مدل‌سازی و پیش‌بینی خطر آتش‌سوزی در جنگل‌های بخش سه نکا-ظالمرود با استفاده از سامانه اطلاعات جغرافیایی

نوع مقاله : علمی- پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

2 دانشیار، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری.

3 دانشیار، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

4 دانشیار، گروه سنجش از دور، دانشکده فنی، دانشگاه تهران.

چکیده

این تحقیق با هدف پیش­بینی آتش‌سوزی‌های آینده با استفاده از مدل­سازی خطر آتش­سوزی در جنگل­های بخش سه نکا- ظالمرود انجام شد. به­منظور مدل­سازی خطر آتش­سوزی از روش تحلیل سلسله مراتبی فازی برای وزن­دهی به عوامل مؤثر در آتش­سوزی استفاده شد و بعد نقشه مربوط به هر عامل برای قابلیت­یابی مناطق خطر آتش­سوزی تهیه شد. عوامل مورد استفاده شامل 4 معیار اصلی و 17 زیرمعیار بود. معیارهای اصلی شامل معیارهای توپوگرافی، معیارهای بیولوژیکی، معیارهای اقلیمی و معیارهای انسان­ساخت بود. برای تهیه نقشه تمام این عوامل از مدل رقومی ارتفاع منطقه و اطلاعات موجود در شرکت سهامی نکاچوب استفاده شد. همچنین نقشه آتش­سوزی­های گذشته با استفاده از اطلاعات موجود در شرکت سهامی نکاچوب و بعضاً نقشه­برداری محیط لکه‌های آتش­سوزی در عرصه با سیستم موقعیت‌یاب جهانی تهیه شد. برای وزن­دهی به عوامل مؤثر در آتش­سوزی با تحلیل سلسله مراتبی فازی، از مقیاس­های زبانی برای بیان درجه اهمیت عوامل و نتایج ارزیابی پرسشنامه­های توزیع شده بین متخصصان آتش­سوزی در عرصه­های منابع طبیعی استفاده شد. سپس نسبت سازگاری هر معیار برای بررسی صحت وزن معیارها محاسبه شد. نتایج نشان داد که وزن نهایی معیارهای انسان­ساخت، بیولوژیکی، اقلیمی و توپوگرافی در قابلیت خطر آتش­سوزی به‌ترتیب برابر با 301/0، 2595/0، 2315/0 و 208/0 است. پس از بدست آوردن وزن هر معیار و زیرمعیار با استفاده از روش تحلیل سلسله مراتبی فازی، مدل خطر آتش­سوزی در جنگل­های منطقه ارائه شد؛ سپس نقشه مربوط به تمام عوامل مؤثر در آتش‌سوزی (17 زیرمعیار) با استفاده از روش فازی در محیط GIS استانداردسازی و مقادیر ارزش­های پیکسلی هر نقشه بین 0 تا 1 ارزش­گذاری شد. درنهایت با استفاده از مدل بدست‌آمده ابتدا نقشه معیارهای اصلی (از ادغام وزنی زیرمعیارهای هر معیار) و بعد نقشه نهایی خطر آتش­سوزی جنگل­های منطقه (از ادغام وزنی نقشه 4 معیار اصلی) تهیه شد. در پایان نقشه خطر آتش­سوزی جنگل­های منطقه در 5 طبقه ارائه شد. نتایج نشان داد که مناطق پرخطر آتش­سوزی در نقشه قابلیت خطر تهیه شده با مناطق آتش­سوزی­های گذشته تطابق زیادی داشته که نشان­دهنده اعتبار و صحت بالای مدل ساخته شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Fire risk modeling and prediction in district three of Neka-Zalemroud forest, using Geographical Information System

نویسندگان [English]

  • Sa'eide Eskandari 1
  • Ja'far Oladi Ghadikolaei 2
  • Hamid Jalilvand 3
  • Mohammad Reza Saradjian 4
1 PhD student, Forestry Department, Sari Agricultural Sciences and Natural Resources University, Sari, I.R. Iran
2 Associate professor, Forestry Department, Sari Agricultural Sciences and Natural Resources University, Sari, I.R. Iran.
3 Associate professor, Forestry Department, Sari Agricultural Sciences and Natural Resources University, Sari, I.R. Iran.
4 Associate professor, Remote Sensing Division, Surveying Engineering Department, College of Engineering, University of Tehran, Tehran, IR. Iran.
چکیده [English]

The aim of the study was to predict future fires at District Three of Neka-Zalemroud Forests, using fire risk modeling. Fuzzy Analytical Hierarchy (AHP) method was used to weight the effective fire factors, then map of each factor was developed for modeling sites with fire risk. The fire factors consisted of four major criteria and 17 sub-criteria. The major criteria consisted of topographical, biological, climatical and human factors. The maps of these factors were developed, using DEM and existing data in Neka Corporation Company. In addition, the past fires map was generated, using existing data in the Company and mapping fire patches perimeter by GPS. Verbal scales and results of distributed questionnaires among forest fire experts were used to weight the effective fire factors, using fuzzy AHP. Then relation consistency of each criterion was calculated, in order to investigate accuracy of criteria weight. Results showed that final weight of human, biological, climatical and topographical factors in forest fire risk potential were 0.301, 0.2595, 0.2315 and 0.208, respectively. Local fire risk model was presented, using weight of each criterion and sub-criterion, based on fuzzy AHP. Then map of effective fire factors (17 sub-criteria) was standardized, using fuzzy membership command in GIS and the pixel values of each map were scaled between 0 and 1. Finally, at first major criteria map (using weighted overlay of sub-criteria maps of each criterion) then fire risk map (using weighted overlay of four major criteria maps) was developed, using fire risk model equation. Overall, fire risk map was presented at five classes. Results showed that the sites with high fire risk on the developed map of fire risk potential are highly in accordance with the sites with past fire records which shows the high validation and accuracy of the developed model.

کلیدواژه‌ها [English]

  • Fuzzy AHP
  • Topographic
  • biologic
  • climatic and human factors
  • DEM

فصلنامة علمی - پژوهشی تحقیقات جنگل و صنوبر ایران

جلد 21  شمارة 2، صفحة 217-203، (1392)

 

مدل‌سازی و پیش‌بینی خطر آتش‌سوزی در جنگل‌های بخش سه نکا- ظالمرود با استفاده از سامانه اطلاعات جغرافیایی

 

سعیده اسکندری1*، جعفر اولادی قادیکلایی2، حمید جلیلوند2 و محمدرضا سراجیان3

1*- نویسنده مسئول، دانشجوی دکتری، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری.

    پست‌الکترونیک:saeedeheskandari119@yahoo.com

2- دانشیار، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری.

3- دانشیار، گروه سنجش از دور، دانشکده فنی، دانشگاه تهران.

تاریخ دریافت: 25/7/91                                                                تاریخ پذیرش: 8/1/92

 

