Встречно-параллельное соединение

На рисунке 5.26 представлен фрагмент ГЕРТ-сети, содержащей петлю, когда сигнал с выхода узла подается на вход предшествовавшего узла .

Рис. 5.26 Встречно-параллельное соединение дуг ГЕРТ-сети

Пусть на вход узла приходит сигнал y , он складывается с сигналом обратной связи v, и сумма этих сигналов u проходит через дугу , в результате чего на выходе узла образуется выходной сигнал x. Но этот сигнал по дуге с передаточной функцией возвращается на вход узла , превращаясь в v.

Учитывая свойство передаточных функций, получаем следующие соотношения между сигналами:

, , ,

откуда, исключая переменные u и v, получаем

,

то есть передаточная функция встречно-параллельного соединения равна

. (5.34)

5.4.4 Модель процесса обучения как ГЕРТ-сеть

Проиллюстрируем возможности ГЕРТ-сетей на примере модели процесса интерактивного прохождения учебного курса.

Процесс заключается в следующем. Учащийся входит в обучающую систему и регистрируется в ней, после чего приступает к изучению разделов учебного курса. Изучив очередной раздел и выполнив контрольные задания, обучаемый переходит к изучению следующего раздела. Изучив все разделы, обучаемый получает возможность сдать экзамен. Если экзамен сдан с положительной оценкой, то процесс изучения курса считается успешно завершенным. В противном случае имеются две альтернативы: повторное изучение курса или отказ от дальнейшего обучения.

Рис. 5.27 ГЕРТ-сеть, моделирующая процесс обучения

Модель процесса в виде ГЕРТ-сети представлена на рисунке 5.27. Как видно из рисунка, эта сеть содержит множество узлов и множество A, содержащее 7 дуг, на которых выполняются следующие операции:

a₁₂ ‑ вход и регистрация в обучающей системе;

a₂₃ – изучение очередного раздела;

a₃₂ – переход к изучению следующего раздела;

a₃₄ – сдача экзамена;

a₄₂ – переход к повторному изучению курса;

a₄₅ – отказ от дальнейшего изучения;

a₄₆ – успешное завершение курса.

Характеристики процессов, выполняемых на дугах (в часах), приводятся в таблице 5.4.

Таблица 5.4

Характеристики ГЕРТ-сети

Название дуги	Вероятность выполнения	Тип распределения	Параметры распределения	Производящая функция
		Равномерное
		Нормальное
	0,2	Нормальное
	0,8	Нормальное
	0,1	Нормальное
	0,05	Постоянная величина
	0,85	Постоянная величина

Выпишем выражения для передаточных функций :

(5.35)

Составим передаточные функции для рассматриваемой системы. Предварительно рассмотрим фрагмент сети, состоящий из узлов , и дуг _, . Этот фрагмент образует соединение обратной связью, и в соответствии с формулой (5.34) его передаточная функция будет равна

. (5.36)

В результате схема ГЕРТ сети упростится и примет вид, показанный на рисунке 5.28.

Рис.5.28 Преобразованная ГЕРТ-сеть.

Воспользуемся формулами (5.32) и (5.34) и получим передаточную функцию ГЕРТ-сети от узла до узла _, что по условиям задачи соответствует успешному завершению курса:

(5.37)

Подставив в формулу (5.37) выражения для передаточных функций всех дуг и проделав некоторые преобразования, получим

. (5.38)

Для того, чтобы определить производящую функцию рассмотренной системы, воспользуемся формулой

,

которая следует из соотношений , , т.к. .

Из (5.38) следует , следовательно, производящая функция системы имеет вид

. (5.39)

Перейдем теперь к вычислению моментов распределений сигнала на выходе системы – поступившего по дуге . В соответствии с формулой (5.28), вычислив производную при , получим оценку первого момента – математического ожидания

час.

Далее, вычислив вторую производную при по формуле (4.28), получим второй момент распределения функции :

час²,

откуда

час²,

час. (5.40)

Таким образом, мы получили, что в данной системе среднее ожидаемое время успешного прохождения курса обучения составляет 12,08 часа, а среднеквадратичное отклонение от среднего равно 6,37 часа. Вероятность такого исхода равна 0,85/(0,85+0,05)=0,945.

