در کشورهای بزرگ جنگلی، یک چالش واقعی دسترسی به جنگل ها برای منابع، مدیریت عملیاتی آتش سوزی جنگلی و برآوردهای اقتصادی برای اهداف مختلف وجود دارد. در روسیه دو راه برای دسترسی به جنگل ها وجود دارد: از طریق هوا و از طریق زمین. راه اول برای هر کشوری بسیار گران است. مورد دوم هزینه کمتری دارد، اما چالش های برنامه ریزی فضایی برای ایجاد مسیرهای دسترسی توسط جاده های عمومی و جنگل های موجود را دارد. مقامات منطقه ای و ادارات آتش نشانی به دسترسی از طریق زمین توجه دارند، اما فضای مشخصی برای بهبود مدیریت و روش های همکاری با بودجه محدود وجود دارد. این وظایف را می‌توان با فناوری‌های GIS به شیوه‌ای عملیاتی‌تر برای خودکارسازی ساخت مسیرها به‌ویژه در فصل آتش‌سوزی حل کرد. ما از فناوری اطلاعات جغرافیایی ترکیبی (که قبلا توسعه یافته بود) و محصول ماهواره‌ای، یعنی نقشه پوشش گیاهی از طیف‌سنجی تصویربرداری با وضوح متوسط ​​(MODIS) برای تخمین میزان دسترسی هر منطقه جنگلی هنگام حرکت در جاده‌های عمومی و جنگل‌های جنگلی از ایستگاه آتش نشانی به عنوان نقطه شروع، استفاده کردیم. این ایستگاه ها مراکز اصلی مبارزه با آتش سوزی جنگل ها در قلمرو مناطق حفاظت زمینی روسیه هستند و ما آنها را به عنوان مراکز لجستیکی برای مدیریت منابع جنگلی نیز در نظر گرفته ایم. مدل حمل و نقل در دو نوع ایجاد شد: بدون مانع و مبتنی بر موانع (جنگل‌ها). با استفاده از این دو مدل، دو سناریو عمل متفاوت را نشان داده ایم. منطقه کلیدی منطقه نووسیبیرسک واقع در ناحیه فدرال سیبری، روسیه بود. ما یک سری نقشه برای نشان دادن دسترسی حمل و نقل مناطق جنگلی از ایستگاه های آتش نشانی ایجاد کرده ایم. تخمین پیکسل های “واقع” یا مناطق جنگلی قابل دسترسی از ایستگاه های آتش نشانی برای منطقه کلیدی حدود 66٪ – 83٪ است. در دسترس ترین نوع جنگل، جنگل های مختلط است. تعداد پیکسل های غیرقابل دسترس در سناریوی موانع بیش از دو برابر افزایش یافته است. فناوری را می توان برای منابع داده موضوعی و حوزه های مختلف مانند محیط زیست یا اقتصاد استفاده کرد.

کلید واژه ها

دسترسی به زمین , GIS , موانع , منابع جنگلی , جنگلداری , ایستگاه آتش نشانی , MODIS

1. مقدمه

اصطلاح “دسترسی حمل و نقل” در طیف گسترده ای از مطالعات جغرافیایی و اقتصادی استفاده می شود. تعداد قابل توجهی از آثار نوشته شده توسط جامعه علمی بین المللی [ 1 ] – [ 15 ] به موضوع دسترسی حمل و نقل جنگل ها، شدت جنگلداری و استفاده از جنگل اختصاص یافته است. انتخاب پارامترهای ارزیابی دسترسی (معیارهای مکان) همیشه یک موضوع جغرافیایی، متریک و موضوعی است که باید در زمینه یک منطقه معین مورد توجه قرار گیرد. دسترسی یکی از عوامل تأثیر محیطی [ 16 ] زمانی است که نیاز به انجام یک تکلیف تاکتیکی نسبت به جاده ها وجود دارد. دسترسی مطمئناً استفاده از منابع را محدود می کند، طبیعی از منابع تولید شده توسط انسان.

برخی از پروژه‌های بین‌رشته‌ای جهانی وجود دارند که دسترسی به حمل و نقل را توصیف می‌کنند، یعنی دسترسی زمینی از شهرها و مناطق بدون جاده. ما محصولات نقشه برداری برخی از پروژه های حمل و نقل [ 17 ] [ 18 ] [ 19 ] را یافته ایم. به عنوان مثال، مقاله [ 17 ] یک نقشه جهانی از مناطق بدون جاده و وضعیت حفاظتی آنها را ارائه می دهد. مثال دیگر شطرنجی است که زمان سفر به نزدیکترین شهر با 50000 نفر یا بیشتر را در سال 2000 از مطالعه نشان می دهد [ 18 ].

سازماندهی نظارت پیچیده پوشش جنگلی و حفاظت از جنگل در شرایط اقتصادی مدرن روسیه (و همچنین در هر کشور جنگلداری دیگر) دارای چالش های خاصی است. همانطور که کارشناسان روسی در کارهای خود اشاره می کنند، برای مثال [ 20 ] [ 21 ]، بهینه سازی تخصیص مراکز جنگلی لجستیک برای محافظت از جنگل ها در برابر آتش سوزی و مدیریت عملیات قطع درختان مهم است.

