بررسی رابطه زمانی و مکانی تغییر پارامترهای اقلیمی و آتش‌سوزی در جنگل‌ها و مراتع استان گیلان

آتش‌سوزی یکی از پدیده‌های مخرب عرصه‌های طبیعی است که طی سال‌های اخیر بخش وسیعی از جنگل‌ها و مراتع استان گیلان را نابود کرده است. این پژوهش به‌منظور بررسی رابطه زمانی و مکانی بین متغیرهای اقلیمی و آتش‌سوزی در استان گیلان انجام شد. متغیرهای آتش‌سوزی شامل تعداد و وسعت آتش‌سوزی‌ها و متغیرهای اقلیمی شامل هفت متغیر طی 26 سال اخیر بودند. برای بررسی رابطه زمانی بین آتش‌سوزی‌ها و متغیرهای اقلیمی، از همبستگی پیرسون و روابط رگرسیونی استفاده ‌شد. برای بررسی رابطه مکانی بین وقوع آتش‌سوزی‌ها و متغیرهای اقلیمی‌‌، از روش‌های یادگیری ماشین استفاده ‌شد. نقشه آتش‌سوزی‌ها در جنگل‌ها و مراتع استان، از اداره ‌کل منابع طبیعی و آبخیزداری استان گیلان (1400-1375) و سنجنده مادیس (1400-1381) تهیه شد. نقشه متغیرهای اقلیمی با روش‌های درون‌یابی در gis تهیه شدند. اهمیت نسبی متغیرهای اقلیمی در وقوع آتش‌سوزی با آماره‌های میانگین کاهش جینی (mean decrease gini: mdg) و میانگین کاهش صحت (mean decrease accuracy: mda) تعیین ‌شد. برای مدل‌سازی و تهیه نقشه‌های احتمال وقوع آتش‌سوزی، از 70 درصد موقعیت آتش‌سوزی‌ها و مدل‌های مختلف یادگیری ماشین (رگرسیون لجستیک، جنگل‌تصادفی، ماشین‌بردار پشتیبان و مدل ترکیبی svm-rf) در نرم‌افزار زبان برنامه‌نویسی r استفاده شد. برای صحت‌سنجی مدل‌ها، از 30 درصد موقعیت آتش‌سوزی‌ها و مشخصه auc استفاده شد. نتایج رابطه زمانی نشان داد، طی دوره 26 ساله، بین تعداد آتش‌سوزی و میانگین بارندگی فصلی به‌صورت منفی و بین تعداد آتش‌سوزی و میانگین سرعت باد فصلی و میانگین حداکثر سرعت باد فصلی به‌صورت مثبت، رابطه معنی‌داری در سطح اطمینان 95 درصد وجود داشت. به‌علاوه، بین وسعت آتش‌سوزی و میانگین بارندگی فصلی، رابطه معنی‌دار منفی در سطح اطمینان 95 درصد مشاهده شد. نتایج رابطه مکانی نشان داد، میانگین حداکثر درجه ‌حرارت فصلی، میانگین بارندگی فصلی و میانگین رطوبت نسبی فصلی بیشترین اهمیت را در وقوع آتش‌سوزی استان گیلان در گستره مکانی داشته‌اند. نتایج اعتبارسنجی نقشه‌های احتمال وقوع آتش‌سوزی نشان داد، مدل جنگل ‌تصادفی (auc: 0/82) و مدل ترکیبی svm-rf (auc: 0/79) دقت بیشتری در نقشه‌برداری احتمال وقوع آتش‌سوزی داشته‌اند. بنابراین پیش‌بینی آتش‌سوزی‌های ناشی از عوامل اقلیمی در جنگل‌ها و مراتع استان گیلان با استفاده از نقشه‌های مذکور امکان‌پذیر است که کمک شایانی به مدیران منابع طبیعی در انجام اقدامات حفاظتی در مناطق پرخطر می‌کند. در این مورد، ضروری است که اقدامات کنترلی برای پیشگیری از وقوع آتش‌سوزی‌های آینده در مناطق پرخطر آتش‌سوزی، با حساسیت بیشتری توسط یگان حفاظت اداره‌ کل منابع طبیعی و آبخیزداری استان انجام شود.

temporal and spatial analysis of the relationship between climate parameter changes and fire in the forests and rangelands in the province of gilan

fire is one of the destructive phenomena that have devastated a significant portion of forests and grasslands in gilan province in recent years. this study aimed to investigate the temporal and spatial relationship between climatic variables and wildfires in gilan province. the wildfire variables included the number and extent of wildfires, and the climatic variables consisted of seven parameters over the past 26 years (2001-2026). pearson correlation and regression analysis were utilized to examine the temporal relationship. the relative importance of climatic variables in wildfire occurrence was determined using mean decrease gini (mdg) and mean decrease accuracy (mda) statistics. for modeling and generating probability maps of wildfire occurrence, 70% of wildfire locations and various machine learning models (logistic regression, random forest, support vector machine, and svm-rf hybrid) were employed using the r programming language. model validation was conducted using 30% of wildfire locations and the area under the curve (auc) metric. the temporal results showed that during the 26-year period (2001-2026), a significant negative correlation was observed between the number of wildfires and the average seasonal precipitation, while positive correlations were found between the number of wildfires and the average seasonal wind speed and maximum wind speed at a 95% confidence level. furthermore, a significant negative correlation was observed between the extent of wildfires and the average seasonal precipitation at a 95% confidence level. the spatial relationship analysis indicated that the average maximum temperature, average seasonal precipitation, and average relative humidity had the highest importance in wildfire occurrence within the geographical extent of gilan province. model validation results revealed that the random forest model (auc: 0.82) and the svm-rf hybrid model (auc: 0.79) outperformed others in predicting the occurrence of wildfires. therefore, predicting wildfires resulting from climatic factors in the forests and grasslands of gilan province using the aforementioned maps is feasible and can significantly aid natural resource managers in implementing protective measures in high-risk wildfire areas. hence, it is imperative that proactive measures be taken by the natural resources and watershed management organization of the province to prevent future wildfires with greater sensitivity.