شناسایی موثرترین متغیرهای آب و هوایی ورودی سامانه هشدار آتش‌سوزی جنگل کانادا

سابقه و هدف: استفاده از سامانه‌های هشدار پیش‌هنگام اقلیمی وقوع آتش‌سوزی در عرصه‌های طبیعی یکی از راه‌های جلوگیری و مدیریت آتش‌سوزی است. عوامل متعددی در وقوع آتش‌سوزی تاثیر گذار است که می‌توان به دو دسته عوامل اقلیمی و انسانی تقسیم بندی کرد. از جمله مهم‌ترین عوامل اقلیمی موثر در ایجاد آتش‌سوزی جنگل‌ها می‌توان؛ افزایش درجه حرارت، کاهش بارندگی، کاهش رطوبت هوا و افزایش سرعت باد را نام برد. آتش‌سوزی جنگل باعث ایجاد ضررهای اقتصادی و زیست محیطی قابل توجهی می‌شود بنابراین، ارزیابی خطر آتش سوزی جنگل و استفاده از سامانه‌های هشدار آتش‌سوزی در دهه‌های اخیر به یک جزء مهم در مدیریت سرزمین تبدیل شده است. سیستم درجه‌بندی خطر آتش‌سوزی جنگل کانادا با دو زیرسیستم شاخص اقلیمی آتش‌سوزی و سیستم پیش‌بینی رفتار آتش‌سوزی جنگل ازجمله مهم‌ترین سامانه‌های هشدار ‌پیش‌هنگام خطر آتش‌سوزی جنگل در دنیا محسوب می‌شود. زیرسیستم شاخص اقلیمی آتش‌سوزی جنگل که به ارزیابی پتانسیل احتمال خطر وقوع آتش‌سوزی بر اساس اطلاعات اقلیمی منطقه مورد مطالعه می‌پردازد، نیازمند شناسایی و ورود متغیرهای آب و هوایی موثر می‌باشد. هدف از این تحقیق شناسایی موثرترین متغیرهای ورودی شاخص اقلیمی آتش‌سوزی جنگل کانادا در پیش‌بینی احتمال وقوع آتش‌سوزی جنگل در استان گلستان می‌باشد.مواد و روش‌ها: به‌منظور برآورد سیستم شاخص اقلیمی آتش‌سوزی جنگل کانادا متغیرهای ورودی به سیستم که شامل چهار متغیر اقلیمی حداکثر درجه حرارت، رطوبت نسبی، سرعت باد در ارتفاع ده متری زمین و میزان بارش برای یک دوره 21 ‌ساله (1397-1376) در طول فصل آتش‌سوزی (فروردین تا دی‌ماه) از ایستگاه‌های سینوپتیک و تبخیرسنجی به صورت روزانه در سطح استان جمع‌آوری شد. محاسبات مربوط به برآورد شاخص اقلیمی آتش‌سوزی جنگل کانادا با استفاده از متغیرهای آب و هوایی استان گلستان در طول دوره مطالعه در هر ایستگاه انجام شد. سپس آزمون همبستگی و آنالیز مقیاس‌بندی چندبُعدی بین متغیرهای اقلیمی ورودی با شاخص خروجی سیستم با استفاده از ضرایب همبستگی اسپیرمن، پیرسون و کندال انجام شد.یافته‌ها: نتایج نشان داد متغیر حداکثر درجه حرارت روزانه با ضریب همبستگی 0.91 در دوره مورد مطالعه بالاترین تاثیر را نسبت به سایر متغیرها بر شاخص اقلیمی آتش‌سوزی جنگل کانادا دارد. پس از حداکثر درجه حرارت، رطوبت نسبی روزانه، بارندگی روزانه و سرعت باد روزانه به ترتیب با ضرایب همبستگی 0.89، 0.79 و 0.29، بیشترین تاثیر را بر خروجی سیستم اقلیمی آتش‌سوزی جنگل در پیش‌بینی احتمال وقوع آتش‌سوزی جنگل در این استان دارند. همچنین در این تحقیق ضریب همبستگی اسپیرمن بهتر از سایر ضرایب همبستگی دارای کارایی می‌باشد.نتیجه‌گیری: مدیران جنگل می‌توانند با به‌کارگیری این سیستم در صورت در دسترس نبودن سایر متغیرها میزان احتمال وقوع آتش‌سوزی را از نظر اقلیمی با استفاده از ترتیب اهمیت هر یک از متغیرهای اقلیمی پیش‌بینی کنند و به درجه‌بندی خطر در مناطق مختلف استان گلستان بپردازند.

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

AbstractBackground 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 24hour precipitation for a period of 21 years (19972018) 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 MultiDimensional 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.Keywords: Correlation test, Golestan province, Weather, Early Warning System, Canadian forest fire weather index