تحلیل عدم قطعیت ریسک مخاطرۀ آتش‌سوزی جنگل مبتنی بر نظریۀ شهود دمپستر شافر (مطالعۀ موردی: بخشی از جنگل‌های کرمانشاه)

آتش‌سوزی جنگل‌ها از مخاطرات مهمی است که ممکن است عامل انسانی یا غیرانسانی داشته باشد و موجب مشکلات زیادی در چرخۀ اکوسیستم، تخریب زیرساخت‌های جنگل، فرسایش خاک و از بین رفتن حیات بسیاری از موجودات زنده شود. یکی از راه‌های مدیریت آتش‌سوزی جنگل و کاهش تاثیرات مخرب آن، پیش‌بینی خطر در مناطق مستعد آتش‌سوزی است. به این منظور تهیه نقشه پهنه‌بندی خطر آتش‌سوزی در جنگل‌های مستعد با تمرکز بیشتر بر مناطق پرخطر، ایجاد زیرساخت‌های مناسب برای آموزش آتش‌نشانان و در نهایت برنامه‌ریزی برای مبارزه با آتش‌سوزی با هدف کاهش آسیب و حفظ ایمنی ضرورت دارد. هدف این مقاله، مدل‌سازی پتانسیل آتش‌سوزی در مناطق جنگلی با در نظر گرفتن عدم قطعیت ناشی از وزن‌دهی معیارهای موثر مکانی است. نوآوری تحقیق حاضر، به‌کارگیری نظریۀ شهود دمسپتر شافر به‌منظور کاهش عدم قطعیت ناشی از وزن‌دهی معیارها توسط کارشناسان است. در این رویکرد با توجه به در نظر گرفتن توابع باور و موجه بودن و تجمیع توابع سطوح مختلف عدم قطعیت مدیریت می‌شود که با توجه به تعداد زیاد زیرمعیارها می‌تواند بسیار موثر باشد. ابتدا معیارهای توپوگرافی، اقلیمی، انسانی و پوشش گیاهی مدنظر قرار گرفت و زیرمعیارهای مربوط شناسایی شد. معیارها و زیرمعیارها در سه سطح تعریف شدند. در سطح اول چهار معیار، در سطح دوم ده زیرمعیار و در سطح سوم بیست‌وهفت زیرمعیار در نظر گرفته شد. همچنین به‌منظور وزن‌دهی معیارهای موثر از نظر سی کارشناس استفاده شد. با استفاده از پرسشنامه‌های تکمیل‌شده توسط متخصصان و وزن هر یک از معیارها و زیرمعیارهای مربوط، اوزان نهایی با استفاده از نظریۀ شهود دمپستر شافر محاسبه شد. نقشه خطر وقوع آتش‌سوزی با استفاده از روش‌های همپوشانی وزن‌دار و با تلفیق لایه‌ها در چهار طبقه گروه‌بندی شد. نتایج نشان داد که موثرترین شاخص‌ها در وقوع آتش‌سوزی به‌ترتیب معیار پوشش گیاهی و سپس معیار انسانی است. وزن معیار انسانی 0.301 و وزن پوشش گیاهی 0.2595محاسبه شد. مقایسه نقشه حاصل با آتش‌سوزی‌های رخ‌داده در منطقه پژوهش نشان می‌دهد که طبقات پرخطر و خطرناک همپوشانی زیادی با نقاط حاصل از این تحقیق دارند و مدل پیشنهادی می‌تواند با دقت زیاد وقوع آتش‌سوزی جنگل‌ها و مراتع را پیش‌بینی کند. همچنین آزمون مدل توسط منحنی مشخصه عملکرد سیستم دقت زیاد مدل با مقدار 92 درصد  را نشان داد.

Forest fire risk uncertainty analysis based on Dempster Shafer’s theory of evidence (Study area: part of Kermanshah forests)

Forest fires are a significant risk that can be caused by human or nonhuman factors and cause many problems in the ecosystem cycle, the destruction of forest infrastructure, soil erosion, and also the loss of life of many living organisms. One way to manage forest fires and reduce their destructive effects is to predict the risk in fireprone areas. To this end, it is necessary to prepare a fire risk zoning map in vulnerable forests with a greater focus on highrisk areas, to create appropriate infrastructure for firefighter training, and finally to plan firefighting to reduce injury and maintain safety. The purpose of this paper is to model the fire potential in forest areas by considering the uncertainty caused by the weight of effective spatial criteria. The innovation of the present study is the application of DempsterShafer’s theory of intuition to reduce the uncertainty caused by the weight of criteria by experts. In this approach, considering the functions of belief and justification and aggregation of functions, different levels of uncertainty are managed, which can be very effective due to the large number of subcriteria. In this regard, topographic, climatic, human, and vegetation criteria were first considered and the relevant subcriteria were identified. Criteria and subcriteria were defined at three levels. The first level included 4 criteria, the second level 10 subcriteria, and the third level 27 subcriteria. Also, to weigh the effective criteria, the opinions of 30 experts were used. Using questionnaires completed by experts and the weight of each of the relevant criteria and subcriteria, the final weights were calculated using DempsterShafer’s theory of intuition. Fire hazard maps were grouped into four categories using weighted overlap methods and by combining layers. The results showed that the most effective indicators in the occurrence of fire are vegetation and then humans, respectively. The standard weight of humans was 0.301 and vegetation was 0.2595. Comparison of the resulting map with the fires that occurred in the study area shows that highrisk and dangerous classes have a high overlap with the points obtained from this study and the proposed model can accurately predict the occurrence of forest and rangeland fires. Also, testing the model by the characteristic performance curve of the system showed high accuracy of the model with a value of 92%.