چکیده

این تحقیق با هدف پیش­بینی آتش‌سوزی‌های آینده با استفاده از مدل­سازی خطر آتش­سوزی در جنگل­های بخش سه نکا- ظالمرود انجام شد. به­منظور مدل­سازی خطر آتش­سوزی از روش تحلیل سلسله مراتبی فازی برای وزن­دهی به عوامل مؤثر در آتش­سوزی استفاده شد و بعد نقشه مربوط به هر عامل برای قابلیت­یابی مناطق خطر آتش­سوزی تهیه شد. عوامل مورد استفاده شامل 4 معیار اصلی و 17 زیرمعیار بود. معیارهای اصلی شامل معیارهای توپوگرافی، معیارهای بیولوژیکی، معیارهای اقلیمی و معیارهای انسان­ساخت بود. برای تهیه نقشه تمام این عوامل از مدل رقومی ارتفاع منطقه و اطلاعات موجود در شرکت سهامی نکاچوب استفاده شد. همچنین نقشه آتش­سوزی­های گذشته با استفاده از اطلاعات موجود در شرکت سهامی نکاچوب و بعضاً نقشه­برداری محیط لکه‌های آتش­سوزی در عرصه با سیستم موقعیت‌یاب جهانی تهیه شد. برای وزن­دهی به عوامل مؤثر در آتش­سوزی با تحلیل سلسله مراتبی فازی، از مقیاس­های زبانی برای بیان درجه اهمیت عوامل و نتایج ارزیابی پرسشنامه­های توزیع شده بین متخصصان آتش­سوزی در عرصه­های منابع طبیعی استفاده شد. سپس نسبت سازگاری هر معیار برای بررسی صحت وزن معیارها محاسبه شد. نتایج نشان داد که وزن نهایی معیارهای انسان­ساخت، بیولوژیکی، اقلیمی و توپوگرافی در قابلیت خطر آتش­سوزی به‌ترتیب برابر با 301/0، 2595/0، 2315/0 و 208/0 است. پس از بدست آوردن وزن هر معیار و زیرمعیار با استفاده از روش تحلیل سلسله مراتبی فازی، مدل خطر آتش­سوزی در جنگل­های منطقه ارائه شد؛ سپس نقشه مربوط به تمام عوامل مؤثر در آتش‌سوزی (17 زیرمعیار) با استفاده از روش فازی در محیط GIS استانداردسازی و مقادیر ارزش­های پیکسلی هر نقشه بین 0 تا 1 ارزش­گذاری شد. درنهایت با استفاده از مدل بدست‌آمده ابتدا نقشه معیارهای اصلی (از ادغام وزنی زیرمعیارهای هر معیار) و بعد نقشه نهایی خطر آتش­سوزی جنگل­های منطقه (از ادغام وزنی نقشه 4 معیار اصلی) تهیه شد. در پایان نقشه خطر آتش­سوزی جنگل­های منطقه در 5 طبقه ارائه شد. نتایج نشان داد که مناطق پرخطر آتش­سوزی در نقشه قابلیت خطر تهیه شده با مناطق آتش­سوزی­های گذشته تطابق زیادی داشته که نشان­دهنده اعتبار و صحت بالای مدل ساخته شده است.

 

واژه­های کلیدی: تحلیل سلسله مراتبی فازی، معیارهای بیولوژیکی، توپوگرافی، اقلیمی و انسان‌ساخت، مدل رقومی ارتفاع

 


مقدمه

آتش­سوزی جنگل با منشأ طبیعی و یا انسانی آثار زیان­بار و ویرانگری به­طور مستقیم یا غیرمستقیم بر جوامع انسانی دارد که در صورت وقوع، تأثیر عظیمی بر محیط­زیست جنگل­ها، روستاها و ساکنان آنها به­دلیل تمرکز جمعیت می­گذارد (Podur et al., 2002; Kazemi, 2005). کشور ایران ازجمله کشورهای حادثه­خیز دنیا است که پدیده آتش­سوزی جنگل، یکی از مهمترین بحران­های آن محسوب می­شود. به­طوری‌که تنها در سال 1389، 218 فقره آتش­سوزی در حوضه اداره کل منابع طبیعی مازندران اتفاق افتاده و تنها در همین سال حدود 494.58 هکتار از جنگل­ها و مراتع شمال ایران بر اثر آتش­سوزی از بین رفته­اند (Anonymous, 2011). جنگل‌های بخش سه نکا- ظالمرود نیز ازجمله مناطقی است که در سال­های اخیر دچار آتش­سوزی­های متعددی شده است، به­طوری‌که بیشترین آتش­سوزی استان مازندران در سال­های اخیر در جنگل­های نکا اتفاق افتاده و تنها در سال 1389 حدود 53 فقره آتش­سوزی در این جنگل­ها به وقوع پیوسته است که در اثر آن حدود 38 هکتار از این جنگل­ها از بین رفته­اند (Anomymous, 2011). محدود بودن سطح این جنگل‌های ارزشمند از یک طرف و نابودی هر ساله این سطح محدود توسط آتش­سوزی­های مکرر از طرف دیگر، نشان از اهمیت ارائه راهکاری برای مدیریت، نظارت و در نتیجه کاهش خسارت آتش‌سوزی جنگل دارد.

یکی از زمینه‌های پژوهش برای کنترل آتش­سوزی­های جنگل، شناسایی مناطق بحرانی آتش­سوزی در جنگل­های منطقه است (Jaiswal et al., 2002) که اهمیت بسزایی در کاهش تعداد دفعات آتش­سوزی و جلوگیری از تخریب جنگل­های منطقه دارد (Dong et al., 2005). در همین راستا در کشورمان Akbari (2010) مدلی ساده برای تهیه نقشه خطر آتش سوزی و هشدار آتش­سوزی در نواحی جنگلی با استفاده از داده­های سنجش از دور ارائه داد. با استفاده از این مدل و به­کارگیری تصاویر ماهواره­ای و DEM مربوط به منطقه، می­توان پی به وجود مناطق با خطر زیاد آتش‌سوزی برد. بدین منظور سه فاکتور شیب، جهت شیب و NDVI را که بر روی مسئله فوق تأثیرگذارند در نظر گرفته شده و با فرموله کردن و اعمال آنها بر روی تصویر، مناطق با خطر زیاد مشخص شد. در تحقیق دیگری Mohammadi et al. (2010) اقدام به تهیه‌ نقشه نواحی پرخطر آتش‌سوزی جنگل بر پایه عوامل پوشش گیاهی، فیزیوگرافی، اقلیمی، انسانی و فاصله از جاده‌ها و رودخانه‌ها در بخشی از حوضه پاوه‌رود کردند. با استفاده از سامانه موقعیت‌یاب جهانی (GPS) نقشه مناطق آتش‌سوزی شده تهیه شد. سپس با به­کارگیری روش تحلیل سلسله مراتبی (AHP)  عوامل مؤثر در بروز و انتشار آتش­سوزی وزن­دهی شدند و اقدام به تهیه نقشه پهنه‌بندی خطر آتش‌سوزی با استفاده از لایه‌های وزنی و ضریب وزنی مربوط به هر یک از عوامل شد. نتایج نشان داد که 90 درصد از مناطق آتش‌ گرفته در پهنه‌هایی با خطر زیاد قرار دارند. Salamati et al. (2011) نیز نقشه خطر آتش­سوزی در جنگل­های گلستان را با استفاده از AHP و GIS تهیه کردند. بدین منظور عوامل مؤثر در وقوع آتش­سوزی براساس مقایسه­های زوجی، وزن­دهی و نقشه خطر آتش­سوزی تهیه شد. نتایج نشان داد که 40 درصد منطقه در طبقات پرخطر و بسیار پرخطر قرار دارد. به علاوه با توجه به اهمیت مسئله آتش­سوزی جنگل­ها در خارج از کشور، پژوهش­های گسترده­ای نیز در این زمینه انجام شده است. در همین راستا در تحقیقی نقشه مناطق بحرانی خطر آتش­سوزی در سواحل مدیترانه در اسپانیا با استفاده از ترکیب داده­های پردازش یافته تصویر TM و داده­های دیگر در محیط GIS تهیه شد. ادغام لایه­ها براساس سلسله مراتب (AHP) انجام شد. نتایج نشان داد که 22 درصد از پیکسل­هایی که در مناطق پرخطر از نظر آتش­سوزی قرار گرفته­اند، طی سال­های گذشته واقعاً آتش گرفتهبودند، درحالی‌که تنها 47/3 درصد از مناطق کم­خطر‌ واقعاً سوخته بودند (Chuvieco & Congalton, 1989). در تحقیق مشابه دیگری برای شناسایی مناطق حساس به حریق در جنگل­های هندوستان از داده­های ماهواره­ای IRS ID LISS و پایگاه داده­ها در GIS استفاده شد. البته فاکتورهای مؤثر در وقوع آتش­سوزی جنگل براساس وزن و درجه اهمیت هر یک از آنها ادغام شدند. نتایج نشان داد که 20 درصد از منطقه قابلیت بسیار زیاد، 10 درصد قابلیت زیاد، 15 درصد قابلیت متوسط و 55 درصد از منطقه قابلیت کم برای وقوع آتش­سوزی دارد (Jaiswal et al., 2002).et al. (2005)  Dong یک روش ترکیبی با RS و GIS را برای نقشه­برداری مناطق خطر آتش­سوزی در حوضه جنگلداری Baihe چین توسعه دادند. به همین منظور داده­های توپوگرافی از DEM منطقه و اطلاعات مربوط به پوشش گیاهی و کاربری اراضی (جاده­ها، مناطق مسکونی و غیره) از تصویر ETM+ لندست استخراج شدند. سپس مناطق خطر آتش­سوزی با اختصاص وزن­های معقول به طبقات همه لایه­ها مشخص شدند. همچنین تاریخچه آتش­سوزی در جنگل­های مورد مطالعه از سال 1974 تا 2001 برای کنترل مطلوبیت روش مورد استفاده بررسی شد. نتایج نشان داد که مناطق با خطر آتش­سوزی زیاد در مکان­هایی واقع شده­اند که قبلاً در آنها آتش­سوزی اتفاق افتاده است. Erten et al. (2005) در تحقیق دیگری مناطق خطر آتش­سوزی در جنگل­های گالی­پولی ترکیه را با استفاده از داده­های ماهواره­ای و GIS نقشه­برداری کردند. نتایج نشان داد که در مناطق با پوشش گیاهی خشک، شیب بالا، جهت جنوبی و نزدیک به جاده و مناطق مسکونی، قابلیت خطر آتش­سوزی زیاد است. (2007)  Pradhan et al. نیز مناطق مستعد آتش­سوزی جنگل در منطقه Kuala Selangor مالزی را با استفاده از RS و GIS بررسی کردند. مناطق مستعد آتش­سوزی جنگل با استفاده از داده­های موقعیت آتش‌سوزی­های گذشته تعیین صحت شدند. نتایج، صحت بالای نقشه قابلیت تهیه شده را به­دلیل همخوانی مناطق پرخطر آن با مناطق آتش­سوزی شده در گذشته نشان داد. در تحقیق مشابه دیگری Sowmya & Somashekar (2010) با وزن­دهی مناسب به همه فاکتورهای مؤثر در ایجاد آتش­سوزی با روش AHP، نقشه مناطق خطر آتش‌سوزی در پناهگاه حیات وحش Bhadra در هند را تهیه کردند. مناطق خطر آتش­سوزی با مناطق واقعاً آتش­گرفته طی سالهای 1989 تا 2006 مقایسه شدند. نتایج نشان داد که اغلب مناطق پیش­بینی شده برای آتش­سوزی با توجه به مدل استفاده شده در مناطق واقعاً سوخته قرار گرفته­اند. بنابراین روش، مدل و نقشه تهیه شده قابلیت اعتماد بالایی دارد و می­تواند برای سیاست­های جلوگیری از آتش­سوزی در آینده استفاده شود.(2011)   Maeda et al.مناطق آتش‌سوزی شده در بخشی از جنگل­های آمازون برزیل را با استفاده از تصاویر ماهواره­ای به­عنوان مناطق پرخطر از نظر آتش­سوزی شناسایی کردند. سپس با استفاده از تصاویر MODIS آتش­سوزی‌های فعال در منطقه شناسایی شد. نتایج آتش­سوزی­های گذشته با مناطق آتش­سوزی­های فعال مقایسه شد. به‌طوری‌که نتایج ضریب همبستگی 0.84 را بین این دو منطقه نشان داد.et al. (2011)   Paz نیز نقشه خطر آتش­سوزی­ را که برای منطقه Carmel اسرائیل در سال 2009 تهیه کرده بودند با آتش­سوزی واقعی که در سال 2010 در همین منطقه اتفاق افتاده بود مقایسه کردند. نتایج نشان داد که اغلب مناطق سوخته در سال 2010 در مناطق با خطر زیاد در نقشه قابلیت تهیه شده قرار گرفته­اند که نشان می­دهد مدل مورد استفاده ضریب اطمینان بالایی برای پیش­بینی آتش­سوزی­های آینده دارد.

