Ecology of Iranian Forests

fa مقایسه عملکرد الگوریتم های Fuzzy C-means و K-medoids در مدل سازی وقوع آتش سوزی جنگل (مطالعه موردی: جنگل های سراوان، گیلان) Comparison of the Performance of Fuzzy C-Means and K-Medoids in Modeling Forest Fire Occurrence (Case Study: Saravan Forests, Gilan) اکولوژی جنگل اکولوژی جنگل پژوهشي Research <div style="text-align: justify;">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. </div> <div style="text-align: justify;">Hyrcanian (Caspian) area is one of the most important vegetation areas in Iran, which due to its antiquity, has a high ecosystem value. On the other hand, this ecosystem is involved in multiple fires every year and loses a significant level of vegetation, so the use of scientific methods to predict places with potential fire risk is very important. This can be used for the conservation management of Hyrcanian forests. Many real-world systems are used in terms of pattern recognition, so proper use of machine learning methods is essential in practical applications. However, the use of clustering-based methods is emphasized as an effective method due to its approach in pattern recognition and output discovery. The purpose of this study was to evaluate the ability and compare the performance of Fuzzy C-Means and k-Medoids clustering in modeling forest fire occurrence with emphasis on the performance capabilities of the algorithm. Due to the existence of periodic fires, the mentioned algorithms were used to improve the level of coding in MATLAB software in order to improve studies in the field of forest fire risk prediction. Model input criteria in this study are recorded fire points, distance to agricultural areas, distance to the road, distance to the river, air pressure, solar radiation, slope, aspect, wind speed, forest type and percentage of canopy density. The results obtained from the fire hazard prediction map of both algorithms show their high ability to predict the fire occurrence model. Also, based on the results of the confusion matrix table of the comparison of the two algorithms, the FCM algorithm showed better performance than the k-medoids algorithm in predicting places with potential fire risk. Therefore, the use of FCM algorithm is suggested as one of the effective methods in differential clustering for future studies.</div> الگوریتم خوشه بندی, جنگل سراوان, مدل سازی وقوع آتش سوزی Clustering Algorithm, Fire Occurrence Modeling, Saravan Forest 163 174 http://ifej.sanru.ac.ir/browse.php?a_code=A-10-275-2&slc_lang=fa&sid=1 shaghayegh zolghadry شقایق ذوالقدری Shaghayegh.zolghadry@gmail.com 10031947532846005772 10031947532846005772 Yes Department of Forestry, Faculty of Natural Resources, Guilan University, Iran گروه جنگل داری، دانشکده منابع طبیعی، دانشگاه گیلان Mehrdad Ghodskhah daryaei مهرداد قدس خواه دریایی mdaryaei9@gmail.com 10031947532846005773 10031947532846005773 No Department of Forestry, Faculty of Natural Resources, Guilan University, Iran گروه جنگل داری، دانشکده منابع طبیعی، دانشگاه گیلان Kamran Nasirahmadi کامران نصیر احمدی nasirahmadi.k@gmail.com 10031947532846005774 10031947532846005774 No Faculty of Fisheries and Environment, Gorgan University of Agricultural Sciences and Natural Resources دانشگاه گرگان Esmaei Ghajar اسماعیل قجر i.ghajar@guilan.ac.ir 10031947532846005775 10031947532846005775 No Department of Forestry, Faculty of Natural Resources, Guilan University, Iran گروه جنگل‌داری، دانشکده منابع طبیعی، دانشگاه گیلان