مقدمه
تغییر‌ اقلیم یکی از بزرگ‌ترین مسائل پیش‌روی بشر در قرن 21 بوده است. در سال 1995 هیئت بین‌دولتی تغییر اقلیم در دومین گزارش خود تأکید کرد اثرات انسانی به‌طور قابل‌توجهی اقلیم جهانی را تحت تأثیر قرار داده است. یکی از نتایج این تغییرات، افزایش میانگین دمای جهانی در حدود 0/7 درجه سلسیوس از نیمه دوم قرن گذشته است. مطالعات جدید نشان داده‌اند افزایش درجه‌ حرارت از دوره قبل از انقلاب صنعتی به 0/85 درجه سلسیوس رسیده است (آلن و همکاران، 2018؛ محمدی، 1400). تغییر در میانگین دما، افزایش احتمال آن را در آینده تغییر می‌دهد که می‌تواند تمام اکوسیستم را تحت ‌تأثیر قرار دهد. یکی از مهم‌ترین تأثیرات منفی تغییر اقلیم افزایش دماست که می‌تواند از‌این‌پس موجب افزایش فرین‌ها نظیر خشکسالی‌ها، بارش‌های رگباری و خطر آتش‌سوزی جنگلی و غیره در زمان‌های مختلف و از مکانی به مکان دیگر شود (هیئت بین‌الدول تغییر اقلیم، 2007؛ محمدی، 1400؛ شجاعی‌زاده و همکاران، 1402). افزایش پدیده‌های فرین یکی از تبعات تغییر اقلیم است و فرین‌ها وقوع آتش در جنگل‌ها را تشدید می‌کنند. از سوی دیگر تغییرات اقلیمی در کره زمین سبب شده است که رودبادهای جنب ‌حاره‌ای تغییراتی کنند. این تغییرات به‌ویژه مناطق میانی کره زمین را مستعد آتش‌سوزی‌های اقلیمی می‌کنند. آتش‌سوزی فرایندی شیمیایی است. که در شکل‌گیری آن 3 عامل مواد سوختنی، دما و اکسیژن نقش دارند. این عوامل 3 ضلع اصلی آتش‌سوزی را شکل داده است. هرگاه یکی از این عوامل وجود نداشته باشد آتش‌سوزی رخ نخواهد داد. با اندک توجهی مشخص می‌شود که 2 مورد از این 3 عامل با شرایط جوی مرتبط هستند؛ یعنی دما و وزش باد، که با تأمین اکسیژن باعث گسترش آتش‌سوزی می‌شوند. پس شرایط هوا نقش تعیین‌کننده‌ای در ایجاد و گسترش آتش‌سوزی دارد. گاهی شرایط جوی به‌گونه‌ای است که دمای محیط بالاست و رطوبت نسبی کاهش می‌یابد، این وضعیت به‌خصوص اگر با وزش باد گرم همراه باشد، زمینه را برای آتش‌سوزی جنگل‌ها مهیا می‌کند (واستل و همکاران، 2012؛ محمدی و یلمه، 1392). به‌ موجب این امر شرایط اقلیمی، اثرات قابل‌توجهی در رژیم‌های آتش‌سوزی جنگل‌های جهان داشته است (اسکندری، 1400). بنابراین امروزه مسئله گرمایش جهانی و جنگل‌هایی که بر اثر آن دچار حریق می‌شوند، بسیار مورد توجه است. پدیده آتش‌سوزی جنگلی به‌عنوان یک چالش زیست‌محیطی و یکی از مخاطراتی است که بخش وسیعی از جنگل‌های جهان را تهدید می‌کند. طی سال‌های اخیر، تغییرات اقلیمی و افزایش دمای ناشی از فعالیت‌های انسانی به‌طور قابل‌توجهی بر جنگل‌ها در مقیاس جهانی تأثیر گذاشته است (دیفنباگ، 2021). ریشه این پدیده به آتش‌سوزی جنگلی‌ای برمی‌گردد که اکتبر سال 1825 اتفاق افتاد. زمانی که آتش‌سوزی جنگلی سرتاسر شمال نیوبرانزویک را دربر گرفت و در کمتر از 3 ساعت جمعیت هزار نفری این شهر را نابود و شهر را ویران کرد. این یکی از بزرگ‌ترین آتش‌سوزی‌های جنگلی است که در تاریخ آمریکای شمالی ثبت شده است (تیلور، 2000). بعد از آن در گوشه‌و‌کنار جهان آتش‌سوزی‌های جنگلی پدیدار شد که علاوه‌بر ویرانی جنگل‌ها مشکلات زیست‌محیطی هم به ‌همراه داشت. در‌واقع آتش‌سوزی‌ها علاوه‌‌بر خطر برای امنیت انسانی، اثرات منفی روی سلامت، بهداشت و اقتصاد منطقه‌ای هم دارند. آتش‌سوزی‌های مهیب علاوه‌بر خسارت‌های جانی و مالی، آلودگی‌های زیست‌محیطی را به دنبال دارند (گری، 1395). طی سالیان اخیر، تغییر اقلیم ناشی از گرمایش زمین، میزان آتش‌سوزی جنگل را در سطح جنگل‌های اوراسیا، کالیفرنیا و پرتغال افزایش داده است (مساعدی و همکاران، 1390). قسمتی از مناطق درگیر با آتش‌سوزی جنگلی: در سال 1894 در ایالات متحده شهر هینکلی یکی از بزرگ‌ترین آتش‌سوزی‌های جنگلی را تجربه کرد که موجب شد 5 شهرک و روستای مجاور این شهر ویران شوند. پس از آن بزرگ‌ترین آتش‌سوزی‌های جنگلی در جنگل‌های ملی مونتانا در سال 1969، آتش‌سوزی جنگلی در سال 1939 و سال 2023 در کانادا و سال 2018 در استرالیا رخ داده است. در‌واقع در جهان مناطقی هستند که آتش‌سوزی جنگلی را تجربه کرده‌اند. طی سال‌های اخیر، اثر تغییر اقلیم و گرمایش زمین به وخیم شدن وضعیت آتش‌سوزی‌های سالانه در این کشورها (آتش‌سوزی اخیر کانادا در سال 2023 و استرالیا در سال 2018) انجامیده است (تارنمای سازمان هواشناسی کانادا، 2023). طبق شواهد تاریخی، وقوع آتش‌سوزی‌های جنگلی از سال 1984، 2 برابر شده است و می‌توان این آتش‌سوزی‌ها را با گرم شدن زمین مرتبط دانست (منصور و همکاران، 2022). آتش‌سوزی‌های جنگلی، همچنین بخش مهمی از انتشار گازهای گلخانه‌ای جهانی را در هر سال به همراه دارند، به‌طوری‌که می‌توانند تغییرات آب‌و‌هوایی را تشدید کنند (اوپیتز، 2023). کشور ایران در یکی از کمربندهای خشک زمین واقع شده است. بیابان‌های پرفشار و غوطه‌ور نیمه‌گرمسیری برای تقریباً 75 درصد از مناطق کشور شرایط خشک و نیمه خشک ایجاد کرده است. علاوه‌بر این خشکی طبیعی، تغییرات اقلیمی نیز از‌نظر میزان و همچنین مقادیر شدید بارندگی در مناطق مختلف، ایران را تحت تأثیر و همانند بسیاری از کشورها در معرض پدیده‌های اقلیمی قرار داده است. شواهد و داده‌های تاریخی هواشناسی و پیش‌بینی‌های صورت‌گرفته از وضعیت اقلیم ایران، مشابه سایر مناطق دنیا نشان‌دهنده وقوع پدیده تغییر اقلیم در دهه‌های اخیر و ادامه این روند در آینده است (هیئت بین‌الدول تغییر اقلیم، 2007). این امر به‌نوبه خود باعث تشدید مشکلات اقلیمی و زیست‌‌محیطی خواهد شد (محمدی، 1400). ایران جزو کشورهای کم‌جنگل و در ردیف 56 کشور تهی از‌لحاظ جنگلی در جهان قرار دارد و هر ساله شاهد سوختن چند هزار هکتار از جنگل است. بر‌اساس گزارش سازمان غذا و کشاورزی ملل متحد(فائو) بین سال‌های1998 تا 2002 به‌طور متوسط سالانه 6500 هکتار از مناطق جنگلی ایران بر اثر آتش‌سوزی از بین رفته‌اندکه این آتش‌سوزی‌ها مرتبط به عوامل اقلیمی و انسانی بوده است. بنابراین ایران هم یکی از کشورهایی است که با خطر بالایی از‌نظر رخداد آتش‌سوزی در مناطق جنگلی روبه‌رو است (نجفی و همکاران، 1394). طی سال‌های گذشته گرم شدن زمین از مهم‌ترین عواملی بوده است که موجب افزایش ریسک آتش‌سوزی در مناطق جنگلی ایران شده‌ است. مشکلاتی از‌جمله افزایش میانگین درجه حرارت، کاهش بارش و رطوبت نسبی، افزایش خشکسالی و بادهای گرم نقش مهمی در وسعت، شدت و فراوانی آتش‌سوزی در مناطق جنگلی ایران داشته‌اند.شدت آتش‌سوزی تابع شرایط اقلیمی محلی است که آتش‌سوزی در آن رخ داده است. در بازه زمانی 1369 تا 1371 حدود 5357 هکتار مناطق جنگلی ایران دچار آتش‌سوزی شده که 2155 هکتار آن تنها برای شمال کشور بوده است (مساعدی و همکاران، 1390؛ خالقی، 1394). بیشتر آتش‌سوزی‌های جنگلی ایران فصلی بوده است. اکثر این آتش‌سوزی‌ها در فصول کم‌بارش و خشک در تابستان رخ داده است (اسکندری، 1400؛ صالحی و زارعی، 1397؛ رضوی و همکاران، 1399؛ اوپیتز، 2023). بنابراین ملاحظات به سوی در نظر گرفتن تأثیرات منفی این معضل جدی جهانی بر سامانه‌های زیست‌محیطی و بخش‌های مختلف اجتماعی و اقتصادی و بهداشتی جوامع انسانی است. به همین دلیل مدیریت ریسک‌های مرتبط با اقلیم و شرایط آب‌وهوایی به یک فعالیت کلیدی مهم در جوامع انسانی مبدل شده است (هیئت بین‌الدول تغییرات اقلیمی، 1997؛ ویلبی، 2007). بدین جهت بررسی رابطه بین متغیرهای اقلیمی و آتش‌سوزی اهمیت زیادی دارد. زیرا به ‌دلیل تغییرات اقلیمی و افزایش روند دما، الگوی آتش‌سوزی‌های جنگلی نیز تغییر کرده است (اسکندری و جلیلوند، 1396؛ بلچر و همکاران، 2010؛ یی و همکاران، 2017). از این جهت ارائه راه‌حل در هر زمان و مدیریت این پدیده زیان‌بار همواره ایدئال برنامه‌ریزان محیط‌زیست و مدیران بوده است. پیش‌بینی مناطق دارای ریسک بالای آتش‌سوزی جنگلی یکی از برنامه‌های اجرایی ضروری بوده که برای مدیریت در عرصه‌های طبیعی باید صورت گیرد. 
هدف از این پژوهش بررسی اثر گرمایش جهانی بر افزایش ریسک آتش‌سوزی جنگل‌های ایران با بهره‌گیری از فناوری سنجش از دور و تحلیل فضایی بوده است. جنبه نوآوری و تفاوت پژوهش حاضر با سایر مطالعات صورت‌گرفته در ایران این بوده است که برای اولین‌بار ارتباط بین اثر گرمایش جهانی بین آتش‌سوزی جنگلی در ایران با روش آماری و تلفیق فناوری سنجش از دور و تحلیل فضایی کار شده است. تاکنون پژوهشی نبوده است که گرمایش جهانی را نسبت به آتش‌سوزی جنگلی دهد. حال سؤال این است، افزایش دما تا چه میزان در ریسک خطر آتش‌سوزی جنگل‌های ایران مؤثر بوده است؟ از‌آنجا‌که تاکنون پژوهشی با رویکرد بررسی اثر گرمایش جهانی و افزایش ریسک آتش‌سوزی جنگلی صورت نگرفته بود، تصمیم گرفته شد در این زمینه تحقیقی صورت گیرد، در این پژوهش سعی شده است با استفاده از معیار، روش و داده‌های جدیدتر با رویکرد هشدار و مدیریت بحران به این مهم پرداخته شود. اما پیشینه و گذشته گرمایش جهانی بر‌می‌گردد به زمانی که تغییر در الگوهای آب‌و‌هوایی در طولانی‌مدت تغییر اقلیم را پدید آورد. به‌طوری‌که تقریباً یک قرن طول کشید تا پس از تحقیق و مطالعه، جوامع علمی متقاعد شوند که فعالیت‌های انسانی می‌تواند آب‌و‌هوای زمین را تغییر دهد. در دهه اول قرن نوزدهم آزمایشاتی انجام شد که از وجود دی‌اکسید‌کربن و سایر گازهای تولید‌شده توسط انسان خبر می‌داد که می‌توانند در جو جمع شوند و افزایش یابند. از اینجا بود که جوامع بشری با نگرانی‌هایی روبه‌رو شدند. کالندر در سال 1938 بر این باور بود که فعالیت‌های انسان باعث گرم شدن زمین می‌شود. این باور در سال‌های اخیر تأیید شده است (عزیزی، 1383). بنابراین از 200 سال قبل با روی آوردن بشر به استفاده از سوخت‌های فسیلی و صنعتی شدن و رشد جوامع شهری در 100 صد سال اخیر و همچنین ‌استخراج نفت و زغال‌سنگ و مصرف روز‌افزون آن‌ها، تولید گازهای‌گلخانه‌ای به‌سرعت افزایش پیدا کرد. این گازها که ترکیبی از بخار آب، گاز کربنیک،‌ متان، دی‌اکسید و نیتروژن است با چنان سرعتی در حال افزایش است که حفظ تعادل آن با انحلال سنگ‌ها و رسوب آهک در دریاها هم امکان‌پذیر نیست. بدین جهت به منظور اندازه‌گیری دمای هوای کره ‌زمین تحقیقاتی از سال ۱۸۸۰ آغاز شده و تاکنون ادامه دارد. گرمایش جهانی و تغییر اقلیم هر دو بر محیط‌زیست و زندگی بشر اثر می‌گذارند. در اوایل دهه 2000 زمینه جدیدی از تحقیقات علوم‌ اقلیمی ظهور کرد و کشف اثر دخالت‌های انسانی در شرایط آب‌و‌هوای فرین مانند سیل، موج گرما، خشکسالی، طوفان ‌و آتش‌سوزی آغاز شد. طبق مطالعاتی که دانشمندان از شرایط آب‌و‌هوایی در سراسر جهان انجام دادند به این نتیجه رسیدند که فعالیت‌های انسانی خطر برخی از شرایط آب‌و‌هوایی فرین، به‌ویژه مرتبط با گرما را افزایش می‌دهند (محمدی، 1400). تغییر اقلیم و آتش‌سوزی جنگلی 2 مخاطره محیطی مرتبط با یکدیگر هستند که در ایران مشکلات زیادی ایجاد کرده‌اند. تغییر اقلیم موجب خشکسالی و افزایش دما می‌شود که این امر باعث خشک شدن پوشش گیاهی و افزایش خطر آتش‌سوزی جنگلی می‌شود که این نیز موجب انتشار گازهای گلخانه‌ای می‌شود و به تغییر اقلیم دامن می‌زند. این 2 پدیده (تغییر اقلیم و آتش‌سوزی جنگلی) به‌عنوان یک چالش علمی، اجتماعی و زیست محیطی باقی مانده‌اند. امروزه مطالعات گسترده‌ای درباره آن‌ها شده است که پاره‌ای از آن‌ها در ادامه تشریح می‌شوند. زاده‌نویری (1381) در پژوهشی به بررسی آماری نقش عناصر اقلیمی در آتش‌سوزی جنگلی شفارود پرداخت. نتایج نشان دادند پارامترهای باد، رطوبت نسبی و دما همبستگی معنی‌داری دارند و عامل صاعقه در این آتش‌سوزی‌ها بارزتر بوده است. بذرافشان و همکاران (1386) در پژوهشی برای پیش‌بینی آتش‌سوزی جنگل و مرتع، به معرفی و چگونگی استفاده از شاخص‌های پیش‌بینی وقوع آتش‌سوزی‌ها پرداختند. شاخص خطر آتش‌سوزی جنگل مک آرتور، شاخص مولگان و شاخص هاینس در کنار شاخص‌های اقلیمی می‌توانند وقوع آتش سوزی‌های محتمل را پیش‌بینی کنند. مساعدی و همکاران، (1390) در تحقیقی به آشکارسازی تغییرات آب‌و‌هوایی و تأثیر آن‌ها بر آتش‌سوزی در عرصه‌های طبیعی پرداختند. در این تحقیق از داده‌های اقلیمی 5 ایستگاه سینوپتیک به‌عنوان نمونه در سطح کشور بهره گرفته شده است. نتایج این تحقیق در سطح 95 درصد، روند افزایشی دما را در پنج ایستگاه (اصفهان، اهواز، تبریز، زاهدان، مشهد) نشان داده است. میزان بارش در ایستگاه‌های زاهدان، تبریز و اصفهان در نیمه دوم روند کاهشی، اما در ایستگاه‌های مشهد و اهواز روند افزایشی بوده است. با‌توجه‌به این نتایج اثر تغییر اقلیم بر افزایش احتمال وقوع آتش‌سوزی‌های جنگلی دو چندان می‌شود. رضوی و همکاران، (1399) در مطالعه‌ای به بررسی وضعیت آتش‌سوزی جنگل‌های معتدل در آمریکا تحت سناریوهای تغییر اقلیم پرداختند. نتایج این مطالعه نشان داد میانگین دما، تحت سناریوی خوشبینانه RCP2.6 زیر 1 درجه خواهد بود. این در حالی بوده است که در سایر سناریوها خطر جدی آتش‌سوزی جنگلی در نواحی معتدل آمریکا بالاست. اما جنگل‌های مناطق سردسیر با‌توجه‌به بدبینانه‌ترین سناریو RCP8.5 مقدار میانگین دما بیش از 2/8 درجه سانتی‌گراد بوده است. بنابراین تعداد وسعت آتش‌سوزی جنگلی در این مناطق تحت بدبینانه‌ترین سناریو بسیار بالا خواهد بود. شجاعی‌زاده و همکاران،(1402) به بررسی تغییرات زمانی و مکانی طی یک دوره 20 ساله (2001 تا 2020) در مناطق با آتش‌سوزی فعال جنگلی در ایران با استفاده از سنجنده مادیس پرداختند. نتایج نشان دادند بیشینه رخداد آتش‌سوزی‌های جنگل در ماه‌های گرم و خشک سال در نواحی غربی ایران در رویشگاه زاگرس رخ داده است که این نواحی جزء کانو‌های فعال آتش‌سوزی هستند. در مطالعه‌ای تورن و فرید (1992) به پیش‌بینی اثرات گرمایش زمین بر آتش‌سوزی در کالیفرنیا پرداختند. در بررسی این تحقیق از مدل گردش عمومی جو و متغیرهای سرعت باد، دما، بارش و رطوبت بهره گرفته شده است. طبق نتایج بیشترین اثر گرمایش جهانی بر وقوع آتش‌سوزی که پوشش گیاهی را تحت تأثیر قرار می‌دهد، در علفزارهای کالیفرنیای شمالی بوده است. مارگارت و همکاران (1998) به بررسی تأثیر تغییرات آب‌و‌هوا بر آتش‌سوزی‌های کنترل‌نشده و ارزیابی مقابله با آتش در کالیفرنیا پرداختند و مدل‌های آتش‌سوزی دپارتمان جنگل کالیفرنیا را با مدل اقلیم جهانی مؤسسه گودارد تلفیق کردند. نتایج نشان دادند عوامل تشدیدکننده ریسک آتش‌سوزی‌های کنترل‌نشده، ناشی از گرمایش جهانی است و خشک شدن پوشش گیاهی و وزش باد شدید، سبب گسترش آتش می‌شود. پیتمان و همکاران (2005) به بررسی اثر تغییر اقلیم بر خطر آتش‌سوزی جنگل در استرالیا با بهره‌گیری از مدل‌های اقلیمی با کیفیت خوب پرداختند. نتایج نشان دادند افزایش وقوع آتش‌سوزی در استرالیا به احتمال زیاد ناشی از تغییرات شدید آب‌و‌هوا بوده است. پریچارد و همکاران (2021) به بررسی سازگاری جنگل‌های غرب آمریکایِ شمالی با تغییرات اقلیمی و آتش‌سوزی جنگلی پرداختند. در نتایج این مطالعه به اقدامات مدیریتی برای همگام شدن با تغییر رژیم‌های اقلیمی و آتش‌سوزی و راهکارهای کاهش حریق‌های جنگلی تأکید شده است. گرچه مدل‌های مدیریتی آتش‌سوزی استفاده‌شده در این مطالعه دارای عدم قطعیت‌هایی بوده است، اما در این مدل‌ها پیامدهای ناخوشایند بلند‌مدت زیست‌محیطی، اجتماعی و فرهنگی را برآورد کرده است. لی و بانرجی (2021) به بررسی روند زمانی و مکانی آتش‌سوزی جنگل‌های کالیفرنیا در بازه زمانی 2000 تا 2019 پرداختند. نتایج آن‌ها نشان دادند در طول 2 دهه گذشته، فراوانی و وسعت آتش‌سوزی‌های کوچک به‌سرعت روند افزایشی داشته است و به‌طور گسترده در مرکز و غرب کالیفرنیا پراکنده شده‌اند. با‌توجه‌به بررسی منابع داخلی و خارجی در دسترس مشخص شد در درجه اول اهمیت، آنچه  به‌عنوان شکاف دانش موضوعی در این مطالعات قابل‌ملاحظه است، نوپا بودن و عدم سابقه توجه به مقوله بسیار مهم تأثیر گرمایش جهانی و تغییر اقلیم بر تشدید آتش‌سوزی جنگلی، به‌ویژه از منظر عملکرد سامانه‌های جوی کنترل‌کننده در منطقه مطالعاتی است. بر‌این‌اساس از‌نظر دانش آب‌وهواشناسی، داشتن دیدگاهی جامع به منظور بالا بردن آگاهی تخصصی مسئولان مرتبط از چگونگی تدوین استراتژی‌ها و اتخاذ سیاست برای جلوگیری از افزایش ریسک ضروری است. 

