| پیش‌بینی خطر آتش‌سوزی با استفاده از مدل ماشین بردار پشتیبان مبتنی بر داده‌های چندمنبعی سنجش از دور و شاخص های محیط زیستی (مطالعه موردی:کشور ایران) |
| کد مقاله : 1436-NERS |
| نویسندگان |
|
میلاد جانعلی پور *1، نادیا عباس زاده طهرانی2، نگین کمالی فر3، اکرم افتخاری4 1پژوهشگاه هوافضا 2پژوهشگاه هوافضا، وزارت علوم تحقیقات و فناوری 3کار شناسی ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی، 4دکتری سنجش از دور، دانشگاه تهران |
| چکیده مقاله |
| پدیده آتش‌سوزی از مخرب‌ترین بلایای طبیعی است که سالانه موجب وارد آمدن خسارات گسترده به محیط زیست طبیعی و انسانی می شود. در این پژوهش، با هدف پیش‌بینی خطر وقوع آتش‌سوزی، از مدل ماشین بردار پشتیبان (SVM) با تابع هسته شعاعی (RBF) استفاده شده است. داده‌های مورد استفاده شامل نقاط آتش‌سوزی استخراج‌شده از تصاویر ماهواره‌ای ناسا در سال‌های ۱۳۹۷، ۱۳۹۸، ۱۴۰۰ و ۱۴۰۱ و پانزده شاخص محیطی و انسانی (از جمله توپوگرافی، متغیرهای اقلیمی، پوشش گیاهی و فاصله از عوارض انسانی) در کشور ایران است. پس از نرمال‌سازی داده‌ها و متعادل‌سازی نمونه کلاس‌ها، پارامترهای بهینه مدل (گاما و ضریب پنالتی) با روش جستجوی شبکه‌ای تعیین شدند. نتایج نشان داد مدل بهینه‌شده با گامای حدود 2/0 و ضریب جریمه۱۰ به دقت کلی 9/84 درصد، مساحت زیر منحنی ROC معادل 911/0 و عملکرد متوازن در تشخیص هر دو کلاس دست یافته است. تحلیل حساسیت پارامترها و بررسی تأثیر حجم داده‌های آموزشی، بر اهمیت تنظیم دقیق هایپرپارامترها و کفایت داده برای دستیابی به مدلی پایدار تأکید دارد. این مطالعه نشان می‌دهد مدل SVM با هسته RBF، در صورت تنظیم مناسب، ابزاری کارآمد برای پیش‌بینی خطر آتش‌سوزی در مقیاس ملی فراهم می‌کند. |
| کلیدواژه ها |
| آتش سوزی، سنجش از دور، مخاطرات محیطی، شاخص های مکانمند |
| وضعیت: پذیرفته شده |
