Методи і алгоритми аналізу геоданих для рішення задачі оцінки антропогенного впливу на довкілля
| dc.contributor.advisor | Барабаш, Олег Володимирович | |
| dc.contributor.advisor | Шпурик, Вадим Вадимович | |
| dc.contributor.author | Бандурка, Олена Іванівна | |
| dc.date.accessioned | 2023-05-25T07:48:44Z | |
| dc.date.available | 2023-05-25T07:48:44Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Бандурка О. І. Методи і алгоритми аналізу геоданих для рішення задачі оцінки антропогенного впливу на довкілля. − Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії з галузі знань 12 Інформаційні технології за спеціальністю 121 Інженерія програмного забезпечення. – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2023. Дисертаційна робота присвячена розробці науково-методичного апарату прогнозування виникнення лісових пожеж на основі статистичної моделі в інтеграції з геододатками для підтримки управлінських рішень. Людська діяльність за останні десятиріччя призвела до катастрофічних наслідків, які проявляються в незворотних процесах, що роблять навколишнє середовище непридатним до життя. Негативний антропогенний вплив має глобальні наслідки, такі як зміна клімату внаслідок зміни балансу газів в атмосфері, забруднення грунтів важкими металами, нафтопродуктами, радіоактивними речовинами, вирубка лісів, яка сягає катастрофічних планетарних масштабів. Але найбільшою техногенною катастрофою є масштабні лісові пожежі. Щороку внаслідок пожеж знищуються сотні тисяч гектарів лісового фонду. Статистика лісових пожеж по всьому світу і зокрема, в Україні, дозволяє зробити висновок, що причиною лісових пожеж (75-80 %) є антропогенний фактор. Саме тому, загальне завдання прогнозування лісових пожеж з застосуванням засобів сучасних інформаційних технологій для зниження негативних наслідків лісових пожеж на сьогодні є актуальним. Метою дисертації є підвищення ефективності (оперативності та достовірності) обробки геоданих для мінімізації ризиків виникнення лісових пожеж на основі статистичної моделі Байєса для підтримки управлінських рішень. Екологічне прогнозування, зокрема передбачення подій в лісових екосистемах, ґрунтується на статистичних даних. Заходи по попередженню та нейтралізації лісових пожеж вимагають створення складних математичних моделей, що включає проведення моніторингу, передбачає моделювання задач, що є неструктурованими та потребує застосування сучасних інформаційних технологій. Дослідження існуючих науково-обґрунтованих підходів в аналізі геоданих для рішення задач оцінки антропогенного впливу на довкілля та, безпосередньо, пов’язаних з розробкою методів та моделей дослідження лісових пожеж, дозволили зробити висновок про формування, за останні роки, нового пріоритетного підходу, пов'язаного із забезпеченням інформаційним системам модульності, універсальності, можливості обробки великих об’ємів статистичних даних та проведення складних розрахунків. Проблеми моделювання лісових пожеж розглянуті в роботах С.Ю. Антонова, Ю.А. Абрамова, Д.С. Воробйова, А.Є. Басманова, Г.А. Доррера, А.Н. Дигала, Л.М. Куценка, А.А. Тарасенка. Розробці геоінформаційних систем присвячені роботи Х.М. Бурштинської, О.В. Барабаша, І.Л. Долинської, В.В. Шпурика, С.С. Кохан, Г.А. Кучука, Г.В. Худова., В.В. Гнатушенка, Я.В. Шидловської, О.В.Коваля, І.В. Рубана та зарубіжних вчених Grégoire J-M., Pinnock S., Jones P.D., Moberg A, C. Donald Ahrens та інших. Отже, у сучасних умовах важливим завданням є мінімізації ризиків виникнення лісових пожеж на основі статистичної моделі Байєса для підтримки управлінських рішень. Це складне завдання доцільно поділити на ряд часткових завдань, одним з яких є створення математичної моделі прогнозування виникнення лісових пожеж. Існуючі фізико-математичні моделі дослідження розповсюдження та нейтралізації лісових пожеж розглядають наслідки розповсюдження пожежі, а не самі причини виникнення. Теоретичні моделі засновані на фундаментальних фізико-математичних та хімічних законах, але верифікація таких моделей досить складна. Статистичні моделі використовують лише статистичні дані. Напівемпіричні моделі застосовують загальні фізичні закони у вигляді спрощених залежностей. Проте завдяки автоматизованим системам, які вміщують математичний апарат, відбувається спрощення моделей. Дисертаційна робота виконана відповідно з поточними та перспективними планами наукової та науково-технічної діяльності Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського» і