پهنه بندی ریسک آتش سوزی مناطق جنگلی با استفاده از روش تلفیقی شبکه عصبی مصنوعی و سیستم اطلاعات مکانی (مطالعه موردی: 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 حوضه 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 آتش سوزی های سال های 1390 تا 1397 انجام شد که در این خصوص، شاخص هایی برای روش شبکه عصبی مصنوعی در نظر گرفته شد. در پیاده سازی روش شبکه عصبی مصنوعی با شاخص های موثر بر آتش سوزی جنگل، به تهیه نقشه 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 با 75/0 پرداخته شد. نتایج تحقیق نشان داد که بیست درصد مساحت منطقه در طبقه متوسط پتانسیل وقوع آتش سوزی، یازده درصد در طبقه زیاد و ده درصد در طبقه خیلی زیاد قرار دارد. همچنین مهم ترین متغیر های موثر بر وقوع آتش سوزی شامل فاصله از رودخانه، تیپ اراضی، ارتفاع و حداقل دما است. نتیجه پژوهش این است که با توجه به شاخص های در نظرگرفته شده، مدل های تلفیقی شبکه عصبی مصنوعی (ANN) و سیستم اطلاعات مکانی، در تهیه نقشه پهنه بندی خطر آتش سوزی کارایی بالایی دارد و پیشنهاد می شود از این مدل ها برای پیشگیری، کنترل و مدیریت آتش سوزی در سایر نقاط کشور هم در مقیاس وسیع استفاده شود.