Journal of Geomatics Science and Technology

fa مدلسازی پتانسیل آتش‌سوزی جنگل و شبیه سازی نحوه گسترش آن با استفاده از داده های سنجش از دور و GIS: (منطقه حفاظت‌شده ارسباران) Forest Fire Potential Modeling and Simulation of its Extension Using Remote Sensing Data and GIS: (A Protected Area of Arasbaran) فتوگرامتری و سنجش از دور Photo&RS ترویجی Tarviji <div style="text-align: justify;">در این تحقیق، ارتباط موثرترین عوامل محیطی (پوشش گیاهی، دمای سطح، شیب، جهت شیب، سرعت و جهت باد) و عوامل انسانی (نزدیکی به جادهها و مناطق مسکونی) بصورت یک مدل ریاضی با وقوع و انتشار آتش در منطقه جنگلی حفاظت شده ارسباران، مورد بررسی قرار گرفته و جهت اعتبار سنجی نتایج، از دادههای آتشسوزیهای پیشین استفاده شده است. برای این منظور، از تصاویر ماهوارهای لندست 8، مدل رقومی ارتفاعی زمین، سرعت و جهت باد و سایر پارامترها با استفاده از تلفیق روشهای سنجش از دور و سیستم اطلاعات جغرافیایی استفاده گردید.  ابتدا از تلفیق عوامل محیطی، نقشه مناطق خطر آتشسوزی و نقشه مناطق با ریسک 50 درصدی آتشسوزی تولید گردید. سپس جهت شبیهسازی گسترش آن از مدلهای نیمه تجربی الکساندریس و اتوماسیون سلولی استفاده گردید و جهت بهینهسازی پارامترها از الگوریتم ژنتیک استفاده شده است. نتایج ارزیابی مقادیر ضرایب همبستگی نرمال شده پارامترهای عوامل محیطی، نشان داد که به ترتیب شاخص پوشش گیاهی، دمای سطح زمین، جهت شیب و شیب دارای 20/29%، 11/29%، 93/21% و 75/19% بالاترین میزان همبستگی با نقشه خطر وقوع آتشسوزی دارند و حدود %17 منطقه دارای پتانسیل خیلیزیاد و بیشتر از 50 درصد منطقه در وضعیت خطر زیاد برای آتشسوزی قرار دارند. علاوه بر عوامل محیطی، بررسی ارتباط عوامل انسانی با خطر آتشسوزی نشان داد که نزدیکی با جاده بیشترین سهم را در وقوع آتشسوزی در منطقه را دارد. همچنین نتایج شبیهسازی، نشان داد که با تلفیق مدل نیمهتجربی الکساندریس با مدل نیمهتجربی اتوماسیون سلولی، گسترش آتشسوزی در ناحیه اول تست با دقت کلی56/95 % و کاپا 14/91% درصد و در ناحیه دوم تست با دقت کلی62/94 %  و کاپا  13/90% در مقایسه با دادههای مرجع حاصل گردید. این نتایج، با نتایج مطالعات شیبهسازی در گسترش آتشسوزی انطباق خوبی داشت. لذا از فرآیند شبیهسازی، میتوان جهت حفاظت کارامد از جنگلها استفاده کرد.</div> <div style="text-align: justify;">Forest fire models are generally used in different aspects of fire management and are helpful in understanding and prediction of fire behavior. Forest fires cause a significant damage for public property by destroying a large tract of forest.  This helps fire fighters to focus on an area with greater risk and to develop better substructure for fire fighter training and ultimately to plan fire-fighting policies to minimize damage and stay safe. In the same way simulation modeling also provides an adequate tool to estimate risk when actual risk data are limited or unavailable. Ultimately there is a need to model forest fire in ground, crown, and surface fuel. Forest fire risk assessment, which based on an integrated index, becomes an important tool for forest fires management. The integrated index includes the information about fuel, topography and weather condition which constitute potential fire environment together. The fuel and weather condition are essential for forest fire occurrence, so the main potential fire environment parameters in the process of the forest fire risk assessment are temperature, fuel moisture content and vegetation status. The environment parameters data for traditional forest fire risk assessment were always obtained from the weather station. In present study forest fire risk was estimated as the proportion of simulation runs that burned a particular point and was accumulated over the entire study area. Study used satellite remote sensing datasets in conjunction with topographic, vegetation and climate datasets to infer the causative factors of fires. Spatial data on all these parameters have been aggregated and organized in a GIS (Geographic Information System) framework.<br>  In this research, the relation between the most effective environmental elements (vegetation index (VI), Land surface temperature (LST), slope, aspect, wind speed and direction) and human factors (vicinity of roads and residential areas) has been investigated as a mathematical model with the occurrence and release of fire in the forest protected area of Arasbaran. In order to validate the results, the data from previous fire burns has been used<span dir="RTL">.</span>To this end, LDCM satellite imagery, digital elevation model, wind speed and direction, and other parameters were used in synthesis remote sensing and geographic information systems. At first, a combination of environmental factors, fire hazard maps and map of areas with a 50% fire risk was produced. Then to simulate its extension, Alexandria's semi-experimental models and cellular automation algorithms were used and the genetic algorithm is used to optimize the model parameters<span dir="RTL">.</span> The obtained results of normalized correlation coefficients of environmental parameters showed that VI, LST, slope and aspect were 29.20%, 29.11%, 21.93% and 19.75%, have the greatest correlation with the risk of fire map, respectively. In addition, about 17% of the study area have a high fire risk potential and more than 50% of the area is in a high fire hazard. In addition to environmental elements, the study of the relation between human factors and fire risk showed that the proximity to the road had the highest share in the incidence of fire. Also, the simulation results of synthesis of the Alexandros semi-experimental and cellular automation models showed that expansion of fire in the first region of the test have an overall accuracy 95.56% and kappa 91.41% and an overall accuracy 62.69% and Kappa of 13.13% compared to the reference data in the second region of the test. These results were in good agreement with the results of the simulation studies in firefighting development. Therefore, the simulation process can be used to protect the forest effectively. Results from the current study were quite significant in identifying potential active-spots of fire risk, where forest fire protection measures can be taken in advance.</div> آتش سوزی جنگل, شبیه‌سازی گسترش آتش, منطقه ارسباران, سنجش از دور Forest Fire, Simulation of Fire Spread, Arasbaran Region, Remote Sensing 91 109 http://jgst.issgeac.ir/browse.php?a_code=A-10-478-5&slc_lang=fa&sid=1 H. Shariyari حسن شهریاری shahriari_hassan@yahoo.com 10031947532846007050 10031947532846007050 No Islamic Azad University, Mamaghan Branch دانشگاه آزاد اسلامی واحد ممقان H. Emami حسن امامی h_emami@ut.ac.ir 10031947532846007051 10031947532846007051 Yes University of Tabriz دانشگاه تبریز