Orman Yangınları

Ormanlar toplumlar için tedarikten (örneğin odun) ve düzenlemeden (örneğin iklim azaltma ve biyolojik çeşitlilik) kültürel (örneğin rekreasyon) hizmetlere kadar çok sayıda ekosistem hizmeti sunmaktadır.(1) İklim değişikliği, yağış, evapotranspirasyon ve akarsu akışını değiştirerek orman hidrolojisini doğrudan veya birden çok ölçekte karışıklık rejimlerini ve orman yapılarını değiştirerek dolaylı olarak etkileyebilmektedir.(2) Daha büyük su havzaları ve bölgeler için, kümülatif orman bozukluğu iklimle etkileşime girerek daha karmaşık ve çeşitli hidrolojik tepkilere yol açmaktadır. Orman yönetimi etkileri ve gelecekteki araştırma konuları da önerilmektedir.(3) Ekolojik boyut, bozulmaların azaltılmasının bir sonucu olarak restore edilmiş manzaraları göstermiştir.(4) Doğal rahatsızlıklardaki artış, ağaç ölümlerine yol açmaktadır ve ormanın hayati ekosistem hizmetlerini sürdürmek için uyum sağlama potansiyeli hakkında endişeleri artırmaktadır.(5)

Küresel değişimin yangın ve siklon rejimlerini nasıl dönüştürdüğünü, siklon-ateş etkileşimlerini kapsamlı bir şekilde değiştirdiğini tartışılmaktadır.(6) Ek olarak, yangın yayılımının sıcaklık alanı ve CO gazı yayılma özellikleri incelenmiştir. Nokta tipi sıcaklık dedektörleri, nokta tipi duman dedektörleri, kablo tipi sıcaklık dedektörleri ve farklı tepki süresi eşiklerine sahip emme tipi duman dedektörlerinin etkinlikleri deneylerden ve sayısal simülasyondan analiz edilmiştir. Sonuçlar, erken yangınların sıcaklık alanlarının uzun ve dar alanlarda katlanarak azaldığını ortaya koymuştur.(7) Bununla birlikte, bu tür yangın uyarı sistemlerine ilişkin isabetli ve karşılaştırmalı bir genel bakış hala eksiktir.(8) Bu nedenle erken yangını zamanında algılayabilen ve anında alarm verebilen hassas yangın alarm sistemlerine (FAS) acilen ihtiyaç duyulmaktadır.(9) Bu gözden geçirme makalesi, farklı yanma sonrası teknikleri, bunların güneş enerjisi ile entegrasyonunu, entegrasyon türlerini, ekonomik ve çevresel etkilerini, faydalarını ve zorluklarını tartışmaktadır.(10)

