Modelling of spatial prediction of fire ignition risk in the Antalya-Manavgat district

Year 2016, Volume: 66 Issue: 2, 459 - 470, 01.07.2016

Coşkun Güney Kürşad Özkan Özdemir Şentürk

https://doi.org/10.17099/jffiu.42696

Abstract

Modelling of spatial prediction of fire ignition risk in the Antalya-Manavgat district

Abstract: The aim of this study was to present the fire ignition risk for Manavgat-Antalya District to enable the planning of firefighting sources in a more qualified way. From sites within the study area, where forest fires broke out or not during the past five years, we obtained geographical coordinates, climate data, topographical data and variables like bedrock, stand types, settlement areas, roads and power lines and prepared them with geographical information systems. For all variables we performed Wilcoxon rank-sum test, interspecific correlation analysis and logistic regression analysis and obtained 4 different models. When ROC analysis was applied to these models, model 4 was determined as the most significant model and therefore used to prepare the fire ignition risk map for the Manavgat-Antalya District. According to this map, ignition risk within the study area was highest in and around settlement areas where roads and power lines concentrate and Turkish red pine is distributed, but it was lowest afar of settlement areas without roads and where species apart from Turkish red pine are distributed. According to the results some suggestions were made.

Keywords: Forest fire, ignition risk, fire risk, fire risk map, forest fıre occurrence probability

Antalya-Manavgat yöresi ormanlarında tutuşma riskinin coğrafi dağılım modellemesi

Özet: Bu çalışmanın amacı Antalya-Manavgat yöresinde yangın çıkma riskini ortaya koyarak yangın söndürme kaynaklarının daha nitelikli olarak planlanmasına katkı sağlamaktır. Çalışma alanında son 5 yılda orman yangını çıkan ve çıkmayan mevkilere ait koordinatlar, iklim verileri, topoğrafik veriler, anakaya, meşcere tipleri, yerleşim alanları, yollar ve enerji nakil hatları değişkenleri ile ilgili veriler coğrafi bilgi sistemleri ortamında hazırlanmıştır. Değişkenlere sırasıyla temel bileşenler analizi, Wilcoxon sıra istatistiği, nitelikler arası ilişki analizi, lojistik regresyon analizi uygulanmış ve 4 adet model elde edilmiştir. Daha sonra ROC analizi uygulanarak en anlamlı modelin model 4 olduğu belirlenmiştir ve Antalya-Manavgat yöresi için tutuşma riski haritası ortaya çıkarılmıştır. Bu haritaya göre çalışma sahasında yerleşim ve çevresi, yolların ve enerji nakil hatlarının yoğunlaştığı ve kızılçamın yayılış alanındaki kısımlarda tutuşma riskinin en yüksek olduğu, ancak yolu olmayan, yerleşim yerlerinden uzak ve kızılçam dışındaki türlerin yayılış gösterdiği yerlerde tutuşma riskinin en düşük olduğu görülmektedir. Ortaya çıkan sonuçlara göre de bazı önerilerde bulunulmuştur.

Anahtar kelimeler: Orman yangınları, tutuşma riski, yangın riski, yangın risk haritası, orman yangını çıkma olasılığı

Received (Geliş): 03.08.2015 - Revised (Düzeltme): 09.10.2015 -   Accepted (Kabul): 21.10.2015

Cite (Atıf): Güney, Ç.O., Özkan, K., Şentürk, Ö., 2016. Modelling of spatial prediction of fire ignition risk in the Antalya-Manavgat district. Journal of the Faculty of Forestry Istanbul University 66(2): 459-470. DOI: 10.17099/jffiu.42696

Keywords

-

Antalya-Manavgat yöresi ormanlarında tutuşma riskinin coğrafi dağılım modellemesi

