Ecology of Iranian Forests

fa ارزیابی خطر آتش‌سوزی جنگل‎ های استان مازندران با استفاده از مدل AHP فازی Assessment of Forest Fire Risk in Mazandaran Province Using Fuzzy AHP Model سنجش از دور سنجش از دور پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: فعالیت‌های انسانی، تنوع آب‌ و هوا و تنش‌های محیطی به&lrm;شدت بر اکوسیستم‌های جنگلی در سطح جهان تأثیر گذاشته است. آتش‌سوزی جنگل‌ها یکی از مهم‌ترین عوامل تخریب اکوسیستم جهانی است. آتش&lrm;سوزی در جنگل چه منشأ انسانی و چه منشأ طبیعی داشته باشد به&lrm;عنوان بحران جدی در سال&lrm;های اخیر مطرح شده است. از این&lrm;رو، ارزیابی خطر آتش‌سوزی نقش مهمی در مدیریت آتش‌سوزی در جنگل‌های ایفا می‌کند؛ زیرا دانستن مکان با بالاترین خطر برای به حداقل رساندن تهدیدات برای منابع، جان و اموال ضروری است. ادغام اطلاعات مکانی از منابع مختلف با استفاده از تحلیل&lrm;های آماری در محیط GIS ابزاری مناسبی جهت مدیریت و گسترش آتش&lrm;سوزی جنگل&lrm;ها است، که یکی از مهم&lrm;ترین مخاطرات طبیعی در شمال ایران به&lrm;شمار می&lrm;رود. بنابراین، تهیه نقشه ارزیابی خطر آتش&lrm;سوزی جهت برنامه&lrm;ریزی و حفاظت از جنگل&lrm;ها ضروری است. مواد و روش‌ها: پژوهش حاضر از بعد ماهیت، کاربردی و از منظر شیوه تحقیق ترکیبی از روش‌های اسنادی، توصیفی و مبتنی بر مدل‌های کمی است. در مطالعه حاضر با ترکیب مدل‌های منطق فازی (Fuzzy) و سلسله مراتبی (AHP)، خطر آتش‌سوزی جنگل&lrm;های استان مازندران در 5 کلاس؛ به&lrm;ترتیب خیلی زیاد، زیاد، متوسط، کم و خیلی&lrm;کم به&lrm;کمک 4 معیار اصلی و 9 زیر معیار؛ توپوگرافی (ارتفاع، شیب، جهت و رودخانه&lrm;ها)، عوامل اقلیمی (بیشنه دما، بارش)، عوامل انسانی (مناطق مسکونی، شبکه راه&lrm;های ارتباطی) و بیولوژیکی (پوشش گیاهی) مورد بررسی قرار گرفت. شاخص نرمال شده تفاوت پوشش گیاهی (NDVI) بر روی مجموعه تصاویر ماهواره سنتینل-2 در بازه زمانی 5 ساله (2017 تا 2022) در سامانه تحت وب GEE اعمال شد، به این طریق پوشش گیاهی خالص به&lrm;دست آمد. نقشه&lrm;های ارتفاع، شیب و جهت شیب منطقه مطالعاتی از مدل رقومی ارتفاعی (DEM) 12/5 متر از مجموعه داده سنجنده ALOS AVNIR-2 تهیه گردید. همچنین در نرم‌افزار ArcMAP با استفاده از ابزار Euclidean distance فاصله از رودخانه&lrm;ها، مناطق مسکونی و شبکه راه&lrm;ها محاسبه گردید. موقعیت جغرافیایی ایستگاه‌های سینوپتیک هواشناسی از سازمان هواشناسی دریافت و اطلاعات آن به&lrm;عنوان داده&lrm;های ورودی هواشناسی مورد استفاده قرار گرفته است. در محیط ArcMap از ایستگاه‌های سینوپتیک نقشه میانگین بارش سالانه و بیشینه دما از طریق درون‌یابی برای بازه زمانی 2007 تا 2021 تهیه گردید. براساس این روش مدل‌سازی، از نظرات کارشناسان جهت اهمیت و اولویت نسبی معیارها و زیرمعیارها در خطر آتش‌سوزی جنگل‌های منطقه مورد مطالعه استفاده شد. سپس وزن فازی معیارها و زیرمعیارها به&lrm;دست آمد. براساس ضرایب وزن&lrm;های اعمال شده در طرح حاضر، وزن نهایی معیارها و زیر معیارها مؤثر در آتش‌سوزی جنگل از بیش&lrm;ترین وزن به کمترین به&lrm;ترتیب مربوط به معیارهای توپوگرافی، بیولوژیکی، اقلیمی و انسانی است و در بین زیر معیارها بیش&lrm;ترین وزن و کم&lrm;ترین وزن به&lrm;ترتیب مربوط به پوشش گیاهی و شیب است. نرخ سازگاری (CR) برای ماتریس‌های عوامل مؤثر برابر با 6/25٪ حاصل شده که مقدار آن کم&lrm;تر از 10٪ بوده، در واقع نشان&lrm;دهنده آن است که وزن زیر معیارها متناسب و قابل اعتماد می&lrm;باشد. بیش&lrm;ترین وزن&lrm;ها مربوط به پوشش گیاهی و جهت شیب بوده و کم&lrm;ترین وزن&lrm;ها مربوط به فاصله از رودخانه و شیب است. در نهایت، نقشه ارزیابی خطر آتش&lrm;سوزی با تلفیق نقشه&lrm;های فازی زیرمعیارها در GIS تهیه گردید. یافته‌ها: به&lrm;طور کلی، نتایج این مطالعه نشان داد که 72 درصد از منطقه مورد مطالعه دارای پتانسیل خطر آتش‌سوزی متوسط تا خیلی زیاد است. از مجموع مساحت حدود 2373189 هکتاری استان مازندران؛ 8/4 درصد از منطقه در آسیب‌پذیری خیلی کم؛ 18/3 درصد در آسیب‌پذیری کم؛ 23/66 درصد در آسیب‌پذیری متوسط؛ 25/62 در آسیب‌پذیری زیاد و بالغ بر 24 درصد در محدوده آسیب‌پذیری خیلی زیاد قرار دارد. بخش&lrm;های شرق و جنوب‌شرقی نسبت به سایر بخش&lrm;های منطقه مطالعاتی از پتانسیل آتش‌سوزی بالاتری برخوردار هستند. با مراجعه به لایه&lrm;های فازی مذکور مشخص است در این بخش&lrm;ها ارتفاع، شیب و میزان بارش کم و علاوه بر آن تراکم مناطق مسکونی و شبکه راه&lrm;های ارتباطی بالا بوده و هم&lrm;چنین میزان دما نیز بالا است. در واقع این