ارزیابی اثر وضعیت رطوبت مادة سوختنی بر گسترش و رفتار آتش در پارک ملی گلستان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دکتری جنگلداری و اقتصاد جنگل دانشکدة منابع ‏طبیعی‏ دانشگاه ‏تهران، کرج، ایران

2 استاد گروه جنگلداری و اقتصاد جنگل دانشکدة منابع طبیعی دانشگاه تهران، کرج، ایران

3 استادیار گروه جنگلداری و اقتصاد جنگل دانشکدة منابع طبیعی دانشگاه تهران، کرج، ایران

چکیده

شبیه‏سازی رایانه‏ای رفتار آتش امکان تجزیه‌وتحلیل مشخصات اصلی گسترش و رفتار آتش را در ناحیه‌ای معین فراهم می‏سازد. تغییرات زمانی و مکانی رفتار آتش می‏تواند با استفاده از یکی از مدل‏های نیمه‌فیزیکی یا تجربی توسعه‌یافته در سال‏های گذشته پیش‏بینی شود. این پژوهش اثر شرایط مختلف رطوبت مادة سوختنی را بر گسترش و رفتار آتش‏سوزی در تیرماه 1390 در پارک ملی گلستان، با استفاده از سیستم‏های شبیه‏سازی FARSITE، FlamMap، و سابقة حریق بررسی می‏کند. داده‏های سیمای سرزمین، شامل اطلاعات مکانی توپوگرافی و پوشش گیاهی، همراه دادة آب‌وهوا به منزلة ورودی شبیه‏سازی استفاده شد. همة لایه‏های ورودی‏ با استفاده از سیستم اطلاعات جغرافیایی تهیه شدند. چهار وضعیت رطوبت مادة سوختنی معرف سناریوهای رطوبت مادة سوختنی مرطوب، نیمه‏خشک، خشک، و بسیار خشک برای تولید مشخصه‏های مختلف گسترش و رفتار آتش استفاده شد. این مشخصه‏ها شامل محیط و مساحت آتش برای هر گام زمانی تولیدشده توسط FARSITE، و نرخ گسترش، طول شعله، و شدت خط آتش به منزلة پارامترهای محاسبه‌شده توسط FlamMap هستند. شبیه‏ساز سطح آتش با لکة آتش واقعی نقشه‏برداری‌شده با استفاده از GPS اعتبارسنجی شد. بر اساس نتایج، گسترش آتش شبیه‏سازی‌شده 90 درصد از لکة آتش مشاهده‌شده را پوشش داد، که نسبتاً زیاد بود؛‏ اگرچه میزان بیش‏برآورد 30 درصد بود. نتایج شبیه‏سازی‏ها نشان می‏دهد کاهش رطوبت مادة سوختنی موجب رشدی چشمگیر در محیط و مساحت آتش همراه افزایش در حداکثر و نیز متوسط نرخ گسترش، طول شعله، و شدت خط آتش می‌شود. این نتایج تغییرپذیری مکانی پارامترهای رفتار آتش را بیان می‏کند که در اولویت‏بندی تیمارهای مادة سوختنی و هدایت فعالیت‏های دیگر مدیریت ریسک آتش جنگل مفید است.

کلیدواژه‌ها

عنوان مقاله [English]

Assessing the Impact of Fuel Moisture Conditions on Fire Spread and Behavior in Golestan National Park

نویسندگان [English]

  • Roghayeh Jahdi 1
  • Ali Asghar Darvishsefat 2
  • Vahid Etemad 3
1 Ph.D., Faculty of Natural Resources, University of Tehran, Karaj, I. R. Iran
2 Professor, Faculty of Natural Resources, University of Tehran, Karaj, I. R. Iran
3 Assistant Professor, Faculty of Natural Resources, University of Tehran, Karaj, I. R. Iran
چکیده [English]

