Evaluation of Forest Fires in Disaster Management Focus

Abstract

It can be said that societies have been exposed to various disasters from past to present, and the diversity and frequency of disasters have changed with changing conditions. It is possible to classify disasters as natural and technological disasters in general. It is seen that forest fires, which are the subject of the study, are also included in the disaster classification. In the study conducted in this context; Forest fires in Turkey between 2005-2020; It is aimed to evaluate in terms of temporal, regional, causal and amount of burned area. In addition, it is aimed to evaluate the trends of internet users on forest fires between 2005 and 2020, in particular "Google Trends". In the study; It has been seen that negligence-accident events take the first place among the causes of forest fires. There is a statistically significant difference between province statuses in terms of the number of fires in 2005, 2009, 2011, 2013, 2015 and 2019 (p<0.05). The number of fires in metropolitan cities in 2005, 2009, 2011, 2013, 2015 and 2019 is significantly higher. It can be said that preparation and response studies are important in firefighting, as in all disasters. It is thought that it is important to inspect the regions with high forest fire risk with technological tools, equip them in terms of extinguishing equipment, and raise the awareness of the citizens living in the region about fires. When the studies are examined within the framework of disaster management; Activities such as the construction of fire watchtowers and fire safety routes, the creation of sensitivity maps, the establishment or strengthening of early warning systems and the execution of awareness studies can be considered within the scope of risk management in the integrated disaster management system, while the activities such as extinguishing the fire, taking the necessary security measures and reforestation can be considered within the scope of crisis management. . As a result, it is predicted that the systematic operation of the stages of preparation, mitigation, response and improvement, which are the phases of the integrated disaster management model, will contribute to the reduction of possible fire damage and the prevention of forest fires.

Keywords

• Disaster Management
• Fighting Forest Fires
• Forest Fires
• Fire Statistics

Afet Yönetimi Odağında Orman Yangınlarının Değerlendirilmesi

Öz

Geçmişten günümüze toplumların çeşitli afetlere maruz kaldıkları, değişen koşullarla birlikte afet çeşitliliğinin ve yaşanma sıklığının değiştiği söylenebilir. Afetleri genel olarak doğal ve teknolojik kökenli afetler olarak sınıflandırmak mümkündür. Çalışmanın konusunu oluşturan orman yangınlarının da afet sınıflaması içerisinde yer aldığı görülmektedir. Bu bağlamda yapılan çalışmada; Türkiye’de, 2005-2020 yılları arasında meydana gelen orman yangınlarının; zamansal, bölgesel, nedensel ve yanan alan miktarı açısından değerlendirilmesi amaçlanmıştır. Ayrıca 2005-2020 yılları arasında internet kullanıcılarının “Google Trends” özelinde orman yangınları konusundaki eğilimlerinin değerlendirilmesi de hedeflenmiştir. Çalışmada; orman yangınlarının çıkış nedenleri arasında ihmal-kaza olaylarının ilk sırada yer aldığı görülmüştür. 2005, 2009, 2011, 2013, 2015 ve 2019 yıllarında çıkan yangın sayıları açısından il statüleri arasında istatistiksel olarak anlamlı bir farklılık bulunmaktadır (p<0,05). 2005, 2009, 2011, 2013, 2015 ve 2019 yıllarında büyükşehirlerde çıkan yangın sayıları anlamlı derecede yüksektir. Yangınla mücadelede tüm afetlerde olduğu gibi hazırlık ve müdahale çalışmalarının önemli olduğu söylenebilir. Orman yangın riski yüksek olan bölgelerin teknolojik araç-gereçlerle denetlenmesinin, söndürme ekipmanları açısından donatılmasının, bölgede yaşayan vatandaşların yangınlar konusunda bilinçlendirilmesinin önem arz ettiği düşünülmektedir. Yapılan çalışmalar afet yönetimi çerçevesinde incelendiğinde; yangın gözetleme kulelerinin ve yangın emniyet yollarının yapılması, duyarlılık haritalarının oluşturulması, erken uyarı sistemlerinin kurulması veya güçlendirilmesi ile farkındalık çalışmalarının yürütülmesi gibi faaliyetlerin bütünleşik afet yönetim sisteminde risk yönetimi kapsamında, yangının söndürülmesi, gerekli güvenlik tedbirlerinin alınması ve yeniden ağaçlandırma gibi çalışmalar ise kriz yönetimi kapsamında değerlendirilebilir. Sonuç olarak bütünleşik afet yönetim modelinin evreleri olan hazırlık, zarar azaltma, müdahale ve iyileştirme aşamalarının orman yangınları konusunda da sistematik bir şekilde işletilmesinin olası yangın zararlarının azaltılmasına ve orman yangınlarının önlenmesine katkı sunacağı öngörülmektedir.