Kullanıcıya çeşitli işlevler sunan etkileşimli ve sezgisel bir kullanıcı arayüzüne sahip paralel bir Yüksek Performanslı Bilgi İşlem (HPC) orman yangını simülatörü sunmaktadır. Görselleştirme arayüzü, tercih edilen yayılma modelinin, ilgilenilen senaryonun ve ayrıca yangın söndürme ve ateşleme noktaları dahil olmak üzere çok sayıda simülasyon özelliğinin seçilmesine izin vermektedir.(11) Bu çalışmada, bir orman yangını emisyon envanteri derlemek için yüksek çözünürlüklü arazi örtüsü verilerinin yanı sıra Doğal Çevreler için Etkileşimli Yangın ve Emisyon algoritması (INFERNO) kullanılmıştır.(12) Orman yangınları tüketimindeki önemlerine dayanan yedi tipik bitki yakıtının yaprakları, kendinden tasarlanmış bir yanma cihazında ve on sekiz eser gazın emisyon faktörlerinde yakılmıştır. (sera gazları, metan olmayan organik gazlar, azotlu gazlar, hidrojen klorür, ve kükürt dioksit), sırasıyla Fourier transform kızılötesi spektroskopisi kullanılarak belirli yanma aşamalarında (alevlenme ve için için yanma) belirlenmiştir.(13) Bu nedenle, birden çok etkeni ve geri bildirimi içeren yeni nicel araçlar, orman yangınlarının eğilimleri, nedenleri ve sonuçları hakkında önemli bilgiler sağlayabilmektedir.(14) Ek olarak, Gevşek Dörtlü Ağaçlar, ağaçların uzamsal dağılımına uyarlanmıştır, bu da orman yangını yayılımlarını gerçek zamanlı olarak işlerken temsilin görsel doğruluğunu korumamıza olanak tanımaktadır.(15)Orman yangınlarını söndürmek için önceliğe dayalı kurtarma araçlarının acil durum planlamasının uygulanması, işletme maliyetlerini optimize etmek , sağlam kararlar almak , verimliliği artırmak için birçok zorluk ve zorlukla karşı karşıya kalan karmaşık bir optimizasyon problemidir.(16) Son olarak, küresel optimum maksimum olmayan bastırma (GO-NMS), orman yangını sahnelerinde birden fazla duman konumunun hava fotoğrafçılığına uyum sağlamak için çapa çerçevelerinin seçimini küresel olarak optimize etmek için amaç işlevini belirlemektedir.(17) Tipik olarak, P-GO tabanlı termosensitif sensör, düşük sıcaklık tepkisi (160 oC) ve hızlı tepki süresi (açık ateş için 3 s) göstermiştir. Bu, sensöre erken orman yangını izleme ve algılama için muazzam bir potansiyel kazandırmaktadır.(18)Ek olarak, fiber optik dağıtılmış sıcaklık sensörü (DTS), kablo yangınlarını doğruluk, hassasiyet ve kalibrasyon açısından izlemede iyi bir performans sergilemektedir.(19) Ayrıca, MXene tabanlı, yarı iletken tabanlı, renk değişikliği tabanlı, şekil değişikliği tabanlı, termoelektrik malzeme tabanlı ve nanojeneratör tabanlı FAS’lar dahil olmak üzere çeşitli akıllı FAS’lar kapsamlı bir şekilde geliştirilmiştir.(20) Bu yazıda, özellikle IoT sensör sistemleri ve ağ geçitleri arasında korumasız aktarım verilerinin potansiyel risklerini de araştırılmıştır.(21) Kablosuz algılayıcı ağlarda veri toplama yöntemleri enerji tüketimini azaltabilecek uygun bir çözüm olarak bilinmektedir.(22)

Bu uygun maliyetli sensörler, ormandaki yangın olayının doğru veya enerji açısından verimli tespiti için veri füzyonu tarafından kullanılmaktadır.(23) Önerilen platform, çoklu görüntü algılamaya dayalı olarak bir endişe alanı boyunca yangın/duman risk seviyelerinin uzay-zaman dağılımını gösteren gerçek zamanlı ısı haritalarının üretilmesine izin vermektedir.(24) Bu bildiride, yangın riskini değerlendirmek ve nicel potansiyel yangın riskini hesaplamak için bir bulanık çıkarım ve büyük veri analiz algoritması önerilmiştir.(25) Yangın emisyonları iki ayrı teknik kullanılarak hesaplanmıştır ve çeşitli türler için %15 kadar düşük bir fark elde edilmiştir.(26) Bu analizde tanımlanan mevcut uydu veri ürünlerindeki birkaç zayıflığa rağmen, uydu aerosol uzaktan algılama verilerini yörünge modelleri ve yer ölçümleriyle birleştirmek, orman yangınları gibi yoğun parçacık kirliliği olaylarını incelemek için güçlü bir araçtır.(27)

ROFDTS, Indus-2 senkrotron radyasyon kaynağındaki (SRS) 160 m uzunluğundaki bir güç kaynağı kablosunda (akım 760 A, DC) dipol mıknatısların herhangi bir yerinde sıcaklık profilini izlemek ve öngörülemeyen yangın olaylarının ilerlemesini tespit etmek için kullanılmıştır.(28) Temeldeki Semantik Sensör Ağı (SSN) ontolojileri, geliştiricilerin yangın hava durumu endekslerini hesaplamak için kurallar oluşturmasına ve Kaynak Tanımlama Çerçevesine (RDF) dönüştürülen veri kümesine izin verecek şekilde oluşturulmuştur.(29) Bu insansız hava araçları, bölgede herhangi bir noktada başlayan yangının algılanabilmesi için bir dizi bariyer oluşturarak X-Bee modülü protokolüyle veri toplamaktadır.(30) Bu makale, ek olarak , bir kablosuz sensör ağı ve bilgi birleştirme yöntemleri kullanarak orman yangınlarını tespit etmek için de bir yöntem önermektedir.(31) Bir Destek Vektörü Regresyon modeli (SVR), bir dizi Landsat görüntüsü kullanılarak LiDAR ‘ dan türetilen değişkenleri tahmin etmek için kalibre edildi ve 0.78, 0.64, 0.70 ve 0.63’lük bir R2 ve %24,4, %30,2, %36.5 ve %27,4'lük bir nispi RMSE elde edilmiştir.( sırasıyla VC, TC, MH ve CVH ) . Modeller, R2'nin 0,51 ila 0,74 arasında değişen daha geniş bir değişkenlik gözlemlenmesine rağmen, zamansal doğrulamada tutarlı olduğunu göstermiştir.(32)Ölçümlerde daha az hata için yağmur sensörleri, ses sensörü, DHT11 sensörü, PIR sensörü ve ESP32 kartı da kullanılmaktadır.(33) Bunu yapmak için, çevresel etkileri izlemek ve kaydetmek için ormana bu akıllı sensörler yerleştirilmiştir. Anormal olaylar, riski azaltmak için uygun IoT cihazları kullanılarak tanımlanmakta ve tespit edilmektedir. Ayrıca, doğruluğu artırmak için, algılanan veriler bir yazılım modülü kullanılarak analiz edilmekte ve işlenmektedir.(34)

Bu önerilen çalışmada sensörlerden aldığımız verileri okuyup analiz ederek makine öğrenmesi algoritmalarını da kullanarak verilerin analizi yapmak ve olası yangınların tespitinin öncesinde yapılması amaçlanmaktadır.

Kaynakça

(1)Georg Winkel, Marko Lovrić, Bart Muys, Pia Katila, Thomas Lundhede, Mireia Pecurul, Davide Pettenella, Nathalie Pipart, Tobias Plieninger, Irina Prokofieva, Constanza Parra, Helga Pülzl, Dennis Roitsch, Jeanne-Lazya Roux, Bo Jellesmark Thorsen, Liisa Tyrväinen, Mario Torralba, Harald Vacik, Gerhard Weiss, Sven Wunder,Governing Europe’s forests for multiple ecosystem services: Opportunities, challenges, and policy options,Forest Policy and Economics,Volume 145,2022,102849,ISSN 1389–9341

(2)Mingfang Zhang, Shirong Liu, Julia Jones, Ge Sun, Xiaohua Wei, David Ellison, Emma Archer, Steve McNulty, Heidi Asbjornsen, Zhiqiang Zhang, Yusuf Serengil, Meinan Zhang, Zhen Yu, Qiang Li, Junwei Luan, Ibrahim Yurtseven, Yiping Hou, Shiyu Deng, Zipei Liu,Managing the forest-water nexus for climate change adaptation,Forest Ecology and Management,Volume 525,2022,120545,ISSN 0378–1127

(3) Xiaohua Wei, Krysta Giles-Hansen, Sheena A. Spencer, Xiaowen Ge, Alexander Onuchin, Qiang Li, Tamara Burenina, Aleksey Ilintsev, Yiping Hou,Forest harvesting and hydrology in boreal Forests: Under an increased and cumulative disturbance context,Forest Ecology and Management,Volume 522,2022,120468,ISSN 0378–1127

(4)Hau Wing So, Raffaele Lafortezza,Reviewing the impacts of eco-labelling of forest products on different dimensions of sustainability in Europe,Forest Policy and Economics,Volume 145,2022,102851,ISSN 1389–9341

(5)Louis A. König, Frits Mohren, Mart-Jan Schelhaas, Harald Bugmann, Gert-Jan Nabuurs,Tree regeneration in models of forest dynamics — Suitability to assess climate change impacts on European forests,Forest Ecology and Management,Volume 520,2022,120390,ISSN 0378–1127

(6)Thomas Ibanez, William J. Platt, Peter J. Bellingham, Ghislain Vieilledent, Janet Franklin, Patrick H. Martin, Christophe Menkes, Diego R. Pérez-Salicrup, Jeremy Russell-Smith, Gunnar Keppel,Altered cyclone–fire interactions are changing ecosystems,Trends in Plant Science,2022,,ISSN 1360–1385

(7)Hui Zhu, Jun Ji, Jingkai Nie,Early fire evolution and alarm characteristics of cable fires in long and narrow spaces,Fire Safety Journal,Volume 131,2022,103627,ISSN 0379–7112

(8)Ling-Yu Lv, Cheng-Fei Cao, Yong-Xiang Qu, Guo-Dong Zhang, Li Zhao, Kun Cao, Pingan Song, Long-Cheng Tang,Smart fire-warning materials and sensors: Design principle, performances, and applications,Materials Science and Engineering: R: Reports,Volume 150,2022,100690,ISSN 0927–796X

(9)Xi He, Yitong Feng, Fuli Xu, Fei-Fei Chen, Yan Yu,Smart fire alarm systems for rapid early fire warning: Advances and challenges,Chemical Engineering Journal,Volume 450, Part 1,2022,137927,ISSN 1385–8947

(10)Amit Kumar, Arun Kumar Tiwari,Solar-assisted post-combustion carbon-capturing system retrofitted with coal-fired power plant towards net-zero future: A review,Journal of CO2 Utilization,Volume 65,2022,102241,ISSN 2212–9820

(11)Mónica M. Denham, Sigfrido Waidelich, Karina Laneri,Visualization and modeling of forest fire propagation in Patagonia,Environmental Modelling & Software Volume 158,2022,105526,ISSN 1364–8152

(12)Rong Song, Tijian Wang, Juncai Han, Beiyao Xu, Danyang Ma, Ming Zhang, Shu Li, Bingliang Zhuang, Mengmeng Li, Min Xie,Spatial and temporal variation of air pollutant emissions from forest fires in China,Atmospheric Environment,Volume 281,2022,119156,ISSN 1352–2310

(13)Yuping Sun, Qixing Zhang, Kaili Li, Yinuo Huo, Yongming Zhang,Trace gas emissions from laboratory combustion of leaves typically consumed in forest fires in Southwest China,Science of The Total Environment,Volume 846,2022,157282,ISSN 0048–9697,(14)Winslow D. Hansen, Meg A. Krawchuk, Anna T. Trugman, A. Park Williams,The Dynamic Temperate and Boreal Fire and Forest-Ecosystem Simulator (DYNAFFOREST): Development and evaluation,Environmental Modelling & Software,Volume 156,2022,105473,ISSN 1364–8152

(15)Jiawei You, Yongjian Huai, Xiaoying Nie, Yuanyuan Chen,Real-time 3D visualization of forest fire spread based on tree morphology and finite state machine,Computers & Graphics,Volume 103,2022,Pages 109–120,ISSN 0097–8493

(16)Guangdong Tian, Amir M. Fathollahi-Fard, Yaping Ren, Zhiwu Li, Xingyu Jiang,Multi-objective scheduling of priority-based rescue vehicles to extinguish forest fires using a multi-objective discrete gravitational search algorithm,Information Sciences,Volume 608,2022,Pages 578–596,ISSN 0020–0255

(17)Jialei Zhan, Yaowen Hu, Guoxiong Zhou, Yanfeng Wang, Weiwei Cai, Liujun Li,A high-precision forest fire smoke detection approach based on ARGNet,Computers and Electronics in Agriculture,Volume 196,2022,106874,ISSN 0168–1699

(18)Ling-Yu Lv, Cheng-Fei Cao, Yong-Xiang Qu, Guo-Dong Zhang, Li Zhao, Kun Cao, Pingan Song, Long-Cheng Tang,Smart fire-warning materials and sensors: Design principle, performances, and applications,Materials Science and Engineering: R: Reports,Volume 150,2022,100690,ISSN 0927–796X

(19)Hui Zhu, Jun Ji, Jingkai Nie,Early fire evolution and alarm characteristics of cable fires in long and narrow spaces,Fire Safety Journal,Volume 131,2022,103627,ISSN 0379–7112

(20)Xi He, Yitong Feng, Fuli Xu, Fei-Fei Chen, Yan Yu,Smart fire alarm systems for rapid early fire warning: Advances and challenges,Chemical Engineering Journal,Volume 450, Part 1,2022,137927,ISSN 1385–8947

(21)Kishori Kasat, D. Leela Rani, Bhola Khan, J. Ashok, M.K. Kirubakaran, P. Malathi,A novel security framework for healthcare data obtained by IOT sensors,Measurement: Sensors,2022,100535,ISSN 2665–9174

