مقایسه عملکرد الگوریتم های Fuzzy C-means و K-medoids در مدل سازی وقوع آتش سوزی جنگل (مطالعه موردی: جنگل های سراوان، گیلان)
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 287
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IFEJ-9-17_017
تاریخ نمایه سازی: 15 مهر 1400
چکیده مقاله:
نناحیه رویشی هیرکانی (خزری) یکی از مهمترین نواحی رویشی ایران محسوب شده که با توجه به قدمت آن، ارزش بوم سامانه ای بالایی دارد. از طرفی این بوم سامانه همه ساله درگیر آتشسوزی های متعدد شده و سطح قابل ملاحظه ای از پوشش گیاهی خود را از دست می دهد، لذا به کارگیری روشهای علمی برای پیش بینی مکانهای دارای پتانسیل خطر آتش سوزی در مدیریت حفاظتی جنگلهای هیرکانی بسیار حائز اهمیت است. بسیاری از سیستم های دنیای واقعی از نظر تشخیص الگو مورد استفاده قرار می گیرند بنابراین استفاده صحیح از روشهای یادگیری ماشین در کاربردهای عملی ضروری است. از طرفی استفاده از روشهای مبتنی بر خوشه بندی با توجه به رویکرد آن در تشخیص الگو و کشف خروجی به عنوان یک روش موثر مورد تاکید است. هدف از انجام تحقیق حاضر بررسی توانایی و مقایسه عملکرد رویه های متفاوت خوشه بندی از دو الگوریتم مبتنی بر خوشه بندی Fuzzy C-Means و k-Medoids در مدلسازی آتش سوزی جنگل با تاکید بر قابلیتهای عملکرد الگوریتم های موصوف است. با توجه به وجود آتش سوزی های دوره ای موجود از الگوریتم های مذکور به صورت ارتقاء سطح کدنویسی در نرمافزار متلب در راستای بهبود مطالعات در زمینه پیش بینی خطر حریق جنگل استفاده شد. معیارهای ورودی مدل در این مطالعه عبارتند از نقاط ثبت شده آتش سوزی، فاصله از مناطق کشاورزی، فاصله از جاده، فاصله از رودخانه، فشار هوا، بازتابش خورشید، شیب، جهت شیب، سرعت باد، درصد تراکم تاج پوشش و تیپ جنگل. نتایج به دست آمده از نقشه پیش بینی خطر آتش سوزی هر دو الگوریتم، نشان از توانایی بالای آنها در پیش بینی مدل وقوع آتش سوزی دارد. همچنین بر اساس نتایج جدول ماتریس درهم آمیختگی مقایسه دو الگوریتم، الگوریتم FCM عملکرد بهتری نسبت به الگوریتم k-medoids در پیشبینی مکانهای دارای پتانسیل خطر آتش سوزی از خود نشان داد. لذا استفاده از الگوریتم FCM به عنوان یکی از روشهای موثر در خوشه بندی تفکیکی برای مطالعات آینده پیشنهاد می شود.
کلیدواژه ها:
Clustering Algorithm ، Fire Occurrence Modeling ، Saravan Forest ، الگوریتم خوشه بندی ، جنگل سراوان ، مدل سازی وقوع آتش سوزی
نویسندگان
شقایق ذوالقدری
Department of Forestry, Faculty of Natural Resources, Guilan University, Iran
مهرداد قدس خواه دریایی
Department of Forestry, Faculty of Natural Resources, Guilan University, Iran
کامران نصیر احمدی
Faculty of Fisheries and Environment, Gorgan University of Agricultural Sciences and Natural Resources
اسماعیل قجر
Department of Forestry, Faculty of Natural Resources, Guilan University, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :