تحلیلی بر روش های مدل سازی و شبیه سازی گسترش آتش سوزی در جنگل ها

نوع مقاله: مقاله پژوهشی

نویسنده

دانش‌آموخته دکترای جنگلداری، دانشگاه علوم کشاورزی و منابع طبیعی، ساری، ایران.

چکیده

امروزه پدیده آتش­سوزی در عرصه­های جنگلی به­عنوان یکی از بلایای طبیعی بخش وسیعی از جنگل­های جهان را مورد تهدید            قرار داده است. با توجه به اثرات مخرب آتش­سوزی بر جنگل، انجام تحقیقاتی که با استفاده از روش­های نوین بتوانند گسترش آتش­سوزی را پیش­بینی کنند، بسیار ارزش‏مند است. این مطالعه به منظور بررسی روش­های مختلف مدل­سازی و شبیه­سازی گسترش آتش­سوزی     در جنگل­های جهان و  ایران انجام شده است. مدل­های ریاضی اساس برنامه­های کامپیوتری شبیه­سازی رفتار آتش می­باشند. این مدل­ها به چهار دسته مدل­های نظری، سیستم فیزیکی، تجربی و نیمه­تجربی تقسیم می­شوند. مدل­های نظری قابلیت تعمیم به           اکوسیستم­های مختلف را دارند، اما اعتبارسنجی آن‏ها مشکل است. مدل­های فیزیکی (سطحی، تاجی، زمینی، لکه­ای) با توجه به نوع آتش­سوزی­های جنگلی توسعه یافته­اند، اما این مدل­ها گاهی دارای دقت کافی نیستند و اعتبارسنجی آن‏ها مشکل است. مدل­های تجربی        به دلیل سهولت استفاده، بسیار کاربردی می­باشند، اما این مدل­ها فقط برای اکوسیستم­های با شرایط مشابه آن‏چه در فرمول­بندی و   آزمون مدل به کار رفته است، قابل اجرا می­باشند. مدل­های نیمه­تجربی به دلیل اعتبارسنجی آسان­تر، سادگی و سازگاری با          داده‌های رستری بسیار مورد توجه قرار گرفته­اند، اما عدم قابلیت برای آتش­سوزی­های تاجی و لکه­ای، برنامه­نویسی دشوار و لزوم            در دسترس بودن داده­های مورد نیاز برای همه پارامترهای مؤثر در مدل مربوطه، از معایب این مدل­ها می­باشد. با توجه به شرایط جنگل­های ایران مدل­های نظری، مدل­های فیزیکی آتش­سوزی سطحی و مدل­های نیمه­تجربی راترمل (Rothermel)، فارسایت (FARSITE) و اتوماسیون سلولی (Cellular Automata) می­توانند بهترین مدل­ها برای گسترش آتش­سوزی در جنگل­های ایران باشند.

کلیدواژه‌ها


 

 

 

 

 

فصلنامه انسان و محیط زیست، شماره 34 ، پاییز 94

 

تحلیلی بر روش­های مدل­سازی و شبیه­سازی گسترش آتش­سوزی در جنگل­ها

 

سعیده اسکندری[1]*

saeedeheskandari119@yahoo.com

 

چکیده

امروزه پدیده آتش­سوزی در عرصه­های جنگلی به­عنوان یکی از بلایای طبیعی بخش وسیعی از جنگل­های جهان را مورد تهدید            قرار داده است. با توجه به اثرات مخرب آتش­سوزی بر جنگل، انجام تحقیقاتی که با استفاده از روش­های نوین بتوانند گسترش آتش­سوزی را پیش­بینی کنند، بسیار ارزش‏مند است. این مطالعه به منظور بررسی روش­های مختلف مدل­سازی و شبیه­سازی گسترش آتش­سوزی     در جنگل­های جهان و  ایران انجام شده است. مدل­های ریاضی اساس برنامه­های کامپیوتری شبیه­سازی رفتار آتش می­باشند. این مدل­ها به چهار دسته مدل­های نظری، سیستم فیزیکی، تجربی و نیمه­تجربی تقسیم می­شوند. مدل­های نظری قابلیت تعمیم به           اکوسیستم­های مختلف را دارند، اما اعتبارسنجی آن‏ها مشکل است. مدل­های فیزیکی (سطحی، تاجی، زمینی، لکه­ای) با توجه به نوع آتش­سوزی­های جنگلی توسعه یافته­اند، اما این مدل­ها گاهی دارای دقت کافی نیستند و اعتبارسنجی آن‏ها مشکل است. مدل­های تجربی        به دلیل سهولت استفاده، بسیار کاربردی می­باشند، اما این مدل­ها فقط برای اکوسیستم­های با شرایط مشابه آن‏چه در فرمول­بندی و   آزمون مدل به کار رفته است، قابل اجرا می­باشند. مدل­های نیمه­تجربی به دلیل اعتبارسنجی آسان­تر، سادگی و سازگاری با          داده‌های رستری بسیار مورد توجه قرار گرفته­اند، اما عدم قابلیت برای آتش­سوزی­های تاجی و لکه­ای، برنامه­نویسی دشوار و لزوم            در دسترس بودن داده­های مورد نیاز برای همه پارامترهای مؤثر در مدل مربوطه، از معایب این مدل­ها می­باشد. با توجه به شرایط جنگل­های ایران مدل­های نظری، مدل­های فیزیکی آتش­سوزی سطحی و مدل­های نیمه­تجربی راترمل (Rothermel)، فارسایت (FARSITE) و اتوماسیون سلولی (Cellular Automata) می­توانند بهترین مدل­ها برای گسترش آتش­سوزی در جنگل­های ایران باشند.

 

کلمات کلیدی: گسترش آتش­سوزی، مدل­های نظری، مدل­های فیزیکی، مدل­های تجربی، مدل­های نیمه­تجربی.

 

 

 

مقدمه

 

امروزه آتش­سوزی جنگل­ها به عنوان یکی از بحران­های محیط­زیستی تلقی می­شود (1، 2) زیرا با منشأ طبیعی یا انسانی اثرات زیان­بار و ویران­گری به­طور مستقیم یا غیرمستقیم بر جوامع انسانی دارد و در صورت وقوع، تأثیر عظیمی           بر محیط­زیست، جنگل­ها، روستاها و ساکنان آن‏ها به دلیل تمرکز جمعیت می­گذارد (3، 4، 5، 6). اگرچه آتش­سوزی­های جنگلی جزء جدایی­ناپذیر این بوم­سازگان­ها هستند، اما        عدم‏کنترل آن‏ها ممکن است باعث خسارات اقتصادی و محیط­زیستی شدیدی شود (1، 7).

برای کاهش آسیب­های ناشی از آتش­سوزی جنگل (مانند         از بین رفتن منابع طبیعی، محیط‏زیست و حیات جنگل­نشینان) مدیران جنگل، مستلزم ارزیابی خطرات آتش­سوزی می­باشند (8). به دلیل سرشت ویران­گر آتش­سوزی، پژوهش­های در برگیرنده‌ی آتش‌سوزی‌های واقعی، غیرعملی است. به عنوان یک جایگزین، دانشمندان از مدل‌های شبیه­سازی[2] کامپیوتری بر اساس مطالعات میدانی، برای درک بهتر رفتار و اثرات آتش­سوزی استفاده می‌کنند (9).

سیاست‌های مقابله با حریق را می‌توان به دو دسته فعالیت‌های پیش­گیرانه و عملیاتی تقسیم نمود. اهمیت فعالیت‌های پیش­گیرانه از حریق از آن جهت است که می­توان با استفاده از آن‏ها قبل از وقوع حریق، اقدامات پیش­گیرانه، تعدیلی و اطلاع­رسانی­های لازم را برنامه­ریزی نمود. از طرف دیگر در صورت بروز آتش­سوزی در جنگل­ها، فعالیت‌های عملیاتی اهمیت پیدا می­کنند و در اینجا روش­های شناسایی به موقع آتش­سوزی در این عرصه­ها با استفاده از تصاویر ماهواره­ای مناسب (مانند مادیس) و همچنین مدل­های شبیه­سازی گسترش آتش­سوزی می­توانند به عنوان سیستم­های پشتیبان تصمیم­گیری به مدیران برای انتخاب بهترین روش اطفا و جلوگیری از پیش­روی حریق      کمک کنند. در اکثر موارد آتش­سوزی هنگامی شناسایی می­شود که مهار آن نیاز به صرف هزینه و زمان زیادی دارد. اما     از آنجایی­که آثار سوء آتش­سوزی قابل­توجه بوده و ترمیم و بازسازی منابع کاری زمان­بر و مشکل می­باشد، ضروری است    تا تلاش­های گسترده­ای برای شناسایی به موقع آتش با استفاده از تصاویر ماهواره­ای مناسبی مانند MODIS[3] صورت گیرد (10). چنان­چه آتش­سوزی در ساعات اولیه شروع، شناسایی و مهار شود، می­توان از نابودی بسیاری از جنگل­ها و منابع طبیعی جلوگیری کرد. از این رو شناسایی آتش در ساعات اولیه شروع آن حیاتی است (11). از طرف دیگر در هنگام وقوع آتش­سوزی، به دلیل کمبود وقت، لزوم تصمیم­گیری به موقع و واکنش سریع و همچنین افزایش فشار روحی مدیران، یک مدل شبیه­سازی معتبر بر اساس داده­های موجود، در این مرحله نقش مهمی ایفا می­کند. اجرای سیستم واکنش سریع  به یک حادثه آتش­سوزی، بر اساس تعداد زیادی پردازش به موقع و قابلیت دستیابی به داده­های ثابت و همچنین داده­های متغیر امکان­پذیر است (12). بنابراین سیستم­های شبیه­سازی اعتبارسنجی­شده در این مرحله می­توانند در نحوه اجرای عملیات اطفای حریق مؤثر باشند.

در مورد شبیه­سازی و مدل­سازی گسترش آتش­سوزی جنگل   در جهان، پژوهش­های مختلفی انجام شده و مدل­های مختلفی توسعه یافته­اند. در واقع برای پیش­بینی رفتار و گسترش آتش­سوزی، مدل­های عددی متعددی در مناطق مختلف دنیا     ایجاد شده­اند که می­توانند با GIS ادغام شوند؛ دانشمندان متخصص مطالعات آتش­سوزی در جنگل، مدل­های ریاضی گسترش آتش­سوزی را در چهار دسته مدل­های نظری، مدل­های فیزیکی، مدل­های تجربی و مدل­های نیمه­تجربی تقسیم­بندی می­کنند (شکل 1). زیرمجموعه­های این مدل­ها بسیار متنوع هستند و هر کدام بر اساس در دسترس بودن داده­های موردنیاز و شرایط منطقه موردمطالعه، کاربرد خاصی دارند.     به عنوان مثال مدل BEHAVE  (13) به طور گسترده­ای      در آمریکا مورد استفاده قرار می­گیرد، یا مدل CFFB که       در کانادا و مدل IGNITE که در استرالیا (14) به کار برده می­شوند. توسعه آتش­سوزی بر اساس اصل علمی Huggen توسطAndre  در سال 1994 (15) پیشنهاد شده که       توسعه آتش­سوزی را در مقیاس­های مکانی- زمانی کوچک، ملی و جهانی توصیف می­کند. مدل راترمل Rothermel (13)    برای گسترش آتش­سوزی­های سطحی تعریف شده و            به طور وسیعی به کار برده شده است. این مدل پایه و اساس بسیاری از سیستم‌های پشتیبانی تصمیم‌گیری آمریکای شمالی از قبیل FARSITE،BEHAVE  و SPREAD و سیستم ملی تحلیل مدیریت آتش‌سوزی[4] برای برنامه‌ریزی اقتصادی        بوده است. سرعت گسترش آتش­سوزی با استفاده از ترکیبی از مدل Rothermel، شکل آتش و الگوریتمی برای شبیه­سازی گسترش آتش­سوزی، در زمان واقعی تعیین می­شود. شبیه­ساز آتش­سوزی FARSITE نیز یکی از پرکاربردترین شبیه­سازهای گسترش آتش­سوزی از نظر زمانی و مکانی است و در آزمایشگاه علوم آتش­سوزی Missoula از خدمات جنگلداری USDA توسعه یافته است. این مدل یک مدل نیمه­تجربی است که بر اساس مدل گسترش آتش­سوزی سطحی راترمل Rothermel (13) کار می­کند. از اواخر دهه 90، شبیه­سازی گسترش آتش­سوزی جنگل با استفاده از مدل اتوماسیون سلولی، تحت سناریوهای مختلف آب و هوایی و توپوگرافی و در نظر گرفتن پارامترهای پوشش گیاهی و شرایط باد، جایگاه ویژه­ای در تحقیقات گسترش آتش­سوزی پیدا کرده است. استفاده از این مدل برای گسترش آتش­سوزی جنگل اگرچه برنامه­نویسی نسبتاً پیچیده­ای را می­طلبد، اما ساختار پایدار و سادگی آن باعث محبوبیت و کاربرد فراوان آن در مدل­سازی گسترش آتش­سوزی در سال­های اخیر شده است. این در حالی است که در مورد مدل­سازی و شبیه­سازی گسترش آتش­سوزی در جنگل­های ایران مطالعات محدودتری انجام شده است. با این حال طی سال­های اخیر (دهه 90 شمسی) برخی از پژوهش­ها در خصوص مدل­سازی گسترش آتش­سوزی در  ایران         انجام شده­اند که اغلب به صورت مطالعه موردی و محدود به جنگل­های هیرکانی، استان گلستان و شرق مازندران بوده­اند. این مطالعه به منظور معرفی و تحلیل مدل­های مختلف گسترش آتش­سوزی در جنگل و بررسی روش­های مختلف مدل­سازی و شبیه­سازی گسترش آتش­سوزی در جنگل­های جهان و ایران انجام شده است. ابتدا پژوهش­های مربوط به شبیه­سازی و مدل­سازی گسترش آتش­سوزی در جنگل­های جهان و ایران به تفکیک موضوعی ارایه می­گردند. سپس مهم­ترین مدل­های گسترش آتش­سوزی معرفی و تجزیه و       تحلیل شده و کاربردهای آن بررسی می­شود. درنهایت نتیجه­گیری در خصوص نقاط ضعف و قوت روش­ها و مدل­ها        ارایه شده و مناسب­ترین مدل­ها با توجه به شرایط آتش­سوزی در جنگل­های ایران معرفی می­شوند.