(22)Geovana Pires Araujo Lima, Josiane Dantas Viana Barbosa, Valter Estevão Beal, Marcelo Albano Moret S. Gonçalves, Bruna Aparecida Souza Machado, Juliano Zaffalon Gerber, Benjamin S. Lazarus,Exploratory analysis of fire statistical data and prospective study applied to security and protection systems,

International Journal of Disaster Risk Reduction,Volume 61,2021,102308,ISSN 2212–4209

(23)Neetu Verma, Dinesh Singh,Analysis of cost-effective sensors: Data Fusion approach used for Forest Fire Application,Materials Today: Proceedings,Volume 24, Part 4,2020,Pages 2283–2289,ISSN 2214–7853

(24)Florian Vandecasteele, Bart Merci, Steven Verstockt,Reasoning on multi-sensor geographic smoke spread data for fire development and risk analysis,Fire Safety Journal,Volume 86,2016,Pages 65–74,ISSN 0379–7112

(25)Haifeng Lin, Xiaoyu Liu, Xinyue Wang, Yunfei Liu,A fuzzy inference and big data analysis algorithm for the prediction of forest fire based on rechargeable wireless sensor networks, Sustainable Computing: Informatics and Systems,Volume 18,2018,Pages 101–111,ISSN 2210–5379

(26)Wilfrid Schroeder, Evan Ellicott, Charles Ichoku, Luke Ellison, Matthew B. Dickinson, Roger D. Ottmar, Craig Clements, Dianne Hall, Vincent Ambrosia, Robert Kremens,Integrated active fire retrievals and biomass burning emissions using complementary near-coincident ground, airborne and spaceborne sensor data Remote Sensing of Environment,Volume 140,2014,Pages 719–730,ISSN 0034–4257,

(27)Yang Liu, Ralph A. Kahn, Archontoula Chaloulakou, Petros Koutrakis,Analysis of the impact of the forest fires in August 2007 on air quality of Athens using multi-sensor aerosol remote sensing data, meteorology and surface observations,Atmospheric Environment,Volume 43, Issue 21,2009,Pages 3310–3318,ISSN 1352–2310

(28)Manoj Kumar Saxena, R.K. Sharma, S. Kumar, J. Kishore, R.K. Nathwani, A.M. Gupta, A. Kumar, Ajay Kumar, V.K. Bhatnagar, O. Prakash, S.K. Dixit,Studies on thermal profile measurement and fire detection in a power supply cable of a synchrotron radiation source by Raman optical fiber distributed temperature sensor system,Optical Fiber Technology,Volume 73,2022,103020,ISSN 1068–5200

(29)Ritesh Chandra, Sonali Agarwal, Navjot Singh,Semantic sensor network ontology based decision support system for forest fire management,Ecological Informatics,Volume 72,2022,101821,ISSN 1574–9541

(30)Vinay Chowdary, Dibyendu Deogharia, S. Sowrabh, Siddhartha Dubey,Forest fire detection system using barrier coverage in wireless sensor networks,Materials Today: Proceedings,Volume 64, Part 3,2022,Pages 1322–1327,ISSN 2214–7853

(31)Noel Varela, Díaz-Martinez Jorge L, Adalberto Ospino, Nelson Alberto Lizardo Zelaya,Wireless sensor network for forest fire detection,Procedia Computer Science,Volume 175,2020,Pages 435–440,ISSN 1877–0509

(32)Alba Viana-Soto, Mariano García, Inmaculada Aguado, Javier Salas,Assessing post-fire forest structure recovery by combining LiDAR data and Landsat time series in Mediterranean pine forests,International Journal of Applied Earth Observation and Geoinformation,Volume 108,2022,102754,ISSN 1569–8432

(33)P. Kanakaraja, P. Syam Sundar, N. Vaishnavi, S. Gopal Krishna Reddy, G. Sai Manikanta,IoT enabled advanced forest fire detecting and monitoring on Ubidots platform,Materials Today: Proceedings,Volume 46, Part 9,2021,Pages 3907–3914,ISSN 2214–7853

(34)Fengmei Cui,Deployment and integration of smart sensors with IoT devices detecting fire disasters in huge forest environment,Computer Communications,Volume 150,2020,Pages 818–827,ISSN 0140–3664