є частиною досліджень в рамках науково-дослідних робіт: – «Теоретико-методичні основи аналізу ризику в контексті розробки механізмів захисту критичної енергетичної структури в Україні» (Державний реєстраційний номер № 0117U006080, м. Київ); – «Управління ризиками сталого розвитку території з використанням методів штучного інтелекту» (Державний реєстраційний номер № 0120U105256, м. Київ). Особисто автором в НДР №0117U006080 запропоновано метод визначення територій, уражених пожежами, на основі космічних знімків; в НДР №0120U105256 розроблено математичну модель прогнозування виникнення лісових пожеж на основі статистичної моделі Байєса. Наукова новизна одержаних результатів полягає в наступному. Вперше розроблено архітектуру програмного забезпечення системи прогнозування виникнення лісових пожеж на основі статистичної моделі Байєса, яка відрізняється від існуючих використанням математичної моделі оцінки впливу температури навколишнього середовища на імовірність виникнення лісових пожеж, методу дешифрування супутникових знімків та математичної моделі прогнозування виникнення лісових пожеж. Використання зазначеного програмного забезпечення дозволяє розробити інформаційну систему прогнозування лісових пожеж. Вперше розроблено математичну модель оцінки впливу температури навколишнього середовища на ймовірність виникнення лісових пожеж, яка базується на аналізі довгострокового періоду кліматичних статистичних даних, за допомогою Data Science. Модель дозволяє проводити дослідження впливу глобальних змін температури на виникнення лісових пожеж. Удосконалено метод дешифрування супутникових знімків для ідентифікації пожежонебезпечних місць та визначення територій, уражених пожежами, яка заснована на спектральному аналізі температур яскравості. Зазначений метод при дешифруванні дозволяє виключити із знімків фрагменти, які покриті хмарами та зайняті водними об’єктами для встановлення просторово-часових характеристик пожеж. Реалізація даного методу також дозволить встановити території, уражені пожежами, та визначити їх клас пожежної небезпеки.торій, уражених п Вперше розроблено математичну модель прогнозування виникнення лісових пожеж на основі статистичної моделі Байєса, яка заснована на оцінюванні апостеріорних імовірностей таксаційних характеристик лісових виділів. Зазначена математична модель є основою для розробки програмного забезпечення прогнозування виникнення лісових пожеж та підвищує точність оцінювання зазначених апостеріорних імовірностей в середньому на 12-18 %. Удосконалено методику оцінки наслідків пожеж за даними дистанційного зондування Землі, яка на відміну від існуючих, адаптована на обробку знімків низької роздільної здатності та базується на встановленні пожежного індексу. Реалізація зазначеної методики дозволить підвищити точність оцінювання породного складу та площ уражених ділянок лісових угідь в середньому на 8-12 %, а також підвищити оперативність вирішення завдань у порівнянні з традиційними методиками у 25-30 разів. Створено інформаційну базу даних на основі керованої класифікації знімків, що дозволяє встановлювати породний склад деревних насаджень та підготовлювати знімки для подальшої обробки. Оброблені космічні знімки забезпечують широке охоплення лісових угідь, високу точність результатів, адже об'єктивна і своєчасна інформація моніторингу лісових насаджень необхідна для вирішення широкого класу прикладних завдань. Розроблений метод ідентифікації лісових пожеж допомагає виявляти їх на початковій стадії і приймати оперативні рішення, що сприяє подальшому оцінюванню наслідків пожеж. Створена база даних, що входить до функціоналу системи, не лише зберігає необхідну інформацію, але й дозволяє витягувати її за необхідності. Головною перевагою є те, що в ній зберігаються космічні знімки формату GeoTIFF і вона дає можливість структурувати їх. Зокрема, запропонована статистична модель Байєса та дешифрування космічних знімків підвищили достовірність запропонованих альтернативних рішень при прогнозуванні ризиків виникнення лісових пожеж. Це дозволяє підвищити ефективність (оперативність та достовірність) роботи компетентних органів, які спеціалізуються на нейтралізації наслідків пожеж. За результатами моделювання на основі використання статистичної моделі Байєса досягнуто підвищення точності прогнозування виникнення лісових пожеж, що забезпечує надійність вирішення надзвичайних ситуацій та підвищує достовірність прийняття управлінських рішень за рахунок створеного програмного комплексу в процесі виникнення катастрофічних ситуацій, спричинених лісовими пожежами. Наукові результати досліджень є внеском у розвиток теоретичних і прикладних основ розроблення й дослідження науково-методичного апарату з розробки моделей та методів прогнозування виникнення лісових пожеж. Перспективними шляхами подальших досліджень є розробка нових та удосконалення існуючих методик для мінімізації ризиків виникнення лісових пожеж на основі використання систем підтримки прийняття рішень. | uk |
