ارايه‌ي مدلي براي خطر آتش‌سوزي در بوستان ملي گلستان

Fire Risk Modeling using Discriminant Analysis and Adaptive Network Based Fuzzy Inference System in the Golestan National Park

تحقيق حاضر به شناسايي مناطق حساس به آتش‏سوزي در بوستان ملي گلستان، يكي از مهم‌ترين ذخاير زيست‌كره‌ي جهان، با استفاده از تحليل تشخيصي (مميزي) و شبكه‌ي استنتاج عصبي فازي تطبيقي مي‏پردازد. بدين منظور ابتدا لايه‌هاي رقومي و داده‌هاي مورد نياز از پايگاه‌هاي اطلاعاتي، مراكز مرتبط و برداشت‌هاي ميداني در منطقه‌ي مورد مطالعه تهيه شد. پس از آماده‏سازي داده‌ها و در نظر گرفتن آتش‌سوزي‏هاي رخ داده، با استفاده از تحليل تشخيصي، مهم‌ترين عوامل موثر در وقوع آتش‏سوزي مشخص گرديد. ميانگين وزني اين عوامل محاسبه شد و با استفاده از الگوريتم K-Fold در شش مرحله با توابع عضويت ذوزنقه‌اي، گوسي، مثلثي و زنگوله‏اي، مدل‏هاي عصبي ـ فازي خطر آتش‏سوزي ساخته شد و با استفاده از نتايج نقشه‌ي خطر آتش‌سوزي در 5 طبقه‌ي خطر خيلي‏كم، كم، متوسط، زياد و خيلي زياد تهيه گرديد. ارزيابي صحت نيز با استفاده از مشخصه‌ي عامل نسبي صورت پذيرفت. نتايج حاصل از تحليل تشخيصي حضور دامدار، حضور شكارچي، فاصله از جاده‌ي ترانزيتي، ميانگين دما، فاصله از چشمه‏ها، بارش در فصل رويش و شيب را مهم‌ترين عوامل آتش‌سوزي نشان داد. اعتبار‏سنجي تابع عضويت ذوزنقه‌اي با مقدار 564/0 =R2 و 283/0 RMSE= با بهترين نتايج در بين توابع به ‏دست آمد. نتايج حاصل از ارزيابي صحت مقدار 875/0ROC = را براي مدل مذكور نشان داد. نتايج همچنين نشانگر آن بود كه از 91895 هكتار مساحت منطقه، 972 هكتار داراي احتمال خطر خيلي زياد و 16879 هكتار داراي احتمال خطر زياد بوده است. با توجه به صحت بالاي نقشه‌ي به‏ دست آمده مي‌توان از آن براي مهار آتش‌سوزي‌هاي منطقه استفاده كرد.

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.