مدلسازي گسترش آتش‌سوزي جنگل بر مبناي اتوماتاي سلولي با به‌كارگيري زنجيره ماركوف و تخصيص چند هدفه زمين با فيلتر همسايگي

Modeling the spreading of forest fire based on a cellular automata using the markov chain and MOLA with a neighborhood filter

امروزه نياز به شناسايي فاكتورهاي موثر بر آتش‌سوزي جنگل، مدلسازي روند توسعه آتش و تبيين اقداماتي براي اطفاء آن، جهت كاهش خسارات و هزينه هاي سنگين ناشي از آتش سوزي جنگل، احساس مي شود. در اين تحقيق سعي نموديم تا ابتدا با استفاده از روش رگرسيون وزن دار جغرافيايي در تركيب با الگوريتم ژنتيك، به شناسايي فاكتورهاي موثر بر گسترش آتش در منطقه مورد مطالعه از ميان فاكتورهاي بيوفيزيكي و انساني بپردازيم. در ادامه با استفاده از الگوريتم اتوماتاي سلولي و روش زنجيره ماركوف به همراه تخصيص چند هدفه زمين با فيلترهاي همسايگي مختلف براي كاليبره نمودن قوانين انتقال اتوماتاي سلولي، به مدلسازي گسترش آتش‌سوزي جنگل در اين منطقه پرداختيم. براي مقايسه با نتايج روش فوق-الذكر، از تركيب الگوريتم اتوماتاي سلولي با روش رگرسيون لجستيك نيز استفاده كرديم. نتايج اين تحقيق نشان داد كه براي آتش‌سوزي منطقه مورد مطالعه در تاريخ 26آبان 1389، الگوريتم اتوماتاي سلولي با به‌كارگيري زنجيره ماركوف به همراه تخصيص چند هدفه زمين با فيلتر همسايگي 3×3 و توان تفكيك مكاني 30 متر، داراي دقت بهتري نسبت به ساير فيلترهاي همسايگي و توان‌هاي تفكيك مكاني است. شاخص كاپا، دقت كلي و شاخص عامل نسبي در اين حالت به‌ترتيب برابر با 88/8 درصد، 95/1 درصد و 0/89 درصد به دست آمدند. مقايسه بين دو روش پيشنهادي تحقيق نيز نشان داد كه نتايج الگوريتم اتوماتاي سلولي با به‌كارگيري زنجيره ماركوف به همراه تخصيص چند هدفه زمين، داراي دقت و صحت بالاتري نسبت به نتايج الگوريتم اتوماتاي سلولي با به‌كارگيري رگرسيون لجستيك در منطقه مورد مطالعه مي‌باشد.

Nowadays, to reduce the damages and high costs of forest fire, there is a need for identifying the factors affecting forest fire, modeling the spread of the fire, as well as specifying the actions to extinguish forest fire. In this research, we tried to identify the biophylsical and human factors affecting spread of the fire in a study area using the geographically weighted regression (GWR) integrated with a genetic algorithm. Subsequently, spread of the forest fire was modeled using the cellular automata (CA), markov chain, and multi-objective land allocation (MOLA) with various neighborhood filters for calibration of transition rules of the CA. Moreover, a combination of the CA and logistic regression was used to compare with the results of the method mentioned above. Results showed that for the fire that happened on the study area on November 17, 2010, the proposed CA algorithm using Markov chain and MOLA with a 3×3 neighborhood filter and 30 m pixel size is more precise than those of the other neighborhood filters and pixel sizes. In this case, the kappa index, the overall accuracy, and the relative operating characteristic (ROC) were equalled to 88.8 %, 95.1 %, and 89.0 %, respectively. Also, comparison of two proposed methods of this research indicated that the CA algorithm using the Markov chain and MOLA reached more precise and accurate results than those achieved by the CA algorithm using the logistic regression.