امروزه استراتژی‌های صحنه‌ای و متفاوت برای برنامه‌ریزی حرکت مورد توجه تحقیقاتی ثابت و رایج در مدل‌سازی صنعتی حمل‌ونقل است، [https://gisforthought.com/forth-road-bridge-closure-impact-on-drive-times/] . مدل‌سازی با موانع برای یک حوزه جغرافیایی با عملکرد و داده‌های GIS مدرن برای شرایط عملیاتی و همکاری‌های مختلف اجرا می‌شود.

ما به مطالعه GIS در مورد حفاظت از آتش سوزی جنگل [ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ] ادامه می دهیم. هدف از این تحقیق استفاده از روش‌شناسی GIS قبلا توسعه‌یافته ما است که در مقاله [ 24 ] توضیح داده شده است.]، برای تخمین دسترسی به منابع جنگلی با در نظر گرفتن مناطق مسئولیت ایستگاه های آتش نشانی با مدل سازی بدون مانع / مانع. برای آرشیو این هدف، مجموعه ای از وظایف را فرموله کرده ایم: 1) تعریف سناریوهای بدون مانع و مانع دسترسی عملیاتی به پیکسل های جنگل (منابع جنگل). 2) نقشه برداری از سناریوها، تجزیه و تحلیل خروجی های آنها برای منطقه کلیدی در منطقه فدرال سیبری (FD). 3) استفاده از سناریوها برای ارزیابی مکان حمل و نقل ایستگاه های آتش نشانی، و 4) تجزیه و تحلیل دسترسی حمل و نقل بر اساس نوع پوشش گیاهی جنگل. برای حل وظایف ذکر شده در بالا، ما اسناد واقعی مقررات جنگل روسیه را تجزیه و تحلیل کرده ایم، یعنی: الف) اصول خاموش کردن آتش سوزی جنگل ها در محدوده مناطق جنگلی،

“یک مانع” در تحقیق GIS حاضر به معنای مرز جنگل یا تقسیم اداری است، این یک خط چند خطی برای تعیین اولویت ها برای مدیریت سریع تلاش های لجستیکی برای دسترسی به منابع جنگلی در محدوده مسئولیت ایستگاه های آتش نشانی است.

2. داده ها و روش

شکل 1 یک روش کلی با عملیات و داده های مکانی درگیر ارائه می دهد. ایده این بود که داده‌های برداری (جاده‌ها، مراکز یا ایستگاه‌های آتش‌نشانی جنگل‌ها و بخش‌های جنگلی) و رستری (پوشش گیاهی جنگل) را ترکیب کرده و سناریوهای حرکت زمین را با در نظر گرفتن تقسیمات جنگلی به عنوان موانع تولید کند. اولین قدم ایجاد مسیرهای دسترسی در صورت وجود یا عدم وجود موانع است. در مرحله نقشه برداری، مسیرها را تجسم می کنیم، زمان، طول و سرعت مسیرها را محاسبه و تجزیه و تحلیل می کنیم. مرحله نهایی شامل نقشه‌برداری دسترسی حمل‌ونقل است که نشان می‌دهد مناطق جنگلی (پیکسل‌ها) چقدر از ایستگاه‌های آتش‌نشانی فاصله دارند.

ما از داده‌های زیر استفاده کرده‌ایم: 1) مدل حمل‌ونقل FD ایجاد شده برای شبکه جاده‌ها (جاده‌های عمومی و جنگل‌های جنگلی) که از نقشه‌های توپوگرافی اتحاد جماهیر شوروی سابق 1:200000 مشتق شده و بر اساس نقشه خیابان باز یا سرویس وب OSM به روز شده است. [https://www.openstreetmap.org] نقشه راه، 2) نقشه پوشش گیاهی شطرنجی گردآوری شده از داده های MODIS با وضوح فضایی 230 متر [ 27 ] [ 28 ]، و 3) لایه های برداری ایستگاه های آتش نشانی و مرزهای جنگل، همچنین به عنوان تقسیمات اداری بر اساس مناطق [ 29 ].

داده‌های شبکه جاده‌ای و ایستگاه‌های آتش‌نشانی با یک رستر پوشش گیاهی ترکیب شدند. هر پیکسل “جنگل” (یک پیکسل با هر نوع جنگل) به عنوان یک نقطه (موقعیت) در منطقه در نظر گرفته می شود. دسترسی به آن باید با سه پارامتر ارزیابی شود، یعنی: زمان، مسافت و سرعت دسترسی با حمل و نقل ویژه (هر وسیله نقلیه سنگین مانند کامیون چوب بری یا کامیون آتش نشانی و غیره) با توجه به پارامترهای سرعت تعریف شده برای انواع مختلف پوشش جاده، جدول 1 از مقاله [ 24 ]. نتیجه نقشه ای است که زمان، مسافت و سرعت حرکت از نزدیکترین ایستگاه به مناطق جنگلی را نشان می دهد (پیکسل های نقشه گیاهی)، که به نوبه خود مبنایی برای تهیه نقشه دسترسی مناطق جنگلی است.

جاده‌های جنگلی نقش مهمی در زیرساخت‌های اطفای حریق جنگلی هر کشور جنگلی ایفا می‌کنند، به عنوان مثال (به جز روسیه) کانادا، فرانسه، بلغارستان، ترکیه، فنلاند، اسپانیا و ایتالیا و سایر کشورها، تحلیلی از برنامه‌ریزی، ساخت و نگهداری راه‌ها انجام شده است. در برخی از انتشارات اخیر [ 30 ] [ 31 ] [ 32 ]. ما فرض می‌کنیم که هر تحلیل دسترسی برای منابع جنگلی باید شامل داده‌های جاده‌های جنگلی باشد.