Anahtar Kelimeler

• Afet Yönetimi
• Orman Yangınları ile Mücadele
• Orman Yangınları
• Yangın İstatistikleri

Kaynakça

1. Abedi Gheshlaghi, H., Feizizadeh, B., Blaschke, T. (2020). GIS-Based Forest Fire Risk Mapping Using the Analytical Network Process and Fuzzy Logic. Journal of Environmental Planning and Management, 63(3), 481-499. https://doi.org/10.1080/09640568.2019.1594726
2. AFAD (2014). Afet ve Acil Durum Başkanlığı. Açıklamalı Afet Yönetimi Terimleri Sözlüğü. https://www.afad.gov.tr/kitaplar (Son Erişim: 01.01.2022)
3. AFAD (2021a). Ülke Genelinde Devam Eden Orman Yangınları Hk.-2. https://www.afad.gov.tr/ulke-genelinde-devam-eden-orman-yanginlari-hk-2. (Son Erişim: 15.02.2022)
4. AFAD (2021b). Ülke Genelinde Devam Eden Orman Yangınları Hk. https://www.afad.gov.tr/ulke-genelinde-devam-eden-orman-yanginlari-hk. (Son Erişim: 15.02.2022)
5. AFAD (2021c). Yangın Bölgelerinde Yürütülen Nakdi Yardım, Barınma ve Beslenme Çalışmaları. https://www.afad.gov.tr/yangin-bolgelerinde-yurutulen-nakdi-yardim-barinma-ve-beslenme-calismalari. (Son Erişim: 01.02.2022)
6. AFAD. (2022). İnsan Kaynaklı Afetler. https://www.afad.gov.tr/afadem/insan-kaynakli-afetler. (Son Erişim: 15.02.2022)
7. Ahmadi, K., Kalantar, B., Saeidi, V., Harandi, E. K., Janizadeh, S., Ueda, N. (2020). Comparison of Machine Learning Methods for Mapping the Stand Characteristics of Temperate Forests Using Multi-spectral Sentinel-2 Data. Remote Sensing, 12(18), 3019. https://doi.org/10.3390/rs12183019
8. Alkhatib, A. A. (2014). A Review on Forest Fire Detection Techniques. International Journal of Distributed Sensor Networks, 10(3), 597368. https://doi.org/10.1155/2014/597368