بنابراین با توجه به اهمیت مسئله پیش­گیری از آتش­سوزی جنگل­ها با استفاده از سیستم اطلاعات جغرافیایی و با توجه به وقوع آتش­سوزی­های متعدد در جنگل­های بخش سه نکا- ظالمرود طی سال­های اخیر، این تحقیق در نظر دارد با روشی متفاوت از تحقیقات قبلی (تحلیل سلسله مراتبی فازی) برای مدل­سازی خطر آتش­سوزی جنگل، تهیه نقشه قابلیت آتش­سوزی و بررسی کارآیی مدل ساخته شده، مناطق بحرانی خطر آتش­سوزی در جنگل­های منطقه را شناسایی و به مدیران جنگل معرفی نماید تا حتی‌المقدور راهکاری برای پیش­گیری از وقوع حریق­های آینده در جنگل­های منطقه ارائه دهد که به نظر می­رسد برای پیش­بینی آتش­سوزی­های آینده در جنگل‌های منطقه مورد مطالعه روش مناسبی باشد.

 

مواد و روش­ها

منطقه مورد مطالعه

حدود این تحقیق بخش سه طرح جنگلداری نکا ظالمرود است که در حوضه آبخیز 77 و در جنوب شهرهای نکا- بهشهر در استان مازندران واقع شده است. بخش سه جزء مجتمع جنگلی نکا- ظالمرود و در حوضه رودخانه نکا به فاصله حدود 15 کیلومتری شهرستان نکا و در امتداد جاده نکا- بهشهر قرار دارد. بخش سه طرح جنگلداری نکا- ظالمرود با وسعت حدود 15400 هکتار در عرض شمالی΄ 40 º36 تا ΄30 º36 و طول شرقی ΄ 26 º53 تا ΄ 15 º53 درجه واقع شده است. از شرق به یال چاخانی در دامنه راست (شمال مهربان رود) و یال سوتر آباد روی دامنه چپ (جنوب مهربان رود)، از غرب به یال آبلو، از جنوب به یال زرندین- خرم چماز و از شمال به جاده آسفالته نکا- بهشهر محدود می­گردد (شکل 1). بخش سه از ارتفاعات کوتاه تا بلند با شیب توپوگرافی اغلب ملایم، عمق خاک به­نسبت زیاد و پوشش جنگلی به­نسبت انبوه تشکیل شده است. حداقل ارتفاع آن از سطح دریای آزاد حدود 90 متر و حداکثر ارتفاع آن 820 متر است. جنگل­های این منطقه از نوع دانه­زاد ناهمسال و آمیخته است. گونه­های گیاهی منطقه شامل انواع گونه­های درختی مانند راش، ممرز، بلوط، توسکا، افرا، نمدار، انجیلی، آزاد و غیره و درختچه­ها مانند ازگیل، ولیک، شمشاد، گوجه وحشی و غیره و همچنین گونه­های علفی و خشبی مانند آسپرولا، کارکس، کوله­خاس، سیکلامن، بنفشه، پامچال، تمشک، سرخس و غیره است. بخش سه با توجه به اجرای طرح در سالهای گذشته (30سال) دارای 4/103 کیلومتر جاده جنگلی احداث شده، 27 کیلومتر جاده روستایی و 21 کیلومتر جاده آسفالته است. جاده­ها به­طورعمده جاده جنگلی درجه دو محسوب می­شود. این بخش به هفت سری تقسیم شده است که طی سال­های گذشته سابقه حریق­های شدید و وسیع را داشته­اند (Anonymous, 2010).

 

روش پژوهش

در این تحقیق از فرایند تحلیل سلسله مراتبی (Saaty, 1980) همراه با مجموعه­های فازی برای رتبه­بندی و وزن­هی به عوامل مؤثر در آتش­سوزی استفاده شد. روش تحقیق شامل چهار مرحله اصلی بود. 1) ایجاد ساختار سلسله مراتبی معیارهای خطر آتش­سوزی و تهیه نقشه معیارها و زیرمعیارها، 2) وزن­دهی به عوامل مؤثر در آتش­سوزی و مدل­سازی خطر آتش­سوزی جنگل با روش تحلیل سلسله مراتبی فازی (FAHP = Fuzzy Analytical Hierarchy Process) 3) اختصاص وزن معیارها و ادغام معیارها (لایه­ها) در سیستم اطلاعات جغرافیایی برای تهیه نقشه قابلیت خطر آتش­سوزی و 4) تهیه نقشه آتش­سوزی­های گذشته و اعتبارسنجی نقشه خطر آتش­سوزی (Vadrevu et al., 2009).

