پهنه بندی ریسک آتش سوزی مناطق جنگلی با تلفیق مدل شبکه عصبی مصنوعی و سیستم اطلاعات جغرافیایی، مطالعه موری: منطقه حفاظت شده شیمبار، استان خوزستان

بهره گیری همزمان از سیستم اطلاعات جغرافیایی(GIS)  و روش های مبتنی بر هوش مصنوعی همواره نتایج خوبی را در تحقیقات حوزه منابع طبیعی به دنبال داشته است. این تحقیق در همین قالب و به منظور اولویت بندی عوامل تاثیر گذار بر گسترش حریق و شناسایی مناطق پرخطر در جنگل های منطقه حفاظت شده شیمبار بر اساس سنوات گذشته آتش سوزی ها سالهای 1390تا 1397 انجام شده است که در این خصوص فاکتور هایی جهت روش شبکه عصبی مصنوعی در نظر گرفته شد. در پیاده سازی روش شبکه عصبی مصنوعی با فاکتور های موثر بر آتش سوزی جنگل اقدام به تهیه نقشه ی پهنه بندی خطر آتش سوزی با پنج کلاس خطر خیلی کم، خطر کم، خطر متوسط، خطر زیاد، خطر خیلی زیاد با صحت کلی 83/0 و خطای RMSE برابر 75/0 شده است. نتایج تحقیق نشان داد که20 درصد مساحت منطقه در طبقه متوسط، 11 درصد مساحت منطقه در طبقه زیاد و 10 درصد مساحت منطقه در طبقه خیلی زیاد، پتانسیل وقوع آتش سوزی قرار دارد، همچنین مهم ترین متغیر های موثر بر وقوع آتش سوزی شامل فاصله از رودخانه، تیپ اراضی، ارتفاع و حداقل دما می باشند. نتیجه گیری می شود که با توجه به فاکتور های در نظرگرفته شده مدل های تلفیقی شبکه عصبی مصنوعی (ANN) و سیستم اطلاعات مکانی در تهیه ی نقشه ی پهنه بندی خطر آتش سوزی کارایی بالایی دارد و پیشنهاد می گردد که از این مدل ها جهت پیشگیری، کنترل و مدیریت آتش سوزی در سایر نقاط کشور هم در مقیاس وسیع استفاده گردد.