تحلیلی بر روش های مدل سازی و شبیه سازی گسترش آتش سوزی در جنگل ها
Publish place: Human & Environment، Vol: 13، Issue: 3
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 76
This Paper With 23 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SRBAU-13-3_005
تاریخ نمایه سازی: 10 دی 1402
Abstract:
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 داده های 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 موثر 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.
Keywords:
Authors
سعیده اسکندری
دانش آموخته دکترای جنگلداری، دانشگاه علوم کشاورزی و منابع طبیعی، ساری، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :