Цель:

Изучить и разработать методологию динамического геоинформационного картографирования пожарных режимов лесных экосистем на локальном уровне для обеспечения рационального природопользования лесных регионов России.

Задачи:

1. Разработка метода определения исторических пожарных режимов лесных экосистем на локальном уровне с привлечением архивных данных о пожарах на примере тестовой территории – Печоро-Илычского государственного биосферного заповедника и его окрестностей (Якшинское участковое лесничество), расположенных в Республике Коми на западном склоне Северного Урала;
2. Разработка метода определения современных пожарных режимов локального уровня по данным о пожарах, детектированных авиационными и наземными способами мониторинга, с привлечением карт наземных экосистем, созданных по спутниковым данным;
3. Создание и сравнительный анализ карт исторических и современных пожарных режимов лесных экосистем тестовой территории с использованием разработанных в рамках предложенного проекта методов;
4. Создание WEB-ГИС пожарных режимов лесных экосистем локального уровня.

Для определения и анализа пожарных режимов на локальном уровне была выбрана территория Печоро-Илычского биосферного заповедника и его окрестностей – Курьинского и Якшинского участковых лесничеств. Выбор исследуемой территории обусловлен наличием пространственных данных о пожарной истории (Алейников и др., 2015; Лупян и др., 2013; Drobyshev et al., 2004).

Печоро-Илычский заповедник является важным природным резерватом и входит в список природного наследия ЮНЕСКО как «Девственные леса Коми» совместно с национальным парком «Югыд ва». Территория заповедника представлена двумя участками – Уральский горный и Якшинский. Расположение территории на стыке двух физико-географических стран (Русской равнины и Уральской горной страны) обуславливает высокое разнообразие природных ландшафтов. На исследуемой территории проходит граница подзон средней и северной тайги, берут начало реки крупнейших речных бассейнов – Печоры, Волги, Северной Двины и Оби.

В геоморфологическом и ландшафтном плане территорию разделяют на три района с запада на восток: равнинный, предгорный и горный. Равнинный район расположен в пределах Печорской низменности со средними абсолютными значениями высот 95-150 метров. В ландшафте выражены водно-ледниковые и моренные равнины с полого-волнистым характером рельефа. Предгорный район характеризуется общим уклоном рельефа к западу и абсолютными высотами 220-250 метров. В восточной части выделяются две крупные гряды – западная (Высокая Парма) и восточная (Эбель-из, Валган-чугра, Ляга-чугра, Шежим-из) возвышенности. Средняя абсолютная высота вершин горного района составляет 750-850 метров, однако отдельные вершины поднимаются до 1000-1200 метров. (Варсанофьева, 1940).

Климат территории умеренно-континентальный, однако метеорологические показатели ландшафтных районов несколько отличны. Для равнинного района среднегодовая температура воздуха составляет -0.8^оС, на севере горного района -4^оС. Годовая сумма осадков в равнинном районе находится в диапазоне 500-800 мм, в горном – до 1000 мм (Забоева и др., 2013). Отметим также, что в горном районе на высоте 800-1000 м наблюдаются процессы морозного выветривания и криогенные явления в верхних почвенных горизонтах.

Растительный покров территории исследования варьируется в зависимости от ландшафтного района. Значительную часть равнинного района заповедника занимают болотные экосистемы с многочисленными кустарничками и зеленомошниковым покровом. В западной части района преобладают сосновые леса и болота Припечорской низменности (Гаврилюк и др., 2018). На территории предгорного района произрастают темнохвойные леса из ели сибирской с примесью пихты. Кроме того, встречаются вкрапления грядово-мочажинных болот, а также вторичные мелколиственные (береза, осина) и смешанные леса, представляющие разные стадии пирогенных сукцессий. В горном районе распространены темнохвойные леса, криволесья, луга, горные тундры и гольцы Северного Урала. На Якшинском участке заповедника и в пределах участковых лесничеств преобладают сосновые леса различных типов – лишайниковые, зеленомошные, сфагновые, а также встречаются болота верхового и переходного типов. В долинах рек Печоры, Илыча и их многочисленных притоков развиты сообщества лугов, заросли кустарников и болотные массивы грядово-мочажинных болот. В пойме реки Печоры произрастают первичные березняки травяного типа (Лавренко и др., 1995).

