مدل سازی مکانی حساسیت پذیری آتش سوزی براساس تاثیر جاده جنگلی با استفاده از روش های یادگیری ماشین در جنگل های غرب استان مازندران

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 169

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJF-17-1_008

تاریخ نمایه سازی: 22 تیر 1404

چکیده مقاله:

مقدمه: جنگل های هیرکانی به لحاظ ارزش های زیستی و اکوسیستمی، از دارایی های بیولوژیکی گرانبها به شمار می روند. آتش سوزی در عرصه های منابع طبیعی از بحران هایی است که خسارت های جبران ناپذیری به بوم سازگان وارد می کند. هدف این پژوهش، بررسی و مدل سازی ارتباط مکانی شبکه جاده های جنگلی و حساسیت پذیری آتش سوزی است.مواد و روش ها: عوامل موثر بر آتش سوزی شامل کاربری اراضی، فاصله از جاده، ارتفاع از سطح دریا، خاک، تیپولوژی، تراکم جاده، اقلیم و جهت شیب جاده های موجود بررسی و نقشه حساسیت آنها با استفاده از روش یادگیری ماشین مدل سازی جنگل تصادفی و روش آماری آنتروپی بیشینه تولید شد. با ارزیابی مدل های مورد استفاده توسط منحنی های مشخصه عملکرد و سطح زیر منحنی و منحنی های پاسخ و آزمون جک نایف، درصد اهمیت هر پارامتر در وقوع آتش سوزی و میزان اثرگذاری هر پارامتر در مدل سازی تعیین شد.یافته ها: درصد اهمیت و مشارکت عوامل موثر در پتانسیل آتش سوزی برمبنای روش حداکثر آنتروپی نشان دهنده آن است که تاثیرگذارترین متغیرها بر مدل حساسیت پذیری وقوع آتش سوزی عبارت اند از ارتفاع از سطح دریا با ۷۶ درصد، فاصله از جاده با ۱/۹ درصد و کاربری اراضی با ۴/۵ درصد. برمبنای مدل سازی تصادفی نیز به ترتیب بیشترین اثر را پارامترهای ارتفاع از سطح دریا با میانگین ۱/۰ درصد، فاصله از جاده با ۹/۰ درصد و کاربری اراضی و پوشش گیاهی با ۴/۰ درصد دارند. منحنی پاسخ فاصله از جاده و تراکم جاده بیانگر افزایش رخداد آتش سوزی نزدیک به جاده است و جاده ها نقش بسزایی در وقوع آتش سوزی در منطقه دارند.نتیجه گیری: نقشه های حساسیت پذیری مکانی آتش سوزی نشان می دهد که فاصله از جاده، عامل مهمی است که تاثیر زیادی بر پتانسیل آتش سوزی دارد، یعنی می تواند بر افزایش رخداد و برعکس بر مهار آتش تاثیر بگذارد.

نویسندگان

سید عطاءاله حسینی

استاد گروه جنگلداری و اقتصاد جنگل دانشکده منابع طبیعی دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران

نیما شفیعی کیگاسری

دانش آموخته دکتری عمران و بهره برداری جنگل، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران

حمید رضا پورقاسمی

استاد بخش علوم خاک، دانشکده کشاورزی، دانشگاه شیراز

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 :
  • Abdusalomov, A.B., Islam, B.M.S., Nasimov, R., Mukhiddinov, M., & Whangbo, ...
  • Abdusalomov, A.B., Islam, B.M.S., Nasimov, R., Mukhiddinov, M., & Whangbo, ...
  • Ahmadi, K., Alavi, S.J., Amiri, G.Z., Hosseini, S.M., Serra-Diaz, J.M., ...
  • Burgess, R. (۲۰۱۱). Development of a spatial, dynamic, fuzzy fire ...
  • Chang, Y., Zhu, Z., Bu, R., Chen, H., Feng, Y., ...
  • Chen, W., Xie, X., Wang, J., Pradhan, B., Hong, H., ...
  • Dimopoulou, M., & Giannikos, I. (۲۰۰۴). Towards an integrated framework ...
  • Dong, X., Li-min, D., Guo-fan, Sh., Lei, T., Hui, W. ...
  • Himmy, O., & Rhinane, H. (۲۰۲۳). Landslide Susceptibility Mapping Using ...
  • Ikhsan, A.N., Hadmoko, D.S., & Widayani, P. (۲۰۲۳). Spatial Modeling ...
  • Jiao, Q., Fan, M., Tao, J., Wang, W., Liu, D., ...
  • Lymberopoulos, N., Papadopoulos, C., Stefanakis, E., Pantalos, N., & Lockwood, ...
  • Makhdoom, M., Darvish Safat, A., Jafarzadeh, H., & Makhdoom, A. ...
  • Marvi Mohajer, M.R. (۲۰۰۷). Sylviculture, University of Tehran Publication, ۲۷۰۹, ...
  • Phillips, S.J., Anderson, R.P., & Schapire, R.E. (۲۰۰۶). Maximum entropy ...
  • Pourghasemi, H.R., Gayen, A., Edalat, M., Zarafshar, M., & Tiefenbacher, ...
  • Setiawan, I., Mahmud, A.R., Mansor, S., Mohamed Shariff, A.R. & ...
  • Somashekar, R., Ravikumar, P., Mohankumar, C., Prakash, K., & Nagaraja, ...
  • نمایش کامل مراجع