پیش بینی مناطق با ریسک بالای آتش سوزی در جنگل ها با استفاده از سنجش از دور و شبکه های عصبی مصنوعی

آتش یکی از مخربترین عوامل زیانبار شناخته شده در جنگلها می باشد. طی آمارهای منتشر شده از سوی سازمانهای بین المللی سالانه میلیون ها هکتار از جنگل های دنیا به طور طبیعی طعمه حریق می شوند. درروش های سنتی از پارامترهای تاثیرگذار در شروع آتش سوزی به صورت طبیعی جهت پیش بینی استفاده می شده است. همانند دما، رطوبت، میزان پوشش گیاهی، شیب. در این مقاله امکان پیش بینی مناطق با ریسک بالای آتش سوزی در آینده با استفاده از شبکه های عصبی مصنوعی و تصاویر دوره ای سنجندهMODISارزیابی شده است. پیش فرض اولیه در این روش منحصر بفرد بودن منحنی طیفی بازتابشی مناطقی است که مستعد آتش سوزی در آینده می باشند. بر مبنای همین پیش فرض به شناسایی این مناطق از سایر مناطق پرداختیم. شبکه عصبی استفاده شده از نوع جلو رونده 1 و یادگیری شبکه با استفاده از الگوریتمپس انتشار 2 انجام شده است. تمامی این مراحل در نرم افزارMATLABانجام پذیرفته است. داده های ورودی در این روش منحنی تغییراتNDVI پیکسل های داده های آموزشی برای یک دوره دو ماهه قبل از وقوع پیک آتش سوزی در جنگل می باشد. نتایج حاصل از شبکه عصبی با تصویر ماهواره ای که در زمان پیک آتش سوزی گرفته شده و مناطق سوخته شده در آن نشان داده شده است مورد ارزیابی قرار گرفت. همچنین برای ارزیابی از شاخص های آماری استفاده شد که نتایج حاصل از آن صحت و کارایی این روش را تایید می نماید