شناسایی مناطق مستعد آتشسوزی در پوشش گیاهی استان لرستان با استفاده از تصاویر فروسرخ | ||
| نشریه سنجش از دور و GIS ایران | ||
| دوره 17، شماره 1 - شماره پیاپی 65، 1404، صفحه 151-170 اصل مقاله (3.87 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.48308/gisj.2024.234303.1196 | ||
| نویسندگان | ||
| صمد خسروی یگانه؛ حامد حیدری؛ مصطفی کرم پور* | ||
| گروه جغرافیا، دانشکدۀ ادبیات و علوم انسانی، دانشگاه لرستان، ایران | ||
| چکیده | ||
| سابقه و هدف: در هر منطقهای شرایط خشکسالی، از متوسط تا شدید و با مدتزمان متفاوت، متغیر است که این مسئله نظارت مداوم و عملیاتی را میطلبد. هرچه خشکسالی در مدتزمانی طولانیتر رخ دهد، تأثیرات آن در پوشش گیاهی و منابع آبی بیشتر است و خشکسالی تشدید میشود؛ درنتیجه، ممکن است خدماترسانی به انسانها محدود شود و دستگاههای طبیعی تغییر یابد. آثار خشکسالی شامل تخریب زیستگاههای حیاتوحش و کاهش کیفیت آب، کاهش دسترسی به منابع آب و مواردی دیگر میشود و درنتیجۀ آن، اختلالاتی مانند حوادث آتشسوزی و دیگر حوادث طبیعی افزایش مییابد. پوشش گیاهی در هر منطقه، بهویژه در مناطق گوناگون استان لرستان، بهدلیل کمبود بارش و خشکی محیط، هرساله درمعرض خطر وقوع آتشسوزیهای متعدد قرار دارد. به همین دلیل، موضوع آشکارسازی و مشخص کردن مناطق مستعد آتشسوزی در رابطه با مهمترین عنصر اقلیمی (بارش) انتخاب و انجام شده است که میتواند اقدامات مناسب و پیشگیرانه برای حفاظت از مناطق پوشش گیاهی را تسهیل کند. در این تحقیق، سعی شده است از روش ترکیبی استفاده شود. مواد و روشها: در این مطالعه، تلاش شده است با استفاده از تصاویر فروسرخ سنجندۀ Suomi NPP و بهرهگیری از شاخصهای NDVI، VCI و TCI وضعیت خشکسالی پوشش گیاهی در استان لرستان بررسی شود. دورۀ مورد مطالعه 2013-2021، از اول آوریل تا انتهای جولای (هفتۀ 13 تا 26 میلادی)، بهصورت میانگین هفتگی است. میانگین ماهیانۀ شاخص استاندارد بارش (SPI) با استفاده از دادههای بارش ماهیانۀ ایستگاههای هواشناسی الیگودرز، دورود، خرمآباد، بروجرد، نورآباد، کوهدشت و ازنا مشخص شده است تا وضعیت بارش بهخوبی تحلیل شود و ماههای خشک و مرطوب از یکدیگر تفکیک شود. سپس ضریب همبستگی شاخص SPI با هریک از شاخصهای پوشش گیاهی (NDVI)، VCI و TCI محاسبه شده است. نتایج و بحث: براساس دادههای ثبتشدۀ بارش در ایستگاههای هواشناسی استان لرستان، میتوان گفت که در فصل تابستان، (ژوئیه، اوت و سپتامبر) در محدودۀ مطالعاتی بارش رخ نمیدهد و فقط در فصلهای پاییز، زمستان و بهار شاهد بارش هستیم. بنابراین سال آبی در استان لرستان تقریباً از دهۀ سوم سپتامبر آغاز و تا دهۀ دوم و سوم ژوئن هر سال ادامه دارد. این نکته نشاندهندۀ خشکی بسیار زیاد هوا و کمبود رطوبت است. خشکی هوا یا کمبود رطوبت و افزایش دما شرایط لازم را برای ایجاد آتشسوزی در استان، فراهم میکند. در این نوشتار، در فصل تابستان، استان لرستان یک فصل خشک را میگذارند و ماه اوت خشکترین ماه سال است. نتیجهگیری: این پژوهش نشان داد که همواره پوشش گیاهی در استان لرستان با خطر وقوع آتشسوزی روبهروست و این حوادث، طی سالهایی که کمبود بارش وجود داشته است، در ماههای گوناگون بسیار زیاد است. اثبات شد که چنانچه در ماههای اول سال آبی کمبود بارش وجود داشته باشد، خطر آتشسوزی پوشش گیاهی، حتی در ماههای سرد سال، وجود دارد. این خطر در ماههای گرم سال افزایش شایان توجهی مییابد و این مسئله در سال 2021 رخ داده است. محاسبات SPI نشان داد ماههای ژوئیه، اوت و سپتامبر در استان لرستان شاخص بارندگی منفی است. نتایج نشان میدهد که بهترین شاخص مبتنیبر تصاویر ماهوارهای، بهمنظور پایش خشکسالی پوشش گیاهی و خطر آتشسوزی در منطقۀ مورد مطالعه، TCI است. در سالهای 2013 و 2015 بیشترین شدت خطر آتشسوزی در پوشش گیاهی، در مناطق غربی و مرکزی استان لرستان، وجود داشته است. در سال 2021، بیشترین شدت خطر آتشسوزی در پوشش گیاهی، در منطقۀ مورد مطالعه، به وقوع پیوسته است. بهدلیل تغییرات زیاد و پراکندگی میزان شاخصهای پوشش گیاهی مؤثر در وقوع آتشسوزی ازلحاظ زمانی و مکانی، همبستگی ناپارامتریک اسپیرمن به کار رفته است. | ||
| کلیدواژهها | ||