روش
ایران در موقعیت جغرافیایی عرض شمالی '3°25 تا '47‌°39 و طول جغرافیایی '5‌°44 تا '18‌°63 قرار دارد. این کشور در جنوب غربیِ آسیا واقع شده و جمعیتی حدود 80 میلیون نفر دارد. از‌لحاظ توپوگرافی بسیار ناهموار است و بین ارتفاع 10 تا 3000 متری از سطح دریا قرار دارد. همچنین دارای 2 رشته‌کوه زاگرس با جهت شمال غربی به جنوب شرقی و رشته‌کوه البرز با جهت شمال غربی به شمال شرقی است. اقلیم ایران با‌توجه‌به توپوگرافی آن متفاوت است. رشته‌کوه البرز و زاگرس از رسیدن جریان مرطوب خزری و مدیترانه‌ای به داخل کشور جلوگیری می‌کنند و می‌توانند تمام سیستم‌های جوی که بر اقلیم ایران اثر دارد را تقویت یا ضعیف کنند. میانگین بارش در ایران حدود 250 میلی‌متر است که به میزان 3/1 نسبت به میانگین جهانی کمتر است. دامنه حرارتی این کشور بین منهای 20 درجه تا بالای 50 درجه در نوسان است (شریف و کیانی، 1401). طبق اعلام سازمان جنگل‌ها، مراتع و آبخیزداری در سال 1397، سطح جنگل‌های ایران 14/319 میلیون هکتار بوده است. در این بین 8/8 درصد از مساحت 164 میلیون و 800 هزار هکتاری ایران را شامل شده است. 14 درصد جنگل‌های ایران متعلق به ناحیه هیرکانی، 28/2 درصد متعلق به ناحیه تورانی، 1/4 درصد ناحیه رویشی ارسباران، 41/9 درصد ناحیه زاگرس و 14/8 درصد مربوط به ناحیه رویشی خلیج‌فارس و عمان است (سازمان جنگل‌ها، مراتع و آبخیزداری کشور، 1399). با‌توجه‌به موقعیت ایران، در بازه زمانی 1369 تا 1371 حدود 5357 هکتار مناطق جنگلی ایران دچار آتش‌سوزی شده که 2155 هکتار آن تنها برای شمال کشور بوده است (مساعدی و همکاران، 1390). بنابراین تغییر اقلیم از یک طرف موجب افزایش دما، به‌خصوص در فصل‌های خشک شده و این امر سبب افزایش تبخیر و خشکی بیشتر سطح خاک شده و از طرف دیگر با کاهش بارش و افزایش فراوانی سال‌های خشک و خشکسالی، زمینه و عوامل مستعد برای آغاز آتش‌سوزی‌های جنگلی ایران را مهیاتر کرده است (تصویر شماره 1).