Руководитель:

Плотникова Александра Сергеевна, к.т.н., старший научный сотрудник ЦЭПЛ РАН

Исполнители:

Харитонова Анастасия Олеговна, младший научный сотрудник ЦЭПЛ РАН

Гаврилюк Егор Александрович, старший научный сотрудник ЦЭПЛ РАН

Плотников Дмитрий Евгеньевич, к.ф.-м.н., заведующий сектором, старший научный сотрудник ИКИ РАН

Алейников Алексей Александрович, к.б.н., старший научный сотрудник ЦЭПЛ РАН

Плотникова А.С.,  Харитонова А.О. Картографирование пожарных циклов Печоро-Илычского заповедника // Современные проблемы дистанционного зондирования Земли из космоса. 2020.  В печати.

Харитонова А.О., Плотникова А.С., Ершов Д.В. Современные и исторические пожарные режимы Печоро-Илычского заповедника и его окрестностей // Вопросы лесной науки. 2019. Т 2. № 3. С. 1-17. DOI: 10.31509/2658-607x-2019-2-3-1-17.

Plotnikova A.S., Kharitonova A.O. Identification of drainage basin borders at local spatial scale // Forest Science Issues. 2019. Vol. 2, No. 2, pp. 1-8. DOI: 10.31509/2658-607x-2019-2-2-1-8.

Плотникова А.С., Харитонова А.О., Ершов Д.В. Методология динамического геоинформационного картографирования пожарных режимов лесных экосистем на локальном уровне // АЭРОКОСМИЧЕСКИЕ МЕТОДЫ И ГЕОИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ЛЕСОВЕДЕНИИ, ЛЕСНОМ ХОЗЯЙСТВЕ И ЭКОЛОГИИ: Доклады VII Всероссийской конференции (Москва, 22-24 апреля 2019 г.) – М.: ЦЭПЛ РАН, 2019 г. С. 148-150.

Харитонова А.О., Плотникова А.С., Ершов Д.В. Современные и исторические пожарные режимы Печоро-Илычского заповедника и окрестностей // АЭРОКОСМИЧЕСКИЕ МЕТОДЫ И ГЕОИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ЛЕСОВЕДЕНИИ, ЛЕСНОМ ХОЗЯЙСТВЕ И ЭКОЛОГИИ: Доклады VII Всероссийской конференции (Москва, 22-24 апреля 2019 г.) – М.: ЦЭПЛ РАН, 2019 г. С. 168-170.

Харитонова А.О. Картографирование пожарных циклов лесных экосистем на локальном уровне (на примере Печоро-Илычского заповедника) // Ломоносов-2019: Материалы Международного молодежного научного форума (Москва, 8-12 апреля 2019 г.) [Электронный ресурс] – М.: МАКС Пресс.

Гаврилюк Е.А., Плотникова А.С., Плотников Д.Е. Картографирование наземных экосистем Печоро-Илычского заповедника и его окрестностей на основе восстановленных мультивременных спутниковых данных Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т.15. №5. С.141–153. DOI: 10.21046/2070-7401-2018-15-5-141-153.

Плотникова А.С., Ершов Д.В., Харитонова А.О. Использование пространственных данных для определения пожарных режимов лесных экосистем на локальном уровне // Сборник статей по итогам научно-технических конференций. ‒ Выпуск 9. – М.: МИИГАиК, 2018 / Приложение к журналу Известия вузов «Геодезия и аэрофотосъемка» С. 118-120.

Плотникова А.С., Харитонова А.О. Выделение границ водосборных бассейнов рек на локальном пространственном уровне // Вопросы лесной науки. 2018. Т 1. № 1. С. 1-10. DOI:10.31509/2658-607x-2018-1-1-1-10.

Гаврилюк Е.А., Плотникова А.С., Плотников Д.Е. Картографирование наземных экосистем Печоро-Илычского заповедника и его окрестностей на основе восстановленных мультивременных спутниковых данных LANDSAT // В сборнике: Региональные проблемы дистанционного зондирования Земли. Материалы V Международной научной конференции. Сибирский федеральный университет, Институт космических и информационных технологий. 2018. С. 87-91.

Плотникова А.С., Харитонова А.О., Ершов Д.В. Метод определения пожарных режимов лесных экосистем на локальном уровне // Научные основы устойчивого управления лесами: Материалы Всероссийской научной конференции. – М.: ЦЭПЛ РАН, 2018. С. 88-89.

