روش‌های مدل‌سازی و ارزیابی خطر وقوع آتش‌سوزی در جنگل‌های جهان و ایران
محورهای موضوعی : آب و محیط زیست
سعیده اسکندری
1
(استادیار پژوهش، بخش تحقیقات جنگل، مؤسسه تحقیقات جنگل‌ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران. *(مسوول مکاتبات).)
کلید واژه: پتانسیل خطر, آتش‌سوزی, پیش‌بینی,
چکیده مقاله :
روند فزاینده آتش‌سوزی در جنگل‌ها، لزوم ارایه راهکاری برای پیش‌بینی و کنترل آنها را اجتناب‌ناپذیر می‌کند. با توجه به این‌که عوامل مختلفی در وقوع آتش‌سوزی جنگل‌ها تأثیرگذارند، مدل‌سازی وقوع آتش‌سوزی با توجه به کلیه فاکتورهای تأثیرگذار، راهکار مناسبی برای پیش‌بینی وقوع آتش‌سوزی در این جنگل‌ها است. این مطالعه به‌منظور بررسی روش‌های مختلف مدل‌سازی و ارزیابی خطر وقوع آتش‌سوزی در جنگل‌های جهان و ایران انجام شده است. بررسی تحقیقات انجام‌شده در ایران نشان‌دهنده این است که مطالعات مربوط به پتانسیل‌یابی آتش‌سوزی در کشور ما محدود بوده و در اغلب این مطالعات از تحلیل سلسله مراتبی برای وزن‌دهی به فاکتورهای مؤثر در وقوع آتش‌سوزی جنگل‌ها استفاده شده است. جمع‌بندی تحقیقات انجام‌شده در مناطق دیگر جهان نشان می‌دهد که اغلب نوع پوشش گیاهی، شیب، جهت جغرافیایی، فاصله از جاده‌ها، توپوگرافی و کاربری اراضی، مؤثرترین فاکتورها در مدل‌سازی وقوع آتش بوده‌اند و ادغام لایه‌ها معمولاً بر اساس سلسله مراتب و ضریب خطر در وقوع آتش‌سوزی انجام شده است. برای ارزیابی دقت مدل استفاده‌شده در تهیه نقشه پتانسیل خطر آتش‌سوزی، معمولاً نقشه پتانسیل خطر آتش‌سوزی با نقشه آتش‌سوزی‌های گذشته مقایسه شده است. در برخی مطالعات جدیدتر، از رگرسیون لجستیک و الگوریتم درخت تصمیم‌گیری برای انتخاب متغیرهای مؤثر در آتش‌سوزی و همچنین مدل‌سازی خطر آتش‌سوزی استفاده شده است و در روش‌های پیشرفته‌تر از تلفیق سیستم استنتاج فازی و شبکه عصبی، هوش مصنوعی و ماشین بردار پشتیبان برای پیش‌بینی آتش‌سوزی‌های آینده استفاده شده است. آنالیز چندمعیاره موضوعی است که در تحقیقات جدید مطرح شده و سازماندهی معیارها در قالب مدلی از داده‌های مکانی با استفاده از GIS نتایج مطلوبی را به‌همراه داشته است.
The growing trend of forest fires necessitates presentation of a solution to predict and control them. Fire occurrence modeling with attention to all effective factors, is a proper solution to predict the fire occurrence in the forests because many factors affect on forest fire occurrence. This study has been done to investigate the different methods of fire modeling and fire risk assessment in forests of the world and Iran. Investigation of the researches implemented in Iran shows that the studies about fire risk potential evaluation in Iran have been limited and AHP has been used to weigh the effective factors in forest fire in most of these studies. Conclusion of researches implemented in the world shows that vegetation type, slope, aspect, distance from roads, topography and land use, have been the most effective factors in modeling of fire occurrence and integration of digital layers has often been based on a hierarchy and a risk coefficient in fire occurrence. The past actual fires map has been compared with the fire risk map to assess the accuracy of models used in provision of fire risk potential map. Logistic regression and decision-making tree algorithm have been used to select the effective variables in fire and to model the fire risk in some new studies. Integration of fuzzy inference system and neural network, neural intelligence and support vector machine has been used to predict the future fires in some advanced methods. Multi-criteria analysis is a subject used in the new studies and organization of the criteria in a spatial model using GIS has had the good results.
