داود جمینی

شناسایی عوامل مؤثر در وقوع آتش‌ سوزی و پهنه‌ بندی حساسیت به وقوع آن یکی از ابزارهای اساسی جهت دستیابی به راه کارهای کنترل و مقابله با آتش‌ سوزی است. مدل‌سازی آتش‌سوزی جنگل برای شناسایی توزیع آتش‌سوزی جنگل‌ها بر اساس روش‌های علمی از اهمیت بسزایی برخوردار هستند. در این پژوهش، از تکنیک Information Gain Ratio (IGR) و شاخص میانگین شایستگی (Average Merit) جهت ارزیابی قدرت پیش‌بینی عوامل مؤثر بر وقوع آتش سوزی جنگل در شهرستان مریوان استفاده شد. نتایج این روش ها نشان داد که از میان 14 عامل مؤثر در نظر گرفته شده در ابتدا، تنها 12 عامل شامل میانگین سرعت باد، ارتفاع، رطوبت نسبی، بارش، میانگین حداکثر دما سالانه، فاصله از جاده، کاربری اراضی، تراکم جاده، فاصله از مناطق مسکونی، NDVI، تابش خورشیدی و شیب در وقوع آتش سوزی نقش داشته‌اند. همچنین، نتایج نشان داد دو عامل جهت شیب و شاخص رطوبت توپوگرافیک به دلیل مقدار میانگین شایستگی برابر صفر از مدل‌سازی نهایی حذف شدند. در این میان متغیرهای میانگین سرعت باد، ارتفاع و رطوبت نسبی نسب به سایر متغیرها بیشترین تاثیر را بر وقوع آتش سوزی داشتند. همچنین پس از آموزش هر سه مدل یادگیری ماشین به کاربرده شده شامل مدل‌های جنگل تصادفی، ماشین بردار پشتیبان و رگرسیون لجستیک، عملکرد آن‌ها در زمینه پتانسیل‌یابی وقوع آتش سوزی با استفاده از معیارهای آماری سنجیده شد. بنابراین از نظر نمونه‌های آموزشی، مدل جنگل تصادفی (0/98) نسبت به مدل ماشین بردار پشتیبان (0/931) دارای صحت بالاتری بود. مقدار شاخص حساسیت در مدل‌های جنگل تصادفی و ماشین بردار پشتیبان به ترتیب 0/982 و 0/934 بوده که این بدان معنی است که مدل جنگل تصادفی قادر است 98/1 درصد از پیکسل های آتش سوزی را به درستی به‌عنوان مناطق تحت سیطره آتش سوزی طبقه‌بندی نماید که نسبت به مدل ماشین بردار پشتیبان قدرت پیش‌بینی بالاتری داشته است. نقشه های تهیه شده بر اساس روش طبقه‌بندی شکست طبیعی (Natural Breaks) به پنج کلاس حساسیت خیلی کم، حساسیت کم، حساسیت متوسط، حساسیت زیاد و حساسیت خیلی زیاد طبقه بندی گردیدند. همچنین مساحت و درصد مساحت طبقات پتانسیل وقوع آتش سوزی برای هر سه مدل استخراج گردید. نتایج هر سه مدل برای پتانسیل وقوع آتش سوزی نشان داد که بخش غربی و جنوبی غربی نسبت به سایر بخش های شهرستان مریوان دارای پتانسیل خطر آتش سوزی بالاتری می باشد. برای اعتبارسنجی هر سه مدل از روش منحنی ROC استفاده گردید. نتایج نشان داد که از میان مدل جنگل تصادفی، ماشین بردار پشتیبان و رگرسیون لجستیک، بیشترین صحت به مدل‌ ماشین بردار پشتیبان (0/997) اختصاص داشته است.