پهنه‌بندي مناطق داراي پتانسيل آتش‌ سوزي در جنگل ‌ها با استفاده ازروش ‌هاي تصميم‌گيري چند معياره

Forest Wildfire Potential Zoning Using Multicriteria Decision Making Methods

جنگل ها يكي از منابع طبيعي مهمي هستند كه انسان براي ادامه حيات به آن وابسته است. امروزه جنگل ها به دلايل مختلفي از قبيل گرم شدن زمين، بي دقتي گردشگران و سوزاندن عمدي درختان توسط افراد محلي براي ايجاد اراضي با قابليت كشت، دچار آتش سوزي شده و بخش زيادي از آن ها از بين مي روند. از فوايد مهم جنگل افزايش ميزان نفوذ پذيري آب در خاك و ذخيره آن، جلوگيري از فرسايش خاك، تصفيه هواي آلوده و زيستگاه گونه هاي گياهي و جانوري مختلف است. بديهي است كه نبود جنگل مشكلات زيادي را براي زندگي بشر ايجاد مي نمايد. براي حفظ اين منبع مهم و ارزشمند بايد از وقوع اين حادثه تا حد امكان جلوگيري شود و در صورت وقوع آن به هر دليلي بايد از پيشرفت و گسترش آن جلوگيري گردد. اين پيشگيري از آتش سوزي و مهار آن در زمان وقوع، نيازمند تعيين مناطق پر خطر آتش سوزي و ايجاد تمهيدات لازم براي جلوگيري از گسترش آن است. تاكنون مطالعات مختلفي در رابطه با تهيه نقشه پهنه بندي خطر آتش سوزي جنگل ها انجام شده است كه از روش تلفيق خطي وزن دار، نقشه هاي معيار با هم جمع شده كه نتايج مطلوبي حاصل گرديده است. در اين پژوهش با استفاده از روش هاي تصميم گيري چند معياره و تحليل هاي مكاني مورد نياز، نسبت به پيش بيني مناطق با ريسك باﻻي آتش سوزي اقدام گرديد. روش تحليل سلسله مراتبي(AHP) يكي از پركاربردترين روش هاي وزن دهي است كه به طور گسترده استفاده مي شود و دليل آن سادگي روش و ساختار سلسله مراتبي آن است كه با شكستن مسايل پيچيده به ساده و مقايسه دودويي معيارها با هم به محاسبه وزن ها مي پردازد. در اين مقاله از روش تحليل سلسله مراتبي (AHP) براي وزن دهي و براي تلفيق لايه ها از دو روش فازي و ميانگين وزني مرتب شده (OWA) با كميت سنج هاي مفهومي فازي، استفاده شده و نتايج حاصل از آن با استفاده از روش جمع كيفي(QS) با يكديگر مقايسه گرديد. به نظر مي رسد استفاده از روش AHPOWA براي پهنه بندي منطقه مورد مطالعه از نظر ميزان خطر آتش سوزي نسبت به روش فازي از دقت بالاتري برخوردار است. در نهايت بهترين QS براي روش AHPOWA با آلفاي 4 به دست آمد كه با توجه به قرار گرفتن درصد قابل توجهي از پهنه هاي آتش سوزي اتفاق افتاده در مناطق پرخطر و بسيار پرخطر و دقت 0.0874، QS اين روش مقدار بالاتري را نسبت به روش فازي گاما نشان مي دهد كه بيانگر تفكيك بهتر بين پهنه هاي خطر و در نتيجه نقشه هاي پهنه بندي خطر با دقت بالاتري توليد مي شود

Forests are one of the main natural resources on which human life depend. Nowadays, forests are going through the process of deforestation and many parts of them are destroyed for various reasons such as the global warming effect, carelessness of tourists, and amp;quot;Slash and Burnamp;quot;. Increasing the water permeability rate and soil retention capacity, preventing soil erosion, reducing air pollution and being home to different plants and animals species, are examples of the main benefits of forests. Obviously, lack of forests results in several problems for human life. In order to preserve this main and valuable resource, one should first prevent the forest wildfire as much as possible, and second, if it is on fire one must stop its expansion and spread. Prevention of fire and controlling it when it happens, require recognition of the areas with thehigh potential for fire and taking necessary preventive measures for its spread. There are different studies on how to prepare risk zone maps. The final maps have been compiled through aweighted linear combination of the factors involved and good results have been achieved. In this research, highrisk zones are predicted using multicriteria decision making along with spatial analysis. Analytic Hierarchy Process method (AHP) is a most widely weighting method and widely used because this is simple and break down thecomplexissue for simple and calculate weights using thepairwise comparison of criteria. In this paper, Analytic Hierarchy Process method (AHP) used to weighting criteria and two methods of fuzzy and OWA with linguistic quantifiers was used for overlay layers and result of those compare with quality sum method. The best QS is obtained through AHP_OWA for amp;alpha;4 where many percentages of fires occurred in the high or very highrisk zones, QS of this method shows ahigher value than gamma fuzzy method that shows better separation between risk zones and thus prepares risk zone maps with higher precision.