 

2- مطالعات موردی مدل­سازی و شبیه­سازی گسترش آتش­سوزی در جنگل

2-1- تحقیقاتی که از مدل­های مبتنی بر GIS و RS برای گسترش آتش­سوزی جنگل استفاده کرده­اند

Saidi (1999) مدل­های مختلف برای شبیه­سازی آتش­سوزی در جنگل­های Kounteidat الجزیره را در روی تصویر اسپات منطقه مورد آزمایش قرار داد. به همین منظور مدل­های شبیه­سازی متحدالمرکز (متأثر از قدرت باد)، شبه­مخروطی (متأثر از قدرت و جهت باد) و مدل گسترش آتش پلی­گونی (متأثر از سرعت و جهت باد، پوشش گیاهی و داده­های توپوگرافی)‌ با GIS مورد بررسی قرار گرفتند. نتایج نشان داد که مدل گسترش آتش­سوزی با استفاده از GIS به شکل یک چندضلعی (پلی­گون) است و نسبت به سایر مدل­ها با شکل طبیعی گسترش آتش­سوزی جنگل هم­خوانی بیش‏تری دارد زیرا همه عوامل مؤثر در گسترش آتش­سوزی جنگل در آن لحاظ شده است (16).

Lopes و همکاران (2002) با استفاده از نرم­افزار Fire Station   نحوه گسترش آتش­سوزی را در چند منطقه جنگلی پرتغال شبیه­سازی کردند و نتایج حاصله را با استفاده از واقعیت زمینی و عکس­های هوایی اعتبارسنجی نمودند. بدین ترتیب بر اساس نقشه­های آتش­سوزی تهیه­شده، مکان­یابی آتش­برها در سطح منطقه انجام شد. همچنین با تلفیق اطلاعات مربوط به نرخ خطر مناطق از نظر آتش­سوزی و نقشه­های حاصل از شبیه­سازی، نقشه­ای تهیه شد که در آن توزیع امکانات و نیروهای اطفای حریق بر اساس نیاز منطقه نمایش  داده شده است (17).

Thon و همکاران (2007) ابزاری را برای تصمیم­سازی و نقش پاک کردن بوته­های خشک و خاشاک باقیمانده در جنگل برای جلوگیری از گسترش آتش­سوزی طراحی کردند. آن‏ها    یک مدل سه­بعدی برای گسترش آتش­سوزی جنگل با استفاده از GIS طراحی کردند که امکان شبیه­سازی گسترش آتش را در محیط­های واقعی تحت شرایط مختلف پاک­سازی بوته­های خشک می­دهد. این مدل با نمایش هندسی و با استفاده از تصاویر توسط کاربر نشان داده می­شود. نتایج نشان داد که تحت شرایط مساوی، در صورت پاک­سازی جنگل از بوته­های خشک، شکل گسترش آتش تغییر پیدا کرده و مساحت مناطق متأثر از آتش­سوزی به طور قابل­توجهی کاهش خواهد یافت (18).

Rytwinski و Crowe (2010) مدلی بهینه برای شبیه­سازی انتخاب موقعیت آتش­برها برای به حداقل رساندن خسارات آتش­سوزی در جنگل­های شمال غربی Ontario کانادا با استفاده از GIS ارایه کردند. آن‏ها بیان داشتند که مشکل انتخاب موقعیت­های بهینه برای آتش­برها به دلیل عدم اطلاع از نقاط شروع آتش­سوزی و چگونگی گسترش آن در آینده است. نتایج نشان داد که ارتباط مکانی بین آتش­برهای انتخاب شده، فاکتور مهمی برای کاهش خطر آتش­سوزی در آینده است. همچنین روش مذکور در صورت دقیق انجام دادن محاسبات، می­تواند به عنوان مدل مناسبی برای تعیین بهترین مکان­های آتش­بر استفاده شود (19).

حسینعلی و رجبی (1384) مدل شبکه­ای نرمال را بر مبنای GIS با استفاده از پارامترهای مدل رقومی ارتفاع، خصوصیات احتراقی منطقه و باد، برای شبیه­سازی گسترش آتش­سوزی جنگل ارایه کردند. نتایج تحقیق نشان داد که مدل پیشنهادی به دلیل دارا بودن پارامترهای قابل تنظیم بیش‏تر نسبت به سایر مدل­های موجود، انعطاف­پذیری بیش‏تری از خود نشان می­دهد. برای تنظیم پارامترهای موجود در این مدل،      از دانسته­های فیزیکی درباره آتش و نتایج حاصل از آزمایشات استفاده شد. در نهایت، این مدل با توانایی انطباق با شرایط جوی گوناگون و انواع مختلف جنگل، از ویژگی­های ارزنده­ای نسبت به سایر مدل­ها برخوردار بود (20).

آخوندزاده و همکاران (1385) در تحقیق دیگری مدل­سازی و تشخیص گسترش آتش­سوزی جنگل با استفاده از تصاویر ماهواره­ای MODIS در ایران را مورد بررسی قرار دادند. پس از بررسی الگوریتم­های مختلف تشخیص آتش توسط تصاویر ماهواره­ای و با کمک باندهای مادون قرمز حرارتی MODIS، نقشه آتش­سوزی در تاریخ مشخصی برای ایران تهیه گردید. سپس با کمک لایه­های اطلاعاتی دیگر مانند مدل رقومی ارتفاع، نقشه پوشش اراضی[5]، نقشه احتراق و اطلاعات جهت و سرعت باد، روند گسترش آتش مورد تجزیه و تحلیل قرار گرفت. نتایج نشان داد که در صورت فراهم بودن منابع اطلاعاتی مورد نیاز، سامانه ارایه ­شده می­تواند به عنوان یک سامانه تصمیم­گیری در زمان بحران و وقوع آتش­سوزی، جهت انتخاب بهترین راهکار در کم‏ترین زمان، مورد استفاده مهارکنندگان آتش قرار گیرد (21).

2-2- تحقیقاتی که به مدل­سازی گسترش آتش­سوزی تاجی تأکید کرده­اند

Van Wagner (1977) یک مدل نیمه‌‌تجربی برای بدست آوردن سرعت گسترش آتش تاجی فعال و غیرفعال در جنگل‌های سوزنی­برگ کانادا ارایه داد. وی این نوع  پوشش گیاهی را به دلیل طبقه­بندی واضح آن و تنوع کم مواد سوختی در مقایسه با سایر مناطق طبیعی، انتخاب نمود. فاکتورهای مورد استفاده شامل نوع سوخت تاج، حجم تاج، تمایل تاج و باد بودند. نتایج اعتبارسنجی قابل قبول بود و بلافاصله مدل در سیستم‌های پیش‌بینی جهانی آمریکای شمالی استفاده گردید (22).

Rothermel (1991) (23) با استفاده از روش پیش‌بینی آتش سطحی اصلاح­شده توسط Albini وStocks  (1986) (24) و تجزیه و تحلیل گسترش هشت آتش­سوزی مهیب در شمال کوه‌های راکی (غرب ایالات متحده) بین دهه 60 و 80، یک رابطه آماری برای سرعت گسترش آتش تاجی فعال پیشنهاد کرد. وی تخمین زد که سرعت گسترش آتش تاجی فعال 34/3 بار بیش‏تر از سرعت پیش­بینی­شده توسط مدل خودش و ویژگی‌های محیط زیستی واقعی است. علاوه بر این، متغیرهای مؤثر بر رفتار آتش تاجی نظیر ارتفاع تاج، تراکم و رطوبت برگ، در مدل بکار گرفته نشدند. با این تجزیه و تحلیل می‌توان نتیجه گرفت که این مدل بایستی تنها                    در آتش‌سوزی‌های مشابه مورد مطالعه استفاده گردد.

Perminove  (2014) مدل­سازی ریاضی گسترش آتش­سوزی­های جنگلی تاجی را با استفاده از آتش­برها (جاده­ها و غیره) که مانعی برای گسترش آتش در جنگل هستند،        مورد بررسی قرار داد. هدف از این مطالعه، شبیه­سازی      شرایط گسترش آتش­سوزی­های جنگلی تاجی بود. توزیع مؤلفه­های اصلی در تاج پوشش جنگل (درجه­حرارت، غلظت گازها، حجم شاخ و برگ­ها و غیره) به صورت عددی در زمان­های مختلف بدست آمدند. با استفاده از این نتایج، رفتار آتش­سوزی­های جنگلی تاجی در حضور موانعی با اندازه محدود توصیف شدند (25).

Perminove (2015) راه­حل عددی برای گسترش آتش­سوزی­های جنگلی تاجی در اطراف فضاهای خالی میان جنگل ارایه داد. گسترش آتش­سوزی تاجی در یک جنگل کاج          با استفاده از یک مدل ریاضی سه­بعدی به صورت عددی شبیه­سازی شد. تنظیمات ریاضی مشکل­های احتمالی موجود، از طریق انتگرال­گیری سیستم­های سه­بعدی معادلات دیفرانسیلی و با توجه به مختصات عمودی بدست آمد، زیرا ابعاد افقی جنگل­ها بسیار بزرگ‏تر از ارتفاع درختان هستند. در نهایت بررسی­های نظری مشکل گسترش آتش­سوزی­های تاجی       در اطراف فضاهای خالی انجام شد. نهایتاً مدل­سازی ریاضی شرایط گسترش آتش­سوزی تاجی برای دستیابی به           تغییر درجه حرارت و غلظت اجزای اصلی در طول زمان و همچنین شرایط محدودکننده گسترش آتش­سوزی در جنگل    با استفاده از فضاهای خالی میان جنگل انجام شد (26).

2-3- تحقیقاتی که به بررسی رابطه بین متغیرها و سرعت گسترش آتش­سوزی جنگل پرداخته­اند

Sow و همکاران (2013) رفتار آتش و سوخ (پوشش گیاهی) را برای آتش­سوزی­های از قبل برنامه­ریزی­شده در ساوانا­های سودان و ساحل عاج آنالیز کردند. بدین منظور سه پارامتر کلیدی که باید هنگام آتش­سوزی­های برنامه­ریزی­شده در نظر گرفته شوند، شامل احتمال احتراق، سرعت گسترش و میزان سوخت مصرفی، بررسی شدند. بدین منظور 231 آتش­سوزی از قبل برنامه­ریزی­شده در سه بوم­سازگان ساوانا در Senegal برای مشخص کردن این سه پارامتر کلیدی در نظر گرفته شد. آنالیزهای رگرسیون لجستیک نشان داد که میزان رطوبت سوخت و رطوبت نسبی، پیش­بینی­کننده­های خوبی برای احتمال بروز آتش هستند. همچنین رگرسیون خطی چندگانه برایمشخص کردن ارتباط بین سرعت گسترش آتش، مصرف سوخت یا شدت آتش و سوخت (پوشش گیاهی) و شرایط آب و هوایی استفاده شد. درنهایت نمودارهای محاسباتی­ای برای مدیران جنگل بر اساس روابط معنی­دار، ایجاد شد. نتایج آزمون کروسکال- والیس برای مقایسه سرعت­های مشاهده­شده گسترش آتش­سوزی و سرعت­های پیش­بینی­شده گسترش آتش­سوزی با استفاده از مدل BehavePlus تفاوت معنی­داری را بین آن‏ها نشان نداد (27).

