AI Summary & Key Takeaways
AI InsightOverall, the findings demonstrate that the proposed hybrid MCDM framework provides a reliable decision-support tool for UAV selection and can support more effective wildfire monitoring, early fire detection, and disaster management strategies.
📌 3 Key Takeaways
Abstract
Forest fires are among the most significant threats to ecosystems, biodiversity, and environmental sustainability; therefore, early fire detection is a critical component of effective forest fire management. Traditional fire detection methods, including ground patrols, fire observation towers, and satellite imagery, often fail to provide both adequate spatial coverage and the temporal resolution required for timely detection. In this context, Unmanned Aerial Vehicles (UAVs) have emerged as an effective solution for wildfire monitoring due to their operational flexibility, real-time data transmission capabilities, and ability to support various firefighting tasks, including search and rescue, fire surveillance, and containment operations. However, selecting a suitable UAV for early-stage fire detection is a challenging decision, as stakeholders are faced with multiple options based on technological and operational considerations, rather than a single one. This study presents a comprehensive Multi-Criteria Decision-Making (MCDM) model to identify the most suitable commercially available UAV platforms for early forest fire detection. The proposed method integrates objective and subjective evaluation approaches by combining the Criteria Importance Through Intercriteria Correlation (CRITIC) and Weighted Aggregated Sum Product Assessment (WASPAS) methods with the Best-Worst Method (BWM) and Multi-Objective Optimization by Ratio Analysis plus the Full Multiplicative Form (MULTIMOORA). UAV alternatives were evaluated using key criteria, including flight endurance, payload capacity, operational range, sensor capability, and cost. According to the CRITIC–WASPAS approach, alternative A2 achieved the highest ranking, followed by A6 and A5. In contrast, the BWM–MULTIMOORA approach identified A6 and A5 as the two best-performing alternatives, while A4 was ranked last by both integrated approaches. Overall, the findings demonstrate that the proposed hybrid MCDM framework provides a reliable decision-support tool for UAV selection and can support more effective wildfire monitoring, early fire detection, and disaster management strategies.
Özet
Orman yangınları, ekosistemler, biyoçeşitlilik ve çevresel sürdürülebilirlik için en önemli tehditler arasındadır; bu nedenle, yangının erken tespiti, etkili orman yangını yönetiminin kritik bir bileşenidir. Yer devriyeleri, yangın gözetleme kuleleri ve uydu görüntüleme gibi geleneksel yangın tespit yöntemleri, çoğu zaman zamanında tespit için gerekli olan yeterli mekânsal kapsama alanı ve zamansal çözünürlüğü birlikte sağlayamamaktadır. Bu bağlamda, İnsansız Hava Araçları (İHA'lar), operasyonel esneklikleri, gerçek zamanlı veri aktarım kapasiteleri ve arama-kurtarma, yangın gözetimi ile müdahale operasyonları gibi çeşitli yangınla mücadele görevlerini destekleyebilme yetenekleri nedeniyle orman yangını izlemede etkili bir çözüm olarak öne çıkmaktadır. Bununla birlikte, erken aşama yangın tespiti için uygun bir İHA'nın seçilmesi, paydaşların teknolojik ve operasyonel değerlendirmelere dayalı olarak tek bir seçenekten ziyade çok sayıda alternatifle karşı karşıya kalması nedeniyle zorlu bir karar problemi teşkil etmektedir. Bu çalışmada, erken orman yangını tespiti için ticari olarak temin edilebilen en uygun İHA platformlarının belirlenmesine yönelik kapsamlı bir Çok Kriterli Karar Verme (ÇKKV) modeli sunulmaktadır. Önerilen yöntem, Kriterler Arası İlişki Yoluyla Kriter Önem Derecesi (CRITIC) ve Ağırlıklı Toplam Çarpım Değerlendirmesi (WASPAS) yöntemlerini, En İyi-En Kötü Yöntemi (BWM) ve Tam Çarpımsal Form ile Çok Amaçlı Optimizasyon Oran Analizi (MULTIMOORA) yöntemleriyle birleştirerek nesnel ve öznel değerlendirme yaklaşımlarını bütünleştirmektedir. İHA alternatifleri; uçuş dayanıklılığı, yük taşıma kapasitesi, operasyonel menzil, sensör yeteneği ve maliyet gibi temel kriterler dikkate alınarak değerlendirilmiştir. CRITIC–WASPAS yaklaşımına göre, A2 alternatifi en yüksek sıralamayı elde etmiş, bunu sırasıyla A6 ve A5 alternatifleri izlemiştir. Buna karşılık, BWM–MULTIMOORA yaklaşımı, A6 ve A5 alternatiflerini en iyi performans gösteren iki alternatif olarak belirlemiş; A4 alternatifi ise her iki bütünleşik yaklaşım tarafından da son sırada değerlendirilmiştir. Genel olarak elde edilen bulgular, önerilen hibrit ÇKKV çerçevesinin İHA seçimi için güvenilir bir karar destek aracı sunduğunu ve daha etkin orman yangını izleme, erken yangın tespiti ile afet yönetimi stratejilerinin geliştirilmesine katkı sağlayabileceğini ortaya koymaktadır.