 

1- ایجاد ساختار سلسله مراتبی معیارهای خطر آتش­سوزی و تهیه نقشه معیارها و زیرمعیارها

برای انجام این تحقیق ابتدا ساختار سلسله مراتبی برای دستیابی به هدف قابلیت خطر آتش­سوزی جنگل تشکیل شد (شکل2) و نقشه همه عوامل مؤثر در آتش­سوزی تهیه شد. عوامل مورد استفاده شامل چهار معیار اصلی و هفده زیرمعیار بود. معیارهای اصلی شامل معیارهای توپوگرافی، معیارهای بیولوژیکی، معیارهای اقلیمی و معیارهای انسان­ساخت بود.

توجه: شکلها و جدولها به قسمت نتایج منتقل شود.

معیار توپوگرافی شامل زیرمعیارهای شیب، جهت، ارتفاع و فاصله از رودخانه است. برای تهیه نقشه‌های شیب و جهت و ارتفاع از داده­های DEM سنجنده ASTER با اندازه پیکسل 25 متر استفاده شد. هر کدام از این نقشه­ها بر حسب هدف تحقیق Reclassify شده و در 5 طبقه طبقه­بندی شدند. نقشه تنها رودخانه موجود در جنگل­های بخش سه نکا- ظالمرود (مهربان رود) نیز از شرکت سهامی نکاچوب تهیه و مسیر رودخانه در GIS رقومی شد. سپس در اطراف این نقشه بافرهای (حائل‌های) 200 متری در نظر گرفته شده و نقشه مربوطه تهیه شد.

 

 

شکل1- موقعیت منطقه مورد مطالعه در ایران        شکل2- ساختار سلسله مراتبی برای قابلیت خطر آتش‌سوزی جنگل

 

 

معیارهای بیولوژیکی شامل نوع پوشش گیاهی، تراکم پوشش گیاهی، عمق لاشبرگ، رطوبت لاشبرگ، رطوبت خاک و بافت خاک است. نقشه­ معیارهای بیولوژیکی از شرکت سهامی نکاچوب تهیه و رقومی شد.

معیارهای اقلیمی در این تحقیق شامل زیرمعیارهای میانگین بارندگی سالیانه، میانگین رطوبت نسبی سالیانه، میانگین درجه حرارت سالیانه و میانگین شدت باد سالیانه است. برای تهیه نقشه زیرمعیارهای مربوط به عوامل اقلیمی به اداره کل هواشناسی مازندران مراجعه شد. اطلاعات مربوط به این عوامل طی سال­های مربوط به آتش­سوزی از ایستگاههای هواشناسی بایعکلا، تیرتاش، افراچال، دشت­ناز و ساری که در اطراف محدوده جنگل­های بخش سه نکا-ظالمرود قرار دارند، تهیه شد (شکل3). سپس از اطلاعات این ایستگاه­ها در سال­های مربوط به آتش­سوزی میانگین گرفته شد تا یک عدد واحد برای هر یک از داده­های اقلیمی (میانگین بارندگی سالیانه، میانگین رطوبت سالیانه، میانگین درجه حرارت سالیانه و میانگین شدت باد سالیانه) مربوط به هر ایستگاه بدست آید. سپس برای تهیه نقشه رقومی مربوط به این داده‌های اقلیمی از روش درون­یابی IDW در GIS استفاده شد. سپس نقشه مربوط به این عوامل Reclassify شده و نقشه نهایی مربوط به آنها تهیه شد.

معیارهای انسان­ساخت شامل زیرمعیارهای فاصله از جاده­ها، فاصله از مناطق مسکونی و فاصله از زمین­های زراعی است. نقشه زیرمعیارهای مربوط به عوامل انسان­ساخت کلیه جاده­ها، مناطق مسکونی (روستاها) و زمین‌های زراعی از شرکت سهامی نکاچوب شناسایی شده و نقشه مربوط به آنها به­صورت رقومی تهیه شد. سپس در اطراف جاده­ها بافرهایی با شعاع 200 متری و در اطراف مناطق مسکونی (روستاها) و زمین­های زراعی بافرهایی با شعاع 1000 متری زده شد و نقشه بافر این عوامل براساس هدف تحقیق در GIS طبقه­بندی شد.

 

 

 

شکل3- موقعیت ایستگاههای هواشناسی در اطراف محدوده جنگل­های بخش سه نکا- ظالمرود

 

2- وزن­دهی به عوامل مؤثر در آتش­سوزی و مدل­سازی خطر آتش­سوزی جنگل با روش تحلیل سلسله مراتبی فازی

روش­های فرایند تحلیل سلسله مراتبی فازی در بسیاری از تحقیقات برای اهداف مختلف مطرح شده­اند(Deng, 1999; Feng, 1995; Mikhailov & Tsvetinov, 2004; Erensal et al., 2006; Wang et al., 2008) که در این تحقیق از آن برای وزن­دهی به عوامل مؤثر در آتش­سوزی جنگل استفاده شده است. بنابراین پس از تهیه نقشه­های رقومی مربوط به معیارها و زیرمعیارها و فازی کردن این لایه­ها، برای تعیین وزن مناسب آنها به­منظور تلفیق در محیط GIS، از روش تحلیل سلسله مراتبی فازی استفاده شد. بدین منظور تعدادی پرسشنامه­ بین کارشناسان آتش­سوزی در عرصه­های منابع طبیعی توزیع شد و میانگین پرسشنامه­های تکمیل شده مورد تجزیه و تحلیل قرار گرفت. هر پرسشنامه شامل یک جدول برای بیان مقیاس زبانی اهمیت معیارها و زیرمعیارها نسبت به هم (جدول1) و پنج ماتریس مقایسه زوجی (چهار ماتریس مربوط به مقایسه زیرمعیارهای هر معیار و یک ماتریس مربوط به مقایسه معیارهای اصلی) بود. مقیاس­های زبانی برای بیان اهمیت معیارها و زیرمعیارها نسبت به هم در روش تحلیل سلسله مراتبی فازی در جدول1 آورده شده است.

 

 

جدول1- مقیاس‏های زبانی برای بیان درجه اهمیت در روش تحلیل سلسله مراتبی فازی(Chang, 1996)

مقیاس زبانی برای درجه اهمیت

اعداد فازی مثلثی (l, m, u)

Just equal (JE)

ارجحیت با اهمیت دقیقاً برابر

(1، 1، 1)

Equally Important (EI)

ارجحیت با اهمیت تقریباً برابر

( , 1,  )

Weakly more Important (WMI)

ارجحیت با اهمیت کم

(1 ,  , 2)

Strongly more Important (SMI)

ارجحیت با اهمیت قوی‏تر

( , 2 ,  )

Very strongly more Important (VSMI)

ارجحیت با اهمیت خیلی قوی‏تر

(2 ,  , 3)

Absolutely more Important (AMI)

ارجحیت با اهمیت کامل و مطلق

( , 3 ,  )

 

 

در این پژوهش برای تجزیه و تحلیل­های نتایج پرسشنامه­های تکمیل شده کارشناسان در روش تحلیل سلسله مراتبی فازی، از روش آنالیز توسعه­ای فازی مثلثی چانگ(Chang, 1996)  استفاده شد. زمانی که کارشناسان قضاوتهای خود را براساس اعداد فاری مثلثی بیان می­کنند، ماتریس مقایسه­های زوجی تکمیل می­شود. مراحل آنالیز توسعه­ای چانگ بعد از تکمیل ماتریس‌ها (پرسشنامه­ها) به­طور کامل در Chang (1996) تشریح شده است. بر این اساس وزن نهایی هر معیار و زیرمعیار با استفاده از مقایسه­های زوجی براساس نظر کارشناسان و به کمک روش سلسله مراتبی فازی محاسبه شد.

 

آزمایش پایندگی وزن معیارها (نسبت سازگاری)

هدف از انجام آزمون پایندگی آزمایش صحت وزن‏های بدست‌آمده برای هر معیار و زیرمعیار است. بنابراین باید ماتریس‌ بردار پایندگی وزن نرمال معیار‏ها تشکیل گردد که برای این منظور وزن نرمال میانگین هر معیار در ارزش‏های نسبت داده شده در سطرهای ماتریس مقایسه جفتی معیارها ضرب شد (رابطه 1).

