اکولوژی کاربردی/ سال اول / شماره دوم / پاييز و زمستان ۱۳۹۱

پيشبيني وقوع آتشسوزي در جنگلها و مراتع با استفاده از شبکه عصب ي مصنوعي
(مطالعه موردي: جنگل هاي منطقه زاگرس، شهرستان ايذه)

سجاد عاليمحمودي سراب*، جهانگير فقهي۱ و بهمن جباريان اميري

(تاريخ دريافت: ۲۵/۷/۱۳۹۱ ؛ تاريخ پذيرش: ۱/۱۱/۱۳۹۱)

چكيده
723900819912

بدون شک يکي از عوامل م ؤثر بر وقوع و گسترش آتشسوزي در جنگل ها و مراتع، عوامل آب وهـوايي مـ يباشـد . هـدف از ايـ ن تحق يـق پيش بيني خطر آتش سوزي جنگلها و مراتع شهرستان ايذه با استفاده از شبکههاي عصب ي مصنوعي و داده هـاي آب وهـوايي شهرسـتان ا يـذه به صورت ماهانه بود . شهرستان ايذه در شمال غربي استان خوزستان واقع شـده و دارا ي آب وهـوايي ﹰ نـسبتا ني مـهخـشک اسـت . داده هـاي آتش سوزي شامل سطح سوخته شده و تعداد وقوع آتش سوزي از اداره کل منابع طب يعي استان خوزستان اخذ شد . نتايج اين تحق يق نشان داد، الگوريتم پرسپترون چندلا يه و تابع هاپربول يک در ايجاد ارتباط بين داده هاي آب وهوايي و وقوع آتشسوزي کارا بوده و شـبکه، مـدل ي بـا ۲ لايه مخفي و ۱۵ نرون بهتر ين صحت را نشان داد . براي پيشبيني وقوع آتشسوزي بهترين شبکه با مي زان ميانگين مربعات خطا ي نهايي برابـر ۰۰۳۸/۰ به دست آمد. با انجام تست اين شبکه مقدار ضر يب هبستگ ي ا ين شبکه به ۹۹/۰ و هم چنين مقاد ي ر ميانگين مربعات خطـا و م يـانگين مربعات خطاي نرمال شده(NMSE) بهترتيب حدود ۰۷۳/۰ و ۰۱۸/۰ به دست آمد. با استفاده از داده هايي که برا ي تست شبکه کنار گذاشـته شده بودند قدرت شبکه برا ي پيشبيني خطر آتش سوزي، تع يين شد و مقدار ضريب تعيين برا ي اين شبکه ۹۸/۰ = 2r به دست آمـد . در ادامـه تحقيق با استفاده از شبکه عصب ي برا ي تع يين نوع مدل بين دادههاي آبوهوايي و سطح سوخته شده، شبکه پرسپترون بـه مـدل ي بـا صـحت متوسط دست يافت. ميزان ضريب تعيين مدل برا ي پيشبيني سطح سوخته شده متوسط و حدود (۵۸=2r) به دست آمد.

واژههاي كليدي : آتشسوزي جنگل و مرتع، ايذه، شبکه عصب ي مصنوعي، پيشبيني خطر، پرسپترون، اقليم

