پیش‌بینی خطر وقوع آتش سوزی در جنگل ها و مراتع استان مازندران با مقایسۀ مدل‌های رگرسیونی و یادگیری ماشین

جغرافیا و مخاطرات محیطی

دوره 15، شماره 2 - شماره پیاپی 58، تابستان 1405، صفحه 187-204   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/geoeh.2026.96904.1629

نویسندگان

اردوان قربانی^* ؛ محدثه امیری

گروه مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

چکیده

آتش‌سوزی از مهم‌ترین عوامل تخریب اکوسیستم‌های زمینی است که در جنگل‌ها و مراتع استان مازندران تحت تأثیر همزمان تغییرات اقلیمی و فعالیت‌های انسانی تشدید شده است. این پژوهش با هدف تعیین حساسیت به آتش‌سوزی و ارزیابی کارایی مدل‌های پیش‌بینی خطر، از مدل‌های داده کاوی شامل شبکه عصبی مصنوعی (ANN)، مدل خطی تعمیم‌یافته (GLM)، مدل افزایشی تعمیم‌یافته (GAM) و حداکثر آنتروپی (MaxEnt) به‌صورت منفرد و اجماعی بهره گرفت. متغیرهای اقلیمی، توپوگرافی، پوشش گیاهی و انسانی به‌عنوان ورودی مدل‌ها در نظر گرفته شدند و عملکرد مدل‌ها با شاخص‌های سطح زیر منحنی (AUC)، آماره مهارت واقعی (TSS)، حساسیت و اختصاصی بودن ارزیابی شد. بر اساس نتایج، مدل اجماعی با تلفیق خروجی مدل‌های منفرد، بالاترین دقت و پایداری را در پیش‌بینی خطر آتش‌سوزی ارائه داد و در میان مدل‌های 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 تأثیر معنی‌داری داشتند. بیشترین حساسیت در مناطق با ارتفاع متوسط، شیب بیش از 35 درصد، پوشش گیاهی متوسط تا متراکم و بارندگی کمتر از ۵۰۰ میلی‌متر مشاهده شد. نقشه مدل اجماعی همچنین پراکنش گسترده و نسبتاً یکنواخت خطر را نشان داد که مؤید ماهیّت چندعاملی و پیچیده پدیده آتش‌سوزی است و کارایی رویکردهای چندمدلی را در مدیریت پیشگیرانه و پایدار منابع طبیعی تأیید می‌کند.

کلیدواژه‌ها

مدل یادگیری ماشین؛ پیشران‌های محیطی؛ حساسیت به آتش‌سوزی؛ سنجش از دور و سامانه اطلاعات جغرافیایی؛ مدل‌سازی اجماعی

مراجع