| dc.description.abstractother | Bandurka O.I. The methods and algorithms of geodata analysis for solving the problem of assessing the human impact on the environment. − Qualifying scientific work, the manuscript. PhD thesis in the field of knowledge 12 Information technologies in a specialty 121 Software engineering. – National technical university of Ukraine “Igor Sikorsky Kyiv polytechnic institute”, Kyiv, 2023. The dissertation is devoted to the development of a scientific and methodological apparatus for forecasting the occurrence of forest fires based on a statistical model in integration with geo-applications to support management decisions. Human activity in recent decades has led to catastrophic consequences, which are manifested in irreversible processes that make the environment unfit for life. Negative anthropogenic impact has global consequences, such as gradual climate change due to changes in the balance of gases in the atmosphere, destruction of the ozone layer, pollution of the World Ocean with heavy metals, oil products, radioactive substances, depletion and depletion of natural resources, deforestation reaching catastrophic planetary scales, accumulation of household waste and industrial waste, deforestation, which reaches a catastrophic planetary scale. But the biggest man-made disaster is large-scale forest fires. Hundreds of thousands of hectares of forest are destroyed every year as a result of fires. The statistics of forest fires around the world, and in particular, in Ukraine, allow us to conclude that the cause of forest fires (75-80%) is an anthropogenic factor. That is why the general task of forecasting forest fires, as well as the development and implementation of measures to reduce the negative consequences of forest fires, is relevant today. The aim of the dissertation is to increase the efficiency of geodata processing to minimize the risks of forest fires based on the Bayesian statistical model to support management decisions. Among the mathematical models aimed at predicting events, an important place is occupied by predictive models, which are used both to assess the current state of natural ecological systems and to predict the dynamics of anthropogenic influence, which leads to negative consequences (deforestation, fires, floods, etc.). The main task of predictive models is to determine the outcome of events. Ecological forecasting, in particular the prediction of events in forest ecosystems, is based on statistical data. Ecological forecasts include a large number of characteristics, both biotic, abiotic and statistical by year, which make it possible to predict the state of the system as a whole as accurately as possible or to identify a potential threat in the future. The study of existing science-based approaches in the analysis of geodata to solve the problems of assessing anthropogenic impact on the environment and, directly, related to the development of methods and models for the study of forest fires, allowed us to conclude on the formation, in recent years, of a new priority approach related to providing information systems with modularity, versatility, the ability to process large volumes of statistical data and perform complex calculations. The following works are devoted to the development of geoinformation systems: H.M. Burshtynska, O.V. Barabasha, I.L. Dolynska, V.V. Shpuryka, S.S. Kohana, G.A. Kuchuka, G.V. Khudova, V.V. Hnatushchenko, Ya.V. Shidlovskaya, N.M. Kosul, O.V. Koval and foreign scientists Grégoire J-M., Pinnock S., Jones P.D., Moberg A, C. Donald Ahrens and others. Therefore, in modern conditions, an important task is to minimize the risks of forest fires on the basis of the Bayesian statistical model to support management decisions. It is advisable to divide this complex task into a number of partial