آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 472 |
| تعداد مقالات | 3,738 |
| تعداد مشاهده مقاله | 6,359,176 |
| تعداد دریافت فایل اصل مقاله | 3,527,160 |
مقایسه الگوریتم‌های یادگیری ماشین و رگرسیون لجستیک در تهیه نقشه خطر وقوع آتش‌سوزی جنگل (مطالعه موردی: جنگل‌های بانه، استان کردستان) | ||
| جغرافیا و پایداری محیط | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 18 آبان 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22126/ges.2026.14504.3015 | ||
| نویسندگان | ||
| پیام فتاحی1؛ مهتاب پیرباوقار* 2؛ احمد ولی پور3؛ وحید حسینی3 | ||
| 1گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران. | ||
| 2گروه جنگلداری و مرکز پژوهش و توسعه جنگلداری زاگرس شمالی، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران | ||
| 3گروه جنگلداری و مرکز پژوهش و توسعه جنگلداری زاگرس شمالی دکتر هدایت غضنفری، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران. | ||
| چکیده | ||
| آتش‌سوزی جنگل یکی از مهم‌ترین عوامل تخریب بوم‌سازگان‌های جنگلی است و شناسایی مناطق مستعد وقوع آن، نقش مهمی در مدیریت پیشگیرانه آن دارد. هدف این پژوهش، مقایسه عملکرد چهار الگوریتم رگرسیون لجستیک، جنگل تصادفی، ماشین بردار پشتیبان و تقویت گرادیان بهینه در مدل‌سازی احتمال وقوع آتش‌سوزی در جنگل‌های شهرستان بانه است. بدین منظور، 272 نمونه شامل 136 نقطه آتش‌سوزی (استخراج‌شده از داده‌های اداره منابع طبیعی و آبخیزداری شهرستان بانه) و 136 نقطه غیرآتش‌سوزی جمع‌آوری و با استفاده از متغیرهای محیطی، توپوگرافی، اقلیمی و سنجش‌ازدوری مدل‌سازی انجام شد. عملکرد مدل‌ها بر اساس شاخص‌های صحت کلی، حساسیت، ویژگی، دقت، ضریب کاپا، F1-Score، TSS، AUC-ROC وBrier Score ارزیابی شد. نتایج نشان داد که رگرسیون لجستیک در اغلب شاخص‌های ارزیابی، عملکرد بهتری نسبت به سایر مدل‌ها داشت، در حالی که جنگل تصادفی بیشترین مقدارAUC-ROC (730/0) و کمترینBrier Score (207/0) را نشان داد و در تفکیک کلاس‌ها و برآورد احتمال وقوع آتش‌سوزی برتری داشت. همچنین بارش، دما، فاصله از جاده و شاخصNDWI مهم‌ترین عوامل مؤثر بر وقوع آتش‌سوزی شناسایی شدند. نتایج این پژوهش نشان می‌دهد که با وجود توسعه الگوریتم‌های پیشرفته یادگیری ماشین، رگرسیون لجستیک همچنان می‌تواند در مجموعه داده‌های با حجم متوسط و الگوهای نسبتاً ساده، مدلی دقیق، پایدار و قابل تفسیر برای تهیه نقشه خطر آتش‌سوزی و پشتیبانی از تصمیم‌گیری مدیران فراهم کند. | ||
| کلیدواژه‌ها | ||
| جنگل تصادفی؛ رگرسیون لجستیک؛ زاگرس؛ ماشین بردار پشتیبان؛ مدیریت آتش‌سوزی | ||
|
آمار تعداد مشاهده مقاله: 4 |
||