1- کاظمی، س. م.، «آتش و اکوسیستم‌های جنگلی»، ماهنامه دام و کشت و صنعت، 1384، شماره 70، صفحات 46-56.
2- عالی‌محمودی سراب، س.، فقهی، ج.، جباریان امیری، ب.، «پیش‌بینی وقوع آتش‌سوزی در جنگل‌ها و مراتع با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: جنگل‌های منطقه زاگرس شهرستان ایذه)»، اکولوژی کاربردی، 1391، جلد 1، شماره 2، صفحات 75-85.
3- Janbaz Ghobadi, Gh., Gholizadeh, B., Majidi Dashliburun, O., 2012. Forest fire risk zone mapping from geographic information system in Northern forests of Iran (case study, Golestan province). International Journal of Agriculture and Crop Sciences, Vol. 4 (12), pp. 818-824.
4- Roman, M.V., Azqueta, D., Rodrigues, M., 2013. Methodological approach to assess the socio-economic vulnerability to wildfires in Spain. Forest Ecology and Management, Vol. 294, pp. 158-165.
5- Encinas, L.H., White, S.H., del Rey, A.M., Sanchez, G.R., 2007. Simulation of forest fire fronts using cellular automata. Advances in Engineering Software, Vol. 38, pp. 372-378.
6- پناهی، پ.، «کاربرد سنجش از دور در مدیریت آتش‌سوزی جنگل»، سمینار دوره دکتری، دانشگاه مازندران، 1386، 20 صفحه.
7- Podur, J., Martell, D.L., Knight, K., 2002. Statistical quality control analysis of forest fire activity in Canada. Canadian Journal of Forest Research, Vol. 32, pp. 195-205.
8- Wenliang, L., Shixin, W., Yi, Z., Litao, W., Shujie, Z., 2010. Analysis of forest potential fire environment based on GIS and RS. Proceedings of the 18th International Conference on Geo-informatics, pp. 1-6.
9- Sowmya, S.V., Somashekar, R.K., 2010. Application of remote sensing and geographical information system in mapping forest fire risk zone at Bhadra wildlife sanctuary, India. Journal of Environmental Biology, Vol. 31(6), pp. 969-974.
10- Alexandridis, A., Vakalis, D., Siettos, C.I., Bafas, G.V., 2008. A cellular automata model for forest fire spread prediction: The case of the wildfire that swept through Spetses Island in 1990. Applied Mathematics and Computation, Vol. 204, pp. 191-201.
11- Mutlu, M., Popescu, S.C., Zhao, K., 2008. Sensitivity analysis of fire behavior modeling with LIDAR- derived surface fuel maps. Forest Ecology and Management, Vol. 256, pp. 289-294.
12- Lee, B.S., Alexander, M.E., Hawkes, B.C., Lynham, T.J., Stocks B.J., Englefield, P., 2002. Information systems in support of wild land fire management decision making in Canada. Computers and Electronics in Agriculture, Vol. 37, pp. 185-198.
13- Chuvieco, E., Congalton, R.G., 1989. Application of remote sensing and geographic information systems to forest fire hazard mapping. Remote Sensing of the Environment, Vol. 29, pp. 147-159.
14- Crofts, M., 1998. Forest fire management program at Pukaskwa national park. Proceedings of PRFO, pp. 292-293.
15- Vakalis, D., Sarimveis, H., Kiranoudis, C.T., Alexandridis, A., Bafas, G.V., 2004. A GIS based operational system for wildland fire crisis management, I. mathematical modelling and simulation. Applied Mathematical Modelling, Vol. 28 (4), pp. 389-410.
16- منصوری، ن. ا.، نظری، ر.، نصیری، پ.، قراگوزلو، ع.، «تدوین برنامه مدیریت بحران آتش‌سوزی جنگل با تکنولوژی RS و GIS»، کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در برنامه‌ریزی، 1390، جلد 2، شماره 3، صفحات 63-73.
17- Akpinar, E., Usul, N., 2003. GIS and forest fire. Project of INTA Space Turk, Engineering Department, Middle East Technical University, 11 p.