tasks, one of which is the creation of a mathematical model for forecasting the occurrence of forest fires. Existing physico-mathematical models for the study of the spread and neutralization of forest fires consider the consequences of fire spread, and not the causes themselves. Most models have certain disadvantages that prevent them from being universal. However, thanks to automated systems that include mathematical apparatus, the models are simplified. The dissertation work was carried out in accordance with the current and prospective plans of scientific and scientific and technical activities of the National Technical University of Ukraine "Ihor Sikorskyi Kyiv Polytechnic Institute" and is a part of research within the framework of research works: – "Theoretical and methodological bases of risk analysis in the context of the development of mechanisms for the protection of the critical energy structure in Ukraine" (State registration number 0117U006080, Kyiv); – "Management of risks of sustainable development of the territory using artificial intelligence methods" (State registration number 0120U105256, Kyiv). The author personally proposed a method of determining areas affected by fires based on space images in GDR No. 0117U006080; in GDR No. 0120U105256, a mathematical model for forecasting the occurrence of forest fires was developed based on the Bayesian statistical model. The scientific novelty of the obtained results is as follows. For the first time, the software architecture of the forest fire forecasting system based on the Bayesian statistical model was developed, which differs from the existing ones by using a mathematical model for assessing the effect of environmental temperature on the probability of forest fires, a method for deciphering satellite images, and a mathematical model for forecasting the occurrence of forest fires. Using the specified software allows you to develop an information system for forecasting forest fires. For the first time, a mathematical model for assessing the impact of ambient temperature on the probability of forest fires has been developed, which is based on the analysis of long-term climatic statistical data using Data Science. The model makes it possible to study the influence of global temperature changes on the occurrence of forest fires. The method of deciphering satellite images for identifying fire-hazardous places and determining areas affected by fires, which is based on the spectral analysis of brightness temperatures, has been improved. The specified method during decoding allows to exclude from the images fragments that are covered by clouds and occupied by water bodies to establish spatio-temporal characteristics of fires. The implementation of this method will also make it possible to establish areas affected by fires and determine their fire hazard class. For the first time, a mathematical model for forecasting the occurrence of forest fires was developed based on the Bayesian statistical model, which is based on the assessment of posterior probabilities of the taxa characteristics of forest allocations. The specified mathematical model is the basis for the development of software for forecasting the occurrence of forest fires and increases the accuracy of estimating the specified posterior probabilities by 12-18% on average. The method of assessing the consequences of fires based on the data of remote sensing of the Earth has been improved, which, unlike the existing ones, is adapted to the processing of low-resolution images and is based on the establishment of the fire index. The implementation of the specified method will allow to increase the accuracy of the assessment of the species composition and the area of the affected areas of forest lands by an average of 8-12%, as well as to increase the efficiency of solving tasks by 25-30 times compared to traditional methods. The practical significance of the obtained results lies in their application for planning measures aimed at reducing the risk of catastrophic forest fires and normalizing the fire situation in the affected areas. The developed scientific and methodical apparatus for forest fire forecasting can also be used for accounting and inventorying of forests, creating forest maps, and conducting one's own assessment of information by comparing it with official data of and the State Forest Resources Agency. An information