[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 317
نرخ پذیرش: 63
نرخ رد: 37
میانگین داوری: 209 روز
میانگین انتشار: 347 روز
..
:: دوره 3، شماره 4 - ( 12-1394 ) ::
جلد 3 شماره 4 صفحات 120-97 برگشت به فهرست نسخه ها
تعیین فاکتورهای موثر بر آتش‌سوزی جنگل با استفاده از ترکیب رگرسیون وزن‌دار جغرافیایی و الگوریتم ژنتیک، مطالعه موردی: جنگل‌های استان گلستان
امین راعی ، پرهام پهلوانی* ، مهدی حسنلو
دانشگاه تهران
چکیده:   (5877 مشاهده)

امروزه شناسایی فاکتورهای موثر بر آتش‌سوزی جنگل‌ها از اهمیت بسیار بالایی برخوردار است زیرا سالانه مساحت زیادی از جنگل‌های جهان بر اثر آتش‌سوزی نابود می‌شوند. با شناسایی این فاکتورها می‌توانیم نقاط و زمان‌های پرخطر برای آتش‌سوزی را شناسایی نمائیم و با وضع قوانین و سیاست‌های کارآمد در مدیریت جنگل و نظارت بیشتر در جهت مقابله با فاکتورهای محرک آتش برآییم. در این تحقیق، فاکتورهای موثر بر آتش‌سوزی‌های جنگل گلستان شناسایی شده‌اند. در این راستا، از روش رگرسیون وزن‌دار جغرافیایی (GWR) در ترکیب با الگوریتم ژنتیک استفاده شد. روش ترکیبی پیشنهادی روش مناسبی برای مسائل رگرسیون مکانی است زیرا فاکتورهای موثر با لحاظ نمودن دو ویژگی خاص داده‌های مکانی یعنی خودهمبستگی و ناایستایی مکانی شناسایی گشتند. در این تحقیق، از داده‌های سه آتش‌سوزی مختلف و دو روش وزن‌دهی گوسین و مکعبی سه‌گانه در GWR استفاده گشت. مقدار R2 با استفاده از هسته گوسین 9538/0، 9990/0 و 9903/0 و با استفاده از هسته مکعبی سه‌گانه 9931/0، 9999/0 و 9980/0 به دست آمد. نتایج تحقیقات نشان داد که هر دو دسته فاکتورهای بیوفیزیکی و انسانی تأثیر بسزایی در آتش‌سوزی‌های مناطق مورد مطالعه داشتند. از فاکتورهای بیوفیزیکی ارتفاع، جهت شیب، حداقل دما، متوسط دما و از فاکتورهای انسانی کاربری زمین و فاصله از مناطق مسکونی در بیشتر حالت‌ها موثر شناخته شدند. همچنین با استفاده از هسته مکعبی سه‌گانه برای وزن‌دهی در GWR، نتایج دقیق‌تر و مناسب‌تری به دست آمد.

واژه‌های کلیدی: آتش‌سوزی جنگل، رگرسیون وزن‌دار جغرافیایی، الگوریتم ژنتیک، جنگل گلستان
متن کامل [PDF 2846 kb]   (2654 دریافت)    
نوع مطالعه: پژوهشي |
دریافت: 1395/4/13 | پذیرش: 1395/4/13 | انتشار: 1395/4/13
فهرست منابع
1. [1] Y. Bergeron, S. Gauthier, M. Flannigan, and V. Kafka, "Fire regimes at the transition between mixed wood and coniferous boreal forest in Northwestern Quebec", Ecology, Vol.85, No.7, PP. 1916–1932, 2004.
2. [2] P. F. Hessburg, J. K. Agee, and J. F. Franklin, "Dry forests and wildland fires of the inland Northwest USA: Contrasting the landscape ecology of the pre-settlement and modem eras", For. Ecol. Manage. Vol.211, No.1–2, PP. 117–139, 2005.
3. [3] J. Martinez-Fernandez, E. Chuvieco and N. Koutsias, "Modeling long-term fire occurrence factors in Spain by accounting for local variations with geographically weighted regression", Natural Hazards and Earth System Sciences, Vol.13, PP. 311–327, 2013.
4. [4] B. G. Dickson, J. W. Prather, Y. Xu, H. M. Hampton, E. N. Aumack and T. D. Sisk, "Mapping the probability of large fire occurrence in northern Arizona, USA", Landscape Ecology, Vol.21, PP. 747–761, 2006.
