ارزیابی پتانسیل خطر آتش سوزی جنگل با استفاده از مدل Dong، مطالعه موردی: جنگل های بخش سه نکا-ظالمرود

نوع مقاله: مقاله علمی پژوهشی

نویسنده

دانشگاه علوم کشاورزی و منابع طبیعی ساری

چکیده

این تحقیق به منظور پهنه‌بندی خطر آتش‌سوزی با استفاده از مدل Dong در جنگل‌های بخش سه نکا-ظالمرود در شمال ایران انجام شد. ابتدا مدل رقومی ارتفاع منطقه موردمطالعه از سنجنده ASTER تهیه شد. سپس نقشه‌های شیب، جهت و ارتفاع از سطح دریا از مدل رقومی ارتفاع تهیه شدند. نقشه‌های نوع و تراکم پوشش گیاهی و عوامل انسان‌ساخت (جاده‌ها، مناطق مسکونی (روستاها) و زمین‌های کشاورزی منطقه) از شرکت سهامی نکاچوب تهیه شدند. سپس نقشه‌های بافر (حائل) اطراف جاده‌ها، روستاها و زمین‌های کشاورزی تهیه شدند. همه لایه‌های رقومی مطابق مدل Dong طبقه‌بندی شدند. درنهایت نقشه پتانسیل آتش‌سوزی منطقه از روی‌هم‌گذاری وزنی همه نقشه‌های متغیرهای مؤثر براساس مدل Dong در GIS تهیه شد. نقشه آتش‌سوزی‌های واقعی در منطقه موردمطالعه نیز برای ارزیابی نتایج از شرکت سهامی نکاچوب تهیه شد. سپس برای ارزیابی مدل، این نقشه با نقشه پتانسیل خطر آتش‌سوزی منطقه روی‌هم-گذاری شد. نتایج نشان داد که 51 درصد از مناطق آتش‌سوزی‌های واقعی در مناطق پرخطر و بسیارپرخطر قرار گرفته‌اند. این مسأله اعتبار نسبتاً خوب مدل Dong را برای پیش‌بینی آتش‌سوزی‌های آینده در منطقه موردمطالعه نشان می‌دهد. با اصلاح این الگو به نظر می‌رسد که از آن بتوان برای سایر مناطق جنگلی شمال نیز برحسب موقعیت مکانی حوضه‌های آبخیز استفاده کرد.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of forest fire risk potential using Dong model, case study: District Three of Neka-Zalemroud forests

چکیده [English]

This study was done to zone the fire risk using Dong model in District Three of Neka-Zalemroud (DTNZ) forests in Northern Iran. First Digital Elevation Model (DEM) of study area has been obtained from ASTER sensor. Then slope, aspect and elevation maps have been provided from DEM. The vegetation type and density maps and the human factors maps (roads, settlements and farmlands) have been provided from Nekachoob Company. Then buffers maps of the roads, settlements and farmlands have been provided. All of the digital layers have been classified according to Dong model. Finally fire risk map has been obtained by weighting overlay of all variables maps based on Dong Model in GIS. The actual fires map in study area has also been provided from Nekachoob Company to evaluate the results. Then it has been overlaid on the forest fire risk potential map to validate the model. Results showed that 51% actual fires have been located in the high and very high risk areas. It demonstrates the good efficiency of Dong model to predict the future fires in study area. It seems that the modified pattern of this model can be applied for other forest regions in Northern Iran based on spatial situation of watershed basins. Key words: Fire risk potential, Dong model, District Three of Neka-Zalemroud forests, GIS Key words: Fire risk potential, Dong model, District Three of Neka-Zalemroud forests, GIS Key words: Fire risk potential, Dong model, District Three of Neka-Zalemroud forests, GIS Key words: Fire risk potential, Dong model, District Three of Neka-Zalemroud forests, GIS

کلیدواژه‌ها [English]

  • Fire risk potential
  • Dong model
  • District Three of Neka-Zalemroud forests
  • GIS

1.اداره­ کل منابع طبیعی استان مازندران. 1390. آمار و اطلاعات آتش­سوزی در استان مازندران، یگان حفاظت اداره­ کل منابع طبیعی استان مازندران، ساری.

2.اسکندری، سعیده و دیگران. 1392. ارزیابی کارایی مدل دانگ برای تعیین قابلیت­ خطر آتش­سوزی در جنگل­های زرین­آباد نکا، استان مازندران، فصل­نامه­ تحقیقات جنگل و صنوبر ایران، جلد 21، شماره 3، صص 439-451.

3.اسکندری، سعیده. 1392. ارائه الگوی پتانسیل آتش­سوزی جنگل و گسترش آن با استفاده از RS و GIS، پایان‌نامه دکتری، استاد راهنما: جعفر اولادی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، دانشکده­ی منابع طبیعی، گروه جنگل­داری.

4.پناهی، پریسا. 1386. کاربرد سنجش از دور در مدیریت آتش­سوزی جنگل، سمینار دکتری، دانشگاه مازندران، دانشکده منابع طبیعی، گروه جنگل­داری.

5.زرع­کار، آزاده، بهاره کاظمی زمانی، ساره قربانی؛ مریم عاشق معلا و حمیدرضا جعفری. 1392. 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، جلد 21 شماره 2، صص 218-230.

6. سلامتی، حمید، حمید مصطفی‌لو، علی مستوری و فرهاد هنردوست. 1390. 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، گرگان.

7.شرکت سهامی نکاچوب. 1389. طرح جنگل­داری جنگل­های بخش 3 نکا-ظالمرود، سازمان جنگل­ها مراتع و آبخیزداری کشور، اداره­ کل منابع طبیعی و آبخیزداری استان مازندران، ساری.

8.کاظمی، سیدمحمود. 1384. آتش و اکوسیستم­های جنگلی، دام، کشت، صنعت، شماره 70، صص 46- 56.

9.محمدزاده، راضیه و علیرضا فلاحی. 1386. تمهیدات کاهش خطر آتش­سوزی جنگل در مناطق شهری، مجموعه مقالات سومین کنفرانس بین­المللی مدیریت جامع بحران در حوادث غیرمترقبه، تهران.

10.محمدی، فریده، نقی شعبانیان، مهدی پورهاشمی و پرویز فاتحی. 1389. تهیه­ نقشه­ خطر آتش­سوزی جنگل با استفاده از  AHPو  GISدر بخشی از جنگل­های پاوه، فصل­نامه تحقیقات جنگل و صنوبر ایران، جلد 18، شماره 4، صص 569-586.

11.میردیلمی، طیبه و شعبان شتایی. 1390. تحلیلی بر روش­های پیش­بینی و مدل­سازی مکانی خطر آتش­سوزی در عرصه­های منابع طبیعی، مجموعه مقالات نخستین همایش بین­المللی آتش­سوزی در عرصه­های منابع طبیعی، گرگان.

  1. 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, 65:1723-1743.
  2. Akpinar, E., and Usul, N. 2003. GIS and Forest fire, Project of INTA Space Turk, Engineering Department, Middle East Technical University, 11 p.
  3. Almedia, R. 1994. Forest fire risk areas and definition of the prevention priority planning actions using GIS, Proceeding of the Fifth European Conference and Exhibition on Geographic Information Systems, EGIS 94, Utrecht: EGIS Foundation, 2, 1700-1706.
  4. Canadian Forest Service. 1997. A wildfire threat rating system for the Mac Gregor Model Forest, Fianl Report MMF Practices-3015. Canada, 231p.
  5. 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, DOI: http://dx.doi.org/10.1071/WF12052. 14 p.
  6. Chuvieco, E., Allgower, B., and Salas, J. 2003. Integration of physical and human factors in fire danger assessment, in: Chuvieco, E. (Eds.). Wild land fire danger estimation and mapping, the role of remote sensing data. World Scientific. New Jersey, USA, 197-217.
  7. 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.
  8. 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.
  9. Encinas, L.H., White, S.H., Del Rey, A.M., and Sanchez, G.R. 2007. Simulation of forest fire fronts using cellular automata, Advances in Engineering Software, 38: 372-378.
  10. Erten, E., Kurgun, V., and Musaolu, N. 2005. Forest Fire Risk Zone Mapping From Satellite Imagery and GIS, a Case Study. Civil Engineering Faculty, Remote Sensing Division. 7 p.
  11. FAO. 1986. Wild land fire management terminology, Report number 70, FAO Forestry Paper, Roma, M-99, ISBN 92-5- 0024207, 76 p.
  12. Gerdzheva, A.A. 2014. A Comparative analysis of different wildfire risk assessment models (a case study for smolyyan distric, Bulgaria). European Journal of Geography, Vol. 5(3), pp. 22-36.
  13. 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.
  14. Lee, B.S., Alexander, M.E., Hawkes, B.C., Lynham, T.J., Stocks, B.J., and Englefield, P. 2002. Information systems in support of wild land fire management decision making in Canada, Computers and Electronics in Agriculture, 37: 185-198.
  15. Lozano, F.J., Suárez-Seoane, S., Kelly, M., and 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, 112: 708-719.
  16. Mahdavi, A., Fallah Shamsi, S.R., and Nazari, R. 2012. Forests and rangelands’ wildfire risk zoning using GIS and AHP techniques, Caspian Journal of Environmental Sciences, 10(1), 43-52.
  17. Marozas, V., Racinskas J., and Bartkevicius, E. 2007. Dynamics of ground vegetation after surface fires in hemi boreal Pinus sylvestris forests, Forest Ecology and Management, 250(1-2): 47–55.
  18. Merrill, D.F., and Alexander, M.E. 1987. Glossary of forest fire management terms (4th ed.), National Research Council of Canada, Canadian Committee on Forest Fire management, Publication NRCC No. 26516, Ottawa, Ontario, 225p.
  19. 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.
  20. Perera, A.H., and Cui, W. 2010. Emulating natural disturbances as a forest management goal: Lessons from fire regime simulations, Forest Ecology and Management, 259: 1328-1337.
  21. 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.
  22. Taylor, S.W., and Alexander, M.E. 2006. Science, technology, and human factors in fire danger rating: The Canadian experience, International Journal of Wild land Fire, 15: 121-135.
  23. Thakur, A.K., and 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): 82-89.
Vadrevu, K.P., Eaturu, A., and Badarinath, K.V.S. 2009. Fire risk evaluation using multicriteria analysis, a case study, Journal of Environment Monitoring Assessment, 166: 223-239