Рассмотрим теперь цепочку узлов от до , что соответствует неудачному завершению процесса обучения. Эта цепочка отличается от рассмотренной ранее только последним звеном ‑ вместо . Проделав выкладки, аналогичные приведенным выше, получим

откуда

(5.41)

Вычислив первый и второй моменты случайной величины y₅, получим

час,

час²,

час², час.

Итак, среднее время обучения при неудачном завершении курса составляет 11,08 часа, а среднеквадратичное отклонение от среднего равно 6,36 часа. Вероятность такого исхода равна 0,05/(0,85+0,05)=0,055.

Формулы для первой и второй производных функций здесь не приводятся ввиду их громоздкости. Сложность аналитического вычисления производных для систем реальной размерности требует либо применения методов численного дифференцирования, либо использования систем символьных вычислений, которые в настоящее время получили достаточное развитие и реализованы в пакетах MATHCAT и MATLAB [36].

При численном дифференцировании задаются значениями параметра sв окрестности точки s=0 и малым шагом h. Например, вычислив значения функции в точках , можно затем по формулам численного дифференцирования оценить значения производных:

(5.42)

Аналогичным образом можно оценить и моменты функции распределения более высоких порядков.

Следует учесть, что для некоторых видов распределений (например, для бета-распределений и ) при вычислении и возникают неопределенности типа , а попытка определить эти функции численно по формулам вида (5.42) приводит к ошибке типа «деление на ноль». Поэтому такие неопределенности нужно либо устранять аналитически (например, по правилу Лопиталя), либо – причисленном определении производных – строить вычисление в окрестности нулевой точки таким образом, чтобы окрестность не включала саму эту точку.

Располагая вычисленными моментами функции распределения выходной величины, можно затем оценить саму функцию распределения, задавшись ее видом [37]. Однако мы этот вопрос не рассматриваем.

Задания для самостоятельной работы

1. Составьте обыкновенную сеть Петри (СП) для моделирования системы массового обслуживания заявок (рисунок 5.10 б) с использованием ингибиторных связей.

2. Составьте СП для моделирования очереди (правило работы FIFO) из трех ячеек. Решение показано на рисунке 5.29.

p₀ - буфер входных заявок,

p₇ - буфер обслуженных заявок,

p₈ - разрешение разгрузки выходного буфера,

p₂, p₄, p₆ - ячейки очереди свободны,

p₁, p₃, p₅ - ячейки очереди заняты,

t₀ - загрузка входного буфера,

t_i - начало обслуживания заявки i-й ячейкой (i=1,2,3),

t₄ - загрузка выходного буфера,

t₅ - разгрузка выходного буфера.

Рис. 5.29 Сеть Петри, моделирующая очередь

Составьте дерево маркировок данной сети при обслуживании двух заявок, поступивших в систему.

3. На основе решения задачи 2 составьте СП для моделирования стека из 3 ячеек (правило работы LIFO).

4. На основе решения задач 2 и 3 составьте СП для моделирования дека из 3 ячеек (примечание: дек - это очередь с двусторонним движением, загрузка и выгрузка происходит с обоих концов).

5. Решите задачу 2 с использованием ингибиторных связей.

6. Составьте СП для моделирования одноколейной кольцевой железной дороги из 5 участков и 5 станций, по которой в одном направлении движутся два поезда.

7. Составьте обыкновенную СП и дерево всех маркировок в задаче о мудрецах для (п. 5.3.1) и выпишите все слова свободного языка СП.

8. Модификация задачи о мудрецах (п. 5.3.1.). Составьте СП для этой ситуации при условии, что палочки складываются в одну коробочку и извлекаются из нее следующим образом:

а) по одной;

б) по две;

в) сперва мудрец берет правую палочку, затем левую, а освобождает палочки одновременно.

Составьте дерево маркировок для каждого из указанных случаев ( ).