 Mozer و همکاران (2014) یک مدل قطعی- احتمالی برای گسترش آتش­سوزی جنگل ارایه دادند. مدل­سازی بر اساس گسترش آتش­سوزی از اولین عامل احتراق آتش­سوزی به سمت عوامل دیگری که اطراف عامل اولیه بودند، انجام شد. تعداد زیادی از پارامترهایی که در گسترش آتش­سوزی تأثیر دارند، مانند شدت آتش­سوزی، هندسه محیط و سوخت،     تعداد فضاها و منابع احتراق بررسی شدند. از آنجایی که     شدت آتش­سوزی و هندسه سوخت، نمونه­هایی از واقعیت بودند، انتخاب شدند. برای ارزیابی پارامترهای مذکور، مدل­سازی کامپیوتری  BRISK استفاده شد. برای هر کدام از متغیرها، مرزهایی که بیانگر فواصل زمانی متغیر بودند،  در نظر گرفته شد و از نظر آماری تعداد زیادی تکرار در برنامه اجرا شد. در هر کدام از تکرارها، یکی از متغیرها به صورت تصادفی در داخل یکی از مرزهای فواصل زمانی موردنظر آن متغیر تغییر می­کرد. بعد از تحلیل نتایج، احتمال گسترش آتش­سوزی برای آرایش­های فضایی خاص بدست آمد. مهم‏ترین نتیجه این تحقیق، احتمال گسترش آتش­سوزی از اولین عامل احتراق و هدایت به سمت تمام فضای سیستم بود (28).

Morales و همکاران (2015) یک مدل گسترش آتش­سوزی متغیر را برای شمال پاتوگونیای آرژانتین بر اساس نقشه­های وقوع آتش­سوزی طراحی کردند. فاکتورهای مورد استفاده شامل نقاط تقریبی وقوع آتش­سوزی، توپوگرافی، میانگین     جهت باد و پوشش­گیاهی موجود بودند. داده­های 9 آتش­سوزی که طی سال­های خشک در شمال پاتوگونیا اتفاق افتاده بودند، در این مدل آتش­سوزی استفاده شدند. نتایج نشان داد که آتش­سوزی در درختچه­زارها به سرعت گسترش می­یابد، درحالی­که در جنگل­ها گاهی مانند آتش­بر عمل می­کند. پارامترهای نمونه­برداری گسترش آتش­سوزی شبیه­سازی­شده در آتش­سوزی های منفرد، به طور کلی مشابه آن‏هایی بودند که در تناسب با مدل استفاده شده بودند. به علاوه مدل تناسب­سازی­شده از نظر ابعاد آتش­سوزی شبیه­سازی­شده، با پیشینه آتش­سوزی­های سال­های خشک در پارک ملی ناهل‏هاپی (Nahuel Huapi) تطابق خوبی نشان داد. مدل ارایه شده می­تواند برای مناطقی که هنوز مدل سوخت آن‏ها توسعه نیافته است،  مورد استفاده قرار گیرد (29).

نصیری و همکاران (1391) آتش­سوزی سطحی در جنگل­های آمیخته پهن­برگ هیرکانی را برای بررسی سرعت گسترش آتش با توجه به عوامل مؤثر شبیه­سازی کردند. سرعت گسترش آتش در شرایط مختلف از طریق شبیه­سازی سرعت­های مختلف باد، طبقات شیب، نوع لاشبرگ و ضخامت آن مورد اندازه­گیری     قرار گرفت. نتایج نشان داد که با افزایش سرعت باد و شیب، سرعت آتش­سوزی سطحی به­صورت تصاعدی افزایش یافته است. با افزایش ضخامت لاشبرگ نیز تا چهار سانتی­متر سرعت آتش­سوزی سطحی افزایش و از آن  به بعد کاهش می­یابد (30).

 

2-4- تحقیقاتی که با استفاده از مدلFARSITE     انجام شده­اند

Carmel و همکاران (2009) در تحقیق مشابه دیگری خطر آتش­سوزی در جنگل­های مدیترانه­ای کارنال فلسطین اشغالی با استفاده از شبیه­ساز Monte Carlo و مدل FARSITE در نرم­افزار Arcview شبیه­سازی کردند.  بدین منظور مدل مذکور برای شرایط مدیترانه­ای تغییر یافت و نتایج 500 نقشه پراکنش آتش­سوزی منطقه برای تولید یک نقشه هات­اسپات (مناطق پرخطر) آتش­سوزی روی­هم­گذاری شدند. نتایج نشان داد که در برخی موارد طرح کلی نقشه خطر آتش­سوزی با نقشه سوخت (پوشش گیاهی) منطقه هم­خوانی دارد؛ به طوری که اغلب مناطق پرخطر با جنگل­های کاج منطبق­اند. همچنین نتایج نشان داد که اغلب مناطق با خطر زیاد آتش­سوزی همان مناطقی هستند که قبلاً در آن‏ها آتش­سوزی اتفاق افتاده است که بیان­گر اعتبار بالای مدل    مورد استفاده است (31).

Rwanga و Ndambuki (2014) گسترش آتش­سوزی جنگل در شمال آمریکا را با استفاده از شبیه ساز FARSITE و GIS مدل­سازی کردند. در منطقه مورد مطالعه 80 درصد آتش­سوزی­ها ناشی از صاعقه و 20 درصد آن‏ها به­دلیل عوامل انسانی بودند. نقشه خطر آتش­سوزی جنگل با استفاده از تصاویر ماهواره ای لندست (Landsat) و تصاویر با قدرت تفکیک مکانی بالای گوگل‏ارث (Google Earth) تهیه شد. شبیه­ساز FARSITE برای پیش­بینی شدت آتش­سوزی   در سطح چشم انداز استفاده شد. نتایج نشان داد که ترکیب FARSITE و GIS برای شبیه­سازی گسترش آتش­سوزی جنگل می­تواند استراتژی مدیریتی قابل قبولی را برای کاهش خسارات ناشی از آتش­سوزی بر محیط زیست، زندگی و دارایی­ها و املاک ارایه دهد (32).

Jahdi و همکاران (2015) مدل گسترش آتش­سوزی FARSITE را با استفاده از مجموعه­ای از داده­های آتش­سوزی­های اتفاق­افتاده در جنگل­های شمال ایران کالیبره کردند. مدل­های سوخت ویژه در منطقه جنگلی مورد مطالعه از طریق نمونه­برداری انواع پوشش­های گیاهی اصلی و اختصاص مدل­های سوخت استاندارد انتخاب شدند. آتش­سوزی­های شبیه­سازی­شده، خروجی­های دقیقی را ارایه دادند که به طور دقیقی بازتاب رفتار و محیط آتش­سوزی­های واقعی مشاهده­شده بود. مدل­ سوخت استاندارد Scott و Burgan (2005) دقت بهتری را نسبت به مدل سوخت استاندارد Anderson (1982) در محیط آتش­سوزی شبیه­سازی­شده نشان داد. بیش‏ترین تناسب بین آتش­سوزی مشاهده­شده و منطقه سوخته شبیه­سازی­شده در مدل سوخت گیاهان علفی مشاهده شد. مدل­سازی آتش­سوزی با استفاده از شبیه­ساز FARSITE پتانسیل بالایی را برای برآورد قابلیت تغییر مکانی در رفتار و گسترش آتش­سوزی منطقه مورد مطالعه نشان داد (33).

 

2-5- تحقیقاتی که از روش اتوماسیون سلولی برای مدل­سازی گسترش آتش­سوزی جنگل استفاده کرده­اند

Karafyllidis وThanailakis (1997) یک مدل مبتنی بر اتوماسیون سلولی را برای پیش‌بینی گسترش آتش‌سوزی توسعه دادند که تحت سناریوهای مختلف آب و هوایی و توپوگرافی قابل استفاده بود. اگرچه نتایج حاصل از شبیه‌سازی‌ در مقایسه با انتظارات مناسب به نظر می­رسید، با این وجود کاستی‌هایی نیز در مدل وجود داشت. برای مثال درحالی که شکل جبهه آتش شبیه به جبهه مورد انتظار از آتش‌سوزی بود، موقعیت جبهه آتش اشتباه محاسبه می‌گردید (34).

Ntaimo و همکاران (2004) شبیه­سازی و گسترش آتش­سوزی جنگل را با روش [6]DEVS مدل­سازی کردند. این روش بر اساس تقسیم جنگل به مناطق کوچکی به نام سلول بود. گسترش آتش­سوزی بر اساس فرآیند انتقال  بین سلول­ها که باعث پیش­روی آتش می­شود، مدل­سازی شد. محاسبات هر سلول برای پتانسیل انتقال آتش­سوزی بر اساس مدل ریاضی گسترش آتش­سوزی Rothermel انجام شد. در این تحقیق یک طرح گسترش آتش­سوزی دوبعدی  برای مدل­های DEVS سلولی بر اساس مدل گسترش آتش­سوزی ریاضی Rothermel پیشنهاد شد. نتایج نشان داد که مدل ارایه شده، یک سیستم پشتیبان تصمیم­گیری را برای شبیه­سازی و پیش­بینی گسترش آتش در زمان واقعی فراهم کرده و امکان اطفای حریق در زمان واقعی را می­دهد (35). Bodrožic و همکاران (2006) گسترش آتش­سوزی جنگل در جزیره Brac را با استفاده از روش اتوماسیون سلولی و در نظر گرفتن پارامترهای پوشش گیاهی و شرایط باد مدل­سازی و شبیه­سازی کردند. نتایج نشان داد که این روش برای کاربردهای عملی سریع و رضایت­بخش است. همچنین شکل پیش­روی آتش در شبیه­سازی مشابه شکل پیش­روی آن در همان منطقه­ای است که در گذشته آتش­سوزی اتفاق افتاده‏است. در پایان اضافه کردن فاکتورهای مختلف مانند درجه­حرارت هوا، رطوبت هوا و رطوبت ماده قابل اشتعال به مدل شبیه­سازی، برای دقت بیش‏تر پیشنهاد شد (36).

Encinas و همکاران (2007) از مدل اتوماسیون سلولی مبتنی بر انتقال منطقه سوخته کسری استفاده کردند (37).  در واقع این مدل، بهبود یافته مدل پیشنهادی Karafyllidis وThanailakis (1997) (29) بود. در این مدل از اتوماسیون سلولی دوبعدی با سلول‌های شش­ضلعی استفاده شد. معیار‌های در نظر گرفته شده برای شبیه‌سازی آتش­سوزی شامل توپوگرافی، باد و سرعت گسترش آتش‌سوزی بود. در اکثر مدل‌های ارایه ­شده، دو نوع سلول‌های همسایه برای سلول مرکزی در نظر گرفته می‌شود، ولی در واقعیت  همه سلول‌ها به یک اندازه بر سلول مرکزی اثر دارند. در این تحقیق با ارایه سلول‌های شش­ضلعی، ناهمگونی بین سلول‌های همسایه از بین برده شد و برای هر سلول مرکزی، شش سلول در اطراف آن در نظر گرفته شد که اثری یکسان بر آن داشتند. مدل ارایه­­ شده تحت چند سناریوی متفاوت، کارآیی خود را در جنگل‌های فرضی نشان داد. خروجی سناریو‌ها با مدل Karafyllidis وThanailakis (1997) مقایسه شد که نشان‌دهنده سازگاری نسبی مدل ارایه شده با واقعیت بود (34).

Yassemi و همکاران (2007) رفتار آتش مبتنی بر اتوماسیون سلولی را با قوانین انتقال ساده و شهودی توسعه دادند. این تحقیق، مدل‌های قبلی اتوماسیون سلولی را با روشی واقع‌گرایانه و استفاده از قواعد انتقال خاص و منحصر به فردی که قادر به محاسبه دقیق گسترش آتش در داخل و بین سلول‌ها و همچنین هماهنگ‌سازی آتش با جهت باد و شیب بود، بهبود ‌بخشید. علاوه بر این، در این تحقیق ابزار مدل‌سازی مبتنی بر سیستم اطلاعات مکانی، برای فراهم کردن محیطی انعطاف­پذیر برای مدل‌سازی و تسهیل در نمایش نتایج شبیه‌سازی ارایه شد. درنهایت مقایسه­ای بین روش‌ اتوماسیون سلولی و رویکردهای گسترش آتش ارایه گردید (9).

