יותר

כיצד לחשב סמל תאורה לניתוח סכנות הצתה באש?


אני עושה ניתוח סכנת הצתה באש באמצעות משוואה זו שמצאתי ב- Millington (2012) http://www.jmecology.com/wp-content/uploads/2014/03/33-42-MILLINGTON.pdf

IR = 4H + 3V + 2I - E

איפה:

H = נוכחות אנושית (כלומר בתוך 30 מ 'מכביש/שבילים) V = צמחייה I = תאורה E = גובה

הוא מבוסס בעיתון אחר של סאלס וצ'ובצ'ו (1994) שלא הצלחתי למצוא. הבעיה שלי היא רסטר התאורה. מצאתי קישור אחר שבו הם נותנים כמה הנחיות כיצד ליצור אותו, אך לא מצאתי התייחסות אחרת. http://ibis.geog.ubc.ca/courses/geob370/students/class06/fire/mce.html

האם אתה יודע היכן אוכל למצוא מידע הקשור לאופן יצירת הסמל הזה?


גיליתי שהתוסף Solar Analyst עבור ArcGIS יכול ליצור מפות קרינה, שהיא סינונים למפת התאורה שחיפשתי.


שיטות הערכת סכנות שריפת יער ותמיכה בהחלטות

סכנת שריפה ביער היא אחד ממקרי החירום העיקריים במדינות רבות בכל רחבי העולם. כדי לצמצם את ההשלכות, מנהלי יערות או שוטרי כיבוי משתמשים במניעה, על ידי הפחתת ביומסה, על ידי איתור צוותי לחימה באזורים חשופים או סיור. כדי להילחם באש ביעילות, הם משתמשים באמצעים מתאימים: משאיות, מטוסים, מסוקים, מעכבי אש. נקודת המפתח של מניעה ולחימה היא הערכת הסכנה, הניתנת לביצוע מנקודות מבט שונות ובסדרי זמן שונים: מנתונים היסטוריים, על ידי ניטור בזמן אמת או על ידי חיזוי. סקר של שיטות דירוג סכנות תפעוליות מציג שתי גישות: הערכת מדד גלובלי, שילוב של מספר היבטים של שריפות יער, או הערכה של קבוצת מדדים המייצגים בנפרד את הגורמים המרכזיים.

מאמר זה מתאר שילוב של שיטות הערכה, המשולבות במערכת תמיכה בהחלטות. ארבע שיטות משמשות, הקשורות להתרחשות שריפה, הערכת תדירות השריפות מנתונים היסטוריים, דליקות של דלקים מתים ודלקים חיים, מסחר התנהגות לאחר הצתה וחומרת האש, הערכת קושי הלחימה. שילוב שיטות אלה נעשה באמצעות גישה מבוססת ידע בשילוב עם מאגר מידע יחסי ו- GIS.


תַקצִיר

שריפת דשא היא סיבה להפרעה גדולה של מערכות אקולוגיות וכלכלות ברחבי העולם. מאמר זה חקר את ההשפעות המפריעות של שריפה על כר הדשא חולונבויר של האזור האוטונומי הפנימי במונגוליה שבסין. המחקר בחר משתנים להערכת סיכון אש באמצעות שילוב של שיטות איסוף והערכה של נתונים: מערכות מידע גיאוגרפיות, חישה מרחוק ונתונים של שנתון סטטיסטית. הערכת הנתונים הביאה לאחד עשר משתני קלט, אשר סווגו לחמש קטגוריות: דלק, אקלים אש, נגישות, גורמים אנושיים -חברתיים וטופוגרפיה. כל משתני ההסבר שולבו במודל ושימשו להערכת מדד הסיכון לשריפה של כר הדשא. בתוך המדד נוצרו ארבע קטגוריות, המבוססות על נתונים סטטיסטיים מרחביים, כדי להעריך כראוי את סיכון האש בהתאמה: קיצוני, גבוה, בינוני ונמוך. כמחצית (54.33%) משטח המחקר צפויים להיכנס לאזורי הסיכון הקיצוני או הגבוה. אחוזי השריפות בפועל בכל אזור סיכון לשריפה היו כדלקמן: קיצוניים, 46.49% גבוהים, 23.66% בינוניים, 17.06% ונמוכים, 12.79%. ממוצע התחזיות הנכונות מהמודל היה 76.30%. המודל והתוצאות עשויים לסייע בשיטות קבלת החלטות מרחביות ובאסטרטגיות לניהול כרעה מונעת.


גישה חדשה למידול סיכוני שריפת יער באמצעות AHP מטושטשת ו- GIS ביערות הורקאן באיראן

המחקר המוצג בוצע על מנת לדגמן את סיכון האש בחלק מיערות הורקאן באיראן. המערכות המטושטשות המשולבות בתהליך ההיררכיה האנליטית (AHP) באלגוריתם קבלת החלטות באמצעות מערכת מידע גיאוגרפית (GIS) שימשו למודל של סיכון האש באזור המחקר. הגורמים המשמשים כללו ארבעה קריטריונים עיקריים (טופוגרפיים, ביולוגיים, אקלימיים ואנושיים) ו -17 קריטריוני המשנה שלהם. שיטת AHP מטושטשת שימשה להערכת החשיבות (משקל) של הגורמים האפקטיביים באש שריפות. בהתבסס על שיטת דוגמנות זו, רעיונות המומחים שימשו לביטוי החשיבות והעדיפות היחסית של הקריטריונים ותתי הקריטריונים העיקריים בסיכון לשריפת יער באזור המחקר. פירוש הרעיונות של המומחים נותח על סמך ניתוח מידות מעורפל. לאחר מכן, התקבלו המשקלים המטושטשים של קריטריונים ותתי-קריטריונים. מודלי הקריטריונים העיקריים ומודל סיכון האש הוצגו על בסיס משקולות מטושטשות אלה. מצד שני, הנתונים המרחבים של 17 קריטריוני משנה נמסרו ומאורגנים ב- GIS לצורך קבלת מפות תת הקריטריונים. כל מפת משנה של קריטריון משנה הוסבה לפורמט רסטר והיא סווגה מחדש בהתבסס על הסיכון של כיתותיה להתרחשות אש. לאחר מכן, כל מפות תת הקריטריונים הוסבו לפורמט מטושטש באמצעות פונקציית חברות מטושטשת ב- GIS. המפה המטושטשת של כל קריטריון עיקרי (קריטריונים טופוגרפיים, ביולוגיים, אקלימיים ואנושיים) התקבלה על ידי שכבת-על משוקללת של מפות מטושטשות המשנה שלה בהתחשב במודל קריטריון מרכזי ב- GIS. לבסוף, המפה המטושטשת של סיכון האש התקבלה על ידי שכבת -על משוקללת של מפות מטושטשות קריטריונים עיקריים השוקלים מודל סיכון אש ב- GIS. מפת האש בפועל שימשה לאימות מודל סיכון אש ומפה. התוצאות הראו כי המשקל המשוער של קריטריונים אנושיים, ביולוגיים, אקלימיים וטופוגרפיים בסיכון לשריפה הוא 0.301, 0.2595, 0.2315 ו- 0.208, בהתאמה. התוצאות שהתקבלו ממפת סיכוני האש הראו כי ל -38.74% משטח המחקר יש סיכון גבוה וגבוה מאוד להתרחשות שריפה. תוצאות אימות מפת סיכוני השריפה הראו כי 80% מהשריפות בפועל נמצאו באזורי הסיכון הגבוה והסיכון הגבוה ביותר במפת סיכוני האש. זה יכול להראות את הדיוק המקובל של מודל סיכוני האש והמפה המתקבלת מ- AHP מטושטש במחקר זה. מפת סיכוני האש המתקבלת יכולה לשמש כמערכת תומכת החלטות לחיזוי השריפות העתידיות באזור המחקר.

זוהי תצוגה מקדימה של תוכן המנוי, גישה באמצעות המוסד שלך.


רשומות נתונים

מערכת הדירוג של FWI מתוארת בפירוט על ידי ואן וגנר 5. להלן מתוארים בקצרה מדדי סכנת האש שהזמינו בגלוי על ידי ECMWF, כולל קישורים לארכיונים הקשורים ב- Zenodo. בשל גודל הקובץ הגדול של כל אינדקס (כ -7 ג'יגה -בייט), אלה מאוחסנים בארכיון בנפרד. הגרסה מתעדכנת, לפחות פעם בשנה. העדכונים מורכבים מצירוף נתונים לשנה הקודמת לרשומות הקיימות או ממערך נתונים שנותח מחדש אם נמצא באג ותוקן. כל DOI המוזכר להלן מייצג את כל הגרסאות של כל מערך הנתונים (v2.2 הוא העדכני ביותר בזמן הכתיבה), והקישור תמיד יפתר לגרסה האחרונה.

מערך הנתונים מכיל שלושה מדדים של לחות הקרקע המחושבת עם קודים שונים בהתאם לעקביות הדלק:

ה קוד לחות דלק עדין (FFMC, Data Citation 1) הוא דירוג מספרי של תכולת הלחות של המלטה ודלקים עדינים אחרים שהתרפאו תופסים את שכבות מיטת הדלק הראשונות (שכבת פני השטח, עומק 1-2 ס"מ). קוד זה מהווה אינדיקטור לקלות ההצתה היחסית ולדליקות הדלק העדין. FFMC מאופיין בתגובה מהירה לשינויים במזג האוויר, עם זמן זמן של 2/3 של ימים בתנאים סטנדרטיים. דירוג ה- FFMC מוגדר בטווח שבין 2 ל -101, כפי שהציע ואן וגנר 5. ערך ההפעלה המוגדר כברירת מחדל של FFMC הוא, לפי המקובל, 85. מערך הנתונים של ניתוח מחדש שנחשב כאן מתקבל כמודל בודד החל מה -1 בינואר 1979. עם זאת, השנה הראשונה נמחקת כדי להתעלם מההשפעות של ספין המודל הראשוני- למעלה ולא מיושם כלל עונת התחלה עונתית (אותו דבר לגבי שאר המדדים).

ה קוד לחות של דאף (DMC, Data Citation 2) הוא דירוג מספרי של תכולת הלחות הממוצעת של שכבות אורגניות דחוסות באופן רופף בעומק בינוני (שכבת דאף, 5-10 ס"מ). קוד זה נותן אינדיקציה לצריכת הדלק בשכבות עוף מתונות וחומר עץ בינוני. DMC מאופיין בתגובה לטווח בינוני (כ-10-12 ימים) לשינויים במזג האוויר. הדירוג מוגדר בטווח שבין אפס לאינסוף, אולם ערך ההפעלה המוגדר כברירת מחדל מוגדר כ 6.

ה קוד הבצורת (DC, Data Citation 3) הוא דירוג מספרי של תכולת הלחות הממוצעת של שכבות אורגניות עמוקות וקומפקטיות (שכבת דאף עמוקה, 1–20 ס”מ). קוד זה מהווה אינדיקטור שימושי להשפעות הבצורת העונתיות על דלקות היער ולכמות ההשרפה בשכבות עוף עמוקות ובולי עץ גדולים. ל- DC יש תגובה ארוכת טווח (כ -50 יום) לשינויים במזג האוויר. הדירוג מוגדר בטווח שבין אפס לאינסוף, כאשר ערך ההפעלה המוגדר כברירת מחדל שווה ל -15.

מתוך חישובי לחות דלק מונעי מזג אוויר אלה, מודל ה- FWI מייצר את מדדי התנהגות האש הבאים:

ה מדד התפשטות ראשוני (ISI, Data Citation 4) הוא דירוג מספרי המודד את קצב ההתפשטות האש בשלביה הראשונים זמן קצר לאחר ההצתה. הוא משלב את השפעות הרוח וה- FFMC על קצב ההתפשטות ללא השפעה של כמויות משתנות של דלק. ISI מוגדר בטווח מאפס עד אינסוף.

ה בניית אינדקס (BUI, Data Citation 5) הוא דירוג מספרי של כמות הדלק הכוללת הזמינה לעירה. זהו שילוב משוקלל של DMC ו- DC ומוגדר בטווח מאפס עד אינסוף.

לבסוף, המודל מחשב את שני המדדים הבאים:

ה מדד מזג האוויר באש (FWI, Data Citation 6) משלב את ISI ו- BUI הנוכחי כדי לייצר מדד חסר יחידות של עוצמת אש כללית. הוא מוגדר בטווח מאפס עד אינסוף והוא מתאים כמדד כללי של סכנת אש.

ה דירוג חומרה יומי (DSR, Data Citation 7) הוא דירוג מספרי של הקושי לשלוט בשריפות. זהו טרנספורמציה לא לינארית של מדד מזג האש, שנועד להיות ביחס ישר יותר למאמץ הצפוי הנדרש לדיכוי אש. הוא נחשב גם כמתקן כאמצעי מזג האש בממוצע על פני שטח (כלומר אזור) וזמן (כלומר עונה).

כל מערכי הנתונים מחושבים באמצעות שלב זמן יומי על ידי אינטרפולציה של השדות האטמוספריים בצהריים המקומיים כאשר תנאי האש נחשבים לחמורים ביותר. אם פיקסל מכוסה שלג במשך יותר מ -20% משטחו, הערכים של ISI, BUI ו- FWI מתאפסים לאפס. זאת כדי להכיר בכך שבאזורי שלג יש לראות את הסיכון לאש. עם זאת חישוב קודי לחות הדלק (FFMC, DMC, DC) אינו מושעה. זה מרמז על כך שאין חורף אפריורי מיושם שכן ההחלטה על אורך, התחלה ועצירה של עונת האש נותרת למשתמש.

כל אינדקס מתאר היבט אחר של ההשפעה שיש ללחות הדלק ולרוח על ההסתברות להצתה באש והתנהגותה, אם יתחילו 5. לכן הם יכולים להיות בעלי תחומי יישומים שונים. עם זאת ראוי להדגיש כי מערכי נתונים אלה, בעודם מועסקים במידה רבה בבקרת וניהול אש, אינם מספקים שום אינדיקציה היכן עלולה להידלק שריפה. בחישוב אין מידע על הסבירות להידלקות, היות שהיא אנושית או טבעית ממוצא, נותרה תהליך סטוכסטי בלתי צפוי במיוחד.


רכישת נוף, ביקורת ועריכה

ישנן מספר גרסאות של נתוני LANDFIRE, כולל קבצי LCP (2001, 2008, 2010, 2012 ו- 2014). אתה יכול להעריך מה זמין בכל גרסה בעזרת טבלת השוואת הגרסאות שלה. אין כלי מקוון לעריכת הקבצים לפני ההורדה. ניתן לבקש קבצים שהורדו ב- Albers בארה"ב או בהקרנת UTM המקומית.

מערכת תמיכת החלטות באש Wildland (WFDSS)

כלי הניתוח ב- WFDSS (Basic, STFB, NTFB ו- FSPro) כוללים קבצי LCP הניתנים להורדה. משתמשים רשאים לערוך את קבצי LCP לפני ההורדה. קבצים שהורדו מגיעים עם הקרנת Albers מותאמת אישית שעשויה לדרוש מאמץ דחייה כלשהו לפני שילוב עם קבצי עיצוב בניתוח FARSITE ו- FLAMMAP. דוחות ביקורת LCP זמינים לצד קובץ ה- LCP.

מערכת תמיכת החלטות לטיפול בדלק בין -משרדי (IFTDSS)

IFTDSS משתמשת בכלים לניתוח מרחבי לתמיכה בניתוח סכנות, תכנון כוויות מרשם, הערכת סיכונים, טיפול בדלקים ותכנון אפקטים של אש. כלי הניתוח מבוססים בעיקר על מעבד FLAMMAP, ומשתמשים בנתוני LANDFIRE ומאפשרים למשתמש לערוך ולהוריד LCP מהפרויקטים שלו.


ניתוח סיכון של חיות בר ותופעות היסטוריות עבור שמירת ביוספירה מדיטרית, צ'ילס מרכזי.

האדם והביוספרה היא פלטפורמה מדעית של אונסק"ו שנוצרה בשנת 1971 לשיפור היחסים בין בני אדם וסביבתם. פלטפורמה זו פיתחה את הרעיון של שמורת הביוספרה (BR), ומאז 1976 הוקמו 615 BR ב -120 מדינות, המבקשות להיות מייצגות את המערכות האקולוגיות היבשתיות והמימיות של הפלנטה (אונסק"ו, 2015). BR הם אזורי מודל או "מעבדות לקיימות" ומטרתם לשלב שימור ביולוגי, פיתוח חברתי-כלכלי, שמירה על ערכים תרבותיים, שיפור איכות החיים וחלוקת ההטבות השוויונית הניתנת על ידי השטח (Borsdorf & Rosas, 2014).

חלק מהמערכות האקולוגיות בעלות עדיפות שימור גבוהה הן אלה הממוקמות באזורים ים תיכוניים. אף על פי שאזורים אלה מכסים פחות מ -5% משטח כדור הארץ, הם מארחים 20% מכל מיני צמחי כלי הדם בעלי רמה גבוהה של אנדמיזם (קאוולינג, רונדל, לאמונט, ארויו ואריאנואצו, 1996). באזורים עם אקלים ים תיכוני חיים גם כמות גדולה של אוכלוסייה אנושית, מה שאומר שהם היו נתונים להיסטוריה ארוכה של התערבות אנושית, כולל הרחבת שטחים עירוניים, שינוי השימוש בקרקע וכריתת יערות (מאיירס, מיטרמאייר, מיטרמאייר, דה פונסקה, אנד קנט, 2000).

האתגר העיקרי לניהול אזורים מוגנים הוא להבטיח קיימות לטווח ארוך באמצעות הגנה על הערך התרבותי והאקולוגי שלהם מפני לחצים אנושיים וטבעיים ניתנים לחיזוי ובלתי צפוי (Aretano et al., 2015). אחד הכוחות העיקריים שמשנים את השטחים הללו הוא התרחשותן של שריפות, היות והמערכות האקולוגיות בים התיכון פגיעות יותר ויותר בפני מפגעי אש בהקשר של שינויי אקלים (Bajocco & Ricotta, 2008 Carmona, Gonzalez, Nahuelhual, & amp Silva, 2012 Gill, Stephens, & amp Cary, 2013 Salis, Ager, Finney, Arca, & amp Spano, 2014 Darques, 2015 Levin, Tessler, Smith, & amp McAlpine, 2016). ניהול סיכוני השריפה באמצעות מניעה, בקרה ושיקום הם חיוניים לשלמות המערכות האקולוגיות, לרווחת האדם וליציבות הפעילות הכלכלית. על מנת לכמת את הסיכון לשריפת האש ולהפחית את השפעותיו, השימוש בכלים כגון מערכות מידע גיאוגרפיות (GIS) וחישה מרחוק נתמך מאוד על ידי חוקרים ומתרגלים (Frau, Valenzuela, Rojas, Hernadez, & amp Guajardo, 2006 Huesca, Litago , Merino-deMiguel, Cicuendez, & amp Palacios, 2014).