A × W = λmax × W                                          (1)

که W بردار ویژه وزنی مربوط به ماتریس مقایسه زوجی A و λmax  بزرگترین مقدار ویژه ماتریس A است. ارزش لاندا (λmax) به­طور ساده شامل میانگین ارزش‏های بردار پایندگی است. بر این اساس مجموع بردارهای پایندگی بر تعداد معیارها (n) تقسیم می­شود (رابطه2). سپس شاخص سازگاری ماتریس برای اطمینان از انسجام قضاوت‏ها در مقایسه­های زوجی، محاسبه می­شود. سپس می­توان طبق رابطه3 شاخص سازگاری (CI) را محاسبه کرد.

              (2)

CI = (λmax − n)/(n − 1)                                    (3)

در این رابطه، n بعد ماتریس و λmax بزرگترین مقدار ویژه ماتریس مقایسه زوجی است. همچنین نسبت سازگاری (CR) از رابطه4 بدست می­آید.

CR = CI/RI                                                    (4)

در این رابطه، RI شاخص تصادفی یک ماتریس با مقادیر تصادفی است. به­طورکلی CR کمتر از 0.1 نشان­دهنده قضاوت سازگار در تصمیم­گیری است (Saaty, 1980; Ghodsipour, 2011).

 

3- اختصاص وزن معیارها و ادغام معیارها (لایه­ها) در سیستم اطلاعات جغرافیایی برای تهیه نقشه قابلیت خطر آتش‌سوزی

پس از تهیه نقشه کلیه زیرمعیارها (هفده زیرمعیار) و بدست آوردن وزن آنها از طریق روش تحلیل سلسله مراتبی فازی، نقشه هر زیرمعیار به فرمت رستری تبدیل شد. سپس ارزش­های پیکسلی در هر نقشه با استفاده از تابع عضویت فازی و بکار بردن رویه fuzzy membership در محیط GIS استانداردسازی و مقادیر ارزش­های پیکسلی هر نقشه بین صفر (قابلیت خطر بسیار کم برای آتش­سوزی) تا یک (قابلیت خطر بسیار زیاد برای آتش­سوزی) ارزش­گذاری شد. نقشه زیرمعیارهای مربوط به هر معیار اصلی با اعمال وزن آنها با استفاده از رویه Raster calculator در GIS تلفیق شدند تا نقشه ترکیبی مربوط به هر معیار با دامنه ارزش صفر تا یک بدست آید. سپس نقشه نهایی چهار معیار اصلی نیز با اعمال وزن آنها با استفاده از رویه Raster calculator در GIS تلفیق شدند و درنهایت یک نقشه ترکیبی (شامل هفده معیار مؤثر در آتش­سوزی) با دامنه ارزش صفر تا یک بدست آمد. سپس نقشه نهایی با طبقه­بندی این نقشه ترکیبی براساس ارزش­های بسیار کم تا بسیار زیاد در پنج طبقه بسیار پرخطر، پرخطر، خطر متوسط، کم­خطر و بسیار کم­خطر تهیه شد.

 

4- تهیه نقشه آتش­سوزی­های گذشته و اعتبارسنجی نقشه خطر آتش­سوزی

نقشه آتش­سوزی­های گذشته در جنگل­های بخش سه نکا- ظالمرود با استفاده از اطلاعات موجود در شرکت سهامی نکاچوب و بعضاً نقشه­برداری محیط لکه­های آتش­سوزی جدید در عرصه با سیستم موقعیت­یاب جهانی تهیه شد.به‌منظور اعتبارسنجی نقشه خطر آتش­سوزی، نقشه مناطق آتش­سوزی گذشته با نقشه قابلیت خطر تهیه شده در محیط  GIS روی­هم­گذاری شد. بر این اساس در صورتی که مناطق پرخطر نقشه قابلیت خطر با محدوده­هایی که قبلاً آتش گرفته­اند تطابق داشته باشد، اعتبار مدل ساخته شده برای تهیه نقشه خطر آتش­سوزی اثبات خواهد شد.

 

نتایج

نقشه زیرمعیارهای مؤثر در خطر آتش­سوزی

نقشه زیرمعیارهای توپوگرافی (شیب، جهت، ارتفاع و فاصله از رودخانه)، زیرمعیارهای بیولوژیکی (نوع پوشش گیاهی، تراکم پوشش گیاهی، عمق لاشبرگ، رطوبت لاشبرگ، رطوبت خاک و بافت خاک)، زیرمعیارهای اقلیمی (میانگین بارندگی سالیانه، میانگین رطوبت نسبی سالیانه، میانگین درجه حرارت سالیانه و میانگین شدت باد سالیانه) و زیرمعیارهای انسان­ساخت (فاصله از جاده­ها، فاصله از مناطق مسکونی و فاصله از زمین­های زراعی) به­ترتیب در شکلهای 4 تا 7 نشان داده شده است.

 

 

شکل4- نقشه زیرمعیارهای توپوگرافی

 

       

      

شکل5- نقشه زیرمعیارهای بیولوژیکی

 

 

شکل6- نقشه زیرمعیارهای اقلیمی

 

     

شکل7- نقشه زیرمعیارهای انسان­ساخت


وزن معیارها و زیرمعیارها یا لایه­های مؤثر در آتش­سوزی و مدل خطر آتش­سوزی جنگل با روش تحلیل سلسله مراتبی فازی

نتایج محاسبه نسبت سازگاری زیرمعیارها و معیارهای اصلی براساس تحلیل سلسله مراتبی فازی در جدول2 نشان داده شده است. λmax بزرگترین مقدار ویژه ماتریس A (ماتریس مقایسه زوجی زیرمعیارهای هر معیار اصلی و نیز ماتریس مقایسه زوجی معیارهای اصلی) است. همچنین وزن زیرمعیارها و معیارهای اصلی براساس روش تحلیل سلسله مراتبی فازی در جدول­های3 و 4 نشان داده شده است.

 

 

جدول2- محاسبه نسبت سازگاری زیرمعیارها و معیارهای اصلی براساس تحلیل سلسله مراتبی فازی

CR= CI/RI

CI= (λmax − n)/(n − 1)

λmax

معیار

055/0

0502/0

1507/4

معیارهای توپوگرافی

0744/0

096/0

48/6

معیارهای بیولوژیکی

0453/0

0408/0

1225/4

معیارهای اقلیمی

0341/0

0198/0

0396/3

معیارهای انسان­ساخت

0078/0

007/0

0212/4

معیارهای اصلی

 

جدول3- وزن زیرمعیارهای هر معیار

معیار

زیرمعیار

وزن

معیار

زیرمعیار

وزن

 

 

توپوگرافی

شیب

2517/0

 

 

 

بیولوژیکی

نوع پوشش گیاهی

1839/0

جهت

3056/0

تراکم پوشش گیاهی

1762/0

ارتفاع

2177/0

عمق لاشبرگ

1839/0

فاصله از رودخانه

255/0

رطوبت لاشبرگ

1839/0

 

 

اقلیمی

میانگین درجه حرارت سالیانه

2652/0

بافت خاک

1306/0

میانگین بارندگی سالیانه

2257/0

رطوبت خاک

1415/0

میانگین رطوبت نسبی سالیانه

2381/0

 

انسان­ساخت

فاصله از جاده

3736/0

میانگین شدت باد سالیانه

271/0

فاصله از سکونتگاه

3227/0

فاصله از زمین زراعی

3037/0

 

جدول4- وزن معیارهای اصلی

وزن براساس روش تحلیل سلسله مراتبی فازی

معیار اصلی

208/0

توپوگرافی

2595/0

بیولوژیکی

2315/0

اقلیمی

301/0

انسان­ساخت


نقشه معیارهای اصلی و قابلیت خطر آتش­سوزی جنگل

نقشه هر یک از معیارهای اصلی از طریق تلفیق نقشه زیرمعیارهای هر معیار براساس وزن­های بدست‌آمده از روش تحلیل سلسله مراتبی فازی تهیه شد (شکل8). مدل مربوط به ادغام زیرمعیارهای هر یک از معیارها براساس وزن آنها در زیر ارائه شده است:


شاخص معیار توپوگرافی = 2517/0 (شیب) + 3056/0 (جهت) + 2177/0 (ارتفاع) + 225/0 (فاصله از رودخانه)

 

شاخص معیار بیولوژیکی = 1839/0 (نوع پوشش گیاهی) + 1762/0 (تراکم پوشش گیاهی) + 1839/0(عمق لاشبرگ) + 1839/0 (رطوبت لاشبرگ)+1306/0 (بافت خاک)+1415/0 (رطوبت خاک)