Плотникова А.С., Харитонова А.О. Динамическое картографирование пожарных циклов лесных экосистем на территории Печоро-Илычского заповедника // Шестнадцатая Всероссийская открытая конференция “Современные проблемы дистанционного зондирования Земли из космоса”. Технологии и методы использования спутниковых данных в системах мониторинга. 2018. С. 428.

Плотникова А.С., Ершов Д.В., Харитонова А.О. Использование ГИС-технологий при картографировании пожарных режимов лесных экосистем Печоро-Илычского заповедника // Геодезия, картография, геоинформатика и кадастры. От идеи до внедрения. Сб. материалов II междунар. Науч.-практ. конф. 08-10 ноября 2017 г., Санкт-Петербург / Науч.ред. О.А. Лазебник. – СПб.: Политехника, 2017. С. 464-470.

Плотникова А.С., Ершов Д.В., Харитонова А.О., Бурцева В.С. Построение и использование границ бассейнов рек при картографировании пожарных режимов лесных экосистем Печоро-Илычского заповедника // Пятнадцатая Всероссийская открытая конференция “Современные проблемы дистанционного зондирования Земли из космоса”. Технологии и методы использования спутниковых данных в системах мониторинга. 2017. С. 384.

При создании карты растительности была использована цифровая модель высот ALOS World 3D ― 30 m (AW3D30) версии 2.1 в качестве источника информации о рельефе местности. Участки пропущенных значений в ЦМР ALOS заполнялись на основе альтернативной цифровой модели высот ASTER GDEM версии 2. Кроме значений высот сформированной ЦМР использовались стандартные производные показатели крутизны и ориентации склонов, также извлечённые из модели рельефа.

В качестве основы для формирования обучающей выборки для тематической классификации использована карта основных типов наземных экосистем Печоро-Илычского заповедника по состоянию на 2014 г. (далее ― Карта 2014 г.), созданная в рамках проекта РФФИ № 13-04-01521 (Ершов и др., 2017), а также актуальные данные проекта Global Forest Change о сомкнутости и изменениях лесного покрова (Hansen et al., 2013).

Исходный набор спутниковых данных состоял из 960 сцен Landsat (продукт уровня L2 для приборов ETM+ и OLI) из открытого архива Геологической службы США за период с 2014 по 2016 г., содержащих измерения спектральной яркости на уровне земной поверхности в трёх информативных для мониторинга растительности спектральных каналах ― красном (далее ― RED, 0,63−0,69 мкм), ближнем инфракрасном (NIR, 0,75−0,9 мкм) и первом среднем инфракрасном (SWIR, 1,55−1,75 мкм) с пространственным разрешением 30 м.

Предварительная обработка изображений включала в себя маскирование участков облачности и теней от неё модифицированным алгоритмом FMASK (Колбудаев и др., 2016), а также воссоздание временных серий безоблачных измерений на основе метода локализованного поиска объектов земной поверхности со схожей многолетней динамикой спектрально-отражательных характеристик. Указанный метод позволяет находить и выбирать наиболее подходящие спектрально-динамические эталоны восстанавливаемого объекта в процессе пространственно-временного анализа временных серий предварительно обработанных изображений Landsat. Прогнозирование значений коэффициентов спектральной яркости восстанавливаемого объекта происходит на основе известных спектрально-отражательных характеристик его эталонов и их весов, а также найденных в процессе поиска уравнений, описывающих спектрально-динамические связи внутри группы схожих объектов.

Восстановление изображений осуществлялось для всех дат съёмки, в достаточной мере обеспеченных безоблачными измерениями. Более подробно метод восстановления и условия его работы описаны, в частности, в работе (Плотников и др., 2018). Для формирования непрерывного и регулярного временного ряда на заключительном этапе использовался метод интерполяции временных серий скользящим полиномом второй степени (Плотников и др., 2014), который, помимо собственно интерполяции, также позволил вернуть часть пропущенных измерений, ошибочно отнесённых к облачности или теням от неё на этапе предварительной обработки. Каждый спектральный канал был восстановлен независимо от остальных.

В результате восстановления была сформирована временная серия ежедневных измерений в RED, NIR и SWIR диапазонах длин волн в интервале с 20 февраля по 1 октября 2016 г. на всю территорию исследования. Ежедневные данные далее были осреднены по условным сезонам, формируя четыре разносезонных трёхканальных композитных изображения (композита). Периоды были определены по результатам визуального анализа восстановленных изображений: до 10 мая («зима»), с 10 мая до 10 июня («весна»), с 10 июня до 10 августа («лето») и с 10 августа до 10 сентября («осень»). Для каждого композитного изображения также рассчитывались спектральные индексы NDVI и SWVI в качестве дополнительных признаков для тематической классификации.