9. Составьте и проанализируйте работу ГЕРТ-сети для системы, изображенной на рисунке 5.11 б, задавшись распределением вероятностей на дугах. Переходы рассматривайте как узлы ГЕРТ-сети, а позиции – как дуги. Вероятности и распределения задайте сами.

Глава 6 Примеры систем поддержки принятия решений

В первой главе в разделе 1.4 были приведены общие сведения о системах поддержки принятия решений (СППР). В данной главе мы попытаемся конкретизировать эту информацию.

В настоящее время разработано и эксплуатируется множество систем поддержки принятия решений (СППР) [2, 4, 21, 22, 26]. Архитектура и структура СППР существенно зависят от вида задач, для решения которых они разрабатывается, от доступных данных, информации и знаний, а также от пользователей системы. В книге [35] описаны две системы поддержки принятия решений – Quick Choice и NEYDIS, в которых реализованы методы решения широкого круга задач. Кроме того, в настоящее время несколько десятков различных фирм выпускают продукты, способные решать те или иные задачи, возникающие в процессе проектирования и эксплуатации систем СППР. Сюда входят СУБД, средства загрузки, трансформации, выгрузки данных, инструменты для OLAP-анализа и многое другое. Анализ рынка таких средств далеко выходит за рамки данного пособия, поэтому мы ограничимся кратким описанием двух действующих систем поддержки принятия решений, которые актуальны для Красноярского края и близки к профилю Сибирского федерального университета.

6.1 Система ЭСПЛА

Система поддержки принятия решений ЭСПЛА (Экспертная система по ликвидации аварий) разработана коллективом специалистов Института вычислительного моделирования СО РАН (г. Красноярск) под руководством доктора технических наук профессора Л.Ф. Ноженковой [12, 24].

ЭСПЛА предназначена для решения следующих задач.

· Создание единого информационного пространства органов управления МЧС на уровне субъекта Федерации и Федерального округа путем внедрения во все подчиненные органы управления системы сквозного оперативного сбора данных, актуализации баз данных, контроля и оперативного анализа информации.

· Обеспечение оперативного управления, осуществляемого Центрами управления в кризисных ситуациях, а в повседневном режиме функционирования – мониторинг и контроль обстановки, работу с прогностической и аналитической информацией.

· Обеспечение оперативного управления в режиме повышенной готовности и в режиме чрезвычайной ситуации (ЧС) – моделирование масштабов и последствий стихийных бедствий, техногенных аварий и катастроф, формирование оперативных отчетных форм и рекомендаций по действиям в ЧС в соответствии с реальной обстановкой.

Функциональная структура системы показана на рисунке 6.1. Система позволяет организовать сбор, контроль, анализ, агрегацию большого объема информации и передачу ее в вышестоящие органы управления, а также применять для поддержки принятия решений при угрозе или возникновении ЧС различного характера.

Ниже приведена краткая характеристика работы системы в различных режимах функционирования.

Риc. 6.1 Схема сбора, хранения и использования данных на уровне
Регионального центра и Главных управлений МЧС субъектов

6.1.1 Режимы функционирования системы

В повседневном режиме деятельности органы управления МЧС получают данные ежедневного мониторинга геофизической, сейсмической, радиационной, химической, гидрологической, лавинной, лесопожарной, лесопатологической, санитарно-эпидемиологической, экологической обстановки. Также проводится контроль состояния потенциально опасных объектов, транспортных коммуникаций, территорий крайнего Севера, готовности аварийно-спасательных формирований, материально-технических резервов для ликвидации ЧС, объектов защиты населения и многое другое. Все это представляет собой огромные массивы данных, необходимых для принятия решений по предупреждению ЧС, управления силами и средствами МЧС.

На основе данных мониторинга обстановки можно оценить вероятность ЧС, ранжировать территории по степени опасности, определять показатели рисков. Для этого необходимы длинные ряды наблюдений, которые формируются в хранилищах данных органов управления МЧС, интегрированных со средствами анализа и отображения данных. Для более детального анализа выборки из больших наборов применяются средства оперативного on-line анализа (OLAP), интегрированные с ГИС.

