پیش بینی مساحت ناحیه سوخته ناشی از آتش‌سوزی در جنگل با رویکردی مبتنی بر یادگیری ماشین

نویسندگان

1 دانشجوی کارشناسی ارشد هوش مصنوعی و رباتیکز، دانشکده هوش مصنوعی و علوم شناختی، دانشگاه جامع امام حسین(ع)، تهران، ایران.

2 استادیار، دانشکده هوش مصنوعی و علوم شناختی، دانشگاه جامع امام حسین(ع)، تهران، ایران.

doi
10.47176/pd.2026.1526
چکیده

آتش‌سوزی جنگل یکی از تهدیدات جدی برای منابع طبیعی و زیرساخت‌های حیاتی کشور است که سالانه خسارات گسترده اقتصادی، زیست‌محیطی و امنیتی به همراه دارد. این پژوهش باهدف تقویت سامانه‌های پدافند غیرعامل و مدیریت بحران در مواجهه با آتش‌سوزی‌های جنگلی، رویکردی نوین مبتنی بر هوش مصنوعی برای پیش‌بینی مساحت ناحیه سوخته ارائه می‌دهد. در این پژوهش، از الگوریتم ایکس‌جی‌بوست (روش پیشنهادی) در چارچوب یادگیری ماشین برای پیش‌بینی دقیق مساحت مناطق آسیب‌دیده از آتش‌سوزی با استفاده از داده‌های هواشناسی، جغرافیایی و زمانی استفاده شده است. این مدل در معیارهای ارزیابی جذر میانگین مربعات خطاها و میانگین خطاهای مطلق به ترتیب مقادیر 602/61 و 273/12 را به دست می‌آورد؛ که امکان برنامه‌ریزی منابع و تجهیزات موردنیاز برای مهار آتش را فراهم می‌کند. یافته‌های این پژوهش نشان می‌دهد که با تحلیل مکانی - زمانی آتش‌سوزی‌ها، می‌توان نقاط بحرانی و زمان‌های پرخطر را شناسایی کرد، همچنین مساحت آتش‌سوزی احتمالی را با خطای اندکی برآورد نمود و منابع پدافندی را به‌صورت هدفمند تخصیص داد. این رویکرد در راستای آمایش سرزمینی هوشمند و مدیریت بحران پیشگیرانه، امکان حفاظت از زیرساخت‌های حیاتی مجاور مناطق جنگلی را تقویت می‌کند. همچنین، این مدل می‌تواند به‌عنوان مکمل برای یک سامانه هشدار سریع در چارچوب پدافند غیرعامل و تاب‌آوری زیست‌محیطی، نقش مهمی در کاهش خسارات و حفظ منابع ملی ایفا کند. گرچه این مطالعه بر داده‌های خارج از ایران متمرکز است، اما پژوهش ارائه شده قابلیت بومی‌سازی برای جنگل‌های ایران را دارد و می‌تواند به‌عنوان ابزاری راهبردی در پدافند غیرعامل کشور مورداستفاده قرار گیرد.