پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 154 |
| تعداد شماره‌ها | 5,835 |
| تعداد مقالات | 64,059 |
| تعداد مشاهده مقاله | 106,289,731 |
| تعداد دریافت فایل اصل مقاله | 83,182,344 |
عوامل تأثیرگذار بر وقوع حریق در مراتع نازلوچای ارومیه با استفاده از تکنیک DEMATEL | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| دوره 73، شماره 4، اسفند 1399، صفحه 786-801 اصل مقاله (1.7 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2020.296573.1455 | ||
| نویسندگان | ||
| مهشید سوری* 1؛ پیام نجفی2؛ جواد معتمدی3؛ سعیده ناطقی1 | ||
| 1استادیار پژوهشی، بخش تحقیقات مرتع، مؤسسۀ تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران. | ||
| 2دانش آموختۀ کارشناسی ارشد مرتع‌داری، دانشکدۀ منابع طبیعی، دانشگاه ارومیه، ایران. | ||
| 3دانشیار پژوهشی، بخش تحقیقات مرتع، مؤسسۀ تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران. | ||
| چکیده | ||
| پژوهش حاضر به‌‌منظور تعیین عوامل تأثیرگذار بر وقوع آتشسوزیها در مراتع کوهستانی نازلوچای، به‌‌عنوان یکی از حوزه‌‌های آبخیز منتهی به دریاچۀ ارومیه، انجام شد. برای شناسایی و تعیین عوامل مؤثر، از تکنیک ارزیابی تصمیمگیری استفاده شد. در این ارتباط، درصد شیب، جهت شیب، ارتفاع، نوع (ریختار) پوشش گیاهی، تراکم گونه‌‌های غالب، درصد پوشش تاجی، جمعیت نیروی انسانی، مجاورت با جاده، مجاورت با مناطق مسکونی، مجاورت با زمین‌های کشاورزی، مجاورت با منابع آبی، نوع شغل مردم بومی و کاربری فعلی اراضی، به‌‌عنوان معیارهای تأثیرگذار و تأثیر‌‌پذیر، مد نظر قرار گرفت. با تشکیل ماتریس میانگین، محاسبۀ ماتریس تأثیر روابط مستقیم بی‌‌مقیاس شده، محاسبۀ ماتریس کل (ماتریس مجموع تأثیرات مستقیم و غیرمستقیم) و محاسبۀ ماتریس میزان تأثیرگذاری و تأثیرپذیری، ترتیب میزان تأثیرگذاری و تأثیرپذیری هر یک از معیارهای ذکر شده، مشخص شد. بر مبنای نتایج، کاربری فعلی اراضی، بیشترین تأثیرپذیری (9308/3) و جهت شیب، کمترین تأثیرپذیری (0475/1) را بر پدیدۀ آتش‌‌سوزی‌‌های منطقه داشت. ضمن اینکه کاربری فعلی اراضی و جمعیت نیروی انسانی، به‌‌ترتیب تعامل بیشتری با سایر عوامل آتشسوزیها داشتند و وزن این عوامل بر وقوع پدیدۀ آتش‌‌سوزی، بیشتر بود. بر اساس نتایج بردار ارتباط که معرف قطعیت یک معیار به‌‌عنوان معیار تأثیرگذار است، مجاورت با جاده (43/1) و ارتفاع (6/0)، بیشترین تأثیرگذاری را بر مجموعه عوامل دیگر در زمینۀ وقوع حریق در مراتع منطقه داشتند. نتایج حاصل، می‌‌تواند به کارشناسان منابع طبیعی، در تهیۀ نقشه‌های ریسک آتش‌‌سوزی، کمک کند تا مرحلۀ پیشگیری حریق، آگاهانه‌‌تر و علمی‌‌تر انجام شود. هرچه اطلاعات ورودی نقشه‌های ریسک، دقیق‌تر باشد و تکنیکهای تصمیمگیری چند منظوره قوی‌تری بهکار برده شود، نقشه‌های ریسک دقیق‌تری تهیه می‌گردد. | ||
| کلیدواژه‌ها | ||
| پیشگیری حریق؛ تکنیکهای تصمیمگیری؛ مدیریت حریق؛ ارومیه | ||
| عنوان مقاله [English] | ||
| The Most Important Factors Influencing the Urmia Rangeland Fire Using DEMATEL | ||
| نویسندگان [English] | ||
| mahshid souri1؛ payam najafi2؛ javad motamedi3؛ saeedeh nateghi1 | ||
| 1Assistant Professor, Rangeland Research Division, Research Institute of Forests and Rangelands, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran. | ||
| 2M.Sc. Graduate of Range Management, Faculty of Natural Resources, University of Urmia, Iran. | ||
| 3Professor associated, Rangeland Research Division, Research Institute of Forests and Rangelands, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran | ||
| چکیده [English] | ||
| To determine these factors, the DEMATEL was used. To determine the most influential factors, several criteria such as slope, slope direction, height, type of cover, density of cover, percentage of cover, human population, proximity to roads, proximity to residential areas, proximity to agricultural lands, proximity to water resources, The type of employment of the natives and the use of the lands were used. The various steps of the decision evaluation method included forming the mean matrix, calculating the effect matrix of non-scaled direct relationships, calculating the total matrix (total direct and indirect effects matrix), calculating the impact matrix and the impact rate, and determining the order of effectiveness and impact. Based on the obtained results, among various factors, land use factor (3.9308) has the most impact