database has been created based on the controlled classification of images, which allows establishing the species composition of tree stands and preparing images for further processing. It was established that 70% of the forests are pine, aspen, hornbeam, birch, alder and ash tree species are found in smaller quantities. Processed space images provide a wide coverage of forest lands, high accuracy of results, because objective and timely information on forest plantation monitoring is necessary for solving a wide class of applied tasks. The developed method of identifying forest fires helps to detect them at the initial stage and helps to make operational decisions, which contributes to the further assessment of the consequences of fires. The created database, included in the functionality of the system, not only stores the necessary information, but also allows you to extract it if necessary. The main advantage is that it stores space images in GeoTIFF format and allows you to structure them. In particular, the proposed Bayesian statistical model and the decoding of space images made it possible to increase the reliability of the proposed alternative solutions in forecasting the risks of forest fires. This makes it possible to increase the efficiency of the work of the competent authorities, which specialize in neutralizing the consequences of fires, and allows preserving the forest fund. According to the results of modeling based on the use of the Bayesian statistical model, an increase in the accuracy of forecasting the occurrence of forest fires was achieved, which ensures the reliability of solving emergency situations and allows us to talk about increasing the reliability of management decision-making by 15% to the use of the created software complex in the process of the occurrence of catastrophic situations caused by forest fires. The scientific results of the research are a contribution to the development of the theoretical and applied foundations of the development and research of the scientific and methodological apparatus, which is related to the development of models and methods of forecasting the occurrence of forest fires. Prospective ways of further research in this direction can be a wide range of issues related to the development of new and improvement of existing methods for minimizing the risks of forest fires based on the use of decision support systems. | uk |
| dc.format.extent | 199 с. | uk |
| dc.identifier.citation | Бандурка, О. І. Методи і алгоритми аналізу геоданих для рішення задачі оцінки антропогенного впливу на довкілля : дис. … д-ра філософії : 121 – Інженерія програмного забезпечення / Бандурка Олена Іванівна. – Київ, 2023. – 199 с. | uk |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/56074 | |
| dc.language.iso | uk | uk |
| dc.publisher | КПІ ім. Ігоря Сікорського | uk |
| dc.publisher.place | Київ | uk |
| dc.subject | інформаційна система | uk |
| dc.subject | інформаційна технологія | uk |
| dc.subject | стійкість системи | uk |
| dc.subject | архітектура програмного забезпечення | uk |
| dc.subject | сценарії побудови системи | uk |
| dc.subject | розподілені бази даних | uk |
| dc.subject | алгоритм | uk |
| dc.subject | лісові пожежі | uk |
| dc.subject | геодані | uk |
| dc.subject | антропогенний вплив | uk |
| dc.subject | математичне моделювання | uk |
| dc.subject | імовірнісні оцінки | uk |
| dc.subject | теорема Байєса | uk |
| dc.subject | information system | uk |
| dc.subject | information technology | uk |
| dc.subject | system resilience | uk |
| dc.subject | software architecture | uk |
| dc.subject | system construction scenarios | uk |
| dc.subject | distributed databases | uk |
| dc.subject | algorithm | uk |
| dc.subject | forest fires | uk |
| dc.subject | geodata | uk |
| dc.subject | anthropogenic impact | uk |
| dc.subject | mathematical modeling | uk |
| dc.subject | probabilistic estimates | uk |
| dc.subject | Bayes theorem | uk |
| dc.subject.udc | 004.94:630 | uk |
| dc.title | Методи і алгоритми аналізу геоданих для рішення задачі оцінки антропогенного впливу на довкілля | uk |
| dc.type | Thesis Doctoral | uk |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Bandurka_dys.pdf
- Розмір:
- 5.83 MB
- Формат:
- Adobe Portable Document Format
- Опис:
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 9.1 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: