مدیریت جامع حوزه های آبخیز

مدیریت جامع حوزه های آبخیز

پهنه‌بندی خطر آتش‌سوزی جنگل به روش تحلیل سلسله مراتبی فازی در جنگل‌های نیمه‌خشک بلوط زاگرس

نوع مقاله : مقاله پژوهشی

نویسندگان
گروه محیط زیست، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.
چکیده
چکیده مبسوط
مقدمه: امروزه آتش­سوزی جنگل­ها بخش بزرگی از جنگل­های جهان و زندگی ساکنان را تهدید کرده است. آتش سوزی عامل اصلی اختلال در اکوسیستم­های جنگلی در سراسر جهان است. نتایج برخی از مطالعات نشان داده است که عوامل مختلف اکولوژیکی و اقلیمی منجر به تغییر در وسعت و شدت آتش سوزی جنگل­ها شده است. با مروری بر مطالعات گذشته می­توان گفت که در اغلب این موارد از عوامل محیطی مختلفی برای ارزیابی پتانسیل خطر آتش سوزی استفاده می­شود و بیشتر آنها از AHP برای وزن­دهی این شاخص­ها استفاده می­کنند و بر تعیین وزن مناسب به متغیرهای محیطی تاکید دارند. از این رو، مدلی که با تخصیص وزن مناسب به متغیرهای محیطی مؤثر بر وقوع آتش سوزی، نتایج خوبی را ارائه دهد، بسیار مهم است. بنابراین، این مطالعه با هدف شناسایی مناطق بحرانی­ در معرض خطر آتش­سوزی انجام شد که می­تواند کمک موثری در کنترل و مدیریت آتش­سوزی­های آینده باشد.
مواد و روش‌ها: منطقه­ی دهدز، در استان خوزستان در منطقه­ای کوهستانی از سلسله جبال زاگرس واقع شده است که از شمال شرقی به استان چهارمحال و بختیاری از جنوب شرقی به استان کهگیلویه و بویراحمد از غرب و شمال غربی به شهرستان ایذه و از جنوب به شهرستان باغملک محدود می­شود. این منطقه با مساحت تقریبی 1480کیلومترمربع بیش از 19351 نفر جمعیت دارد که در 3 دهستان (دهدز، دنباله­رود شمالی و دنباله­رود جنوبی) متشکل از 147 روستا، زندگی می­کنند. به منظور انجام این مطالعه آمار آتش­سوزی  از سال­ 1390 تا 1400 از یگان حفاظت از منابع طبیعی اداره کل منابع طبیعی و آبخیزداری استان خوزستان تهیه و سپس با پیمایش زمینی، محدوده و مساحت مناطقی که دارای بیشترین وسعت آتش­سوزی و تکرار بودند ثبت شد و نقشه رقومی آن تهیه شد. سپس نقاط ثبت شده بر روی نقشه پتانسیل خطر وقوع آتش­سوزی بر اساس روش تحلیل سلسله مراتبی فازی قرار داده شد. برای تهیه نقشه رقومی داده های اقلیمی، از روش درونیابی IDW درGIS  استفاده شد. سپس نقشه مربوط به این عوامل طبقه بندی شده و نقشه