۷۵
مقدمه
امروزه آتشسوزي جنگل از بلايـاي طبيعـي پيـشرو بـوده وهمه كشورها را در رابطه با اثرات آن نگران كرده است. آتش سوزيها، موضوعات قابل توجهي هستند كه هر ساله باعـثاحتراق ميليون ها هكتار از سطح جنگلهـا در سراسـر جهـانمي شوند. مؤثرترين راه براي كاهش خسارت ناشـي از آتـشسوزيهاي جنگل، يافتن سريع آتش و واكنش همه جانبه بـاتمام اقدامات حفاظتي ميباشد. مطالعات مختلفي بـه منظـوربهبـود پـيش بينـي زود هنگـام آتـشسـوزي و سيـستمهـاي تشخيص براي توسعه استراتژيهاي واكنش (پاسخ) در طـولزمان وقوع آتش سوزي انجـام شـده اسـت (۱۱ و ۱۴). هـرس ال ب ه ط ور متوس ط ح دود ۴ ميلي ون هکت ار از س طح جنگل هاي دنيا در اثر آتشسـوزي خـسارت مـيبيننـد (۲۴).
يکي از استانهاي کشور که به شدت در معرض ايـن تهديـدقرار دارد، استان خوزستان مي باشد. هر ساله اين استان دارايآتشسوزيهاي فراواني بوده و بيشترين اتفاق اين پديده نيـزدر عرص ه م ورد مطالع ه در اي ن تحقي ق م ي باش د. آم ار آتش سوزيهاي قبلي نشان ميدهد که فقط در طي سالهـاي۷۴ تا ۷۷ بالغ بر ۲۵۳۸ هکتار از جنگـلهـاي دسـتکاشـت،طبيعي و بيشهزار و حدود ۶۸۲/۱۰ هکتار از مراتع در اسـتانخوزستان طعمه حريق شدند (اداره کل منـابع طبيعـي اسـتانخوزستان، ۱۳۷۸).
سال ۱۳۸۱ تعداد ۶۳ فقره آتـش سـوزي بـه وسـعت ۶/۲۶۹ هکتار در سطح جنگل و مرتع اسـتان ايجـاد شـد کـه م يـانگين مساحت هر فقره آتش سـوزي ۸/۴۲هکتـار بـوده اسـت کـه درمقايسه با ۴ سال قبـل از آن (۳/۳۳) رشـد بـالايي داشـته اسـت(اداره کل منابع طبيعي استان خوزستان، ۱۳۸۱). در سال ۱۳۸۶، تعداد ۹۶ فقره آتش سـوزي در اسـتان در جنگـل هـاي طب ي عـي، دستکاشت، مراتع مشجر و مراتع اتفاق افتاد که سطحي معـادل۲/۲۱۶۹ هکتار از منابع طبيعي را از بـين بـرد (اداره کـل منـابعطبيعي استان خوزستان، ۱۳۸۶). يکي از شهرسـتان هـاي اسـتان خوزستان که هر سال اين پد يده را چندين بار بهخود م يبينيد و
۷۶
هم چنين از شهرستانهاي بحران ي از نظـر وقـوع ايـ ن پديـ ده در استان نيز م يباشد، شهرستان ايذه مـيباشـد . هـر سـال در ايـ ن شهرستان آتش سوزيهاي ز يادي اتفاق ميافتد به طوري که فقـططي سال هـاي ۱۳۸۹و ۱۳۹۰، ۳۷ فقـر ه آتـش سـوزي بـه وقـوعپيوست که سطحي بالغ بر ۱۴۸۰ هکتار از جنگلها و مراتع اين شهرستان را طعمه حريق نمود (اداره کـل منـابع طبي عـي اسـتانخوزستان، ۱۳۸۹ و ۱۳۹۰). آتش سـوزي در عرصـه هـاي منـابعطبيعي ا ين شهرستان، اغلب از فروردين تا آبان اتفاق ميافتد کهماههاي خرداد، تير و شهريور در برگيرنده ب يشترين تعداد وقـوعاين پد يـ ده اسـت و ب يـشتر ا يـن آتـش سـوزيهـا داراي دلا يـ ل نــامعلومي بــود (۶). از آنجــا کــه در ارتبــاط بــا مــديريت و برنامهريزي آتش سـوزي در سـازمانهـا و ارگـان هـاي مختلـفکشورهاي خارجي مطالعات و اقدامات اساسي صـورت گرفتـه
است، ولي مت أسفانه در ايـ ران آنطـور کـه با يـد بـه ا يـن مـس أله پرداخته نشده است. يکي از اولين اقدامات براي برخورد با ا يـن پديده تع يين عوامل مؤثر بر ايجاد و گـسترش آن مـيباشـد کـهبراي اين مهم بايد از متدها ي مؤثر و مناسب استفاده کرد.