18- Pradhan, B., Bin Awang, M.A., 2006. Application of remote sensing and GIS for forest fire susceptibility mapping using likelihood ratio model. Proceedings of Map Malaysia, Kuala Lumpur, India, pp. 7-12.
19- ادب، ح.، حبیبی نوخندان، م.، میرزا بیاتی، ر. و ادبی فیروز رجایی، ع.، «پهنه‌بندی خطر آتش‌سوزی در مناطق جنگلی استان مازندران بر اساس شاخص پیش‌آگاهی Molgan با بهره‌گیری از تکنیک GIS»، مجموعه مقالات اولین همایش بین‌المللی تغییر اقلیم و گاهشناسی درختی در اکوسیستم‌های خزری، 1387، ساری، ایران، 178-189.
20- اکبری، د.، «هشدار آتش‌سوزی در مناطق جنگلی با استفاده از تکنیک‌های سنجش از دوری»، مجموعه مقالات اولین کنفرانس ملی ژئوماتیک نوین در خدمت جامعه، 1389، تهران، ایران، 5.
21- Giri, C., Shrestha, S., 2000. Forest fire mapping in Huay Kha Khaeng wildlife sanctuary, Thailand. International Journal of Remote Sensing, Vol. 21(10), pp. 2023-2030.
22- Vazquez, A., Moreno, J.M., 2001. Spatial distribution of forest fires in Sierra de Gredos (Central Spain). Forest Ecology and Management, Vol. 147(1), pp. 55-65.
23- Stolle, F., Chomitz, K.M., Lambin, E.F., Tomich, T.P., 2003. Human ecological intervention and the role of forest fires in human ecology. Forest Ecology and Management, Vol. 179, pp. 277-292.
24- Lozano, F.J., Suárez-Seoane, S., Kelly, M., Luis, E., 2008. A multi-scale approach for modeling fire occurrence probability using satellite data and classification trees: A case study in a mountainous Mediterranean region. Remote Sensing of Environment, Vol. 112, pp. 708-719.
25- Zumbrunnen, T., Pezzattic, G.B., Menéndezd, P., Bugmann, H., Bürgia, M., Conederac, M., 2011. Weather and human impacts on forest fires: 100 years of fire history in two climatic regions of Switzerland. Forest Ecology and Management, Vol. 261, pp. 2188-2199.
26- Eskandari, S., Oladi, J., Jalilvand, H., Sarajian, M.R., 2013a. Role of human factors on fire occurrence in District Three of Neka Zalemroud forests-Iran. World Applied Sciences Journal, Vol. 27(9), pp. 1146-1150.
27- Eskandari, S., 2015. Investigation on the relationship between climate change and fire in the forests of Golestan Province. Iranian Journal of Forest and Range Protection Research, Vol. 13(1), pp. 1-10.
28- خراسانی‌نژاد، ع.، «بررسی عوامل مربوط به آتش‌سوزی در جنگل شصت کلاته و روش‌های کنترل آن»، پایان‌نامه کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، 1374، 118 صفحه.
29- یوسفی، ا.، جلیلوند، ح.، «بررسی وضعیت آتش‌سوزی در مناطق جنگلی و مرتعی استان مازندران (حوزه اداره کل منابع طبیعی ساری) از سال 1373 تا 1386»، مجموعه مقالات دومین همایش بین‌المللی تغییر اقلیم و گاهشناسی درختی در اکوسیستم‌های خزری، 1389، ساری، ایران، 15.
30- بیرانوند، ع.، بابایی کفاکی، س.، کیادلیری، ه.، «بررسی تأثیر عوامل اکولوژیک بر توسعه آتش‌سوزی در اکوسیستم‌های جنگلی (مطالعه موردی: کاکارضا- لرستان)»، مجله تحقیقات منابع طبیعی تجدیدشونده، 1390، جلد 2، شماره 2، صفحات 1-13.
31- گراوند، س.، یارعلی، ن.، صادقی کاجی، ح.، «الگوی مکانی و نقشه خطر وقوع آتش‌سوزی در اراضی طبیعی استان لرستان»، تحقیقات جنگل و صنوبر ایران، 1392، جلد 21، شماره 2، صفحات 231-242.
32- Almedia, R., 1994. Forest fire risk areas and definition of the prevention priority planning actions using GIS. Proceedings of the Fifth European Conference and Exhibition on Geographic Information Systems, EGIS 94, Utrecht, EGIS Foundation, pp. 1700-1706.