Alexandridis و همکاران (2008) گسترش آتش­سوزی جنگل در جزیره اسپکت (Spect) یونان را با استفاده از روش اتوماسیون سلولی و بر اساس عواملی مانند نوع و تراکم پوشش گیاهی، سرعت و جهت باد، توپوگرافی و پدیده لکه‌ای، شبیه­سازی کردند. به منظور اعتبارسنجی روش اتوماسیون سلولی، نتایج این شبیه­سازی با آتش­سوزی مهیبی که در سال 1990 جزیره مذکور را سوزانده و بخش وسیعی از آن را نابود کرده بود، مورد مقایسه قرار گرفت. نتایج این مقایسه نشان داد که مدل پیشنهادشده مشخصات گسترش آتش­ را در زمان و مکان حادثه واقعی آتش­سوزی به طور صحیحی پیش­بینی می­کند و اعتبار بالایی دارد (38).

Moreno و همکاران (2011) در تحقیق مشابه دیگری الگوریتمی را برای پیش­بینی گسترش آتش­سوزی در مناطق جنگلی و شهری بر اساس فاکتورهای شیب و باد ارایه دادند که هدف آن عکس­العمل به موقع و سریع گروه­های اطفای حریق بود. روش شبیه­سازی گسترش آتش­سوزی بر اساس شبکه­ای   از سلول­های خودکار بود و آزمایشات در یک قطعه زمین 25/2 هکتاری انجام شد. نتایج نشان داد که گسترش آتش­سوزی    بر اساس مدل شبیه­سازی، با رفتار کلی آتش در شرایط مختلف هم­خوانی دارد. همچنین آتش­سوزی­ها با بادهای محلی، رطوبت و درجه­حرارت منطقه تغییر می­کنند (39).

Wang و همکاران (2014) گسترش آتش­سوزی­های مهیب در آمریکا را با استفاده از مدل اتوماسیون سلولی و ابعاد واقعی آتش­سوزی مورد بررسی قرار دادند. داده­های سری زمانی 31 آتش­سوزی مهیب اتفاق­افتاده در آمریکا در سال 2012 جمع­آوری شدند. ابعاد واقعی آتش­سوزی­های مهیب طی گسترش آتش­سوزی مطالعه شدند و مشخصات زمین­شناسی آن‏ها بررسی شد. مدل گسترش آتش­سوزی  براساس اتوماسیون سلولی ارایه شد و آنالیز عددی انجام­شده توافق مطلوبی از این مدل را با ابعاد و مقیاس واقعی داده­های تجربی نشان داد (40).

اسکندری (1392) گسترش آتش­سوزی در جنگل­های بخش سه نکا- ظالمرود با استفاده از مدل Alexandridis و روش اتوماسیون سلولی مدل­سازی کرد. پارامترهای تأثیرگذار بر گسترش آتش­سوزی پس از بومی­سازی مدل Alexandridis، شامل توپوگرافی، شیب، سرعت و  جهت باد، نوع و تراکم پوشش گیاهی بودند که در محیط GIS آماده­سازی و مورد تجزیه و تحلیل قرار گرفتند. نهایتاً مدل پیشنهادی گسترش آتش­سوزی با استفاده از روش همسایگی هشت­تایی Moore، برنامه‌نویسی مدل در محیطMATLAB  و فراخوانی لایه­های رقومی کلیه پارامترهای تأثیرگذار، برای  محدوده آتش سوزی­ای که در گذشته در منطقه اتفاق افتاده بود، پیاده­سازی شد. نتایج نشان داد که شکل جبهه گسترش آتش سوزی در مدل پیشنهادی شباهت زیادی به محدوده آتش­سوزی واقعی دارد که قابلیت مدل پیشنهادی با اتوماسیون سلولی را در پیش­روی جبهه گسترش آتش مشخص می­کند. همچنین دقت کلی و شاخص کاپای بدست آمده به ترتیب برابر 88/0 و 74/0 بوده که بیان­گر دقت پیش­بینی مدل گسترش آتش­سوزی و مطلوبیت روش اتوماسیون سلولی در مدل­سازی گسترش آتش­سوزی بود (41).

 

3- مدل­های گسترش آتش­سوزی جنگل[7]

مد‌ل‌های آتش‌سوزی، طیفی وسیع از بخش‌های علمی از قبیل جنگلداری، بوم­شناختی، شیمی اتمسفر (خارج شدن گازها)، مهندسی مکانیک (الگوهای انتشار آتش) و جغرافیا (تحلیل‌های مکانی وقوع آتش) را در برمی‌گیرد (42). مدل‌های ریاضی رفتار آتش­سوزی، مجموعه­ای از معادلات هستند که ارزش­های عددی برای یک یا چند متغیر از قبیل سرعت گسترش، ارتفاع شعله، خطر احتراق یا مصرف مواد‌ سوختنی ارایه می­دهند. این مدل­ها پایه و اساس مدل­ها و              برنامه­های کامپیوتری شبیه­سازی رفتار آتش می­باشند. مدل­های ریاضی آتش­سوزی جنگل، بر اساس سرشت معادلات       به چهار دسته مدل­های نظری، سیستم فیزیکی، تجربی و نیمه­تجربی تقسیم می­شوند (43) (شکل 1).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 1- مدل­های گسترش آتش­سوزی جنگل(36)

 

 


3-1- مدل­های نظری[8]

مدل­های نظری بر اساس قوانین مکانیک سیالات، انتقال گرمایی و اشتعال ساخته شده­اند. اعتبارسنجی این نوع مدل­ها بسیار مشکل می­باشد. با این وجود ممکن است برای انواع گسترده­ای از وضعیت آتش­سوزی تعمیم داده شوند (43). مزیت مدل­های تئوری، قابلیت تعمیم و سازگاری آنها برای بوم­سازگان­­های مختلف می­باشد؛ البته در صورتی که همه جوانب علمی رفتار آتش­سوزی توسط مدل در نظر گرفته شود. مدل­های تئوری کنونی معمولاً چنین جامعیتی ندارند، بخصوص که بسیاری از آن‏ها       درتشریح ترمودینامیکی رفتار آتش­سوزی فاقد کارآیی لازم هستند. با وجود اینکه بسیاری از مدل­های کاربردی کنونی مدل­های تجربی و نیمه­تجربی می­باشند، ولی به دلیل دشواری تعمیم      این مدل­ها، برخی تحقیقات به سمت مدل­های نظری گرایش    پیدا کرده است. مهم­ترین وجه یک مدل موفق آن است که ساخت آن بر اساس پژوهش­های نظری و کاربردی پی­ریزی شده باشد (44).

 

3-2- مدل­های سیستم فیزیکی[9]

سیستم فیزیکی از مواد سوختی با ارتفاع کمتر از دو متر تشکیل شده است که شامل درختان کوچک، بوته، پوشش گیاهی و تنه‌های افتاده درختان می‌باشد (43). مدل‌های ریاضی­ای که بر اساس مدل سیستم فیزیکی دسته‌بندی می‌شوند، شامل چهار گروه هستند که در ادامه تشریح می‌شوند.

3-2-1- مدل‌ آتش سطحی

 مدل‌سازی گسترش آتش­سوزی سطحی یکی از مهم­ترین تحقیقات انجام شده در مراکز تحقیقاتی در سراسر جهان طی پنج دهه گذشته بوده است. چندین مدل، متشکل از یک سری از معادلات مرتبط با پارامترهای محیط­زیستی در رفتار آتش‌سوزی، ارایه شده است. اهمیت این مدل‌ها در این واقعیت نهفته است که سیستم‌های محاسبه فعلی، بر اساس این مدل‌ها می‌باشند. با وجود تعداد زیاد مدل‌های ایجاد شده در این زمینه، تنها تعداد کمی از آنها در عمل موفق بوده‌اند. مدل گسترش آتش سطحی نمی‌تواند با راه­حل‌های قطعی، مدل شود، اما یکی از زمینه‌هایی است که یکی از اساسی‌ترین مفاهیم آتش‌سوزی دینامیک را فراهم نموده است. اثرات شیب، توپوگرافی و باد     در مکانیسم‌های انتقال حرارت در گسترش آتش‌سوزی و ویژگی‌های اصلی رفتار آتش، بخش بسیار قابل توجه از دانشی است که از مدل گسترش آتش سطحی به دست آمده است.

 

3-2-2- مدل‌ آتش تاجی

در این حالت، سیستم فیزیکی متشکل از سطح و وضعیت پوشش گیاهی از لحاظ ارتفاعی می‌باشد. در واقع پوشش گیاهی در راستای قائم طبقه‌بندی می‌شود. اگر جبهه آتش‌سوزی       در یک زمان، پوشش گیاهی قائم را بسوزاند، آتش‌سوزی تاجی در حال وقوع است. آتش‌‌سوزی­ای‌ که همراه با احتراق تاج صورت پذیرد، بسیار خطرناک می‌باشد و مبارزه با آن نیز بسیار دشوار است. با توجه به معادلات نظری یا تجربی، مدل‌سازی و اعتبارسنجی این نوع از آتش‌سوزی­ها بسیار پیچیده است، بنابراین به منظور مدیریت بهتر جنگل، باید دانش و اطلاعات    در مورد این نوع آتش‌سوزی افزایش یابد. با توجه به پیچیدگی موضوع، تا به امروز تنها چند مدل آتش‌سوزی تاجی ارایه     شده است که به طور کلی فقط یک راهنما می‌باشند و البته بسیار مهم است که جزییات، مورد تجزیه و تحلیل              قرار داده شود (43).

 

3-2-3- مدل‌ آتش زمینی

 در این نوع مدل‌ها، سیستم فیزیکی را مواد آلی جنگل که در اثر تخمیر در زیر بستر شکل می‌گیرند، تشکیل می‌د‌هند. تأثیر آتش‌سوزی‌های زمینی همانند آتش‌سوزی سطحی و       یا تاجی نیست و با سوختن بدون شعله و سرعت انتشار بسیار آرام مشخص می‌شود، با این حال مدل‌سازی این پدیده،         در راستای حفاظت از بوم­سازگان­‌های جنگلی امری ضروری      به نظر می‌رسد زیرا این نوع آتش‌سوزی‌ها، به نوبه خود خطرناک بوده و لایه مواد آلی خاک را به عنوان سوخت مصرف می‌کنند (45). این اثرات در فعالیت‌های حیاتی جنگل بسیار مضر هستند و متأسفانه مدیران آتش‌سوزی نمی‌توانند آن‏ها را با دقت کافی پیش‌بینی کنند.

 

3-2-4- مدل لکه‌ای

 در این مدل‌ها، سیستم فیزیکی متشکل از تکه‌هایی از مواد سوختنی مانند میوه درخت کاج است که در اثر گرما یا    به وسیله باد به محیطی دورتر از جبهه آتش‌سوزی منتقل می‌شوند و این امر سبب ایجاد نقاط احتراق جدید در منطقه می‌شود. به این پدیده اسپاتینگ[10] گفته می­شود. متأسفانه، تعداد محدودی مدل برای پدیده آتش­سوزی لکه‌ای وجود دارد،        با این حال و با وجود تعداد کم مدل‌های موجود، این مدل‌ها اطلاعات لازم برای پیش‌بینی آتش­سوزی را در اختیار قرار می‌دهند. مقادیر عددی فاصله­هایی که در آنها پدیده آتش­سوزی لکه‌ای مشاهده شده و همچنین احتمالات مرتبط        با احتراق، هدف اصلی مطالعات اثر آتش­سوزی­های لکه‌ای می‌باشد (43).

3-3- مدل­های تجربی[11]

مدل­های تجربی از همبستگی­های آماری استخراج شده       از آزمایشات یا مطالعات آتش­سوزی­های گذشته ساخته می­شوند (43). این مدل­ها فقط برای سیستم­هایی با شرایط مشابه آنچه    در فرمول­بندی و آزمون مدل به کار رفته است، قابل اجرا می­باشند و تعمیم آن‏ها برای سایر مناطق دشوار می باشد. مهم­ترین مدل     از این دسته مدل­ها، مدل پیش­بینی رفتار آتش کانادا[12] است       که بعد از مشاهده بیش از 500 آتش­سوزی آزمایشی و با استفاده از اطلاعات آتش­سوزی­های گذشته در دهه 80 میلادی        طراحی گردید. این مدل پایه و اساس برنامه Prometheus (46) و در پیوند با سیستم شاخص آب و هوای آتش­سوزی کانادا[13] می­باشد. مدل­های معروف دیگر از این دسته، مدل­های McArthur (47 و 48) در استرالیا می­باشند. McArthur براساس این مدل­ها و سنجنده‌های مورد استفاده در آمریکا در دهه 1950،               دو سنجنده[14] برای برآورد خطر آتش‌سوزی در تیپ‌های رویشی جنگل و مرتع و تعیین پارامترهای اصلی آتش­سوزی طراحی نمود که از همبستگی‌های آماری استخراج شده از حریق های آزمایشی، تهیه شده بودند.

سنجنده­های جنگل و مرتع McArthur اولین ابزارهایی هستند که توسط مدیران آتش­سوزی جنگل به کار رفته­اند (43).          این سنجنده­ها نوعی ابزار محاسبه متشکل از چهار صفحه هستند که در آنها متغیرهای گنجانده شده در پردازش­های ریاضی       ارایه شده­اند. سرعت گسترش آتش در یک جنگل یا مرتع،         بر اساس ارزش­های واقعی متغیرها با چرخش صفحات برآورد می­شود. این سنجنده­ها بر اساس مقادیر دما، رطوبت نسبی و    سرعت باد، ارزش­های عددی­ای را د برای متغیرهای          احتمال احتراق، سرعت گسترش و دشواری فرونشانی آتش        ارایه می­دهند. این ابزارها به دلیل سهولت استفاده و میزان دقت آن‏ها بسیار مورد توجه قرار گرفتند. این سنجنده­ها خطر نسبی وقوع آتش­سوزی را به صورت روزانه و در یک سطح بزرگ تشریح می‌کنند. با اینکه شکل اولیه مدل­های McArthur به صورت جدول یا سنجنده بوده، اما این مدل‌ها به معادلاتی تبدیل و            به شکل قابل استفاده برای شبیه‌سازی کامپیوتری نرخ خطر و رفتار آتش‌سوزی درآمده‌اند (49 و 50).

 

3-4- مدل­های نیمه­تجربی[15]

مدل­های نیمه­تجربی به صورت عبارات تجربی، کلی و ساده ارایه شده و با آزمایشاتی تکمیل شده­اند. تعمیم آن‏ها             برای وضعیتی مشابه آنچه در ساخت آن‏ها استفاده شده، به منظور کسب داده­های تجربی مناسب می­باشد. دشواری اعتبارسنجی آن‏ها کم‏تر از مدل­های تئوری می­باشد (43). مهم­ترین این نوع مدل­ها،‏مدل نیمه­تجربی گسترش آتش­سوزی سطحی Rothermel (13) می­باشد. مدل Rothermel (13) یکی از فراگیرترین مدل‌های مورد استفاده می‌باشد، که گسترش آتش را                 در سوخت‌های سطحی شبیه‌سازی می‌نماید. این مدل پایه و اساس بسیاری از سیستم‌های پشتیبانی تصمیم‌گیری آمریکای شمالی از قبیل FARSITE،BEHAVE  و SPREAD و    سیستم ملی تحلیل مدیریت آتش‌سوزی[16] برای برنامه‌ریزی اقتصادی می‌باشد (51). مدل Rothermel (13) به صورت نیمه­تجربی تهیه شد و از این رو بر شرایط تجربی (آزمایشی) متکی می­باشد. این مدل در مناطق و برنامه­های شبیه­سازی بسیاری به کار گرفته شده است. به عنوان مثال نسخه اصلاحی این مدل، اساس برنامه شبیه­سازی Fire Station (17) محسوب می­شود. مدل Rothermel (13) مشخصه­های محیطی آتش­سوزی شامل مشخصه­های سوخت، شیب و جهت باد را به عنوان ورودی در نظر می­گیرد و خروجی آن، سرعت گسترش آتش­سوزی سطحی       در امتداد جهت اصلی گسترش می­باشد. این مدل در مورد مکانیسم­های انتقال حرارت محدودیت­هایی دارد. از این رو نمی­تواند گسترش آتش­سوزی را در مواردی که آتش­سوزی لکه­ای      در اثر سوختن شاخه­ها رخ می­دهد، پیش­بینی نماید. همچنین قادر به پیش­بینی رفتار آتش­سوزی­های بزرگ و آتش­سوزی­های تاجی نمی­باشد.

مدل گسترش آتش­سوزی FARSITE نیز یکی از پرکاربردترین شبیه­سازهای گسترش آتش­سوزی از نظر زمانی و مکانی است که برای اولین بار در آزمایشگاه علوم آتش­سوزی Missoula            از خدمات جنگلداری USDA توسعه یافته است. این مدل نیز که یک مدل نیمه­تجربی محسوب می­شود، بر اساس مدل گسترش آتش­سوزی سطحی Rothermel (13) کار می­کند و بر اساس اصل گسترش موجی و شدت آتش­سوزی Huygens توسعه یافته است که معادله Byram (52) را برای شبیه­سازی گسترش آتش­سوزی به کار می­برد. FARSITE طی سال­های اخیر به کرات در آمریکا کالیبره شده و نه تنها برای تولید نقشه­های مکانی گسترش و رفتار آتش­سوزی، بلکه برای ارزیابی اثرات دستورالعمل­های جنگل­شناسی و موارد تیمارهای سوخت مختلف بر روی کاهش خطر آتش­سوزی جنگل به کار گرفته شده است. استفاده از مدل FARSITE در مناطق متفاوت از مناطقی که این مدل برای اولین بار توسعه پیدا کرده است، نیازمند کالیبراسیون محلی و اعتبارسنجی با استفاده از داده­های آتش­سوزی­های گذشته می­باشد و این اولین مرحله از کاربرد این شبیه­ساز برای مقیاس­های بزرگتر است.

اخیراً مدل دیگری به نام مدل FlamMap برای شبیه­سازی گسترش آتش­سوزی در جنگل­های اسپانیا و بسیاری از کشورهای اروپایی استفاده می­شود (53). برنامه FlamMap برای توسعه مطلوبیت مدل­های مذکور در سطح لندسکیپی ایجاد شد که داده­های ورودی مورد نیاز آن با استفاده از سیستم اطلاعات جغرافیایی نقشه­برداری می­شوند. داده­های ورودی مورد نیاز در سیستم FlamMap، همان مجموعه داده­های ورودی مکانی هستند که    در مدل شبیه­سازی گسترش آتش­سوزی FARSITE (13) استفاده می­شوند (53) و محاسبات رفتار آتش، به صورت مستقل برای هر سلول در وضعیت شبکه­ای[17] انجام می­شود (54).

نوع دیگر از مدل­های نیمه­تجربی، مدل اتوماسیون سلولی[18] می­باشد. در مدل اتوماسیون سلولی، منطقه به صورت یک          شبکه سلولی در نظر گرفته می­شود و آتش در این شبکه بر پایه یک مجموعه از قواعد معرف وضعیت سلول و با توجه به قابلیت اشتعال یا غیرقابل اشتعال بودن سلول، درجه پیشرفت متفاوتی خواهد داشت (43). این قواعد بر پایه مدل­های ریاضی تئوری و نیمه­تجربی هستند. روش اتوماسیون سلولی از یک شبکه دوبعدی با ابعاد کوچک برای منطقه جنگلی استفاده می­کند که به تعداد زیادی از سلول­ها تقسیم می­شود. در واقع هر سلول نشان دهنده قطعه کوچکی از زمین بوده و شکل آن معمولاً به صورت مربع انتخاب می­شود، در نتیجه هشت جهت برای گسترش آتش­سوزی وجود دارد. هر سلول معمولاً توسط چندین متغیر توصیف می­شود. مهم­ترین عواملی که بر میزان گسترش و شکل جبهه آتش­سوزی جنگل­ها تأثیر می­گذارند عبارتند از سوخت (تراکم پوشش گیاهی)، توپوگرافی جنگل (شیب و موانع طبیعی)، سرعت و جهت باد (38). Yongzhong و همکاران (2004) (55) و Trunfio (2004) (56) سلول‌های شش­ضلعی را به منظور کسب دقت بیش‏تر     در مورد رفتار مکانی آتش‌سوزی به کار گرفتند.نمایی کلی از اساس کار مدل­های مختلف گسترش آتش­سوزی جنگل،    نقاط ضعف و قوت و کاربردهای آن‏ها که در این بخش مورد بحث قرار گرفتند در جدول 1 نشان داده شده­ است.

 

4- مدل مناسب گسترش آتش­سوزی برای جنگل­های ایران

با توجه به شرایط جنگل‏های ایران و سرشت آتش­سوزی       در این جنگل­ها که غالباً از نوع سطحی می­باشد، مدل­های نظری، مدل­های فیزیکی آتش­سوزی سطحی و مدل­های نیمه­تجربی راترمل، فارسایت و اتوماسیون سلولی می­توانند بهترین گزینه­ها برای مدل­سازی گسترش آتش­سوزی در جنگل­های ایران باشند. دلیل مناسب بودن مدل­های نظری، قابلیت تعمیم و سازگاری آن‏ها برای انواع گسترده­ای از وضعیت آتش­سوزی در بوم­سازگان­­های مختلف است و به همین علت به نظر می­رسد که برای شرایط گسترش آتش­سوزی در جنگل­های ایران     قابل استفاده باشند. مدل­ فیزیکی آتش­سوزی سطحی و       مدل­ نیمه­تجربی راترمل به دلیل اینکه بیش‏تر آتش­سوزی­ها     در جنگل­های ایران از نوع سطحی می­باشند، می­توانند برای این جنگل­ها کاربردی باشند. مدل فارسایت نیز به عنوان یکی از پرکاربردترین شبیه­سازهای گسترش آتش­سوزی از نظر زمانی و مکانی، در صورتی که مدل سوختی از جنگل­های ایران          در دسترس باشد و در صورت کالیبراسیون مناسب مدل می­تواند نتایج مطلوبی برای جنگل­های ایران در پی داشته باشد. ضمن اینکه کاربرد آسان و شفاف این شبیه­ساز و قابلیت استفاده از آن برای انواع مختلف آتش­سوزی جنگل، بر مطلوبیت آن می­افزاید. مدل اتوماسیون سلولی نیز به دلیل ساختار پایدار، سادگی، سازگاری با داده­های رستری و اجرای آن از طریق اعمال یک سری قوانین ساده محلی بر روی پیکسل­ها (سلول­ها) می­تواند در صورت در دسترس بودن داده­های توپوگرافی، پوشش گیاهی و سرعت و جهت باد، قابلیت زیادی برای مدل­سازی گسترش آتش­سوزی در جنگل­های ایران داشته باشد.

 

 

 

 

 


4- بحث و نتیجه گیری

 

باتوجه به روند روزافزون آتش­سوزی در جنگل­ها از     یک طرف و محدود بودن سطح این منابع ارزشمند از طرف دیگر، توسعه روش­های مقابله با گسترش آن ها در جنگل­ها ضروری به نظر می­رسد. از آنجایی­که عوامل مختلفی در گسترش آتش­سوزی جنگل­ها تأثیرگذارند، مدل­سازی گسترش آتش­سوزی با توجه به کلیه فاکتورهای تأثیرگذار در رفتار آتش و با استفاده از یک مدل مناسب و دقیق، راهکار مناسبی برای پیش­بینی جهت پیشروی و گسترش آتش­سوزی در جنگل­ها است. از طرف دیگر با توجه به اینکه بیش‏تر عوامل تأثیرگذار بعد مکانی دارند، سیستم اطلاعات جغرافیایی  نقش مؤثری را در مدل­سازی مکانی گسترش آتش­سوزی ایفا می­کند. این مطالعه به منظور معرفی و تحلیل مدل­های مختلف گسترش آتش­سوزی در جنگل و بررسی  روش­های مختلف مدل­سازی و شبیه­سازی گسترش آتش­سوزی در جنگل­های جهان و ایران انجام شد.