פותחו מתודולוגיות מרובות לחקר אפיון ההתפלגות המרחבית-זמנית של התרחשות שריפה על מנת לפרט ולאמת מודלים של סיכון לשריפה (Mitsopoulos, Mallinis, & Arianoutsou, 2014 Galiana & amp Karlsson, 2012 Saglam, Bilgili, Dincdurmaz, Kadiogulari, & amp Kucuk, 2008 Verbesselt, Fleck, & amp Coppin, 2002). בהתחשב בכך שאזורים ים תיכוניים מאוכלסים מאוד, יש חשיבות עליונה לאפיין את הממשק העירוני כדי לזהות את הסיכון והשריפות הפוטנציאליות של שריפות השדה בהתחשב בממד האנושי (Herrero, Jappiot, Bouillon, & amp Long, 2012 Darques, 2015, 2016). על אפיון זה להתייחס לא רק להיבטים מבניים של השטח, כגון כבישים ומרכזים עירוניים, אלא גם לתכונות הנוף שבהן מוגדרים היבטים אלה, כגון טופוגרפיה, עומס דלק וסוג, והתרחשויות בעבר של שריפות. לדוגמה, Alloza et al. (2006) פיתח מודל פגיעות לאזור ים תיכוני ספרדי תוך שימוש בנתונים על התרחשות היסטורית בתוספת צילומי אוויר ותמונות לוויין. הם אימתו את המודל באמצעות בדיקות שדה ושימוש ב- NDVI (מדד צמחיה דיפרנציאלי מנורמל) כפרוקסי לביומסה של ירקות (Duguy et al., 2012). בדרום איטליה, Aretano et al. (2015) הציע מודל קבלת החלטות משולב, המבוסס על GIS, המאפשר לזהות (1) את תחומי הפגיעות הגבוהים ביותר הדורשים אמצעי הגנה ספציפיים ו (2) את התערבויות הניהול היעילות ביותר להפחתת פגיעות המערכת לשריפות. מחברים אלה השתמשו במספר אינדיקטורים מתאימים שנבחרו להבחין בין רמות שונות של רגישות ולחץ.

1. בניית דגמי סיכון לשריפה

מבחינה רעיונית, הערכת הסיכון לשריפת האש מורכבת מזיהוי משתנים התורמים להתרחשות שריפה-כגון הימצאות צמחייה דליקה וקרבתה למקורות הצתה-ושילובם בביטוי מתמטי המביא למדד כמותי. למשימה זו, לכאורה פשוטה, ניגשו במספר דרכים (De Vicente, 2012). אין הסכמה לגבי הגדרות מפתח כמו סיכון, איום ופגיעות. המחקר הנוכחי רואה בסיכון תוצר של איום ופגיעות, הראשון הוא שילוב של לחצים חיצוניים, והשני מצב פנימי של השטח.

בניית מדד למטרה זו משתנה בהתאם למיקוד ולגישה לסוגיה, אך ביסודו עליו לספק מידע כמותי המקל על קבלת החלטות. כפי שדווח על ידי ואן וילגן, לה מאיטרה וקריגר (1985), מדד סיכון אש חייב לשקף את הייחודיות של השטח המנותח, ולשלב משתנים שונים בהתאם לרלוונטיות שלהם למקום והיקף היישום.

ביחס לאפיון המרחבי-זמני של סיכון לשריפה, Chuvieco ו- Kasischke (2007), מצביעים על כך שמידע בסיסי חייב לכלול: (1) דפוסים היסטוריים של משטח שרוף (2) מיקום תחבורה, תשתיות מגורים ושירותים (3) סוג של צמחיה ועומס דלק (4) תנאי דלק, בפרט תכולת לחות (5) טופוגרפיה (6) פגיעה פוטנציאלית בנוף ובאובייקטים בעלי ערך ו (7) השפעה על צמחייה, שחיקה והיבטים סביבתיים אחרים. לאחר שילוב משתנים אלה, האימות של מדד הסיכון לשריפת האש צריך להיעשות באופן אידיאלי עם נתוני שדה עבור סדרות זמן ארוכות (Chuvieco et al., 2004). כאשר רשומות כאלה אינן זמינות, שתיים מהשיטות הנפוצות והמקובלות ביותר בספרות הן נתוני חישה מרחוק ונתוני התרחשות היסטוריים (Pedernera & amp Julio, 1999 Verbesselt et al., 2002).

מודלים של סיכון לשריפת אש שפותחו לאזורים ים תיכוניים נבדקו באזורים שונים מאלו שלשמה נועדו במקור, אך ללא אותן תוצאות, מכיוון שהם אינם משקפים את המאפיינים המיוחדים של הצמחייה, וגם לא את ההטרוגניות הגבוהה של נופי הים התיכון (אגר , פרייסלר, ארקה, ספנו וסאליס, 2014). ארקה ואח '. (2007) מציעים גם שמודלים ספציפיים לאתרים נותנים תחזיות מהימנות ומדויקות יותר.

בצ'ילה, משטר האש גדל בשנים האחרונות כתוצאה מהתוספת באזור המינים הדליקים הנטועים, חלקם משפיעים על אזורים עירוניים בקרבת מקום, למרות מערכות למניעת שריפות, התמקדו בעיקר באזורי הצטברות דלק גבוה. load (Ubeda & amp Sarricolea, 2016).

2. דוגמנות סיכון לשריפת אש בצ'ילה

כמה מחקרים שנערכו בצ'ילה מדגישים את תפקידם של משתנים אקלימיים כגון לחות יחסית ומהירות הרוח על הצתה באש (חוליו, 1990), בעוד שאחרים מדגישים את הגורמים האנתרופוגניים השולטים בתהליכי שינוי השימוש בקרקע, כגון הרחבת מטעי יער, יער התחדשות ונטישת חלקות חקלאיות (Carmona et al., 2012). עבור מרכז צ'ילה קסטילו, קווינטנילה וג'וליו (2009) חקרו את הסיכון והפגיעות לשריפות בממשק הכפרי-עירוני של מחוז ואלפראיסו בו קיימים אזורים עירוניים ומאוכלסים רבים. בהתבסס על רישומים גיאוגרפיים של הצתות אש, שהושגו ממחלקת ניהול האש של שירות היערות (CONAF), מחברים אלה קבעו כי שריפות מרוכזות באזורים של קישוריות לכבישים ובגזרות הנשלטות על ידי נקיקים עמוקים. לאחר מכן, הם גיבשו מודל לכימות הפגיעות לשריפות, שהוחל על הקומונות של וינה דל מאר ו -ואלפראייסו (קסטילו, מולינה, רודריגז ו סילבה ואמפר אלוואר, 2013), עם דיוק גבוה יותר לאזורים המאוכלסים ביותר. של האזור.

בצ'ילה יש עשר שמורות ביוספרה (BR) המייצגות 45% מהמערכות האקולוגיות היבשתיות במדינה (Moreira & amp Troncoso, 2014). La Campana-Penuelas הוא ה- BR היחיד הממוקם באזור הים התיכון ושייך למוקד המגוון הביולוגי של מרכז צ'ילה (Myers et al., 2000). BR זה נמצא בתרחיש דינמי של טרנספורמציה טריטוריאלית, שבה נטיות לשינוי השימוש בקרקע נחברות לאינטראקציות חברתיות האופייניות לממשק הכפרי-עירוני ועם התרחשות תקופתית של שריפות.

על פי CONAF, המשטח הגדול ביותר שנפגע משריפות בצ'ילה נשרף במהלך חודשי הקיץ של דצמבר, ינואר ופברואר (14%, 31% ו -31% בהתאמה). היחידות האדמיניסטרטיביות (הקומונות) המושפעות ביותר משריפות בשדה לה קמפנה-פנואלאס הן Quilpue, Valparaiso, Casablanca ו- Limache. ב -30 השנים האחרונות סך השטח שנשרף ירד, אך התרומה היחסית של מטעי יער למשטח המושפע משריפות עלתה (CONAF, 2015).

למרות שה- La Campana-Penuelas BR הוקמה בשנת 1984, תוכנית הניהול והאזור הקשור אליה אושרו רק בשנת 2009 (Salazar & amp Moreira, 2014). השטח שבו ממוקם BR זה היה נתון לשינויים היסטוריים חשובים בשימוש בקרקע ובכיסוי הקרקע. שינויים אלה מאופיינים בהרחבת גבולות עירוניים ובהרחבת מטעי יערות בעשורים האחרונים.

