مدل‌سازی و پهنه‌بندی مناطق مستعد آتش‌سوزی در جنگل‌های زاگرس با استفاده از سامانه اطلاعات جغرافیایی بر پایه رگرسیون لجستیک

جغرافیا و مخاطرات محیطی

مقاله 3، دوره 10، شماره 2 - شماره پیاپی 38، مرداد 1400، صفحه 43-58   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/geoeh.2021.68903.1019

نویسندگان

مهدی حیدری^{* 1}؛ سینا عطار روشن²؛ الهام جافریان³؛ محمد عبیات⁴

¹دانشیار گروه علوم جنگل، دانشکده کشاورزی دانشگاه ایلام، ایلام، ایران.

²استادیار گروه محیط‌زیست، مرکز تحقیقات گردوغبار خلیج‌فارس، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران

³کارشناس جهاد کشاورزی، استان لرستان.

⁴محیط‌زیست ارزیابی و آمایش سرزمین، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران (خوزستان)، اهواز، ایران.

چکیده

جنگل‌ها به­عنوان یکی از مهم­ترین منابع ‌طبیعی تجدیدشونده، نقش مهمی در پایداری زیست­بوم‌ها ایفا می‌نمایند. یکی از مهم­ترین آشفتگی­های مؤثر بر اکوسیستم­های جنگلی زاگرس، آتش­سوزی جنگل است؛ بنابراین شناسایی مناطق بحرانی آتش­سوزی به­منظور کاهش خسارات احتمالی، امری لازم و ضروری است. هدف این تحقیق، بررسی میزان تأثیر متغیرهای مؤثر در ایجاد آتش­سوزی و تهیه نقشه‌ خطر آتش­سوزی است. ازاین­رو متغیرهای مؤثر بر آتش‌سوزی شامل ارتفاع از سطح دریا، شیب، جهت، فاصله از مناطق مسکونی، فاصله از آبراهه­ها و فاصله از جاده برای تعیین تأثیر هریک در آتش­سوزی، بررسی شدند. نقشه ارتفاع از سطح دریا، شیب و جهت جغرافیایی با کمک مدل رقومی ارتفاع و نقشه­های فاصله از مناطق مسکونی و فاصله از جاده از نقشه­های رقومی 25000/1 تهیه شد. همچنین مناطقی که طی سال­های 90-94 در آن­ها آتش­سوزی رخ داده بود، با دستگاه جی­پی­اس برداشت گردید. در این تحقیق از روش رگرسیون لجستیک برای بررسی تأثیر عوامل مختلف در آتش­سوزی استفاده شد. نتایج نشان داد که ارتفاع از سطح دریا، فاصله از آبراهه و درصد شیب، مهم­ترین عوامل تأثیرگذار در آتش­سوزی جنگل در منطقه بودند. مدل­سازی براساس سه متغیری که ارتباط معنی­داری با آتش­سوزی جنگل در منطقه داشتند و ضرایب حاصل از روش رگرسیون لجستیک، انجام شد. نتایج اعتبارسنجی مدل با ضریب تبیین نگلکرک حدود 500/0 و ضریب منحنی راک 701/0 نشان از دقت، برازش و اعتبار مناسب مدل به دست آمده داشت. همچنین نتایج نشان داد که 81 درصد از مساحت منطقه در مناطق بحرانی و خطرناک قرار دارد.

کلیدواژه‌ها

آتش سوزی؛ راک؛ رگرسیون لجستیک؛ مدل سازی

مراجع

ابراهیمی، حمید؛ رسولی، علی‌اکبر؛ مختاری، داوود؛ 1397. بررسی تغییرات خطر آتش­سوزی و عوامل مؤثر بر آن با استفاده از مدل حداکثر بی­نظمی، مطالعه موردی: جنگل­ها و مراتع استان آذربایجان شرقی. جغرافیا و مخاطرات محیطی. 7(25): 57-73.

اسکندری، سعیده؛ 1392. ارائه الگوی پتانسیل آتش­سوزی جنگل و گسترش آن با استفاده از RS و GIS، مطالعه موردی: جنگل­های بخش سه نکا- ظالمرود. پایان­نامه دکتری، دانشگاه علوم کشاورزی و منابع طبیعی ساری، دانشکده منابع طبیعی، گروه جنگل­داری. 121 صفحه.

اسکندری، سعیده؛ 1396. روش­های مدل­سازی و ارزیابی خطر وقوع آتش­سوزی در جنگل­های جهان و ایران. انسان و محیط­زیست. 15(42): 81-110.

آمار آتش­سوزی 4 سال. 1394. سازمان جنگل­ها و مراتع کل کشور. 36 صفحه.

زرع کار، آزاده؛ کاظمی زمانی، بهاره؛ قربانی، ساره؛ عاشق معلا، مریم؛ جعفری، حمیدرضا؛ 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. 21(2): 218-230.

فرامرزی، حسن؛ حسینی، سید محسن؛ غلامعلی فرد، مهدی؛ 1393. پهنه­بندی مخاطره آتش­سوزی پارک ملی گلستان با استفاده از رگرسیون لجستیک. جغرافیا و مخاطرات محیطی. 3(2): 73-90.

محمدی، فریده؛ 1388. تهیه نقشه خطر آتش­سوزی جنگل با استفاده از تصاویر ماهواره­ای و GIS در بخشی از جنگل­های پاوه. پایان­نامه کارشناسی ارشد، گروه جنگل­داری. دانشکده منابع طبیعی، دانشگاه کردستان. 64 صفحه.

میردیلمی، طیبه؛ شتایی جویباری، شعبان؛ کاووسی، محمدرضا؛ 1394. پهنه­بندی خطر آتش­سوزی در پارک ملی گلستان با استفاده از روش رگرسیون لجستیک. پژوهش­های علوم و فناوری چوب و جنگل. 22(1): 1-16.

نجفی، احمد؛ ایران‌نژاد، محمدحسین؛ ستوده، احد؛ مختاری، محمدحسین؛ کیانی، بهمن؛ 1394. مدل‌سازی و تهیه نقشه خطر وقوع آتش‌سوزی جنگل با استفاده از سنجش‌ازدور و سامانه اطلاعات جغرافیایی (مطالعه موردی: منطقه حفاظت ‌شده باغ شادی یزد). بوم‌شناسی کاربردی. ۴ (۱۴): ۱۳-۲۶.

 

Chang, Y., Zhu, Z., Bu, R., Chen, H., Feng, Y., Li, Y., Hu, Y., & Wang, Z., 2013. Predicting fire occurrence patterns with logistic regression in Heilongjiang Province, China. Landscape Ecology, 28(10): 1989-2004. https://doi.org/10.1007/s10980-013-9935-4

Chuvieco, E., Salas, J., 1994. Mapping the spatial distribution of forest fire danger using GIS. International Journal of Geographical Information Systems, 10(3): 333-345.

Deng, O., Su, G., Huang, Q., Li, Y., 2013. Forest Fire Risk Mapping Based on Spatial Logistic Model of Northeastern China Forest Zone. In: Bian F., Xie Y., Cui X., Zeng Y. (eds) Geo-Informatics in Resource Management and Sustainable Ecosystem. GRMSE 2013. Communications in Computer and Information Science, vol 399. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-41908-9_18

Dong, X., Li-min, D., Guo-fan, Sh., Lei, T., Hui, W., 2005. Forest fire risk zone mapping from satellite images and GIS for Baihe forestry Bureau, Jilin, China. Journal of Forestry Research, 3(16): 169- 174.

Eastman, J. R., 2002. Idrisi for windows user’s guide ver. 32, Clark labs for cartography technology and geographic analysis, (Clark University).

Heydari, M., Salehi, A., Mahdavi, A. Adibnejad, M., 2012. Effects of different fire severity levels on soil chemical and physical properties in Zagros forests of western Iran. Folia Forestalia Polonica, 54, 241–250.

Lemke, D., Hulme, P. E., Brown, J. A., Tadesse, W., 2011. Distribution modelling of Japanese honeysuckle (Lonicera japonica) invasion in the Cumberland Plateau and Mountain Region, USA. Forest Ecology and Management, 9:1-11.

Mahiny, A. S., Turner, B., 2001. Modeling past vegetation change through remote sensing and GIS: a comparison of neural networks and logistic regression methods. School of resources, environment and society, the Australian national University, Canberra, 0200, Australia. 315 p.

Sakr, G. E., Elhajj, I. H., Mitri, G., 2011. Efficient forest fire occurrence prediction for developing countries using two weather parameters. Engineering applications of artificial intelligence, 24: 888-894.

Setiawan, I., Mahmud, A. R., Mansor, S., Mohamed Shariff, A. R. Nuruddin, A. A., 2004. GIS‐grid‐based and multi‐criteria analysis for identifying and mapping peat swamp forest fire hazard in Pahang, Malaysia. Disaster Prevention and Management, 13(5): 379-386.

Somashekar, R., Ravikumar, P., Mohankumar, C., Prakash, K., Nagaraja, B., 2009. Burnt area mapping of Bandipur National Park, India using IRS1C/1D LISS III data. Journal of the Indian Society of Remote Sensing, 37: 37-50.

Zhang, Q. F., Chen, W. J., 2007. Fire cycle of the Canada’s boreal region and its potential response to global change. Journal of forestry research, 18(1): 55-61.