نهایی آنها تهیه شد. بر اساس تحقیقات انجام شده و در حد امکان، تمام عامل­های مؤثر بر آتش­سوزی­های منطقه مورد مطالعه شامل 12 عامل ارتفاع از سطح دریا، شیب، جهت، کاربری اراضی/ پوشش زمین، متوسط بارش سالانه، متوسط حداکثر دمای ماهانه، تراکم مراکز جمعیت، فاصله از جاده­ها، فاصله از آبراهه­ها، فاصله از زمین­های کشاورزی و باغات، سرعت باد و تیپ پوشش­گیاهی منطقه در نظر گرفته شدند.
نتایج و بحث: نتایج نشان داد که معیار انسان­ساخت با وزن 7869/0 در درجه اول، معیار اقلیمی با وزن 1044/0 در درجه دوم، معیار اکولوژیکی با وزن 0896/0 در درجه سوم و معیار توپوگرافی با وزن 0191/0 در درجه چهارم اهمیت قرار دارند. اولویت­بندی زیرمعیارهای توپوگرافی نشان داد که درصد شیب (5644/0) نسبت به سایر زیرمعیارها ارجحیت دارد. در بین زیرمعیارهای انسان­ساخت نیز مشخص شد که فاصله از زمین­های کشاورزی (62/0)، در بین زیرمعیارهای اقلیمی هم میانگین بارش (5238/0) و در بررسی زیرمعیارهای اکولوژیکی هم مشخص شد که تراکم جنگل (8562/0) نسبت به سایر زیرمعیارها دارای ارجحیت است. در نهایت منطقه مورد مطالعه پتانسیل زیادی برای آتش­سوزی دارد به ترتیبی که بر اساس نقشه تهیه شده، 94/69 درصد منطقه تحت خطر آتش­سوزی زیاد و خیلی زیاد قرار دارد.
نتیجه‌گیری: خطر آتش‌سوزی جنگل‌ها، مراتع، اراضی کشاورزی و سایر کاربری‌های منطقه را تهدید می‌کند، بنابراین نقشه به‌دست‌آمده می‌تواند به عنوان راهنمای مدیریت آتش‌سوزی در مناطق با خطر و تراکم نیروها و امکانات بالا در این مناطق مورد استفاده قرار گیرد. طراحی، ساخت و پیش‌بینی نصب علائم هشداردهنده در منطقه، ساماندهی بازدید مردم از جنگل و گسترش کمی و کیفی تفرجگاه‌های ایجاد شده از اقدامات مؤثر در کنترل پدیده مخرب آتش‌سوزی جنگل‌ها است. با توجه به تأثیر زیاد کاربری اراضی در آتش سوزی جنگل های منطقه، پیشنهاد می شود ساخت و سازها و تغییر کاربری اراضی از کاربری جنگلی به کاربری کشاورزی بیشتر مورد توجه مؤسسات مربوطه به ویژه مؤسسه منابع طبیعی قرار گیرد. همچنین برگزاری کلاس های آموزشی برای روستاییان و آتش نشانان جهت آموزش اطفاء حریق و استفاده صحیح و سریع از کپسول های آتش نشانی، انجام فعالیت های جنگلداری اجتماعی با کمک روستائیان و جنگل نشینان جهت پیشگیری از وقوع و گسترش آن پیشنهاد می گردد.
کلیدواژه‌ها

موضوعات


Attar Roshan, S., Heydari, M., Wait, A., Uddin, S.M., Lucas-Borja, M.E. & Keeley, J.E. (2022). Divergent successional trajectories of soil seed bank and post-fire vegetation in a semiarid oak forest: Implications for post-fire ecological restoration. Ecological Engineering, 182, 106736.
Bavarsad, F.S., Attarroshan, S. & Orak, N., (2023). Assessment of fire history effects on the plant diversity and regeneration of woody species in Ziziphus spina-christi (L.) Willd. forests in HaftShahidan protected area. Acta Ecologica Sinica, 43(6), 968-976.
Dong, X., Li-min, D., Guo-fan, S., Lei, T. & Hui, W. )2005(. Forest fire risk zone mapping from satellite images and GIS for Baihe Forestry Bureau. Journal of Forestry Research, 16(3), 169-174.
Erten, E., Kurgun, V. & Musaoglu, N. )2004(. Forest fire risk zone mapping from satellite imagery and GIS: A case study. International Journal of Applied Earth Observation and Geoinformation, (4), 1-10.
Eskandari, S. (2013). Proposing the Forest Fire Potential Model and its Spread using RS and GIS. Ph.D Thesis of Forestry, Faculty of Natural Resources, Sari University of Agricultural Sciences and Natural Resources. (In Persian)
Eskandari, S. (2015). Assessment of the Forest Fire Risk Potential using the Dong Model (Case Study: The Forests of District 3 of Neka, Zalemroud). Journal of Geographical Survey of Space, 6 (15), 195-209. (In Persian)
Gerdzheva, A.A. (2014). A Comparative analysis of different wildfire risk assessment models (a case study for smolyan district, Bulgaria). European Journal of Geography, 5(3), 22-36.
Ghodsipour, S.H. )2010(. Analytical Hierarchy Process (AHP). Amirkabir University Press, Tehran, 222p.
Hallema, H.D.W., Robinne, F.N. & Bladon, K.D. )2018(. Reframing the challenge of global wildfire threats to water supplies. Earth's Future6(6), 772-776.
Heydari, M., Faramarzi, M. & Pothier, D. (2016). Post-fire recovery of herbaceous species composition and diversity, and soil quality indicators one year after wildfire in a semi-arid oak woodland. Ecological Engineering Journal, (94), 688–697.
Heydari, M., Attar Roshan, S., Lucas-Borja, M.E., Omidipour, R. & Prévosto, B. (2021a). Diverging consequences of past forest management on plant and soil attributes in ancient oak forests of southwestern Iran. Forest Ecology and Management, (494), 119360.
Heydari, M., Attar Roshan, S., Omidipour, R., Lucas-Borja, M.E. & Prevosto, B. (2021b). Current plant ecological features reflect historical forest management systems in semi-arid oak forests. Ecological Engineering, (167), 106268.
Janbaz Ghobadi, R. (2019). Investigation of forest Fire Risk Areas in Golestan Province based on FRSI using GIS. Journal of Spatial Analysis of Natural Hazards, (3), 89-102.
https://doi.org/10.29252/jsaeh.6.3.89 (In Persian)
Jhariya, M.K. & Singh, L. (2021). Effect of fire severity on soil properties in a seasonally dry forest ecosystem of Central India. International Journal of Environmental Science and Technology18(12), 3967-3978.
Lamat, R., Kumar, M., Kundu, A. & Lal, D. (2020). Forest fire risk mapping using analytical hierarchy process (AHP) and earth observation datasets: a case study in the mountainous terrain of Northeast India, Applied Sciences journal, (3), 425, 1-16.
Lee, S. & Talib, J.A. (2005). Probabilistic landslide susceptibility and factor effect analysis. Journal of Environmental Geology, (47), 982-990.
Lozano, F.J., Suárez-Seoane, S., Kelly, M. & 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. Journal of Remote Sensing of Environment, (112), 708-719.
Mansouri, N., Nazari, R., Nasiri, P. & Gharagozlu, A.R. (2011). Planning forest fire crisis management using GIS & RS. Journal of Applies RS and GIS Techniques in Natural Resource Science, 2(3), 63-73.
Mataji, A., Daliri, H.K., Babaie, S., Jafari, S. & Attar Roshan, S.A. (2013). Flora diversity in burned forest areas in Dehdez, Iran. Folia Forestalia Polonica55(1), 33-41.
Mahdavi, A., FallahShamsi, S.R. & Nazari, R. (2012). Forests and Rangelands wildfire risk zoning using GIS and AHP techniques. Caspian Journal of Environmental Sciences, (10), 43-52.
Matin, M.A., Chitale, V.S., Murthy, M.S.R, Uddin, K., Bajracharya, B. & Pradhan, S. (2017). Understanding Forest fire patterns and risk in Nepal using remote sensing, geographic information system and historical fire data. International Journal of Wildland Fire. (26), 276–286.
Miller, C. & Ager, A. (2013). A review of recent advances in risk analysis for wildfire management. International Journal of Wildland Fire, 22(1), 1–14.
Moazzeni, N., Sayah nia, R. & Esmaeilzadeh, H. (2020). Metodologycal Framework for Risk Classification of Forest Fireing in Iland Ecosystem (Case Study: Kurdistan Province), Environmental Research, 11(21), 97-108. (In Persian)
Moradizadeh, H., Heydari, M., Omidipour, R., Mezbani, A. & Pr´evosto, B. (2020). Ecological effects of fire severity and time since fire on the diversity partitioning, composition, and niche apportionment models of post-fire understory vegetation in semi-arid oak forests of Western Iran. Ecological Engineering Journal, (143), 105694.
Mustafa, A., Rienow, A., Saadi, I., Cools, M. & Teller, J. (2018). Comparing support vector machines with logistic regression for calibrating cellular automata land use change models. European Journal of Remote Sensing, 51(1), 391-401.
Nuthammachot, N. & Stratoulias, D. (2019). A GIS- and AHP-based approach to map fire risk: a case study of Kuan Kreng peat swamp forest, Thailand. Geocarto International, 36 (2), 212–225.
Parnian, M., Asadi Oskoui, A. & Rahnama, M. (2021). Investigation of Fire Monitoring and Forecasting Methods in the Vegetation of Iran and the World. Climatology Research Journal, 12(47), 103-122. (In Persian)
Patil, S. K. & Kant, R. (2014). A hybrid approach based on fuzzy DEMATEL and FMCDM to predict success of knowledge management adoption in supply chain. Applied Soft Computing, (18), 126-135.
Rasooli, S.B., Bonyad, A.E. & Bavaghar, M. (2018). Forest fire vulnerability map using remote sensing data, GIS and AHP analysis (case study: Zarivar Lake surrounding area). Caspian Journal of Environmental Sciences, 16(4), 369–377.
Salehi, N., Dashti, S., Atarroshan, S., Nazarpour, A. & Jaafarzadeh, N. (2023a). Forest Risk Fire Zoning using an Integrated Method of Artificial Neural Network and Spatial Information System (Murray Study: Shimbar Protected Area). Environmental Erosion Research Journal, 13 (2), 235-253.
(In Persian)
Salehi, N., Dashti, S., Attar Roshan, S., Nazarpour, A. & Jaafarzadeh, N. (2023b). Using neural networks and a fuzzy inference system to evaluate the risk of wildfires and the pinpointing of firefighting stations in forests on the northern slopes of the Zagros Mountains, Iran (case study: Shimbar national wildlife preserve). Environmental Monitoring and Assessment195(2), 294.
Sanjary, S. (2007). Application Guide to ArcGIS 9.2, Abed Press, Tehran, 334 (In Persian)
Sazawa, K., Yoshida, H., Okusu, K., Hata, N. & Kuramitz, H. (2018). Effects of forest fire on the properties of soil and humic substances extracted from forest soil in Gunma, Japan. Environmental Science and Pollution Research25(30), 30325-30338.
Semeraro, T., Mastroleo, G., Aretano, R., Facchinetti, G., Zurlini, G. & Petrosillo, I. (2016). GIS fuzzy expert system for the assessment of ecosystems vulnerability to fire in managing Mediterranean natural protected areas. Journal of Environmental Management, 168, 94-103.
Shafiei, A., Beygi Heidarlu, H. & Erfanian, M. (2015). Evaluating the Fuzzy Weighted Linear Combination Method in Forest Fire Risk Mapping (Case study: Sardasht Forests, West Azerbaijan Province, IRAN), Journal of Wood and Forest Science and Technology, 22(3), 29-52.
https://dorl.net/dor/20.1001.1.23222077.1394.22.3.2.8 (In Persian)
Tabibian, S. )2022(. Physical Zoning of Forest Fire Risk by Fuzzy AHP method and GIS (Case Study: Asalem). Scientific Journal of Physical Development Planning, 2(26) 61-72.
Taylor, S.W. & Alexander, M.E. (2006). Science, technology, and human factors in fire danger rating: The Canadian experience. International Journal of Wild Land Fire, 15(1), 121- 135.
Vadrevu, K. & Lasko, K. (2015). Fire regimes and potential bioenergy loss from agricultural lands in the Indo-Gangetic Plains. Journal of Environmental Management, (148), 10–20.
Valdez, M.C., Chang, K.T., Chen, Ch.F., Chiang, Sh.H. & Santos, J.L. (2017). Modelling the spatial variability of wildfire susceptibility in Honduras using remote sensing and geographical information systems. Journal of Geomatics, Natural Hazards and Risk, (8),1-7.
Webster, R. & M.A. Oliver, (2000). Geostatistics for environmental scientists, Wiley press, 271 pp.
Zarkar, A., Kazemi Zamani, S., Bagheri, M., Ashegh Moala, H. & Jafari, R. (2013). Preparation of Forest Fire Risk Spatial Distribution Map using MCDM and GIS (Case Study: 3 Forest Areas in Gilan Province). Iranian Forest and Populus Research Quarterly, (2), 218-230. (In Persian)

  • تاریخ دریافت 26 مرداد 1403
  • تاریخ بازنگری 03 مهر 1403
  • تاریخ پذیرش 25 مهر 1403