پیش‌بینی وقوع آتش‌سوزی با استفاده از مدل‌سازی شبکه باور بیزین (bayesian belief network) در استان چهارمحال و بختیاری

آثار آتش سوزی های کنترل نشده بر اکوسیستم های طبیعی و عوامل موثر در وقوع آنها به طور گسترده ای مورد توجه جهانی است. مدل سازی پیش بینی وقوع آتش ، نقش تعیین کننده ای در مدیریت آتش سوزی دارد و می تواند مدیران را آگاه نماید که چه مناطقی بیشتر تحت خطر آتش سوزی قرار دارند و چه تمهیداتی برای جلوگیری از وقوع آن باید اندیشیده شود. هدف از مطالعه حاضر، مدل سازی پیش بینی وقوع آتش سوزی با استفاده از شبکه باور بیزین (bayesian belief network) در استان چهارمحال و بختیاری و همچنین شناسایی مهم ترین عوامل موثر در ایجاد آتش سوزی در این استان بود. ابتدا 205 منطقه از مناطق آتش سوزی شده سنوات گذشته و 205 منطقه تصادفی بدون آتش سوزی، مورد ثبت و بررسی قرار گرفت. سپس با بررسی مطالعات صورت گرفته در این زمینه، 9 عامل تاثیرگذار بر وقوع آتش سوزی، شامل عوامل اقلیمی (میانگین بارندگی سالانه و میانگین دمای سالانه)، پستی و بلندی (ارتفاع، شیب، جهت)، پوشش زمین و عوامل انسانی (فاصله از مناطق مسکونی، فاصله از اراضی کشاورزی و فاصله از جاده) انتخاب و وارد مدل شدند. نتایج نشان داد که از بین عوامل مورد بررسی، به ترتیب عامل پوشش زمین، عامل دسترسی، میانگین بارش سالانه، فاصله از جاده و نزدیکی به مناطق مسکونی نسبت به سایر عوامل از درجه اهمیت بالاتری برخوردارند. همچنین نتایج نشان دهنده توانایی عالی مدل در پیش بینی وقوع آتش سوزی در استان چهارمحال و بختیاری بود (0.923 =auc). از آنجایی که در این استان آتش سوزی های زیادی به وقوع می پیوندد، نتایج این مطالعه می تواند به عنوان یک ابزار اساسی و بسیار قوی در دست مسئولان مربوطه در جهت کاهش وقوع آتش سوزی و همچنین کاهش میزان خسارات آن در صورت وقوع قرار گیرد.

Predicting of fire occurrence using Bayesian belief network in Chaharmahal and Bakhtiari province

The effects of uncontrolled fires on natural ecosystems and the factors affecting their occurrence are widely studied worldwide. Fire occurrence modeling is important to prioritize the fire risk in a given area and identify practices to prevent it from happening. The purpose of the present study was to simulate the prediction of fire and identify the most important factors in fire occurrence using Bayesian Belief network in Chaharmahal and Bakhtiari Province. Data from 205 fire sites and 205 sites with lsquo;nofire rsquo; experience were recorded. Climatic factors (e.g. annual precipitation and annual mean temperature), topography (elevation, slope, direction), land cover, and human factors (e.g. distance from the residential area, distance from agricultural land and distance from the road) of the sites were selected and embedded into the BBN model. The results indicated that the ability of the BBN model to predict the occurrence of fire was excellent (AUC= 0.923). Since there are many fire events in this province, the results of this study can be used as a fundamental and powerful tool for decisionmakers to reduce the incidence of fire and its hazard.