למגמות השינוי בשימוש בקרקע במרכז צ'ילה הייתה השפעה עמוקה על שירותי המערכת האקולוגית (Venegas, 2015), שיש להן השפעה סינרגית עם הנזק שנגרם כתוצאה משריפות. כמה חוקרים הציעו כי התרחשות האש היא גורם משמעותי לשינוי כיסוי הקרקע באזורים ים תיכוניים, בהתחשב בכך שהם מייצרים השפעה מיידית ומתמשכת על הצמחייה. התחדשות הצמחייה לאחר האש נוטה להישלט על ידי מינים אקזוטיים, שהם לעתים קרובות פולשניים מאוד (אירלנד ופטרופולוס, 2015). כמו כן, אתרים שרופים פגיעים יותר להישרף שוב עקב תכולת הדלק שנותרה על הקרקע המורכבת מגזעים שנפלו ועומדים. זה רלוונטי במיוחד כאשר לשריפה הייתה עוצמת צריבה נמוכה, באתרים הקרובים לאזורים עירוניים או חקלאיים (Bajocco & amp Ricotta, 2008), ושם יש ריבוי אינטנסיבי של צמחי מרפא שנתיים שהופכים לצמחייה יבשה בקיץ (Luebert & amp. פליסקוף, 2017). העבודה הנוכחית מורכבת מקירוב מתודולוגי על מנת לזהות את האזורים שבהם הסיכון לשריפת האש גבוה יותר (ביחס להצתה, התפשטות והשפעה) בשמורת ביוספרה הממוקמת בנופי הים התיכון של צ'ילה. באמצעות GIS וחישה מרחוק, אנו מתכננים ומיישמים מדד סיכון לשריפה, בהתחשב במידע הקרטוגרפי הזמין ומנוגד לתוצאות להתרחשות היסטורית של שריפה. מטרת עבודה זו היא לתרום בעזרת מכשיר לקבלת החלטות בתחומי מניעת ובקרת אש, כמו גם שיקום מערכות אקולוגיות לאחר האש, על מנת לחזק את הקיימות של אזור בעל חשיבות רבה במגוון הביולוגי.

שמורת הביוספרה שנבחרה לניתוח הסיכון וההתרחשות בשריפה הייתה La Campana-Penuelas BR. שטחו הכולל של 241.000 דונם, נוצר בשנת 1984 ומשתרע על שטח של 14 קומונות בשני אזורים מנהליים (ולפראייסו וסנטיאגו) המכילים כמעט מחצית מהאוכלוסייה הלאומית. (איור 1). אתגרים עצומים לניהול נובעים מחוסר עקביות ותיאום בין מכשירי התכנון הטריטוריאלי החלשים וכלים אחרים (למשל תוכניות ניהול ספציפיות של אזורים מוגנים) שפותחו בכמה רמות של קבלת החלטות (איור 2) (Salazar, Moreira, & Rio Rio, 2015 ). חיוני אם כן לפתח כלים המאפשרים את התיאום בין השחקנים ותהליך קבלת ההחלטות.

לגישה הזמנית שנבחרה לכימות הסיכון לשריפה, יש אוריינטציה ארוכת טווח לקראת קבלת החלטות הקשורה לתכנון טריטוריאלי והפחתת ההשפעות השליליות של שריפות. לשם כך נבחרו משתני סיכון מבניים שאינם משתנים, או משתנים לאט לאורך זמן (De Vicente, 2012). משתני אקלים כגון משקעים או טמפרטורה אינם כלולים משתי סיבות. ראשית, הם אינם נחשבים למשתנים מבניים לקביעת הסיכון לטווח הארוך, אלא לתנאים ספציפיים שישמשו טוב יותר במודל ההסתברות להתרחשות אש. שנית, חסרים סדרות זמן ייצוגיות לתחום המחקר שיכולות להסביר מיקרו אקלים האופייני לאזורים הרריים ולשטחי חוף.

ארבע עשרה קומונות נכללות בגבולות BR, אך רק שש מהוות יותר ממחצית שטח BR (Olmue, Hijuelas, Quilpue, Limache, Valparaiso ו- Villa Alemana איור 2). שש הקומונות הללו מכסות גם כ- 75% משטח BR. לקומונה נוספת (קזבלנקה) יש את השטח השני בגודלו בתוך BR, אולם כיסוי הנטו שלה הוא פחות ממחצית, בשל שטחה הנרחב (איור 2). הקומונות הללו רלוונטיות במיוחד בהתחשב בכך שיש להן תפקיד חשוב בקבלת ההחלטות המכריע עבור ה- BR בכללותו.

4.1. הכנת נתונים גיאו -מרחביים

המידע המרחבי בו נעשה שימוש מגיע ממקורות רשמיים (טבלה 1), מציג נתוני וקטורים וסדרות מאורגנים באמצעות GIS. נתוני הווקטורים שימשו לבניית מפות וככניסה למשתני סיכון האש. נתוני הרסטר מגיעים מעיבוד תמונות LANDSAT ושימשו להשוואת המדד עם התרחשות היסטורית כפי שיתואר בהמשך.

4.2. מבנה מדד הסיכון לשריפה

על מנת להגדיר את המשתנים לחישוב הסיכון לשריפה, שונו הספרות והנתונים הזמינים. המשתנים היו מקובצים בשלושה אשכולות: הצתה, התפשטות והשפעה. הערכים עבור כל משתנה הוקצו למחלקת סיכונים מ -1 עד 7 בהתבסס על הייחודיות שלהם (טבלה 1). משתנים שולבו באמצעות GIS ליצירת שלוש מפות אשכולות ולאחר מכן מפת סיכון מורכבת מאש (איור 4 ואיור 5). אשכול ההצתה שוקל את מקורות ההצתה וסוג הדלק. אשכול ההתרבות מורכב ממאפיינים מהותיים של השטח המשפיעים על התנהגות האש. לבסוף, אשכול ההשפעה שוקל אלמנטים טריטוריאליים שיושפעו ו/או יוחמרו מהתרחשות שריפות.

כמשתנה תחבורתי, רשת הכבישים שימשה כיוון שזוהו כמקור ההצתה העיקרי עקב עומסי התנועה של אנשים (Castillo et al., 2009). מקור הדלקה נוסף הוא אזורים מאוכלסים (Chuvieco & amp Kasischke, 2007), אשר עבורם נבחר מרחק חיץ וסוג האזור המאוכלס. אזורים שאינם מאוחדים ומתפזרים מהווים סיכון גבוה יותר לשריפה (Fox et al., 2015 Herrero et al., 2012 Lampin-Maillet, Long, Ganteaume, Jappiot, & amp Ferrier, 2011 Bhandary & amp Muller, 2009 Saglam et al., 2008). המשתנה השלישי באשכול זה הוא סוג הדלק, אשר נמדד באמצעות סיווג מפוקח של תמונות LANDSAT בין השנים 1985 ל -2015.

שני המשתנים המרכיבים את האשכול הזה הם טופוגרפיה והידרוגרפיה. הטופוגרפיה של שטח משפיעה על התנהגותן של שריפות, שכן אזורים עם מדרונות תלולים נוחים להאצת התפשטות האש (Viedma, 2008). יתר על כן, הקרבה לגופי מים מונעת שריפות ממרחק גדול יותר מעודדת התפשטות אש (Carmona et al., 2012). מערכות אקולוגיות בגדה מציגות מגוון ביולוגי גבוה יותר באופן כללי מהאזורים הסובבים אותן, מה שהופך אותן לעמידות יותר בפני שריפות, ואף פועלות כפריצות אש, כל עוד לנחלים יש זרימות מים קבועות.

אשכול זה בוחן אלמנטים אשר משתנים לרעה על ידי התרחשות שריפה, כגון: צמחייה, קרקעות ואזורים בעלי ערך סביבתי גבוה.

כדי לשלב צמחייה כמשתנה, נעשה שימוש באפיון הלאומי שפיתחו פליסקוף ולוברט (עודכן בשנת 2017). הייצוגיות של תצורות הצמחייה הללו נותחה בתוך ה- BR, והקצתה להן דרגת פגיעות היררכית המבוססת על המשטח הלאומי הכולל, האחוז תחת אזורים מוגנים של המדינה או הפרטיות ומספר המינים תחת קטגוריה מסוימת של פגיעות. כך, למשל, ל"יער הנשירים הים תיכוני הנשלט על ידי Nothofagus macrocarpa ו- Ribes punctatum "יש הרחבה של 87.355 דונם ברמה לאומית, מתוכם 20.044 דונם (22%) מיוצגים באזורים מוגנים. מאידך גיסא, למערך המוגדר כ"יער קוצני של מערת שיטה ופרוסופיס צ'ילנסיס "יש שטח לאומי של 340.929 דונם, מתוכם רק 7.001 דונם (2%) מוגנים. בנוסף, Prosopis chilensis מין דומיננטי של מבנה זה מופיע כפגיע (MMA, 2013), ולכן מקבל ערך סיכון גבוה יותר.

בנוגע לקרקעות, סחף והמדבר הן שתי תופעות רלוונטיות הקשורות לניהול קרקע בצ'ילה. בשל פעילויות חילוץ ושינויים מואצים במשקעים ובדפוסי הטמפרטורה, תהליכים אלה הם מציאות מדאיגה, במיוחד באזור המרכזי של צ'ילה בו נמצא ה- BR (cIREN, 2010a, 2010b). שריפות מחמירות את שני התהליכים על ידי השארת פני כדור הארץ נטולי צמחייה וחשופים לגורמים שחיקים כמו רוח וגשם.

ישנם סוגים שונים של אזורים מוגנים בתוך BR, הנורמלים על ידי אורגניזמים לאומיים שונים ובעלי דרגות הגנה ומגבלות שונות. במטרה להשוות בין אזורי הערך הסביבתיים השונים הנמצאים ב- BR, הוקצה להם ציון בהתבסס על סוג המגבלות שהם מציגים (טבלה 3). שקלנו אזורים המוגנים באופן רשמי וכאלה שנחשבים לפגיעים ואינם מוגנים (במיוחד, ביצות). לגנים הלאומיים יש את המגבלות הסביבתיות הגבוהות ביותר ולכן הם מקבלים את הערך הגבוה ביותר, ואחריהם שמורות לאומיות ושמורות טבע. אתרי שימור עדיפות לאומית ואזורית הם הגדרות אינדיקטיביות בלבד ללא תקנות מחמירות. אזורים מוגנים פרטיים זכו לאותם שמורות לאומיות מכיוון שהם מנוהלים בתקנים שווים (Biblioteca del Congreso Nacional, 2010 Comite Nacional Pro Defensa de la Fauna y Flora, 1999).

