پديد آورندگان :
فقهي، جهانگير دانشگاه تهران - دانشكده منابع طبيعي - گروه جنگلداري و اقتصاد جنگل , عالي محمودي سراب، سجاد دانشگاه كشاورزي و منابع طبيعي گرگان - دانشكده منابع طبيعي , خواجه، صفرقلي سازمان جنگلها، مراتع و آبخيزداري كشور
كليدواژه :
استان گلستان , پتانسيل آتش سوزي , سيستم اطلاعات جغرافيايي , شبكه عصبي مصنوعي
چكيده فارسي :
در پيشگيري از آتش‌سوزي‌ها و كاهش اثرات آنها، مديريت آتش‌سوزي جنگل نقش بسيار بزرگي دارد. اين تحقيق با هدف تعيين معيارهاي موثر بر وقوع آتش سوزي با استفاده از سيستم اطلاعات جغرافيايي و شبكه عصبي مصنوعي در عرصه‌هاي منابع طبيعي چهار شهرستان از استان گلستان انجام شد. جهت تعيين ميزان تاثير هر پارامتر در رخداد آتش‌سوزي تعداد 37 نمونه از مناطق آتش‌سوزي و 37 نمونه از ساير مناطق به‌صورت تصادفي انتخاب شد تا در تجزيه و تحليل‌هاي روش MLP استفاده شوند. براي تهيه شبكه بين معيارهاي استفاده شده و وقوع آتش سوزي از شبكه‌اي با تابع هيپربوليك استفاده شد. نتايج نشان داد كه ميزان بارندگي و فاصله از جاده بيشترين نقش را در وقوع آتش‌سوزي ايفا مي‌كنند. در مرحله آموزش نتايج اعتبار سنجي نشان داد بهترين شبكه در اجراي 4 و تكرار 450 بهترين شبكه با ميزان ميانگين مربعات خطاي نهايي برابر 0038/0 بدست آمد. همچنين حدود 95 درصد داده‌هاي آتش‌سوزي‌هاي بوقوع پيوسته و 84 درصد از داده‌هاي غيرآتش سوزي به درستي طبقه‌بندي شدند. در نهايت براساس وزن‌هاي بدست آمده براي هر معيار و با استفاده از نقشه‌هاي معيارهاي مورد استفاده، نقشه پتانسل خطر وقوع آتش سوزي براي منطقه مورد مطالعه بدست آمد. نتايج نشان داد كه الگوريتم پرسپترون چندلايه و تابع هاپربوليك در ايجاد ارتباط بين داده‌هاي مورد استفاده و وقوع آتش‌سوزي كارا بوده و شبكه، مدلي با 2 لايه مخفي و 12 نرون بهترين صحت را نشان داد و همچنين ميزان ضريب همبستگي 0/80 بود. نتيجه گيري كلي: براساس يافته هاي اين تحقيق جاده هاي عبوري و كاهش بارندگي اثر فزايندهاي بر ايجاد و گسترش آتش سوزي داشته و مديران آتش سوزي عرصه هاي طبيعي بايد براي مديريت بهتر مناطق جنگلي و مرتعي در اين عرصه ها راهكاري لازم را اتخاذ نموده تا از وقوع و يا گسترش آتش سوزي جلوگيري كنند.
چكيده لاتين :
Background and objectives: In preventing fire and reducing their effects, forest fire
management is important. The purpose of this study was to provide a map of fire hazard
potential and determine the effective factors on forest fires using GIS and artificial neural
network for the cities of Ali-Abad, Ramayan, Azadshahr, Minoodasht and Kalaleh in Golestan
province.
Materials and methods: The criteria used in this research included forest and rangeland lands,
temperature, rainfall and evapotranspiration, slope, aspect, elevation of the sea level, distance
from urban areas, distance from rural areas, distance from agricultural land and distance from
the road. Vegetation map, digital elevation map and land use map provided from the forests of
the rangelands and watersheds of the country, and the maps of temperature, rainfall, and
evapotranspiration obtained from the organization of the meteorological for the whole of Iran.
The influence of each parameter on fire ignition was determined by collecting of 37 samples
from burned area and 37 sample from not burned area. 15 fire points that were not used in the
modeling process was used For Validation the potential fire hazard map. For formation network
between criteria and fire occurrence used of Multilayer perception (MLP) with Hyperbolic
Pattern Algorithms. To this end, 70% of the data was used to train the network, 15% of the tests
were tested and 15% of the data were used to validate the results.
Results: The results were shown raining and distance from the road had must be influenced on
forest fire ignition. Validation test showed that the best network was obtained in run 4 and
epoch 450 with 0.0038 Final Mean Square Error (FMSE) in training steps. Furthermore, about
95 percent of area burned and 84 of unburned areas has been properly classified. Finally, forest
fire hazard maps was obtained based on each criteria weight. Results showed this network with
2 hidden layers and 12 neurons in each of them has best accuracy, and correlation coefficient
(R) was 0.80. Furthermore, after determining the location of the 15 forest fire points on the map
of potential fire hazard, the results showed that 7 points located in the area were very high fire
risk, and 6 points in the area with a high fire risk, and 2 points located in the area with a low fire
hazard.
Conclusion: According to the findings of this research, roads and rain reduction have a growing
impact on the development of fire and natural forest fire managers need to adoption the
necessary measures to better manage the forest and rangeland areas in these situations to prevent
the occurrence or spread of fire.