33- Jaiswal, R.K., Mukherjee, S., Raju, D.K., Saxena, R., 2002. Forest fire risk zone mapping from satellite imagery and GIS. International Journal of Applied Earth Observation and Geoinformation, Vol. 4, pp. 1-10.
34- Eskandari, S., Miesel, J.R., 2017. Comparison of the fuzzy AHP method, the spatial correlation method, and the Dong model to predict the fire high-risk areas in Hyrcanian forests of Iran. Geomatics, Natural Hazards and Risk, Vol. 8, pp. 1-17.
35- Dong, X.U., Li-min, D., Guo-fan, Sh., Lei, T., Hui, W., 2005. Forest fire risk zone mapping from satellite images and GIS for Baihe forestry bureau, Jilin, China. Journal of Forestry Research, Vol. 16(3), pp. 169-174.
36- Erten, E., Kurgun, V., Musaolu, N., 2005. Forest fire risk zone mapping from satellite imagery and GIS, a case study. Civil Engineering Faculty, Remote Sensing Division, 7p.
37- اسکندری، س.، اولادی قادیکلایی، ج.، جلیلوند، ح.، «ارزیابی کارآیی مدل Dong برای تعیین قابلیت خطر آتش‌سوزی در جنگل‌های زرین‌آباد نکا، استان مازندران»، فصلنامه تحقیقات جنگل و صنوبر ایران، 1392 الف، جلد 21، شماره 3، صفحات 439-451.
38- Eskandari, S., Oladi Ghadikolaei, J., Jalilvand, H., Saradjian, M.R., 2013b. Detection of fire high-risk areas in northern forests of Iran using Dong model. World Applied Sciences Journal, Vol. 27(6), pp. 770-773.
39- Thakur, A.K., Singh, D., 2014. Forest fire risk zonation using geospatial techniques and Analytic Hierarchy Process in Dehradun district, Uttarakhand, India. Universal Journal of Environmental Research and Technology, Vol. 4(2), pp. 82-89.
40- سجادیان، م.، سجادیان، ن.، «ارزیابی و کنترل بهینه آتش‌سوزی در منابع طبیعی (جنگل‌ها) با استفاده از تلفیق آنالیز مکانی spread computation و AHP در محیط GIS»، دومین کنفرانس بین‌المللی سلامت، ایمنی و محیط زیست، 1388، تهران، ایران، 8.
41- محمدی، ف.، شعبانیان، ن.، پورهاشمی، م.، فاتحی، پ.، «تهیه نقشه خطر آتش‌سوزی جنگل با استفاده از AHP و GIS»، فصلنامه تحقیقات جنگل و صنوبر ایران، 1389، جلد 18، شماره 4، صفحات 569-586.
42- مهدوی، ع.، فلاح شمسی، ر.، نظری، ر.، حیدری، م.، «تهیه نقشه خطر آتش‌سوزی در اراضی جنگلی و مرتعی حوزه شهرستان ایلام با استفاده از روش تحلیل سلسله مراتبی»، مجموعه مقالات نخستین همایش بین‌المللی آتش‌سوزی در عرصه‌های منابع طبیعی، 1390، گرگان، ایران، 13.
43- سلامتی، ح.، مصطفی لو، ح.، مستوری، ع.، هنردوست، ف.، «ارزیابی و تهیه نقشه خطر آتش‌سوزی جنگل با استفاده از GIS در جنگل‌های استان گلستان»، مجموعه مقالات نخستین همایش بین‌المللی آتش‌سوزی در عرصه‌های منابع طبیعی، 1390، گرگان، ایران، 10.
44- Vadrevu, K.P., Eaturu, A., Badarinath, K.V.S., 2010. Fire risk evaluation using multicriteria analysis, a case study. Environmental Monitoring and Assessment, Vol. 166, pp. 223-239.
45- Eskandari, S., 2017. A new approach for forest fire risk modeling using fuzzy AHP and GIS in Hyrcanian forests of Iran. Arabian Journal of Geosciences, Vol. 10(8), pp. 1-13.