and factor for slope has the least impact (1.0475) on the fire phenomenon. Based on the results of the present study, land use factors and human population have more interaction with other fire factors and the weight of these factors is more on the occurrence of fire phenomenon. Also, based on the results of the communication vector, which represents the certainty of a criterion as an influential criterion, the factors adjacent to the road (1.43) and height (0.6) have the greatest impact .The most important application of this information is the use of this information in the preparation of fire risk maps. | ||
| کلیدواژه‌ها [English] | ||
| Fire Prevention, Decision Making Techniques, Fire Management, Urmia | ||
| مراجع | ||
|
[1] Akinola, O. V. and Adegoke, J. (2018). Assessment of forest fire vulnerability zones in Missouri, United States of America. International Journal of Sustainable Development & World Ecology, 1–7. [2] Almedia, R. (1994). Forest fire risk areas and definition of the prevention priority planning actions using GIS. Proceedings of the Fifth European Conference and Exhibition on Geographic Information Systems, EGIS 94. Utrecht: EGIS Foundation, 2: 1700-1706. [3] Amiri, T. (2019). Determining the location of observation towers in the rapid detection of forest fires using the geographic information system, Journal of Mapping and Spatial Information Engineering, 10(2):1-11. [4] Burges, R. (2011). Development of a spatial, dynamic, fuzzy fire risk model for Chitwan District, Nepal. Geo-Information Science and Earth Observation for Enviromental Modeling and Management, 96 p. [5] Chavan, M.E., Das, K.K. and Suryawanshi, R.S. (2012). Forest fire risk zonation using Remote Sensing and GIS in Huynial watershed, Tehri Garhwal district, UA. International Journal of Basic and Applied Research, 2: 6-12. [6] Chuvieco, E., Aguado, I., Jurdao, S., Pettinari, M.L., Yebra, M., Salas, J., Hantson, S., de la Riva, J., Ibarra, P., Rodrigues, M., Echeverria, M., Azqueta, D., Roman, M.V., Bastarrika, A., Martinez, S., Recondo, C., Zapico, E., and Martinez-Vega, F.J. (2012). Integrating geospatial information into fire risk assessment. International Journal of Wildland Fire, 23(5): 606-619. [7] Çolak, E. and Sunar, F. (2020). Evaluation of forest fire risk in the Mediterranean Turkish forests: A case study of Menderes region, Izmir. International Journal of Disaster Risk Reduction, 45, 471-479. [8] Elmas, C. and Sonmez, Y. (2011). A data fusion framework with novel hybrid algorithm for multi-agent. Decision Support System for Forest Fire Cetin. Journal of Expert Systems with Applications, 38: 9225-9236. [9] Erten, E., Kurgun, V. and Musaolu, N. (2005). Forest Fire Risk Zone Mapping From Satellite Imagery and GIS, a Case Study: Civil Engineering Faculty, Journal of Remote Sensing Division, 15(3): 1-7. [10] Gandhi, S., Mangla, S.K., Kumar, P. and Kumar, D. (2015). Evaluation factors in implementation of successful green supply chain management using DEMATEL, A case study: Indian manufacturing company. International Journal of Strategic Management Review, 3(2): 96–109. [11] Gerdzheva, A.A. (2014). A Comparative analysis of different wildfire risk assessment models (a case study for smolyyan distric, Bulgaria). European Journal of Geography, 5(3): 22-36. [12] Han, Y. and Deng, Y. (2018). An enhanced fuzzy evidential DEMATEL method with its application to identify critical success factors. Journal of Soft Computing, 22(15), 5073–5090. [13] Jaiswal, R.K., Mukherjee, S., Raju, K.D. and Saxena, R. (2002). Forest fire risk zone mapping from satellite imagery and GIS. International Journal of Applied Earth Observation and Geoinformation, 4(1): 1-10. [14] Janbaz Ghobadi, GH., 2019. Investigation of forest fire risk areas in Golestan province based on fire risk index Using GIS, Iranian Journal of Space Analysis of Environmental Hazards, 6 (3):89-109. [15] Ju, Y., Wang, A. and You, T. (2014). Emergency alternative evaluation and selection based on ANP, DEMATEL, and