9. Aminah, CY Krah., Perdinan. (2020). Forest fires and Management Efforts in Indonesia (a review). IOP Conf. Series: Earth and Environmental Science 504 (2020) 012013. doi:10.1088/1755-1315/504/1/012013. https://doi.org/10.1088/1755-1315/504/1/012013
10. Arif, M., Alghamdi, K. K., Sahel, S. A., Alosaimi, S. O., Alsahaft, M. E., Alharthi, M. A., Arif, M. (2021). Role of Machine Learning Algorithms in Forest Fire Management: a Literature Review. J Robotics Autom, 5(1), 212-226. https://doi.org/10.36959/673/372
11. Avcı, M., Korkmaz, M. (2021). Türkiye’de Orman Yangını Sorunu: Güncel Bazı Konular Üzerine Değerlendirmeler. Turkish Journal of Forestry, 22 (3), 229-240. https://doi.org/10.18182/tjf.942706
12. Baltacı, U., Yıldırım, F. (2020). Muğla Orman Bölge Müdürlüğü’nde Orman Yangını Riskinin Çok Kriterli Analizi ve Haritalandırılması. Ormancılık Araştırma Dergisi, 8(1), 1-11.
13. Bendimerad, F. (2003). Disaster risk reduction and sustainable development. In World Bank Seminar on The Role of Local Governments in Reducing the Risk of Disasters, Held in Istanbul, Turkey (Vol. 28, 57-75).
14. Bui, D. T., Bui, Q. T., Nguyen, Q. P., Pradhan, B., Nampak, H., Trinh, P. T. (2017). A Hybrid Artificial İntelligence Approach Using GIS-Based Neural-Fuzzy İnference System and Particle Swarm Optimization for Forest Fire Susceptibility Modeling At A Tropical Area. Agricultural And Forest Meteorology, 233, 32-44. https://doi.org/10.1016/j.agrformet.2016.11.002
15. Camacho-Vallejo, J. F., González-Rodríguez, E., Almaguer, F. J., & González-Ramírez, R. G. (2015). A bi-level Optimization Model for Aid Distribution After the Occurrence of a Disaster. Journal of Cleaner Production, 105, 134-145. https://doi.org/10.1016/j.jclepro.2014.09.069
16. Chen, K., McAneney, J. (2004). Quantifying Bushfire Penetration İnto Urban Areas in Australia. Geophysical Research Letters, 31(12). https://doi.org/10.1029/2004GL020244
17. Chen, Y., Zhang, Y., Xin, J., Wang, G., Mu, L., Yi, Y., ... Liu, D. (2019). UAV İmage-Based Forest Fire Detection Approach Using Convolutional Neural Network. In 2019 14th IEEE Conference on İndustrial Electronics and Applications (ICIEA) (2118-2123). IEEE. https://doi.org/10.1109/ICIEA.2019.8833958
18. Cuny, F. C. (1994). Disasters and Development. Intertect Press.
19. Çelik, M. A., Bayram, H., Özüpekçe, S. (2018). An Assessment on Climatological, Meteorological And Hydrological Disasters That Occurred İn Turkey in the last 30 Years (1987-2017). lnternational Journal of Geography and Geography Education, (38), 295-310. https://doi.org/10.32003/iggei.424675
20. Demir, M., Kucukosmanoglu, A., Hasdemir, M., Acar, H., Ozturk, T. (2009). Assessment of Forest Roads and Firebreaks in Turkey. African Journal of Biotechnology, 8(18).
21. Diakakis, M., Xanthopoulos, G., Gregos, L. (2016). Analysis of Forest Fire Fatalities in Greece: 1977–2013. International Journal of Wildland Fire, 25(7), 797-809. https://doi.org/10.1071/WF15198
22. Díaz-Delgado, R., Lloret, F., Pons, X. (2004). Statistical Analysis of Fire Frequency Models for Catalonia (NE Spain), 1975–1998) Based on fire Scar Maps from Landsat MSS data. International Journal of Wildland Fire, 13(1), 89-99. https://doi.org/10.1071/WF02051
23. FAO. (2021). Forest Fire Management. https://www.fao.org/forestry/firemanagement/en/ (Son Erişim: 01.01.2022)
24. Ganteaume, A., Jappiot, M. (2013). What Causes Large Fires in Southern France. Forest Ecology and Management, 294, 76-85. https://doi.org/10.1016/j.foreco.2012.06.055
25. Ganteaume, A., Camia, A., Jappiot, M., San-Miguel-Ayanz, J., Long-Fournel, M., Lampin, C. (2013). A Review of the Main Driving Factors of Forest Fire İgnition Over Europe. Environmental Management, 51(3), 651-662. https://doi.org/10.1007/s00267-012-9961-z
26. Gnusov, M. A., Popikov, P. I., Malyukov, S. V., Sherstyukov, N. A., Pozdnyakov, A. K. (2020). Improving The Efficiency of Forest Fire Prevention And Suppression With of Forest Fire Machine. In IOP Conference Series: Materials Science and Engineering (Vol. 919, No. 3, s. 032025). IOP Publishing. https://doi.org/10.1088/1757-899X/919/3/032025
27. Göktepe, S., Avcı, M. (2015). Muğla-Fethiye Ormanlarında Yangın Sorunu, Yangınların Dağılımı ve Yangınlar Üzerinde Etkili Olan Faktörler. Turkish Journal of Forestry, 16(2), 130-140. https://doi.org/10.18182/tjf.52999
28. Hakyemez, A. (1995). Muğla Orman Bölge Müdürlüğü'nde Orman Yangınları. Journal of the Faculty of Forestry Istanbul University, 45(1-2), 119-126.
29. Hu, J., Niu, H., Carrasco, J., Lennox, B., Arvin, F. (2022). Fault-tolerant Cooperative Navigation of Networked UAV Swarms for Forest Fire Monitoring. Aerospace Science and Technology, 123, 107494. https://doi.org/10.1016/j.ast.2022.107494
30. Jayawardene, V., Huggins, T. J., Prasanna, R., Fakhruddin, B. (2021). The Role of data and İnformation Quality During Disaster Response Decision-Making. Progress in Disaster Science, 12, 100202. https://doi.org/10.1016/j.pdisas.2021.100202
31. Kalantar, B., Ueda, N., Saeidi, V., Janizadeh, S., Shabani, F., Ahmadi, K., Shabani, F. (2021). Deep Neural Network Utilizing Remote Sensing Datasets for Flood Hazard Susceptibility mapping in Brisbane, Australia. Remote Sensing, 13(13), 2638. https://doi.org/10.3390/rs13132638
32. Kankanamge, R., Prasanna, R. (2010). Information Systems for Supporting Fire Emergency Response (Doctoral dissertation, Loughborough University).
33. Kavlak, M. Ö., Kurtipek, A., Çabuk, S. N. (2020). Coğrafi Bilgi Sistemleri ile Orman Yangını Risk Haritası Oluşturulması: Ören Örneği. Resilience, 4(1), 33-54.
34. Kemer, N. (2022). Orman Yangınları ve Sonrası: Orman Ekosistem Restorasyonu. Avrupa Bilim ve Teknoloji Dergisi, (33), 373-381. DOI: 10.31590/ejosat.1054290
35. Küçükosmanoğlu, A. (1987). Türkiye Ormanlarında Çıkan Yangınların Sınıflandırılması ile Büyük Yangınların Çıkma ve Gelişme Nedenleri. Orman Genel Müdürlüğü, Yayın no: 29, Seri No: 28, Ankara.
36. Mavragani, A., Ochoa, G. (2019). Google Trends in İnfodemiology and İnfoveillance: Methodology Framework. JMIR Public Health and Surveillance, 5(2). https://doi.org/10.2196/13439
37. Meira Castro, A. C., Nunes, A., Sousa, A., Lourenço, L. (2020). Mapping the Causes of Forest Fires in Portugal by Clustering Analysis. Geosciences, 10(2), https://doi.org/10.3390/geosciences10020053
38. Meteoroloji Genel Müdürlüğü (2022). Mevsimlik Sıcaklık Analizi. https://mgm.gov.tr/FILES/iklim/yillikiklim/2022/mevsimlik-sicaklikanalizi-2022-yaz.pdf (Son Erişim: 28.12.2022)
39. Mohajane, M., Costache, R., Karimi, F., Pham, Q. B., Essahlaoui, A., Nguyen, H., ... Oudija, F. (2021). Application of Remote Sensing and Machine Learning Algorithms for Forest Fire Mapping in a Mediterranean area. Ecological Indicators, 129. https://doi.org/10.1016/j.ecolind.2021.107869
40. MTA. (2022) Türkiye’nin Deprem Potansiyeli. https://www.mta.gov.tr/v3.0/bilgi-merkezi/deprem_potansiyeli. (Son Erişim: 01.01.2022)
41. Pourtaghi, Z. S., Pourghasemi, H. R., Aretano, R., Semeraro, T. (2016). Investigation of General İndicators İnfluencing on Forest Fire and its Susceptibility Modeling Using Different Data Mining Techniques. Ecological indicators, 64, 72-84. https://doi.org/10.1016/j.ecolind.2015.12.030
42. Price, O. F., Whittaker, J., Gibbons, P., Bradstock, R. (2021). Comprehensive Examination of the Determinants of Damage to Houses in Two Wildfires in Eastern Australia in 2013. Fire, 4(3). https://doi.org/10.3390/fire4030044