לבסוף, אזורים לא מוגנים קיבלו ציון גבוה יותר כדי לשקף את המחסור במשאבים הזמינים להגנה ולשיקום האזור במקרה של שריפה. Within this variable, we have also considered a 50 radius buffer around National Monuments (Biblioteca del Congreso Nacional, 2013) to account for the possible loss of these. Overlapping areas obtain the sum of these scores to reflect the assumption that they have higher environmental value, and thus a fire would result in the damage or loss of more valuable environmental resources.

4.3. Comparison of the risk index results with past wildfire occurrence

Because there is no time series of field data available, we opted in quantifying historical occurrence based on remote sensing, through the Nearest Burnt Ratio index. This method has been used in other studies with satisfactory results (Escuin, Navarro, & Fernandez, 2008 Manzo Delgado & Lopez Garcia, 2013). The precision of the NBR index allows for an accurate detection of areas that were burnt within the last month.

The information was obtained from the processing of LANDSAT images between 1985 and 2015. Each year an image was selected from a summer month (January, February and March). Although the data obtained accounts for only the fires occurred during the summer months and not the whole year, we consider this to be a good representation of the spatial distribution of fires since official data shows that around 75% of fires occur during the summer (CONAF, 2015). The data obtained from each year was overlaid to obtain cover values representing the number of times the surface was burnt during the study period. This historical fire occurrence cover was contrasted with the fire risk classification.

The risk variables selected were assigned risk values between 1 and 7 based on their particularities detailed in Table 1. The results are presented by a cluster of variables (ignition, propagation and impact) in order to better understand their contribution in the final risk map. The classification of the cluster raster layers was done based on 0.5 standard deviation cuts. These maps are shown in Figure 3.

The ignition cluster map shows a greater risk in areas with good road connectivity and even greater in places where the populated area consists of disperse houses rather than large conglomerated urbanized areas. Forest plantations had a significant contribution to the risk level of the coastal, southernmost part of the Valparaiso Region. In wildland areas, far from populated areas that have less road access, the risk level depended mostly on fuel type. Areas with dense forests, dominated by sclerophyllous tree species had a larger impact on the risk quantification. This vegetation type is found mostly on southern-aspect hillsides, whereas north-aspect hillsides are mainly dominated by xerophytic species or less-dense thorny shrublands, and less so by sclerophyllous forest.

For the propagation cluster, mountainous areas that have steep slopes are more favorable to the spreading of fire. In contrast, valleys where permanent streams and bodies of water are found, it is less likely for fire to behave in a dangerous manner. Also these flatter, low-elevation areas are apt for fire combat as the terrain has better accessibility.

Finally, the impact cluster highlights vulnerability elements from the study area. The north-eastern part of the La Campana--Penuelas BR concentrates both the most vulnerable soils and the vegetation types that are less represented in protected areas. This area is made up of mainly granitic soils that have a high level of desertification and erosion potential. It also concentrates vegetation types that have species in some conservation category such as Prosopis chilensis and Nothofagus macrocarpa.

5.2. Integration of risk variables and territorial analysis

The final risk analysis was developed through a combination of all variables with equal weights. The resulting raster layer was re-classified using a 0.5 standard deviation classification to obtain 7 risk classes (Figure 4 and Figure 5).

The burnt areas considered in this study had a minimum surface of 10 hectares. The resulting polygons of burnt area during the 1985-2015 period were overlaid to obtain a map of cumulative fires (Figure 6)

Given that most wildfires occur in the summer, the historical data obtained from the NBR index comes from images selected during the summer months of each year. Therefore, we can expect these records to represent a significant proportion of all fires occurred during the study period (1985-2015).

The results obtained from the NBR processing show the same trends as the official CONAF records. Both the historical data from CONAF and the NBR show reductions in the surface area burnt and coincide in the years with the greatest amount of area affected by fires, as well as the administrative units most affected (Figure 7). The communes with the greatest surface area burnt according to both records are: Quilpue, Valparaiso, Casablanca and Limache. Difference are given by CONAF data consider the entire administrative units, in turn data extracted from Landsat imagery is restricted to the share of each administrative unit within the BR.

The advantage of the NBR historical data is to visualize the location of the burnt surface within the BR: most of it corresponds to the transition zone, with the exception of the years 1991 and 1999, where there was more burnt area within the buffer zone corresponding to (55% and 86% of all burnt surface). On the other hand, the data from CONAF allows to identify the type of land cover burnt each year. For the communes of interest, the largest area affected corresponds to native vegetation corresponding to (87% on average for the 1985-2015 period), particularly mediterranean shrubs. However, in the study period, forest plantations of Pinus radiata and Eucalyptus globulus have gained importance, increasing in 10% of the total area affected by fires.

5.4. Wildfire risk in relation to historical occurrence

The comparison between the historical wildfire occurrence data and the composite wildfire risk obtained through the methodology presented above reveals that wildfires have not necessarily occurred in areas which pose the highest risk. From the LANDSAT images analysis, it was derived that 92% of the La Campana--Penuelas BR has not been burnt in the past 15 years, and less than 0.5% has been burnt two or more times. With regards to the wildfire risk classification: 49% of the BR area has a low wildfire risk (risk 9% has a high risk (risk classes 3 and 4) and 4% has a very high risk (risk classes 5, 6 and 7). The commune presenting the highest average risk class is Til-Til, followed by Olmue, Hijuelas and La Cruz. Olmue and Hijuelas are particularly relevant communes as their territory is completely within the BR and a significant percentage of their surface shows a high and very high wildfire risk.

Despite the low correspondence between historical wildfire occurrence and wildfire risk, the results of the modelling are relevant because they account for a definition of risk that includes both threat and vulnerability of a territory. Threat is a condition generated by external pressures while vulnerability is an intrinsic condition of the territory. The present fire risk model includes external pressures that are stable over time (such as roads and human settlements), and also intrinsic conditions that make certain areas more vulnerable (such as vegetation cover and soil condition). Knowing that some areas have high vulnerability (and therefore higher risk), but have not historically been burnt many times, can help to account for the high priority of conservation these territories. The model also allows to identify areas that have had strong wildfire pressure over time and also pose high risk, thus should have resources allocated to them for restoration efforts.

Our results respond to the purpose of offering an alternative to quantify risk and identify the sectors that are more exposed within the La Campana--Penuelas Biosphere Reserve. The advantage of developing a site-specific wildfire risk index is that through the selection of relevant risk variables, a more precise risk estimation can be obtained according to the particularities of each territory (Mitsopoulos et al., 2014). Mediterranean ecosystems of the world share being highly associated with urban areas and conditioned by social factors that increase the vulnerability to wildfires. Thus, the implementation of ideas and methods in Chile is transferable to other Mediterranean areas, especially related to the impact of highly valuable vegetation types.

For Central Chile, Altamirano, Salas, Yaitul, SmithRamirez, and Avila (2013) developed a logistical regression model and used maximum likelihood adjustments to select 3 explanatory variables out of 14 variables analyzed, to explain the probability of wildfire occurrence. The selected variables were minimum temperature for the coldest month, precipitation seasonality and distance from cities. Climatic variables are key in determining the probability of occurrence, since they greatly affect the conditions of fuel load. In the present work, we opted in using structural variables that don't change much throughout the seasons or years. A model of wildfire probability occurrence differs from risk quantification, mainly because the latter incorporates threat (external factors that facilitate ignition) as well as vulnerability (intrinsic characteristics of the territory that are predisposed to a higher negative impact).

With regards to the method used for historical occurrence quantification, it is worth mentioning that in order to account for the entire spatial-temporal distribution of all fires, it would be necessary to process images from other seasons as well (spring, winter and autumn). Nevertheless, the data obtained is a good representation of the historical occurrence of fires in the study period as they have a similar tendency when compared to the official historical data from the National Forest Corporation (CONAF). Also, the burnt area quantified using the NBR index accounts for the season when most of the fires occur (around 75% of fires occur in the summer).

Some additional improvements to our work, aside from the application of NBR processing to autumn, winter and spring images, would be to incorporate fuel type variation throughout the year. The conditions of combustible vegetative material, especially its water content, have a direct relation with the probability of ignition and propagation of a fire. Humidity in live and dead vegetation varies significantly throughout the year, and even throughout the day. Some authors have accounted for this variation, detecting that the importance of the water content in vegetation is higher in spring and lower in autumn (Ager et al., 2014). Other authors have conducted focalized studies to determine the specific flammability of different vegetation types. They have done this using a combination of climatic data, such as surface temperature, and the Normalized Differential Vegetation Index (Chuvieco et al., 2004). There are no studies conducted in Chile that account for this variation, let al.ne studies that use climatic data to reflect projections of climate change to model fuel load. In addition, the use of the MODIS products is highly valuable. Even though they are available only from 2000 to date, they allow to analyse very extensive areas including data of different seasons, a quality band to correct the data provided and very well developed algorithms to identify burned areas (e.g. Giglio et al., 2010 Darques, 2015, 2016 Giglio, Schroeder, & Justice, 2016 Levin et al., 2016).