چند عامل احتمال خطر آتش‌سوزی را در این بخش&lrm;ها بالا برده است. بیش&lrm;ترین پتانسیل آتش‌سوزی در پژوهش حاضر در ارتفاعات پایین مشاهده شده که می‌تواند به&lrm;دلیل تمرکز بیشتر فعالیت‌های انسانی در ارتفاعات پایین باشد. همچنین بیش&lrm;تر آتش‌سوزی‌ها در شیب&lrm;های کم در منطقه مورد مطالعه رخ داده است. لایه فاصله از آبراهه&lrm;ها نیز در بروز آتش‌سوزی نقش دوگانه‌ای دارد. نتایج حاصل از مدل نشان می‌دهد که بین فاصله از جاده&lrm;ها و پتانسیل آتش‌سوزی همبستگی معکوس وجود دارد. براساس نتایج مدل AHP فازی، احتمال آتش‌سوزی با کاهش بارش و افزایش دمای سالانه افزایش یافت. کاهش میزان بارش باعث کاهش رطوبت خاک و پوشش گیاهی شده، در نتیجه احتمال آتش&lrm;سوزی افزایش می&lrm;یابد. از طرفی افزایش دما باعث خشک شدن پوشش گیاهی و کاهش رطوبت گردیده، بنابراین احتمال آتش‌سوزی بالا می&lrm;رود. نتیجه‌گیری: بنابراین، می‌توان نتیجه گرفت که تهیه نقشه ارزیابی خطر آتش‌سوزی می‌تواند به مدیران و برنامه&lrm;ریزان در شناسایی مناطق با پتانسیل بالا و همچنین مدیریت بحران در مناطق آسیب‌پذیر کمک کند. نقشه ارزیابی خطر آتش&lrm;سوزی به&lrm;دست آمده می‌تواند به&lrm;عنوان یک سیستم پشتیبانی تصمیم&lrm;ساز برای پیش&lrm;بینی آتش&lrm;سوزی&lrm;های آینده در منطقه مورد مطالعه استفاده شود.  </div> <div style="text-align: justify;">Extended Abstract Background: Human activities, climate variability, and environmental stress have strongly affected forest ecosystems worldwide. Forest fires are among the major factors of global ecosystem destruction. Fires in the forest, whether of human or natural origin, have been raised as a serious crisis in recent years. Hence, fire risk assessment plays an important role in forest fire management because knowing where the highest risk is essential to minimize threats to resources, lives, and property. Integration of spatial information from different sources using statistical analysis in the GIS environment is a suitable tool for managing and spreading forest fires, which is one of the main natural hazards in northern Iran. Therefore, it is necessary to prepare a fire risk assessment map for the planning and protection of forests. Methods: The current practical research concerning its nature is a combination of documentary, descriptive, and quantitative model-based methods regarding the research method. In this study, fuzzy and hierarchical (AHP) logic models were combined to investigate the risk of forest fire in Mazandaran province in five classes, very high, high, medium, low, and very low, respectively, using four main criteria and nine sub-criteria, namely topography (height, slope, direction, and rivers), climatic factors (peak temperature and precipitation), human factors (residential areas and the network of communication roads), and biological factors (vegetation). To obtain the net vegetation cover, the Normalized Difference Vegetation Index (NDVI) was applied to the Sentinel-2 satellite image set in a 5-year period (2017-2022) in the GEE web system. The height, slope, and slope direction maps of the study area were prepared from the digital elevation model (DEM) of 12.5 m from the ALOS AVNIR-2 dataset. The distance from rivers, residential areas, and the road network was calculated using the Euclidean distance tool in ArcMAP software. The geographic location of meteorological synoptic stations was obtained from the Meteorological Organization, and its information was used as meteorological input data. In the ArcMap environment, a map of average annual precipitation and maximum temperature was prepared from synoptic stations through interpolation for the period from 2007 to 2021. Based on this modeling method, experts' opinions were used for the relative importance and priority of criteria and sub-criteria in the risk of forest fire in the study area to obtain the fuzzy weight of criteria and sub-criteria. Based on the weighting coefficients applied in the present plan, the final weights of the criteria and sub-criteria affecting forest fire from the highest to the lowest weights