
تعداد نشریات | 32 |
تعداد شمارهها | 757 |
تعداد مقالات | 7,325 |
تعداد مشاهده مقاله | 12,141,856 |
تعداد دریافت فایل اصل مقاله | 8,291,831 |
بررسی نقش تغییرات اقلیمی در خطر وقوع آتشسوزی در جنگلها و مراتع استان کهگیلویه و بویراحمد | ||
مخاطرات محیط طبیعی | ||
مقاله 8، دوره 13، شماره 41 - شماره پیاپی 3، مهر 1403، صفحه 103-130 اصل مقاله (6.2 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22111/jneh.2024.47185.1998 | ||
نویسندگان | ||
ذوالفقار رضاپور1؛ سعیده اسکندری* 2؛ حجت الله یزدان پناه3 | ||
1دانشجوی دکتری گروه آب و هواشناسی، دانشکده علوم جغرافیایی و برنامه ریزی، دانشگاه اصفهان | ||
2دانشیار پژوهش، بخش تحقیقات جنگل، مؤسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران | ||
3دانشیار گروه آب و هواشناسی، دانشکده علوم جغرافیایی و برنامه ریزی، دانشگاه اصفهان | ||
چکیده | ||
آتشسوزی یکی از عوامل تهدیدکننده جنگلها و مراتع ایران بهشمار میرود. سالانه هزاران هکتار از جنگلها و مراتع زاگرس طعمه حریق میشوند. طی سالهای اخیر بخش وسیعی از جنگلها و مراتع استان کهگیلویه و بویراحمد در اثر آتشسوزی از بین رفته است. تحقیق حاضر بهمنظور بررسی نقش تغییرات پارامترهای اقلیمی در وقوع آتشسوزیهای جنگلها و مراتع این استان انجام شد. برای این منظور هم رابطه زمانی و هم رابطه مکانی بین متغیرهای اقلیمی و آتشسوزی بررسی شد. دادههای متغیرهای اقلیمی (1400-1385) از سازمان هواشناسی ایران و دادههای آتشسوزی (تعداد، وسعت و موقعیت مکانی) در دوره 1400-1385 از اداره کل منابع طبیعی و آبخیزداری استان کهگیلویه و بویراحمد بهدست آمدند. رابطه بین متغیرهای اقلیمی و آتشسوزی طی زمان موردمطالعه، براساس ضریب همبستگی پیرسون و تحلیلهای رگرسیونی حاصل شد. پس از تهیه نقشه موقعیت آتشسوزیها و نقشههای پارامترهای اقلیمی با روشهای درونیابی، رابطه مکانی بین متغیرهای اقلیمی و وقوع حریق با روش رگرسیون لجستیک بهدست آمد. مدلسازی احتمال خطر وقوع آتشسوزی، با استفاده از 70 درصد موقعیت آتشسوزیها و روش رگرسیون لجستیک انجام شد. بهمنظور ارزیابی کارایی روش رگرسیون لجستیک از 30 درصد موقعیت آتشسوزیها و روش سطح زیرمنحنی (AUC) استفاده شد. برای ارزیابی صحت نقشه احتمال خطر وقوع آتشسوزی از ماتریس خطا و شاخص صحت کلی استفاده شد. نتایج رابطه زمانی نشان داد که تعداد آتشسوزی رابطه معنیداری با میانگین سرعت باد فصلی داشت. نتایج رابطه مکانی نشان داد که میانگین درجهحرارت فصلی مهمترین متغیر در وقوع آتشسوزی بود. نتایج ارزیابی کارایی و صحتسنجی روش رگرسیون لجستیک و نقشه احتمال خطر آتشسوزی نشان داد که این روش با سطح زیرمنحنی 0.95 و صحت کلی 92.7 درصد، دقت مطلوبی در شناسایی مناطق خطر آتشسوزی در جنگلها و مراتع استان کهگیلویه و بویراحمد داشته است. نتایج این تحقیق در مدیریت، نظارت و پیشبینی آتشسوزی در عرصههای منابع طبیعی استان بسیار کاربردی است. | ||
کلیدواژهها | ||
رژیم آتشسوزی؛ احتمال خطر وقوع آتشسوزی؛ تغییر اقلیم؛ ناحیه رویشی زاگرس؛ عرصههای منابع طبیعی | ||
مراجع | ||
آزاده، جواد، اعتماد، وحید، نمیرانیان، منوچهر. (1401). بررسی کارایی مدلهای مختلف در پهنهبندی پتانسیل خطر آتشسوزی در جنگلهای استان استان کهگیلویه و بویراحمد. علوم و تکنولوژی محیط زیست، 24(7)، 81-94.
اداره کل منابع طبیعی و آبخیزداری استان کهگیلویه و بویراحمد. (1399). قابل دسترس در: https://kohgiluye.frw.ir/00/Fa/StaticPages/Page.aspx?tid=13119
اسکندری، سعیده، احمدلو، فاطمه، پورقاسمی، حمیدرضا، آهنگران، یزدانفر، رضاپور، ذوالفقار. (1402). بررسی رابطه زمانی و مکانی تغییر پارامترهای اقلیمی و آتشسوزی در جنگلها و مراتع استان گیلان. تحقیقات حمایت و حفاظت جنگلها و مراتع ایران، 21(2)، 164-186.
اسکندری، سعیده، اولادی قادیکلایی، جعفر، جلیلوند، حمید، سراجیان، محمدرضا. (1392). مدلسازی و پیش بینی خطر آتشسوزی در جنگلهای بخش سه نکا-ظالمرود با استفاده از سامانه اطلاعات جغرافیایی. تحقیقات جنگل و صنوبر ایران، 21(2)، 203-217.
اسکندری، سعیده، جلیلوند، حمید. (1396). تأثیر تغییرات آب و هوایی بر رژیم آتشسوزی جنگلهای نکا و بهشهر. تحقیقات حمایت و حفاظت از جنگل ها و مراتع ایران، 15(1)، 30-39.
بیگی حیدرلو، هادی، بانج شفیعی، عباس، عرفانیان، مهدی. (1393). تهیه نقشه خطر آتشسوزی جنگل با استفاده از تکنیک فرآیند تحلیل سلسله مراتبی و روش نسبت فراوانی (پژوهش موردی: جنگلهای سردشت، شمال غربی ایران). تحقیقات جنگل و صنوبر ایران، 22(4)، 573-599.
بیهمتا، محمدرضا، زارع چاهوکی، محمدعلی. (1394). اصول آمار در علوم منابع طبیعی. انتشارات دانشگاه تهران، 300 ص.
پاکگهر، علیرضا. (1395). مقایسۀ کارایی روشهای ردهبندیکننده رگرسیون لجستیک و رگرسیون درختی برای متغیر وابسته باینری- گستره علوم آماری، 1(2)، 7-14.
پولات، سارا، قاسمی آقباش، فرهاد، مهدوی، علی. (1399). پهنهبندی خطر آتشسوزی در جنگلهای حوزه شهرستان ایلام. پژوهش و توسعه جنگل، 6(1)، 135-152.
خانمحمدی، مرتضی، رحیمی، محمد، کرتولینژاد، داوود. (1395). تحلیل خطر آتشسوزی جنگلهای هیرکانی شمال شرق ایران با استفاده از شاخصهای کچ- بایرام و مک- آرتور. تحقیقات حمایت و حفاظت جنگلها و مراتع ایران، 14(1)، 48-57.
دشتی، شهریار، امینی، جمال، احمدی ثانی، ناصر، جوانمرد، عبدالله. (1399). پهنهبندی مناطق مستعد آتشسوزی در بومسازگانهای جنگلی زاگرس شمالی (مطالعه موردی: جنگلهای سردشت در آذربایجان غربی). مخاطرات محیط طبیعی، 10(30)، 126-105.
رحیمی، داریوش، خادمی، سمانه. (1397). تحلیل الگوهای همدید خطرآتشسوزی در جنگلهای شمال ایران (استان گلستان). مخاطرات محیط طبیعی، 7(17)، 19-36.
عالیمحمودی سراب، سجاد، فقهی، جهانگیر، جباریان امیری، بهمن. (1391). پیشبینی وقوع آتشسوزی در جنگلها و مراتع با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: جنگلهای منطقه زاگرس شهرستان ایذه). اکولوژی کاربردی، 1(2)، 75-85.
فتاحی، محمد. (1373). بررسی جنگلهای بلوط زاگرس و مهمترین عوامل تخریب آن. انتشارات مؤسسه تحقیقات جنگلها و مراتع کشور، 63 ص.
قهرمان، نوذر، بابائیان، ایمان، عسگری، سجاد. (1396). پیشنگری کمی اثرات محتمل تغییر اقلیم بر شاخص گرمایی (THI) تحت سناریوهای واداشت تابشی (RCP) در ایران. پژوهشهای اقلیمشناسی، 8(31 و 32)، 1-18.
Adab, H., Kanniah, K.D. and Solaimani, K. (2013). Modeling forest fire risk in the northeast of Iran using remote sensing and GIS techniques. Natural Hazards, 65(3), 1723-1743. https://doi.org/10.1890/01-6029 Chou, Y.H. )1992). Management of wildfires with a geographical information system. International Journal of Geographical Information Systems, 6, 123-140. https://doi.org/10.1080/02693799208901900 Congalton, R.G. and Green, K. (2008). Assessing the Accuracy of Remotely Sensed Data: Principles and Practices. 2nd Edition, CRC press, Taylor & Francis Group, Boca Raton, 210p. https://doi.org/10.1201/9780429052729. Dashti, S., Amini, J., Ahmadi Sani, N. and Javanmard, A. (2022). Zoning areas prone to fire occurrences in the forest ecosystems of North Zagros (Case study: Sardasht forests in West Azarbaijan). Journal of Natural Environmental Hazards 10(30), 105-126. https://doi.org/10.22111/jneh.2021.34965.1683 Eskandari, S. and Chuvieco, E. (2015). Fire danger assessment in Iran based on geospatial information. International Journal of Applied Earth Observation and Geoinformation, 24, 57-64. https://doi.org/10.1016/j.jag.2015.05.006. Eskandari, S., Ali Mahmoudi Sarab, S. (2022). Mapping land cover and forest density in Zagros forests of Khuzestan province in Iran: A study based on Sentinel-2, Google Earth and field data. Ecological Informatics, 70 (101727), 1-18. https://doi.org/10.1016/j.ecoinf.2022.101727. Golkarian, A., Naghibi, S.A., Kalantar, B. and Pradhan, B. (2018). Groundwater potential mapping using C5.0, random forest, and multivariate adaptive regression spline models in GIS. Environmental Monitoring and Assessment, 190 (3), 149-150. https://doi.org/10.1007/s10661-018-6507-8. Hong, H., Naghibi, S.A., Moradi Dashtpagerdi, M., Pourghasemi, H.R. and Chen, W. (2017). A comparative assessment between linear and quadratic discriminant analyses (LDA-QDA) with frequency ratio and weights-of-evidence models for forest fire susceptibility mapping in China. Arabian Journal of Geosciences, 10, 1-14. https://doi.org/10.1007/s12517-017-2905-4. Jolly, W.M., Cochrane, M.A., Freeborn, P.H., Holden, Z.A., Brown, T.J., Williamson, G.J. and Bowman, D.M.J.S. (2015). Climate-induced variations in global wildfire danger from 1979 to 2013. Nature Communication, 6(7537), 1-11. https://doi.org/10.1038/ncomms8537 Koutsias, N. and Karteris, M. (1998). Logistic regression modeling of multitemporal Thematic Mapper data for burned area mapping. International Journal of Remote Sensing, 19, 