پیش بینی خطر وقوع آتش سوزی در جنگل ها و مراتع استان مازندران با مقایسه مدل های رگرسیونی و یادگیری ماشین

آتش سوزی از مهم ترین عوامل تخریب اکوسیستم های زمینی است که در جنگل ها و مراتع استان مازندران تحت تاثیر همزمان تغییرات اقلیمی و فعالیت های انسانی تشدید شده است. این پژوهش با هدف تعیین حساسیت به آتش سوزی و ارزیابی کارایی مدل های پیش بینی خطر، از مدل های داده کاوی شامل شبکه عصبی مصنوعی (ANN)، مدل خطی تعمیم یافته (GLM)، مدل افزایشی تعمیم یافته (GAM) و حداکثر آنتروپی (MaxEnt) به صورت منفرد و اجماعی بهره گرفت. متغیرهای اقلیمی، توپوگرافی، پوشش گیاهی و انسانی به عنوان ورودی مدل ها در نظر گرفته شدند و عملکرد مدل ها با شاخص های سطح زیر منحنی (AUC)، آماره مهارت واقعی (TSS)، حساسیت و اختصاصی بودن ارزیابی شد. بر اساس نتایج، مدل اجماعی با تلفیق خروجی مدل های منفرد، بالاترین دقت و پایداری را در پیش بینی خطر آتش سوزی ارائه داد و در میان مدل های منفرد، حداکثر آنتروپی عملکرد بهتری داشت. تحلیل اهمیت متغیرها نقش غالب شاخص اختلاف نرمال شده پوشش گیاهی (NDVI) و بارندگی را در تبیین الگوی مکانی خطر آشکار ساخت و پس از آن ارتفاع و شیب نیز تاثیر معنی داری داشتند. بیشترین حساسیت در مناطق با ارتفاع متوسط، شیب بیش از ۳۵ درصد، پوشش گیاهی متوسط تا متراکم و بارندگی کمتر از ۵۰۰ میلی متر مشاهده شد. نقشه مدل اجماعی همچنین پراکنش گسترده و نسبتا یکنواخت خطر را نشان داد که موید ماهیت چندعاملی و پیچیده پدیده آتش سوزی است و کارایی رویکردهای چندمدلی را در مدیریت پیشگیرانه و پایدار منابع طبیعی تایید می کند.

کلیدواژه ها:

مدل یادگیری ماشین ، پیشران های محیطی ، حساسیت به آتش سوزی ، سنجش از دور و سامانه اطلاعات جغرافیایی ، مدل سازی اجماعی