ارزیابی عملکرد رویکردهای مدل سازی گسترش آتش سوزی جنگل با استفاده از اتوماتای سلولی (پژوهش موردی: جنگل های بخش لاکان شهرستان رشت)

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 43

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJFPR-23-1_007

تاریخ نمایه سازی: 25 دی 1402

چکیده مقاله:

پیش بینی صحیح گسترش آتش سوزی جنگلی موضوعی حیاتی در کاهش اثرات مخرب ناشی از آن است. آتش سوزی جنگل به عامل های متعددی ازجمله توپوگرافی، پوشش گیاهی و اقلیم بستگی دارد. در حال حاضر یکی از چالش های موجود در مدل سازی آتش سوزی جنگلی نحوه ارتباط آن با مشخصه های ایستا و پویای مکانی و زمانی موثر بر گسترش آتش سوزی ازجمله سرعت و جهت باد است. در این پژوهش، سه رویکرد مطرح در مدل سازی این پارامترها شامل کارافیلیدیس (Karafyllidis)، برجاک (Berjak) و پروجیاس (Progias) بررسی و تحلیل شدند و اهمیت پارامترهای اندازه پیکسل و گام های زمانی تغییر وضعیت در اتوماتای سلولی مورد توجه قرار گرفت. منطقه موردمطالعه، محدوده ای از جنگل های بخش لاکان شهرستان رشت بود. ابتدا داده های توپوگرافی، پوشش گیاهی، سرعت و جهت باد جمع آوری و در محیط GIS آماده سازی شدند. سپس سه رویکرد مطرح در منطقه موردمطالعه پیاده سازی شدند و با انجام آنالیز حساسیت مربوط به پارامترهای اندازه پیکسل و بازه های زمانی، میزان کارایی هر یک از طریق مقایسه جبهه آتش شبیه سازی شده با واقعیت و از طریق محاسبه ضریب کاپا، مورد ارزیابی و مقایسه قرار گرفت. نتایج به دست آمده حاکی از آن بود که روش برجاک با طول ضلع پیکسل سه تا هفت متر برای مدل سازی گسترش آتش در مناطق جنگلی استان گیلان مناسب است.

کلیدواژه ها:

آتش سوزی جنگل ، ابعاد پیکسل ، اتوماتای سلولی ، گام زمانی ، مشخصه های پویای مکانی و زمانی

نویسندگان

طاهره قائمی راد

دانشجوی کارشناسی ارشد مهندسی سیستم های اطلاعات مکانی، دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

محمد کریمی

استادیار، گروه مهندسی سیستم های اطلاعات مکانی، دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alexandridis, A., Vakalis, D., Siettos, C.I. and Bafas, G.V., ۲۰۰۸. ...
  • Anderson, H., ۱۹۸۲. Aids to determining fuel models for estimating ...
  • Artes, T., Cencerrado, A., Cortes, A. and Margalef, T., ۲۰۱۳. ...
  • Beer, T., ۱۹۸۹. The australian national bushfire model. Proceedings of ...
  • Berjak, S. and Hearne, J., ۲۰۰۲. An improved cellular automation ...
  • Boboulos, M. and Purvis, M.I.R., ۲۰۰۹. Wind and slope effects ...
  • Brun, C., Artes, T., Margalef, T. and Cortes, A., ۲۰۱۲. ...
  • Chamani Takladani, B., Sadi Mesgari, M. and Yaghoubkhani Ghiasvand, M., ...
  • Cheney, N.P., ۱۹۸۱. Fire behavior. A.M. Gill, G.H. Groves and ...
  • Denham, M., Wendt, K., Bianchini, G., Cortés, A. and Margalef, ...
  • Eskandari, S., Oladi Ghadikolaei, J. and Jalilvand, H., ۲۰۱۳. Efficiency ...
  • Gazme, H., Chehreghan, A., Ale-Sheikh, A. and Karimi, M., ۲۰۱۳. ...
  • Hernandez Encinas, A., Hernandez Encinas, L., Hoya White, S., Martin ...
  • Innocenti, E., Silvani, X., Muzy, A. and Hill, D., ۲۰۰۹. ...
  • Ivanilova, T.N., ۱۹۸۵. Set Probability identification in forest fire simulation. ...
  • Jahdi, R., Darvishsefat, A. and Etemad, V., ۲۰۱۳. Predicting forest ...
  • Karafyllidis, I. and Thanailakis, A., ۱۹۹۷. A model for predicting ...
  • Lett, C., Silber, C. and Barret, N., ۱۹۹۹. Comparison of ...
  • Lopes, A.M.G., Sousa, A.C.M. and Viegas, D.X., ۱۹۹۵. Numerical simulation ...
  • Mallet, V., Keyes, D.E. and Fendell, F.E., ۲۰۰۹. Modeling wildland ...
  • Nofarasti, S. and Tadayyone Tabrizi, Gh., ۲۰۰۹. Application of cellular ...
  • Pastor, E., Zarate, L., Planas, E. and Arnaldos, J., ۲۰۰۳. ...
  • Porterie, B., Zekri, N., Clerc, J. and Loraud, J., ۲۰۰۷. ...
  • Progias, P. and Sirakoulis, G., ۲۰۱۳. An FPGA processor for ...
  • Quartieri, J., Mastorakia, N., Iannone, G. and Guarnaccia, C., ۲۰۱۱. ...
  • Rothermel, R.C., ۱۹۷۲. A mathematical model for predicting fire spread ...
  • Rothermel, R.C., ۱۹۸۳. How to predict the spread and intensity ...
  • Sakr, G.E., Elhajj, I.H. and Mitri, G., ۲۰۱۱. Efficient forest ...
  • Sarkar, C. and Abbasi, S.A., ۲۰۰۶. Cellular automata-based forecasting of ...
  • Sarkargar Ardakani, A., Valadane Zoj, M.J. and Mansourian, A., ۲۰۰۹.The ...
  • Sirakoulis, Ch., Karafyllidis, I. and Thanailakis, A., ۲۰۰۲. A cellular ...
  • Trunfio, G.A., ۲۰۰۴. Predicting Wildfire Spreading Through a Hexagonal Cellular ...
  • Wolfram, S., ۱۹۸۴. Universality and complexity in cellular automata. Physica, ...
  • Yassemi, S., Dragicevic, S. and Schmidt, M., ۲۰۰۸. Design and ...
  • Yongzhong, Z., Feng, Z.D., Tao, H., Liyu, W., Kegong, L. ...
  • Yu, N., Li, M. and Ruan, X., ۲۰۰۵. Applications of ...
  • نمایش کامل مراجع