 

شاخص معیار اقلیمی = 2652/0 (درجه حرارت) + 2257/0 (بارندگی) + 2381/0 (رطوبت نسبی) + 271/0(شدت باد)

 

شاخص معیار انسان­ساخت= 3736/0 (فاصله از جاده) + 3227/0 (فاصله از منطقه مسکونی) + 3037/0 (فاصله از زمین کشاورزی)

 

   

 

  

شکل8- نقشه معیارهای اصلی خطر آتش­سوزی جنگل

 

 

درنهایت نقشه نهایی قابلیت خطر آتش­سوزی در جنگل­های بخش سه نکا- ظالمرود از طریق تلفیق نقشه معیارهای اصلی براساس وزن­های بدست‌آمده آنها از روش تحلیل سلسله مراتبی فازی تهیه شد (شکل10). مدل خطر آتش­سوزی جنگل عبارت است از:


شاخص خطر آتش­سوزی = 208/0 (شاخص معیار توپوگرافی) + 2595/0 (شاخص معیار بیولوژیکی) + 2315/0 (شاخص معیار اقلیمی) + 301/0 (شاخص معیار انسان­ساخت)

 


نقشه آتش­سوزی­های گذشته و اعتبارسنجی نقشه خطر آتش­سوزی

نقشه آتش­سوزی­های گذشته در جنگل­های بخش سه نکا- ظالمرود در شکل9 نشان داده شده است. نتایج هم­پوشانی نقشه خطر آتش­سوزی جنگل و نقشه آتش­سوزی­های گذشته در جنگل­های بخش سه نکا- ظالمرود به­منظور اعتبارسنجی مدل ساخته شده برای تهیه نقشه خطر آتش­سوزی جنگل در شکل10 نشان داده شده است.

 

 

شکل9- نقشه آتش­سوزی­های گذشته

 

 

 شکل10- نقشه خطر آتش­سوزی و اعتبارسنجی آن براساس آتش­سوزی­های گذشته

 


بحث

برای مدیریت آتش­سوزی­های فزاینده جنگل­ها و خطرهای متعاقب آن و همچنین پیش­بینی آتش­سوزی‌های آینده در این اکوسیستم­ها بررسی اهمیت عوامل مؤثر در وقوع آتش­سوزی جنگل ضروریست. پژوهش­های اولیه در خصوص خطر آتش­سوزی در جنگل­ها به­طورعمده به شناسایی متغیرهای مؤثر در آتش­سوزی جنگل و ادغام آنها براساس یک مدل ریاضی تأکید کرده­اند. همچنین اغلب آنها فقط به عوامل اقلیمی (Goncalves & Lourenco, 1990; Van Wagner, 1993) و یا پوشش گیاهی (Maselli et al., 2003; Hernandez-Leal et al., 2006) به تنهایی تمرکز کرده­اند. درحالی‌­که پیش­بینی طبیعت دینامیک و متغیر آتش­سوزی جنگل­ها تنها از طریق شناسایی متغیرهای اقلیمی و پوشش گیاهی امکان­پذیر نیست (Vadrevu et al., 2009). ترکیب روش تحلیل سلسله مراتبی فازی همراه با GIS که در این تحقیق به کار گرفته شد، روش متفاوتی از پژوهش­های قبلی است که برای پیش­بینی آتش­سوزی­های آینده در جنگل­های شمال ایران روش مناسبی به نظر می­رسد. زیرا بسیاری از متغیرهای مؤثر در خطر آتش­سوزی جنگل ذاتاً دارای مشخصات فازی هستند.

این تحقیق به­منظور شناسایی مناطق پرخطر آتش­سوزی و پیش­بینی آتش­سوزی­های آینده در جنگل­های بخش سه نکا- ظالمرود با استفاده از روش تحلیل سلسله مراتبی فازی انجام گردید. نتایج این تحقیق نشان داد که وزن نهایی معیارهای انسان­ساخت، بیولوژیکی، اقلیمی و توپوگرافی در قابلیت خطر آتش­سوزی براساس روش تحلیل سلسله مراتبی فازی به‌ترتیب برابر با 301/0، 2595/0، 2315/0 و 208/0 است. بنابراین معیارهای انسان­ساخت دارای بیشترین تأثیر در خطر آتش­سوزی جنگل می­باشند. با توجه به این که طبق گفته کارشناسان اداره منابع طبیعی نیز عامل شروع حدود 90 درصد آتش­سوزی­ها در جنگل­های بخش سه نکا- ظالمرود انسان­ها هستند (Anomymous, 2011)، بنابراین نتایج بدست­آمده از روش تحلیل سلسله مراتبی فازی در خصوص وزن معیارهای اصلی مؤثر در خطر آتش­سوزی جنگل مطلوب به نظر می­رسد. بنابراین در مورد زیرمعیارهای معیار توپوگرافی، معیار جهت جغرافیایی با وزن 3056/0 بیشترین وزن را به خود اختصاص داده است و پس از آن به‌ترتیب زیرمعیارهای شیب، فاصله از رودخانه و ارتفاع بیشترین وزن را دارا می­باشند. در مورد معیار بیولوژیکی نیز زیرمعیارهای نوع پوشش گیاهی، رطوبت لاشبرگ و عمق لاشبرگ هر کدام با وزن 1839/0 بیشترین وزن را دارا می­باشند، بنابراین مهمترین عوامل بیولوژیکی مؤثر در وقوع آتش­سوزی هستند. با توجه به این که تجمع لاشبرگ خشک در فصل پاییز یکی از مهمترین شرایط مطلوب در وقوع آتش­سوزی­های جنگل­های بخش سه نکا ظالمرود است (Anomymous, 2011)، چنین نتایجی منطقی به نظر می­رسد که باز هم نشان­دهنده مطلوبیت روش تحلیل سلسله مراتبی فازی در وزن­دهی به عوامل مؤثر در وقوع آتش­سوزی و مدل­سازی خطر آتش‌سوزی جنگل است. در مورد معیار اقلیمی، زیرمعیارهای میانگین شدت باد سالیانه (وزن 271/0) و میانگین درجه حرارت سالیانه (2652/0) بیشترین وزن و اهمیت را در وقوع آتش­سوزی دارا می­باشند. افزایش درجه حرارت در فصول خشک سال قبلاً هم یکی از مهمترین زمینه­های وقوع آتش­سوزی در جنگل­های نکا عنوان شده است (Anomymous, 2011). همچنین نتایج تحقیق Yousefi and Jalilvand (2010) نیز نشان می­دهد که در سال 1377 بیشترین وسعت حریق در حوضه اداره منابع طبیعی ساری اتفاق افتاده است که خشکی هوا، کاهش بارندگی و وزش بادهای گرم ازجمله عوامل طبیعی­ محسوب می­شود که شرایط مساعدی را برای ایجاد آتش­سوزی­های گسترده و سطحی در این سال فراهم کرده است. از بین زیرمعیارهای انسان­ساخت نیز زیرمعیار فاصله از جاده (وزن 3736/0) و بعد فاصله از مناطق مسکونی (وزن 3227/0) بیشترین وزن را در وقوع آتش­سوزی به خود اختصاص داده­اند. با توجه به اینکه مهمترین راه دسترسی گردشگران و جنگل­نشینان به جنگل­های منطقه جاده­های جنگلی هستند و این افراد از مهمترین عوامل ایجاد آتش­سوزی در جنگل­های بخش سه نکا- ظالمرود هستند، چنین نتایجی منطقی به نظر می­رسد.

همچنین نتایج نقشه خطر آتش­سوزی جنگل نشان می­دهد که از مجموع مساحت حدود 15400 هکتاری این جنگل­ها، 45/14 درصد (2204 هکتار) از منطقه قابلیت خطر بسیار زیاد و 29/24 درصد (3706 هکتار) آن قابلیت خطر زیاد برای آتش­سوزی دارد. همچنین 85/28 درصد (4403 هکتار) از منطقه دارای قابلیت خطر متوسط، 6/23 درصد (3601 هکتار) از منطقه دارای قابلیت کم (کم­خطر) و 81/8 درصد (1345 هکتار) از منطقه دارای قابلیت بسیار کم (بسیار کم­خطر) برای آتش­سوزی است. بنابراین بیشتر منطقه قابلیت متوسط را برای آتش­سوزی دارد.