Был использован объектно-ориентированный подход к классификации, подразумевающий предварительную сегментацию (выделение однородных участков) изображений, после которой все дальнейшие процессы тематической обработки проводятся на уровне сегментов, а не пикселей. Это позволило снизить влияние неоднородностей, артефактов и частичных пропусков данных в восстановленных композитных изображениях на результат последующей классификации. Границы сегментов были выделены автоматически по летнему композиту и ЦМР алгоритмом Full Lambda Schedule (Redding et al., 1999) с масштабом, равным 20 (величина, эквивалентная среднему размеру сегмента в пикселях изображения).

Из сегментов площадью не менее 1 га, полностью покрытых восстановленными разносезонными композитами, тематически однородных по Карте 2014 г. и не содержащих изменений по данным GFC, была сформирована обучающая выборка для последующей автоматической классификации спутниковых изображений. Из исходного набора классов Карты 2014 г. было выделено десять основных типов наземных экосистем, разграничение которых принципиально при оценке пожарных режимов: леса с преобладанием темнохвойных, светлохвойных и лиственных пород, смешанные хвойные (елово-сосновые) и хвойно-лиственные леса, горная тундра, болота, луга, открытые грунты (включая скалы и гольцы) и водные объекты.

Учитывая орографические особенности территории, с использованием ЦМР были выделены три дополнительных класса горных (высота более 500 м) темнохвойных, смешанных хвойно- лиственных и лиственных лесов для компенсации различий в спектральных характеристиках с равнинными и предгорными лесами тех же классов. Всего было получено 14 418 эталонных сегментов общей площадью 66,9 тыс. га (4,7 % от общей площади территории картографирования и менее 2 % от общего числа сегментов).

Тематическая классификация проводилась методом случайных лесов (Breiman, 2001) с базовыми статистическими метриками, рассчитанными в пределах каждого сегмента по всем исходным спектральным (каналы восстановленных композитных изображений и производные индексы) и орографическим (высота, крутизна и ориентация склонов) признакам в качестве переменных. Случайные леса позволяют оценивать информативность переменных и качество выстроенной на их основе классификационной модели. Для этого методом Out-of-bag (OOB) в процессе обучения оценивается потенциальная вероятность ошибочной классификации при использовании полученной модели (характеризуется величинами OOB-точности и/или OOB-каппы, рассчитанными по матрице ошибок распознавания исходной обучающей выборки), а также вычисляются показатели MDA (Mean Decrease in Accuracy), характеризующие влияние каждой переменной на величину этой вероятности (Liaw, Wiener, 2002). Были использованы эти показатели при выявлении наиболее значимых спектральных и орографических признаков и рассчитанных на их основе статистических метрик сегментов с целью формирования оптимального набора переменных для тематической классификации.

Ввиду отсутствия актуальной открытой информации (как геопространственной, так и статистической) о структуре наземных экосистем в границах территории исследования для верификации полученной карты были использованы контрольные точки, выбранные случайным образом. Точки распределялись пропорционально площадям тематических классов (но не менее 20 на класс) только на территориях Якшинского и Курьинского участковых лесничеств, которые не участвовали в формировании обучающей выборки. Тематическая принадлежность контрольных участков определялась путём визуальной интерпретации исходных данных Landsat и спутниковых изображений высокого пространственного разрешения DigitalGlobe (digitalglobe.com).

Подробное описание метода приведено в публикации:

Гаврилюк Е.А., Плотникова А.С., Плотников Д.Е. Картографирование наземных экосистем Печоро-Илычского заповедника и его окрестностей на основе восстановленных мультивременных спутниковых данных Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т.15. №5. С.141–153. DOI: 10.21046/2070-7401-2018-15-5-141-153.

Прежде чем картографировать пожарные режимы лесных экосистем, следует определиться с пространственной единицей, под которой понимается наибольшая площадь с относительно однородным характером повреждений (Price, Daust, 2003). Как отмечает ряд зарубежных авторов (Morgan et al., 1994; Landres et al., 1999; Wimberly et al., 2000; Holt, 2001), на локальном пространственном уровне естественные режимы повреждений меняются в соответствии с ландшафтом, рельефом и гидрографией. Один из наиболее удачных способов пространственной организации географических систем является бассейновая организация территории, которая дополняет ландшафтную организацию объектов и явлений, усиливая их латеральную и парагенетическую связанность (Симонов и др., 2003). Ввиду этого было предложено выделять минимальные учетные пространственные единицы картографирования пожарных режимов на основе границ бассейнов рек.

