مدل‎سازی خطر وقوع آتش‌سوزی در منطقه حفاظت‌شده دینارکوه، جنوب استان ایلام

آتش‌سوزی تهدیدی جدی برای اکوسیستم‌های جنگلی جهان به‌ویژه در مناطق خشک و نیمه‌خشک است. درک عوامل کلیدی موثر بر وقوع آتش سوزی برای مدیریت موثر و کاهش آن ضروری است. به همین دلیل، این مطالعه با هدف مدل‎سازی خطر وقوع آتش‌سوزی در جنگل های نیمه‌خشک جنوب استان ایلام انجام‌گرفت. ابتدا نقاط آتش‎سوزی‌های قبلی منطقه با استفاده از تصاویر ماهواره‌ای modis بین سال‌های 1380 تا 1402 استخراج شد. عوامل موثر بر وقوع آتش‌سوزی در منطقه در قالب چهار گروه اصلی شامل عوامل توپوگرافی، اقلیمی، پوشش‌گیاهی و انسانی شناسایی شد. برای پیش‌بینی و مدل‎سازی پتانسیل وقوع آتش از مدل‌های جنگل تصادفی و ماشین‌بردارپشتیبان استفاده شد. برای ارزیابی دقت دو مدل از شاخص سطح زیر منحنی (auc) در نمودار roc استفاده شد. براساس نتایج، میزان رطوبت‌نسبی هوا، پوشش‌گیاهی، فاصله از جاده و میانگین دمای هوا تاثیرگذارترین و فاصله از جنگل، درصد شیب و جهت جغرافیایی کم‌اهمیت‌ترین عوامل در بروز آتش‎سوزی منطقه مورد‌مطالعه می‌باشند. ارزیابی دقت دو مدل مورد‌بررسی نشان‌داد که مدل جنگل تصادفی (auc=0.87) دارای دقت بالاتری نسبت به مدل ماشین‌بردارپشتیبان (auc=0.82) بود. براساس نتایج مدل جنگل تصادفی، بیش از 59 درصد از سطح منطقه دارای خطر وقوع آتش خیلی کم بودند درحالی که کلاس خطر زیاد و خیلی‌زیاد به‌ترتیب 1.80 و 0.86 درصد (به‌ترتیب 750 و 356 هکتار) از مساحت کل منطقه را دربرگرفتند. باتوجه به تمرکز وقوع آتش‌سوزی‌ها در مناطق نزدیک به تنها جاده‌ی‌ عبوری از منطقه، پیشنهاد می‌گردد جهت کاهش و کنترل سریع آتش‌سوزی‌های آتی، اقدامات مدیریتی و تاسیسات اطفا حریق در این منطقه بیش از سایر مناطق باشد.

modeling the fire risk occurrence in dinarkoh protected area, southern ilam province

fires are a serious threat to the world's forest ecosystems, especially in arid and semi-arid regions. understanding the key factors affecting forest fire dynamics is essential for effective management and mitigation. for this reason, this study aimed to model the risk of forest fires in the semi-arid forests of southern ilam province. first, the locations of previous fires in the region were extracted using modis satellite images between 2000 and 2023. the factors affecting on the fire’s occurrence were identified and categorized in four main groups including topography, climate, vegetation and human factors. random forest (rf) and support vector machine (svm) models were used to predict and model the potential for fire occurrence. the area under the curve (auc) in the roc curve was used to evaluate the accuracy of the two models. based on the results, the relative humidity, vegetation, distance from the road and average air temperature were the most influential and the distance from the forest, slope percentage and geographical direction were the least important factors in fires occurrence in the studied region. the accuracy assessment of the two models showed that the rf model (auc=0.87) had a higher accuracy than svm model (auc=0.82). based on the results of the rf model, more than 59 percent of the area had a very low risk of fire occurrence, while the high and very high-risk classes covered 1.80 and 0.86 percent (750 and 356 hectares, respectively) of the total area of ​​the region. given the concentration of fires in areas close to road, it is recommended that management measures and firefighting facilities be more in place in this area than in other areas to reduce and quickly control future fires.