Abstract
Due to increased fuel loading as a result of fire suppression, land managers in the American west are in need of precise information about the fuels they manage, including canopy fuels. Canopy fuel metrics such as canopy height (CH), canopy base height (CBH), canopy bulk density (CBD) and available canopy fuel (ACF) are specific inputs for wildfire behavior models such as FARSITE and emission models such as FOFEM. With finer spatial resolution data, accurate quantification of these metrics with detailed spatial heterogeneity can be accomplished. Light Detection and Ranging (LiDAR) and color near-infrared imagery are active and passive systems, respectively, that have been utilized for measuring a range of forest structure characteristics at high resolution. The objective of this research was to determine which remote sensing dataset can estimate canopy fuels more accurately and whether a fusion of these datasets produces more accurate estimates. Regression models were developed for ponderosa pine (Pinus ponderosa) stand representative of eastern Washington State using field data collected in the Ahtanum State Forest and metrics derived from LiDAR and imagery. Strong relationships were found with LiDAR alone and LiDAR was found to increase canopy fuel accuracy compared to imagery. Fusing LiDAR with imagery and/or LiDAR intensity led to small increases in estimation accuracy over LiDAR alone. By improving the ability to estimate canopy fuels at higher spatial resolutions, spatially explicit fuel layers can be created and used in wildfire behavior and smoke emission models leading to more accurate estimations of crown fire risk and smoke related emissions
چکیده
مدیران زمین در غرب آمریکا به منظور مديريت بهينه نيازمند اطلاعات دقیق در مورد سوختها از جمله سوختهای تاج ميباشند. معیارهای سوختهاي تاج درختان مانند ارتفاع تاج پوشش، ارتفاع پایه تاج پوشش، تراکم توده تاج پوشش و سوخت در دسترس تاج پوشش به عنوان ورودیهای خاص برای مدلهای رفتار آتشسوزی مانند FARSITE و مدلهای انتشار مانند FOFEM محسوب ميگردند. ليدار و تصاویر اپتيکي مادون قرمز نزدیک به ترتیب سیستمهاي فعال و غیر فعال ميباشند که برای اندازهگیری طیف وسیعی از ویژگیهای ساختار جنگل با قدرت تفکيک بالا استفاده شده است. هدف از این پژوهش، مشخص نمودن مجموعهاي از دادههای سنجش از دور به منظور برآورد دقيق سوخت تاج پوشش و بررسي تاثير تلفیق این مجموعه اطلاعات بر دقت برآورد ميباشد. مدل رگرسیون توسعه یافته برای کاج ponderosa در شرق ایالت واشنگتن بيانگر افزايش دقت برآورد سوخت تاج پوشش درختان با استفاده از ليدار در مقايسه با تصاویر اپتيکي ميباشد. تلفيق ليدار با تصاوير اپتيکي منجر به کمي بهبود دقت در مقايسه با دادههاي ليدار به تنهايي گرديد. با بهبود توانایی محاسبه سوخت پوشش تاج در قدرت تفکيک مکاني بالا، لایههای سوخت با وضوح مکاني میتواند در رفتار آتشسوزی و مدلهاي انتشار دود مورد استفاده قرار گيرد که منجر به برآورد دقیقتر از خطر آتش و انتشار دود ميگردد.
1-مقدمه
آتشسوزيها عوامل عمده توليد دیاکسید کربن (CO2) مونواکسید کربن (CO) و ذرات کوچکتر از 2.5 میکرون قطر هستند که برای سلامتی انسان مضر ميباشند (Hardy et al., 2001). براي پیشبینی شروع و گسترش آتشسوزی تاج پوشش در مدلسازی رفتار آتشسوزی و همچنین برآورد تولید گازهای گلخانهای، اطلاعات دقیق سوخت تاج پوشش مورد نیاز است. تخمین بهينه گازهای مضر توليد شده از آتشسوزيها به منظور برآورد اثرات این آلایندهها بر سلامت انسان و محیطزیست ضروري ميباشد (Battye & Battye, 2002).
فنآوریهاي سنجش از دور مانند ليدار هوابرد و تصاویر هوایی، سيستمهاي با قدرت تفکيک مکاني بالا ميباشند که به طور موثر می تواند در بهبود برآورد معیارهای سوخت تاج پوشش برای مدلسازی رفتار آتشسوزي جنگل مورد استفاده قرار گيرد. این معيارها ارتفاع تاج پوشش، ارتفاع پایه تاج پوشش، تراکم توده تاج پوشش و سوخت در دسترس تاج پوشش ميباشند...