3499-3514. https://doi.org/10.1080/014311698213777. Martinez, J., Vega-Garcia, C. and Chuvieco, E. (2009). Human-caused wildfire risk rating for prevention planning in Spain. Journal of Environmental Management, 90, 1241-1252. https://doi.org/10.1016/j.jenvman.2008.07.005. Mas, J.F., Filho, B.S.S., Pontius, R.G. and Farfan, M. (2013). A Suite of Tools for ROC Analysis of Spatial Models. International Journal of Geo-Information, 2(3), 869-888. https://doi.org/10.3390/ijgi2030869. Naghibi, S.A. and Pourghasemi, H.R. (2016). A comparative assessment between three machine learning models and their performance comparison by bivariate and multivariate statistical methods in groundwater potential mapping. Water Resources Management, 29 (14), 5217-5236. https://dx.doi.org/10.1007/s11269-015-1114-8. Pettinari, M.L. and Chuvieco, E. (2017). Fire Behavior Simulation from Global Fuel and Climatic Information. Forests,8(6), 1-23. https://doi.org/10.3390/f8060179. Pourtaghi, Z.S., Pourghasemi, H.R., Aretano, R. and Semeraro, T. (2016). Investigation of general indicators influencing forest fire and its susceptibility modeling using different data mining techniques. Ecological Indicators, 64, 72-84. http://dx.doi.org/10.1016/j.ecolind.2015.12.030. Sadat Razavi, A.H., Shafiepour Motlagh, M., Noorpoor, A. and Ehsani, A.H. (2020). Modeling of wildfire occurrence by using climate data and the effect of temperature increments. Natural Hazards and Earth System Sciences, https://doi.org/10.5194/nhess-2020-353, 2020. Smith, M.J., Goodchild, M.F. and Longley, P.A. (2007). Geospatial analysis- a comprehensive guide to principles, techniques and software tools. Troubador Publishing Ltd, Leicester, 516p. http://www.spatialanalysisonline.com/. Syphard, A.D., Radeloff, V.C., Keuler, N.S., Taylor, R.S., Hawbaker, T.J., Stewart, S.I. and Clayton, M.K. (2008). International Journal of Wildland Fire, 17, 602-613. Turco, M., Llasat, M.C., Hardenberg, J.V. and Provenzale, A. (2013). Impact of climate variability on summer fires in a Mediterranean environment (northeastern Iberian Peninsula). Climatic Change, 116, 665-678. http://doi.org/10.1007/s10584-012-0505-6. Tymstra, C., Flannigan, M.D., Armitage, O.B. and Logan, K. (2007). Impact of climate change on area burned in Alberta’s boreal forest. International Journal of Wildland Fire, 16, 153-160. http://doi.org/10.1071/WF06084. Yesilnacar, E.K. (2005). The application of computational intelligence to landslide susceptibility mapping in Turkey. Ph.D. thesis, Department of Geomatics, University of Melbourne, Melbourne, Australia. http://doi.org/10.1016/j.enggeo.2005.02.002. Youssef, A.M., Pourghasemi, H.R., Pourtaghi, Z.S. and Al-Katheeri, M.M. (2016). Landslide susceptibility mapping using random forest, boosted regression tree, classification and regression tree, and general linear models and comparison of their performance at Wadi Tayyah Basin, Asir Region, Saudi Arabia. Landslides, 13, 839-856. https://doi.org/10.1007/s10346-015-0614-1. Zumbrunnen, T., Pezzattic, G.B., Menéndezd, P., Bugmann, H., Bürgia, M. and 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, 261(12), 2188-2199. http://doi.org/10.1016/j.foreco.2010.10.009. | ||
آمار تعداد مشاهده مقاله: 653 تعداد دریافت فایل اصل مقاله: 172 |