Синтез метода многоволновой спектрофотометрии для систем раннего обнаружения лесных пожаров

Предложен многопризнаковый метод лазерного контроля пожарной обстановки в лесу. В процессе горения в лесу в атмосферу эмитируется значительное количество парниковых газов и тепла. Основными из выделяемых газов являются двуокись углерода, метан, окись азота и одноокись углерода. Представлен обзор публикаций, посвященных способам раннего обнаружения лесных пожаров. Рассматривается способ повышения чувствительности обнаружения пожара в лесу, что достигается за счет одновременной регистрации всех эмитируемых газов с использованием метода дифференциальной абсорбции применительно к каждому газу с помощью интегрированного лазерного узла, излучающего на нескольких, специально подобранных длинах волн. Осуществлена оптимизация предлагаемого метода, в результате которой выработаны рекомендации по построению высокочувствительной системы раннего обнаружения лесного пожара при заданных энергозатратах.

1. Ollero A., Arrue B. C., Martinez J. R. For reducing false alarms in forest-fires // Computer Communications. 2019. S0140366419308655.

2. Wu X., Leung X., Leung H. An adaptive threshold deep learning method for fire and smoke detection // Proc. of the IEEE Intern. Conf. on Systems, Man, and Cybernetics (SMC). Banff, AB, Canada, Oct. 2017. P. 1954–1959.

3. Yuan C., Liu Z., Zhang Y. Learning-based smoke detection for unmanned aerial vehicles applied to forest fi surveillance // Journal of Intelligent & Robotic Systems. 2018. Vol. 93, N 1-2. P. 337–349.

4. Chan C. C., Alvi S. A., Zhou X., Durrani S., Wilson N. A survey on IoT ground sensing systems for early wildfire detection: technologies, challenges and opportunities // arXiv.2312.10919.

5. Setrige W., Crawford S., Eftenhari S. Wildfire detection and communication-Aerospace Applications — trade study// Special Feature. 2018. Vol. 21, iss. 4. P. 32–40.

6. Veselovski I., Hu Q., Ansmann A., Goloub P., Podvin T., Korenskiy M. Fluorescence lidar observations of wildfi smoke inside cirrus: a contribution to smoke -circus interaction research// Atmos. Chem. Phys. 2022. N 22. P. 5209–5221.

7. Rjoub D., Alsharoa A., Masadeh A. Early wildfi detection using UAVs integrated with air quality and LiDAR sensors // IEEE 96th Vehicular Technology Conf. London, UK. 2022. P. 1–5.

8. Xian J., Xu W., Long C., Song Q., Yang S. Early forest-fire detection using scanning polarization lidar // Appl. Opt. 2020. N 59(28). P. 8638–8644.

9. Mohapatra A., Trinh T. Early wildfire detection technologies in practice — a review// Sustainability 2022. N 14. P. 12270.

10. California Air Resources Board, “Wildfi Emission Estimates for 2021, CARB, 2022. [Электронный ресурс]: https://ww2.arb.ca.gov/wildfire-emissions.

11. Urbanski S. Wildland fire emissions, carbon, and climate: Emission factors // For. Ecol. Manag. 2014. Vol. 317. P. 51–60.

12. Schotland R. M. Errors in the LIDAR measurement of atmospheric gases by differential absorption // J. Appl. Meteorol. 1974. N 13. P. 71–77.

13. Belleci C., Francucci M., Gaudio P., Gelfusa M., Martellucci S., Richetta M. Early detection of small forest fire by dial technique // Remote Sensing for Agriculture. Ecosystems and Hydrology VII. 2005. Vol. 5976.

14. Lakshmanna K., Khare N., Khare N. Constraint-based measures for DNA sequence mining using group search optimization algorithm // Intern. Journal of Intelligent Engineering and Systems. 2016. Vol. 9, N 3. P. 91–100.

15. Эльсгольц Л. Э. Дифференциальные уравнения и вариационные исчисление. М.: Высш. школа, 1974.

16. Zhao J., Lejitens X. J. M., Docter B., Smit M. K. Integrated multi-wavelength lasers; a design study // Proc. 14th Annual Symp. of the IEEE Photonics Benelux Chapter. Brussels, Belgium. 5-6 Nov. 2009. P. 209–212.