داده‌ها
روش پژوهش به‌صورت کمی و کتابخانه‌ای‌اسنادی بوده است. جامعه آماری این پژوهش، کل پهنه ایران و مناطق جنگلی این کشور و مناطق منتخب بوده است. از‌آنجا‌که تمرکز اصلی این پژوهش بررسی اثرات گرمایش جهانی بر افزایش ریسک آتش‌سوزی جنگل در ایران است، از روش‌های آماری، سنجش از دور و تحلیل فضایی جهت رسیدن به تحقق هدف بهره گرفته شده است. سازمان جهانی هواشناسی برای بررسی رخداد تغییر اقلیم توصیه می‌کند که مطالعات هواشناسی باید از داده‌های بلند‌مدت مشترک بالای 30 سال بهره بگیرند (حجازی‌زاده و همکاران، 1401) تا بررسی شود تغییر اقلیم در محدوده موردمطالعه رخ داده است یا خیر. به عبارت دیگر دسترسی به دوره آماری بلندمدت (بالای 30 سال) از یک متغیر هواشناسی، می‌تواند تحلیل و آنالیز یافته‌ها را از دقت و اعتبار بیشتری بهره‌مند کند که این دوره در مطالعات اقلیم‌شناسی مورد توجه بوده است (شیرغلامی و قهرمان، 1384). بدین جهت از سازمان هواشناسی کشور، از میان 160 ایستگاه سینوپتیک، پارامتر روزانه (دما) ایستگاه‌های سینوپتیک مهرآباد، یزد، بم، شیراز، اصفهان و بوشهر طی دوره مشترک 1988 تا 2020 در بازه زمانی 32 ساله، دریافت شد (مساعدی و همکاران، 1390). این ایستگاه‌ها به‌صورت نمونه انتخاب شدند، زیرا باقی ایستگاه‌ها فاقد دوره زمانی مشترک بودند و داده‌های مفقودی زیادی داشتند. در این راستا ابتدا داده‌ها کنترل کیفی شدند. سپس در ادامه پژوهش لازم بود برای آنالیز متغیر دما، با‌توجه‌به توزیع غیرنرمال پارامتر از روش آزمون من‌کندال بهره گرفته شود. برای چنین حالت‌هایی می‌بایست از روش من‌کندال استفاده کرد، چراکه امروزه یکی از ابزارهای تعیین تغییرات اقلیمی، تحلیل روند است (بارانی و کرمی، 1398). بنابراین از ماکرو اکسل و افزونه XLSTAT در سطح اطمینان 99 و 95 درصد ایستگاه‌های مهرآباد، یزد، بم، شیراز، اصفهان و بوشهر جهت محاسبه با آماره Z بهره گرفته شد (حجازی‌زاده و همکاران، 1401). سپس در مرحله دوم برای تهیه نقشه پراکندگی نواحی آتش‌سوزی جنگلی، از محصولات ماهواره‌ای سنجنده مودیس بهره گرفته شد. ابتدا شیپ فایل مناطق آتش‌سوزی جنگلی، از سایت ناسا با سنجنده MODIS C6 در بازه زمانی 23 ساله (2000 تا 2023) و تا آخرین آتش‌سوزی که تا اول ژوئیه 2023 رخ داده است، دریافت شد. سپس به‌منظور شناسایی پوشش گیاهی در داده‌های ماهواره‌ای از شاخص پوشش گیاهی که شاخص منتخب برای بررسی ریسک خطر آتش‌سوزی جنگلی در ایستگاه‌های مهرآباد، یزد، بم، شیراز، اصفهان و بوشهر بوده است استفاده شد. از ماهواره لندست 8 (مشاهده‌گر زمینی) با قدرت تفکیک مکانی 27/84 (30) متر  بهره گرفته شدکه منبع داده و تولید آن سامانه ارث انجین است. شاخص پوشش گیاهی نشان‌دهنده توزیع ماده سوختنی است و ارزش آن بین 1- و 1 در نوسان است (شجاعی‌زاده و همکاران، 1402). برای به ‌دست آوردن نقشه پوشش گیاهی از تصاویر ماهواره‌ای Land Cover 10m 2017 در محیط ارث انجین استفاده شد. در‌نهایت برای محاسبه توپوگرافی از معیارهای ارتفاع، شیب و جهت شیب که عامل اصلی تعیین میزان تابش خورشیدی هستند و می‌توانند به‌صورت مستقیم و غیرمستقیم بر فرایندهای بیوفیزیکی نظیر گرما اثرگذار باشند استفاده شد. معیار دیگر محاسبه سطح تابش خورشیدی است که رستر ورودی به یک رستر سطح ارتفاع ورودی و یک لایه رقومی ارتفاع (DEM 30 M) اشاره دارد. از محیط ARC MAP نسخه 10.4.1 (دبیه و ریچ، 1995)، به‌ کار گرفته شده است. در گام آخر برای شناسایی شناخت توزیع الگوی مکانی نقاط آتش‌سوزی که یک گام مهم در آنالیز اطلاعات جغرافیایی است، از روش تعیین شدت مناطق متراکم پرخطر از‌نظر وقوع آتش‌سوزی (تراکم کرنل)، بر‌اساس طبقه‌بندی مناطق کم‌خطر و پرخطر با داده‌های ماهواره‌ای مودیس در بازه زمانی 23 سال، در محیط ARC MAP بهره گرفته شده است (گراوند و همکاران، 1392؛ شوو و همکاران، 2021؛ کوسیاس و همکاران، 2014؛ آماتولی و همکاران، 2007). تصویر شماره 2 معیارهای مورد استفاده در این مطالعه را نشان داده است.