هدف اصلی ایستگاه‌های آتش‌نشانی ( PKHS ، در اصطلاحات جنگلی روسی یا ایستگاه‌های آتش‌شیمیایی در ترجمه دقیق انگلیسی ) جلوگیری، شناسایی و محدود کردن گسترش آتش‌سوزی‌های جنگلی به‌موقع است. آنها به عنوان شبکه حفاظت از آتش سوزی جنگل در سطح منطقه ای در شرکت های جنگلی، جنگل های آموزشی، پارک های ملی و ذخایر طبیعی دولتی سازماندهی شده اند. ایستگاه های آتش نشانی با تجهیزات ویژه آتش نشانی و کارکنان آموزش دیده تجهیز شده اند [ 33 ]. سه نوع ایستگاه آتش نشانی وجود دارد. دو مورد اول در سطح جنگلداری قرار دارند. آنها از نظر تعداد نیروهای آتش نشانی و تجهیزات آتش نشانی و مدیریت آن توسط رئیس جنگلداری متفاوت هستند. منطقه مسئولیت آنها یک زیر جنگل (نوع I) و یک جنگل (نوع II) است. در موارد استثنایی، منابع را می توان از یک جنگلداری به جنگلی دیگر منتقل کرد (برای مثال، آتش سوزی های زیادی در جنگل های همسایه با تعداد محدودی آتش نشانی و تجهیزات برای مبارزه با آنها رخ می دهد). ایستگاه های نوع سوم در سطح ناحیه اداری با کارکنان دائمی و ذخیره وسیع تجهیزات فنی سازماندهی شده اند. این ایستگاه به اداره جنگلبانی منطقه اختصاص دارد. هدف از این نوع ایستگاه ها اطفاء حریق در مواقع خطر آتش سوزی اضطراری است.

منطقه کلیدی انتخاب شده (منطقه نووسیبیرسک) در FD سیبری فدراسیون روسیه قرار دارد ( شکل 2 ). این منطقه با جنگل های مخروطی پهن برگ مخلوط و پوشش گیاهی غیرجنگلی و فعالیت اقتصادی انسانی فشرده مشخص می شود [ 21 ].

مناطق جنگلی یا جنگل‌ها دارایی‌های مهم [ 34 ] و حفاظت سرزمینی و واحدهای تولید مثل اصلی در صنعت جنگل در روسیه هستند. هندسه جنگلداری به تقسیم اداری منطقه بستگی دارد و در روسیه اغلب از مرزهای مناطق اداری ( یا raion ، در طبقه بندی روسی ) پیروی می کنند.

بنابراین، یک روش GIS برای هدایت وسیله نقلیه از ایستگاه آتش نشانی به منابع جنگلی (پیکسل های نقشه پوشش گیاهی) با سناریوهای بدون مانع و مانع شامل:

· ایجاد مجموعه داده های بدون مانع/موانع و نمایش های نقشه برداری آنها: کنترل کیفیت داده ها برای هندسه و ویژگی ها، به روز رسانی با ترکیب داده های OSM.

· نقشه برداری از سناریوها: ایجاد نقشه مسیرها که زمان دسترسی، طول و سرعت حرکت وسیله نقلیه را نشان می دهد.

· ارزیابی مکان حمل و نقل ایستگاه های آتش نشانی برای دو سناریو: تجزیه و تحلیل مسیرها در محدوده زمانی 3 ساعت.

· محاسبه آماری برای سناریوهای مسیرها برای دسترسی به منابع جنگلی: میانگین، انحراف معیار و میانه.

· تجزیه و تحلیل و نقشه برداری دسترسی منطقه ای پیکسل های جنگل برای سناریوهای بدون مانع و مانع: تعریف منابع قابل دسترس و غیر قابل دسترس.

3. نتایج

3.1. سناریوهای دسترسی بدون موانع و موانع به جنگل ها

ما یک سناریوی دسترسی را در نظر می گیریم به عنوان یک فعالیت عملیاتی یا یک روش فنی برای هدایت یک واحد مدیریت جنگل (ممکن است آتش نشانی یا کامیون چوب یا وسیله نقلیه ویژه دیگری باشد) زمانی که به هر دلیلی نیاز به دسترسی به منابع جنگلی وجود دارد. وسیله نقلیه با وسایل زمینی، جاده های عمومی و جنگل های جنگلی به یک منطقه جنگلی دسترسی پیدا می کند و حرکت خود را از ایستگاه آتش نشانی شروع می کند. ما دو سناریو را اعمال کردیم: سناریوی بدون مانع و سناریوی مانع، مسیرهای ایجاد شده بر اساس زمان دسترسی، طول و سرعت طبقه‌بندی شدند. موانع تقسیم جنگل (جنگلداری) با مرزهای تقسیم اداری در FD سیبری است. از نظر هندسی آنها چند خطی هستند که برای ساخت شبکه جاده در تحلیلگر شبکه ArcGIS ESRI استفاده می شوند. در نتیجه مدل‌سازی شبکه راه، نقشه‌های مسیر را با فاصله به دست آوردیم. سرعت و زمان سفر از نزدیکترین ایستگاه به هر منطقه جنگلی بدون محدودیت و با محدودیت. قرار بود از هر دو سناریو برای نشان دادن هرگونه تفاوت در دسترسی به منابع جنگلی و ارزیابی اهمیت/ضرورت در نظر گرفتن مرزها استفاده شود.

3.2. نمایش کارتوگرافی مجموعه داده های بدون مانع و مانع

دو مجموعه داده از داده های اولیه تولید شده است ( جدول 1 ). ما چهار لایه شطرنجی برای هر سناریو داریم: پیکسل‌های “واقع” به ایستگاه‌های آتش‌نشانی (منابع جنگلی قابل دسترسی از ایستگاه‌ها) و “مسیرهای ایجاد شده” (مسیرهایی از ایستگاه آتش‌نشانی به پیکسل جنگل) برای ایستگاه‌های نوع I و ایستگاه های نوع I و II با هم. حدود 300000 رکورد در مجموعه داده منطقه کلیدی وجود دارد. جنگل ها حدود 15726 کیلومتر مربع ⁽ تعداد تمام پیکسل های جنگل 296729 پیکسل است) از 177756 کیلومتر مربع را پوشش می دهند ⁽ https://www.nso.ru/page/2264). مساحت جنگلی منطقه نووسیبیرسک حدود 9 درصد از پوشش کل منطقه جنگلی است. همانطور که از جدول 1 می بینیمتفاوت کمی معنی‌داری (83% و 66% – 67% از تمام پیکسل‌های داخل منطقه برای بدون مانع و در نتیجه مانع) بین دو حالت دسترسی به جنگل وجود ندارد. تعداد پیکسل ها با در نظر گرفتن اندازه پیکسل MODIS به واحدهای مساحت تبدیل شد. داده های جدول 1 نقشه برداری شده، ارائه شده در بخش نقشه برداری 3.3.

3.3. نقشه برداری از سناریوها

سناریوی بدون مانع (بدون مرز): این ساده‌ترین سناریو است که می‌توان از نزدیک‌ترین ایستگاه آتش‌نشانی به وسیله زمین و با حرکت آزاد و بدون هیچ‌گونه مرز مسئولیتی به یک مکان جنگلی دسترسی داشت ( شکل 2 (ب)).

سناریوی با موانع (مرزها): برای موانع، ما از قوانین روسی در حوزه جنگل پیروی کردیم [ 34 ]. ما از هندسه جنگل ها و تقسیم اداری برای ساختن ماسک چند خطی از موانع استفاده می کنیم ( شکل 3 ) که حداقل یک ایستگاه آتش نشانی در هر واحد برای اکثر موارد دارد.

نتایج خروجی لایه‌های شطرنجی برای سناریوهای بدون مانع و مانع در محیط GIS هستند که می‌توان آن‌ها را در دسکتاپ یا رابط وب مشاهده کرد. برای منطقه کلیدی داده شده و پیکربندی داده شده ایستگاه ها، آزمایش های اولیه ما با ایستگاه های I (30 ایستگاه) و نوع I و II (37 ایستگاه) به طور جداگانه نشان داده است که تفاوت معنی داری در نتایج مسیرهای دسترسی (وجود یا عدم وجود مسیر) وجود ندارد. اعداد در جدول 2 قرار داده شده است. بنابراین، برای نتایج بصری، تصمیم گرفتیم مجموعه ای از نقشه ها را برای هر دو نوع ایستگاه نشان دهیم.

در زیر مجموعه ای از نقشه ها برای سناریوهای بدون مانع (الف) و موانع (ب) مدل سازی شبکه مسیر برای ایستگاه های آتش نشانی طبقه بندی شده بر اساس دسترسی زمانی ( شکل 4 )، طول مسیر ( شکل 5 ) و سرعت متوسط ​​وسیله نقلیه در مسیر ارائه می کنیم. ( شکل 6 ).

3.4. استفاده از سناریوها برای ارزیابی موقعیت حمل و نقل ایستگاه های آتش نشانی

شکل 7 نقشه های دسترسی را تنها در عرض 3 ساعت نشان می دهد که یک شرایط زمانی بحرانی برای مدیریت آتش سوزی جنگل در روسیه است [ 33 ]. ما فکر می کنیم که این محدودیت زمانی برای مدیریت منابع جنگلی نیز قابل اجرا و معقول است. همانطور که از شکل 7 می بینیم ، برای هر دو سناریو تقریباً تمام ایستگاه ها (هر دو نوع I و II) به عنوان نقاط لجستیکی برای شروع حرکت به سمت منابع جنگلی استفاده شدند. روش معمول در صنعت جنگل در روسیه، قرار دادن ایستگاه های آتش نشانی در داخل شهرک ها برای تسهیل تدارکات است.

از نظر هندسی هر دو سناریو دارای برخی ویژگی های مشترک در قسمت مرکزی ناحیه کلیدی هستند. تفاوت بین سناریوها در قسمت شرقی که ایستگاه وجود ندارد و جنگل ها هندسه پیچیده ای دارند (برای سناریوی موانع) قابل مشاهده است.

3.5. دسترسی حمل و نقل بر اساس نوع پوشش گیاهی جنگل

برای اهداف تعمیم، انواع پوشش گیاهی جنگلی از طبقه بندی MODIS در 4 دسته مجدداً گروه بندی شده اند.جدول 2)، این دسته بندی ها کل منطقه نووسیبیرسک را شامل می شود، یعنی: جنگل برگ سوزنی روشن همیشه سبز، جنگل مختلط (مخلوط با اکثریت برگ سوزنی، مخلوط با اکثریت پهن برگ و جنگل مختلط)، و برگ سوزنی برگریز پراکنده. مقادیر مطلق پیکسل های پوشش گیاهی جنگل در جدول برای هر سناریو محاسبه شده است، نسبی (در درصد) نسبت به تعداد پیکسل های کاملاً قابل دسترسی است که برای مرجع در همان جدول آورده شده است. انواع جنگل ها در گروه بندی شدندجدول 2 به ترتیب نزولی بر اساس مقادیر آنها.

همانطور که از شماره جدول 2 می بینیم ، جنگل های مختلط در میان انواع دیگر در دسترس ترین جنگل ها هستند، جنگل های برگ سوزنی روشن همیشه سبز کمتر در دسترس هستند. مقادیر به طور طبیعی با این واقعیت مطابقت دارند که جنگل های مختلط در منطقه کلیدی تسلط دارند ( شکل 2 (ب)).

هیچ تفاوتی وجود ندارد (به جز جنگل های پهن برگ با موانع با 0.4 درصد، جنگل های برگ ریز پراکنده بدون مانع با 0.1 درصد، جنگل های برگ ریز پراکنده با موانع با 0.2 درصد و جنگل های مختلط با موانع با 0.4 درصد). اعداد برای دو نوع سناریو: ایستگاه های نوع I یا ایستگاه های نوع I و II.

3.6. تجزیه و تحلیل و نقشه‌برداری دسترسی پیکسل‌های جنگلی برای سناریوهای بدون مانع و مانع

ما آمار سناریوهای مسیرها برای دسترسی به منابع جنگلی را محاسبه کرده ایم ( جدول 3 ). همانطور که در این جدول مشاهده می شود، سرعت متوسط ​​برای هر دو سناریو حدود 31 – 32 کیلومتر در ساعت، با طول 53 – 56 کیلومتر و حدود 2 ساعت رانندگی است. در جدول 3 ، میانگین یک مقدار متوسط، SD – انحراف استاندارد، و میانه در یک مقدار میانه است.

در جدول 4 برای مقاصد مقایسه، تعداد پیکسل ها به مساحت پیکسل های جنگل نرمال شده است. همانطور که از این جدول می بینیم، در تمام دسته های زمان دسترسی کاهش پیکسل ها از 2.2 (بیش از سه) به 7.7٪ (1 – 2 ساعت) وجود دارد. اما بزرگترین تغییر برای پیکسل‌های جنگلی دیده می‌شود که دیگر در سناریوی موانع در دسترس نیستند (17.3%).

برای تحلیل نهایی تحقیق حاضر، تفاوت‌ها را در جدول 4 (تعداد پیکسل/%) خلاصه کرده‌ایم و نقشه‌های شطرنجی دسترسی به منابع جنگلی در منطقه نووسیبیرسک ( شکل 8 ) را تهیه کرده‌ایم.

بر اساس نتایج مطالعه، زمان نقش مهمی ایفا می کند ( جدول 4 ): برای هر دو سناریو تقریباً 1/5 از جنگل ها در عرض 1 ساعت قابل دسترسی است، 11٪ – 14٪ از جنگل ها در عرض بیش از 3 ساعت و حداکثر تا تقریباً 1/3 از جنگل ها (سناریوی موانع) غیرقابل دسترس هستند.

4. بحث و گفتگو

خلاصه مقاله، نقشه هایی است که در شکل 8 برای مشخص کردن دسترسی زمینی به جنگل ها در مناطق سیبری مرکزی روسیه (نمونه ای از منطقه نووسیبیرسک) توسط جاده های عمومی و جنگل های جنگلی ارائه شده است. می توان گفت که 65٪ – 83٪ از پیکسل های جنگلی منطقه نووسیبیرسک از طریق جاده های عمومی و جنگل های جنگلی قابل دسترسی هستند ( جدول 1 ).

جدول 3 یکی از خروجی های کلیدی برای تجزیه و تحلیل است. از نظر آماری با استفاده از میانگین، میانه و انحراف معیار نشان دادیم که جنگل ها در عرض 3 ساعت قابل دسترسی هستند، سرعت حدود 32 تا 33 کیلومتر در ساعت (میانگین و میانه عملاً برابر است) با انحراف معیار حدود 7 کیلومتر در ساعت است. طول مسیرهای دسترسی بین 53 تا 56 کیلومتر با انحراف 24 کیلومتر متغیر است. ایستگاه های آتش نشانی سطح اول (نوع) نیازهای دسترسی عملیاتی به جنگل ها (65 درصد مناطق جنگلی) را در مدت سه ساعت پوشش می دهند، به شرطی که در محدوده یک جنگل در روز بیش از دو آتش سوزی رخ ندهد. سهم ایستگاه های آتش نشانی سطح دوم به دلیل کم بودن سهم آنها نسبت به تعداد ایستگاه های سطح اول ناچیز است.

جدول 4 ، یکی دیگر از نتایج مهم، تجزیه و تحلیل دقیقی را برای دسته‌های زمان دسترسی 1-2-3 ساعت و بیشتر ارائه می‌کند و به لطف این طبقه‌بندی نشان داده‌ایم که تعداد پیکسل‌های جنگلی که دیگر در سناریوی موانع در دسترس نیستند، بیش از دو برابر شده است. در شرایط آتش سوزی شدید و شدید ممکن است وضعیت به چالش جدی تبدیل شود، زیرا مستلزم تصمیم عملیاتی در سطح اداره جنگلداری منطقه برای انتقال نیروها و منابع از یک جنگلداری به جنگلداری دیگر است. یک راه حل مفید می تواند انجام منطقه بندی جنگل در اطراف ایستگاه های آتش نشانی با در نظر گرفتن زمان به عنوان معیار اصلی اثربخشی دسترسی باشد.

پیکربندی و وضعیت جاده‌ها و جنگل‌های جنگلی، تعداد اجاره‌کنندگان جنگل، محل ایستگاه‌های جمع‌آوری و حفاظت از منابع جنگلی بسته به موقعیت جغرافیایی، شبکه‌های حمل‌ونقل و توسعه اقتصادی منطقه مورد مطالعه به‌طور منظم به‌روزرسانی می‌شوند. بنابراین، به‌روزرسانی‌های منظم برای داده‌هایی که در تحقیق حاضر استفاده کرده‌ایم ضروری است، و ما قبلاً مقاله‌ای را منتشر کرده‌ایم که روش‌هایی برای مقایسه منابع داده فعلی و تاریخی را توضیح می‌دهد [ 35 ]. قوانین جنگل در سطوح منطقه ای و فدرال نیز باید نظارت شود و دائماً در نظر گرفته شود.

5. نتیجه گیری ها

ما یک رویکرد GIS برای برآورد دسترسی زمینی به منابع جنگلی بر اساس یکی از مناطق FD سیبری (منطقه نووسیبیرسک) ارائه کرده‌ایم. بهینه بودن مکان ایستگاه های آتش نشانی را می توان بیشتر مورد بررسی قرار داد، اما برای تحقیق حاضر، آنها نقش نقطه شروع را با منابع لجستیکی مانند کامیون های سنگین و موارد دیگر برای مدیریت عملیات چوب بر ایفا کرده اند. همانطور که از شکل 8 (الف) دیدیم، مدیریت جنگل که هیچ گونه مرزی را در نظر نمی گیرد (جنگل اداری) می تواند برای برنامه ریزی حرکت وسیله نقلیه ویژه موثرتر باشد و باید توسط محصولات نقشه برداری پشتیبانی شود.

نتایج را می توان برای آماده سازی سالانه برای فصل خطرناک آتش سوزی در بخش های خدمات جنگلی فدراسیون روسیه و در تهیه برنامه های منطقه ای “توسعه جنگل ها” و طرح های جنگل استفاده کرد. تجربه قانون جنگل روسیه از روش پیشنهادی را می توان برای کشورهای دیگر گسترش داد.

برای ادامه تحقیقات خود، می‌توانیم از انواع سرویس‌های وب با داده‌های ترافیکی که می‌توانند به پروژه GIS فعلی (مثلا WMS) متصل شوند و به عنوان داده‌های ورودی برای ایجاد یک ماسک موانع استفاده شوند، بهره‌مند شویم. بنابراین، با انجام این کار، ما از ارزیابی دسترسی حمل و نقل یک وظیفه موضوعی به توسعه سناریوی حمل و نقل برای تصمیم گیری با پیچیدگی پارامترهای گنجانده شده، پیشرفت خواهیم کرد. بنابراین، این روش برای دسترسی به منابع جنگلی می تواند در حوزه های مختلف و با انواع داده ها و منابع مختلف مورد استفاده قرار گیرد.