Temporal and spatial variations of fire behavior can be predicted using one of the semi-physical or empirical models developed over recent years. This article investigates the effect of different fuel moisture conditions on fire spread and behavior in National Golestan Park in July 2011 using FARSITE, FlamMap simulation systems, and previous ignition history. Landscape data contains the topography and vegetation spatial information along with weather data are used as simulation input. Fuel moisture conditions representing moderate, moderate-dry, dry, extreme fuel moisture scenarios were used to generate the fire behavior characteristics. These characteristics includes the fire perimeter and area for each time step provided by FARSITE and rate of spread, surface flame length, and fireline intensity as calculated parameters by FlamMap. Fire Area Simulator was validated with the real mapped fire scar by GPS mapping. Based on the results, the simulated fire spread covered 90% of the observed fire scar which was almost high, whilst overestimation was 30%. The results of simulations show that the fuel moisture reduction causes a remarkable growth on the fire perimeter and area, with an increase on both maximum and average fire spread rate, flame length and fireline intensity. The results revealed spatial variation in fire behavior parameters that is useful in prioritizing fuel treatments and guiding other wildfire risk management activities.

کلیدواژه‌ها [English]

  • fire rate of spread
  • fire spread and behavior
  • fuel moisture conditions
  • Golestan national park
  • simulation systems