5. [5] D. C. Odion, E. J. Frost, J. R. Strittholt, H. Jiang, D. A. Della-Salla and M. A. Moritz, "Patterns of fire severity and forest conditions in the western Klamath Mountains, north-western California" Conservation Biology, Vol.18, PP. 927–936, 2004.
6. [6] J. P. Prestemon, J. M. Pye, D. T. Butry, T. P. Holmes and D. E. Mercer, "Understanding broad scale wildfire risks in a human-dominated landscape", For. Sci. Vol.48, PP. 685– 693, 2002.
7. [7] D. E. Mercer and J. P. Prestemon, "Comparing production function models for wildfire risk analysis in the wildland-urban interface", For. Policy Economics, Vol.7, No.5, PP. 782–795, 2005.
8. [8] M. A. Moritz, J. E. Keeley, E. A. Johnson and A. A. Schaffner, "Testing a basic assumption of shrubland fire management: How important is fuel age?", Frontiers Ecol. Environm. Vol.2, PP. 67–72, 2004.
9. [9] J. Yang, H. S. He, S. R. Shifley and E. J. Gustafson, "Spatial Patterns of Modern Period Human-Caused Fire Occurrence in the Missouri Ozark Highlands", Forest Science, Vol.53, No.1, PP. 1-15, 2007.
10. [10] C. M. Countryman, "The fire environment concept", USDA Forest Service, Pacific Southwest Forest and Range Experiment Station, General Technical Report PSW-7. Berkeley, CA, 1972.
11. [11] R. A. Bradstock, A. M. Gill, B. J. Kenny and J. Scott, "Bushfire risk at the urban interface estimated from his-torical weather records: consequences for the use of prescribed fire in the Sydney region of south-eastern Aus-tralia", Journal of Environmental Management, Vol.52, PP. 259–271, 1998.
12. [12] J. S. Fried, G. Winter and J. K. Gilless, "Assessing the benefits of reducing fire risk in the wildland–urban in-terface: a contingent valuation approach", International Journal of Wildland Fire, Vol.9, PP. 9–20, 1999.
13. [13] C. Diaz-Avalos, D. L. Peterson, E. Alvarado, S. A. Ferguson and J. E. Besag, "Space–time modeling of lightning-caused ignitions in the Blue Mountains, Oregon", Canadian Journal of Forest Research, Vol.31, PP. 1579–1593, 2001.
14. [14] R. E. Burgan and R. C. Rothermel, "BEHAVE: fire prediction and fuel modeling system–fuel subsystem", USDA Forest Service, Intermountain Research Station, General Technical Report INT-167. Ogden, UT, 1984.
15. [15] Forestry Canada Fire Danger Group Development and structure of the Canadian Forest Fire Behaviour Predic-tion System, Forestry Canada, Science and Sustainable Development Directorate Report ST-X-3. Ottawa, ON, 1992.
16. [16] M. Larjavaara, J. Pennanen and T. J. Tuomi, "Lightning that ignites forest fires in Finland", Agricultural and Forest Meteorology, Vol.132, PP. 171–180, 2005.
17. [17] B. M. Wotton and D. L. Martell, "A lightning fire occurrence model for Ontario", Canadian Journal of Forest Research, Vol.35, PP. 1389–1401, 2005.
18. [18] K. L. Pew and C. P. S. Larsen, "GIS analysis of spatial and temporal patterns of human-caused wildfires in the temperate rainforest of Vancouver Island, Canada", Forest Ecology and Management, Vol.140, PP. 1–18, 2001.
19. [19] Y. H. Chou, "Spatial autocorrelation and weighting functions in the distribution of wildland fires", International Journal of Wildland Fire, Vol.2, PP. 169–176, 1992.
20. [20] Y. H. Chou, R. A. Minnich and R. A. Chase, "Mapping probability of fire occurrence in San Jacinto Mountains, California, USA", Environmental Management, Vol.17, PP. 129–140, 1993.
21. [21] A. D. Syphard, V. C. Radeloff, J. E. Keeley, T. J. Hawbaker, M. K. Clayton, S. I. Stewart and R. B. Hammer, "Human influence on California fire regimes", Ecological Applications, Vol.17, PP. 1388–1402, 2007.
22. [22] T. D. A. Rodriguez, M. H. Ramirez and J. H. Tchikoue, "Factors affecting the accident rate of forest fires", Ciencia Forestal en Mexico, Vol.33, No.104, PP. 38–57, 2008.
23. [23] C. R. Roman and V. M. J. Martinez, "Effectiveness of protected areas in mitigating fire within their boundaries: Case study of Chiapas, Mexico", Conservation Biology, Vol.20, No.4, PP. 1074–1086, 2006.
24. [24] A. D. Syphard, V. C. Radeloff, N. S. Keuler, R. S. Taylor, T. J. Hawbaker, S. I. Stewart and M. K. Clayton, "Predicting spatial patterns of fire on a southern California landscape", International Journal of Wildland Fire, Vol.17, PP. 602–613, 2008.
25. [25] R Romero-Calcerrada, C. J. Novillo, J. D. A. Millington and I. Gomez-Jimenez, "GIS analysis of spatial patterns of human-caused wildfire ignition risk in the SW of Madrid (Central Spain)", Landscape Ecol. Vol.23, PP. 341–354, 2008.
26. [26] E. Erten, V. Kurgun, and N. Musaolu, "Forest fire risk zone mapping from satellite imagery and risk: A recent case study from Mt. Carmel (Israel)", Forest Ecology and Management, Vol.262, PP. 1184–1188, 2005.
27. [27] F. D. Y. Avila, G. M. Pompa and P. E. Vargas, "Spatial analysis of fire occurrence in the Durango state. Revista Chapingo", Serie Ciencias Forestales, Vol.16, No.2, 2010.
28. [28] C. Brunsdon, S. Fotheringham and M. Charlton, "Geographically weighted regression – modelling spatial non-stationarity", The Statistician, Vol.47, No.3, PP. 431-443, 1998.
29. [29] F. D. Y. Avila, M. Pompa-Garcia, X. Antonio-Nemiga, D.A. Rodriguez-Trejo, E. Vargas-Perez and J. Santillan-Perez, "Driving Factors for Forest Fire Occurrence in Durango State of Mexico: A Geospatial Perspective", Chin. Geogra. Sci. Vol.20, No.6, PP. 491–497, 2010.
30. [30] A. C. L. Sa, J. M. C. Pereira, M. E. Charlton, B. Mota, P. M. Barbosa and A. S. Fotheringham, "The pyrogeog-raphy of sub-Saharan Africa: a study of the spatial non-stationarity of fire–environment relationships using GWR", J. Geogr. Syst. Vol.13, PP. 227–248, 2011.
31. [31] W. R. Tobler, "A computer movie simulating urban growth in the Detroit region", Economic Geography, Vol.46, No.2, PP. 234-24, 1970.
32. [32] D. P. McMillen and J. F. McDonald, "Locally weighted maximum likelihood estimation: Monte Carlo evidence and an application", presented at the Regional Science Association International meetings, Santa Fe, NM, 1998.
33. [33] M. Charlton and A. S. Fotheringham, "Geographically Weighted Regression", White Paper. Kildare, Ireland: National Centre for Geocomputation, National University of Ireland, Maynooth, 17, 2009.
34. [34] S. Shekhar, and H. Xiong. "Encyclopedia of GIS", Springer Science & Business Media, 2008. [DOI:10.1007/978-0-387-35973-1]
35. [35] A. Cliff and K. Ord, "Testing for spatial autocorrelation among regression residuals", Geographical Analysis Vol.4, No.3, PP. 267-284,1972.
36. [36] M. Hasanlou and F. Samadzadegan, "ICA/PCA base genetically band selection for classification of Hyperspectral images", presented at the 31st Asian Conference on Remote Sensing, announcer, 2010.
37. [37] P. Dale. "Mathematical Techniques in GIS, Second Edition", CRC Press, 2014.
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Raei A, Pahlavani P, Hasanlou M. Determining Effective Factors on Forest Fire Using the Compound of Geographically Weighted Regression and Genetic Algorithm, a Case Study: Golestan, Iran . jgit 2016; 3 (4) :97-120
URL: http://jgit.kntu.ac.ir/article-1-308-fa.html

راعی امین، پهلوانی پرهام، حسنلو مهدی. تعیین فاکتورهای موثر بر آتش‌سوزی جنگل با استفاده از ترکیب رگرسیون وزن‌دار جغرافیایی و الگوریتم ژنتیک، مطالعه موردی: جنگل‌های استان گلستان. مهندسی فناوری اطلاعات مکانی. 1394; 3 (4) :97-120

URL: http://jgit.kntu.ac.ir/article-1-308-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 3، شماره 4 - ( 12-1394 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 37 queries by YEKTAWEB 4660