Барабаш, Олег ВолодимировичБандурка, Олена Іванівна2022-06-092022-06-092022Барабаш О. В. Моделювання лісових пожеж на основі прогностичної моделі Байєса та геоінформаційних технологій / О. В. Барабаш, О. І. Бандурка // Сучасні інформаційні системи = Advanced Information Systems. – 2022. – Т. 6, № 1. – С. 19-26.https://repository.kpi.kharkov.ua/handle/KhPI-Press/57149Сьогодні різноманітну інформацію про лісові екосистеми можна отримати за допомогою методів дистанційного зондування Землі. Використання космічних даних моніторингу лісів є економічно вигідним тому, що дозволяє швидко отримувати об’єктивну інформацію, необхідну лісівникам для вирішення практичних задач. Супутникові дані забезпечують широке охоплення лісових угідь, високу точність результатів, а також високу частоту отриманих даних. Для дослідження було обрано космічні знімки території Овруцького району Житомирської області України влітку 2020 року. Визначення породного складу проведено методами керованої класифікації, а саме класифікатором Байєса. Встановлено, що 70% лісів є сосновими, у меншій кількості зустрічаються осикові, грабові, березові, вільхові та ясеневі породи дерев. За статистичними даними впродовж 2000-2020 рр. в Україні було пошкоджено і знищено лісовими пожежами 51,4 тис. га лісових насаджень. Тому об'єктивна і своєчасна інформація про наслідки пожеж необхідна для вирішення широкого класу прикладних завдань лісового господарства. Важливим завданням при оцінці еколого-економічного збитку, нанесеного лісовому господарству внаслідок лісових пожеж, є визначення площі пошкоджених лісів. У роботі розглядається технології визначення території лісу, де пройшла пожежа, з використанням космічних знімків супутника Landsat 8. Для виявлення спалених пожежею територій та рівнів враження використовується нормалізованого індексу згарища NBR до та після пожежі й індекс DNBR. Для прогнозування лісових пожеж створена математична модель на основі теореми Байєса та створена тематична карта з класами пожежної небезпеки поквартально. Для перевірки точності результатів створеної прогнозної моделі проведено суміщення тематичної карти з шаром визначених територій згарищ. Даний програмний продукт є досить гнучким та універсальним, він може бути легко адаптованим для застосування не тільки для визначення спалених лісових угідь, а й для інших територій.Today, a variety of information about forest ecosystems can be obtained using remote sensing methods. The use of space data for forest monitoring is costeffective because it allows you to quickly obtain the objective information needed by foresters to solve practical problems. Satellite data provide wide coverage of forest lands, high accuracy of results, as well as high frequency of data obtained. Space images of the Ovruch district of the Zhytomyr region of Ukraine in the summer of 2020 were selected for the study. Determination of breed composition was carried out by the methods of controlled classification, namely the Bayesian classifier. It was found that 70% of forests are pine, less aspen, hornbeam, birch, alder and ash tree species. According to statistics, during 2000-2020, 51.4 thousand hectares of forest plantations in Ukraine were damaged and destroyed by forest fires. Therefore, objective and timely information on the consequences of fires is needed to solve a wide range of applied problems of forestry. An important task in assessing the environmental and economic damage caused to forestry as a result of forest fires is to determine the area of damaged forests. The paper considers technologies for determining the area of theforest where the fire took place, using space images of the Landsat 8 satellite. The normalized NBR fire index before and after the fire and the DNBR index are used to identify areas burned by fire and impression levels. To predict forest fires, a mathematical modelbased on Bayes' theorem was created and a thematic map with fire hazard classes on a quarterly basis was created. To check the accuracy of the results of the created forecast model, the thematic map was combined with a layer of defined fire areas. This softwareproduct is quite flexible and versatile, it can be easily adapted for use not only to identify burned forest lands, but also for other areas.ukмоделювання лісових пожежінформаційна системакосмічні знімкидистанційне зондування ЗемліQuantum GISіндекс згарищформула Байєсаймовірність виникнення пожежinformation systemspace imageryremote sensing of the Earthfire indexBayesian formulaprobability of fireArticledoi.org/10.20998/2522-9052.2022.1.03https://orcid.org/0000-0003-1715-0761https://orcid.org/0000-0002-8059-1861