پهنه‌بندي ريسك آتش‌سوزي مناطق جنگلي با استفاده از روش تلفيقي شبكه عصبي مصنوعي و سيستم اطلاعات مكاني (مطالعه موردي: منطقه حفاظت شده شيمبار، استان خوزستان)

بهره‌گيري همزمان از سيستم اطلاعات جغرافيايي (GIS) و روش‌هاي مبتني بر هوش مصنوعي، همواره نتايج خوبي را در تحقيقات حوضه منابع طبيعي به دنبال داشته است. اين تحقيق در همين قالب و به منظور اولويت‌بندي عوامل تأثير‌گذار بر گسترش حريق و شناسايي مناطق پرخطر در جنگل‌هاي منطقه حفاظت شده شيمبار، بر اساس آتش‌سوزي هاي سال هاي 1390 تا 1397 انجام شد كه در اين خصوص، شاخص هايي براي روش شبكه عصبي مصنوعي در نظر گرفته شد. در پياده‌سازي روش شبكه عصبي مصنوعي با شاخص هاي مؤثر بر آتش‌سوزي جنگل، به تهيه نقشه پهنه‌بندي خطر آتش‌سوزي با پنج كلاس خطر خيلي كم، خطر كم، خطر متوسط، خطر زياد، خطر خيلي زياد با صحت كلي 0/83 و خطاي RMSE برابر با 0/75 پرداخته شد. نتايج تحقيق نشان داد كه بيست درصد مساحت منطقه در طبقه متوسط پتانسيل وقوع آتش‌سوزي، يازده درصد در طبقه زياد و ده درصد در طبقه خيلي زياد قرار دارد. همچنين مهم‌ترين متغير‌هاي مؤثر بر وقوع آتش‌سوزي شامل فاصله از رودخانه، تيپ اراضي، ارتفاع و حداقل دما است. نتيجه پژوهش اين است كه با توجه به شاخص هاي در نظرگرفته شده، مدل‌هاي تلفيقي شبكه عصبي مصنوعي (ANN) و سيستم اطلاعات مكاني، در تهيه نقشه پهنه‌بندي خطر آتش‌سوزي كارايي بالايي دارد و پيشنهاد مي‌ شود از اين مدل‌ها براي پيشگيري، كنترل و مديريت آتش‌سوزي در ساير نقاط كشور هم در مقياس وسيع استفاده شود.