مدل‌سازی و پهنه‌بندی مناطق مستعد آتش‌سوزی در جنگل‌های زاگرس با استفاده از سامانه اطلاعات جغرافیایی بر پایه رگرسیون لجستیک

جنگل‌ها به عنوان یکی از مهم ترین منابع ‌طبیعی تجدیدشونده، نقش مهمی در پایداری زیست بوم‌ها ایفا می‌نمایند. یکی از مهم ترین آشفتگی های موثر بر اکوسیستم های جنگلی زاگرس، آتش سوزی جنگل است؛ بنابراین شناسایی مناطق بحرانی آتش سوزی به منظور کاهش خسارات احتمالی، امری لازم و ضروری است. هدف این تحقیق، بررسی میزان تاثیر متغیرهای موثر در ایجاد آتش سوزی و تهیه نقشه‌ خطر آتش سوزی است. ازاین رو متغیرهای موثر بر آتش‌سوزی شامل ارتفاع از سطح دریا، شیب، جهت، فاصله از مناطق مسکونی، فاصله از آبراهه ها و فاصله از جاده برای تعیین تاثیر هریک در آتش سوزی، بررسی شدند. نقشه ارتفاع از سطح دریا، شیب و جهت جغرافیایی با کمک مدل رقومی ارتفاع و نقشه های فاصله از مناطق مسکونی و فاصله از جاده از نقشه های رقومی 1.25000 تهیه شد. همچنین مناطقی که طی سال های 9094 در آن ها آتش سوزی رخ داده بود، با دستگاه جی پی اس برداشت گردید. در این تحقیق از روش رگرسیون لجستیک برای بررسی تاثیر عوامل مختلف در آتش سوزی استفاده شد. نتایج نشان داد که ارتفاع از سطح دریا، فاصله از آبراهه و درصد شیب، مهم ترین عوامل تاثیرگذار در آتش سوزی جنگل در منطقه بودند. مدل سازی براساس سه متغیری که ارتباط معنی داری با آتش سوزی جنگل در منطقه داشتند و ضرایب حاصل از روش رگرسیون لجستیک، انجام شد. نتایج اعتبارسنجی مدل با ضریب تبیین نگلکرک حدود 0.500 و ضریب منحنی راک 0.701 نشان از دقت، برازش و اعتبار مناسب مدل به دست آمده داشت. همچنین نتایج نشان داد که 81 درصد از مساحت منطقه در مناطق بحرانی و خطرناک قرار دارد.

Modeling and Zoning of Fire Prone Areas in Zagros Forests Using Geographic Information System Based on Logistic Regression

Forests play a vital role in the sustainability of ecosystems as one of the most important natural renewable resources. One of the most important disturbances affecting Zagros forest ecosystems is forest fires. Therefore, identifying critical fire areas to reduce potential damage is necessary. The purpose of this study is to investigate the effect of effective variables in causing fire and to prepare a fire risk map. For this purpose, the variables affecting the fire including altitude, slope, direction, Distance from residential areas, distance from waterways and distance from the road were determined to determine the impact of each on the fire. Elevation map of sea level, slope and geographical direction was prepared with the help of digital elevation model. Distance maps of residential areas and distance from the road were prepared from digital maps of 1.25000. Also, the areas where fires occurred during the years 9094 were harvested by GPS. In this study, logistic regression method was used to investigate the effect of various factors on fire. The results showed that altitude, distance from waterway and slope percentage were the most important factors influencing forest fires in the region. Modeling was performed based on three variables that had a significant relationship with forest fires in the region and the coefficients obtained from the logistic regression method. The validation results of the model with a Nagelkerke’s R2 coefficient of about 0.500 and a rock curve coefficient of 0.701 showed the accuracy, fit and validity of the obtained model. The results also showed that 81% of the area is located in critical and dangerous areas.