The approach to quantifying risk in the present work aimed to contribute concrete information for decision making. There is some experience in Chile with ecological restoration of native forests affected by wildfires (Fernandez et al., 2010), so identifying the areas that are more threatened and vulnerable to fires could help allocate resources for restoration more efficiently. Another application of risk analysis is to improve the infrastructure and coverage of wildfire control. By using network analysis of geographic information systems, the service areas for existing firefighting stations can be determined thus identifying those areas with less coverage and those more exposed to fire damage. This type of land-cover firefighting is different from aerial firefighting. In order to account for the aerial fire-fighting capacity, the quantification of the service-areas should be based on direct distance travel times.

The current fire modeling and alert system for CONAF is called Kitral and mostly deals with economic efficiency in firefighting (Pedernera & Julio, 1999). This system feed the alerts provided by inhabitants and practitioners of the Ministry of Agriculture and the office for emergencies of the Ministry of Interior. Some areas have towers of observation, especially in protected areas and forestry plantations. We suggest that incorporating ecological and social variables could improve the detection of vulnerable areas and increase the options for early detection of wildfires and timely combat.

Finally, we hope our results contribute to territorial planning at the level where management objectives and strategies on different scales are defined, including management instruments such as Commune Plans, Intercommunal Regulatory Plans, National and Regional Biodiversity Strategies and Management Plans for Protected Areas. Stephens, Millar, and Collins (2010) have proposed strategies grouped in resistance, resilience, response, and strategic alignment, all of which are oriented towards the persistence of the species on an ecoregion scale.

The areas identified with highest risk are not necessarily those that have historically been more affected by wildfires. This should alert decision-makers to focus resources for fire prevention in these areas. Identifying the risk areas can beneficial for environmental protection, because burned areas contribute to increase water erosion risks, which is especially important in semiarid zones (Norzagaray-Campos et al., 2016) and in hilly landscapes that contain large extensions of agricultural lands (Jarasiunas & Kinderiene, 2016). Therefore, wildfire prevention should be motivated not only to avoid the loss of constructions and valuable ecosystems, but also to avoid hazards like flooding or landslides.

Fires like others processes that modify ecosystems everywhere will be affected by global climate change. We cannot rely fully on past climate conditions to develop future management plans. In order to respond to uncertainty, it is imperative for decision makers to integrate adaptation strategies in their plans in response to climate change. The current Management Plan for the La Campana Biosphere Reserve has no specific considerations on fire occurrence or risk. The UNESCO Man and the Biosphere Program proposes that Biosphere Reserve Management Plans should be revised periodically every 10 years. The Management Plan for the La Campana--Penuelas BR should be revised and updated soon. We hope this fire risk analysis contributes to a better understanding of a region of global biodiversity importance and provides empirical information for the optimal and sustainable management of this Biosphere Reserve in the future. The results of this research highlight the need to destine resources to fire prevention in valuable landscapes and develop adaptation strategies for risk management and environmental protection at different scales.

The authors want to thank the collaboration of Andres Moreira-Munoz and Camilo del Rio in preliminary phases of the research, and the suggestions from anonymous reviewers. The research was funded by CONICYT/FONDECYT 1150422 and supported by CONICYT/FONDAP 15110020.

Ager, A., Preisler, H., Arca, B., Spano, D., & Salis, M. (2014). Wildfire risk estimation in the mediterranean area. Environmetrics, 25(6), 384-396. https://doi.org/10.1002/env.2269

Alloza, J., Baeza, M., De la Riva, J., Duguy, B., Echeverria, M., Ibarra, P., Llovet, J., Perez-Cabello, F., Rovira, P., Vallejo, V. (2006). A model to evaluate the ecological vulnerability to forest fires in mediterranean ecosystems. Forest Ecology and Management, 234(Supplement), S203. https://doi.org/10.1016/j.foreco.2006.08.322

Altamirano, A., Salas, C., Yaitul, V., Smith-Ramirez, C., & Avila, A. (2013). Influencia de la heterogeneidad del paisaje en la ocurrencia de incendios forestales en Chile Central. Revista de Geografia Norte Grande, 170(55), 157-170. https://doi.org/10.4067/S0718-34022013000200011

Arca, B., Duce, P., Laconi, M., Pellizzaro, G., Salis, M., & Spano, D. (2007). Evaluation of FARSITE simulator in Mediterranean maquis. International Journal Wildland Fire, 16(5), 563572. https://doi.org/10.1071/WF06070

Aretano, R., Semeraro, T., Petrosillo, I., De Marco, A., Pasimeni, M. R., & Zurlini, G. (2015). Mapping ecological vulnerability to fire for effective conservation management of natural protected areas. Ecological Modelling, 295, 163-175. https://doi.org/10.1016/j.ecolmodel.2014.09.017

Bajocco, S., & Ricotta, C. (2008). Evidence of selective burning in Sardinia (Italy): which land-cover classes do wildfires prefer?. Landscape Ecology, 23(2), 241-248. https://doi.org/10.1007/s10980-007-9176-5

Bhandary, U., & Muller, B. (2009). Land use planning and wildfire risk mitigation: an analysis of wildfire-burned subdivisions using high-resolution remote sensing imagery and GIS data. Journal of Environmental Planning and Management, 52(7), 939-955. https://doi.org/10.1080/09640560903181147

Biblioteca del Congreso Nacional (BCN). (2010). Ley 19.300 Sobre Bases Generales del Medio Ambiente. Ministerio Secretaria General de la Presidencia.

Biblioteca del Congreso Nacional (BCN). (2013). Ley 17.288 Legisla Sobre Monumentos Nacionales. Ministerio de Educacion.

Biblioteca del Congreso Nacional (BCN). (2014a). Decreto Supremo 29/2014 Aprueba Reglamento para la Clasificacion de Especies Silvestres segun Estado de Conservacion. Ministerio del Medio Ambiente.

Biblioteca del Congreso Nacional (BCN). (2014b). Decreto Supremo 52/2014 Aprueba y oficializa clasificacion de especies segun su estado de conservacion, decimo proceso. Ministerio del Medio Ambiente.

Biblioteca del Congreso Nacional (BCN). (2014c). Ley 18.362 Crea Sistema Nacional de Areas Silvestres Protegidas del Estado. Ministerio de Agricultura.

Borsdorf, A., & Rosas, P. A. (2014). El modelo de Reservas de la Biosfera: conceptos, caracteristicas e importancia. In Reservas de la Biosfera de Chile--Laboratorio para la Sustentabilidad (pp. 4-20).

Carmona, A., Gonzalez, M. E., Nahuelhual, L., & Silva, J. (2012). Spatio-temporal effects of human drivers on fire danger in mediterranean Chile. Bosque, 33(3), 31-32. https://doi.org/10.4067/S0717-92002012000300016

Castillo, M., Molina, J., Rodriguez y Silva, F., & Alvear, G. (2013). A territorial fire vulnerability model for Mediterranean ecosystems in South America. Ecological Informatics, 13, 106-113. https://doi.org/10.1016/j.ecoinf.2012.06.004

Castillo, M., Quintanilla, V., & Julio, G. (2009). Analisis del riesgo y vulnerabilidad contra incendios forestales en areas de interfaz, provincia de Valparaiso. Territorium, 16, 131-138.

Centro de Informacion de Recursos Naturales (CIREN). (2010a). Determinacion de la erosion actual y potencial de los suelos de Chile. Region de Valparaiso. Ministerio de Agricultura.

Centro de Informacion de Recursos Naturales (CIREN). (2010b). Determinacion de la erosion actual y potencial de los suelos de Chile. Region Metropolitana. Ministerio de Agricultura.

Chuvieco, E., & Kasischke, E. S. (2007). Remote sensing information for fire management and fire effects assessment. Journal of Geophysical Research, 112(G1), 1-8. https://doi.org/10.1029/2006JG000230

Chuvieco, E., Cocero, D., Riano, D., Martin, P., Martinez, J., De La Riva, J., & Perez, F. (2004). Combining NDVI and surface temperature for the estimation of live fuel moisture content in forest fire danger rating. Remote Sensing of Environment, 92(3), 322-331. https://doi.org/10.1016/j.rse.2004.01.019

Comision Nacional del Medio Ambiente (CONAMA). (2005). Plan de Accion Pais para la Implementacion de la Estrategia Nacional de Biodiversidad 2004-2015.

Comision Nacional del Medio Ambiente (CONAMA). (2008). Plan de Accion Integrado de Biodiversidad 2007-2010, 1-43.

Comite Nacional Pro Defensa de la Fauna y Flora (CODEFF). (1999). Las Areas Silvestres Protegidas Privadas en Chile.

Consejo de Monumenos Nacionales (CMN). (2010). Santuarios de la Naturaleza de Chile. O. Acuna, M. S. Silva, L. Lopez, K. Sanchez, E. Bahamondes, R. Otero, & M. C. Grandi (Eds.). Santiago, Chile: Impresora Optima S.A.

Corporacion Nacional Forestal (CONAF). (2015). Ocurrencia y dano por comuna. סנטיאגו, צ'ילה.

Cowling, R. M., Rundel, P. W., Lamont, B. B., Arroyo, M. K., & Arianoutsou, M. (1996). Plant diversity in mediterranean-climate regions. Trends in Ecology and Evolution, 11(9), 362-366. https://doi.org/10.1016/0169-5347(96)10044-6

Darques, R. (2015). Mediterranean cities under fire. A critical approach to the wildland-urban interface. Applied Geography, 59, 10-21. https://doi.org/10.1016Zj.apgeog.2015.02.008

Darques, R. (2016). Wildfires at a Pan-Mediterranean scale: Human-environment dynamics through MODIS data. Human Ecology, 44(1), 47-63. https://doi.org/10.1007/s10745-015-9802-9

De Vicente, F. (2012). Diseno de un modelo de riesgo integral de incendios forestales mediante tecnicas multicriterio y su automatizacion en sistemas de informacion geografica. Una aplicacion en la comunidad Valenciana. Universidad Politecnica de Madrid.

Duguy, B., Alloza, J. A., Baeza, M. J., De La Riva, J., Echeverria, M., Ibarra, P., Llovet, J., Perez-Cabello, F., Rovira, P., Vallejo, R. V. (2012). Modelling the ecological vulnerability to forest fires in mediterranean ecosystems using geographic information technologies. Environmental Management, 50(6), 1012-1026. https://doi.org/10.1007/s00267-012-9933-3

Escuin, S., Navarro, R., & Fernandez, P. (2008). Fire severity assessment by using NBR (Normalized Burn Ratio) and NDVI (Normalized Difference Vegetation Index) derived from LANDSAT TM/ETM images. International Journal of Remote Sensing, 29(4), 1053-1073. https://doi.org/10.1080/01431160701281072

Fernandez, I., Morales, N., Olivares, L., Salvatierra, J., Gomez, M., & Montenegro, G. (2010). Restauracion ecologica para ecosistemas nativos afectados por incendios forestales. Grafica LOM, Santiago, Chile. 162 pp.

Fox, D., Martin, N., Carrega, P., Andrieu, J., Adnes, C., Emsellem, K., Ganga, O., Moebius, F., Tortorollo, N., Fox, E. (2015). Increases in fire risk due to warmer summer temperatures and wildland urban interface changes do not necessarily lead to more fires. Applied Geography, 56, 1-12. https://doi.org/10.1016Zj.apgeog.2014.10.001

Frau, C. M., Valenzuela, G. J., Rojas, O. Y., Hernadez, Y. M., & Guajardo, R. M. (2006). Teledeteccion y SIG en el Ambito Forestal: Experiencias en Chile. Ambiencia, 2, 171-185.

Galiana, L., & Karlsson, O. (2012). Development of a methodology for the assessment of vulnerability related to wildland fires using a multi-criteria evaluation. Geographical Research, 50(3), 304-319. https://doi.org/10.1111/j.1745-5871.2011.00718.x

Giglio, L., Randerson, J. T., Van der Werf, G. R., Kasibhatla, P. S., Collatz, G. J., Morton, D. C., & DeFries, R. S. (2010). Assessing variability and long-term trends in burned area by merging multiple satellite fire products. Biogeosciences, 7(3), 1171-1186. https://doi.org/10.5194/bg-7-1171-2010

Giglio, L., Schroeder, W., & Justice, C. O. (2016). The collection 6 MODIS active fire detection algorithm and fire products. Remote Sensing of Environment, 178, 31-41. https://doi.org/10.1016/j.rse.2016.02.054

Gill, A. M., Stephens, S. L., & Cary, G. J. (2013). The worldwide "wildfire" problem. Ecological Applications, 23(2), 438-454. https://doi.org/10.1890/10-2213.1

Herrero, G., Jappiot, M., Bouillon, C., & Long, M. (2012). Application of a geographical assessment method for the characterization of wildland-urban interfaces in the context of wildfire prevention: A case study in western Madrid. Applied Geography, 35(1-2), 60-70. https://doi.org/10.1016/j.apgeog.2012.05.005

Hessburg, P. F., Reynolds, K. M., Keane, R. E., James, K. M., & Salter, R. B. (2007). Evaluating wildland fire danger and prioritizing vegetation and fuels treatments. Forest Ecology and Management, 247(1-3), 1-17. https://doi.org/10.1016/j.foreco.2007.03.068

Huesca, M., Litago, J., Merino-de-Miguel, S., Cicuendez, V., & Palacios, A. (2014). Modeling and forecasting MODIS-based Fire Potential Index on a pixel basis using time series models. International Journal of Applied Earth Observation and Geoinformation, 26, 363-376. https://doi.org/10.1016/j.jag.2013.09.003

Ireland, G., & Petropoulos, G. P. (2015). Exploring the relationships between post-fire vegetation regeneration dynamics, topography and burn severity: A case study from the Montane Cordillera Ecozones of Western Canada. Applied Geography, 56, 232-248. https://doi.org/10.1016/j.apgeog.2014.11.016

Jarasiunas, G., & Kinderiene, I. (2016). Impact of agro-environmental systems on soil erosion processes and soil properties on hilly landscape in Western Lithuania. Journal of Environmental Engineering and Landscape Management, 24(1), 60-69. https://doi.org/10.3846/16486897.2015.1054289

Julio, G. (1990). Diseno de indices de riesgo de incendios forestales para Chile. Bosque, 11(2), 59-72. https://doi.org/10.4206/bosque.1990.v11n2-06

Lampin-Maillet, C., Long, M., Ganteaume, A., Jappiot, M., & Ferrier, J. (2011). Land cover analysis in wildland-urban interfaces according to wildfire risk: A case study in the South of France. Forest Ecology and Management, 261(12), 2200-2213. https://doi.org/10.1016/j.foreco.2010.11.022

Levin, N., Tessler, N., Smith, A., & McAlpine, C. (2016). The human and physical determinants of wildfires and burnt areas in Israel. Environmental Management, 58(3), 549-562. https://doi.org/10.1007/s00267-016-0715-1

Luebert, F., & Pliscoff, P. (2017). Sinopsis Bioclimatica y Vegetacional de Chile. Segunda edicion. Editorial Universitaria, Santiago.

Manzo Delgado, L., & Lopez Garcia, J. (2013). Deteccion de areas quemadas en el sureste de Mexico, utilizando indices pre y post-incendio NBR y BAI, derivados de compuestos MODIS. Geofocus, Revista Internacional de Ciencia Y Tecnologia de La Informacion Geografica, (13-2), 66-83.

Ministerio del Medio Ambiente (MMA). (2011). Diseno del Inventario Nacional de Humedales y el Seguimiento Ambiental. Ministerio del Medio Ambiente, Chile. 164 p. Retrieved from http://www.mma.gob.cl/1304/articles-50507_documento.pdf

Ministerio del Medio Ambiente (MMA). (2013). Acta Sesion 1 Decimo Proceso Clasificacion. Comite Clasificacion de Especies Silvestres.

Mitsopoulos, I., Mallinis, G., & Arianoutsou, M. (2014). Wildfire risk assessment in a typical Mediterranean wildland-urban interface of Greece. Environmental Management, 55(4), 900-915. https://doi.org/10.1007/s00267-014-0432-6

Moreira, A., & Troncoso, J. (2014). Representatividad biogeografica de las Reservas de la Biosfera de Chile. In Reservas de la Biosfera de Chile--Laboratorios para la Sustentabilidad (pp. 24-61).

Munoz, M., Nunez, H., & Yanez, J. (1997). Libro rojo de los sitios prioritarios para la conservacion de la biodiversidad en Chile. Ambiente Y Desarrollo, 13(2), 90-99.

Myers, N., Mittermeier, R. A., Mittermeier, C. G., da Fonseca, G. A. B., & Kent, J. (2000). Biodiversity hotspots for conservation priorities. Nature, 403(6772), 853-858. https://doi.org/10.1038/35002501

Norzagaray-Campos, M., Munoz-Sevilla, P., Espinosa-Carreon, L., Ruiz-Guerrero, R., Gonzalez-Ocampo, H., & Llanes-Cardenas, O. (2016). Erosivity indicators based on rainfall in Northwestern Mexico. Journal of Environmental Engineering and Landscape Management, 24(2), 133-142. https://doi.org/10.3846/16486897.2015.1106405

Pedernera, P., & Julio, G. (1999). Improving the economic efficiency of combatting forest fires in Chile: The KITRAL system. Proceedings of Symposium on Fire Economics, Planning and Policy: Bottom Lines, 173, 149-155.

Pourtaghi, Z. S., Pourghasemi, H. R., & Rossi, M. (2015). Forest fire susceptibility mapping in the Minudasht forests, Golestan province, Iran. Environmental Earth Sciences, 73(4), 1515-1533. https://doi.org/10.1007/s12665-014-3502-4

Saglam, B., Bilgili, E., Dincdurmaz, B., Kadiogulari, A. I., & Kucuk, O. (2008). Spatio-temporal analysis of forest fire risk and danger using LANDSAT imagery. Sensors, 8(6), 3970-3987. https://doi.org/10.3390/s8063970

Salazar, A., & Moreira, A. (2014). Reserva de la Biosfera La Campana --Penuelas: micro-region modelo para la planificacion del desarrollo regional sustentable. In Reservas de la Biosfera de Chile--Laboratorios para la Sustentabilidad (pp. 106-122).

Salazar, A., Moreira, A., & Rio, C. (2015). La Campana-Penuelas Biosphere Reserve in Central Chile: threats and challenges in a peri-urban transition zone. Management and Policy Issues, 7(1), 49-54.

Salis, M., Ager, A., Finney, M., Arca, B., & Spano, D. (2014). Analyzing spatiotemporal changes in wildfire regime and exposure across a Mediterranean fire-prone area. Natural Hazards, 71(3), 1389-1418. https://doi.org/10.1007/s11069-013-0951-0

Salvati, L., & Ferrara, A. (2014). Do land cover changes shape sensitivity to forest fires in peri-urban areas?. Urban Forestry and Urban Greening, 13(3), 571-575. https://doi.org/10.1016/j.ufug.2014.03.004

Sivrikaya, F., Saglam, B., Akay, A. E., & Bozali, N. (2014). Evaluation of forest fire risk with GIS. Polish Journal of Environmental Studies, 23(1), 187-194.

