پیش‌بینی زوال جاده‌های جنگلی با استفاده از زنجیرۀ مارکوف (تحقیق موردی: جنگل غرب هراز)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مهندسی جنگل، دانشکدۀ منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، تهران ایران.

2 دانشیار، گروه علوم و مهندسی جنگل، دانشکدۀ منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، تهران ایران.

3 دانشیار، گروه مهندسی صنایع، دانشکدۀ مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران.

10.22034/ijf.2021.247488.1739

چکیده

شبکۀ جاده‌های جنگلی، تأثیر مهمی در تحقق اهداف مدیریتی در اکوسیستم‌های جنگلی دارند و با وجود اجرای طرح تنفس جنگل، حفاظت از آنها را نمی‌توان متوقف کرد. بنابراین به‌منظور اولویت‌بندی برنامه‌ریزی نگهداری، طراحی مدلی اطمینان‌بخش برای پیش‌بینی وضعیت خرابی روسازی جاده از اهمیت زیادی برخوردار است. هدف این تحقیق، پیش‌بینی عملکرد روسازی جاده برای برنامه‌ریزی تعمیر و نگهداری از آن با استفاده از تئوری زنجیرۀ مارکوف است. در پژوهش حاضر، 185 قطعه جاده در جاده‌های جنگلی حوزۀ غرب هراز انتخاب و داده‌های وضعیت روسازی و خرابی‌های سطح جاده (چاله، شیار و بیرون‌زدگی)، شانۀ راه و شیروانی‌های خاک‌ریزی و خاک‌برداری جاده در قطعات مشخص‌شده در نقاط نمونه‌برداری در طی سال‌های 1394 و 1397 اندازه‌گیری شد. کیفیت عملکردی جاده با طبقه‌بندی شاخص PCI  و FRPCI ارزیابی شد و کیفیت روسازی در پنج گروه عالی، خوب، متوسط، بد و گسیخته طبقه‌بندی شد. پس از ارزیابی وضعیت جاری، وضعیت جاده با استفاده از زنجیرۀ مارکوف پیش‌بینی شد. نتایج این تحقیق نشان داد که روند زوال جاده از کلاسه عالی به خوب از روند تغییر آن از کلاسه متوسط به ضعیف سریع‌تر است و با توجه به آنکه سرمایۀ هنگفتی از مدیریت جنگل به ساخت و نگهداری از جاده اختصاص یافته است، لزوم تسریع در حفاظت و نگهداری از جاده به‌ویژه در جاده‌های باکیفیت مشخص‌ می‌شود. براساس پژوهش انجام‌گرفته مدل زنجیرۀ مارکوف قابلیت کافی را برای پیش‌بینی فرایند زوال جاده و برنامه‌ریزی تعمیر و نگهداری از شبکۀ جاده دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Predicting the deterioration of the forest road network by employing the Markov chain (Case study: Forest road in the western part of Haraz)

نویسندگان [English]

  • Sh. Ahrari 1
  • A. Najafi 2
  • A. Hoseinzade Kashan 3
1 Ph.D. Student in Forest Engineering, Faculty of Natural Resources and Marine Sciences TMU,Tehran, Iran.
2 Associate Prof., Dept. of Forest Engineering, Faculty of Natural Resources and Marine Sciences, TMU, Tehran Iran.
3 Associate Prof., Dept. of Industrial Engineering, Faculty of Industrial and Systems Engineering, TMU, Tehran Iran.
چکیده [English]

Forest road networks play an important role to achieve management goals in forest ecosystems and despite of implementation of the forest logging ban, their protection and maintenance cannot be stopped. Therefore, in order to allocate budget and prioritize the maintenance planning, designing a reliable model for predicting the condition of road pavement failure has great importance. The purpose of this study is to predict the performance of road pavement for planning its maintenance management using Markov chain theory. In the present study, 185 road sections in the forest roads of West Haraz were selected and the data of pavement, surface and roadside conditions were measured in different plots during 2015-2018. Then, the functional quality of the road was evaluated by the PCI index and the developed index for forest roads (FRPCI). The pavement quality was classified into five classes: excellent, good, average, bad and broken. After assessing the current situation, the road future situation was predicted over a period of ten years using the Markov chain. The results of this study based on the Markov chain model showed that the process of road decline from the upper class to the good is faster than the process of changing it from the middle class to the poor. Given that a large amount of capital is allocated in forest management plans to road construction and maintenance, need to speed up the protection and maintenance of the road, especially on better quality roads is vital. According to the study, the Markov chain model has sufficient capability in predicting the process of road deterioration and road network maintenance programs.

کلیدواژه‌ها [English]

  • Decision support system
  • Road break modeling
  • Road maintenance
  • Road pavement management.