بررسی مطالعات انجام­گرفته در خصوص مدل­سازی و شبیه­سازی گسترش آتش­سوزی جنگل در سطح جهان نشان می­دهد که تحقیقات اولیه از مدل­های مبتنی بر GIS و RS برای گسترش آتش­سوزی جنگل استفاده کرده­اند. نتایج مطالعات اولیه در خصوص شبیه­سازی گسترش آتش­سوزی  در جهان نشان می­دهد که مدل گسترش آتش­سوزی با استفاده از GIS معمولاً به شکل یک چندضلعی (پلی­گون) است و نسبت به سایر مدل­ها با شکل طبیعی گسترش آتش­سوزی جنگل هم­خوانی بیش‏تری دارد؛ زیرا همه عوامل مؤثر  در گسترش آتش­سوزی جنگل در آن لحاظ ­شده است. برخی از تحقیقات نیزگسترش آتش­سوزی تاجی را مدل­سازی کرده و برخی دیگر به بررسی رابطه بین متغیرها و سرعت گسترش آتش­سوزی جنگل پرداخته­اند. در دهه 80، مدل­های نیمه‌‌تجربی برای مدل­سازی گسترش آتش­سوزی جنگل مطرح شدند که غالباً کاربرد محلی داشتند. نتایج برخی تحقیقات انجام گرفته با شبیه­ساز فارسایت نشان داده که اغلب مناطق با خطر زیاد آتش­سوزی همان مناطقی هستند که قبلاً در آنها آتش­سوزی اتفاق افتاده است که بیان­گر اعتبار بالای مدل مذکور است. همچنین نتایج استفاده از این شبیه­ساز      در مطالعات دیگر نشان داده که ترکیب FARSITE و GIS برای شبیه­سازی گسترش آتش­سوزی جنگل می­تواند استراتژی مدیریتی قابل قبولی را برای کاهش خسارات ناشی از آتش­سوزی بر محیط زیست، زندگی و دارایی­ها و املاک ارایه دهد. از اواخر دهه 90، شبیه­سازی گسترش آتش­سوزی جنگل با استفاده از روش اتوماسیون سلولی، تحت سناریوهای مختلف آب و هوایی و توپوگرافی و در نظر گرفتن پارامترهای پوشش گیاهی و شرایط باد، جایگاه ویژه­ای در تحقیقات گسترش آتش­سوزی پیدا کرده است. طی تحقیقات مختلف در دهه گذشته، این مدل متناسب با  شرایط محلی جنگل­های جهان توسعه یافته و تغییراتی در ارتباط با قوانین انتقال، شکل سلول­ها و وضعیت سلول­های همسایه در آن اعمال شده است. نتایج کلی حاصله حاکی از آن است که این روش برای کاربردهای عملی، رضایت­بخش است. در تحقیقات اخیر، نتایج اعتبارسنجی روش اتوماسیون سلولی، از طریق مقایسه نحوه شبیه­سازی گسترش آتش با آتش­سوزی­های مهیب گذشته، نشان می­دهد که در اغلب موارد نحوه پیش­روی آتش در مدل شبیه­سازی، مشابه نحوه پیش­روی آن در همان منطقه­ای است که در گذشته آتش­سوزی اتفاق افتاده است که نشان­دهنده دقت بالای روش مذکور است. بررسی مطالعات انجام­گرفته در ایران نشان می­دهد که تحقیقات مربوط به مدل­سازی گسترش آتش­سوزی در کشور ما محدود بوده است. با این حال طی سال­های اخیر (دهه 90 شمسی) برخی از پژوهش­ها در خصوص مدل­سازی گسترش آتش­سوزی در  ایران انجام شده­اند که اغلب به صورت مطالعه موردی و محدود به جنگل­های هیرکانی، استان گلستان و شرق مازندران بوده­اند. در برخی از مطالعات انجام­گرفته در جنگل­های هیرکانی، سرعت گسترش آتش در شرایط مختلف از طریق شبیه­سازی سرعت­های مختلف باد، طبقات شیب، نوع لاشبرگ و ضخامت آن مورد اندازه­گیری قرار گرفته و نتایج نشان داده که با افزایش سرعت باد و شیب، سرعت آتش­سوزی سطحی به­صورت تصاعدی افزایش یافته است (30). نتایج تنها مطالعه موجود در خصوص کالیبراسیون مدل فارسایت برای جنگل­های شمال ایران نشان داده که آتش­سوزی­های شبیه­سازی­شده با این مدل، خروجی­های دقیقی را ارایه داده که به طور دقیقی بازتاب رفتار و محیط آتش­سوزی­های واقعی بوده است. بیش‏ترین تناسب بین آتش­سوزی مشاهده­شده و منطقه سوخته شبیه­سازی­شده در مدل سوخت گیاهان علفی مشاهده شده و در نهایت مدل­سازی آتش­سوزی با استفاده از شبیه­ساز FARSITE کالیبره شده، پتانسیل بالایی را برای برآورد قابلیت تغییر مکانی در رفتار و گسترش آتش­سوزی در جنگل­های شمال ایران نشان داده است (33). همچنین نتایج تنها مطالعه موجود با روش اتوماسیون سلولی نیز نشان داده کهشکل جبهه گسترش آتش­سوزی در مدل پیشنهادشده با اتوماسیون سلولی شباهت زیادی به محدوده آتش­سوزی واقعی دارد که قابلیت مدل پیشنهادی با اتوماسیون سلولی را درپیش­روی جبهه گسترش آتش مشخص می­کند. همچنین دقت کلی و شاخص کاپای بدست­آمده بیان­گر دقت پیش­بینی مدل گسترش آتش­سوزی و مطلوبیت روش اتوماسیون سلولی در مدل­سازی گسترش آتش­سوزی بوده است (41).

درنهایت با توجه به تحلیل­هایی که در این مطالعه انجام گرفت، مشخص شد که هر کدام از مدل­های ریاضی گسترش آتش­سوزی جنگل (مدل­های نظری، فیزیکی، تجربی و نیمه­تجربی) دارای معایب و مزایای خاص خود می­باشند. مدل­های نظری با وجود آنکه قابلیت تعمیم به اکوسیستم های مختلف را دارند، اما اعتبارسنجی آن‏ها مشکل است. مدل­های سیستم فیزیکی (سطحی، تاجی، زمینی و لکه ای) نیز با توجه به انواع مختلف آتش­سوزی­های جنگلی توسعه یافته­اند، اما این مدل­ها گاهی دارای دقت کافی نیستند و اعتبارسنجی آن‏ها نیز مانند مدل­های نظری مشکل است. در این میان مدل­های تجربی به دلیل سهولت استفاده، بسیار کاربردی می­باشند اما این مدل­ها فقط برای سیستم­هایی با شرایط مشابه آنچه در فرمول­بندی و آزمون مدل به کار رفته است، قابل اجرا می­باشند. مدل­های نیمه­تجربی به دلیل اعتبارسنجی آسان­تر، سادگی، سازگاری با داده‌های رستری و قدرت ارایه خروجی مناسب بسیار  مورد توجه قرار گرفته­اند، اما عدم قابلیت برخی از این مدل­ها برای آتش­سوزی­های تاجی و لکه­ای، برنامه­نویسی دشوار و لزوم در دسترس بودن داده­های مورد نیاز برای همه پارامترهای مؤثر در مدل مربوطه، در برخی موارد استفاده از آن‏ها را  محدود کرده است. همچنین با توجه به ماهیت نیمه­تجربی این مدل­ها و وابستگی نسبی آن ها به داده­های تجربی، معمولاً برای مناطق مشابه مناطقی که این مدل­ها برای اولین بار اجرا شده­اند، کارایی بالای دارند و استفاده از آن‏ها برای مناطق متفاوت از مناطقی که این مدل­ها توسعه پیدا کرده­اند، نیازمند کالیبراسیون محلی و اعتبارسنجی با استفاده از داده­های آتش­سوزی­های گذشته می­باشد.

با توجه به شرایط جنگل‏های ایران و سرشت آتش­سوزی       در این جنگل­ها که غالباً از نوع سطحی می­باشد، مدل­های نظری، مدل­های فیزیکی آتش­سوزی سطحی و مدل­های نیمه­تجربی راترمل، فارسایت و اتوماسیون سلولی می­توانند بهترین گزینه­ها برای مدل­سازی گسترش آتش­سوزی در جنگل­های ایران باشند. دلیل مناسب بودن مدل­های نظری، قابلیت تعمیم و سازگاری آن‏ها برای انواع گسترده­ای از وضعیت آتش­سوزی در بوم­سازگان­­های مختلف است و به همین علت به نظر می­رسد که برای شرایط گسترش آتش­سوزی در جنگل­های ایران قابل استفاده باشند. مدل­ فیزیکی آتش­سوزی سطحی و مدل­ نیمه­تجربی راترمل به دلیل اینکه بیشتر آتش­سوزی­ها در جنگل­های ایران از نوع سطحی می­باشند، می­توانند برای این جنگل­ها کاربردی باشند. مدل فارسایت نیز به عنوان یکی از پرکاربردترین شبیه­سازهای گسترش آتش­سوزی از نظر زمانی و مکانی، در صورتی که مدل سوختی از جنگل­های ایران در دسترس باشد و در صورت کالیبراسیون مناسب مدل می­تواند نتایج مطلوبی برای جنگل­های ایران در پی داشته باشد. ضمن اینکه کاربرد آسان و شفاف این شبیه­ساز و قابلیت استفاده از آن برای انواع مختلف آتش­سوزی جنگل، بر مطلوبیت آن می­افزاید. مدل اتوماسیون سلولی نیز به دلیل ساختار پایدار، سادگی، سازگاری با داده­های رستری و اجرای آن از طریق اعمال یک سری قوانین ساده محلی بر روی پیکسل­ها (سلول­ها) می­تواند در صورت در دسترس بودن داده­های توپوگرافی، پوشش گیاهی و سرعت و جهت باد، قابلیت زیادی برای مدل­سازی گسترش آتش­سوزی در جنگل­های ایران داشته باشد.