Abstract

Bu çalışmanın amacı Antalya-Manavgat yöresinde yangın çıkma riskini ortaya koyarak yangın söndürme kaynaklarının daha nitelikli olarak planlanmasına katkı sağlamaktır. Çalışma alanında son 5 yılda orman yangını çıkan ve çıkmayan mevkilere ait koordinatlar, iklim verileri, topoğrafik veriler, anakaya, meşcere tipleri, yerleşim alanları, yollar ve enerji nakil hatları değişkenleri ile ilgili veriler coğrafi bilgi sistemleri ortamında hazırlanmıştır. Değişkenlere sırasıyla temel bileşenler analizi, Wilcoxon sıra istatistiği, nitelikler arası ilişki analizi, lojistik regresyon analizi uygulanmış ve 4 adet model elde edilmiştir. Daha sonra ROC analizi uygulanarak en anlamlı modelin model 4 olduğu belirlenmiştir ve Antalya-Manavgat yöresi için tutuşma riski haritası ortaya çıkarılmıştır. Bu haritaya göre çalışma sahasında yerleşim ve çevresi, yolların ve enerji nakil hatlarının yoğunlaştığı ve kızılçamın yayılış alanındaki kısımlarda tutuşma riskinin en yüksek olduğu, ancak yolu olmayan, yerleşim yerlerinden uzak ve kızılçam dışındaki türlerin yayılış gösterdiği yerlerde tutuşma riskinin en düşük olduğu görülmektedir. Ortaya çıkan sonuçlara göre de bazı önerilerde bulunulmuştur

Keywords

Orman yangınları, tutuşma riski, yangın riski, yangın risk haritası, orman yangını çıkma olasılığı