Эксперт-аналитик может просмотреть изменение ситуации за произвольный период, отобразить данные на карте, сформировать отчетные документы по стандартным формам. Экспертная система позволяет автоматически отслеживать резкие изменения обстановки и оповещать оператора о предпосылках ЧС.

В режиме чрезвычайной ситуации управление ликвидацией ЧС происходит обычно в себя несколько этапов. На каждом этапе жизненно необходимо выполнение в короткий срок определенной последовательности действий, характер которых может меняться в зависимости от условий аварийной ситуации. В основу действий всех сил и средств в чрезвычайной ситуации, независимо от уровня управления, должно быть положено решение руководителя. Сущность решения состоит в определении цели действий, способов ее достижения, сил, средств и времени, требующихся для этого, порядка действий в соответствии с протеканием процесса ликвидации ЧС.

Оперативное управление процессом ликвидации ЧС включает следующие этапы:

· информирование персонала объекта и населения близлежащих кварталов об аварийной обстановке и принимаемых мерах по обеспечению безопасности;

· выявление, оценку и прогнозирование аварийной обстановки, факторов техногенного воздействия на человека и окружающую среду;

· организацию и осуществление аварийного технологического контроля, локализацию аварийных процессов;

· формирование и принятие управленческих решений по локализации аварии (катастрофы), предотвращению формирования опасных факторов техногенного воздействия, а также, в случае развития и эскалации аварии, предотвращению или максимальному ослаблению воздействия этих факторов на человека и окружающую среду;

· доведение задач до специальных служб и формирований, других структур, привлекаемых для реализации принятых решений.

Общая схема оперативной деятельности по ликвидации чрезвычайных ситуаций приведена на рисунке 6.2. Процессы ликвидации техногенной ЧС характеризуют следующие четыре блока:

· блок экстренных мер,

· блок анализа и формирования решений,

· блок защиты и обеспечения,

· блок аварийно-спасательных и других неотложных работ (АС и ДНР).

Первые два блока выполняются последовательно, причем в зависимости от типа аварии, угрозы или возникновения ЧС, их состав может изменяться. Блок защиты и обеспечения и блок АС и ДНР работают одновременно, причем происходит постоянное обращение к блоку анализа и формирования решений для того, чтобы скорректировать действия формирований, участвующих в ликвидации ЧС согласно складывающейся обстановке. Схема разработана с учетом действий в самой сложной обстановке – в условиях аварии с выбросом опасного химического вещества. При других типах аварий блоки изменяют свою структуру, например, при радиационной аварии «обеззараживание» заменяется на «дезактивацию», а при пожарах или авариях на коммунально-энергетических сетях эти процессы могут быть не нужны.

Рис. 6.2 Схема оперативного управления ликвидацией ЧС

6.1.2 Принятие решений при техногенных авариях

Рассмотрим процедуры принятия решений при техногенных авариях. В этом случае система выполняет следующие действия:

· запрашивает у пользователя тип ЧС и в зависимости от этого загружает необходимый модуль расчета масштабов аварии;

· производит расчет зон действия поражающих факторов ЧС, выводит отчет результаты моделирования;

· запрашивает у пользователя информацию о месте аварии;

· моделирует зону поражения, формирует тематическую карту и список объектов в зоне ЧС;

· экспертная подсистема формирует текст оповещения персонала объекта и населения, отчетные документы по формам 2/ЧС, ОДС-2, ОДС-4, рекомендации по действиям в ЧС, справку об объекте и типе вещества, участвующего в аварии.

Модель ситуации задается в редакторе баз знаний и может быть дополнена или изменена администратором системы.

