نوع مقاله : مقاله علمی - پژوهشی
نویسندگان
1
جنگلداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس مازندران.
2
گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس مازندران.
3
گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه گیلان.
4
گروه محیط‌زیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس مازندران.
چکیده
تحقیق حاضر به شناسایی مناطق حساس به آتش‌سوزی در بوستان ملی گلستان، یکی از مهم‌ترین ذخایر زیست‌کره‌ی جهان، با استفاده از تحلیل تشخیصی (ممیزی) و شبکه‌ی استنتاج عصبی فازی تطبیقی میپردازد. بدین منظور ابتدا لایه‌های رقومی و داده‌های مورد نیاز از پایگاه‌های اطلاعاتی، مراکز مرتبط و برداشت‌های میدانی در منطقه‌ی مورد مطالعه تهیه شد. پس از آمادهسازی داده‌ها و در نظر گرفتن آتش‌سوزی‌های رخ داده، با استفاده از تحلیل تشخیصی، مهم‌ترین عوامل مؤثر در وقوع آتش‌سوزی مشخص گردید. میانگین وزنی این عوامل محاسبه شد و با استفاده از الگوریتم K-Fold در شش مرحله با توابع عضویت ذوزنقه‌ای، گوسی، مثلثی و زنگولهای، مدلهای عصبی ـ فازی خطر آتش‌سوزی ساخته شد و با استفاده از نتایج نقشه‌ی خطر آتش‌سوزی در 5 طبقه‌ی خطر خیلیکم، کم، متوسط، زیاد و خیلی زیاد تهیه گردید. ارزیابی صحت نیز با استفاده از مشخصه‌ی عامل نسبی صورت پذیرفت. نتایج حاصل از تحلیل تشخیصی حضور دامدار، حضور شکارچی، فاصله از جاده‌ی ترانزیتی، میانگین دما، فاصله از چشمهها، بارش در فصل رویش و شیب را مهم‌ترین عوامل آتش‌سوزی نشان داد. اعتبارسنجی تابع عضویت ذوزنقه‌ای با مقدار 564/0 =R2 و 283/0 RMSE= با بهترین نتایج در بین توابع به دست آمد. نتایج حاصل از ارزیابی صحت مقدار 875/0ROC = را برای مدل مذکور نشان داد. نتایج همچنین نشانگر آن بود که از 91895 هکتار مساحت منطقه، 972 هکتار دارای احتمال خطر خیلی زیاد و 16879 هکتار دارای احتمال خطر زیاد بوده است. با توجه به صحت بالای نقشه‌ی به دست آمده می‌توان از آن برای مهار آتش‌سوزی‌های منطقه استفاده کرد.
کلیدواژه‌ها
عنوان مقاله [English]
Fire Risk Modeling using Discriminant Analysis and Adaptive Network Based Fuzzy Inference System in the Golestan National Park
نویسندگان [English]
-
Hassan Faramarzi
1
-
Seyed Mohsen Hosseini
2
-
Ismail Ghajar
3
-
Mahdi Gholamalifard
4
1
M.Sc., Dept. of Forestry, Faculty of Natural Resources, Tarbiat Modares University, Noor, Mazandaran, Iran.
2
Professor, Dept. of Forestry, Faculty of Natural Resources, Tarbiat Modares University, Noor, Mazandaran, Iran.
3
Assist. Prof., Dept. of Forestry, Faculty of Natural Resources, University of Guilan, Someh Sara, Guilan, Iran.
4
Assist. Prof., Dept. of Faculty of Natural Resources, Tarbiat Modares University, Noor, Mazandaran, Iran.
چکیده [English]
Nowadays, fires are the most common damaging factor of natural ecosystems after urban and agricultural human activities. The aim of this study is to identify the susceptible areas to fires using Discriminant Analysis and Adaptive Network Based Fuzzy Inference System in the Golestan National Park as one of the most important biosphere reserves. The required data and digital layers were prepared from associated sites, organizations and field surveys in the area of the study. After preparing the data by assuming the occurred fire, the most significant effective factors were identified using Discriminate Analysis. These factors were calculated as a weighted average and models were implemented by using K-Fold Algorithm with trapezoidal, Gaussian, triangular and bell membership functions in six stages. The best model was used for simulation. The fire hazard map was prepared with five classifications, very low, low, medium, high and very high. An accuracy assessment was performed using the relative operating characteristic. The results of the Discriminant Analysis showed the important factors, including presence of hunters and shepherds, distance from roads, average temperature, distance from the springs, rainfall during the growing season and slope. Validation trapezoidal membership functions showed best results with value of R2= 0.534 and RMSE= 0.283. The results of the accuracy assessment obtained with value of ROC= 0.875. While the very High-risk area was 972 hectares, and High-risk area was 16879 hectares of 91895 hectares area. According to accuracy of the proposed map, it can be used to control the region fires in Golestan national park.
کلیدواژه‌ها [English]
-
fire
-
K-Fold
-
Adaptive Network based Fuzzy Inference System
-
Golestan National Park
-
crisis management
)
