ارائه مدل هوشمند پیش بینی آتش سوزی جنگل ها با تلفیق داده های اینترنت اشیا، هواشناسی و تصاویر ماهواره ای

پیش بینی مکانی و زمانی آتش سوزی جنگل به دلیل ناهمگنی پوشش گیاهی، تغییرات سریع هوا، محدودیت ایستگاه های زمینی و عدم توازن شدید میان نمونه های حریق و غیرحریق، مسئله ای پیچیده است. هدف این پژوهش، ارائه یک مدل هوشمند چندمنبعی برای برآورد احتمال وقوع آتش سوزی در افق های ۲۴ و ۷۲ ساعت و تولید نقشه خطر قابل تفسیر است. پژوهش از نوع کاربردی-توسعه ای و در سطح طراحی مفهومی با رویکرد علم طراحی انجام شد. داده های پیشنهادی در چهار گروه شامل حسگرهای اینترنت اشیا، متغیرهای هواشناسی و بازتحلیل، تصاویر ماهواره ای و ویژگی های ثابت توپوگرافی و کاربری زمین تعریف شدند. خط لوله مدل شامل کنترل کیفیت حسگر، هم ترازی مکانی-زمانی، حذف ابر و سایه، استخراج شاخص های پوشش و رطوبت گیاهی، ساخت ویژگی های تاخیری، ایجاد نمونه های منفی کنترل شده و تفکیک مکانی-زمانی داده است. معماری پیشنهادی از یک شاخه یادگیری تقویتی گرادیانی برای داده های جدولی، یک شاخه کانولوشنی برای وصله های ماهواره ای و یک لایه ادغام و کالیبراسیون احتمال تشکیل می شود. خروجی سامانه علاوه بر احتمال حریق، طبقه خطر، عدم قطعیت و عوامل غالب هر هشدار را در داشبورد مکانی نمایش می دهد. ارزیابی طراحی با ماتریس ردیابی ۳۴ معیار انجام شد؛ ۲۸ معیار به طور کامل، ۵ معیار به صورت جزئی و یک معیار خارج از دامنه نسخه مفهومی پوشش داده شد و امتیاز وزنی ۹۰٫۴ از ۱۰۰ به دست آمد. نقاط قوت اصلی، تلفیق داده های محلی و گسترده، جلوگیری از نشت مکانی-زمانی، توجه به کالیبراسیون و مدیریت خطاهای ارتباطی بود. محدودیت های اصلی به نبود داده میدانی بومی بلندمدت، ابرناکی تصاویر اپتیکی و دشواری برچسب گذاری شروع دقیق حریق مربوط شد. نتایج نشان می دهد معماری پیشنهادی می تواند مبنای ساخت نمونه اولیه و آزمون منطقه ای باشد، اما اثربخشی پیش بینی تنها پس از آموزش با داده واقعی و اعتبارسنجی مستقل قابل داوری است.

کلیدواژه ها:

آتش سوزی جنگل ، اینترنت اشیا ، تصاویر ماهواره ای ، یادگیری ماشین ، پیش بینی خطر