Экспертная подсистема формирует необходимые решения по управлению в ЧС, обращаясь к другим модулям системы. Необходимая информация о месте аварии и характеристиках формирований извлекается из баз данных, последствия ЧС моделируются в ГИС и с помощью базы знаний с применением расчетных методик формируются рекомендации по действиям в ЧС. Вывод представляет собой эстафету присоединенных процедур, которые автоматически вызывают необходимые модули системы. На рисунке 6.3 показаны результаты расчета последствий химической аварии по методике ТОКСИ. Эту методику обычно применяют для проведения сложных расчетов при составлении Деклараций и Паспортов безопасности промышленных объектов. В условиях ЧС обычно применяются упрощенные методики (например, РД-52.254-90), не требующие ввода большого числа параметров. В данной системе пользователь может выбирать метод расчета, способ визуализации (карта, график) и формы представления результатов. Сформированные рекомендации системы представляют собой проекты документов, оформленные согласно стандартам МЧС России. Интегрированные в систему методики оценки последствий взрывов и пожаров нефтепродуктов позволяют значительно расширить функциональные возможности. Система используется на различных уровнях принятия решений – от промышленного объекта до регионального центра.

База данных по потенциально опасным объектам сформирована на основе Реестра потенциально опасных объектов, содержащего основную информацию по химически, взрыво- и пожароопасным объектам. Она представляет собой сложную многостраничную форму, позволяющую просмотреть всю необходимую информацию об объекте и вывести ее в виде отчета. Все промышленные объекты имеют картографическую привязку, причем система использует картографический материал, детализированный в зависимости от задачи.

База данных по опасным веществам представляет собой электронный справочник, содержащий аварийные карточки, используемые при перевозках опасных грузов железнодорожным транспортом. Она содержит более 650 карточек, в которых описаны физические и химические свойства веществ, их взрыво- и пожароопасность, действия при различного рода авариях – оказание первой медицинской помощи пострадавшим, использование средств индивидуальной защиты и так далее.

Рис. 6.3 Результаты моделирования разгерметизации
емкости с аммиаком по методике ТОКСИ-3

6.1.3 Использование информационных ресурсов

ЭСПЛА-ПРО интегрирует не только программные ресурсы на основе модульного принципа, но и большие объемыинформационных ресурсов. Информационная среда содержит базы знаний, базы данных, картографические базы.

Продукционные базы знаний представляют информацию о возможных сценариях ЧС и мероприятиях, направленных на смягчение их последствий.

Базы данных содержат сведения об источниках и реципиентах риска, силах и средствах мониторинга, предупреждения и ликвидации ЧС, статистическую и оперативную информацию.

Картографические базы данных содержат электронные карты местности.

Используемая в системе технология OLAP (On-Line Analytical Processing) использует многомерную модель данных, которая позволяет адекватно представить процесс работы с информационными объектами, наглядно описать основные аналитические операции, оптимальным образом построить физическую модель данных для хранения и обработки запросов. OLAP обеспечивает высокую скорость работы с данными при выполнении аналитических операций, наглядное представление результатов и оперативное построение отчетов. Cпецифика OLAP-технологии требует концентрации данных в так называемых хранилищах данных (ХД). Организация ХД отличается от обычных реляционных баз. ХД системы содержит собственно информационные таблицы, обновляемые с помощью системы СтатЭкспересс, согласно Регламенту сбора и обмена информацией и справочники, которые необходимы при анализе данных. Кроме того, в Хранилище может находиться дополнительная информация: базы знаний, шаблоны отчетных форм и другое.

Оперативный анализ данных можно выполнять как в самой системе
ЭСПЛА-ПРО, так и в виде отдельной программы Аналитик. Система позволяет строить различные представления информации в виде кросс-таблиц и кросс-диаграмм на основе оперативной аналитической обработки данных.

Особого внимания заслуживают картографические данные. Большая часть объектов в хранилище данных имеет пространственную привязку, что позволяет строить тематические карты, аналитические картограммы, оперативно «собирать» карты обстановки, сложившейся или прогнозируемой при возникновении ЧС.

Система ЭСПЛА получила высокую оценку специалистов, она стоит на боевом дежурстве в органах управления по делам ГО и ЧС Красноярского края с 1998 года.

6.2 Информационная система дистанционного мониторинга лесных пожаров Федерального агентства лесного хозяйства РФ

В настоящем разделе описана одна из наиболее крупных распределенных систем дистанционного мониторинга природных процессов, охватывающая всю территорию России – Информационная система мониторинга лесных пожаров Федерального агентства лесного хозяйства (ИСДМ-Рослесхоз)[1, 2]. Дана краткая характеристика системы, перечислены решаемые системой задачи и основные потребители информации, описаны источники космических данных, а также центры приема и обработки информации. Описаны информационные продукты, создаваемые системой, а также методы прогнозирования параметров лесных пожаров и принятия решений на основе данных ИСДМ-Рослесхоз.