منابع

  1. Janbaz Ghobadi, Gh., Gholizadeh, B., Majidi Dashliburun, O., 2012. Forest Fire Risk Zone Mapping from Geographic Information System in Northern Forests of Iran (Case study, Golestan province). International Journal of Agriculture and Crop Sciences, Vol.  4 (12), pp. 818-824.
  2. Adab, H., Kanniah, K.D., Solaimani, K., 2013. Modeling forest fire risk in the northeast of Iran using remote sensing and GIS techniques. Natural Hazards, Vol. 65, pp. 1723-1743.
  3. پناهی، پ.، «کاربرد سنجش از دور در مدیریت آتش­سوزی جنگل». سمینار دوره دکتری علوم جنگل، دانشگاه مازندران، دانشکده منابع طبیعی، 1386؛ 20 صفحه.
  4. کاظمی، س. م.، 1384. «آتش و اکوسیستم­های جنگلی». ماهنامه دام و کشت و صنعت، جلد 70، صفحات 46-56.
  5. Podur, J., Martell, D.L., Knight, K., 2002. Statistical quality control analysis of forest fire activity in Canada. Canadian Journal of Forest Research, Vol. 32, pp. 195-205
  6. Wenliang, L., Shixin, W., Yi, Z., Litao, W. and Shujie, Z. 2010. Analysis of forest potential fire environment based on GIS and RS. Proceedings of 18th International conference on geo-informatics, pp. 1-6.
  7. Roman, M.V., Azqueta, D., Rodrigues, M., 2013. Methodological approach to assess the socio-economic vulnerability to wildfires in Spain. Forest Ecology and Management, Vol. 294, pp. 158-165.
  8. Mutlu, M., Popescu, S.C., Zhao, K., 2008. Sensitivity analysis of fire behavior modeling with LIDAR- derived surface fuel maps. Forest Ecology and Management, Vol. 256, pp. 289-294.
  9. Yassemi, S., Dragicevic, S., Schmidt, M., 2007. Design and implementation of an integrated GIS-based cellular automata model to characterize forest fire behavior. Ecological Modeling, Vol. 201, pp. 71-84.
  10. پورشکوری اله­ده، ف.، درویش­صفت، ع. ا.، صمدزادگان، ف.، سلیاری، ج.، «بررسی امکان کشف آتش فعال به کمک تصاویر سنجنده MODIS (مطالعه موردی پارک ملی گلستان)». مجموعه مقالات نخستین همایش بین­المللی آتش­سوزی در عرصه­های منابع طبیعی، 1390، گرگان، ایران،. 11.
  11. زهری، م.، رحیم­زادگان، م.، طایفی فیجانی، م.، تقی­زاده، ن.، صابری، ن.، علی­محمدی سراب، ع.، توکلی، ا.، اکبریان، م.، «صحت­سنجی محصولات آتش MODIS با استفاده از داده­های زمینی (مطالعه موردی گلستان)». مجموعه مقالات نخستین همایش بین­المللی آتش­سوزی در عرصه­های منابع طبیعی، 1390، گرگان، ایران، 9.
  12. Vakalis, D., Sarimveis, H., Kiranoudis, C.T., Alexandridis, A., Bafas, G.V., 2004. A GIS based operational system for wildland fire crisis management, I. Mathematical modelling and simulation. Applied Mathematical Modelling, Vol. 28 (4), pp. 389-410.
  13. Rothermel, R.C. 1972. A Mathematical Model for Predicting Fire Spread in Wildland Fires. USDA Forest Service Research, Paper INT-115, Ogden Utah, USA, 43 p.
  14. Lymberopoulos, N., Papadopoulos, C., Stefanakis, E., Pantalos, N., Lockwood, F. 1996. A GIS -Based Forest Fire Management Information System, 14 p.
  15. Andre, J.C.S., Viegas D.X., 1994. A strategy to Model the Average Fireline Movement of a Light to Medium Intensity Surface Forest Fire. Proceedings of the second International Conference on forest fire research, Coimbra, Portugal, pp. 221-242.
  16. Saidi, A.A., 1999. The use of the GIS into the Forest Fire prediction The Simulation Model. See information in: http://www.cs.wright.edu/~bwang/course/ceg434634/pa1.pdf
  17. Lopes, A.M.G., Cruz, M.G., Viegas, D.X., 2002. Fire station-an integrated system for the simulation of wind flow and fire spread over complex topography. Environmental Modelling & Software, Vol. 17, pp. 269-285.
  18. Thon, S., Remy, E., Raffin, R., Gesquière, G., 2007. Combining GIS and forest fire simulation in a virtual reality environment for environmental management. Agriculture, city and environment, Vol. 2 (4), pp. 741-748.
  19. Rytwinski, A., Crowe, K.A., 2010. A simulation-optimization model for selecting the location of fuel-breaks to minimize expected losses from forest fires. Forest Ecology and Management, Vol. 260, pp. 1-11.
  20. حسینعلی، ف.، رجبی، م. ع.، «شبیه­سازی آتش­سوزی جنگل با استفاده از سامانه اطلاعات مکانی». مجموعه مقالات همایش ژئوماتیک، 1384، تهران، ایران، 11.
  21. آخوندزاده، م.، سراجیان، م. ر.، رجبی، م. ع.، «تشخیص و مدل­سازی گسترش آتش­سوزی جنگل با کمک تصاویر ماهواره­ای MODIS». مجموعه مقالات اولین همایش مقابله با سوانح طبیعی، 1385، تهران، ایران، 9.
  22. Van Wagner, C.E., 1977. Conditions for the start and spread of crown fire. Canadian Journal of Forest Research, Vol. 7, pp. 23-34.
  23. Rothermel, R.C. 1991. Predicting behavior and size of crown fires in the Northern Rocky Mountains. USDA Forest Service Research, Paper INT-438, Ogden Utah, USA, 67 p.
  24. Albini, F.A. 1976. Estimating wildfire behavior and effects. USDA Forest Service, Technical Report INT-30, 40 p.
  25. Perminove, V., 2014. Mathematical Modeling of Crown Forest Fires Spread With Firebreaks. Recent Advances in Applied Mathematics, Modelling and Simulation. Proceedings of the 8th International Conference on Applied Mathematics, Simulation, Modelling (ASM '14), November 22-24, Florence, Italy.
  26. Perminove, V., 2015. Numerical Solution of Crown Forest Fire Spread around the Forest Glade. Advances in Information Science and Computer Engineering. Proceedings of the 9th International Conference on Computer Engineering and Applications (CEA '15), February 22-24, Dubai, United Arab Emirates.
  27. Sow, M., Hély, C., Mbow, C., Sambou, B., 2013. Fuel and fire behavior analysis for early-season prescribed fire planning in Sudanian and Sahelian savannas. Journal of Arid Environments, Vol. 89, pp. 84-93.
  28. Mozer, V., Wilkinson, P., Smolka, M., Tofilo, P., 2014. Probabilistic-deterministic modelling of fire spread.  European Journal of Environmental and Safety Sciences, Vol. 2(2), pp. 79-83.
  29. Morales, J.M., Mermoz, M., Gowda, J.H., Kitzberger, T., 2015. A stochastic fire spread model for north Patagonia based on fire occurrence maps. Ecological Modelling, Vol. 300, pp. 73-80.
  30. نصیری، م.، حجتی، س.م.، تفضلی، م.، 1391. «شبیه­سازی آتش­سوزی سطحی به­منظور بررسی سرعت گسترش آن در جنگل آمیخته پهن­برگ». فصلنامه تحقیقات جنگل و صنوبر ایران، جلد 20، شماره 1، صفحات 50-61.
  31. Carmel, Y., Paz, Sh., Jahashan, F., Shoshany, M., 2009. Assessing fire risk using Monte Carlo simulations of fire spread. Forest Ecology and Management, Vol.  257, pp. 370-377.
  32. Rwanga, S.S., Ndambuki, J.M., 2014. Application of geographical information systems and FARSITE in fire spread modeling. International Journal of Environment and Sustainable Development, Vol. 13 (2), pp. 185-203.
  33. Jahdi, R., Salis, M., Darvishsefat, A.A., Mostafavi, M.A., Alcasena, F., Etemad, V., Lozano, O., Spano, D., 2015. Calibration of FARSITE simulator in northern Iranian forests. Natural Hazards and Earth System Sciences, Vol. 15, pp. 443-459.
  34. Karafyllidis, I., Thanailakis, A., 1997. A model for predicting forest fire spreading using cellular automata. Ecological Modelling. Vol. 99 (1), pp. 87-97.
  35. Ntaimo, L. Khargharia, B. Zeigler, B.P., Vasconcelos, M.J. 2004. Forest Fire Spread and Suppression in DEVS. Arizona Center for Integrative Modeling and Simulation, University of Arizona, 40 p.
  36. Bodrožic, L., Stipanicev, D., Šeric, M. 2006. Forest fires spread modeling using cellular automata approach. M.S. Thesis, University of Split, Split, Croatia, 80 p.
  37. Encinas, L.H., White, S.H., Rey, A.M., Sánchez, G.R., 2007. b. Modelling forest fire spread using hexagonal cellular automata. Applied Mathematical Modelling, Vol.31(6), pp. 1213-1227.
  38. Alexandridis, A., Vakalis, D., Siettos, C.I., Bafas, G.V., 2008. A cellular automata model for forest fire spread prediction: The case of the wildfire that swept through Spetses Island in 1990. Applied Mathematics and Computation, Vol. 204, pp. 191-201.
  39. Moreno, A., Segura, A., Korchi, A., Posada, J., Otaegui, O. 2011. Interactive Urban and Forest Fire Simulation with Extinguishment Support. Advances in 3D Jeo-Information Sciences. Springer Heidelberg Dordrecht London, New York, 294 p.
  40. Wang, S.L., Lee, H.I., Li, S.P., 2014. Fractal dimensions of wildfire spreading. Nonlinear Processes in Geophysics, Vol. 21, pp. 815-823.
  41. اسکندری، س.، «ارائه الگوی پتانسیل آتش­سوزی جنگل و گسترش آن با استفاده از RS و GIS، مطالعه موردی جنگل­های بخش سه نکا-ظالمرود». پایان­نامه دکتری علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی ساری، دانشکده منابع طبیعی، 1392؛ 159 صفحه.
  42. Arroyo, A.L., PascuaL, C., Manzanera, J.A., 2008. Fire models and methods to map fuel types: The role of remote sensing. Forest Ecology and Management, Vol. 256, pp. 1239-1252.
  43. Pastor, E., Zarate, L., Planas, E., Analdos, J., 2003. Mathematical models and calculation systems for the study of wildland fire behavior. Progress in Energy and Combustion Science, Vol. 29, pp. 139-153.
  44. مخدوم، م.، درویش صفت، ع. ا.، جعفرزاده، ه.، مخدوم، ع.، «ارزیابی و برنامه­ریزی محیط­زیست با سامانه­های اطلاعات جغرافیایی». چاپ سوم، مؤسسه انتشارات و چاپ دانشگاه تهران، 1386، 304 صفحه.
  45. Hartford, R.A. and Frandsen, W.H. 1992. When it’s hot, it’s hot etc. or maybe it’s not! (Surface flaming may not portend extensive soil heating). International  Journal Wildland Fire. 2: 139-44 pp.
  46. Prometheus, 2004. The Canadian wildland Fire Growth Model (CWFGM). see information in: http://www.firegrowthmodel.ca/
  47. McArthur, A.G., 1966. Weather and grassland fire behaviour. Forestry and Timber Bureau Leaflet 100. Commonwealth Department of National Development, Canberra, Australia, 87 p.
  48. McArthur, A.G., 1967. Fire behaviour in Eucaliptus forests. Forestry and Timber Bureau Leaflet 107. Commonwealth Department of National Development, Canberra, Australia, 89 p.
  49. Noble, I.R., Bary, G.A.V., Gill, A.M., 1980. McArthur’s fire-danger meters expressed as equations. Australian Journal of Ecology, Vol. 5, pp. 201-203.
  50. Sirakoff, C., 1985. A correction to the equations describing the McArthur forest fire danger meter. Australian Journal of Ecology, Vol. 10 (4), pp. 481- 491.
  51. Lundgren, S., Mitchell, W., Wallace, M., 1995. A status report on NFMAS an interagency system update project. Fire Management Notes, Vol. 55, pp. 11-12.
  52. Byram, G.M., 1959. Combustion of forest fuels. In: Davis, K.P., (Eds.). Forest Fire Control and Use. McGraw-Hill Book Company, New York, USA, pp. 61-89.
  53. Finney, M.A., 1998. FARSITE: Fire Area Simulator – model development and evaluation. USDA For. Serv. Res. Pap. RMRS-RP-4. 47 p.
  54. Finney, M.A., 2006. An Overview of FlamMap, Fire Modeling Capabilities. USDA Forest Service Proceedings, pp. 213-220.
  55. Yongzhong, Z., Feng, D., Tao, H., Liyu, W., Kegong, L., Xin, D., 2004. Heterogeneous landscape using an improved cellular automaton model. Simulating wildfire spreading processes in spatially Geoscience and Remote Sensing Symposium (IGARSS 04), Proceedings of 2004 IEEE International, pp. 3371-3374.
  56. Trunfio, G.A., 2004. Predicting wildfire spreading through a hexagonal cellular automata model. In: Sloot, P.M.A., Chopad, B., Hoekstra, A.G. (Eds.). Springer Verlag. Heidelberg, Berlin, Germany, pp. 385-394.

 


 


 

Analysis on Modeling and Simulation Methods of Fire Spread in the Forests

 

                                                                               Saeedeh Eskandari[19]

saeedeheskandari119@yahoo.com

 

Abstract

Nowadays, the phenomenon of forest fires as a natural disaster threatens a large part of the world's forests. Due to the devastating effects of fire on forest, Research conducted by using new methods to predict the spread of fire, is very valuable.This study has been done to investigate the different methods of fire spread modeling and fire simulation in the forests of the world and Iran. Computer programs are based on mathematical models in order to simulate fire behavior. These models are divided to four categories of theoretical models, physical systems, experimental models and semi-experimental models. Theoretical models have the ability for universalization to the different ecosystems, but their validation is difficult. Physical model (surface, crown, ground, spot) have been developed regarding to the type of forest fires, but these models often don’t have the enough accurate and their validation is difficult. The experimental models are very practical due to the ease of use, but they are applicable just for ecosystems which they have the similar conditions with that used in formulation and test of model. The semi-experimental models are taken into consideration because of easier validation, simplicity and compatibility with the raster data, but lack of ability for crown and spot fires, difficult programming and necessity of availability of the required data for all effective parameters are deficiencies of these models. The theoretical models, physical models of surface fire, semi-experimental models of Rothermel, FARSITE and cellular automata can be the best models for fire spread of Iranian forests regarding to conditions of these forests.

 

 

Keywords: Fire spread, Theoretical models, Physical models, Experimental models, Semi -Experimental Models

 

 

 



1- دانش­آموخته دکترای جنگلداری، دانشگاه علوم کشاورزی و منابع طبیعی، ساری، ایران.

[2]- Simulation

[3]- Moderate Resolution Imaging Spectroradiometer (MODIS)

[4] - National Fire Management Analysis System (NFMAS)

[5]- Land cover

[6]- Discrete Event System Specification (DEVS)  

[7]- Fire spread

[8]- Theory

[9]- Physical system

[10]- Spotting

[11]- Empirical

[12]- Fire Behave Prediction (FBP)

[13] - Fire Weather Index (FWI)

[14] -Meters

[15]- Semi-empirical

[16] - National Fire Management Analysis System (NFMAS)

[17]- Gridded landscape

[18]- Cellular Automata (CA)

[19] Ph.D in Forest Science, Department of  Forestry, Agricultural Science and  Natural Resources University, Sari, Iran.