| آتشسوزی پوشش گیاهی؛ خشکسالی؛ بارش؛ تصاویر فروسرخ؛ استان لرستان | ||
| عنوان مقاله [English] | ||
| Identifying Fire-Prone Areas in the Vegetation of Lorestan Province Using Infrared Images | ||
| نویسندگان [English] | ||
| Samad Khosravi Yegane؛ Hamed Heidri؛ Mostafa Karampour | ||
| Dep. of Geography, Faculty of Literature and Humanities Sciences, Lorestan University, Lorestan, Iran | ||
| چکیده [English] | ||
| Introduction: In each region, drought conditions vary from moderate to severe and with different durations, which require continuous and operational monitoring. The longer a drought occurs, the greater its effects on vegetation and water resources, and the more severe the drought, which can limit human services and alter natural systems. The effects of drought include habitat destruction for wildlife and water quality, reduced access to water resources, etc. and as a result, disruptions such as fire incidents and other natural disasters increase. Vegetation in each region, especially in different regions of Lorestan province, is at risk of numerous fires every year due to the lack of rain and dryness of the environment. For this reason, the issue of revealing and identifying fire-prone areas in relation to the most important climatic element (rainfall) has been selected and carried out, which can facilitate appropriate and preventive measures to protect vegetation areas. In this research, a combined method has been used. Material and Methods: In this study, an attempt has been made to investigate the drought condition of vegetation in Lorestan province by using Suomi NPP infrared images using NDVI, VCI and TCI indices. The studied period of 2013-2021 corresponds to the first of April to the end of July (week of 13-26 AD) as a weekly average. The monthly average of Standard Precipitation Index (SPI) using precipitation data, the use of monthly precipitation data from Aligoderz, Durood, Khorramabad, Borujerd, Noorabad, Kohdasht and Azna weather stations was done to analyze the precipitation situation well and separate dry and wet months from each other. become Then the correlation coefficient of SPI index with each vegetation index (NDVI, VCI and TCI) is calculated. Results and Discussion: Based on the rainfall data recorded in the meteorological stations of Lorestan province, it can be said that there is no rainfall in the study area in the summer season (July, August and September) and only in the autumn, winter and spring seasons. Therefore, the water year in Lorestan province starts approximately from the third decade of September and continues until the second and third decade of June every year. This indicates the very dry air and lack of humidity. Dry air or lack of humidity and increase in temperature provide the necessary conditions for causing fire in the province. In this article, they put a dry season in the summer season of Lorestan province and August is the driest month of the year. Conclusion: The results of this research showed that the vegetation in Lorestan province is always facing the risk of fire and this is very high in the years when there is a lack of rainfall, in different months. It was proved that if there is a lack of rainfall in the first months of the water year, there is a risk of vegetation fire even in the cold months of the year, and this risk increases significantly in the hot months of the year, which is the case in 2021. there have been. SPI calculations showed that the months of July, August and September are negative in Lorestan province. The results show that the best indicator is based on satellite images for monitoring vegetation drought and fire risk in the study area (TCI). In the years 2013 and 2015, the highest fire risk occurred in the western and central regions of Lorestan province. In 2021, the most severe fire risk has occurred in vegetation in the studied area. Due to the large changes and dispersion of vegetation indicators effective in the occurrence of fires in terms of time and place, Spearman's non-parametric correlation has been used. | ||
