مدل‌سازی بازسازی پوشش گیاهی بعد از وقوع حریق با استفاده از داده‌های ماهواره‌ای و محیطی در بوم سامانۀ جنگلی زاگرس، ایلام

مقدمه و هدف: آتش سوزی یکی از مهمترین عوامل تعیین کننده و تاثیرگذار بر خصوصیات بوم سامانه های جنگلی است. آتش‌سوزی‌ها مناطق جنگلی را به شدت تحت تاثیر قرار داده اند و گاهی آثار منفی آن برای چندین سال بعد از وقوع، همچنان باقی می‌ماند، به‌طوری که گاهی وضعیت پوشش گیاهی به حالت قبل خود بر نمی‌گردد. هدف از این مطالعه مدل‌سازی بازسازی پوشش گیاهی در جنگل‌های زاگرس (استان ایلام) پس از وقوع آتش‌سوزی است. مواد و روش ها: برای مدل سازی بازسازی پوشش گیاهی از داده‌های مختلف اقلیمی و محیطی به عنوان متغیرهای مستقل (پوشش گیاهی زمان وقوع آتش، شاخص شدت سوختگی، آنومالی دما و بارش، متوسط دما، بارش سالیانه، شیب، جهت و ارتفاع از سطح دریا) و پوشش گیاهی بعد از وقوع آتش به عنوان متغیر وابسته در مدل‌سازی (جنگل تصادفی، درخت تصمیم و تقویت گرادیان) استفاده شد. برای تهیه شاخص‌های نشان‌دهنده وضعیت تراکم پوشش گیاهی و شدت سوختگی از تصاویر ماهواره‌ای لندست استفاده شد و پس از پیش پردازش تصاویر این شاخص‌ها با نسبت گیری طیفی تهیه شدند. متغیرهای اقلیمی نیز با توجه به روابط رگرسیونی بین این متغیرها (مجموع بارش، متوسط دما، حداقل دما و حداکثر دما) و ارتفاع از سطح دریا در منطقه مورد مطالعه برآورد شدند. در نهایت به منظور مدل‌سازی از سه الگوریتم یادگیری ماشین شامل درخت تصمیم گیری، جنگل تصادفی و تقویت گرادیان استفاده شد و در نهایت دقت و صحت این مدل ها مورد ارزیابی قرار گرفت. یافته ها: نتایج نشان داد که در بین متغیرهای مختلف مورد بررسی، میزان بارش سالیانه، متوسط دمای سالیانه، شاخص تفاضل پوشش گیاهی نرمال شده (ndvi) و شاخص شدت سوختگی در زمان وقوع آتش مهمترین عوامل تاثیرگذار بر بازسازی پوشش گیاهی بعد از آتش سوزی در این جنگل ها هستند. همچنین نتایج نشان داد که در بین مدل های مختلف مورد بررسی الگوریتم تقویت گرادیان با میزان r^2 برابر با 0/66 بهتر از سایر مدل‌ها، بازسازی پوشش گیاهی را مدل‌سازی کرد. در این مدل عوامل آب و هوایی به‌عنوان عوامل شاخص در بازسازی شناخته شدند. نتیجه‌گیری: با توجه به نتایج حاصل از روابط رگرسیونی بین وضعیت پوشش گیاهی بعد از وقوع آتش (متغیر وابسته) و سایر متغیرهای مستقل و نتایج حاصل از مدل‌سازی می توان نقش بارز عوامل آب و هوایی در بازسازی پوشش گیاهی این جنگل ها پس از آتش‌سوزی را تبیین کرد.

modeling post-fire vegetation recovery using satellite and environmental data in zagros forest ecosystem, ilam

introduction and objective: the occurrence of fires is one of the important factors that determine the different characteristics of many terrestrial ecosystems. for a long time, fires have severely affected forest areas, and sometimes their negative effects remain for several years after the occurrence of the fire, so that the state of vegetation does not return to its previous state. the aim of this study is to model the restoration of vegetation in zagros forests (ilam province) following fire. material and methods: we used various climatic and environmental data as independent variables (vegetation at the time of fire (ndvi+1), burn severity index, temperature and precipitation anomaly, average temperature, annual precipitation, slope, aspect, and elevation) and ndvi +5 as dependent variable for the modeling (using random forest, decision tree and gradient boosting) the vegetation recovery following fire. landsat satellite images were used to prepare indices indicating vegetation density status and burn severity, and after preprocessing the images, these indices were prepared by spectral ratio. climatic variables (precipitation, average temperature, minimum temperature and maximum temperature) were also estimated according to the regression relationships between these variables and the elevation in the study area. finally, three machine learning algorithms, including decision tree, random forest, and gradient boosting, were used for modeling, and also the accuracy of these models were evaluated. results: the results showed that among the various variables investigated, the annual precipitation, average annual temperature, normalized vegetation difference index (ndvi) and burn intensity index at the time of fire were the most important factors affecting the vegetation restoration post fire in these forests. the precipitation and temperature were the most important factors affecting the restoration among the mentioned factors. also, the results showed that among the different models, the gradient boosting algorithm with r2 = 0.66 models vegetation restoration better than other models. in this model, the climatic factors were the most important in the vegetation recovery. conclusion: according the relationships between the ndvi and other studied factors and the results of the modeling; it is possible to explain the effective role of climate factors in the vegetation restoration in the study area.