آزمون من‌کندال
این آزمون در سال 1988 به‌وسیله سازمان جهانی هواشناسی پیشنهاد شد که در بررسی معنی‌داری روند سری‌های اقلیمی به‌کرات و در موارد مختلف استفاده شده است. آزمون ناپارامتری من‌کندال ابتدا توسط من (1945) ارائه و سپس توسط ‌کندال (1975) بر پایه رتبه داده‌ها در یک سری زمانی توسعه پیدا کرد. این روش به‌طور متداول و گسترده‌ای در تحلیل روند سری‌های هیدرولوژیکی و هواشناسی به‌ کار گرفته می‌شود. از نقاط قوت این روش می‌توان به مناسب بودن کاربرد آن برای سری‌های زمانی که از توزیع آماری خاصی پیروی نمی‌کنند، اشاره کرد (محمدی، 1400). در این پژوهش بررسی روند با این آزمون تحت 2 روش ماکرو اکسل و تحت افزونه XLSTAT محاسبه شد. بین داده‌های دما (مهرآباد، یزد، بم، شیراز، اصفهان و بوشهر) برای هر ماه میانگین گرفته شد و سپس براساس پارامتر دما من‌کندال محاسبه شده است (فرمول شماره 1).
 
1.

 

بنابراین در اینجا n تعداد مشاهدات سری xj و xk به ترتیب داده‌های j ام و k ام سری بوده است. در اینجا تابع علامت sgn این‌گونه محاسبه می‌‌شود (فرمول شماره 2):





در گام بعدی محاسبه واریانس s توسط یکی از روابط زیر محاسبه می‌‌شود (فرمول شماره 3):



سپس n و m تعداد دنباله‌هایی است که در آن یک داده تکراری حداقل وجود دارد. t بیان‌کننده فراوانی داده با ارزش یکسان در یک دنباله است و در آخر هم آماره z با یکی از روابط زیر استخراج می‌گردد (فرمول شماره 4):



در محاسبه این آزمون از سطوح اعتماد 95 و 99 درصد بهره گرفته شده است. اگر آماره z مثبت باشد روند سری داده‌ها صعودی خواهد بود و اگر منفی باشد با روند نزولی در نظر گرفته می‌شود. در این مطالعه مبنا در این قرار داده شد که اگر مقدار Pvalue از 0/05 کمتر باشد فرضیه 0H که بر نبود وجود روند در سری زمانی است، دلالت دارد. اما در مقابل اگر مقدار سطح معنی‌داری از 0/05 بیشتر باشد، قبول فرضیه H1 و دال بر وجود روند است (محمدی، 1400).

سنجنده مودیس
سنجنده مودیس از ماهواره ترا دارای تفکیک افقی بوده و محصولات این سنجنده حدود 10 کیلومتر است. داده‌های زمان و مختصات مکانی در مطالعات از مرکز پردازش داده‌های سنجش از دور مودیس دریافت می‌شود. داده‌ها با استفاده از جدیدترین الگوریتم جهانی کشف آتش Collection 6 MODIS می‌توان مورد آنالیز قرار داده شود. در سنجنده مودیس داده‌های مربوط به زمان و مختصات مکانی رخدادهای آتش‌سوزی یکی از برونداد الگوریتم‌ بوده است که با دقت بالا و خطای بسیار کم (1/2 درصد) در اختیار پژوهشگران قرار می‌گیرد (عزیزی و همکاران، 1399).

شاخص نرمال‌شده تفاوت پوشش گیاهی 
شاخص پوشش گیاهی در سال 1973 ایجاد شد. زمانی که یک تیم تحقیقاتی در دانشگاه A&M تگزاس داده‌های ارسال‌شده از اولین ماهواره‌های رصد زمین را که به دور زمین می‌چرخند، بررسی کردند. ابزار تصویربرداری آن‌ها طول موج های نور مادون قرمز را که توسط پوشش گیاهی روی زمین منعکس شده بود، ثبت کرد. این تیم با استفاده از داده‌های لندست‌، تغییرات پوشش گیاهی منطقه‌ای را در طول فصل رشد نقشه‌برداری کرد. به ازای هر پیکسل زمین، آن‌ها طول موج‌های نور منعکس‌شده را به یک شاخص نرمال‌شده تفاوت پوشش گیاهی پردازش کردند که تقریباً به پوشش و سلامت گیاه نزدیک شد. از آن زمان، شاخص پوشش گیاهی دریچه‌ای به سلامت گیاهان در سراسر جهان بوده است. این شاخص از بسیاری جهات بسیار کاربردی است و این اجازه را می‌دهد تا زمین را در هر منطقه از جهان با استفاده از یک محاسبه ساده بتوان نظارت کرد. به عبارتی دیگر شاخص پوشش گیاهی نرمال‌شده از معروف‌ترین شاخص‌های گیاهی بوده است که بر‌حسب دو باند قرمز و مادون قرمز نزدیک؛ مانند فرمول شماره 5 تعریف می‌شود. هدف از ایجاد شاخص پوشش گیاهی بررسی ویژگی‌هایی نظیر سطح برگ، تاج پوشش، بیومس یا درصد پوشش گیاهی است. مهم‌ترین مزیت شاخص پوشش گیاهی در این است که یک شاخص جهانی است. این به معنای آن است که شاخص پوشش گیاهی در تمامی مناطق جهان یک نتیجه واحد می‌دهد و نتایج آن در همه‌جا به‌صورت یکسان تفسیر می‌شود. 
5.


سطح تابش خورشیدی
سطح تابش خورشیدی به میزان قدرت تابش الکترومغناطیسی خورشید بر واحد سطح تابش خورشیدی گفته می‌شود که در فضا یا در سطح زمین بعد از عبور اتمسفر قابل‌اندازه‌گیری است. میزان تابش خورشیدی به 2 عامل (فاصله از خورشید و چرخه خورشیدی) بستگی دارد که این میزان بر یک سطح افقی واحد در یک زمان مشخص برای یک مکان معین وارد می‌شود. بر‌اساس معادله موقعیت خورشید در آسمان در طول سال، حداکثر میزان تابش خورشید در یک سطح با زاویه شیب خاص را می‌توان به عنوان تابعی از عرض جغرافیایی و روز سال محاسبه کرد. تابش خورشیدی یکی از مهم‌ترین پارامترهای تأثیرگذار در توازن حرارتی سیستم جوزمین است که اساس بیشتر مطالعات اقلیمی را تشکیل می‌دهد. چنان‌که در مطالعات هواشناسی، کشاورزی، مدیریت آب، محیط‌زیستی، پوشش گیاهی و سایر علوم مکانی کاربرد دارد. ابزار تابش خورشیدی، یک ابزار تحلیل فضایی بوده که تابش خورشیدی ورودی را از یک سطح شطرنجی استخراج می‌کند. با‌توجه‌به بررسی توپوگرافی ایران، جهت محاسبه تابش خورشیدی در این مطالعه از محیط ARCGIS با استفاده از ابزار Spatial Analyst Tools به‌عنوان یکی از ابزارهای تحلیل مکانی، بین ساعت 4 صبح تا 21 شب و بر واحد وات ساعت بر متر مربع استفاده شده است (چوی و همکاران، 2019).

آنالیز تراکم کرنل
تراکم کرنل یک روش آماری غیرپارامتریک برای محاسبه احتمالی تراکم نقاط آتش‌سوزی در یک محیط اکولوژی بوده است که برای به‌دست آوردن نقشه‌ای مشخص از تراکم نقطه‌ای در یک فضای دوبعدی به ‌کار گرفته می‌شود. به عبارتی این تکنیک برای نمایان کردن الگوی مکانی رخداد آتش‌سوزی جنگلی در سطح یک اکوسیستم بسیار کاربردی در Arc Gis است. در‌واقع آنالیز تراکم کرنل، تراکم نقاط آتش‌سوزی جنگلی را به سطح تبدیل کرده و نقشه سریعی از مناطق مستعد خطر را نمایش می‌دهد. به این معنا که برای پهنه‌بندی خطر شدت تراکم آتش از فراوانی نقاط مناطقی که دچار حریق شده‌اند، استفاده شده است. از حداقل اطلاعات برای شناسایی و مشخص کردن مناطقی که بالاترین شدت تراکم خطر را از‌لحاظ فراوانی وقوع داشته‌اند، در قالب یک نمای کلی از مناطق پرخطر با حداقل اطلاعات در دسترس، استفاده شده است (گراوند و همکاران، 1392؛ شوو و همکاران، 2021؛ کوسیاس و همکاران، 2014؛ آماتولی و همکاران، 2007).

یافته‌ها

بررسی روند دما از گذشته تا حال با استفاده از آزمون من‌کندال
تحلیل روند از‌جمله مهم‌ترین ارزیابی‌هایی است که برای اثرات تغییر اقلیم در متغیرهایی مانند دما صورت می‌گیرد. دما یکی از پارامترهای شکل‌گیری اقلیم بوده است که به موجب آن هر‌گونه تغییر در این عنصر می‌تواند ساختار اقلیمی یک منطقه را تغییر دهد. تصویر شماره 3 نتایج سری زمانی ماهانه آزمون من‌کندال ایستگاه‌های مهرآباد، یزد، بم، شیراز، اصفهان و بوشهر در دوره آماری 1988 تا 2020 در سطح 99 و 95 درصد را نشان داده است. طبق بررسی روند افزایشی در کلیه ایستگاه‌ها مشاهده شد. به‌طوری‌که در ایستگاه مهرآباد در ماه‌های ژانویه، فوریه، مارس، می و ژوئن روند افزایشی در سطح 95 درصد بوده است. اما در ماه‌های آوریل، اوت، اکتبر و نوامبر روند کاهشی بود که در این میان ماه نوامبر در سطح 95 درصد، معنی‌دار بود. نتایج ایستگاه بوشهر روند افزایشی دما در کلیه ماه‌ها را در سطح معنی‌داری 99 و 95 درصد نشان داده است که تنها در ماه اوت در سطح صدک 80 مشاهده شده است. این نشان می‌دهد ایستگاه به سمت گرم‌تر شدن پیش می‌رود. نتایج ایستگاه بم نشان داده است روند افزایش دما در سطح معنی‌داری 99 درصد در ماه‌های ژانویه، فوریه، می، ژوئن، ژوئیه و اوت بوده است. اما در ماه‌های سپتامبر و اکتبر روند افزایشی دما در این ایستگاه در سطح 95 درصد بوده است. با این تفاوت که در ماه مارس در ایستگاه بم روند کاهشی نشان داده شده است. بررسی نتایج ایستگاه اصفهان در ماه‌های می و ژوئن روند افزایشی دما در سطح اطمینان 95 درصد نشان داده است. این در حالی بوده است که در این ایستگاه در ماه مارس روند کاهشی دما در سطح معنی‌داری 95 درصد مشاهده شد و تنها در ماه سپتامبر روند افزایشی معنی‌دار در سطح 99 درصد و در ماه اوت روند معنی‌داری افزایشی دما در صدک 80 بود. از طرفی در ایستگاه شیراز در ماه‌های ژانویه و ژوئن روند صعودی دما در سطح معنی‌داری 95 درصد و در ماه‌های می و سپتامبر روند صعودی دما در سطح معنی‌داری 99 درصد و ماه اوت روند افزایشی در سطح 0/1 صدک 80 بوده است. تنها در ماه مارس روند کاهشی دما در سطح معنی‌داری 95 درصد بوده است. در‌نهایت در ایستگاه یزد در ماه‌های ژانویه، فوریه، می، ژوئن و سپتامبر روند صعودی در سطح اطمینان 99 درصد مشاهده شده است که تنها در ماه‌های ژوئیه و اوت در سطح معنی‌داری 95 درصد روند افزایشی داشته است. اما در ماه دسامبر در این ایستگاه روند افزایشی در سطح صدک 80 بوده است. 



در جمع‌بندی کلی تحلیل پارامتر دما در مناطق مورد‌مطالعه باید گفت اقلیم این مناطق روند افزایشی دما و گرم شدن نسبی را سپری می‌کنند و این ایستگاه‌ها به سمت گرم‌تر شدن پیش می‌روند. متغیر دما در این مناطق دارای روند هستند. بنابراین همان‌گونه که تشریح شد روند معنی‌داری صعودی در کلیه ایستگاه‌های ناشی از افزایش گازهای گلخانه‌ای است که می‌تواند در اثر رشد صنعت، افزایش جمعیت، توسعه شهری و تغییرات کاربری در کلان‌شهرهایی همچون تهران، اصفهان، شیراز و غیره باشد که موقعیت صنعتی و تجاری دارند. همان‌طور که مشاهده شد نتایج برخی ماه‌ها در ایستگاه‌ها بسیار به هم مشابهت دارند، مخصوصاً در ماه ژوئیه که این افزایش روند دما طی دوره 1988 تا 2020 در بازه زمانی 32 ساله، قابل‌توجیه است. نتایج این پژوهش با مطالعاتی (شیرغلامی و قهرمان، 1384؛ راهدان و همکاران، 1393؛ مکاری و عباس‌نیا، 1399؛ هیئت بین‌الدول تغییر اقلیم، 2023) همخوانی و مطابقت دارد.

بررسی توپوگرافی (ارتفاع، شیب و جهت شیب) ایران
توپوگرافی یک منطقه پایدارترین متغیر در مثلث رفتار آتش است. ارتفاع، شیب و جهت شیب از‌جمله ویژگی‌هایی هستند که در گسترش آتش اثرگذار بوده‌اند. بلندترین نقطه ایران از‌لحاظ ارتفاع، دماوند در 5610 متری و پایین‌ترین نقطه دریای کاسپین در 28 متری از سطح دریاهای آزاد است. بنابراین ارتفاع نمی‌تواند به‌تنهایی معیاری باشد که به‌طور مستقیم بر وقوع آتش‌سوزی جنگلی اثرگذار باشد، بلکه باید همیشه در کنار شیب و جهت شیب مدنظر گرفته شود. این معیار تنها شرایط اقلیمی را که به‌طور مستقیم بر آتش‌سوزی اثر دارد تعادل می‌بخشد. با افزایش ارتفاع کاهش دما صورت می‌گیرد و بارش در این ارتفاع زیادتر از نواحی با ارتفاع پایین‌تر است. اما از طرفی با افزایش ارتفاع خطر صاعقه بیشتر می‌شود. به‌خصوص در فصل تابستان و همراه خشکی و افزایش دمای هوا این امر محتمل‌تر است. در یکی از این موارد در سال 1398، در مناطق کوه‌دیل، کوه نارک، دریلا، خامی و کوه آبک نازمکان در شهرستان گچساران در پی آتش‌سوزی جنگلی بر اثر صاعقه، حدود 8 هکتار پوشش گیاهی دچار حریق شد (محمدی‌تبار، 1398؛ جانبازقبادی، 1398). تصویر شماره 4 شیب و جهت شیب ایرا ران در مقیاس 000/000/ 1:10 نشان داده است.



در نقشه شیب همان‌طور که مشخص است نواحی روشن‌تر شیب کمتری را نشان می‌دهند، در‌حالی‌که نواحی‌ای که قرمز‌رنگ هستند دارای شیب بیشتری بوده‌اند. با‌توجه‌به اینکه ایران در نیم‌کره شمالی قرار گرفته است، به‌طور‌کلی خصوصیات جهت شیب با‌توجه‌به اثرات گرما به این صورت بوده است که نواحی‌ای که در جهت غربی بوده‌اند دیرتر گرم می‌شوند و دیرتر سرد می‌شوند که درست عکس نواحی بوده است که در جهت شرقی قرار داشته‌اند. مناطقی که در جهت جنوب بوده‌اند بالاترین میانگین دما را داشته‌اند و زودتر دچار حریق شده‌اند (دانشگاه آریزونا، 2012). با‌توجه‌به تصویر شماره 4 منازل مسکونی‌ای که در بالای یک شیب قرار دارند، در معرض خطر بیشتر افزایش طول شعله هستند.
آتش‌سوزی‌ها در جنگل در مقایسه با زمین‌های هموار، سریع‌تر و شدیدترند. یک منطقه دارای شیب تندتر به آتش سوزی سریع‌تر با طول شعله بیشتر منجر خواهد شد. طبق نقشه شیب تصویر شماره 5، شیب‌های متوسط یا تند بیش از 21 درصد بسیار خطرناک هستند. هر شیب به‌طور بالقوه می‌تواند میزان گرمایی که یک سازه در طول آتش‌سوزی در معرض آن قرار می‌گیرد را افزایش دهد. دامنه‌های شمالی که دارای پوشش گیاهی متراکم‌تری هستند، به دلیل برخورد صاعقه بیشتر می‌توانند در معرض خطر آتش‌سوزی قرار گیرند. از طرفی نواحی با شیب کمتر که ارتفاع پایین‌تری هم دارند در فصل گرما، بر اثر هوای گرم و هم‌رفتی همراه خشکی، بیشتر مستعد خطر آتش‌سوزی هستند. در شیب‌های پایین یا کناره‌های تپه‌ای، گسترش آتش به دلیل وزش باد غیرقابل‌پیش‌بینی است. در‌حالی‌که دره‌های باریک می‌توانند سرعت و جهت باد را تغییر دهند. رفتار آتش در زمین‌های ناهموار می‌تواند نامنظم‌تر باشد (فوست و همکاران، 2013).




بررسی سطح تابش خورشیدی ایران
عملکرد تجزیه‌و‌تحلیل تابش خورشیدی کاربر را توانمند می‌‌کند تا اثرات خورشید را بر روی یک منطقه جغرافیایی برای دوره زمانی خاص تجزیه‌و‌تحلیل کند. با‌توجه‌به اینکه تابش دریافتی از خورشید منبع اولیه انرژی است، بسیاری از فرایندهای فیزیکی و بیولوژیکی زمین را هدایت می‌کند. درک اهمیت آن برای مقیاس‌های گوناگون برای درک طیف گسترده‌ای از فرایندهای طبیعی و فعالیت‌های انسانی کلیدی است. با‌توجه‌به موقعیت ایران، توپوگرافی یک عامل اصلی تعیین‌کننده تغییرپذیری فضایی تابش است. تنوع در ارتفاع، شیب و جهت شیب و سایه‌های ایجاد‌شده توسط ویژگی‌های توپوگرافی، همگی بر میزان تابش دریافتی در مکان‌های مختلف تأثیر می‌گذارند. این تنوع نیز با زمان روز و زمان سال تغییر می‌کند و به‌نوبه خود به تغییرپذیری ریزاقلیم، ازجمله عواملی مانند رژیم‌های دمایی هوا و خاک، تبخیر و تعرق، الگوهای ذوب برف، رطوبت خاک و نور موجود برای فتوسنتز و مستعد شدن مناطق برای آتش‌سوزی کمک می‌کند (تارنمای گیت‌هاب، 2023). بنابراین خروجی نقشه در تصویر شماره 6 پهنه تابشی خورشیدی را از ساعت 4 صبح الی 21 شب در اولین روز تابستان سال 2020 در کل ایران بر واحد وات ساعت بر متر مربع را نشان داده است. بنابراین مناطق ارتفاعات شمالی تهران، در نواحی کناره‌های خزری و پهنه‌های شمالی ایران، شمال غرب ایران (اردبیل و تبریز)، نواحی مرکزی (کرمان، شیراز، اصفهان، یزد و شیراز) و به عبارت دیگر ناحیه رویشی خزری، ناحیه رویشی ارسباران، ناحیه رویشی زاگرسی و ناحیه رویشی ایرانی‌تورانی از ارزش پیکسلی بالایی برخوردار هستند و میزان پهنه دریافتی تابشی خورشیدی در آن‌ها نسبت به سایر مناطق ایران بیشتر است.




نقشه شاخص نرمال‌شده تفاوت پوشش گیاهی 
عامل گیاهی نقش مهمی در مطالعه آتش‌سوزی جنگل دارد. شاخص به‌هنجار‌شده پوشش گیاهی با استفاده از داده‌های سنجنده لندست 8 تصاویری در محدوده باندهای قرمز و نزدیک به مادون قرمز تولید می‌کند که برای محاسبه شاخص پوشش گیاهی ایدئال است و برای بررسی دقیق‌تر نواحی رویشی در تصویر شماره 7 ارائه شد. مقدار پوشش گیاهی در تصویر شماره 7 در استان‌های تهران، یزد، بم، شیراز، اصفهان و بوشهر در بازه زمانی2021 تا 2022 قابل‌مشاهده است. مقادیر منفی شاخص پوشش گیاهی عمدتاً به‌خاطر ابرها، آب و برف است. اعداد نزدیک به صفر آن نیز به علت وجود سنگ‌ها و خاک‌های عاری از پوشش گیاهی است. مقادیر بسیار کوچک (0/1 و کمتر) تابع پوشش گیاهی نشان‌دهنده مناطق خالی از پوشش گیاهی، متشکل از سنگ، ماسه یا برف است. اعداد متوسط در این شاخص (بین 0/2 تا 0/3) نشان‌دهنده درختچه‌ها و علفزارهاست. مقادیر بزرگ (0/6 تا 0/8) هم جنگل‌های معتدل و گرمسیری را نشان می‌دهند. بنابراین مقادیر بین صفر و ۱- نشان‌دهنده گیاهان مرده یا اجسام غیر‌آلی مانند سنگ‌ها، جاده‌ها و منازل مسکونی هستند. مقادیر شاخص پوشش گیاهی برای گیاهان زنده بین صفر تا ۱ است که 1 سالم‌ترین و صفر کم‌ترین مقدار سلامت را نشان می‌دهد. از آنچه تشریح شد، در تصویر شماره 7 مقادیر بالای مثبت شاخص پوشش گیاهی (سبز) به معنی پوشش گیاهی بلند و متراکم است. مناطق شهری و پهنه‌های آبی نیز مقادیر منفی با رنگ قرمز و زرد هستند. در استان بوشهر مقدار 0/7 نشان‌دهنده بالاترین پوشش گیاهی و 0/4- نشان‌دهنده کمترین مقدار پوشش گیاهی است. در استان اصفهان بیشترین مقدار شاخص پوشش گیاهی 0/7 بوده است و کمترین شاخص پوشش گیاهی 0/4- را نشان داده است که بیان‌کننده مناطق شهری و مسکونی بوده است. در استان تهران بیشترین مقدار شاخص پوشش گیاهی 0/7 بوده است که نشان‌دهنده بالاترین تراکم پوشش گیاهی است. اما پایین‌ترین میزان شاخص پوشش گیاهی در این استان 0/4- است که نشان‌دهنده مناطق شهری و مسکونی و عاری از پوشش گیاهی بوده است. استان شیراز هم با شاخص پوشش گیاهی مثبت 0/7 بالاترین تراکم پوشش گیاهی را نشان داده است این درحالی بوده است که کمترین میزان شاخص پوشش گیاهی 0/5- بوده که می‌تواند برای نواحی شهری باشد. استان اصفهان با شاخص پوشش گیاهی مثبت 0/7 بالاترین تراکم پوشش گیاهی را نشان داده است این در حالی بوده است که کمترین میزان شاخص پوشش گیاهی، 0/5- بوده که می‌تواند برای نواحی شهری باشد. در‌نهایت استان یزد از بین سایر استان‌ها کمترین مقدار شاخص پوشش گیاهی را نشان داده است. به‌طوری‌که بالاترین میزان شاخص پوشش گیاهی در این استان 0/6 بوده است و پایین‌ترین مقدار شاخص پوشش گیاهی هم 0/6- بوده است. این مطالعه نسبی است و برای برآورد شاخص پوشش گیاهی در حدود دوره 1 سال کفایت داشته است. بنابراین بر‌اساس تصاویر، شاخص پوشش گیاهی که به مقدار 0/7 نشان داده شده است و به دلیل دارا بودن پوشش گیاهی متراکم، در مناطق جنگلی تهران (چیتگر، لویزان، وردآورد، سوهانک، غزال و سرخه‌حصار) که در سال 1399 جنگل لویزان، نزدیک 2 هکتار اراضی جنگلی، و در سال 1396 سوهانک، پارک پردیسان تهران در 20 خرداد 1401 به‌علت گرمای تابستان و برگ خشک در کناره ضلع جنوبی پارکینگ آتش‌سوزی جنگلی را تجربه کردند. مناطق جنگلی بوشهر (حرا، گلوبردکان و نخلستان‌های عسلویه)، جنگل‌های کرمان (پردیسان قائم و منطقه پاسیب)، جنگل‌های بیضا (شیراز) در سال 1396 و دشت ارژن در سال‌های 1392، 1397 و 1399 و جنگل باغ شادی یزد (نجفی و همکاران، 1394) آتش‌سوزی جنگلی را تجربه کردند. همچنین مناطق جنگلی اصفهان (پشندگان، داغباشی، اردسته، برنجگان، لابیدک) در آتش‌سوزی بهار و تابستان 1399 در عرصه جنگلی داغباشی در سمیرم (اصفهان) 557 هکتار از اراضی جنگلی خود را از دست دادند (سهیل‌اصفهانی و همکاران، 1393). تمام این مناطق مستعد و با خطر آتش‌سوزی بالایی مواجه بوده‌اند.




نقشه پراکندگی و شدت تراکم ریسک نقاط آتش‌سوزی جنگلی
تصویر شماره 8 پراکندگی آتش‌سوزی جنگلی در ایران بین سال‌های 2000 تا 2023 را نشان داده است. در تصویر شماره 8 (الف) بازه زمانی 23 ساله تا اول ژوئیه 2023 را نشان می‌دهد. در طی این دوره آماری 455404 مورد آتش‌سوزی در سرتاسر ایران رخ داده است. اما تصویر شماره 8 (ب) یک دوره 7 ماهه از آتش‌سوزی‌های جنگلی از 2023/01/01 الی 2023/07/01 را نشان داده است، در این بازه زمانی کوتاه ایران 16138 مورد آتش‌سوزی جنگلی را تجربه کرده است. این نقشه‌ها نشان می‌دهند ایران همچنان با افزایش ریسک آتش‌سوزی جنگلی مواجه است. که باتوجه به تصویر شماره 8 (ب) این مقدار در مقابل بازه زمانی 23 ساله بیشتر هم بوده است.