منابع

[ 1 ]	Efremov, MA (2009) دسترسی به حمل و نقل جنگل ها به عنوان یک عامل اصلی برای استفاده از منابع جنگلی. بولتن دانشگاه صنعتی دولتی ولگا، 1، 60-65.
[ 2 ]	Akay, AE, Wing, GM, Sivrikaya, F. and Sakar, D. (2012) یک سیستم پشتیبانی تصمیم مبتنی بر GIS برای تعیین کوتاه ترین و ایمن ترین مسیر برای آتش سوزی جنگل: مطالعه موردی در منطقه مدیترانه ترکیه. پایش و ارزیابی محیط زیست، 184، 1391-1407. https://doi.org/10.1007/s10661-011-2049-z
[ 3 ]	Dubovik، VO (2013) روش‌هایی برای تخمین دسترسی حمل‌ونقل منطقه. پژوهش های منطقه ای، 4، 11-18. https://www.elibrary.ru/item.asp?id=21118992
[ 4 ]	یاکوشوا، تلویزیون (2014) ارزیابی پیچیده در دسترس بودن منابع جنگلی با در نظر گرفتن توسعه زیرساخت های حمل و نقل جنگلی در ناحیه فدرال شمال غربی (سورو-زاپادنوی) روسیه. مجله جنگل IVUZ، 5، 113-117.
[ 5 ]	Tretiakov، AG (2015) دسترسی اقتصادی به منابع جنگلی و لجستیک حمل و نقل. بولتن دانشگاه فنی دولتی پتروزاوودسک، 2، 63-69.
[ 6 ]	Loidl, M., Wallentin, G., Cyganski, R., Graser, A., Scholz, J. and Haslauer, E. (2016) GIS and Transport Modeling-Strengthening the Spatial Perspective. ISPRS International Journal of Geo-Information, 5, 84. https://doi.org/10.3390/ijgi5060084
[ 7 ]	Martunyuk, AA, Sidorenkov, VM, Doroshenkova, EV, Sidorenkova, EM and Zakharov, YG (2016) تمایز فدراسیون روسیه بر شدت مدیریت و استفاده جنگل. مجله جنگل سیبری، 1، 3-12.
[ 8 ]	Duka، A.، Grigolato، S.، Papa، I.، Pentek، T. and Porsinsky، T. (2017) ارزیابی فاصله استخراج الوار و شبکه جاده لغزشی در زمین های شیب دار کارست. iForest-Biogeosciences and Forestry، 10، 886-894. https://doi.org/10.3832/ifor2471-010
[ 9 ]	ملادی، ت و صولتی، ت. (1396) بهینه سازی برنامه ریزی حمل و نقل در سطح عملیاتی در جنگلداری: مروری. مجله بین المللی مهندسی جنگل، 28، 198-210. https://doi.org/10.1080/14942119.2017.1362825
[ 10 ]	Semyagin، IN و Khadiullina، GN (2018) روش شناسی برای برآورد پیچیده دسترسی حمل و نقل برای منطقه فدرال Privolzhskiy روسیه. افق اقتصاد، 2، 81-88. https://www.elibrary.ru/item.asp?id=35161208
[ 11 ]	Akay, AE, Karas, IR and Kahraman, I. (2018) تعیین مکان تیم های آتش نشانی بالقوه با استفاده از تکنیک های GIS. آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات فضایی، XLII-4/W9، 83-88. https://doi.org/10.5194/isprs-archives-XLII-4-W9-83-2018
[ 12 ]	Akay، AE (2019) تجزیه و تحلیل اثرات اندازه کامیون های چوب بری بر هزینه های حمل و نقل محصولات جنگلی. V. کنگره فناوری و نوآوری علم، آلانیا، 17-21 آوریل، 29-36.
[ 13 ]	Chen, X. and Jia, P. (2019) تجزیه و تحلیل مقایسه ای اقدامات دسترسی با استفاده از روش حوضه آبریز شناور دو مرحله ای (2SFCA). مجله بین المللی علوم اطلاعات جغرافیایی، 33، 1739-1758. https://doi.org/10.1080/13658816.2019.1591415
[ 14 ]	Ibisch, PL, Blumroeder, JS, Hobson, PR and Hauck, M. (2019) راه حل های اکوسیستمی مورد نیاز در مدیریت جنگل تحت تغییرات جهانی. علم، 365، 1388.
[ 15 ]	Lavrinenko، PA، Romashina، AA، Stepanov، PS و Chistyakov، PA (2019) دسترسی به حمل و نقل به عنوان شاخص توسعه منطقه ای. مطالعات توسعه اقتصادی روسیه، 30، 694-701. https://doi.org/10.1134/S1075700719060091
[ 16 ]	دان، سی جی، تامپسون، MP و کالکین، دی (2017) چارچوبی برای توسعه پاسخ ایمن و موثر در برابر آتش بزرگ در یک الگوی مدیریت آتش جدید. اکولوژی و مدیریت جنگل، 404، 184-196. https://doi.org/10.1016/j.foreco.2017.08.039
[ 17 ]	Ibisch، PL، Hoffmann، MT، Kreft، S.، Pe’er، G.، Kati، V.، Biber-Freudenberger، L.، Della Sala DA، Vale، MM، Hobson، PR و Selva، N. (2016 ) نقشه جهانی مناطق بدون جاده و وضعیت حفاظتی آنها. علم، 16، 1423-1427. https://doi.org/10.1126/science.aaf7166
[ 18 ]	Nelson, A. (2008) زمان تخمینی سفر به نزدیکترین شهر با 50000 نفر یا بیشتر در سال 2000. واحد نظارت بر محیط زیست جهانی – مرکز تحقیقات مشترک کمیسیون اروپا، Ispra. https://forobs.jrc.ec.europa.eu/products/gam/
[ 19 ]	Weiss, D., Nelson, A., Gibson, H., et al. (2018) نقشه جهانی زمان سفر به شهرها برای ارزیابی نابرابری ها در دسترسی در سال 2015. طبیعت، 553، 333-336. https://doi.org/10.1038/nature25181
[ 20 ]	Glavatskiy, GD (2000) توجیه معیارهای دسترسی به سطح حفاظت از آتش سوزی جنگل. بولتن جنگل، 3، 87-100.
