مقايسه كارايي روش هاي يادگيري ماشيني درمدلسازي مناطق حساس به وقوع آتش (استان ايلام، شهرستان دره شهر)

آتش از مهمترين مخاطرات طبيعي بوده كه تاثير بسزائي بر ساختار و پويايي اكوسيستم هاي طبيعي دارد. با توجه به قرارگيري ايران در كمربند خشك و نيمه خشك جهان، هر ساله تعداد زيادي آتش سوزي عمدي و غير عمدي در مناطق مختلف كشور به وقوع مي پيوندد. به همين دليل تعيين مناطق حساس به وقوع آتش نقش مهمي در مديريت آتشسوزي در منابع طبيعي دارد. به همين دليل تحقيق حاضر در صدد است تا با استفاده از دو روش يادگيري ماشيني جنگل تصادفي (Random Forest) و ماشين بردار پشتيبان (Support Vector Machine) و 2024 نقطه وقوع آتش، مناطق حساس به وقوع آتش را در شهرستان دره شهر در استان ايلام را تعيين نمايد. عوامل محيطي در چهار گروه اصلي شامل عوامل توپوگرافي (ارتفاع، جهت شيب، تند شيب)، عوامل اقليمي (بارش، رطوبت نسبي، باد، درجه حرارت)، عوامل زيستي (پوشش گياهي و رطوبت خاك) و عوامل انسان ساخت (فاصله از مناطق مسكوني، فاصله از جاده، فاصله از اراضي كشاورزي، فاصله از آبراهه) تهيه شدند. ارزيابي دقت مدل هاي مورد استفاده با استفاده سطح زير نمودار (AUC) در منحني ROC و آماره هاي ارزيابي متقاطع (Cross-validation) انجام شد. بررسي شاخص AUC نشان داد كه هر دو مدل داراي دقت مناسبي بوده هرچند مدل جنگل تصادفي (AUC = 0.97) داراي دقت بالاتري نسبت به مدل ماشين بردار پشتيبان (AUC = 0.86) بود. بر اساس نتايج مدل جنگل تصادفي، حدود 60 درصد در كلاس كم خطر و حدود 20 درصد در كلاس خطر زياد آتش قرار دارد. بررسي سهم عوامل تاثيرگذار بر وقوع آتش نشان داد كه عوامل انسان ساخت (فاصله از مناطق مسكوني) و عوامل اقليمي (درجه حرارت) نقش مهمتري در نقاط داراي سابقه آتش داشتند. بنابراين افزايش فرهنگ عمومي و كاهش رفتارهاي خطرناك در طبيعت مي تواند موجب كاهش وقوع آتش در اين منطقه شده و سهم زيادي در حفاظت از محيط زيست و حفظ منابع طبيعي داشته باشد.