تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,500 |
تعداد مشاهده مقاله | 124,086,583 |
تعداد دریافت فایل اصل مقاله | 97,189,895 |
مدلسازی وقوع و گسترش جبهه ی آتش سوزی با استفاده از روش اتوماتای سلولی ( مطالعه موردی: منطقه حفاظت شده ارسباران) | ||
نشریه محیط زیست طبیعی | ||
مقاله 11، دوره 73، شماره 1، فروردین 1399، صفحه 129-141 اصل مقاله (1.42 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jne.2020.286679.1785 | ||
نویسندگان | ||
مریم ملکی1؛ لیلا ملکانی* 2؛ خلیل ولیزاده کامران3 | ||
1گروه سنجش از دور و GIS ، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز، تبریز، ایران | ||
2گروه مهندسی عمران، دانشکده فنی و مهندسی مرند، دانشگاه تبریز، ایران | ||
3گروه سنجش از دور و GIS ، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز ، تبریز، ایران | ||
چکیده | ||
آتش سوزی، سالانه خسارت قابل ملاحظه ای را به عرصه های طبیعی وارد میسازد. اتوماتای سلولی ابزاری است برای مدلسازی و شبیهسازی فرایندهایی که در جهان واقعی رخ میدهند. با علم به نحوه ی گسترش آتشسوزی و تهیه نقشه ریسک آتش سوزی، از این نقشه ها میتوان برای جلوگیری و پیشگیری از آتش سوزی و خسارات ناشی از آن استفاده کرد. در این تحقیق ابتدا پهنه بندی ریسک آتش سوزی در جنگلهای ارسباران با استفاده از عوامل محیطی چون شیب، جهت شیب، پوشش گیاهی و جهت باد غالب و بهره گیری از مدل Fire risk مشخص شده، سپس از مدل اتوماتای سلولی در غالب روش الکساندریدیس برای شبیهسازی نحوه ی گسترش جبهه ی آتش استفاده گردید. به دلیل وقوع آتشسوزی های زیاد ثبت شده در جنگلهای ارسباران و غنای سرشار فلور و فون در آن، مستلزم حفاظت بیشتر مخصوصا از نظر آتش سوزی است. بررسی نتایج مدل Fire risk نشان داد که 36/56 درصد از منطقه دارای پتانسیل زیاد و خیلی زیاد برای وقوع آتش سوزی میباشد و جهت شیب و مقدار آن بیشترین تاثیر را در وقوع و گسترش جبهه ی آتش دارند. همچنین میزان همبستگی نقشه نهایی پتانسیل وقوع آتشسوزی با خطوط ارتباطی بیش از 73/0 میباشد که نشان میدهد عامل انسانی سهم بسزایی در ایجاد حریق داشته است. نتایج بدست آمده از مدل اتوماتای سلولی نیز نشان دادند که استفاده از این مدل همراه باGIS ، علاوه بر سرعت بخشیدن به شبیهسازی گسترش جبهه آتش و قابلیت نمایشی پویا از آن، از دقت بالایی (88/0) نیز برخوردار است. | ||
کلیدواژهها | ||
آتش سوزی؛ GIS؛ منطقه حفاظت شده ارسباران؛ اتوماتای سلولی | ||
مراجع | ||
Aalizadeh, L., Karinian, R., Ejlali, F., 2011. investigating the main causes of Deforestation in forests of Lorestan Province and suggested solutions. Natural hazards. National Congress on Central Zagros Forests, Capabilities and bottlenecks, Lorestan, Iran. (In Persian). 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, 65(3), 1723-1743. Ajin, R.S., Loghin, A.M., Vinod, P.G., Jacob, M.K., 2016. Forest fire risk zone mapping using RS and GIS techniques: a study in Achankovil forest division, Kerala, India. Journal of Earth, Environment and Health Sciences, 2(3), 109-115. 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, 204(1), 191-201. Ardakani, A., ValadaneZoj, M. J., Mansourian, A., 2009. The spatial analysis of fire across the country using RS and GIS. Journal of (In Persian) Ebrahimi, H., Rasouli, A. A., Mokhtari, D., 2018. Investigation of changes in fire risk and its influencing factors using MAXENT model, Case Study: Forests and Rangelands of East Azerbaijan Province. Geography and Environmental Hazards, 25, 57-73. (In Persian). Encinas, A.H., Encinas, L.H., White, S.H., del Rey, A.M., S’anchez, G.R., 2007.Simulation of forest fire fronts using cellular automata. Advances in Engineering Software Journal, 38, 372–378. Eskandari, S., 2017. Methods of modeling and evaluation of fire occurrence risk in the forests of world and Iran. Human and Environment, 15 (3), 