بررسی کاربرد الگوریتم های ناپارامتریک در بهبود مدل سازی احتمال خطر آتش سوزی جنگل در پارک ملی گلستان

شناسایی، پیشگیری و پیش بینی وقوع آتش سوزی در عرصه های طبیعی یکی از راه های جلوگیری و مدیریت آتش سوزی است. هدف از این تحقیق پهنه بندی احتمال خطر وقوع آتش سوزی در پارک ملی گلستان با استفاده از الگوریتم های ناپارامتریک شبکه عصبی مصنوعی، ماشین بردار پشتیبان و جنگل تصادفی می باشد. در این مطالعه حدود 100 نقطه از محل وقوع آتش سوزی جهت مدل سازی احتمال خطر وقوع آتش سوزی بکار برده شد. عوامل موثر بر وقوع آتش سوزی شامل عوامل گیاهی، فیزیوگرافی، اقلیمی و انسانی شناسایی و نقشه های عوامل فوق تهیه شدند. نقشه های تهیه شده هر یک به طبقات مناسب بطور جداگانه طبقه بندی شدند و فراوانی هر طبقه در منطقه و فراوانی نقاط آتش سوزی در هر طبقه محاسبه و فراوانی نسبی وقوع آتش سوزی بصورت درصد احتمال وقوع آتش سوزی در هر یک از طبقات عوامل فوق بدست آمد. به منظور مدل سازی، منطقه به سطوح تصمیم گیری یک هکتاری تقسیم بندی شد و ارزش رقومی لایه های عوامل تاثیر گذار بر وقوع آتش سوزی در محل سطوح یک هکتاری استخراج و استاندارد گردید. مدل سازی احتمال خطر وقوع آتش سوزی با الگوریتم های ناپارامتریک با استفاده از 70 درصد نقاط آتش سوزی به عنوان نمونه های تعلیمی انجام شد. نقشه احتمال خطر وقوع آتش سوزی بدست آمده به 4 طبقه کم خطر، متوسط خطر، پرخطر و خطرناک پهنه بندی گردید. ارزیابی صحت طبقه بندی نقشه های حاصل از مدل سازی با معیار صحت کلی با استفاده از 30 درصد نقاط آتش سوزی باقیمانده صورت پذیرفت. نتایج نشان داد الگوریتم جنگل تصادفی با صحت کلی 75 درصد توانست احتمال خطر وقوع آتش سوزی را بهتر از الگوریتم های شبکه عصبی مصنوعی و ماشین بردار پشتیبان پیش بینی کند. هم چنین از نظر میزان مطابقت وقوع آتش سوزی با نتایج الگوریتم ها مشخص شد که همه الگوریتم ها توانستند منطقه را به خوبی از نظر احتمال وقوع آتش سوزی طبقه بندی نمایند بطوری که بیش از 80 درصد نقاط آتش سوزی در مناطق با کلاسه های پرخطر و خطرناک واقع شدند.