مراجع

[1]. Andrews, P. L. and Queen, L. P. (2001). Fire modeling and information system technology. International Journal of Wildland Fire, 10, 343-352.
[2]. Ntaimo, L. and Zeigler, B. P. (2005). Integrating Fire Suppression into a DEVS Cellular Forest Fire Spread Model. Proc. of the 2005 Spring Simulation Multi Conference, San Diego, CA, USA, April 3-7, 48-54, 2005.
[3]. Finney, M. A. (1998). FARSITE: Fire Area Simulator- Model development and evaluation. Research Paper RMRS-RP-4. Ogden, UT: USDA Forest Service, Rocky Mountain Research Station. 47 p.
[4]. Finney, M. A., Britten, S., and Seli, R. (2003). FlamMap2 Beta Version 3.0.1. Fire Sciences Lab and Systems for Environmental Management, Missoula, Montana.
[5]. Finney, M. A. (2006). An overview of FlamMap modeling capabilities. In Proc. of Conf. on fuels management - How to measure success, Andrews P.L., and Butler B.W. (eds.). pp. 213-220. USDA Forest Service, RMRS-P41.
[6]. Rothermel, R. C. (1972). A mathematical model for predicting fire spread in wildland fuels. USDA Forest Service, Research Paper INT-115.
[7]. Andrews, P. L. (1986). BEHAVE: fire behavior prediction and fuel modeling system--BURN subsystem, Part 1. USDA Forest Service Gen. Tech. Rep. INT-194. 130 pp.
[8]. Richards, G. D. (1990). An elliptical growth model of forest fire fronts and its numerical solution. International Journal for Numerical Methods in Engineering, 30: 1163-1179.
[9]. Anderson, H. E. (1982). Aids to determining fuel models for estimating fire behavior. USDA For. Service General Technical Report INT-122. (Ogden, UT).
[10]. Scott, J. H. and Burgan, R. E. (2005). Standard fire behavior fuel models: a comprehensive set for use with Rothermel's surface fire spread model. Gen. Tech. Rep. RMRS-GTR-153. Fort Collins, CO: U.S. Department of Agriculture, Forest Service, Rocky Mountain Research Station; 72 pp.
 [11]. Van Wagner, C. E. (1977). Conditions for the start and spread of crown fire. Canadian Journal of Forest Research, 7:23-24.
[12]. Rothermel, R. C. (1991). Predicting behavior and size of crown fires in the northern RockyMountains. USDA Forest Service, Research Paper INT-438.
[13]. Stratton, R. D. (2004). Assessing the effectiveness of landscape fuel treatments on fire growth and behavior. Journal of Forestry, 102:32- 40.
[14]. Stratton, R. D., Long, D., and Mislivets, M. (2003). Greenville Bench case study analysis. http://jfsp.nifc.gov/documents/Greenville_Case_Stu dy.pdf.
[15]. Finney, M. A. (2005). The challenge of quantitative risk assessment for wildland fire. Forest Ecology and Management, 211: 97-108.
[16]. Ager, A. A. and Finney, M. (2009). Application of wildfire simulation models for risk analysis. Geophysical Research Abstracts, 11, EGU2009-5489, EGU General Assembly, Vienna, April 2009.
[17]. Finney, M. A., Seli, R. C., McHugh, C. W., Ager, A. A., Bahro, B., and Agee, J. K. (2007). Simulation of long-term landscape-level fuel treatment effects on large wildfires. International Journal of Wildland Fire, 16:712-727.
[18]. Ager, A. A., Finney, M. A., Kerns, B. K., and Maffei, H. (2007). Modeling wildfire risk to northern spotted owl (Strix occidentalis caurina) habitat in Central Oregon, USA. Forest Ecology and Management, 246: 45–56.
[19]. Flannigan, M. D. and Harrington, J. B. (1988). A study of the relation of meteorological variables to monthly provincial area burned by wildfire in Canada, 1953-80. Journal of Applied Meteorology, 27: 441-452.
[20]. Viegas, D. X. and Viegas, M. T. (1994). A relationship between rainfall and burned area for Portugal. International Journal of Wildland Fire, 4: 11-16.
[21]. Flannigan, M. D. and Wotton, B. M. (2001). Climate, weather and area burned. In: Johnson E.A., Miyanishi K. (eds.), Forest Fires-Behaviour and Ecological Effects. Academic Press, San Diego, CA, pp 335-357.
[22]. Chuvieco, E., Giglio, L., and Justice, C. (2008). Global characterization of fire activity: toward defining fire regimes from Earth observation data. Global Change Biology, 14, 1488-1502.
[23]. Pyne, S. J., Andrews, P. L., and Laven, A. R. (1996). Introduction to Wildland Fire. 2nd Edition, John Wiley & Sons: Edition. New York, 769 pp.
[24]. Hasan Zadeh Kiabi, B., Zehzad, B., and Farhang Dareshori, B. (1996). Golestan National Park. Iran Department of Environment, 203 pp.
[25]. Statistical Yearbook of North Khorasan. (2001). Statistical Center of Iran.
[26]. Gholami, N. and Mesdaghi, M. (2012). An investigation of spatial pattern of woody plants in shrublands of Golestan National Park. Iranian Journal of Range and Desert Research, 18 (4), 2012.
[27]. Salis, S., Arca, B., Bacciu, V., Duce, D., and Spano, D. (2009). Assessment of fire severity in a Mediterranean area using FlamMap Simulator. Eighth Symposium on Fire and Forest Meteorology 13–15 October 2009, Kalispell, Montana.
[28]. Clar, C. R. and Chatten, L. R. (1966). Principles of forest fire management. Sacramento, CA: Office of Procurement, State of California.
[29]. Sandberg, D. V., Ottmar, R. D., and Cushon, G. H. (2001). Characterizing Fuels in 21st Century. International Journal of Wildlland Fire, 10, 381-387.
[30]. Biswell, H. H. (1989). Prescribed Burning in California Wildlands Vegetation. Berkeley, CA: University of California Press.
[31]. Pollet, J. and Brown, A. (2007). Fuel Moisture Sampling Guide. Bureau of Land Management. 30 pp.
[32]. Russell, S. (2005). Fuel Loading, Fuel Moisture Are Important Components of Prescribed Fire. Rangelands, 27 (5), p 20.
[33]. LaCroix, J. J., Ryu, S. R., Zheng, D., and Chen, J. (2006). Simulating fire spread with landscape management scenarios. Forest Science, 52 (5), 522-529.
[34]. Stratton, R. D. (2009). Guidebook on LANDFIRE fuels data acquisition, critique, modification, maintenance, and model calibration. Gen. Tech. Rep. RMRS-GTR-220. Fort Collins, CO: U.S. Department of Agriculture, Forest Service, Rocky Mountain Research Station. 54 p.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار