شناسايي مؤثرترين متغيرهاي آب و هوايي ورودي سامانه هشدار آتش‌سوزي جنگل كانادا

Identifying the most effective input climate variables of Canadian Forest Fire Weather index system

سابقه و هدف: استفاده از سامانه‌هاي هشدار پيش‌هنگام اقليمي وقوع آتش‌سوزي در عرصه‌هاي طبيعي يكي از راه‌هاي جلوگيري و مديريت آتش‌سوزي است. عوامل متعددي در وقوع آتش‌سوزي تاثير گذار است كه مي‌توان به دو دسته عوامل اقليمي و انساني تقسيم بندي كرد. از جمله مهم‌ترين عوامل اقليمي موثر در ايجاد آتش‌سوزي جنگل‌ها مي‌توان؛ افزايش درجه حرارت، كاهش بارندگي، كاهش رطوبت هوا و افزايش سرعت باد را نام برد. آتش‌سوزي جنگل باعث ايجاد ضررهاي اقتصادي و زيست محيطي قابل توجهي مي‌شود بنابراين، ارزيابي خطر آتش سوزي جنگل و استفاده از سامانه‌هاي هشدار آتش‌سوزي در دهه‌هاي اخير به يك جزء مهم در مديريت سرزمين تبديل شده است. سيستم درجه‌بندي خطر آتش‌سوزي جنگل كانادا با دو زيرسيستم شاخص اقليمي آتش‌سوزي و سيستم پيش‌بيني رفتار آتش‌سوزي جنگل ازجمله مهم‌ترين سامانه‌هاي هشدار ‌پيش‌هنگام خطر آتش‌سوزي جنگل در دنيا محسوب مي‌شود. زيرسيستم شاخص اقليمي آتش‌سوزي جنگل كه به ارزيابي پتانسيل احتمال خطر وقوع آتش‌سوزي بر اساس اطلاعات اقليمي منطقه مورد مطالعه مي‌پردازد، نيازمند شناسايي و ورود متغيرهاي آب و هوايي مؤثر مي‌باشد. هدف از اين تحقيق شناسايي مؤثرترين متغيرهاي ورودي شاخص اقليمي آتش‌سوزي جنگل كانادا در پيش‌بيني احتمال وقوع آتش‌سوزي جنگل در استان گلستان مي‌باشد. مواد و روش‌ها: به‌منظور برآورد سيستم شاخص اقليمي آتش‌سوزي جنگل كانادا متغيرهاي ورودي به سيستم كه شامل چهار متغير اقليمي حداكثر درجه حرارت، رطوبت نسبي، سرعت باد در ارتفاع ده متري زمين و ميزان بارش براي يك دوره 21 ‌ساله (1397-1376) در طول فصل آتش‌سوزي (فروردين تا دي‌ماه) از ايستگاه‌هاي سينوپتيك و تبخيرسنجي به صورت روزانه در سطح استان جمع‌آوري شد. محاسبات مربوط به برآورد شاخص اقليمي آتش‌سوزي جنگل كانادا با استفاده از متغيرهاي آب و هوايي استان گلستان در طول دوره مطالعه در هر ايستگاه انجام شد. سپس آزمون همبستگي و آناليز مقياس‌بندي چندبُعدي بين متغيرهاي اقليمي ورودي با شاخص خروجي سيستم با استفاده از ضرايب همبستگي اسپيرمن، پيرسون و كندال انجام شد. يافته‌ها: نتايج نشان داد متغير حداكثر درجه حرارت روزانه با ضريب همبستگي 0/91 در دوره مورد مطالعه بالاترين تأثير را نسبت به ساير متغيرها بر شاخص اقليمي آتش‌سوزي جنگل كانادا دارد. پس از حداكثر درجه حرارت، رطوبت نسبي روزانه، بارندگي روزانه و سرعت باد روزانه به ترتيب با ضرايب همبستگي 0/89-، 0/79- و 0/29، بيشترين تأثير را بر خروجي سيستم اقليمي آتش‌سوزي جنگل در پيش‌بيني احتمال وقوع آتش‌سوزي جنگل در اين استان دارند. همچنين در اين تحقيق ضريب همبستگي اسپيرمن بهتر از ساير ضرايب همبستگي داراي كارايي مي‌باشد. نتيجه‌گيري: مديران جنگل مي‌توانند با به‌كارگيري اين سيستم در صورت در دسترس نبودن ساير متغيرها ميزان احتمال وقوع آتش‌سوزي را از نظر اقليمي با استفاده از ترتيب اهميت هر يك از متغيرهاي اقليمي پيش‌بيني كنند و به درجه‌بندي خطر در مناطق مختلف استان گلستان بپردازند.

Background and objectives: Early warning systems in natural areas are one of the ways to prevent and manage fires. Many factors that affect fire occurrence can be divided into two categories climatic factors and human factors. Among the most important climatic factors; increasing the temperature, decreasing the rainfall, decreasing the humidity and increasing the wind speed can be mentioned. Thus, forest fire risk assessment and early warning systems have become an important component of land management in recent decades. The Canadian Forest Fire Danger Rating System is one of the most important early forest fire warning systems in the world. The Fire Weather Index subsystem provides relative numerical ratings of various aspects of wildfire potential based on four weather observations. The purpose of this study is to identify the most effective input variables of the system in predicting the probability of forest fire in Golestan Province. Materials and methods: In order to estimate the Canadian Forest Fire Weather Index System, the input variables to the system include four climatic variables: daily observations of maximum temperature, relative humidity, wind speed, and 24-hour precipitation for a period of 21 years (1997-2018) during the fire seasons (April to December). Were collected daily from synoptic and evaporative stations in the province. First, the Canadian Forest Fire Weather Index modeling system was calculated daily during the study period at each station. Then, the correlation test and Multi-Dimensional Scaling analysis between input Weather variables and system output index were performed using Spearman, Pearson, and Kendall correlation coefficients. Results: The results showed that the variable of maximum daily temperature with a correlation coefficient of 0.911 in the study period has the highest effect on the weather index of Canadian Forest Fires compared to other variables. After temperature, daily relative humidity, daily rainfall and daily wind speed with correlation coefficients -0.89, -0.79, 0.29 have the greatest impact on the output of the system of forest fires in predicting the probability of forest fires in this province. Also, in this study, it was found that Spearman’s correlation coefficient is better than other correlation coefficients. Conclusion: Forest managers can use this system to predict the likelihood of fire if other variables are not available, using the order of importance of each of the climatic variables and rate the risk in different parts of the province.