91-110. (In Persian). Eskandari, S., Oladi, J., 2017. Modelling of forest fire spread using Cellular Automata. Natural hazards. Geographical Planning of Space Quarterly Journal, 7(25), 37-53. (In Persian). Eugenio, F.C., Dos Santos, A.R., Fiedler, N.C., Ribeiro, G.A., da Silva, A.G., Dos Santos, Á.B., Paneto, G.G. and Schettino, V.R., 2016. Applying GIS to develop a model for forest fire risk: a case study in Espírito Santo, Brazil. Environmental Management Journal, 173, 65-71. Ghaemi Rad T, Karimi M., 2017. Comparison of Different Neighborhoods in Fire Spread Modelling Using Cellular Automata. Geospatial Engineering Journal. 19-27. (In Persian). Ghaemi Rad, T., Karimi, M., 2015. Evaluation performances of different forest fire spread models using cellular automata (case study: The forests of Lakan district in Rasht). Iranian Journal of Forest and Poplar Research, 23(1), 64-78. (In Persian). Hejazi, M., Roustayi, S., Khayam, M., 2009. The introduction and analysis of the physiographic and topographic reactions of Arasbaran biosphere reserve over vegetation zoning. Journal of (In Persian) Quarterly journal of geography and planning, 27, 141-158. Li, C., Hans, H., Barclay, H., Liu, J., Carlson, G., Campbell, D., 2008. Comparison of spatially explicit forest landscape fire disturbance models. Forest Ecology and Management, 254(3), 499-510. Marozas, V., Racinskas, J., Bartkevicius, E., 2007. Dynamics of ground vegetation after surface fires in hemiboreal Pinus sylvestris forests. Forest Ecology and Management, 250(1-2), 47-55. Mohammadi, F., Shabanian, N., Pourhashemi, M., Fatehi, P., 2011. 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(42), 569-586. (In Persian). Nematollahi, M.A., Babaei Naiij, M., Layeghi, M., Aghaii Zadeh, R., 2012. Quantifying of schooling responses of rosy barb (Puntius barbus) to acute stress using computer vision. In: McKinlay, D. (Ed.). Proceedings of 10th International Congress on the Biology of Fish, Madison, Wisconsin, USA. 170-180. Rui, X., Hui, S., Yu, X. Zhang, G., Wu, B., 2018. Forest fire spread simulation algorithm based on cellular automata. Natural hazards, 210(1-2), 71-84. Vakalis, D., Sarimveis, H., Kiranoudis, C., Alexandridis, A., Bafas, G., 2004. A GIS based operational system for wildland fire crisis management I. Mathematical modelling and simulation. Applied Mathematical Modelling, 28(4), 389-410. Valizadeh, KH., Omrani, K., Khosroshahi, S. S., 2014. Forest fire risk assessment using multi-criteria analysis: A case study Kaleybar Forest. In International Conference on Agriculture, Environment and Biological Sciences (ICFAE’14) June 4-5, Antalya (Turkey). 30-33. Wang, S. L., Lee, H. I., Li, S. P., 2014. Fractal dimensions of wildfire spreading. Nonlinear Processes in Geophysics, 21(4), 815-823. Xu, D., Dai, L.M., Shao, G.F., Tang, L., and Wang, H. 2005. Forest fire risk zone mapping from satellite images and GIS for Baihe forestry Bureau, Jilin China. Journal of forestry research, 15(3): 169-174. Yassemi, S., Dragićević, S., Schmidt, M. 2008. Design and implementation of an integrated GIS-based cellular automata model to characterize forest fire behaviour. Ecological modelling, 210(1-2), 71-84. Zakeri Pashakolaei M, Alvaninejad S, Esmailzade O., 2014. Relationship Between Plant Biodiversity and Topographical Factors in Forests of West Mazandaran (Case study: Research forest of Tarbiat Modares University). Iranian Journal of Applied Ecology. 3(8) :1-16. (In Persian). | ||
آمار تعداد مشاهده مقاله: 655 تعداد دریافت فایل اصل مقاله: 436 |