عاليمحمودي و فقهي (۶ و ۷) در تحق يقي بررسـي زمـان وعلل وقوع آتشسوزي جنگل هـا و مراتـع در اسـتان خوزسـتاننشان دادند که طول دوره آتشسوزي در اين استان از فـرورد ين تا آبان بوده و بيشتر آتشسوزيهاي ثبت شـده دلا يـل نـامعلومداشته و فقط ۴/۴ درصد آتش سـوزيهـا دلا يـل عمـدي داشـتهاست. عاليمحمودي و همکاران(۶ و ۷) در تحق ي قـي بـا عنـوانتعيين سطح پوششي جنگل و مرتع خطر پذير نـسبت بـه خطـرآتشسوزي در شهرستان ايذه بر پايه فاکتور تراکم پوشـش گيـاهيبيان کردند که ۹/۲۶۵ هکتار از عرصههاي اين شهرسـتان پتانـسيلريسک آتش سوزي را دارند. بيرانوند و همکاران(۲) بـا اسـتفاده ازGIS به تعيين تعيين مناطق مـستعد آتـش سـوزي برسـاس عوامـلاقليمي پرداختند و بيان کردند که دمـا و بارنـدگي از عوامـل مهـمميباشند. رادپور و همکاران (۴) در تحقيق در باره کـاربرد شـبکهعصبي مصنوعي در پيشبيني تخمـين آتـش سـوزي بـا اسـتفاده از روشMLP و دادههاي اقليمي ب راي تخمين رطوبـت هـوا بيـان Pinus sylvestris L. در شمال سوئد دريافتند کـه مـرگ و ميـردرختان کاج و نوئل با قطر برابر سينه کمتر از ۱۰ سانتي متـر درمناطق سوخته، بيش از ۸۰% بود. اما در مورد درختـان قطـورتر،نرخ مرگ و مير با افزايش قطر کاهش يافت. مطالعات مختلفـي نيز بررو ي س يستمهاي پيشبيني خطر آتش سـوزي انجـام شـدهاست. اولين س يستم خطر آتـش سـوزي در اسـتراليا و سـپس درآمريکاي شمالي ثبت شد. اخيرﹰا ن يز از شـبکه عـصبي مـصنوعي براي تعيين فاکتورهاي موثر بر ايجاد و گسترش آتش سـوزيهـاجنگلها و مراتع رواج پيدا کرده اسـت (۱۸ و ۲۶). بريلينگـر وهمكاران با استفاده پيـ شنهاد دادنـد بـراي هـر منطقـه براسـاستارخچه آتش سوزي، ارتفاع از سـطح دريـ ا و داده هـايي مـشابهروزهاي آتشسوزي و روزهايي که آتش سـوزي نداشـت، يـ ک مدلي به دست آيد. در اين تحق يـ ق از داده هـاي اقل ي مـي اسـتفادهنشد.
کردند که شبکه کارايي مناسب داشـته و ميـزان ضـريب تعيـين يک س يستم پيش بيني کننده برا ي کشورهاي جهان سوم ضرورت (88.0 =2r) بـهدسـت آمـد. لينـدر و همكـاران(۲۰)بـا بررسـي دارد. تلاش براي انتخاب تعداد محدودي از ويژگيهاي کـه بـهمـرگ و مي ر درخت ان ب ر اث ر آت شس وزي در ي ک جنگ ل آساني قابل اندازهگيري باشند با هدف کاهش هزينههاي سيستم
الماس و همكاران(۱۸)در مطالعهاي با موضـوع “چـارچوبهمجوشي دادهها با الگوريتم تركيبي بـا اسـتفاده از چنـد عامـلسيستم پشتيباني تصميمگيري براي آتش سوزي جنگل “به نتـايج مؤثري برا ي پيش بيني خطر آتش سـوزي جنگـل دسـت يافتنـد . آرماندو و همكاران(۱۲)با استفاده توسـعه مکـانيزم شـبکه هـاي عصبي مصنوع ي و تصاوير ليدار بـه تعيـي ن خطـر آتـش سـوزي پرداختند. در اين تحق يق از شبکه تک لا يه استفاده شد. نتايج اين درصد نشان داد که صحت ايـ ن روش ۹۰ درصـد بـوده اسـت. سكار و همكاران(۲۶) در