belong to the topographical, biological, climatic, and human criteria. Among the sub-criteria, the highest and lowest weights belong to vegetation and slope, respectively. The consistency rate (CR) for the matrices of the affecting factors is equal to 6.25%, which is less than 10%, actually indicating that the weight of the criteria is proportionate and reliable. The highest weights were obtained for the vegetation cover and the slope direction, and the lowest weights belonged to the distance from the river and the slope. Finally, the fire risk assessment map was prepared by combining the fuzzy maps of the sub-criteria in GIS. Results: Overall, medium to very high fire risk potential was found in 72% of the studied area. From a total area of about 2373189 hectares, very low (8.4%), low (18.3%), medium (23.66%), high (25.62), and very high (24%) vulnerability rates were identified in Mazandaran province. Higher fire potential was detected in the East and Southeast parts than in other parts of the study area. The aforementioned fuzzy layers clearly show that the height, slope, and amount of precipitation are low and the density of residential areas and the network of communication roads are high in these parts, with high temperatures. In fact, these factors have increased the risk of fire in these areas. In the present study, the highest fire potential was observed at low altitudes, which could have resulted from the concentration of human activities at low altitudes. Moreover, most fires occurred on low slopes in the studied area. The distance layer from waterways also plays a dual role in the occurrence of fire. The results of the model show an inverse correlation between the distance from roads and fire potential. Based on the results of the fuzzy AHP model, the probability of fire increased with the decrease in precipitation and the increase in annual temperature. A decrease in the amount of precipitation causes a decrease in soil moisture and vegetation, elevating the possibility of fire. On the other hand, the increase in temperature causes the drying of vegetation and reduces humidity, thereby increasing the possibility of fire. Conclusion: It can be concluded that preparing a fire risk assessment map can help managers and planners in identifying areas with high potential and in crisis management in vulnerable areas. The obtained fire risk assessment map can be used as a decision-making support system to predict future fires in the study area.  </div> آتش‌سوزی, ارزیابی خطر, استان مازندران, تحلیل سلسله مراتبی, منطق فازی Fire, Fuzzy logic, Hierarchical analysis, Mazandaran province, Risk assessment 88 103 http://ifej.sanru.ac.ir/browse.php?a_code=A-10-789-1&slc_lang=fa&sid=1 Saadi Biglari-Gholdare سعدی بیگلری قلدره saadibiglari1370@gmail.com 10031947532846009788 10031947532846009788 Yes Department of Remote Sensing and GIS, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران Peyman Tahmasabi پیمان طهماسبی peymantahmasebi99@gmail.com 10031947532846009789 10031947532846009789 No Department of Water Science and Engineering, Faculty of Agriculture, Bu-Ali Sina University, Hamadan, Iran گروه علوم ومهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی همدان، همدان، ایران Mohammad Rahmani محمد رحمانی m.rahmani@umz.ac.ir 10031947532846009790 10031947532846009790 No Department of Environmental Sciences, Mazandaran University, Babolsar, Iran گروه علوم محیط زیست، دانشگاه مازندران، بابلسر، ایران Amin Karimifam امین کریمی فام aminkarimifam@gmail.com 10031947532846009791 10031947532846009791 No Department of Remote Sensing and GIS, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران Pegah Golmohammadi ghane پگاه گل محمدی قانع pegahgolmohammadi2022@gmail.com 10031947532846009792 10031947532846009792 No Department of Science and Water Engineering, Faculty of Agriculture, University of Kurdistan, Sanandaj, Iran گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران