پيش‌بيني وقوع آتش‌سوزي با استفاده از مدل‌سازي شبكه باور بيزين (bayesian belief network) در استان چهارمحال و بختياري

Predicting of fire occurrence using Bayesian belief network in Chaharmahal and Bakhtiari province

آثار آتش سوزي هاي كنترل نشده بر اكوسيستم هاي طبيعي و عوامل موثر در وقوع آنها به طور گسترده اي مورد توجه جهاني است. مدل سازي پيش بيني وقوع آتش ، نقش تعيين كننده اي در مديريت آتش سوزي دارد و مي تواند مديران را آگاه نمايد كه چه مناطقي بيشتر تحت خطر آتش سوزي قرار دارند و چه تمهيداتي براي جلوگيري از وقوع آن بايد انديشيده شود. هدف از مطالعه حاضر، مدل سازي پيش بيني وقوع آتش سوزي با استفاده از شبكه باور بيزين (bayesian belief network) در استان چهارمحال و بختياري و همچنين شناسايي مهم ترين عوامل موثر در ايجاد آتش سوزي در اين استان بود. ابتدا 205 منطقه از مناطق آتش سوزي شده سنوات گذشته و 205 منطقه تصادفي بدون آتش سوزي، مورد ثبت و بررسي قرار گرفت. سپس با بررسي مطالعات صورت گرفته در اين زمينه، 9 عامل تاثيرگذار بر وقوع آتش سوزي، شامل عوامل اقليمي (ميانگين بارندگي سالانه و ميانگين دماي سالانه)، پستي و بلندي (ارتفاع، شيب، جهت)، پوشش زمين و عوامل انساني (فاصله از مناطق مسكوني، فاصله از اراضي كشاورزي و فاصله از جاده) انتخاب و وارد مدل شدند. نتايج نشان داد كه از بين عوامل مورد بررسي، به ترتيب عامل پوشش زمين، عامل دسترسي، ميانگين بارش سالانه، فاصله از جاده و نزديكي به مناطق مسكوني نسبت به ساير عوامل از درجه اهميت بالاتري برخوردارند. همچنين نتايج نشان دهنده توانايي عالي مدل در پيش بيني وقوع آتش سوزي در استان چهارمحال و بختياري بود (0.923 =auc). از آنجايي كه در اين استان آتش سوزي هاي زيادي به وقوع مي پيوندد، نتايج اين مطالعه مي تواند به عنوان يك ابزار اساسي و بسيار قوي در دست مسئولان مربوطه در جهت كاهش وقوع آتش سوزي و همچنين كاهش ميزان خسارات آن در صورت وقوع قرار گيرد.

The effects of uncontrolled fires on natural ecosystems and the factors affecting their occurrence are widely studied worldwide. Fire occurrence modeling is important to prioritize the fire risk in a given area and identify practices to prevent it from happening. The purpose of the present study was to simulate the prediction of fire and identify the most important factors in fire occurrence using Bayesian Belief network in Chaharmahal and Bakhtiari Province. Data from 205 fire sites and 205 sites with ‘no-fire’ experience were recorded. Climatic factors (e.g. annual precipitation and annual mean temperature), topography (elevation, slope, direction), land cover, and human factors (e.g. distance from the residential area, distance from agricultural land and distance from the road) of the sites were selected and embedded into the BBN model. The results indicated that the ability of the BBN model to predict the occurrence of fire was excellent (AUC= 0.923). Since there are many fire events in this province, the results of this study can be used as a fundamental and powerful tool for decision-makers to reduce the incidence of fire and its hazard.