در تصویر شماره 9 نقشه پهنه‌بندی شدت تراکم آتش‌سوزی جنگلی با روش کرنل نشان داده شده است. این پهنه‌بندی بر‌اساس داده‌های ماهواره‌ای در دوره آماری 2000 تا 2023 محاسبه شده است. نقاطی را نشان داده است که در بازه زمانی 23 ساله بیشترین آتش‌سوزی در این مناطق رخ داده است. این نقشه بر‌اساس شدت تراکم به 5 دسته طبقه‌بندی شده است. هر‌چه محدوده به نقطه آتش‌سوزی قرمزرنگ نزدیک شود، دارای بیشترین خطر و هر‌چه از نقاط مورد‌نظر فاصله گرفته شود ریسک خطر وقوع آتش‌سوزی کمتر خواهد بود. تصویر شماره 9 اطراف محدوه‌های مراتع و مناطق حفاظت‌شده در جنوب و غرب زاگرس را نشان داده است. به نظر شدت تراکم آتش‌سوزی‌ها در مناطق منطقه حفاظت‌شده کوه دیل و خائیز در استان کهگیلویه و بویراحمد، منطقه اطراف ارتفاعات و نخلستان‌های عسلویه، شکارممنوع کوه‌سیاه در استان بوشهر کمتر است. در این بین استان‌های کهگیلویه و بویراحمد و خوزستان مستعد ریسک بالاتری از افزایش آتش‌سوزی جنگلی هستند. نتایج این پژوهش از‌لحاظ پراکندگی مناطق آتش‌سوزی جنگلی در نواحی جنوب غربی استان‌های ایلام و خوزستان با مطالعات (شجاعی‌زاده و همکاران، 1402) مطابقت و همخوانی دارد.




نتیجه‌گیری
طی چند سال گذشته، به موجب رخداد تغییرات اقلیمی الگوی آتش‌سوزی‌های جنگلی در ایران نیز تغییر کرده است و به‌سادگی آتش‌سوزی رخ می‌دهد و سطح گسترده‌ای را نابود می‌کند. افزایش دما، کاهش بارش، خشکسالی، وزش باد و عوامل انسانی در سال‌های اخیر صدمات بسیاری را بر جنگل‌ها وارد کرده است. یکی از عوامل تأثیرگذار بر تغییر الگوی آتش‌سوزی‌ها، تغییرات اقلیمی است که موجب تشدید گرمای هوا و کاهش رطوبت شده است. بنابراین مناطق جنگلی و پوشش‌های علفی که در ایران وجود دارند مستعد آتش‌سوزی می‌شوند. سرزمین ایران جزو آن کشورهایی است که ضریب تأثیرپذیری از تغییرات اقلیمی در آن بالاست. نتایج بررسی روند پارامتر دما در ایستگاه‌های مهرآباد، یزد، بم، شیراز، اصفهان و بوشهر در دوره آماری 1988 تا 2020 افزایش و معنی‌دار است. افزایش دما موجب افزایش تبخیر و تعرق شده و درنتیجه موجب خشک شدن مواد سوختنی می‌شود، که این امر یکی از عوامل مؤثر در آتش‌سوزی جنگلی است. بررسی سطح تابشی خورشیدی در ایران نشان داد نواحی شمالی تهران، نواحی رویشی خزری و ارسباران، نواحی رویشی ایرانی‌تورانی و زاگرس از ارزش پیکسل سایزهای بالایی برخوردارند و میزان پهنه دریافتی خورشید نسبت به سایر مناطق بیشتر است. بررسی پوشش گیاهی در استان‌های تهران، یزد، بم، شیراز، اصفهان و بوشهر نشان داد مناطقی که دارای ارزش 0/7 بوده‌اند از تراکم بالای پوشش گیاهی برخوردار بودند اما مناطقی که ارزش 0/4- را نشان داده است فاقد پوشش گیاهی بودند (منازل مسکونی، محدوده‌های شهری و جاده‌ای). در مناطقی که دارای پوشش گیاهی بالایی هستند و طی سال‌های اخیر آتش‌سوزی جنگلی را تجربه کرده‌اند، بیشتر از سایر مناطق مستعد خطر آتش‌سوزی هستند. شاخص پوشش گیاهی می‌تواند جایگزین مناسبی جهت ارزیابی و شناسایی مناطق مستعد آتش‌سوزی باشد. نقشه پراکندگی نقاط آتش‌سوزی ایران در بازه زمانی2000 تا 2023، 455404 مورد آتش‌سوزی جنگلی را نشان داده است. طبق نقشه پهنه‌بندی شدت تراکم، استان‌های کهگیلویه و بویراحمد و خوزستان بیشترین آتش‌سوزی جنگلی را تجربه کرده‌اند و مستعد ریسک بالاتری از افزایش آتش‌سوزی جنگلی بوده‌اند. نتایج این مطالعه با پژوهش‌هایی (مکاری و عباس‌نیا، 1399؛ حجازی‌زاده و همکاران، 1401؛ شجاعی‌زاده و همکاران، 1402؛ هیئت بین‌الدول تغییر اقلیم، 2007) مطابقت داشت. بسیاری از تصمیمات و برنامه‌ریزی‌های آتی کشور، نیازمند اطلاع از مخاطرات مؤثر بر شهرها به‌ویژه از‌نظر شرایط آب‌وهوایی است. بنابراین با‌توجه‌به بروز مخاطراتی نظیر تغییر اقلیم و آتش‌سوزی جنگلی در دهه‌های اخیر، بسیاری از کشورهای توسعه‌یافته برنامه‌ریزی و مدیریت نظام‌مندی را در سطوح راهبردی و عملیاتی برای مدیریت ریسک‌های ناشی از تغییر اقلیم و سازگاری با شرایط آن در پیش گرفته‌اند. در ایران به دلیل افزایش دما و موقعیت جغرافیایی و از طرف دیگر مهاجرت بادهای غربی به عرض‌های بالاتر، بارش کم‌تری رخ می‌دهد که در‌نتیجه شرایط خشکی را در کشور ایجاد است که موجب ریسک افزایش آتش‌سوزی جنگلی در مناطق مستعد خواهد شد. ایران با تغییر اقلیم ناشی از گرمایش جهانی مواجه شده است. از این جهت اقلیم جدید ایران هوای گرم‌تر و خشک‌تری را سپری خواهد کرد. اقتصاد ایران بیش از هر چیزی تحت تأثیر پیامدهای تغییرات اقلیم قرار دارد. آتش‌سوزی جنگلی با خسارت‌های مالی و جانی همراه است و از‌لحاظ اقتصادی و اجتماعی بر ایران اثرات منفی خواهد گذاشت. بنابراین برنامه‌ای جامع برای کاهش اثر تغییر اقلیم و آینده‌نگری‌های اقلیمی باید مورد توجه قرار گیرد. این امر موجب کاهش آسیب‌پذیری و افزایش تاب‌آ‌وری خواهد بود.

ملاحظات اخلاقی

حامی مالی
این مقاله حامی مالی ندارد.

مشارکت نویسندگان
مفهوم‌سازی، انجام تحلیل‌های نرم‌افزاری و آماری، ویرایش، نگارش نسخه اولیه مقاله: نیلوفر محمدی؛ راهنمایی، ویرایش و بازبینی مقاله، کنترل نتایج: زهرا حجازی‌زاده.

تعارض منافع
بنابر اظهار نویسندگان این مقاله تعارض منافع ندارد.
 

 