لبنان به تحقيقي بـا عنـوان پـيشبي نـي وقوع آتش سوزي جنگل بـراي کـشورهاي در حـال توسـعه بـااستفاده از دو پـارامتر اقلي مـي پرداختنـد. ايـ ن مطالعـه دو روشهوش مصنوع ي، شبکه هاي عـصبي و دسـتگاه بـرداري پـشت يبان براي استفاده از يک مجموعه کاهش يافته از پارامترهاي اقل ي مـي را مقا يسه کرده است. نتيجه استفاده از يک مجموعه پارامترهـا ي کاهش يافته با داشتن دقت پيشبيني کـافي و کـاهش هزينـه درو حفظ دقت آن مفيد م يباشد. در ع ين حال، انتخاب ويژگيهـابايد همبستگ ي زيادي با آتش سـوزي هـاي اتفـاق افتـاده داشـتهباشند. در هر دو الگوريتم پيش بيني خطر آتشسوزي، از بـارشو رطوبت نسبي برا ي برآورد خطر استفاده کردند . ارز يـابي ا يـن الگوريتمها، با استفاده از داده هاي آب و هوايي لبنـان، توانـايي آنها در پ يشبيني درستي خطر اتفاق آتش سوزي نشان داده شـد.
در اين مقاله که هدف پيش بيني اتفـاق آتـش سـوزي جنگـل بـاکاهش دادن تعدادي از ويژگي هاي اقلي مـي بـود، سـبب کـاهشخيل ي ان دکي در دق ت پ يشبين ـي ب روز اي ن پدي ده ش د.
مائدا و همكاران(۲۲) در برزيل با استفاده از تصاوير مـاهورهاي چن د طيف ي MODIS و ش بکه ع صبي ب ه پ يش بين ي خط ر آتش سوزي در نواحي جنگلي آمازون برزيل پرداختند. از شـبکهعصبي با پيشانتشار از دادههاي نواحي سوخته شده استفاده شدو ن تايج را با ميانگين مربعات خطا برابر ۰۷/۰ نشان دادنـد. آنهـانشان دادند که مدل ب هدست آمده يک هبستگ ي خوبي با منـاطقديگر براي پ يشبيني خطر وقوع اين پديده داشت . هم چنين بيان کردند که مدل شبکه عصبي يک روش سريع و نسبتﹰا دق يق برا ي پيش بيني خطر در منطقه مورد مطالعه ميباشد.
ايليدياس(۱۹) با استفاده از يک سيستم پشتيبان تصميم گيري و مدل رياضي منطق فازي به پيش بينـي خطـر آتـش سـوزي دريونــان پرداختنــد و نتيجــه کــار آنهــا ۱۲ آتــش ســوزي از ۲۰ آتشسوزي به وقوع پيوسته را نشان دادند. چنگ و وانگ(۱۵) با از دادههاي زماني – مکاني و روشMining و شبکههاي عصبيبــراي پــيش بينــي ســطوح ســوخته شــده اســتفاده کردنــد.
اوزبـايوگلو و همكـاران (۲۴) بـا اسـتفاده از داده اهـ ي اقليمـي، توپوگرافي، مح يط ز يستي، تعـداد و تنـوع درختـي در منطقـه و همچنين دادههاي آتش سوزيهاي اتفاق افتاده با کمک مدلهاي
مخت لـف شـاملfuzzy logic، SVM ،MLP, RBFN ،MLP بـهپيشبيني سطح سوخته شده در منطقه پرداختند. موارد بالا نشان
۷۷
ميدهند که پيش بيني وقوع اين پد يده از اهميـ ت بـسيار بـالايي برخوردار م يباشد و در صورت آگاهي از ميزان خطـر احتمـالي وقوع اين پد يده م يتوان برا ي برخورد مناسب بـا آن و درنتيجـهکاهش م يزان خسارات برنامهريزي نمود . با توجه به مرور منـابعانجـام شـده، شـبکهاهـ ي عـصبي از روشاهـ ي توانمنـد بـراي پيش بيني وقوع اين پد يده م يباشد. بنابراين بـا توجـه بـه مـواردذکر شـده هـدف ايـ ن تحق يـ ق پـ يشبي نـي خطـر وقـوع پد يـده آتشسوزي در شهرستان ايذه با کمک شـبکه عـصبي مـصنوعي است.