References

• Badia, A., Serra, P., Modugno, S., 2011. Identifying dynamics of fire ignition probabilities in two representative Mediterranean wildland-urban interface areas. Applied Geography 31(3): 930-940.
• 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.
• Başaran, M., SARIBAŞAK, H., Cengiz, Y., 2004. Yangın Söndürme Planı Temel Esaslarının Belirlenmesi (Manavgat örneği). Batı Akd. Orm. Arş. Müdürlüğü Teknik Bülten No:18.
• Catry, F., Rego, F., Silva, J., Moreira, F., Camia, A., Ricotta, C., Conedera, M., 2010a. Fire starts and human activities. Towards Integrated Fire Management–Outcomes of the European Project fire Paradox, Joensuu: European Forest Institute.
• Catry, F. X., Rego, F. C., Bação, F. L., Moreira, F., 2010b. Modeling and mapping wildfire ignition risk in Portugal. International Journal of Wildland Fire 18(8): 921-931.
• Chas-Amil, M., Touza, J., García-Martínez, E., 2013. Forest fires in the wildland–urban interface: a spatial analysis of forest fragmentation and human impacts. Applied Geography 43: 127-137.
• Chuvieco, E., Congalton, R. G., 1989. Application of remote sensing and geographic information systems to forest fire hazard mapping. Remote sensing of Environment 29(2): 147-159.
• Cleve, C., Kelly, M., Kearns, F. R., Moritz, M., 2008. Classification of the wildland–urban interface: A comparison of pixel-and object-based classifications using high-resolution aerial photography. Computers, Environment and Urban Systems 32(4): 317-326.
• Cole, L. C., 1949. The measurement of Interspecific associaton. Ecology 411-424.
• Çokluk, Ö., 2010. Lojistik regresyon analizi: Kavram ve uygulama. Kuram ve Uygulamada Eğitim Bilimleri 10(3): 1357-1407.
• Erten, E., Kurgun, V., Musaoğlu, N., 2005. Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Kullanarak Orman Yangını Bilgi Sisteminin Kurulması. TMMOB Harita ve Kadastro Mühendisleri Odası, 10. Türkiye Harita Bilimsel ve Teknik Kurultayı, 28 Mart - 1 Nisan 2005, Ankara
• FAO, 1986. Wildland Fire Management Terminology, 70.
• Finney, M. A., 2005. The challenge of quantitative risk analysis for wildland fire. Forest Ecology and Management 211(1): 97-108.
• Flannigan, M., Cantin, A. S., de Groot, W. J., Wotton, M., Newbery, A., Gowman, L. M., 2013. Global wildland fire season severity in the 21st century. Forest Ecology and Management 294: 54-61.
• Fox, D., Martin, N., Carrega, P., Andrieu, J., Adnès, 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.
• Ganteaume, A., Jappiot, M., 2013. What causes large fires in Southern France. Forest Ecology and Management 294: 76-85.
• Gonzalez-Olabarria, J. R., Mola-Yudego, B., Pukkala, T., Palahi, M., 2011. Using multiscale spatial analysis to assess fire ignition density in Catalonia, Spain. Annals of Forest Science 68(4): 861-871.
• Guglietta, D., Conedera, M., Mazzoleni, S., Ricotta, C., 2011. Mapping fire ignition risk in a complex anthropogenic landscape. Remote Sensing Letters 2(3): 213-219.
• Güney, C. O., 2014. Tutuşma risk haritaları ve kullanma olananakları. Orman Mühendisliği Dergisi 51(4-5-6): 13-18.
• Hijmans, R. J., Cameron, S. E., Parra, J. L., Jones, P. G., Jarvis, A., 2005. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology 25(15): 1965-1978.
• Kalabokidis, K. D., Koutsias, N., Konstantinidis, P., Vasilakos, C., 2007. Multivariate analysis of landscape wildfire dynamics in a Mediterranean ecosystem of Greece. Area 39(3): 392-402.
• Lampin-Maillet, C., Jappiot, M., Long, M., Bouillon, C., Morge, D., Ferrier, J.-P., 2010. Mapping wildland-urban interfaces at large scales integrating housing density and vegetation aggregation for fire prevention in the South of France. Journal of Environmental Management 91(3): 732-741.
• Martínez, J., Chuvieco, E., Martín, P., 2008. Estimation of risk factors of human ignition of fires in Spain by means of logistic regression, Proceedings of the Second International Symposium on Fire Economics, Planning, and Policy: A Global View, pp. 265-278.
• Moreira, F., Viedma, O., Arianoutsou, M., Curt, T., Koutsias, N., Rigolot, E., Barbati, A., Corona, P., Vaz, P., Xanthopoulos, G., 2011. Landscape–wildfire interactions in southern Europe: implications for landscape management. Journal of Environmental Management 92(10): 2389-2402.
• OGM, 2008. Yanan Alanların Rehabilitasyonu ve Yangına Dirençli Ormanlar Tesisi Projesi Serik-Taşağıl. T.C. Çevre ve Orman Bakanlığı, 29.
• Oliveira, S., Oehler, F., San-Miguel-Ayanz, J., Camia, A., Pereira, J. M., 2012. Modeling spatial patterns of fire occurrence in Mediterranean Europe using multiple regression and random forest. Forest Ecology and Management 275: 117-129.
• Ozkan, K., 2012. Identification of driving factors for presence of endemic species in the Aglasun district of the Mediterranean Region, Turkey. Polish Journal of Ecology 60(2): 291-230.
• Özkan, K., Şentürk, Ö., 2012. The Application of Group Discrimination Techniques to Predict The Potential Distribution Of Turbentine Tree, International Scientific Conference People Buildings And Environment, Lednlce, Czech Republic.
• Pausas, J. G., 2004. Changes in fire and climate in the eastern Iberian Peninsula (Mediterranean basin). Climatic Change 63(3): 337-350.
• Perchat, S., Rigolot, E., 2005. Comportement Au Feu Et Utilisation Par Les Forces De Lutte Des Coupures De Combustible Touches Par Les Grands Incendies De La Saison 2003. Morières: Ed. De la Cardère Morières.
• Pezzatti, G., Bajocco, S., Torriani, D., Conedera, M., 2009. Selective burning of forest vegetation in Canton Ticino (southern Switzerland). Plant Biosystems 143(3): 609-620.
• Poole, R. W., 1974. Introduction To Quantitative Ecology. McGrawHill, Inc. New York, 532.
• Saglam, B., Bilgili, E., Dincdurmaz, B., Kadiogulari, A. I., Küçük, Ö., 2008. Spatio-temporal analysis of forest fire risk and danger using LANDSAT imagery. Sensors 8(6): 3970-3987.
• San-Miguel-Ayanz, J., Moreno, J. M., Camia, A., 2013. Analysis of large fires in European Mediterranean landscapes: lessons learned and perspectives. Forest Ecology and Management 294: 11-22.
• Sharples, J., McRae, R., Weber, R., Gill, A., 2009. A simple index for assessing fire danger rating. Environmental Modelling and Software 24(6): 764-774.
• 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.
• Turner, M. G., Romme, W. H., 1994. Landscape dynamics in crown fire ecosystems. Landscape Ecology, 9(1): 59-77.
• Vasconcelos, M. P. d., Silva, S., Tome, M., Alvim, M., Pereira, J. C., 2001. Spatial prediction of fire ignition probabilities: comparing logistic regression and neural networks. Photogrammetric Engineering and Remote Sensing 67(1): 73-81.
• Xu, D., Shao, G., Dai, L., Hao, Z., Tang, L., Wang, H., 2006. Mapping forest fire risk zones with spatial data and principal component analysis. Science in China Series E: Technological Sciences 49(1): 140-149.