Глобальный поиск Единое окно поиска по РИД и запросам

Использование технологий искусственного интеллекта для оценки индексов состояния лесных массивов на территории Республики Алтай

Название НИОКТР Использование технологий искусственного интеллекта для оценки индексов состояния лесных массивов на территории Республики Алтай
Аннотация По данным Федерального агентства лесного хозяйства за 2023 год в России было зарегистрировано 12765 лесных пожаров на общей площади 4545925,74 Га. Антирекордсменами этой статистики являются Дальневосточный, Уральский и Сибирский федеральный округа, где зафиксировано 3726, 3438 и 2750 пожаров соответственно. Проблема раннего обнаружения и предупреждения лесных пожаров для оперативного ограничения их распространения является актуальной как в нашей стране, так и за рубежом. В связи с этим, существует спрос на инновационные решения, помогающие справиться с огнем. Для предотвращения лесных пожаров во многих странах мира осуществляется целый комплекс мер, включающий, в первую очередь, разработку индексов и систем оценки пожарной опасности в лесах. Так, например, в режиме реального времени существует система CFFDRS, в США работает национальная система NFDRS, в Европейской рабочей системе функционирует EFFIS. Начало создания систем данных было положено еще в 70-е годы прошлого столетия. Принцип подобных разработок основан на анализе многолетних статистических данных о возникновении пожаров. Говоря о зарубежных странах, то при построении оценок пожарной опасности первоначально использовалось огромное количество эмпирических данных, основанных на изучении условий возникновения пожаров именно для исследуемых мест, и поэтому область применения международных методов ограничивается только лесами тех стран, для которых велись разработки. Успех использования традиционных систем подтвержден только для ландшафтных зон с определенным климатом, структурой лесов, населенностью территории и т.п. В России в качестве ГОСТа, позволяющего прогнозировать степень пожарной опасности для лесных массивов, применяется одна из вариаций критерия Нестерова, (введен в 1976 году). Пожароопасный сезон на территории Республики Алтай проходит примерно с 23 марта по 20 октября и создание научно обоснованной системы прогноза пожарной опасности с учетом метеорологических факторов (скорость ветра, солнечное излучение, температура воздуха и окружающей среды, относительная влажность воздуха), антропогенной (костры, преднамеренные поджоги, искры от транспорта и т.д.) и природной (пожары от молний при ветровых грозах) нагрузок, физических процессов (сушка растительных горючих материалов (РГМ), теплообменный слой РГМ с постоянным течением и др.) происходящих в слое горючего растительного материала, продолжает оставаться актуальной задачей. Также следует отметить, что, применяющийся на практике принцип эмпирического индекса Нестерова, не имеет строгого физического смысла и лишь косвенно связан с реальными физическими процессами, вследствие которых происходит зажигание РГМ и возникновение лесных пожаров. Возможно, «неприменимость» на практике большинства существующих математических моделей, особенно для горных территорий, к которым можно отнести и Республику Алтай, связана с тем, что подавляющее большинство разработанных методов основано на очень усредненных метеоданных. В нашем подходе для исправления положения необходимо обеспечить ситуации распределенного мониторинга параметров, входящих в уже существующие модели предсказания лесных пожаров. И это касается не только получения метеопараметров для каждого обособленного горного района или межгорной котловины, но и получения информации о динамике развития и распространения антропогенного фактора. Для повышения достоверности вероятностных прогнозов, основанных на оценке грозовой активности с использованием данных WWLLN, обеспечивающей точность фиксации «атмосфериков» порядка 10-15%, можно было бы порекомендовать использование данных из распределенных пунктов, оснащённых электростатическими флюксметрами. Также необходимо учитывать современные методы мониторинга пожаров, базирующиеся на исследовании инфразвуковых сигналов. Кроме того, необходимо расширять область применения, как технологий получения аэрофотоснимков, так и методов их обработки с использованием технологий компьютерного зрения и распознавания образов.
Доступ к ОКОГУ исполнителя False
Количество связанных РИД 3
Количество завершенных ИКРБС 0
Сумма бюджета 3000.0
Дата начала 2025-05-21
Дата окончания 2026-12-31
Номер контракта 25-21-20126
Дата контракта 2025-05-21
Количество отчетов 2
УДК 004.89:004.4
Количество просмотров 14
Руководитель работы Сафонова Варвара Юрьевна
Руководитель организации Павлов Евгений Владимирович
Исполнитель ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "ГОРНО-АЛТАЙСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ"
Заказчик Российский научный фонд
Федеральная программа Отсутствует
Госпрограмма Инициативные фундаментальные и поисковые научные исследования, финансируемые фондами поддержки научной и научно-технической и инновационной деятельности
Основание НИОКТР Грант
Последний статус 2025-07-15 12:38:15 UTC, 2025-07-15 12:38:15 UTC
ОКПД Услуги, связанные с научными исследованиями и экспериментальными разработками в области компьютерных наук и информационных технологий
Отраслевой сегмент
Минздрав
Межгосударственная целевая программа
Ключевые слова искусственный интеллект; нейросетевые модели; модель распределения пожаров по Республике Алтай; комплексный показатель пожароопасности лесов
Соисполнители
Типы НИОКТР Фундаментальное исследование
Приоритетные направления
Критические технологии
Рубрикатор 28.23.29 - Программная реализация интеллектуальных систем
OECD
OESR Компьютерные, информационные науки и биоинформатика (разработка аппаратного обеспечения относится к разделу 2.2, социальный аспект относится к разделу 5.8)
Приоритеты научно-технического развития а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;
Регистрационные номера ikrbs: {'card_list': [{'id': 'TQFW3VFZO74FBLR8BXWVQQ8A'}]}; nioktr: {'id': '9R6PVNQBK3HZPOC0WQSUSNYM'}; nioktr: {'id': 'Q2RA8RLPEK9ASG0YD4XKW3KD'}; nioktr: {'id': '22G2AXC6T96BFKUOWR0PSY1B'}