[ 21 ]	Glavatskiy، GD و Grumans، VM (2001) سازمان خاموش کردن آتش سوزی های جنگلی در مقیاس بزرگ در مناطق چند جنگلی سیبری. بولتن جنگل، 2، 45-55.
[ 22 ]	Podolskaia, ES, Ershov, DV, Kovganko, KA and Plotnikova, AS (2017) ایجاد یک مدل GIS برای برنامه ریزی مسیر بهینه برای رساندن وسایل فنی به محل آتش سوزی جنگل. جنگل های روسیه: سیاست، صنعت، علم و آموزش. مجموعه مقالات دومین کنفرانس بین المللی علم و فنی، 200-202. https://elibrary.ru/item.asp?id=30620998
[ 23 ]	Podolskaia, E., Ershov, D. and Kovganko, K. (2018) قابلیت‌های مدرن GIS برای مدل‌سازی دسترسی زمینی به آتش‌سوزی‌های جنگلی. کنفرانس مرکز اکولوژی و بهره وری جنگل (CEPF RAS). مبانی علمی مدیریت پایدار جنگل، 12. https://cepl.rssi.ru/wp-content/uploads/2018/11/Podolskaya-ES-et.-al..pdf
[ 24 ]	Podolskaia, ES, Kovganko, KK, Ershov, DV, Shulyak, PP and Suchkov, AI (2019) استفاده از مدل شبکه حمل و نقل برای تخمین زمان سفر و مسافت برای دسترسی زمینی به آتش سوزی جنگل. علوم جنگل، 2، 1-24. 2-2-2019-Podolskaia_et_al. https://doi.org/10.31509/2658-607x-2019-2-2-1-22
[ 25 ]	Podolskaia, E., Ershov, D. and Kovganko, K. (2019) GIS-Analysis دسترسی زمینی حمل و نقل ایستگاه های آتش نشانی در مقیاس منطقه ای. Abstracts of the International Cartographic Association, 1, 301. https://doi.org/10.5194/ica-abs-1-301-2019
[ 26 ]	Podolskaia, ES, Kovganko, KA and Ershov, DV (2019) مدل‌سازی اطلاعات جغرافیایی منطقه‌ای دسترسی زمینی به آتش‌سوزی‌های جنگلی در روسیه. در: Popovich, V., Thill, JC, Schrenk, M. and Claramunt, C., Eds., Information Fusion and Intelligent Geographic Information Systems, Advances in Geographic Information Science, Springer, Cham, 155-165. https://doi.org/10.1007/978-3-030-31608-2_11
[ 27 ]	Bartalev، SA، Egorov، VA، Zharko، VO، Loupian، EA، Plotnikov، DE و Khvostikov، SA (2015) وضعیت فعلی و چشم انداز توسعه روش های نقشه برداری ماهواره ای پوشش گیاهی روسیه. مشکلات کنونی در سنجش از دور زمین از فضا، 12، 203-221.
[ 28 ]	بالاشوف، آی.، بارتالف، اس.، بارتالف، اس.، برتسف، م.، وروشیلوف، آی.، اگوروف، وی، کاشنیتسکی، آ.، خوراتوویچ، تی، خووستیکوف، اس.، کوبتس، دی.، Loupian, E., Saigin, I., Senko, K., Stytsenko, F., Sychugov, I. and Zharko, V. (2020) سیستم اطلاعاتی Vega-Les. ویژگی های واقعی و تکامل آینده مجموعه کنفرانس IOP: علوم زمین و محیط زیست، 507، شناسه مقاله: 012002. https://doi.org/10.1088/1755-1315/507/1/012002
[ 29 ]	Loupian، EA، Bartalev SA، Ershov DV، Kotelnikov RV، Balashov IV، Bourtsev MA، Egorov VA، Erfemov، VY، Zharko، VO، Kovganko، KA، Kolbudaev. PA، Krasheninnikova، Yu. S., Proshin, AA, Mazurov, AA, Uvarov, IA, Stytsenko, FV, Sychugov, IG, Flitman, EV, Khvostikov, SA and Shulyak, PP (2015) مدیریت پردازش داده های ماهواره ای در سیستم اطلاعات مانیتورینگ از راه دور آتش سوزی جنگل ( ISDM-Rosleskhoz) از آژانس فدرال جنگلداری. مشکلات کنونی در سنجش از دور زمین از فضا، 12، 222-250.
[ 30 ]	Grigolato, S., Marchi, E., Laschi, A. and Cavalli, R. (2019) Riflessioni sulla viabilitа forestale e opere connesse a support delle iniziative per la predisposizione dei decreti attuativi del Testo Unico in materia di Foreste e Filier. جنگل، 16، 49-55. https://doi.org/10.3832/efor3175-016
[ 31 ]	Krumov, T. (2019) تعیین تراکم بهینه شبکه جاده جنگلی. مجله علوم جنگل، 65، 438-444. https://doi.org/10.17221/101/2019-JFS
[ 32 ]	Laschi, A., Foderi, C., Fabiano, F., Neri, F., Cambi, M., Mariotti, B. and Marchi, E. (2019) برنامه ریزی جاده جنگلی، ساخت و ساز و نگهداری برای بهبود اطفاء حریق جنگل: بازنگری. مجله کرواسی مهندسی جنگل، 40، 207-219.
[ 33 ]	(1997) مقررات مربوط به ایستگاه های آتش نشانی. دستور آژانس جنگلداری فدرال، N167. https://docs.cntd.ru/document/58817250
[ 34 ]	قانون جنگل. ماده 23. جنگلداری (قانون فدرال N 538 از 27/12/2018). https://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=314924&fld=134&dst =1000000146,0&rnd=0.6644144593549033#0120267154
[ 35 ]	Podolskaia, E., Ershov, D. and Kovganko K. (2020) مقایسه منابع داده در زیرساخت های حمل و نقل برای مدیریت آتش سوزی جنگل های منطقه ای. کتاب چکیده ها، مدیریت جنگل ها در قرن بیست و یکم، پوتسدام، 3-5 مارس 2020، 59.