مواد و روشها منطقه مورد مطالعه
شهرستان ايذه در شمال شـرقي اسـتان خوزسـتان کـه داراي مساحتي برابر ۳۸۶۳ ک يلومترمربع، در ۳۱ درجـه و ۴۹ دق يقـه۳۴ ثان يه و ۳۱ درجه و ۳۷ دق يقه ۴۶ ثان يه شمالي و ۴۸ درجـهو ۴۰ دق يقه ۳۲ ثانيه و۵۰ درجه و ۰۸ دقيقه ۴۹ ثانيـ ه عرضـ ي نسبت به گرينويچ و ارتفاعي معادل ۸۳۵ متـر از سـطح دريـ ا است. اين شهرستان در منطقه رويشي زاگرس قـرار گرفتـه وداراي ۵/۳۹۶۹۷۳ هکتار جنگل و مرتع است (شکل ۱). براي بررسي اقليم اين شهرستان از دادههاي ايستگاه کل ي مـاتولوژي شهرستان ايذه ط ي دوره ۲۶ساله استفاده شد. م يـانگين مطلـقدرجه حرارت ماه يانه بين۰۲/ ۰تا ۵/۲۳ سانتيگراد و متوسـطبارندگي ماه يانه بـين ۰ تـا ۱۴۸ م ي لـي متـر متغيـ ر مـيباشـد .
هم چنين طول فصل خشکي در اين شهرسـتان حـدود ۵ مـاهاسـت کـه تقريبـا فـصل تابـستان فاقـد بارنـدگي مـيباشـد (نمودار،۱).