Stephens, S. L., Millar, C. I., & Collins, B. M. (2010). Operational approaches to managing forests of the future in Mediterranean regions within a context of changing climates. Environmental Research Letters, 5(2), 024003. https://doi.org/10.1088/1748-9326/5/2/024003

Ubeda, X., & Sarricolea, P. (2016). Wildfires in Chile: A review. Global and Planetary Change, 146, 152-161. https://doi.org/10.1016/j.gloplacha.2016.10.004

אונסק"ו. (2015). Man and the Biosphere Programme. Retrieved from http://www.unesco.org/new/en/natural-sciences/environment/ecological-sciences/man-and-biosphere-programme/

Van Wilgen, B., le Maitre, D., & Kriger, F. (1985). Fire modeling in South African fynbos (macchia) vegetation and predictions from Rothermels fire model. Applied Ecology, 22(1), 207-213. https://doi.org/10.2307/2403338

Venegas, F. (2015). Falta de planificacion y politica economicista amenazan la Reserva Mundial de la Biosfera La CampanaPenuelas. El Observador. סנטיאגו, צ'ילה.

Verbesselt, J., Fleck, S., & Coppin, P. (2002). Estimation of fuel moisture content towards Fire Risk Assessment: A review. In D. X. Viegas, M. G. Cruz, L. M. Silva, A. J. Ollero (Eds.). Forest fire research & wildland fire safety, (pp. 55-67). Rotterdam: Millpress.

Viedma, O. (2008). The influence of topography and fire in controlling landscape composition and structure in Sierra de Gredos (Central Spain). Landscape Ecology, 23(6), 657-672. https://doi.org/10.1007/s10980-008-9228-5

Camila BANALES-SEGUEL (1), Francisco DE LA BARRERA (2,3) *, Alejandro SALAZAR (4)

(1) Faculty of Agronomy and Forestry, Pontifical Catholic University of Chile, Vicuna Mackenna 4860, Macul, Chile, Santiago, Chile

(2) Department of Geography, Faculty of Architecture, Urbanism and Geography, University of Concepcion, Victor Lamas 1290, Concepcion, Chile

(3) Center for Sustainable Urban Development, Pontifical Catholic University of Chile, El Comendador 1916, Providencia, Chile

(4) Institute of Geography and Center for Sustainable Urban Development, Pontifical Catholic University of Chile, Vicuna Mackenna 4860, Macul, Chile, Santiago, Chile

Received 16 February 2017 accepted 29 August 2017

* מחבר מקביל. E-mail: [email protected]

Caption: Figure 1. Biosphere Reserve Location

Caption: Figure 2. Conservation and administrative units within Biosphere Reserve

Caption: Figure 3. Final methodology diagram

Caption: Figure 4. Three cluster maps

Caption: Figure 5. Wildfire risk

Caption: Figure 6. Cumulative fire ocurrence

Caption: Figure 7. Surface affected by wildfires by historical sources

Please Note: Illustration(s) are not available due to copyright restrictions.


סיכום

In this article, we investigated a CNN with deep architectures for the spatial prediction of forest fire susceptibility in Yunnan Province, China. Past forest fire locations from 2002 to 2010 were extracted and a set of 14 forest fire influencing factors were optimized using multicollinearity analysis and the IGR technique. We explored the preprocessing methods for forest fire influencing factors and the methods for generating effective training/validation sample libraries. The CNN architecture suitable for the prediction of forest fire susceptibility in the study area was designed, and hyperparameters were optimized to improve the prediction accuracy. Several common methods, such as more training samples, regularization (dropout), batch normalization, and reduced architecture complexity, were used in the CNN model to mitigate overfitting. Then, the test dataset was fed into the trained model and the prediction map of ignition probabilities was constructed by the CNN model. Finally, the performance of the proposed model was compared with traditional ML methods using several statistical measures, including WSRT, ROC, and AUC.

Through this research, we found that the CNN model performs better than the benchmark methods. The CNN model (AUC = 0.86) has higher predictive power than the benchmark methods according to the ROC–AUC. The probability result obtained by the CNN can clearly distinguish the very high and very low susceptible zones, and the susceptibility spatial pattern was very distinct. The CNN model shows a strong generalization ability and the prediction time of the CNN was relatively short when using GPU-accelerated computing technology. In conclusion, the CNN has the advantages of considering neighborhood information, extracting deep features, sharing weights, and pooling operations, which allow the CNN to obtain better prediction results. The CNN model will have important practical application value for forest fire prevention planning and forest management.

There are still some limitations in the research. For example, the influence of different CNN architectures—such as VGG-net (Visual Geometry Group Network), RES-net Residential Energy Services Network), and GoogLeNet—on forest fire prediction results have not been studied in depth. In addition, more actual data are needed for the experimental verification of the method. In recent years, the application of CNNs has become increasingly extensive. Many different variants of the architecture have been derived and many ensemble classifiers have been proposed. Comparing various classifiers and exploring the most suitable models to improve forest fire prediction should be investigated in the future.


דִיוּן

It is hoped that the risk and severity MCE maps can support active forest fire management (for example fire barriers), appropriate controlled burning and facilitate monitoring activities that can help manage forest fire damage if an event in these severe areas was to occur or where the ignition likelihood is relatively high. The risk map can be used as a base map to overlay other elements. For example, the inclusion of other important environmental considerations like protected species habitats, rare/unique ecological systems, and area of human settlement. Overlaying multiple themes would allow fire management to inform action, raise public awareness, enact fire bans, and fire severity and risk warnings. Although this study is basic, future possibilities could be a more informed attribution of weights based on the study area.
The fire behaviour model results help demonstrate areas where live fire fighting resources may be best applied. The results help inform a possible patterns and spread shape a fire in Banff National park could have. The maps can be used to set up barriers around natural choke points to contain fires. Another issue this study seeks to address is: If a fire breaks out in Banff in two separate locations, which one should the firefighters respond to? The cost surface output can help answer this question. By setting a maximum cost distance limit using the Cost Distance tool, two rasters showing the maximum fire extent potential of two different ignition points can be generated (shown below). Clearly the resources might be better allocated to the fire that will cover more area (in this case the fire ignition and spread in Northern Banff). If we overlay other information such as roads and campgrounds, decision can be made more efficiently and decisively. Since GIS is a tool to support such decision making, we believe our results are useful.


Fire danger levels.

Raw values of fire indices are expressed as a continuous rating (e.g. FWI values are in the range [0, +Inf[, although very rarely above 100). In order to aid decision makers raw values are routinely converted into danger classes, based on predefined thresholds.

The European Forest Fire Information System (EFFIS) provides a set of fire danger thresholds/classes harmonized across Europe (https://effis.jrc.ec.europa.eu/about-effis/technical-background/fire-danger-forecast). For instance, the FWI ranges are (upper bound excluded): * Very low = 0 - 5.2 * Low = 5.2 - 11.2 * Moderate = 11.2 - 21.3 * High = 21.3 - 38.0 * Very high = 38.0 - 50.0 * Extreme > 50.0

In our experience, the above thresholds are particularly suited to assess fire danger in southern Europe, e.g. in the Mediterranean Region. Some countries, tend to calibrate these thresholds depending on local vegetation characteristics and fire regimes. This require local knowledge and/or experimentation. The caliver package provides some useful functionalities for this type of tasks.

The fire season is the period of the year during which 80% of wildfires have occurred. For historical analysis, this is defined בְּדִיעֲבַד and changes year-on-year. However, a more simplistic approach assumes that the fire season is the period of the year in which wildfires are more likely to occur (this is also the assumption made by EFFIS). Therefore it often coincides with the dry season, a period in which there is a reduced soil moisture and precipitation. In this work we adopt a convention: the fire season falls between 1st April and 31st October in the northern hemisphere, and between 1st October and 30th April in the southern hemisphere. This convention is coded in the function get_fire_season() , which accepts at least two arguments: dates (the sequence of daily dates for which reanalysis data is available) and zone (which can be either ‘north’ or ‘south’ hemisphere). There are also two optional arguments that allow to define an ad-hoc fire season: fss (which stands for Fire Season Start) and fse (which stands for Fire Season End).

In order to calculate the danger classes, the FWI brick should be loaded and the indices corresponding to the local fire season should be identified. In the example below the fire season is assumed constant across Europe (and Italy in particular), starting in April and ending in October each year.

Threshold for every area of interest are calculate on the subset of the FWI brick related to the fire season only and cropped over the area of interest. Below are examples calculated for various countries in Europe. [@vitolo:2018] show that fire danger classes is generally correlated to the local climate and spatial variability appears to be meaningful up to regional level.

Please note the differences between these danger levels and those recommended by EFFIS, caliver danger levels are generally lower than EFFIS ones.

Fire danger levels are more useful when calculated at country level. Below is shown how to execute the same steps above recursively for most countries in Europe and bind the results together in a summary table.

Assessing the danger levels at regional and province level (using the ERA-Interim based dataset) is rather difficult because some areas are too small compared to the raster resolution. For assessing fire danger in small regions we suggest to use the ERA5-based fire indices [@Vitolo2020].

Plot density with thresholds

The thresholds are different from the percentiles, the PDF below shows a comparison for Italy (the last country in the above loop).