6.2.1 Общая характеристика системы

Система ИСДМ-Рослесхоз создавалась, начиная с 1995 года, в рамках различных проектов. Создание ее элементов в различные годы финансировалось Рослесхозом, МПР России, РАН, фондами РФФИ и TASIS. По заказу Рослесхоза в 2003 году были проведены работы по унификации элементов ИСДМ-Рослесхоз, и в конце пожароопасного сезона она была введена в опытную эксплуатацию. В 2004 году проводилась опытная эксплуатация и доработка элементов системы. В 2005 году был разработан и утвержден первый регламент работы системы, и она была введена в промышленную эксплуатацию. Следует отметить, что система, даже находясь в промышленной эксплуатации, продолжает постоянно развиваться, у нее появляются новые возможности и задачи, связанные, в том числе, с совершенствованием системы управления лесами в Российской Федерации.

Система создавалась большим консорциумом, в состав которого в различные годы входили организации и институты Рослесхоза, Российской академии наук, Росгидромета, организации других ведомств и частные предприятия. Все эти годы постоянно участвовали в создании, внедрении, эксплуатации и развитии системы, в частности, следующие организации: ФГУ «Авиалесоохрана» (АЛО), Институт космических исследований Российской академии наук (ИКИ РАН), Центр по проблемам экологии и продуктивности лесов Российской академии наук (ЦЭПЛ РАН), Институт солнечно-земной физики Сибирского отделения Российской академии наук (ИСЗФ СО РАН), Санкт-Петербургский научно-исследовательский институт лесного хозяйства (СПбНИИЛХ) и другие организации.

Космический мониторинг лесных пожаров, проведение которого обеспечивает ИСДМ-Рослесхоз, является в настоящее время составной частью государственной программы инвентаризации лесов и, в соответствии с Постановлением Правительства РФ от 26 июня 2007 г. № 407 «О проведении государственной инвентаризации лесов», выполняется с целью выявления и учёта изменений состояния лесов, происходящих в результате негативных воздействий лесных пожаров, и причин их возникновения. Космический мониторинг выполняется также в целях проведения оценки эффективности мероприятий по охране лесов от пожаров, их тушению и соответствия этих мероприятий плану субъекта Российской Федерации, лесохозяйственному регламенту и проекту освоения лесов. При этом одной из важных задач космического мониторинга является оценка последствий действия лесных пожаров. Эти задачи являются сегодня основными для ИСДМ-Рослесхоз. В то же время ИСДМ-Рослесхоз продолжает также решать задачи по оперативному обеспечению информацией работ по организации мониторинга и тушения пожаров. Следует отметить, что создание ИСДМ-Рослесхоз еще в 2005 году позволило фактически определить новые уровни мониторинга и охраны лесов. В зависимости от уровня интенсивности соответствующих мероприятий вся территория лесного фонда РФ делится в настоящее время на следующие зоны мониторинга:

· наземного и авиационного мониторинга;

· космического мониторинга первого уровня;

· космического мониторинга второго уровня.

Общая картина расположения данных зон приведена на рисунке 6.4.

К зоне космического мониторинга первого уровня относятся удаленные и труднодоступные территории, на которых авиапатрулирование не производится и не планируется, а тушение лесных пожаров выполняется только при наличии угрозы населённым пунктам или объектам экономики. Следует отметить, что на этих территориях статистика о действующих пожарах и их последствиях формируется исключительно на основе спутниковых данных.

К зоне космического мониторинга второго уровня относятся территории, на которых плановое авиационное патрулирование не проводится. Обнаружение лесных пожаров производится преимущественно с использованием данных мониторинга лесных пожаров ИСДМ-Рослесхоз. Тушение лесных пожаров производится с применением авиации и авиапожарных команд.