43. Sarı, F. (2021). Forest Fire Susceptibility Mapping Via Multi-Criteria Decision Analysis Techniques for Mugla, Turkey: A comparative analysis of VIKOR and TOPSIS. Forest Ecology and Management, 480. https://doi.org/10.1016/j.foreco.2020.118644
44. Seydi, S. T., Akhoondzadeh, M., Amani, M., Mahdavi, S. (2021). Wildfire Damage Assessment Over Australia Using Sentinel-2 İmagery And MODIS Land Cover Product Within The Google Earth Engine Cloud Platform. Remote Sensing, 13(2). https://doi.org/10.3390/rs13020220
45. Seydi, S. T., Saeidi, V., Kalantar, B., Ueda, N., Halin, A. A. (2022). Fire-Net: A Deep Learning Framework for Active Forest Fire Detection. Journal of Sensors, 2022. https://doi.org/10.1155/2022/8044390
46. Shive, K. L., Fulé, P. Z., Sieg, C. H., Strom, B. A., Hunter, M. E. (2014). Managing Burned Landscapes: Evaluating Future Management Strategies For Resilient Forests Under A Warming Climate. International Journal of Wildland Fire, 23(7), 915-928. https://doi.org/10.1071/WF13184
47. Syphard, A. D., Brennan, T. J., Keeley, J. E. (2014). The Role of Defensible Space for Residential Structure Protection During Wildfires. International Journal of Wildland Fire, 23(8), 1165-1175. https://doi.org/10.1071/WF13158
48. Şahan, C., Kaya, İ. (2022). Türkiye ve Avrupa Ülkeleri Orman Yangınlarının Bazı Değişkenler Açısından Değerlendirilmesi. Ordu Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Araştırmaları Dergisi, 12 (1), 1-14. DOI: 10.48146/Odusobiad.1013462
49. Tavşanoğlu, Ç., Gürkan, B. (2004). Akdeniz Havzasında Bitkilerin Kuraklık ve Yangına Uyumları. Ot Sistematik Botanik Dergisi, 11(1), 119-132.
50. Tian, X., Zhao, F., Shu, L., Wang, M. (2013). Distribution Characteristics and the Influence Factors of Forest Fires in China. Forest Ecology and Management, 310, 460-467. https://doi.org/10.1016/j.foreco.2013.08.025
51. Türkiye Cumhuriyeti Cumhurbaşkanlığı (2021). “Devletimiz Yangınların Söndürülmesi, Hasarların Tazmini, Zarar Gören Yerlerin Yeniden İhyası İçin Çalışmaktadır”. https://tccb.gov.tr/haberler/410/128856/-devletimiz-yanginlarin-sondurulmesi-hasarlarin-tazmini-zarar-goren-yerlerin-yeniden-ihyasi-icin-calismaktadir- (Son Erişim: 15.02.2022)
52. UNISDR. (2002). (United Nations International Strategy for Disaster Reduction). https://gfmc.online/wp-content/uploads/ISDR-WSSD-Background-Paper-Version-June-2002-2.pdf. (Son Erişim: 01.01.2022)
53. UNISDR. (2004). (United Nations International Strategy for Disaster Reduction). Living With Risk: A Global Review of Disaster Reduction İnitiatives. https://www.undrr.org/publication/living-risk-global-review-disaster-reduction-initiatives. (Son Erişim: 15.02.2022)
54. UNISDR. (2015). Sendai Framework for Disaster Risk Reduction 2015–2030. In Proceedings of The 3rd United Nations World Conference on DRR, Sendai, Japan (Vol. 1).
55. URL 1, http://www.emdat.be/glossary. (Son Erişim: 15.02.2022)
56. URL 2, https://www.emdat.be/classification. (Son Erişim: 15.02.2022)
57. URL 3, https://www.ogm.gov.tr/tr/orman-yanginlari-oncesi-hazirlik-calismalari. (Son Erişim: 15.02.2022)
58. URL 4, https://www.ogm.gov.tr/tr/e-kutuphane/resmi-istatistikler. (Son Erişim: 15.02.2022)
59. URL 5, https://trends.google.com/trends/?geo=TR. (Son Erişim: 15.02.2022)
60. Viegas, D. X. (2006). Forest Fires in Portugal in 2005—An Overview. Int. For. Fire News, 34, 22-30.
61. Xu, R., Lin, H., Lu, K., Cao, L., Liu, Y. (2021). A Forest Fire Detection System Based on Ensemble Learning. Forests, 12(2), 217. https://doi.org/10.3390/f12020217
62. Yılmaz, O. S., Oruç, M. S., Ateş, A. M., Gülgen, F. (2021). Orman Yangın Şiddetinin Google Earth Engine ve Coğrafi Bilgi Sistemleri Kullanarak Analizi: Hatay-Belen Örneği. Journal of The Institute of Science and Technology, 11(2), 1519-1532.