| کلیدواژهها [English] | ||
| Vegetation fire, Drought, Precipitation, Infrared images, Lorestan pro | ||
| مراجع | ||
|
Agricultural Research, Education and Extension Organization, 2012, Draft Strategic Document for the Development of National Drought Management Technology, Presidential Vice-President for Science and Technology, Water, Drought, Erosion and Environment Development Technology Headquarters (in Persian). Archibald, S., Roy, D.P., Wilgen, B.W. & Scholes, R.J., 2009, What Limits Fire an Examination of Drivers of Burnt Area in Southern Africa, Glob. Chang., 15, PP. 613-630, https://doi.org/10.1111/j.1365-2486.2008. 01754.x. Berhan, G., Hill, S., Tadesse, T. & Atnafu, S., 2011, Using Satellite Images for Drought Monitoring: A Knowledge Discovery Approach, J. Strategic Innov. Sustain., 7(1), P. 135. Bhuiyan, C., 2008, Desert Vegetation during Droughts: Response and Sensitivity, Int. Arch. Photogr. Remote Sens. Spatial Inf. Sci., 37(B8), PP. 907-912. Brown, J.F., Wardlow, B.D., Tadesse, T., Hayes, M.J., & Reed, B.C., 2008, Drought Stress in Vegetation, GIS Cience Remote Sensing, 45, PP. 16-46, https://doi.org/10.2747/1548-1603. 45.1.16. Brown, T., Leach, S., Wachter, B. & Gardunio, B., 2020, The Extreme 2018 Northern California Fire Season, Bull. Am. Meteorol. Soc., 101, PP. S1-S4, https://doi.org/10.1175/ BAMS-D-19-0275.1. Holdren, J.P. & Ehrlich, P.R., 1974, Human Population and Global Environment, Am. Sci., 62, PP. 282-292. Hui, C., 2006, Carrying Capacity, Population Equilibrium, and Environment’s Maximal Load, Ecol. Modell., 192(1-2), PP. 317-320, https://doi.org/10.1016/j.ecolmodel.2005.07.001. Jones, M.W., Abatzoglou, J.T., Veraverbeke, S., Andela, N., Lasslop, G., Forke, M., Smith, A.J.P., Burton, C., Betts, R.A., Werf, G.R., … et al., 2022, Global and Regional Trends and Drivers of Fire Under Climate Change, Rev. Geophys., 60, PP. 1-76. Kiavarz, M., Darvishi Boloorani, A., Neysani Samani, N. & Alavipanah, S.K., 2024, Spatiotemporal Analysis of Wildfire in the Tigris and Euphrates Basin: A Remote Sensing Based Wildfire Potential Mapping, Remote Sensing Applications: Society and Environment, 34, P. 101150. Kogan, F.N., 1995, Droughts of the Late 1980s in the United States as Derived from NOAA Polar-Orbiting Satellite Data, Bull. Am. Meteorol. Soc., 76, PP. 655-667, https://doi.org/10.1175/1520-0477(1995)076<0655:DOTLIT>2.0.CO;2. Kogan, F.N., 1997, Global Drought Watch from Space, Bull. Am. Meteorol. Soc., 78, PP. 621-636. Kogan, F.N., 2001, Contribution of Remote Sensing to Drought Early Warning, National Oceanic and Atmospheric Administration (NOAA), National Environmental Satellite Data and Information Services (NESDIS), Washington: DC. U.S.A. Lashni Zand, M., 2003, Study of the Intensity, Continuity and Frequency of Climatic Droughts in Six Basins Located in the West and Northwest of the Country, Proceedings of the Third Regional Conference and the First National Conference on Climate Change. Isfahan, October 19-November 1, PP. 266-275 (in Persian).
