مقایسه قابلیت کاربرد دو روش رگرسیون لجستیک و شبکه عصبی در پهنه بندی حساسیت آتش سوزی عرصه های جنگلی و مرتعی استان مازندران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مهندسی نقشه برداری، دانشگاه آزاد اسلامی، واحد ممقان

2 استادیار دانشگاه حکیم سبزواری

3 گروه محیط زیست، دانشگاه حکیم سبزواری

چکیده

آتش‌سوزی در عرصه‌های طبیعی یکی از عوامل کاهش سطح جنگل ها و مراتع ایران است. در این پژوهش، حساسیت آتش‌سوزی بر روی عرصه‌های جنگلی و مرتعی استان مازندران با استفاده از روش‌های داده مبنا مورد تجزیه‌وتحلیل قرار گرفت. از اینرو، 14 متغیر مستقل محیطی جهت تعیین پاسخ به نقاط فعال آتش‌سوزی سنجنده مادیس استفاده گردید. این متغیرها در روش‌های داده مبنای رگرسیون لجستیک و شبکه‌های عصبی که روش مؤثری برای استخراج خودکار اهمیت عوامل بر روی حساسیت آتش‌سوزی است، استفاده شد. نتایج نمودار منحنی تشخیص عملکرد نسبی برای داده های اعتبارسنجی نشان داد که هر دو روش از دقت بالایی (بیش‌تر از 89 درصد) در تشخیص نقاط فعال حریق سنجنده مادیس برخوردار هستند که روش شبکه عصبی از تشخیص بالاتری با 88 درصد برای نمایش مناطق با حساسیت بالا نسبت به روش رگرسیون لجستیک با حدود 85 درصد برخوردار است. ضریب همبستگی بین دو روش نشان داد که 97/0 پهنه‌های حساسیت در دو روش نسبت به هم یکسان هستند. 6/21 درصد از مساحت کل استان مازندران در پهنه های با حساسیت بالا و بسیار بالای آتش سوزی جنگل و مراتع قرار دارد. نقشه‌ی حساسیت آتش‌سوزی جنگل‌ها و مراتع ارائه‌شده در این تحقیق می‌تواند به‌عنوان نقشه اساسی برنامه راهبردی در استان مازندران مورداستفاده قرار گیرد تا در ارزیابی برنامه‌های آسیب‌پذیری و برنامه‌ریزی برای تقلیل این آسیب‌ها مورداستفاده قرار بگیرد.

کلیدواژه‌ها


عنوان مقاله [English]

Comparison of logistic regression and neural network methods in fire susceptibility of forest and rangelands, Mazandaran province

نویسندگان [English]

  • Kianoush Vidamanesh 1
  • Azadeh Atabati 3
1 Islamic Azad University، Mamaghan Branch
3 Environmental Science, Hakim Sabzevari University
چکیده [English]

Fires in natural areas are one of the factors decreasing forested area of northern Iran. In this study, forest and rangelands susceptibility to fire were analyzed using data-driven methods over Mazandaran Province. Fourteen important environmental and anthropogenic parameters influencing forest and rangelands susceptibility to fire were used to model probability of fire susceptibility. Binary logistic regression and artificial neural network, as two well-known data driven methods was then used to evaluate environmental and anthropogenic performance on landfire and map of forest fire susceptibility estimates were prepared in GIS environment. The area under the successive rate curve (AUSC) showed that ANN method modeled forest fire susceptibility with an accuracy of around 88% and BLR with 85%. 21.6% of the total area of Mazandaran province is located in areas with high and very high susceptibility levels of forest and rangeland fire. Overall, ANN method showed promising results to estimate landfire susceptibility. The forestry and rangelands fire susceptibility map presented in this study can be used as a basic map of the strategic planing in Mazandaran province to reduce probability fire damages.

کلیدواژه‌ها [English]

  • Fire susceptibility
  • Binary logistic regression
  • Artificial Neural Network
  • Geographic Information System
  • Mazandaran province