at Federal And Regional Levels. / E.A. Loupian, A.A. Mazurov, E.V. Flitman, D.V. Ershov, G.N. Korovin et. al. // Mitigation and Adaptation Strategies for Global Change. 2006, 11,1:113-145. Petkov, A. Evaluating the accuracy of a MODIS direct broadcast algorithm for mapping burned areas over Russia / A. Petkov, Wei Min Hao, B. Nordgren, R. Corley, S. Urbanski, E. Ponomarev //16 Int. Boreal Forest Research Association Conference. - Edmonton, Alberta, Canada, 2013.- P. A56. Roy, D.P. The collection 5 MODIS burned area product -Global evaluation by comparison with the MODIS active
fire product / D.P. Roy, L. Boschetti, C.O. Justice, and J. Ju. // Remote Sensing ofEnvironment, 2008, 112, 3690-3707.
Sukhinin, A.I. The 2002 Fire season in the Asian part of the Russia Federation: A view from space. / A.I. Sukhinin, V.V. Ivanov, E.I. Ponomarev, O.A. Slinkina, A.V. Cherepanov, E.A. Pavlichenko, V.Y Romasko and S.I. Miskiv // Int. Forest Fire News, 2003, 28.-P.18- 28.
Urbanski, S.P. A MODIS direct broadcast algorithm for mapping wildfire burned area in the western United States / S.P. Urbanski, J.M. Salmon, B.L. Nordgren, and W.M. Hao // Remote Sensing ofEnvironment, 2009, 113, 2511-2526.
Urbanski, S.P. The wildland fire emission inventory: western United States emission estimates and an evaluation of uncertainty / S.P. Urbanski, W.M. Hao, and B. Nordgren // Atmos. Chem. Phys., 2011, 11, 12973-13000. doi:10.5194/ acp-11-12973-2011.
Работа выполена при финансовой поддержке РНФ, научный проект № 14-24-00112
Поступила в редакцию 11.02.13 Принята к печати 03.12.13
