49 YANGIN VE GÜVENLİK • OCAK - ŞUBAT / 2025 MAKALE "yok/minimal" operasyonlar olarak belirlenmiştir. Önceki yangının yokluğunda yangın şiddetini değerlendirmek için, önceki yangın şiddeti "önceki yangın yok" olarak ayarlanmış ve her piksel için en son yangın öncesindeki koşulları temsil eden bitki örtüsü/yangın yakıtı katmanları geliştirilmiştir. Normalized Differenced Vegetation Index (NDVI) için, April–June dönemi maksimumu, Dixie Yangını için hesaplandığı gibi, ancak her önceki yangın yılı (2021 yerine) dikkate alınarak hesaplanmıştır. Bitki örtüsü için ise, her yangından önceki yılın değerleri kullanılmıştır (örneğin, 2012 yangınına ait 2011 yılı ağaç örtüsü). Ardından, Dixie Yangını şiddetinin modeli, iki koşul seti altında tahmin edilen CBI değerlerini (30 m ölçek) üretmek için kullanılmıştır: gözlemlenen koşullar ve operasyonlar veya önceki yangınlar olmadan koşullar. Bu iki set arasındaki tahmin edilen CBI değerleri karşılaştırılarak, her 30 m pikseldir için operasyonların ve önceki yangının şiddet üzerindeki etkisinin büyüklüğü nicelendirilmiştir. Etki büyüklüğü şu şekilde hesaplanmıştır: burada CBIgözlemlenen, gözlemlenen koşullar altında tahmin edilen CBI ve CBIyok, operasyonlar veya önceki yangın yokmuş gibi varsayılan karşıolgusal senaryoda tahmin edilen CBI'dir. Yangın şiddeti üzerindeki yüzdelik etkiler, her bir operasyon kategorisi ve önceki yangın şiddeti kombinasyonu için hesaplanmıştır (ortalama ± standart sapma, her kategorideki alan tablo S2'de gösterilmektedir). 3. SONUÇLAR 3.1. Yangın Şiddeti Modeli Çalışma alanını oluşturan Dixie Fire'ın kuzey kanadı, CBI sınıflamalarına göre %48 yüksek şiddetli, %26 düşük ve %26 orta şiddette yanmış olup, bu oranlar tüm Dixie Fire için de benzerdi (%45 yüksek, %26 düşük, %29 orta). Çalışma alanındaki nihai yangın şiddeti modeli 13 değişken içeriyor ve CBI'deki varyansın %56'sını açıklıyor. NDVI (Normalized Difference Vegetation Index) en önemli değişken olup, CBI ile pozitif bir ilişkiye sahipti (şekil 3 ve S2). Ağaç ve ot örtüsü, CBI ile tek modlu ilişkiler gösterdi. Dört hava durumu değişkeni seçildi: rüzgar hızı, sıcaklık ve Enerji Salınım Bileşeni CBI ile pozitif bir ilişki gösterirken, maksimum bağıl nem tek modlu bir ilişki sergiledi (şekil 3 ve S2). Yangın söndürme operasyonları kategorisi, orta derecede önemliydi (önem sırasına göre 8. sırada) ve kısmi bağımlılık grafiği, CBI'nin en yüksek olduğu bölgelerin, hiç/az operasyon yapılan ya da savunma ateşi operasyonları yapılan bölgeler olduğunu, en düşük olduğu bölgelerin ise ofansif ateş ya da yoğun operasyon yapılan bölgeler olduğunu gösterdi. Düşük ila orta derecede öneme sahip beş başka değişken de dahil edilmiştir: Yükseklik, CBI ile tek modlu bir ilişkiye sahipti, Yüzey rölyef oranı CBI ile pozitif bir ilişki gösterdi, CBI, federal topraklarda diğer topraklara göre biraz daha yüksekti. Önceki yangın şiddeti değişkeni, Dixie Fire CBI'nin en yüksek olduğu bölgelerin yakın zamanda yangın geçirmemiş bölgeler olduğunu ve en düşük olduğu bölgelerin yakın zamanda düşük şiddette yangın geçirmiş bölgeler olduğunu gösterdi. Son yangından geçen süre değişkeni, önceki yangın geçirmemiş bölgelerin genellikle daha yüksek şiddette yangın deneyimlediğini ve son 20 yıl içinde yanmış bölgelerin ise daha düşük şiddetli yangın deneyimlediğini gösterdi (şekil 3 ve S2). 3.2. Operasyonlar ve Önceki Yangının Etkileri Karşıolgusal senaryolar, önceki yangın ve operasyonların yangın şiddetini nasıl etkilediğini göstermektedir. CBI üzerindeki etkiler mekansal olarak değişken olsa Şekil 3. Dixie Fire şiddetinin Random Forest modelinden elde edilen Değişken Önemi (Model Improvement Ratio, MIR). En önemli değişken 1'e ölçeklendirilmiştir, 0 ise model doğruluğunda hiçbir iyileşme olmadığını gösterir. NDVI, normalize edilmiş farklı bitki örtüsü endeksini ve RH, bağıl nemi ifade eder.
RkJQdWJsaXNoZXIy MTcyMTY=