References
Allen, M. R., Dube, O. P., Solecki, W., Aragón-Durand, F., Cramer, W., & Humphreys, S., et al. (2018). Framing and Context. In: Global Warming of 1.5°C. An IPCC Special Report on the impacts of global warming of 1.5°C above pre-industrial levels and related global greenhouse gas emission pathways, in the context of strengthening the global response to the threat of climate change, sustainable development, and efforts to eradicate poverty. Cambridge: Cambridge University Press. [Link]
Amatulli, G., Peréz-Cabello, F., & de la Riva, J. (2007). Mapping lightning/human-caused wildfires occurrence under ignition point location uncertainty. Ecological Modelling, 200(3-4), 321-333.  [DOI:10.1016/j.ecolmodel.2006.08.001]
Ardakani, A., Valadanzooj, M. J., & Mansourian, A. (2010). [Spatial analysis of fire potential in Iran using RS and GIS (Persian)]. Journal of Environmental Studies, 35(52), 25-34. [Link]
Azizi, M., Khosravi, M., & Pourreza, M. (2020). [Frequency of fire incidence in relation to Zagros forests and rangelands physiography (Kermanshah province) using MODIS active fire data (Persian)]. Iranian Journal of Forest and Range Protection Research, 18(1), 42-55. [DOI:10.22092/IJFRPR.2020.342093.1421]
Azizi, Gh. (2004). [Climate change (Persian)]. Tehran: Ghomes. [Link]
Barani, N., & Karami, A. (2020). [Annual trend analysis of climate parameters of temperature and precipitation in decuple agroecology regions of Iran (Persian)]. Environmental Sciences, 17(4), 75-90. [Link]
Belcher, C. M., Yearsley, J. M., Hadden, R. M., McElwain, J. C., & Rein, G. (2010). Baseline intrinsic flammability of Earth’s ecosystems is estimated from paleo atmospheric oxygen over the past 350 million years. Proceedings of the National Academy of Sciences of the United States of America, 107(52), 22448–22453. [DOI:10.1073/pnas.1011974107] [PMID] 
Choi, Y., Suh, J., & Kim, S. M. (2019). GIS-based solar radiation mapping, site evaluation, and potential assessment: A review. Applied Sciences, 9(9), 1960. [DOI:10.3390/app9091960]
Diffenbaugh, N. S., Konings, A. G., & Field, C. B. (2021). Atmospheric variability contributes to increasing wildfire weather but not as much as global warming. Proceedings of the National Academy of Sciences of the United States of America, 118(46), e2117876118.[DOI:10.1073/pnas.2117876118] [PMID] 
Dubayah, R., & Rich, P. M. (1995). Topographic solar radiation models for GIS. International Journal of Geographical Information Systems, 9(4), 405-419. [DOI:10.1080/02693799508902046]
Eskandari, S. (2015). [Investigation on the relationship between climate change and fire in the forests of Golestan Province (Persian)]. Iranian Journal of forest and Range protection Research, 13(1), 1-10. [DOI:10.22092/IJFRPR.2015.102383]
Eskandari, S. (2021). [Fire of Iranian forests, consequences, opposition methods and solutions (Persian)]. Human & Environment, 19(1), 175-187. [Link]
Eskandari, S., & Jalilvand, H. (2017). [Effect of weather changes on fire regime of Neka and Behshahr forests (Persian)]. Iranian Journal of Forest and Range Protection Research, 15(1), 30-39. [DOI:10.22092/IJFRPR.2017.113331]
Fawcett, R. J. B, Thurston, W., Kepert, J., & Tory, K. (2013). Modelling the fire weather of Black Saturday. Proceedings of Bushfires CRC and AFAC 2012 Conference Research Forum, 28, 135-149. [Link] 
Garavand, S., Yaralli, N., & Sadeghi, H. (2013). [Spatial pattern and mapping fire risk occurrence at natural lands of Lorestan province (Persian)]. Iranian Journal of Forest and Poplar Research, 21(2), 231-242. [DOI:10.22092/IJFPR.2013.3865]
Gari, A. (2016). [Assessing the risk of forest fire in Golestan National Park according to climate change scenarios (Persian)] [MA thesis]. Golestan: Golestan University. [Link]
Ghobadi, Gh. (2019). [Investigation of forest fire risk areas in Golestan province, based on fire risk index using GIS technique (Persian)]. Journal of Spatial Analysis Environmental Hazards, 6(3), 89-102. [Link]
Hejazizadeh, Z., Akbari, M., Sasanpour, F., Hosseini, A., & Mohammadi, N. (2022). [Investigating the effects of climate change on torrential rains in Tehran province (Persian)]. Water and Soil Management and Modelling, 2(2), 87-105. [DOI:10.22098/MMWS.2022.9958.1075]
IPCC. (1997).The regional impacts of climate change: An assessment of vulnerability. Cambridge: Cambridge University Press. [Link] 
IPCC. (2007). Climate change 2007: Impacts, adaptation and vulnerability. Geneva: Intergovernmental Panel on Climate Change. [Link]
IPCC. (2023). Summary for Policymakers. In: Core Writing Team, H. Lee, & J. Romero (Eds.), Climate change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Geneva: IPCC. [Link] 
Khaleghi, F. (2015). [Investigating management methods in order to anticipate, control and reduce the fire crisis in Iran's forests, a case study of Khabar-Kerman National Park (Persian)]. Paper presented at: International Conference on Research in Science and Technology, Tehran, Iran, 14 Dcember 2015. [Link]
Koutsias, N., Balatsos, P., & Kalabokidis, K. (2014). Fire occurrence zones: Kernel density estimation of historical wildfire ignitions at the national level, Greece. Journal of Maps, 10(4), 630-639. [DOI:10.1080/17445647.2014.908750]
Li, S., & Banerjee, T. (2021). Spatial and temporal pattern of wildfires in California from 2000 to 2019. Scientific Reports, 11(1), 8779. [DOI:10.1038/s41598-021-88131-9] [PMID] 
Mansoor, S., Farooq, I., Kachroo, M. M., Mahmoud, A. E. D., Fawzy, M., & Popescu, S. M., et al. (2022). Elevation in wildfire frequencies with respect to the climate change. Journal of Environmental Management, 301, 113769. [DOI:10.1016/j.jenvman.2021.113769] [PMID]
Margaret, S., Evan, M., & Jeremy, F. (1998). Will climate change spark more damage. LNBL Report, No. 42572, 1-10. [Link] 
Mohamadi, N. (2021). [Effects of climate change on torrential rains in Tehran province (Persian)] [MA thesis]. Tehran: Kharazmi University. [Link]
Mohamaditabar, V. (2019). [Lightning caused fire in the forests of Kohgiluyeh and Boyer Ahmad (Persian)]. Retrieve from: [Link]
Mohammadi, H., & Yolmeh, I. (2013). [Statistical and synoptic analysis of forest fire in Golestan Province (case study: 16 December 2005 and 9 March 2006) (Persian)]. Journal of Climate Research, 1392(15), 63-80. [Link]
Mokari, M., & Abbasnia, M. (2020). [Trends analysis of maximum temperature by using Mann-Kendall and Spearman Tests in various regions of Iran (Persian)]. Nivar, 44(108-109), 31-44. [DOI:10.30467/NIVAR.2020.211885.1143]
Mosaedi, A., Kavakebi, Gh., Rafigh, E., & Alavizade, F. (2011). [Revealing climate changes and their impact on fires in natural areas (Persian)]. Pape rpresented at: The First International Conferencefire in fire in natural resources fields, Gorgan, Iran, 26-28 October 2011. [Link]
Najafi, A., Irannrjad, M. H., Sotode, A., Mokhtari, M. H., & Kiani, B. (2016). [Modeling and risk mapping of forest fires using remote sensing and GIS (Case Study: Baghe-Shadi Protected Area, Yazd Province) (Persian)]. Iranian Journal of Applied Ecology, 4 (14), 13-26. [DOI:10.18869/acadpub.ijae.4.14.13]
Opitz, T. (2023). Editorial: EVA 2021 data challenge on spatiotemporal prediction of wildfiere extreme in the USA. Extremes, 26, 241-250. [Link]
Pitman, A. J., Nasrisma, G. T., & McAneney, J. (2007). The impact of climate change on the risk of forst and grassland fires in Australia. Climatic Change, 84, 383-401. [DOI:10.1007/s10584-007-9243-6]
Prichard, S. J., Hessburg, P. F., Hagmann, R. K., Povak, N. A., Dobrowski, S. Z., & Hurteau, M. D., et al. (2021). Adapting western North American forests to climate change and wildfires: 10 common questions. Ecological Applications, 31(8), e02433. [DOI:10.1002/eap.2433] [PMID]
Rahdan, H., Moradi, H. R., & Sharifikia, M. (2015). [Investigating the changes and trends of rainfall and temperature in Isfahan city (Persian)]. Paper presented at: 10thNational Conference on Watershed Management Science and Engineering of Iran, Birjand, Iran, 18-19 February, 2015. [Link]
SadatRazavi, A., Shafiepour Motlagh, M., Noorpoor, A., & Ehsani, A. H. (2020). [Investigation of wildfires status in IPCC Climate change scenarios (Persian)]. New Science and Technology, 2(2), 228-231. [Link]
Salehi, S., & Zarei, Z. (2018). [Zoning of high-risk areas in forests using GIS (case study of forests of Kermanshah province) (Persian)]. Geography and Human Relationships, 1(1), 304-319. [Link]
Sharif, M., & Kiani, A. (2022). [Estimation of fire area in Iranian vegetation using MODIS and Alos-2 data (Persian)]. Iranian Journal of Remote Sensing & GIS, 15(3), 103-124. [Link] 
Shirgholami, H., & Ghahraman, B. (2005). [Study of time trend changes in annual mean temperature of Iran (Persian)]. Journal of Water and Soil Science, 9(1), 9-24. [Link]
Shojaeizadeh, K., Ahmadi, M., & Dadashi-Roudbari, A. (2023). [Spatiotemporal changes of forest fire in vegetation areas of Iran based on MODIS sensor (Persian)]. Journal of Natural Environmental Hazards, 12(36), 41-60. [Link]
Shuo, Z., Jingyu, Z., Zhengxiang, Z., & Jianjun, Z. (2021). Identifying the density of grassland fire points with kernel density estimation based on spatial distribution characteristics. Open Geosciences, 13(1), 796-806. [DOI:10.1515/geo-2020-0265]
Soheili Esfehani, S., Shahmohamadi, A., & Shamli, M. (2014). [The impact of fire on forest reserve (case study: Semirom City- Isfahan Province) (Persian). Pape presented at: The 4th International Conference on Environmental Challenges & Dendrochronology, Sari, Iran, 14 May 2014. [Link]
Torn, M. S., & Fried, J. S. (1992). Predicting the impacts of global warming on wildland fire. Climatic Change, 21, 257-274.  [DOI:10.1007/BF00139726]
Taylor, C. (2011). Miramichi Fire of 1825”, her life & times. Retrieved from: [Link] 
Wastl, C., Schunk, C., Leuchner, M., Pezzatti, G. B., & Menzel, A. (2012). Recent climate change: Long-term trends in meteorological forest fire danger in the Alps. Agricultural and Forest Meteorology, 162-163, 1-13. [DOI:10.1016/j.agrformet.2012.04.001]
Wilby, R. L. (2007). Areview of climate change impacts the built environment. Built Environment, 33(1), 31-45. [DOI:10.2148/benv.33.1.31]
Ye, T., Wang, Y., Guo, Z., & Li, Y. (2017). Factor contribution to fire occurrence, size, and burn probability in a subtropical coniferous forest in East China. PloS One, 12(2), e0172110. [DOI:10.1371/journal.pone.0172110] [PMID] 
World Meteorological Organization (WMO). (2023). Canada Local Weather Services. Geneva: World Meteorological Organization. [Link]
Bureau of Meteorology. (2023). Meteorological organisations. Retrieve from: [Link]
SuperMap Software Co., Ltd. (2023). Solar radiation analysis. Retrieve from: [Link]
University of Arizona. (2012). Effects of topography on fire behavior. Arizona: University of Arizona. [Link]
Ministry of Agriculture Jihad. (2020). [ The Official Website of Natural Resources and Watershed Management Organization (Persian)]. Retrieve from: [Link]
Zadenaviri, N. (2002). [The effect of climate change on forest fires in the north of the country (Persian)] [MA thesis]. Tehran: Islamic Azad University.