46- زرعکار، آزاده.، کاظمی زمانی، بهاره.، قربانی، ساره.، عاشق معلا، مریم.، جعفری، حمیدرضا، «تهیه نقشه پراکندگی فضایی خطر آتش‌سوزی جنگل با استفاده از روش تصمیم‌گیری چندمعیاره و سامانه اطلاعات جغرافیایی (مطالعه موردی: سه حوزه جنگلی در استان گیلان)»، تحقیقات جنگل و صنوبر ایران، 1392، جلد 21، شماره 2، صفحات 218-230.
47- Sakr, G.E., Elhajj, I.H., 2010. Artificial intelligence for forest fire prediction: A comparative study. Proceedings of the Sixth International Conference on Forest Fire Research, Coimbra, Portugal, pp. 653-661.
48- Perera, A.H., Cui, W., 2010. Emulating natural disturbances as a forest management goal: Lessons from fire regime simulations. Forest Ecology and Management, Vol. 259, pp. 1328-1337.
49- Paz, Sh., Carmel, Y., Jahshan, F., Shoshany, M., 2011. Post-fire analysis of pre-fire mapping of fire-risk: A recent case study from Mt. Carmel (Israel). Forest Ecology and Management, Vol. 262, pp. 1184-1188.
50- اترک‌چالی، ع.، «بررسی اثرات آتش‌سوزی بر روی تغییرات پوشش گیاهی»، پایان‌نامه کارشناسی ارشد جنگل‌داری، دانشگاه مازندران، 1379، 120 صفحه.
51- هوشیارخواه، ب.، جمشیدی آلاشتی، ر.، «رژیم‌های آتش‌سوزی در جنگل و استراتژی مقابله با آن»، مجموعه مقالات دومین همایش مقابله با سوانح طبیعی، 1386، تهران، ایران، 9.
52- Rollins, M.G., Keane, R.E., Parsons, R.A., 2004. Mapping fuels and fire regimes using remote sensing, ecosystem simulation and gradient modeling. Ecological Applications, Vol. 14(1), pp. 75-95.
53- Martinez, J., Vega-Garcia, C., Chuvieco, E., 2009. Human-caused wildfire risk rating for prevention planning in Spain. Journal of Environmental Management, Vol. 90, pp. 1241-1252.
54- Jurdao, S., Chuvieco, E., Arevalillo, J.M., 2012. Modelling fire ignition probability from satellite estimates of live fuel moisture content. Fire Ecology, Vol. 8 (1), pp. 77-97.
55- Sitanggang, I.S., Yaakob, R., Mustapha, N., Ainuddin, A.N., 2013. Predictive models for hotspots occurrence using decision tree algorithm and logistic regression. Journal of Applied Sciences, Vol. 13 (2), pp. 252-261.
56- Eskandari, S., Chuvieco, E., 2015. Fire danger assessment in Iran based on geospatial information. International Journal of Applied Earth Observation and Geoinformation, Vol. 42, pp. 57-64.
57- Chuvieco, E., Aguado, I., Yebra, M., Nieto, H., Salas, J., Martin, P., Vilar, L., Martinez, J., Martıin, S., Ibarra, P., de la Riva, J., Baeza, J., Rodriguez, F., Molina, J.R., Herrera, M.A., Zamora, R., 2010. Development of a framework for fire risk assessment using remote sensing and geographic information system technologies. Ecological Modelling, Vol. 221, pp. 46-58.
58- Chuvieco, E., Aguado, I., Jurdao, S., Pettinari, M. L., Yebra, M., Salas, J., Hantson, S., de la Riva, J., Ibarra, P., Rodrigues, M., Echeverria, M., Azqueta, D., Roman, M.V., Bastarrika, A., Martinez, S., Recondo, C., Zapico, E., Martinez-Vega, F.J., 2012. Integrating geospatial information into fire risk assessment. International Journal of Wildland Fire, Vol. 23(5), 606-619.
59- Adab, H., Kanniah, K.D., Solaimani, K., 2013. Modeling forest fire risk in the northeast of Iran using remote sensing and GIS techniques. Natural Hazards, Vol. 65, pp. 1723-1743.
60- Gerdzheva, A.A., 2014. A comparative analysis of different wildfire risk assessment models (a case study for Smolyan district, Bulgaria). European Journal of Geography, Vol. 5(3), pp. 22 -36.
_||_