نتایج هم­پوشانی نقشه قابلیت خطر آتش­سوزی با آتش­سوزی­های گذشته نشان داد، مناطقی که قبلاً در منطقه دچار حریق شده­اند با مناطق بسیار پرخطر و پرخطر از نظر آتش­سوزی تا حد زیادی همخوانی دارند و تقریباً 80 درصد از مساحت مناطق سوخته در محدوده بسیار پرخطر و پرخطر برای آتش­سوزی قرار گرفته­اند. همچنین 17 درصد از مناطق سوخته در محدوده خطر متوسط برای آتش­سوزی قرار گرفته­اند و مساحت محدوده­های کم­خطر و بسیار کم­خطر در مناطق آتش­سوزی­های گذشته بسیار محدودتر است (3 درصد). این نتایج با نتایج پژوهش­های دیگر که نشان دادند مناطق آتش­سوزی شده با مناطق پرخطر از نظر آتش­سوزی هم­پوشانی زیادی دارند، همخوانی لازم را دارد (Chuvieco & Congalton, 1989; Dong et al., 2005; Pradhan et al., 2007; Mohammadi et al., 2010; Sowmya & Somashekar, 2010; Salamati et al., 2011; Maeda et al., 2011; Paz et al., 2011).

با توجه به اینکه 74/38 درصد (5910 هکتار) از منطقه قابلیت خطر زیاد و بسیار زیاد برای آتش­سوزی دارد، بنابراین جنگل­های بخش سه نکا- ظالمرود در معرض آتش­سوزی­های آینده خواهند بود. بنابراین اقدامات پیش‌گیری‌کننده از وقوع آتش­سوزی­های آینده در این جنگل­ها ضروری به نظر می­رسد. به­علاوه با توجه به اینکه مدل ساخته شده برای وقوع آتش­سوزی جنگل براساس مقایسه با نتایج آتش­سوزی­های گذشته اعتبار بالایی را نشان داده است و با اثبات کارآیی این مدل برای قابلیت­یابی آتش­سوزی در جنگل­های بخش سه نکا- ظالمرود، پیش­بینی آتش‌سوزی­های آینده در جنگل­های این منطقه با استفاده از نقشه قابلیت تهیه شده امکان­پذیر خواهد بود. بنابراین اقدامات مدیران جنگل برای پیش­گیری و کنترل آتش­سوزی­های آینده (مانند ایجاد برج­های دیده­بانی و استقرار یگان حفاظت در مناطق پرخطر و همچنین احداث آتش­بر در محل­های مناسب)‌ در مناطق با خطر زیاد آتش­سوزی باید با احتیاط بیشتری انجام ­گیرد.

 

تقدیر و تشکر

این تحقیق با حمایت سازمان جغرافیایی نیروهای مسلح ایران انجام شده که بدینوسیله از مسئولین مربوطه تشکر و قدردانی می­گردد.

 

منابع مورد استفاده

References

-Akbari, D., 2010. Warning of fire in forest areas using remote sensing techniques. Proceedings of the First National Conference on New Geomatic in Service of Society, Tehran, 14 March 2008: 25-30.

- Anonymous, 2011. Statistics and data of fire in 2010 in Mazandaran, Sari. Mazandaran Province Natural Resources Administration Office, Protection Unit, 120 p.

- Anonymous, 2010. Forestry plan of District Three of Neka-Zalemroud forests. Iran’s Forests and Rangelands Organization, Mazandaran Natural Resources Administration Office, Iran, 109 p.

- Chang, D.Y., 1996. Applications of the extent analysis method on fuzzy AHP. European Journal of Operational Research, 95: 649–655.

- Chuvieco, E. and Congalton, R.G., 1989. Application of remote sensing and geographic information systems to forest fire hazard mapping. Remote Sensing of the Environment, 29: 147-159.

- Dong, X.U., Li-min, D., Guo-fan, SH., Lei, T. and Hui, W., 2005. Forest fire risk zone mapping from satellite images and GIS for Baihe Forestry Bureau, Jilin, China. Journal of Forestry Research, 16(3): 169-174.

 - Deng, H., 1999. Multicriteria analysis with fuzzy pairwise comparisons. International Journal of Approximate Reasoning, 21: 215–231.

- Erensal, Y.C., Oncan, T. and Demircan, M.L., 2006. Determining key capabilities in technology management using fuzzy analytic hierarchy process: A case study of Turkey. Information Sciences, 176: 2755–2770.

- Erten, E., Kurgun, V. and Musaolu, N., 2005. Forest fire risk zone mapping from satellite imagery and GIS, a case study. Fire risk report, Civil Engineering Faculty, Remote Sensing Division, 7 p.

- Feng, C., 1995. Fuzzy multicriteria decision making in distribution of factories: an application of approximate reasoning. Fuzzy Sets and Systems, 71: 197-205.

- Ghodsipour, S.M., 2011. Analytical Hierarchy Process (Ninth Edition). Amirkabir University Press, Tehran, 220 p.

- Goncalves, Z. J. and Lourenco, L., 1990. Meteorological index of forest fire risk in the Portuguese mainland territory. Proceedings of the International Conference on Forest Fire Research, Coimbra, Portugal, 23-24 July1990: 1–14.

- Hernandez-Leal, P. A., Arbelo, M. and Gonzalez-Calvo, A., 2006. Fire risk assessment using satellite data. Advances in Space Research, 37: 741–746.

- Jaiswal, R.K., Mukherjee, S., Raju, D.K. and Saxena, R., 2002. Forest fire risk zone mapping from satellite imagery and GIS. International Journal of Applied Earth Observation and Geoinformation, 4: 1-10.

- Kazemi, S. M., 2005. Fire and forest ecosystems. Livestock, industry and culture journal: 79-81.

- Maeda, E. E., Arcoverde, G. F.B., Pellikka, P. K.E. and Shimabukuro, Y.E., 2011. Fire risk assessment in the Brazilian Amazon using MODIS imagery and change vector analysis. Applied Geography, 31: 76-84.

- Maselli, F., Romanelli, S., Bottai, L. and Zipoli, G., 2003. Use of NOAA-AVHRR NDVI images for the estimation of dynamic fire risk in Mediterranean areas. Remote Sensing of Environment, 86: 187–197.

- Mikhailov, L. and Tsvetinov, P., 2004. Evaluation of services using a fuzzy analytic hierarchy process. Applied Soft Computing, 5: 23–33.

- Mohammadi, F., Shabanian, N., Pourhashemi, M. and Fatehi, P., 2010. Risk zone mapping of forest fire using GIS and AHP in a part of Paveh forests. Iranian Journal of Forest and Poplar Research, 18(4): 569-586.

- Paz, SH., Carmel, Y., Jahshan, F. and 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, 262: 1184–1188.

- Podur, J., Martell, D.L. and Knight, K., 2002. Statistical quality control analysis of forest fire activity in Canada. Canadian Journal Forest Research, 32: 195–205.

- Pradhan, B., Bin Suliman, M.H., Bin Awang, M.A., 2007. Forest fire susceptibility and risk mapping using remote sensing and geographical information systems (GIS). Proceedings of Disaster Prevention and Management, 16(3): 344 – 352, Lumpur, India, 3 – 4 May 2006: 7-12.

- Saaty, T.L., 1980. The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation. McGraw-Hill, New York, 270 p.

- Salamati, H., Mostafalou, H., Mastoori, A. and Honardoost, F., 2011. Evaluation and provision of forest fire risk map using GIS in Golestan forests. Proceeding of the First International Conference on Fire in Natural Resources, Gorgan, Iran, 26-28 Oct. 2011: 37-47.

- Sowmya, S. V. and 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, 31(6): 969-974.

- Vadrevu, K.P., Eaturu, A. and Badarinath, K.V.S., 2009. Fire risk evaluation using multicriteria analysis, a case study. Environment Monitoring Assessment, DOI: 10.1007/s10661-009-0997-3.

- Van Wagner, C. E., 1993. Prediction of crown fire behavior in two stands of Jack Pine. Canadian Journal of Forest Research, 18: 818–820.

-Wang, Y.M., Luo, Y. and Hua, Z., 2008. On the extent analysis method for fuzzy AHP and its applications. European Journal of Operational Research, 186: 735-747.

