دوره 9، شماره 17 - ( بهار و تابستان 1400 )                   جلد 9 شماره 17 صفحات 174-163 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

zolghadry S, Ghodskhah daryaei M, Nasirahmadi K, Ghajar E. Comparison of the Performance of Fuzzy C-Means and K-Medoids in Modeling Forest Fire Occurrence (Case Study: Saravan Forests, Gilan). ifej. 2021; 9 (17) :163-174
URL: http://ifej.sanru.ac.ir/article-1-396-fa.html
ذوالقدری شقایق، قدس خواه دریایی مهرداد، نصیر احمدی کامران، قجر اسماعیل. مقایسه عملکرد الگوریتم های Fuzzy C-means و K-medoids در مدل سازی وقوع آتش سوزی جنگل (مطالعه موردی: جنگل های سراوان، گیلان). بوم شناسی جنگل های ایران (علمی- پژوهشی). 1400; 9 (17) :174-163

URL: http://ifej.sanru.ac.ir/article-1-396-fa.html


گروه جنگل داری، دانشکده منابع طبیعی، دانشگاه گیلان
چکیده:   (335 مشاهده)
نناحیه رویشی هیرکانی (خزری) یکی از مهم­ترین نواحی رویشی ایران محسوب شده که با توجه به قدمت آن، ارزش بوم­ سامانه­ ای بالایی دارد. از طرفی این بوم­ سامانه همه­ ساله درگیر آتش­سوزی­ های متعدد شده و سطح قابل ملاحظه­ ای از پوشش گیاهی خود را از دست می­ دهد، لذا به­ کارگیری روش­های علمی برای پیش ­بینی مکان­های دارای پتانسیل خطر آتش ­سوزی در مدیریت حفاظتی جنگل­های هیرکانی بسیار حائز اهمیت است. بسیاری از سیستم­ های دنیای واقعی از نظر تشخیص الگو مورد استفاده قرار می­ گیرند بنابراین استفاده صحیح از روش­های یادگیری ماشین در کاربردهای عملی ضروری است. از طرفی استفاده از روش­های مبتنی بر خوشه ­بندی با توجه به رویکرد آن در تشخیص الگو و کشف خروجی به­ عنوان یک روش موثر مورد تاکید است. هدف از انجام تحقیق حاضر بررسی توانایی و مقایسه عملکرد رویه ­های متفاوت خوشه­ بندی از دو الگوریتم مبتنی بر خوشه­ بندی Fuzzy C-Means و k-Medoids در مدل­سازی آتش ­سوزی جنگل با تاکید بر قابلیت­های عملکرد الگوریتم­ های موصوف است. با توجه به­ وجود آتش ­سوزی­ های دوره ای موجود از الگوریتم ­های مذکور  به­ صورت ارتقاء سطح کدنویسی در نرم­افزار متلب در راستای بهبود مطالعات در زمینه پیش ­بینی خطر حریق جنگل استفاده شد. معیارهای ورودی مدل در این مطالعه عبارتند از نقاط ثبت ­شده آتش ­سوزی، فاصله از مناطق کشاورزی، فاصله از جاده، فاصله از رودخانه، فشار هوا، بازتابش خورشید، شیب، جهت شیب، سرعت باد، درصد تراکم تاج پوشش و تیپ جنگل. نتایج به ­دست­ آمده از نقشه پیش ­بینی خطر آتش­ سوزی هر دو الگوریتم، نشان از توانایی بالای آن­ها در پیش­ بینی مدل وقوع  آتش­ سوزی دارد. همچنین بر اساس نتایج جدول ماتریس درهم‌آمیختگی مقایسه دو الگوریتم، الگوریتم FCM عملکرد بهتری نسبت به الگوریتم  k-medoids در پیش­بینی مکان­های دارای پتانسیل خطر آتش ­سوزی از خود نشان داد. لذا استفاده از الگوریتم FCM به ­عنوان یکی از روش­های موثر در خوشه ­بندی تفکیکی برای مطالعات آینده پیشنهاد می­ شود.
متن کامل [PDF 1090 kb]   (71 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اکولوژی جنگل
دریافت: 1399/5/26 | پذیرش: 1399/7/7 | انتشار: 1400/3/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به بوم‏شناسی جنگل‏های ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2021 CC BY-NC 4.0 | Ecology of Iranian Forest

Designed & Developed by : Yektaweb