جمع آوري داده ها
بــراي انجــام پــژوهش حاضــر، از دا دههــاي تعــداد وقــوع آتش سـوزي و سـطح سـوخته شـده در جنگـلهـا و مراتـعشهرستان ايذه در طي سال هـاي ۱۳۸۷ تـا ۱۳۸۹ از اداره کـلمنابع طب يعي استان خوزستان استفاده شد (يگان حفظـت اداره
۷۸
کـل منـابع طبيعـي اسـتان خوزسـتان ۱۳۸۹، ۱۳۸۸، ۱۳۸۷). ه م چن ين، از داده اي آب و ه وايي ش امل دم اي مح يط (حداکثر، متوسط و حداقل)، رطوبت نسبي (حداکثر، متوسطو حـداقل)، سـرعت و سـمت بـاد، سـاعات آفتـابي، ميـزان بارندگي، تعداد روزهـاي دارا ي بارنـدگي و تعـداد روزهـاي بدون بارندگ ي به صورت ماهانـه اسـتفاده شـد. لازم بـه ذکـرمـي باشـد کـه ايـن داده اهـ ي آب و هـوا يي نيـز از سـازمان هواشناس ي ايران گرفته شد.

روش تحقيق
در اين تحق يق از شبکههاي عصب ي مصنوع ي استفاده شد. يک شبکه عصب ي مصنوعي ايدهاي است براي پـردازش اطلاعـاتکه از سيستم عصب ي ز يستي الهـام گرفتـه شـده و ماننـد مغـزانسان به پردازش اطلاعات مـي پـردازد . عنـصر کل يـد ي ا يـن ايــده، ســاختار جديــد سيــستم پــردازش اطلاعــات اســت (ميرزاوند، ۱۳۹۱). در اين تحقيق از آموزش بـا سرپرسـت وهم چنين اتصال پيشرو استفاده شد. در آموزش بـا سرپرسـتبه ازاي هر دسته از الگوهاي ورودي خروجي هاي متناظر نيـزبه شبکه نشان داده ميشود و تغيير وزنها تا موقعي صـورت ميگيرد که اختلاف خروجي شبکه به ازاي الگوهاي آموزشي از خروجي هاي مطلوب در حد خطاي قابل قبولي باشد. يکي از عمده ترين الگور يتمهاي ايـ ن روش پرسـپترون چنـد لايـ ه است(شکل ۲)، که براي پيشبينيهاي پد يدهها مورد اسـتفادهقرار م يگيرد (۸). پرسپترونها داراي اين مز يـ ت هـستند کـهيک الگور يت آم وزشي ساده دارند، ولـ ي دارا محدودييت هاي محاسباتي م يباشند (۳۰). تعـداد نـرون هـاي نهفتـه غالبـﹰا بـاآزمون و خطا تعيين م يگردد، بد ين صورت که شبکه با تعدادمتغير نرون هاي نهفته مث ﹰلا ۱، ۲ و يا ۳ برابر تعـداد متغي رهـاي ورودي مورد آموزش قـرار مـيگيـ رد (۲۷). سـپس، سـاختارشبکه با بهترين مورد اجرا ميشود. در اين تحق يـق بـا تعـدادنرونهاي مختلف شبکه مورد آزمون قرار گرفت و در نهايت شـبکه بـا ۱۵ نـرون در لايـهاهـ ي مخفـي بـه صـحت قابـل قبول رس يد. تعداد نرونهاي خروج ي برابر تعداد متغير خروج ي که يک (وقوع آتش سوزي و يا سطح سوخته شده) بود در نظـرگرفته شد . يکي از پارامترهاي م ؤثر بـر شـبکه عـصبي سـرعتيادگيري(Learning rate) ميباشد و سرعت آمـوزش بـالاتر بـهمعني آموزش سريع تر شبکه ميباشد.
انتخاب ارزش سرعت آموزش بسيار کوچک، باعث افزايش زمان اجرا ي شبکه ميگردد و انتخاب ارزشهاي ز يـ اد بـراي آننيز باعث دستيابي به نتايج ضعيفي م يشود. بنـابراين پيـ شنهاد شده است که ارزش سرعت يادگيري بين ۱/۰ تـا ۲/۰ انتخـابشود(۲۷). در اين مطالعـه بـا معرفـي مقـادير متفـاوت سـرعتيادگيري به شبکه در نهايت به ميزان ۱۹/۰ رسيد. تابع فعال کننده بين حاصل جمع وزن دهي شده واحدها در يـ ک لا يـ ه و مقـادير واحدهاي لا يـ ه بعـدي ارتبـاط برقـرار مـيکنـد . تانژانـت تـابعهايپربوليک به صورت زير ميباشد:

1762506-2002367

شهرستان ا
ي
ذه

شهرستان

ا

ي

ذه

شکل ۱. موقعيت شهرستان ايذه در کشور و استان

1210057-1879387

نمودار۱. مآمبروترماهيک شهرستان ايذه

γ( )c = tanh(c) =

((eecc−−e )eccاين تابع مقادير واقع ي را گرفته و آنهـا را بـه مقـاديري در بـازه (۱، ۱-) تبديل مـ يکنـد . پـارارمتر گـشتاور(Momentum rate) منجر به کاهش نوسانات ميشود. اين پارارمتر بـه شـبکه اجـازهميدهد تا علاوه بر تغييرات ش يب به تغييـ رات سـطح خطـا نيـ ز واکنش نشان دهـد و فرآينـد همپوشـاني داده هـاي آموزشـي وآزمايش سرعت ميدهد. با آزمون و خطاي اين م يزان، شـبکهاي با م يزان گشتاور ۷/۰ انتخاب شد. ميزان خطا ي قابل قبول بـراي اجراي شبکه ۰۰۱/۰ در نظر گرفته شد.

نتايج
عناصر اقل يمي مختلف ي بر روي وقوع و گسترش آتش سـوزي در عرصههاي طب يعي تأثير دارند . بهمنظور بررسـي همبـستگي بـين
۷۹
ns: معنيدار نبودن پارامتر، *: معنيدار بودن پارامتر
دادههاي اقل يمي و تعداد و سـطح آتـش سـوزي هـاي گذشـته ازآزمون همبستگ ي اسپ يرمن استفاده شد. نتايج آزمـون همبـستگي اسپيرمن بـين سـطح سـوخته شـده و متغي رهـاي اقل ي مـي مـوردبررسي در اين تحق يق نشان داده که فاکتورهـاي حـداکثر دمـا ومتوسط دما داراي همبستگ ي مثبت با سطوح سوخته دارند. نتايج اين تحق يق نشان داد که با افـزايش حـداکثر دمـا و بـه طبـع آنمتوسط دما ي مح يط سطح سـوخته شـده افـزايش يافتـه اسـت. هم چنين نتا يج اين آزمون بين تعـداد آتـش سـوزي و متغي رهـاي اقليمي مورد مطالعه نشان داد، که متغير حداکثر دما، متوسط دمـاو تعداد ساعات آفتابي داراي همبستگي مثبت و متوسط رطوبتنسبي و حداقل رطوبت نسبي داراي همبستگي منفـي بـا وقـوعآتشسوزي است يا به عبارتي هر چه حداقل و متوسط رطوبت۸۰

شکل ۲. الگوري تم يک پرسپترون- الگوريتم پرسپترون چندلايه(MLP)

سطح سوخته شده وقوع آتشسوزي *۰۲۰/۰و ۴۱۷/۰ *۰۰۰/۰و ۵۹۵/۰ متوسط دما
*۰۷۳/۰و ۱۲۶/۰ *۰۰۰/۰و ۶۰۷/۰ حداکثر دما
-۰/۲۶۰ و۰/۱۵۸ ns *۰۰۰/۰و ۳۹۵/۰- متوسط رطوبت نسبي
۰/۳۳۷ و۰/۴۶۳ ns *۰۲۸/۰و ۲۰۷/۰- حداقل رطوبت نسبي
-۰/۷۸۰ و۰/۳۳۴ ns *۰۲۴/۰و ۶۵۷/۰- حداکثر رطوبت نسبي
-۰/۶۰۸ و۰/۲۶۲ ns *۰۴۹/۰و ۲۲۴/۰ تعدا ساعات آفتابي
۰/۲۵۹ و۰/۱۵۹ ns -۰/۱۷۳ و۰/۲۲۶ ns ميزان بارندگي
۰/۲۲۷ و۰/۲۲۰ ns -۰/۲۰۶ و۰/۳۵۳ ns تعداد روزها ي دارا ي بارندگي
۰/۵۱۱ و۰/۴۵۱ ns ۲۶۷/۰و ۳۵۵/۰ تعداد روزهاي بدون بارندگي
4053842539582

جدول۱. ضرايب همبستگ ي اسپيرمن(r, P <0/05) بين متغيرهاي اقليمي و تعداد آتشسوزي و سطح سوخته شده آتشسوز
ي

پارامتر اقل

يم
ي

آتشسوز



قیمت: تومان


پاسخ دهید