Littell, J.S., Peterson, D.L., Riley, K.L., Liu, Y. & Luce, C.H., 2015, Fire and Drought, U.S. Department of Agriculture, Forest Service, Washington Office: Washington, DC, USA. https://doi.org/10.1111/gcb.13275. Littell, J.S., Peterson, D.L., Riley, K.L., Liu, Y. & Luce, C.H., 2016, A review of the relationships between drought and forest fire in the United States, Global Change Biology, 22(7), PP. 2353-2369, https://doi.org/ 10.1111/gcb.13074. Mansoor, S., Farooq, I.; Kachroo, M.M., Mahmoud, A.E.D., Fawzy, M., Popescu, S.M., Alyemeni, M.N., Sonne, C., Rinklebe, J. & Ahmad, P., 2022, Elevation in Wildfire Frequencies with Respect to the Climate Change, Environ. Manag., 301, P. 113769. Mays, C. & Mcloughlin, S., 2022, The Role of Permain-Triassic Wildfires in Extinction, Carbon Cycling, and Environmental Change in Eastern Gondwana, Palaios, 37, PP. 292-317, https://doi.org/ 10.2110/palo. 2021.051. McKee, T.B., Doesken, N.J. & Kliest., J., 1995, Drought Monitoring with Multiple Time Scales, Proceedings of the 9th Conference of Applied Climatology, 15-20 January, Dallas TX, American Meteorological Society, Boston, MA., PP. 233-236, https://doi.org/ 10.4236/oalib.1106078. Palmer, W.C., 1965, Meteorological Drought, Office of Climatology Research Paper, 45, Weather Bureau: Washington, DC, USA. Parisien, M.A. & Moritz, M.A., 2009, Environmental Controls on the Distribution of Wildfire at Multiple Spatial Scales, Ecol. Monogr., 79, PP. 127-154, https://doi.org/ 10.1890/07-1289.1. Pausas, J.G. & Keeley, J.E., 2009, A Burning Story: The Role of Fire in the History of Life, BioScience, 59, PP. 593-601, https://doi.org/10.1525/bio.2009.59.7.10. Pausas, J.G. & Ribeiro, E., 2013, The Global Fire-Productivity Relationship, Glob. Ecol. Biogeogr., 22, PP. 728-736. https://doi.org/ 10.1111/geb.12043. Swetnam, T.W. & Betancourt, J.L., 1998, Mesoscale Disturbance and Ecological Response to Decadal Climatic Variability in the American Southwest, J. Clim., 11, PP. 3128-3147, https://doi.org/10.1175/1520-0442(1998)011<3128:MDAERT>2.0.CO;2. Tadesse, T., Demisse, G.B., Zaitchik, B. & Dinku, T., 2014, Satellite-Based Hybrid Drought Monitoring Tool for Prediction of Vegetation Condition in Eastern Africa: A Case Study for Ethiopia, Water Resour. Res., 50, PP. 2176-2190. https://doi.org/ 10.1002/2013WR014281. Vicente-Serrano, S.M.; Beguería, S. & Lopez-Moreno, J.I.A., 2010, Multiscalar Drought Index Sensitive to Global Warming: The Standard-ized Precipitation Evapotrans-piration Index, J. Clim., 23, PP. 1696-1718, https://doi.org/10.1175/2009JCLI2909.1. Wells, N., Goddard, S. & Hayes, M.J., 2004, Self-Calibrating Palmer Drought Severity Index, J. Clim., 17, PP. 2335-2351, https:// doi.org/10.1175/1520-0442(2004)017 <2335:ASPDSI>2.0.CO;2. Westerling, A.L., 2016, Increasing Western US Forest Wildfire Activity: Sensitivity to Changes in the Timing of Spring, Philos. Trans. R. Soc. Sci., 371, P. 20150178. You, Q., Wu, T., Shen, L., Pepin, N., Zhang, L., Jiang, Z., Wu, Z., Kang, S. & AghaKouchak, A., 2020, Review of Snow Cover Variation over the Tibetan Plateau and Its Influence on the Broad Climate System, Earth-Sci. 201, P. 103043, https://doi.org/10.1016/ j.earscirev.2019.103043. Yu, L., Zhong, S. & Sun, B., 2020, The Climatology and Trend of Surface Wind Speed over Antarctica and the Southern Ocean and the Implication to Wind Energy Application, Atmosphere, 11, PP. 108-127, https://doi.org/10.3390/atmos11010108. Zhao, F. & Liu, Y., 2019, Atmospheric Circulation Patterns Associated with Wildfires in the Monsoon Regions of China, Geophys. Res., 46, P. 4873-4882, https://doi.org/10.1029/2019GL081932. Zhao, F. & Liu, Y., 2021, Important Meteorological Predictors for Long-Range Wildfires in China, For. Ecol., 499, P. 119638, https://doi.org/10.1016/j.foreco.2021.119638 | ||
|
آمار تعداد مشاهده مقاله: 1,977 تعداد دریافت فایل اصل مقاله: 1,089 |
||