В.С. Чернышенко1, А.А. Давлеканова2, Т.Ю. Молдовский3

1–3 Финансовый университет при Правительстве РФ (Москва, Россия)
1 vschernyshenko@fa.ru, 2 azzalliiya@gmail.com, 3 moldovskiitimur@gmail.com

Постановка проблемы. Лесные пожары в России, угрожающие глобальным экосистемам и климатическому балансу, требуют глубокого анализа для разработки эффективных стратегий управления. Увеличение их частоты и интенсивности из-за климатических изменений ставит под вопрос устойчивость крупнейших в мире бореальных лесов, важных для углеродного цикла.

Цель. Оценить выживаемость лесов в условиях пожаров, проанализировать временные характеристики возгораний и рисков, а также интеграцию исторических и пространственных данных для прогнозирования и предотвращения экологических угроз.

Результаты. Применение методов статистики (включая метод Каплана–Мейера) и технологий искусственного интеллекта позволило разработать комплексные модели, учитывающие региональные особенности, что обеспечивает прогнозирование пожаров и оценку эффективности мер по их локализации.

Практическая значимость. Результаты исследования способствуют оптимизации управления лесными ресурсами, минимизации экологического ущерба и сохранению климатической стабильности. Внедрение моделей поможет сократить экономические потери и улучшить превентивные стратегии.

Чернышенко В.С., Давлеканова А.А., Молдовский Т.Ю. Оценка рисков пожаров для депонированного углерода в российских лесах: временной анализ // Динамика сложных систем. 2025. Т. 19. № 5. С. 104−109. DOI: 10.18127/ j19997493-202505-12

1. Kirdyanov A.V. и др. Long-term ecological consequences of forest fires in the continuous permafrost zone of Siberia. Environ. Res. Lett. 2020. Т. 15. Вып. 3. С. 034061. doi: 10.1088/1748-9326/ab7469
2. Betts E.F. и Jones J.B. Impact of Wildfire on Stream Nutrient Chemistry and Ecosystem Metabolism in Boreal Forest Catchments of Interior Alaska. Arct. Antarct. Alp. Res. 2009. Т. 41. Вып. 4. С. 407–417. doi: 10.1657/1938-4246-41.4.407
3. Kitzberger T., Falk D.A., Westerling A.L., Swetnam T.W. Direct and indirect climate controls predict heterogeneous early-mid 21st century wildfire burned area across western and boreal North America. PLOS ONE. 2017. Т. 12. Вып. 12. С. e0188486. doi: 10.1371/journal.pone.0188486
4. Bowman D.M.J.S. и др. Fire in the Earth System. Science. 2009. Т. 324. Вып. 5926. С. 481–484. doi: 10.1126/science.1163886
5. Flannigan M., Stocks B., Turetsky M., Wotton M. Impacts of climate change on fire activity and fire management in the circumboreal forest. Glob. Change Biol. 2009. Т. 15. Вып. 3. Р. 549–560. doi: 10.1111/j.1365-2486.2008.01660.x
6. Abatzoglou J.T., Williams A.P. Impact of anthropogenic climate change on wildfire across western US forests. Proc. Natl. Acad. Sci. 2016. Т. 113. Вып. 42. С. 11770–11775. doi: 10.1073/pnas.1607171113
7. Yang J. и др. Predicting wildfire occurrence distribution with spatial point process models and its uncertainty assessment: a case study in the Lake Tahoe Basin, USA. Int. J. Wildland Fire. 2015. Т. 24. Вып. 3. С. 380. doi: 10.1071/WF14001
8. Littell J.S., McKenzie D., Peterson D.L., Westerling A.L. Climate and wildfire area burned in western U.S. ecoprovinces, 1916–2003. Ecol. Appl. 2009. Т. 19. Вып. 4. С. 1003–1021. doi: 10.1890/07-1183.1
9. Westerling A.L., Hidalgo H.G., Cayan D.R., Swetnam T.W. Warming and Earlier Spring Increase Western U.S. Forest Wildfire Activity. Science. 2006. Т. 313. Вып. 5789. С. 940–943. doi: 10.1126/science.1128834
10. Zhu Y., Murugesan S.B., Masara I.K., Myint S.W., Fisher J.B. Examining wildfire dynamics using ECOSTRESS data with machine learning approaches: the case of South‐Eastern Australia’s black summer. Remote Sens. Ecol. Conserv. 2024. с. rse2.422. doi: 10.1002/rse2.422
11. Preisler H.K., Westerling A.L., Gebert K.M., Munoz-Arriola F., Holmes T.P. Spatially explicit forecasts of large wildland fire probability and suppression costs for California. Int. J. Wildland Fire. 2011. Т. 20. Вып. 4. С. 508. doi: 10.1071/WF09087
12. Jager K.J., Van Dijk P.C., Zoccali C., Dekker F.W. The analysis of survival data: the Kaplan–Meier method. Kidney Int. 2008. Т. 74. Вып. 5. с. 560–565. doi: 10.1038/ki.2008.217