  1. Janbaz Ghobadi, Gh., Gholizadeh, B., Majidi Dashliburun, O., 2012. Forest Fire Risk Zone Mapping from Geographic Information System in Northern Forests of Iran (Case study, Golestan province). International Journal of Agriculture and Crop Sciences, Vol.  4 (12), pp. 818-824.
  2. Adab, H., Kanniah, K.D., Solaimani, K., 2013. Modeling forest fire risk in the northeast of Iran using remote sensing and GIS techniques. Natural Hazards, Vol. 65, pp. 1723-1743.
  3. پناهی، پ.، «کاربرد سنجش از دور در مدیریت آتش­سوزی جنگل». سمینار دوره دکتری علوم جنگل، دانشگاه مازندران، دانشکده منابع طبیعی، 1386؛ 20 صفحه.
  4. کاظمی، س. م.، 1384. «آتش و اکوسیستم­های جنگلی». ماهنامه دام و کشت و صنعت، جلد 70، صفحات 46-56.
  5. Podur, J., Martell, D.L., Knight, K., 2002. Statistical quality control analysis of forest fire activity in Canada. Canadian Journal of Forest Research, Vol. 32, pp. 195-205
  6. Wenliang, L., Shixin, W., Yi, Z., Litao, W. and Shujie, Z. 2010. Analysis of forest potential fire environment based on GIS and RS. Proceedings of 18th International conference on geo-informatics, pp. 1-6.
  7. Roman, M.V., Azqueta, D., Rodrigues, M., 2013. Methodological approach to assess the socio-economic vulnerability to wildfires in Spain. Forest Ecology and Management, Vol. 294, pp. 158-165.
  8. Mutlu, M., Popescu, S.C., Zhao, K., 2008. Sensitivity analysis of fire behavior modeling with LIDAR- derived surface fuel maps. Forest Ecology and Management, Vol. 256, pp. 289-294.
  9. Yassemi, S., Dragicevic, S., Schmidt, M., 2007. Design and implementation of an integrated GIS-based cellular automata model to characterize forest fire behavior. Ecological Modeling, Vol. 201, pp. 71-84.
  10. پورشکوری اله­ده، ف.، درویش­صفت، ع. ا.، صمدزادگان، ف.، سلیاری، ج.، «بررسی امکان کشف آتش فعال به کمک تصاویر سنجنده MODIS (مطالعه موردی پارک ملی گلستان)». مجموعه مقالات نخستین همایش بین­المللی آتش­سوزی در عرصه­های منابع طبیعی، 1390، گرگان، ایران،. 11.
  11. زهری، م.، رحیم­زادگان، م.، طایفی فیجانی، م.، تقی­زاده، ن.، صابری، ن.، علی­محمدی سراب، ع.، توکلی، ا.، اکبریان، م.، «صحت­سنجی محصولات آتش MODIS با استفاده از داده­های زمینی (مطالعه موردی گلستان)». مجموعه مقالات نخستین همایش بین­المللی آتش­سوزی در عرصه­های منابع طبیعی، 1390، گرگان، ایران، 9.
  12. Vakalis, D., Sarimveis, H., Kiranoudis, C.T., Alexandridis, A., Bafas, G.V., 2004. A GIS based operational system for wildland fire crisis management, I. Mathematical modelling and simulation. Applied Mathematical Modelling, Vol. 28 (4), pp. 389-410.
  13. Rothermel, R.C. 1972. A Mathematical Model for Predicting Fire Spread in Wildland Fires. USDA Forest Service Research, Paper INT-115, Ogden Utah, USA, 43 p.
  14. Lymberopoulos, N., Papadopoulos, C., Stefanakis, E., Pantalos, N., Lockwood, F. 1996. A GIS -Based Forest Fire Management Information System, 14 p.
  15. Andre, J.C.S., Viegas D.X., 1994. A strategy to Model the Average Fireline Movement of a Light to Medium Intensity Surface Forest Fire. Proceedings of the second International Conference on forest fire research, Coimbra, Portugal, pp. 221-242.
  16. Saidi, A.A., 1999. The use of the GIS into the Forest Fire prediction The Simulation Model. See information in: http://www.cs.wright.edu/~bwang/course/ceg434634/pa1.pdf
  17. Lopes, A.M.G., Cruz, M.G., Viegas, D.X., 2002. Fire station-an integrated system for the simulation of wind flow and fire spread over complex topography. Environmental Modelling & Software, Vol. 17, pp. 269-285.
  18. Thon, S., Remy, E., Raffin, R., Gesquière, G., 2007. Combining GIS and forest fire simulation in a virtual reality environment for environmental management. Agriculture, city and environment, Vol. 2 (4), pp. 741-748.
  19. Rytwinski, A., Crowe, K.A., 2010. A simulation-optimization model for selecting the location of fuel-breaks to minimize expected losses from forest fires. Forest Ecology and Management, Vol. 260, pp. 1-11.
  20. حسینعلی، ف.، رجبی، م. ع.، «شبیه­سازی آتش­سوزی جنگل با استفاده از سامانه اطلاعات مکانی». مجموعه مقالات همایش ژئوماتیک، 1384، تهران، ایران، 11.
  21. آخوندزاده، م.، سراجیان، م. ر.، رجبی، م. ع.، «تشخیص و مدل­سازی گسترش آتش­سوزی جنگل با کمک تصاویر ماهواره­ای MODIS». مجموعه مقالات اولین همایش مقابله با سوانح طبیعی، 1385، تهران، ایران، 9.
  22. Van Wagner, C.E., 1977. Conditions for the start and spread of crown fire. Canadian Journal of Forest Research, Vol. 7, pp. 23-34.
  23. Rothermel, R.C. 1991. Predicting behavior and size of crown fires in the Northern Rocky Mountains. USDA Forest Service Research, Paper INT-438, Ogden Utah, USA, 67 p.
  24. Albini, F.A. 1976. Estimating wildfire behavior and effects. USDA Forest Service, Technical Report INT-30, 40 p.
  25. Perminove, V., 2014. Mathematical Modeling of Crown Forest Fires Spread With Firebreaks. Recent Advances in Applied Mathematics, Modelling and Simulation. Proceedings of the 8th International Conference on Applied Mathematics, Simulation, Modelling (ASM '14), November 22-24, Florence, Italy.
  26. Perminove, V., 2015. Numerical Solution of Crown Forest Fire Spread around the Forest Glade. Advances in Information Science and Computer Engineering. Proceedings of the 9th International Conference on Computer Engineering and Applications (CEA '15), February 22-24, Dubai, United Arab Emirates.
  27. Sow, M., Hély, C., Mbow, C., Sambou, B., 2013. Fuel and fire behavior analysis for early-season prescribed fire planning in Sudanian and Sahelian savannas. Journal of Arid Environments, Vol. 89, pp. 84-93.
  28. Mozer, V., Wilkinson, P., Smolka, M., Tofilo, P., 2014. Probabilistic-deterministic modelling of fire spread.  European Journal of Environmental and Safety Sciences, Vol. 2(2), pp. 79-83.
  29. Morales, J.M., Mermoz, M., Gowda, J.H., Kitzberger, T., 2015. A stochastic fire spread model for north Patagonia based on fire occurrence maps. Ecological Modelling, Vol. 300, pp. 73-80.
  30. نصیری، م.، حجتی، س.م.، تفضلی، م.، 1391. «شبیه­سازی آتش­سوزی سطحی به­منظور بررسی سرعت گسترش آن در جنگل آمیخته پهن­برگ». فصلنامه تحقیقات جنگل و صنوبر ایران، جلد 20، شماره 1، صفحات 50-61.
  31. Carmel, Y., Paz, Sh., Jahashan, F., Shoshany, M., 2009. Assessing fire risk using Monte Carlo simulations of fire spread. Forest Ecology and Management, Vol.  257, pp. 370-377.
  32. Rwanga, S.S., Ndambuki, J.M., 2014. Application of geographical information systems and FARSITE in fire spread modeling. International Journal of Environment and Sustainable Development, Vol. 13 (2), pp. 185-203.
  33. Jahdi, R., Salis, M., Darvishsefat, A.A., Mostafavi, M.A., Alcasena, F., Etemad, V., Lozano, O., Spano, D., 2015. Calibration of FARSITE simulator in northern Iranian forests. Natural Hazards and Earth System Sciences, Vol. 15, pp. 443-459.
  34. Karafyllidis, I., Thanailakis, A., 1997. A model for predicting forest fire spreading using cellular automata. Ecological Modelling. Vol. 99 (1), pp. 87-97.
  35. Ntaimo, L. Khargharia, B. Zeigler, B.P., Vasconcelos, M.J. 2004. Forest Fire Spread and Suppression in DEVS. Arizona Center for Integrative Modeling and Simulation, University of Arizona, 40 p.
  36. Bodrožic, L., Stipanicev, D., Šeric, M. 2006. Forest fires spread modeling using cellular automata approach. M.S. Thesis, University of Split, Split, Croatia, 80 p.
  37. Encinas, L.H., White, S.H., Rey, A.M., Sánchez, G.R., 2007. b. Modelling forest fire spread using hexagonal cellular automata. Applied Mathematical Modelling, Vol.31(6), pp. 1213-1227.
  38. Alexandridis, A., Vakalis, D., Siettos, C.I., Bafas, G.V., 2008. A cellular automata model for forest fire spread prediction: The case of the wildfire that swept through Spetses Island in 1990. Applied Mathematics and Computation, Vol. 204, pp. 191-201.
  39. Moreno, A., Segura, A., Korchi, A., Posada, J., Otaegui, O. 2011. Interactive Urban and Forest Fire Simulation with Extinguishment Support. Advances in 3D Jeo-Information Sciences. Springer Heidelberg Dordrecht London, New York, 294 p.
  40. Wang, S.L., Lee, H.I., Li, S.P., 2014. Fractal dimensions of wildfire spreading. Nonlinear Processes in Geophysics, Vol. 21, pp. 815-823.
  41. اسکندری، س.، «ارائه الگوی پتانسیل آتش­سوزی جنگل و گسترش آن با استفاده از RS و GIS، مطالعه موردی جنگل­های بخش سه نکا-ظالمرود». پایان­نامه دکتری علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی ساری، دانشکده منابع طبیعی، 1392؛ 159 صفحه.
  42. Arroyo, A.L., PascuaL, C., Manzanera, J.A., 2008. Fire models and methods to map fuel types: The role of remote sensing. Forest Ecology and Management, Vol. 256, pp. 1239-1252.
  43. Pastor, E., Zarate, L., Planas, E., Analdos, J., 2003. Mathematical models and calculation systems for the study of wildland fire behavior. Progress in Energy and Combustion Science, Vol. 29, pp. 139-153.
  44. مخدوم، م.، درویش صفت، ع. ا.، جعفرزاده، ه.، مخدوم، ع.، «ارزیابی و برنامه­ریزی محیط­زیست با سامانه­های اطلاعات جغرافیایی». چاپ سوم، مؤسسه انتشارات و چاپ دانشگاه تهران، 1386، 304 صفحه.
  45. Hartford, R.A. and Frandsen, W.H. 1992. When it’s hot, it’s hot etc. or maybe it’s not! (Surface flaming may not portend extensive soil heating). International  Journal Wildland Fire. 2: 139-44 pp.
  46. Prometheus, 2004. The Canadian wildland Fire Growth Model (CWFGM). see information in: http://www.firegrowthmodel.ca/
  47. McArthur, A.G., 1966. Weather and grassland fire behaviour. Forestry and Timber Bureau Leaflet 100. Commonwealth Department of National Development, Canberra, Australia, 87 p.
  48. McArthur, A.G., 1967. Fire behaviour in Eucaliptus forests. Forestry and Timber Bureau Leaflet 107. Commonwealth Department of National Development, Canberra, Australia, 89 p.
  49. Noble, I.R., Bary, G.A.V., Gill, A.M., 1980. McArthur’s fire-danger meters expressed as equations. Australian Journal of Ecology, Vol. 5, pp. 201-203.
  50. Sirakoff, C., 1985. A correction to the equations describing the McArthur forest fire danger meter. Australian Journal of Ecology, Vol. 10 (4), pp. 481- 491.
  51. Lundgren, S., Mitchell, W., Wallace, M., 1995. A status report on NFMAS an interagency system update project. Fire Management Notes, Vol. 55, pp. 11-12.
  52. Byram, G.M., 1959. Combustion of forest fuels. In: Davis, K.P., (Eds.). Forest Fire Control and Use. McGraw-Hill Book Company, New York, USA, pp. 61-89.
  53. Finney, M.A., 1998. FARSITE: Fire Area Simulator – model development and evaluation. USDA For. Serv. Res. Pap. RMRS-RP-4. 47 p.
  54. Finney, M.A., 2006. An Overview of FlamMap, Fire Modeling Capabilities. USDA Forest Service Proceedings, pp. 213-220.
  55. Yongzhong, Z., Feng, D., Tao, H., Liyu, W., Kegong, L., Xin, D., 2004. Heterogeneous landscape using an improved cellular automaton model. Simulating wildfire spreading processes in spatially Geoscience and Remote Sensing Symposium (IGARSS 04), Proceedings of 2004 IEEE International, pp. 3371-3374.
  56. Trunfio, G.A., 2004. Predicting wildfire spreading through a hexagonal cellular automata model. In: Sloot, P.M.A., Chopad, B., Hoekstra, A.G. (Eds.). Springer Verlag. Heidelberg, Berlin, Germany, pp. 385-394.