fa ارزیابی احتمال وقوع آتش‌سوزی جنگل با استفاده از مدل دانگ، شبکه عصبی مصنوعی و نزدیک‌ترین همسایه‌ها در حوزه بابلرود، مازندران تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="font-size:11px;"><strong><span style="color:black;">آتش‌سوزی جنگل به &shy;عنوان یک تهدید مهم برای امنیت زندگی بشری، زیرساخت‌ها و محیط&shy; زیست شناخته می‌شود. یکی از مهم‌ترین مراحل در جهت کاهش خطرات آتش‌سوزی جنگل، تعیین مناطق با احتمال وقوع آتش‌سوزی در جنگل است. انتخاب روش‌های مناسب برای مدل‌سازی احتمال وقوع آتش‌سوزی جنگل بسیار مهم می‌باشد. با توجه به اهمیت موضوع در این مطالعه ابتدا با استفاده از مطالعات کتابخانه‌ای و نظرات کارشناسان مهم‌ترین متغیرهای مؤثر بر وقوع آتش‌سوزی در حوزه بابلرود در استان مازندران به &shy;عنوان منطقه مورد مطالعه تعیین شدند و سپس نتایج سه مدل دانگ، شبکه عصبی مصنوعی (</span></strong><strong><span dir="LTR"><span style="color:black;"><span style="font-family:Times New Roman,serif;">ANN</span></span></span></strong><strong><span style="color:black;">) و </span></strong><strong><span dir="LTR"><span style="color:black;"><span style="font-family:Times New Roman,serif;">K</span></span></span></strong><strong><span style="color:black;"> نزدیک‌ترین همسایه‌ها (</span></strong><strong><span dir="LTR"><span style="color:black;"><span style="font-family:Times New Roman,serif;">KNN</span></span></span></strong></span><strong><span style="font-size:11px;"><span style="color:black;">) در تعیین نقشه احتمال وقوع آتش‌سوزی جنگل با هم مقایسه شد. نتایج نشان داد که مهم‌ترین متغیرهای مؤثر بر وقوع آتش‌سوزی متغیرهای دما، بارندگی و فاصله از مناطق مسکونی هستند. همچنین نتایج شبکه عصبی مصنوعی نسبت به دو مدل دیگر قابل اطمینان&shy;تر است. براساس نتایج حاصله حدود 35 درصد از سطح منطقه مورد مطالعه دارای پتانسیل وقوع آتش‌سوزی طبقه خیلی&shy; زیاد و زیاد است.</span></span></strong><gdiv></gdiv><gdiv></gdiv><gdiv></gdiv></div> <div style="text-align: justify;">&nbsp;&nbsp;&nbsp; Forest fire is recognized as a significant threat to the safety of human life, infrastructure and the environment. One of the most important steps in reducing the risk of forest fires is determination of the areas with the high probability of forest fire occurrence. Choosing the appropriate methods for modelling of the forest fires is very important. Due to the importance of the issue in this study, first using library studies and expert advices, the most important variables affecting the occurrence of fire in Babolrood basin-Mazandaran province were determined and then the results of three models of dong, artificial neural network and K nearest neighbors were compared in determining the probability of fire occurrence. The results showed that the most important variables affecting the fire occurrence are temperature, rainfall and distance from residential areas. The results of artificial neural network are more reliable than the other two models. According to the results, about 35% of the study area has very high and high potential for forest fire.<gdiv></gdiv><gdiv></gdiv><gdiv></gdiv></div> حریق, مازندران, ناپارامتری, ANN, KNN ANN, Fire, KNN, Non-parametric, Mazandaran 185 195 http://ifej.sanru.ac.ir/browse.php?a_code=A-10-588-2&slc_lang=fa&sid=1 raheleh eslami راحله اسلامی o2020k98@gmail.com 10031947532846005780 10031947532846005780 No Department of Natural Resources Engineering گروه مهندسی منابع طبیعی، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران mohammadreza azarnoosh محمدرضا آذرنوش mohammadreza.azarnoosh200@gmail.com 10031947532846005781 10031947532846005781 Yes Department of Natural Resources Engineering گروه مهندسی منابع طبیعی، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران ali kialashaki علی کیالاشکی ali_kialashaki@iauns.ac.ir 10031947532846005782 10031947532846005782 No Department of Natural Resources Engineering گروه مهندسی منابع طبیعی، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران farid kazemnejad فرید کاظم نژاد farid.avijdan52@gmail.com 10031947532846005783 10031947532846005783 No Department of Natural Resources Engineering گروه مهندسی منابع طبیعی، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران