دوره 24، شماره 75 - ( 12-1403 )                   جلد 24 شماره 75 صفحات 0دوره0فصل__Se | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Alinia A, Gandomkar A, Abasi A. Analysis of the time series trend of the frequency of fire in natural resources in relation to the vegetation structure using Madis sensor products (Case: Lorestan province). jgs 2025; 24 (75)
URL: http://jgs.khu.ac.ir/article-1-4196-fa.html
علی نیا اکرم، گندمکار امیر، عباسی علیرضا. تحلیل روند سری زمانی فراوانی آتش سوزی منابع طبیعی در ارتباط با ساختار پوشش گیاهی با استفاده از محصولات سنجنده مادیس(مورد: استان لرستان). نشریه تحقیقات کاربردی علوم جغرافیایی. 1403; 24 (75)

URL: http://jgs.khu.ac.ir/article-1-4196-fa.html


1- دانشجوی دکتری آب و هواشناسی، گروه جغرافیا، واحد نجف آباد، دانشگاه آزاد اسلامی ،نجف آباد ،ایران
2- دانشیار گروه جغرافیا، واحد نجف آباد، دانشگاه آزاد اسلامی ، نجف آباد، ایران ، aagandomkar@gmail.com
3- استادیار گروه جغرافیا، واحد نجف آباد، دانشگاه آزاد اسلامی ، نجف آباد، ایران
چکیده:   (1291 مشاهده)
هدف اساسی این تحقیق تحلیل روند سری زمانی رخدادهای آتش‌سوزی عرصه‌های طبیعی و آشکارسازی ارتباط این رخدادهای آتش سوزی با سطوح پوشش گیاهی استان لرستان است. در این راستا از داده‌های محصول آتش سنجنده مادیس (MOD14A1) و نیز محصول پوشش گیاهی (MOD13A3) سنجنده مادیس طی  دوره آماری 2000-2020 استفاده شد. توزیع فضایی ماهانه و سالانه آتش‌سوزی در سطح استان لرستان بررسی شد. از تحلیل ماتریس اطلاعات متقاطع و ماتریس همبستگی فضایی، برای آشکارسازی ارتباط بین رخدادهای آتش‌سوزی و پوشش گیاهی استفاده شد. نتایج نشان داد که بیش از 70 درصد کل فراوانی رخدادهای آتش‌سوزی عرصه‌های منابع طبیعی (آتش‌سوزی‌های با کد 2) استان لرستان، مربوط به ماه ژوئن و سپس جولای است. از لحاظ روند بلندمدت بررسی روند 21  ساله فراوانی رخدادهای آتش‌سوزی در سطح استان، نشان داد که فراوانی رخدادهای عرصه­های منابع طبیعی استان به‌طورکلی با شیب سالانه 3 رخداد، روند افزایشی داشته است. نتایج حاصل از تحلیل همبستگی بین پوشش گیاهی ماهانه و فراوانی سالانه رخدادهای آتش سوزی نشان داد که رخدادهای آتش سوزی در سطح استان با تغییرات پوشش گیاهی 4 ماه دوره رشد یعنی از می تا آگوست همبستگی معنی­د­اری نشان داده است. تحلیل ماتریس متقاطع بین توزیع فضایی کانون­های رخداد آتش سوزی و شاخص NDVI که هر دو از محصولات سنجنده MODIS بوده­اند، بیانگر آن بود که به طور کلی، بیشترین فراوانی رخدادهای آتش سوزی در استان لرستان در دوره می تا آگوست، منطبق بر بازه سبزینگی 0.15  تا 0.22  بوده است. این بازه پوشش گیاهی عموماً منطبق بر اراضی دیم، مراتع ضعیف و اشکوب جنگلی کم تراکم بوده است. نتایج این تحقیق می­تواند بیانگر آن باشد که  با تمرکز مدیریت طی یک دوره زمانی 62 روزه یعنی 25 اردیبهشت تا  25 تیر در عرصه دو پوشش اراضی مراتع و اشکوب جنگلی، می­توان به صورت قابل توجهی فراوانی سالانه آتش سوزی را کنترل کرد.
 
     
نوع مطالعه: پژوهشي | موضوع مقاله: اب و هواشناسی
دریافت: 1401/7/10 | پذیرش: 1401/9/27

فهرست منابع
1. اسکندری، سعیده؛ اوالدی قادیکالیی، جعفر؛ جلیلوند، حمید و سراجیان، محمدرضا (1396). مدل‌سازی و پیش‌بینی خطر آتش‌سوزی در جنگل‌های بخش سه نکا - ظالم رود با استفاده از سامانه اطلاعات جغرافیایی. فصلنامه علمی - پژوهشی تحقیقات جنگل و صنوبر ایران، 21، 230-217.
2. اسکندری؛ سعیده (1394). آتش‎سوزی جنگل؛ تغییر اقلیم؛ تعداد آتش‎سوزی؛ وسعت آتش‎سوزی؛ جنگل‎های گلستان. دو فصلنامه علمی پژوهشی تحقیقات حمایت و حفاظت جنگل‌ها و مراتع ایران، 13(1)، 10-1.
3. آقازاده، فیروز (1399). به شناسایی بلادرنگ آتش‌سوزی جنگل و مراتع با استفاده از داده‌های NOAA/AVHRR منطقه موردمطالعه: پناهگاه حیات‌وحش پیامک ی. نشریه تحلیل فضایی مخاطرات محیطی، 7(1)، 1-14.
4. جانبار قبادی؛ غلامرضا (1398). بررسی مناطق خطر آتش‌سوزی جنگل در استان گلستان، بر اساس شاخص خطر آتش‌سوزی با بهره‌گیری از تکنیک GIS. نشریه تحلیل فضایی مخاطرات محیطی، 6(3). 89-102.
5. زرعکار، آزاده؛ کاظمی زمانی، بهاره؛ قربانی، ساره؛ عاشق معال، مریم و 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). فصلنامه تحقیقات جنگل و صنوبر ایران، 21(2)، 218 -230.
6. مولودی، گلاله؛ خورانی، اسداله و مرادی، عباس (1395). اثر تغییر اقلیم بر امواج گرمایی سواحل شمالی خلیج‌فارس. مجله تحلیل فضایی مخاطرات محیطی، 3(1)، 1-14.
7. Aghazadeh, F. (2019). Real-time identification of forest and pasture fires using NOAA/AVHRR data. Journal of Spatial Analysis of Environmental Hazards, 7(1), 1-14. (In Persian)
8. Beltrami, H. & R. N, Harris. (2001). Inference of climate change from geothermal data, Global Planet. Change, 29, 148-352. [DOI:10.1016/S0921-8181(01)00085-6]
9. Chen, F. Niu, Sh. Tong, X. Zhao, J. Sun, Y. & He, T. (2014). The impact of precipitation regimes on forest fires in Yunnan Province, Southwest China. The Scientific World Journal, 1-9. [DOI:10.1155/2014/326782]
10. Eskandari, S. & Chuvieco, E. (2015). Fire danger assessment in Iran based on geospatial information. International Journal of Applied Earth Observation and Geoinformation, 42, 57-64. [DOI:10.1016/j.jag.2015.05.006]
11. Eskandari, S. (2014). forest fire; climate change; number of fires; extent of fire; The forests of Golestan. Bi-Quarterly Journal of Scientific Research on the Support and Protection of Iran's Forests and Rangelands, 13(1), 1-10. (In Persian)
12. Eskandari, S. (2015). Investigation on the relationship between climate change and fire in the forests of Golestan Province. Iranian Journal of Forest and Range Protection Research, 13 (1), 1-10. (In Persian)
13. Eskandari, S. Oaldi Qadikalii, J. Jalilund, H. & Sarajian, M. R. (2016). Modeling and forecasting the risk of fire in the forests of Se Neka-Zalemroud sector using geographic information system. Iranian Forest and Spruce Research Quarterly, 21, 230-217. (In Persian)
14. Hong, H. Naghibi, S. A. Moradi Dashtpagerdi, M. Pourghasemi, H. R. & Chen, W. (2017). A comparative nassessment between linear and quadratic discriminant analyses (LDA-QDA) with frequency ratio and weights-of-evidence models for forest fire susceptibility mapping in China. Arabian Journal of Geosciences, 10, 1-14. [DOI:10.1007/s12517-017-2905-4]
15. Janbaz Qobadi; Gh. (2018). Investigation of forest fire risk areas in Golestan province, based on fire risk index using GIS technique. Journal of Spatial Analysis of Environmental Hazards, 6(3). 89-102. (In Persian) [DOI:10.29252/jsaeh.6.3.89]
16. Kassomenos, Pavlos. (2010). Synoptic circulation control on wild fire occurrence, Physics and Chemistry of the Earth, 35. [DOI:10.1016/j.pce.2009.11.008]
17. Leblon, B. García, PAF. Oldford, S. Maclean, DA. & Flannigan, M. (2007). Using cumulative NOAA-AVHRR spectral indices for estimating fire danger codes in northern boreal forests. International journal of applied earth observation and Geoinformation, 9(3), 335-342. [DOI:10.1016/j.jag.2006.11.001]
18. Maeda, E. E. Formaggio, R. A. Shimabukuro, Y. E. Shimabukuro, Y. E. Arcoverde, G. F. B. & Hansen, M. C. (2009). Predicting forest fire in the Brazilian Amazon using MODIS imagery and artificial neural networks. International Journal of Applied Earth Observation and Geoinformation,11, 265-272. [DOI:10.1016/j.jag.2009.03.003]
19. Mulodi, G. Khorani, E. & Moradi, A. (2015). The effect of climate change on heat waves on the northern coasts of the Persian Gulf. Journal of Spatial Analysis of Environmental Hazards, 3(1), 1-14. (In Persian) [DOI:10.18869/acadpub.jsaeh.3.1.1]
20. Na, L. Zhang, J. Bao, Y. Bao, Y. Na, R. Tong, S. & Si, A. (2018). Himawari-8 Satellite Based Dynamic Monitoring of Grassland Fire in China-Mongolia Border Regions. Sensors, 18(1), 276. [DOI:10.3390/s18010276] [PMID] []
21. Pereira, Mário G. Trigo, R. M. da Camara, C. Pereira, J. M.C. & Leite, S. M. (2005). Synoptic patterns associated with large summer forest fires in Portugal, Agricultural and Forest Meteorology, 129, 1-2. [DOI:10.1016/j.agrformet.2004.12.007]
22. Pourtaghi, ZS. Pourghasemi, HR. & Rossi, M. (2015). Forest fire susceptibility mapping in the Minudasht forests, Golestan province, Iran. Environmental Earth Sciences, 73(4), 1515-1533. [DOI:10.1007/s12665-014-3502-4]
23. Sarkargar Ardakani, A. (2007). Analysis of radiometric- spatial characteristics of fire and its Application in identification and separation by remote sensing data. PhD thesis, Faculty of Engineering, Khaje- Nasir- Toosi University, 290.
24. Yin, H. Kong, FH. & Li, XZ. (2004). RS and GIS based forest fire zone mapping in Dahinggan Mountains. Chinese Geographical Science, 14 (3), 251- 25. [DOI:10.1007/s11769-003-0055-y]
25. Zarekar, A. Kazemi Zamani, B. Qurbani, S. Asheq Maal, M & Jafari, H. (2012). Preparation of forest fire risk spatial distribution map using multi-criteria decision making method and geographic information system (case study: three forest areas in Gilan province). Iranian Forest and Spruce Research Quarterly, 21(2), 218-230. (In Persian)
26. Zumbrunnen, T. Pezzattic, G. B. Menéndezd, P. Bugmann, H. Bürgia, M. & Conederac, M. (2011). Weather and human impacts on forest fires: 100 years of fire history in two climatic regions of Switzerland. Forest Ecology and Management, 261, 2188-2199. [DOI:10.1016/j.foreco.2010.10.009]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه تحقیقات کاربردی علوم جغرافیایی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Applied researches in Geographical Sciences

Designed & Developed by : Yektaweb