TL-TOPSIS. Journal of Natural Hazards, 75(52): 347–379. [16] Kilic, H. and Yalcin, AS. (2020). Comparison of municipalities considering environmental sustainability via neutrosophic DEMATEL based TOPSIS. Socio-Economic Planning Sciences, Elsevier, 23, 117-128. [17] Konkathi, P., Shetty, A., Kolluru, V., Yathish, P. and Pruthviraj, U. (2019). Static Fire Risk Index for the Forest Resources of Karnataka. International Geoscience and Remote Sensing Symposium, 115-117. [18] Lozano, F.J., Suarez-Seoane, S., Kelly, M. and Luis, E. (2008). A multi-scale approach for modeling fire occurrence probability using satellite data and classification trees: A case study in a mountainous Mediterranean region, Journal of Remote Sensing of Environment, 112: 708-719. [19] Martinez, J., Vega-Garcia, C. and Chuvieco, E. (2009). Human caused wildfire risk rating for prevention planning in Spain. Journal of Environmental Management, 90(2): 1241–1252. [20] Mobarghai, N., Sherzei, GH.A. Makhdoum, M., Yavari, A.R. and Jafari, H.R. (2009). The Spatial Valuation Forests of Iran. Journal of Enviromental Science, 35(3): 57-68. [21] Mohammad Yazdi, A., Nedjati, E. and Zarei, R. (2020). A novel extension of DEMATEL approach for probabilistic safety analysis in process systems. Safety Science journal, 121, 119-136. [22] Naghipour, A. (2018). Forecasting the occurrence of fire using modeling of Bavar Lizin network in Chaharmahal and Bakhtiari province, Rangeland Scientific Research Journal, 13 (1): 90-100. [23] Sakellariou, S., Tampekis, S., Samara, F., Flannigan, M., Jaeger, D., Christopoulou, O. and Sfougaris, A. 2018. Determination of fire risk to assist fire management for insular areas: the case of a small Greek island Journal of Forestry Research, 13,178-188. [24] Sheng-Li, Si., Xiao-Yue, Y., Hu-Chen, L. and Zhang, P. (2018). DEMATEL Technique: A Systematic Review of the State-of-the-Art Literature on Methodologies and Applications. Mathematical Problems in Engineering Journal, 41, 127-136. [25] Thakur, A.K. and Singh, D. (2014). Forest Fire Risk Zonation Using Geospatial Techniques and Analytic Hierarchy Process in Dehradun District, Uttarakhand, India. Universal Journal of Environmental Research and Technology, 4(2): 82-89. [26] Tseng, M. L. (2009). A causal and effect decision making model of service quality expectation using grey-fuzzy DEMATEL approach. Journal of Expert Systems with Applications, 36, 7738-7748. [27] Tzeng, G.H. and Huang, J.J. (2011). Multiple Attribute Decision making methods and application, Taylor and Frncis Group. [28] Vadrevu, K.P., Eaturu, A., Badarinath. K. (2010). Fire risk evaluation using multi criteria analysis– a case study. Journal of Environmental Monitoring and Assessment, 166(2): 223–239. [29] Xue-qian, Sh., Moxian, S., Kai, H. and Wen, J. (2019). An improved evidential DEMATEL identify critical success factors under uncertain environment. Journal of Ambient Intelligence and Humanized Computing, 16 (3), 113-121. https://doi.org/10.1007/s12652-019-01546-1. [30] Yang, J.L. and Tzeng, G.H. (2011). An integrated MCDM technique combined with DEMATEL for a novel cluster-weighted with ANP method. Journal of Expert system with applications, 38(2): 1417- 1424. [31] Yiliadis, L.S. (2005). A decision support system applying an integrated fuzzy model for long-term forest fire risk estimation. Environmental Modelling and Software, 20(5): 613–621. [32] Zarrakar, A., Kazemi Zamani, B., Ghorbani, S., Ashegh Maala, M. and Jafari, HR. (2013). Spatial Distribution Mapping of Forest Fire Risk Using Decision Making Method Multi Criteria and GIS in Three Forest Areas of Guilan Province. Iranian Journal of Forest and Poplar Research, 21 (2): 230- 218. [33] Zhou, L., Dai, G., Qin, R., Tang, M. and Qiu, J. (2018). Risk Analysis of Gob Coal Spontaneous Combustion in Methane-Rich, Combustion-Prone Coal Seam Based on Intuitionistic Fuzzy DEMATEL. Journal of Failure Analysis and Prevention, 18(4), 975–987. | ||
|
آمار تعداد مشاهده مقاله: 185 تعداد دریافت فایل اصل مقاله: 120 |
||