Элементарной ячейкой бассейновой организации территории является речной бассейн (Симонов и др., 2003). Под речным бассейном понимается часть земной поверхности с прилегающей к ней толщей почв и грунтов, откуда происходит сток поверхностных и подземных вод в отдельную реку или речную систему (Географический энциклопедический словарь, 1988).

Исходными данными для построения бассейнов рек на исследуемую территорию являлись цифровые модели рельефа ASTER GDEM Version 2 и GMTED2010, а также данные гидрографической сети масштаба 1 : 1 000 000, находящиеся в свободном доступе.

Выделение границ бассейнов рек:

• приведение размера пиксела цифровых моделей рельефа к единому значению,

Для совместного анализа цифровых моделей рельефа ASTER GDEM V.2 и GMTED2010 необходимо привести размер пиксела к единому значению. Пространственное разрешение ASTER GDEM V.2 составляет 30 метров или 1 угловая секунда, GMTED2010 – 225 м или 7,5 угловых секунд. 

• заполнение локальных понижений,

Операция по заполнению локальных понижений является необходимой для устранения мелких дефектов цифровой модели рельефа ASTER GDEM V.2, возникших из-за разрешения данных или округления возвышений до ближайшего целочисленного значения. Необходимость заполнения локальных понижений объясняется требованием создания непрерывного растрового слоя направлений потока, который будет создаваться далее.

• определение направления потока и водосборных областей.

Как известно, границы бассейнов рек проходят по водоразделам, распределяющим сток по склонам. Модуль «Spatial Analyst» геоинформационной системы ArcGIS Desktop содержит инструмент, позволяющий определить водосборные области, – «Watershed». Инструмент позволяет определить водосборную область с использованием вычисленного ранее растра направления потока. Для работы «Watershed» необходим отдельный файл точек устьев, представленный в растровом или векторном формате. Были созданы точки устьев в виде набора растровых данных путем растеризации гидрографической сети. В результате построения водосборов были получены границы бассейнов не только крупных, но и малых рек.

Выделение границ пространственных единиц:

Территория пространственной единицы должна характеризоваться:

• доминированием одного типа наземной экосистемы,
• относительно однородным характером многолетних повреждений.

В границах бассейнов проведен ретроспективный статистический и пространственный анализ показателей горимости лесов: частоты возникновения пожаров, среднего числа лет между пожарами, среднего значения и среднеквадратического отклонения площади пожара, доли пройденной огнем площади, среднегодовой выгоревшей площади, преобладающей степени повреждения растительности огнем.

Речные бассейны, в пределах которых наблюдалось доминирование одного типа лесной экосистемы и однородность многолетних значений основных пирологических показателей, принимали за пространственные единицы. Бассейны рек, не удовлетворяющие указанным требованиям, объединяли с соседними схожими по показателям горимости и проводили анализ повторно.

Подробное описание метода приведено в публикации:

Плотникова А.С., Харитонова А.О. Выделение границ водосборных бассейнов рек на локальном пространственном уровне // Вопросы лесной науки. 2018. Т 1. № 1. С. 1-10. DOI:10.31509/2658-607x-2018-1-1-1-10.

Определение пожарных режимов пространственных единиц выполняется с привлечением классификации LANDFIRE (Landscape Fire and Resource Management Planning Tools). Классификация LANDFIRE выделяет пять классов пожарных режимов в зависимости от периода повторяемости пожаров (0-35 лет; 36-200 лет; более 200 лет) и степени повреждения растительного покрова (низкая, средняя, высокая) (Barrett et al., 2010).

Период исследования делится на два интервала – исторический и современный:

В соответствии с методикой LANDFIRE для каждой пространственной единицы сначала определяется период повторяемости пожаров исторического интервала как среднее число лет между пожарами. Затем вычисляется средняя ежегодно пройденная огнем площадь за исторический интервал через отношение площади пространственной единицы к периоду повторяемости пожаров исторического интервала. Далее проводится оценка средней ежегодной пройденной огнем площади за современный интервал как отношение пройденной огнем площади пространственной единицы за современный интервал к числу лет в этом интервале.

Проведенные вычисления позволяют найти корректирующий коэффициент – отношение средней ежегодной пройденной огнем площади за исторический интервал к средней ежегодной пройденной огнем площади за современный интервал. В заключении определяется современный период повторяемости пожаров как произведение периода повторяемости пожаров исторического интервала на корректирующий коэффициент.

Для определения преобладающей на территории пространственной единицы степени повреждения были использованы данные об очагах пожаров, детектированных авиационными и наземными способами мониторинга (Лупян и др., 2013). Так, в границах пространственных единиц была вычислена суммарная площадь пожаров верхового и низового типов горения. Низкая/смешанная степень повреждения считалась преобладающей, если на территории пространственной единицы доминировали низовые пожары. И наоборот, высокая степень повреждения определялась преобладающей в случае доминирования верховых пожаров.

Подробное описание метода приведено в публикациях:

Плотникова А.С., Харитонова А.О., Ершов Д.В. Методология динамического геоинформационного картографирования пожарных режимов лесных экосистем на локальном уровне // АЭРОКОСМИЧЕСКИЕ МЕТОДЫ И ГЕОИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ЛЕСОВЕДЕНИИ, ЛЕСНОМ ХОЗЯЙСТВЕ И ЭКОЛОГИИ: Доклады VII Всероссийской конференции (Москва, 22-24 апреля 2019 г.) – М.: ЦЭПЛ РАН, 2019 г. С. 148-150.

Плотникова А.С., Ершов Д.В., Харитонова А.О., Шуляк П.П., Барталев С.А., Стыценко Ф.В. Пространственная оценка современных пожарных режимов лесных экосистем России // Современные проблемы дистанционного зондирования Земли из космоса. 2019.  Т. 16. № 5. С. 228-240. DOI: 10.21046/2070-7401-2019-16-5-228-240.

Отклонения пожарного режима приводят к изменению характеристик ключевых компонентов экосистем: видового состава, структуры и возраста растительного покрова, сомкнутости крон, наличия и состава горючего материала, что влияет на изменение частоты возникновения и интенсивности распространения пожаров. К одной из причин описанных отклонений относят неестественное накопление горючего материала в результате антропогенных воздействий (пожары, рубки леса).

Вводится понятие класса состояния пожарного режима (FRCC, Fire Regime Condition Class), под которым понимается качественная мера отклонения современного пожарного режима от исторического (Schmidt et. al., 2002). Для каждого пожарного режима определяется один из трех классов состояния, которые описывают потенциальные риски экосистем.

Существует несколько подходов к определению класса состояния пожарного режима в зависимости от оцениваемых изменений в:

• растительном покрове (FRCC_VS),
• частоте возникновения пожаров (FRCC_FRI),
• интенсивности пожаров (FRCC_SEV).

В настоящем исследовании был определен FRCC_FRI на основе отклонений современных периодов повторяемости пожаров от исторических.

Одной из характеристик пожарного режима является пожарный цикл – время, требуемое для выгорания площади леса, равной площади рассматриваемой территории (Wagner, 1978; Frech et al., 1999). Учитывается, что вся площадь целиком может не выгореть в течение этого периода – некоторые участки леса могут гореть несколько раз, в то время как другие не гореть совсем.

Пожарный цикл вычисляется по формуле:

FC = T * (А / В ) 

FC — время полного выгорания леса, лет;

T — количество исследуемых лет;

А — площадь леса исследуемой территории;

В — площадь леса, пройденная пожарами.

Основные этапы картографирования пожарных циклов локального уровня включают:

• выделение границ пространственных единиц;

Картографирование пожарных циклов Печоро-Илычского заповедника выполнялось в пределах пространственных единиц.

• вычисление общей и пройденной огнем за исследуемый временной период площади леса в выделенных границах;

Картографирование пожарных циклов заповедника было проведено по четырем временным периодам: 1850-1899, 1900-1951, 1952-1999, 2000-2014. Вычисление общей площади леса в границах пространственных единиц проводилось на основе описанной выше тематической карты наземных экосистем. Определение пройденной огнем лесной площади выполнялось по данным о пожарной истории и современной горимости территории заповедника в зависимости от исследуемого временного периода. Так, для периодов 1850-1899, 1900-1951 использовались данные о пожарной истории заповедника. Для периодов 1952-1999, 2000-2014 также привлекались данные об очагах пожаров, детектированных авиационными и наземными способами мониторинга.

• определение пожарных циклов в соответствии с приведенной формулой.