Рис. 6.4 Зоны мониторинга лесных пожаров в Российской Федерации

ИСДМ-Рослесхоз должна обеспечивать информацией следующих основных пользователей:

· Федеральное агентство лесного хозяйства Российской Федерации (Рослесхоз);

· заинтересованные федеральные министерства, агентства и службы, ответственные за мониторинг и охрану окружающей среды;

· агентства, службы, министерства и организации, обеспечивающие работы по мониторингу и тушению лесных пожаров в субъектах РФ и федеральных округах;

· отраслевые институты и научные организации Рослесхоза;

· аппарат, службы и региональные представительства Министерства по ГО и чрезвычайным ситуациям РФ.

Для решения поставленных задач ИСДМ-Рослесхоз должна оперативно обеспечивать предоставление пользователям системы объективной, однородной (сопоставимой по всей территории России) информации.

Для этого она производит:

· сбор данных о регистрации пожаров на охраняемой и неохраняемой территориях;

· сбор данных о состоянии окружающей среды, необходимых для организации работ по обнаружению и тушению лесных пожаров;

· сбор информации, необходимой для проведения оценок последствий действия лесных пожаров;

· оперативную обработку данных с целью построения информационных продуктов, необходимых для принятия управленческих решений при организации и проведении работ по обнаружению и тушению лесных пожаров;

· оперативное предоставление информации, необходимой для принятия управленческих решений, в том числе для оценки эффективности принимаемых мер и использования средств для организации мониторинга и тушения лесных пожаров.

· оценку последствий действия лесных пожаров по данным дистанционных наблюдений;

· формирования различных отчетных форм на основе информации наземного, авиационногои спутникового мониторинга;

· организацию оперативного и долговременного хранения данных, собранных и обработанных системой, и информационных продуктов;

· проведение комплексных проверок и детального анализа информации по отдельным действующим пожарам с целью оценки качества и объективности информации, полученной на основе данных наземного, авиационного и спутникового мониторинга;

· информационную поддержку и обучение пользователей по вопросам использования данных ИСДМ-Рослесхоз;

· постоянное совершенствование и развитие элементов ИСДМ-Рослесхоз для устранения выявленных в процессе эксплуатации недостатков и расширения ее функциональности.

Основными источниками информации для ИСДМ-Рослесхоз в настоящее время являются:

· данные о лесных пожарах, полученные от организаций и служб, обеспечивающих мониторинг и тушение лесных пожаров;

· информация, полученная на основе данных, поступающих со спутниковых систем дистанционного зондирования Земли (далее спутниковые данных);

· метеоинформация, поступающая из организаций Федеральной службы по гидрометеорологии и мониторингу окружающей среды и других открытых источников;

· данные регистрации молниевых разрядов;

· данные наземных и авиационных обследований отдельных пожаров, выполненных специалистами авиалесоохраны (АЛО);

· различная картографическая информация.

6.2.2 Использование спутниковых данных

Безусловно, ключевыми в системе являются спутниковые данные, поскольку именно они позволяют оперативно получать информацию по всей территории лесного фонда Российской Федерации (1100 млн га). Поэтому подробнее рассмотрим работу ИСДМ-Рослесхоз именно со спутниковыми данными.

Основными задачами, для решения которых в ИСДМ-Рослесхоз используются в настоящее время спутниковые данные, являются:

· получение оперативной информации для оценки метеообстановки (в первую очередь, о состоянии облачности);

· оперативная регистрация зон с подозрениями на лесные пожары на охраняемых территориях;

· оперативная оценка характеристик действующих пожаров (площадь, направление развития, задымленность и т.д.) по данным о зонах активного горения;

· оценка площадей, пройденных огнем, на основе анализа данных об изменении состояния растительности до и после пожара; оценка степени повреждений лесов на площадях, пройденных огнем;

· определение типов территории, на которой действуют пожары (покрытая лесом, не покрытая лесом), уточнение площадей, пройденных огнем, на основе анализа данных высокого пространственного разрешения; комплексный анализ данных об отдельных пожарах, в том числе для проверки информации, предоставляемой региональными службами;

· получение отчетных форм и статистической информации о пожара