مقایسه قابلیت کاربرد دو روش رگرسیون لجستیک و شبکه عصبی در پهنه بندی حساسیت آتش سوزی عرصه های جنگلی و مرتعی استان مازندران
نویسندگان
چکیده مقاله:
آتشسوزی در عرصههای طبیعی یکی از عوامل کاهش سطح جنگل ها و مراتع ایران است. در این پژوهش، حساسیت آتشسوزی بر روی عرصههای جنگلی و مرتعی استان مازندران با استفاده از روشهای داده مبنا مورد تجزیهوتحلیل قرار گرفت. از اینرو، 14 متغیر مستقل محیطی جهت تعیین پاسخ به نقاط فعال آتشسوزی سنجنده مادیس استفاده گردید. این متغیرها در روشهای داده مبنای رگرسیون لجستیک و شبکههای عصبی که روش مؤثری برای استخراج خودکار اهمیت عوامل بر روی حساسیت آتشسوزی است، استفاده شد. نتایج نمودار منحنی تشخیص عملکرد نسبی برای داده های اعتبارسنجی نشان داد که هر دو روش از دقت بالایی (بیشتر از 89 درصد) در تشخیص نقاط فعال حریق سنجنده مادیس برخوردار هستند که روش شبکه عصبی از تشخیص بالاتری با 88 درصد برای نمایش مناطق با حساسیت بالا نسبت به روش رگرسیون لجستیک با حدود 85 درصد برخوردار است. ضریب همبستگی بین دو روش نشان داد که 97/0 پهنههای حساسیت در دو روش نسبت به هم یکسان هستند. 6/21 درصد از مساحت کل استان مازندران در پهنه های با حساسیت بالا و بسیار بالای آتش سوزی جنگل و مراتع قرار دارد. نقشهی حساسیت آتشسوزی جنگلها و مراتع ارائهشده در این تحقیق میتواند بهعنوان نقشه اساسی برنامه راهبردی در استان مازندران مورداستفاده قرار گیرد تا در ارزیابی برنامههای آسیبپذیری و برنامهریزی برای تقلیل این آسیبها مورداستفاده قرار بگیرد.
منابع مشابه
پهنه بندی خطر آتش سوزی در پارک ملی گلستان با استفاده از روش رگرسیون لجستیک
آتش سوزی های جنگلی در ایران و بویژه در جنگل های شمال کشور آثار مخربی را در سیمای ظاهری این مناطق به جای گذاشته است. شناسایی، پیشگیری و کنترل خسارات انسانی- اجتماعی و اقتصادی ایجاد شده توسط خطرات طبیعی از اهداف اساسی موسسات تحقیقاتی و اجرایی است. یکی از روش های پیشگیری آتش سوزی های جنگلی، تعیین محدوده های احتمال خطر آتش سوزی می باشد. در این تحقیق با استفاده از روش رگرسیون لجستیک در محیط GIS نقشه...
متن کاملمقایسه مدلهای شبکه عصبی مصنوعی و رگرسیون خطی در پیشبینی وقوع آتش سوزی جنگل و مراتع استان مازندران
آتش سوزیهای طبیعی با وارد آوردن خسارتهای جبران ناپذیر به مناطق مرتعی و جنگلی سبب تغییر در اکولوژی منظر میشوند. هدف از این تحقیق مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون خطی در پیش بینی خطر آتش سوزی جنگلها و مراتع استان مازندران است. به این منظور، از دادههای آتش سوزی شامل سطح سوخته شده و تعداد وقوع آتش سوزی و هم چنین از دادههای هواشناسی در یک دوره 7 ساله (1385-1391) استفاده شد. نتایج حاصل...
متن کاملپهنه بندی خطر آتش سوزی در پارک ملی گلستان با استفاده از روش رگرسیون لجستیک
آتش سوزی های جنگلی در ایران و بویژه در جنگل های شمال کشور آثار مخربی را در سیمای ظاهری این مناطق به جای گذاشته است. شناسایی، پیشگیری و کنترل خسارات انسانی- اجتماعی و اقتصادی ایجاد شده توسط خطرات طبیعی از اهداف اساسی موسسات تحقیقاتی و اجرایی است. یکی از روش های پیشگیری آتش سوزی های جنگلی، تعیین محدوده های احتمال خطر آتش سوزی می باشد. در این تحقیق با استفاده از روش رگرسیون لجستیک در محیط gis نقشه...
متن کاملمقایسه الگوریتمهای رگرسیون لجستیک و شبکه عصبی مصنوعی در مدلسازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران
تغییرات پوشش سرزمین و توسعه شهرها سبب تخریب زیستگاههای طبیعی و کاهش تنوع زیستی شده است. یکی از روشهای مورد استفاده برنامهریزان جهت کنترل روند تغییرات پوشش سرزمین و کاربری اراضی، مدلسازی میباشد. این مطالعه، با هدف مقایسه رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی جهت مدلسازی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران انجام شد. جهت تحلیل تغییرات منطقه از تصاویر ماهواره L...
متن کاملمقایسه شبکه عصبی مصنوعی و رگرسیون لجستیک در پیشبینیپاسخهای دو حالتی مطالعات پزشکی
چکیده زمینه و هدف: رگرسیون لجستیک یک مدل عمومی برای بررسی رابطه بین متغیرهای مستقل و پاسخهای دوحالتی است. یکی از مدلهای انعطافپذیر که به طور جایگزین میتواند مورد استفاده قرار گیرد، مدل شبکه عصبی مصنوعی است. این مطالعه با هدف مقایسهی قدرت پیشبینی پاسخهای دوحالتی دادههای پزشکی، با مدل شبکه عصبی مصنوعی و رگرسیون لجستیک انجام شد. مواد و روش کار: برای انجام این پژوهش، از دادههای 639 بیمار م...
متن کاملمقایسه دقت پیش بینی شبکه های عصبی مصنوعی و رگرسیون لجستیک دو متغیره در تشخیص همزمان بیماری فشارخون و دیابت
Background : Diabetes and hypertension are from important non-communicable diseases in the world and their prevalence are very important for health authorities. The objective of this study was to compare the predictive precision of joint logistic regression (LR) and artificial neutral network (ANN) in concurrent diagnosis of diabetes and hypertension. Methods : This cross-sectional study wa...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 71 شماره 4
صفحات 549- 563
تاریخ انتشار 2018-12-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023