- Yousefi, A. and Jalilvand, H., 2010. Investigation of fire situation in forest and pasture areas of Mazandaran province (Basin of Sari Natural Resources Administration Office) from 2004 to 2007. Proceedings of the Second International Conference on Climate Change and Tree Chronology, Sari, Iran, 12-14 May 2010: 67-82.


 


Fire risk modeling and prediction in district three of Neka-Zalemroud forest, using Geographical Information System

 

S. Eskandari1*, J. Oladi Ghadikolaei2, H. Jalilvand2, M. R. Saradjian3

1*- Corresponding author, PhD student, Forestry Department, Sari Agricultural Sciences and Natural Resources University, Sari, I.R. Iran. Email: saeedeheskandari119@yahoo.com

2- Associate professor, Forestry Department, Sari Agricultural Sciences and Natural Resources University, Sari, I.R. Iran.

3- Associate professor, Remote Sensing Division, Surveying Engineering Department, College
of Engineering, University of Tehran, Tehran, IR. Iran.

Received: 16.10.2012                                                        Accepted: 27.03.2013

 

Abstract

The aim of the study was to predict future fires at District Three of Neka-Zalemroud Forests, using fire risk modeling. Fuzzy Analytical Hierarchy (AHP) method was used to weight the effective fire factors, then map of each factor was developed for modeling sites with fire risk. The fire factors consisted of four major criteria and 17 sub-criteria. The major criteria consisted of topographical, biological, climatical and human factors. The maps of these factors were developed, using DEM and existing data in Neka Corporation Company. In addition, the past fires map was generated, using existing data in the Company and mapping fire patches perimeter by GPS. Verbal scales and results of distributed questionnaires among forest fire experts were used to weight the effective fire factors, using fuzzy AHP. Then relation consistency of each criterion was calculated, in order to investigate accuracy of criteria weight. Results showed that final weight of human, biological, climatical and topographical factors in forest fire risk potential were 0.301, 0.2595, 0.2315 and 0.208, respectively. Local fire risk model was presented, using weight of each criterion and sub-criterion, based on fuzzy AHP. Then map of effective fire factors (17 sub-criteria) was standardized, using fuzzy membership command in GIS and the pixel values of each map were scaled between 0 and 1. Finally, at first major criteria map (using weighted overlay of sub-criteria maps of each criterion) then fire risk map (using weighted overlay of four major criteria maps) was developed, using fire risk model equation. Overall, fire risk map was presented at five classes. Results showed that the sites with high fire risk on the developed map of fire risk potential are highly in accordance with the sites with past fire records which shows the high validation and accuracy of the developed model.

 

Key words: Fuzzy AHP, topographic, biologic, climatic and human factors, DEM

-Akbari, D., 2010. Warning of fire in forest areas using remote sensing techniques. Proceedings of the First National Conference on New Geomatic in Service of Society, Tehran, 14 March 2008: 25-30.
- Anonymous, 2011. Statistics and data of fire in 2010 in Mazandaran, Sari. Mazandaran Province Natural Resources Administration Office, Protection Unit, 120 p.
- Anonymous, 2010. Forestry plan of District Three of Neka-Zalemroud forests. Iran’s Forests and Rangelands Organization, Mazandaran Natural Resources Administration Office, Iran, 109 p.
- Chang, D.Y., 1996. Applications of the extent analysis method on fuzzy AHP. European Journal of Operational Research, 95: 649–655.
- Chuvieco, E. and Congalton, R.G., 1989. Application of remote sensing and geographic information systems to forest fire hazard mapping. Remote Sensing of the Environment, 29: 147-159.
- Dong, X.U., Li-min, D., Guo-fan, SH., Lei, T. and Hui, W., 2005. Forest fire risk zone mapping from satellite images and GIS for Baihe Forestry Bureau, Jilin, China. Journal of Forestry Research, 16(3): 169-174.
 - Deng, H., 1999. Multicriteria analysis with fuzzy pairwise comparisons. International Journal of Approximate Reasoning, 21: 215–231.
- Erensal, Y.C., Oncan, T. and Demircan, M.L., 2006. Determining key capabilities in technology management using fuzzy analytic hierarchy process: A case study of Turkey. Information Sciences, 176: 2755–2770.
- Erten, E., Kurgun, V. and Musaolu, N., 2005. Forest fire risk zone mapping from satellite imagery and GIS, a case study. Fire risk report, Civil Engineering Faculty, Remote Sensing Division, 7 p.
- Feng, C., 1995. Fuzzy multicriteria decision making in distribution of factories: an application of approximate reasoning. Fuzzy Sets and Systems, 71: 197-205.
- Ghodsipour, S.M., 2011. Analytical Hierarchy Process (Ninth Edition). Amirkabir University Press, Tehran, 220 p.
- Goncalves, Z. J. and Lourenco, L., 1990. Meteorological index of forest fire risk in the Portuguese mainland territory. Proceedings of the International Conference on Forest Fire Research, Coimbra, Portugal, 23-24 July1990: 1–14.
- Hernandez-Leal, P. A., Arbelo, M. and Gonzalez-Calvo, A., 2006. Fire risk assessment using satellite data. Advances in Space Research, 37: 741–746.
- Jaiswal, R.K., Mukherjee, S., Raju, D.K. and Saxena, R., 2002. Forest fire risk zone mapping from satellite imagery and GIS. International Journal of Applied Earth Observation and Geoinformation, 4: 1-10.
- Kazemi, S. M., 2005. Fire and forest ecosystems. Livestock, industry and culture journal: 79-81.
- Maeda, E. E., Arcoverde, G. F.B., Pellikka, P. K.E. and Shimabukuro, Y.E., 2011. Fire risk assessment in the Brazilian Amazon using MODIS imagery and change vector analysis. Applied Geography, 31: 76-84.
- Maselli, F., Romanelli, S., Bottai, L. and Zipoli, G., 2003. Use of NOAA-AVHRR NDVI images for the estimation of dynamic fire risk in Mediterranean areas. Remote Sensing of Environment, 86: 187–197.
- Mikhailov, L. and Tsvetinov, P., 2004. Evaluation of services using a fuzzy analytic hierarchy process. Applied Soft Computing, 5: 23–33.
- Mohammadi, F., Shabanian, N., Pourhashemi, M. and Fatehi, P., 2010. Risk zone mapping of forest fire using GIS and AHP in a part of Paveh forests. Iranian Journal of Forest and Poplar Research, 18(4): 569-586.
- Paz, SH., Carmel, Y., Jahshan, F. and 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, 262: 1184–1188.
- Podur, J., Martell, D.L. and Knight, K., 2002. Statistical quality control analysis of forest fire activity in Canada. Canadian Journal Forest Research, 32: 195–205.
- Pradhan, B., Bin Suliman, M.H., Bin Awang, M.A., 2007. Forest fire susceptibility and risk mapping using remote sensing and geographical information systems (GIS). Proceedings of Disaster Prevention and Management, 16(3): 344 – 352, Lumpur, India, 3 – 4 May 2006: 7-12.
- Saaty, T.L., 1980. The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation. McGraw-Hill, New York, 270 p.
- Salamati, H., Mostafalou, H., Mastoori, A. and Honardoost, F., 2011. Evaluation and provision of forest fire risk map using GIS in Golestan forests. Proceeding of the First International Conference on Fire in Natural Resources, Gorgan, Iran, 26-28 Oct. 2011: 37-47.
- Sowmya, S. V. and 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, 31(6): 969-974.
- Vadrevu, K.P., Eaturu, A. and Badarinath, K.V.S., 2009. Fire risk evaluation using multicriteria analysis, a case study. Environment Monitoring Assessment, DOI: 10.1007/s10661-009-0997-3.
- Van Wagner, C. E., 1993. Prediction of crown fire behavior in two stands of Jack Pine. Canadian Journal of Forest Research, 18: 818–820.
-Wang, Y.M., Luo, Y. and Hua, Z., 2008. On the extent analysis method for fuzzy AHP and its applications. European Journal of Operational Research, 186: 735-747.
- Yousefi, A. and Jalilvand, H., 2010. Investigation of fire situation in forest and pasture areas of Mazandaran province (Basin of Sari Natural Resources Administration Office) from 2004 to 2007. Proceedings of the Second International Conference on Climate Change and Tree Chronology, Sari, Iran, 12-14 May 2010: 67-82.