fa مدلسازی گسترش آتش‌سوزی جنگل بر مبنای اتوماتای سلولی با به‌کارگیری زنجیره مارکوف و تخصیص چند هدفه زمین با فیلتر همسایگی سیستمهای اطلاعات مکانی (عمومی) GIS پژوهشي Research <span style="font-family:b nazanin;">امروزه نیاز به شناسایی فاکتورهای موثر بر آتش</span>‌<span style="font-family:b nazanin;">سوزی جنگل، مدلسازی روند توسعه آتش و تبیین اقداماتی برای اطفاء آن، جهت</span>&nbsp;<span style="font-family:b nazanin;">کاهش خسارات و هزینه</span>&not;<span style="font-family:b nazanin;">های سنگین ناشی از آتش</span>&not;<span style="font-family:b nazanin;">سوزی جنگل، احساس می</span>&not;<span style="font-family:b nazanin;">شود. در این تحقیق سعی نمودیم تا ابتدا با استفاده از روش رگرسیون وزن</span>&not;<span style="font-family:b nazanin;">دار جغرافیایی در ترکیب با الگوریتم ژنتیک، به شناسایی فاکتورهای موثر بر گسترش آتش در منطقه</span>&nbsp;<span style="font-family:b nazanin;">مورد مطالعه از میان فاکتورهای بیوفیزیکی و انسانی بپردازیم. در ادامه با استفاده از الگوریتم اتوماتای سلولی و روش زنجیره مارکوف به همراه تخصیص چند هدفه زمین با فیلترهای همسایگی مختلف برای کالیبره نمودن قوانین انتقال اتوماتای سلولی، به مدلسازی گسترش آتش</span>‌<span style="font-family:b nazanin;">سوزی جنگل در این منطقه پرداختیم. برای مقایسه با نتایج روش فوق-الذکر، از ترکیب الگوریتم اتوماتای سلولی با روش رگرسیون لجستیک نیز استفاده</span>&nbsp;<span style="font-family:b nazanin;">کردیم. نتایج این تحقیق نشان داد که برای آتش</span>‌<span style="font-family:b nazanin;">سوزی منطقه مورد مطالعه در تاریخ 26آبان</span>&nbsp;<span style="font-family:b nazanin;">1389، الگوریتم اتوماتای سلولی با به‌کارگیری زنجیره مارکوف به همراه تخصیص چند هدفه زمین با فیلتر همسایگی 3&times;3 و توان تفکیک مکانی 30 متر، دارای دقت بهتری نسبت به سایر فیلترهای همسایگی و توان</span>‌<span style="font-family:b nazanin;">های تفکیک مکانی است. شاخص کاپا، دقت کلی و شاخص عامل نسبی در این حالت به‌ترتیب برابر با 8/88 درصد، 1_/95 درصد و 0_/89 درصد به دست آمدند. مقایسه بین دو روش پیشنهادی تحقیق نیز نشان داد که نتایج</span>&nbsp;<span style="font-family:b nazanin;">الگوریتم</span>&nbsp;<span style="font-family:b nazanin;">اتوماتای سلولی با به‌کارگیری زنجیره مارکوف به همراه تخصیص چند هدفه زمین، دارای دقت و صحت بالاتری نسبت به نتایج الگوریتم اتوماتای سلولی با به‌کارگیری رگرسیون لجستیک در منطقه مورد مطالعه می</span>‌<span style="font-family:b nazanin;">باشد.</span> &nbsp;<br> Nowadays, to reduce the damages and high costs of forest fire, there is a need for identifying the factors affecting forest fire, modeling the spread of the fire, as well as specifying the actions to extinguish forest fire. In this research, we tried to identify the biophylsical and human factors affecting spread of the fire in a study area using the geographically weighted regression (GWR) integrated with a genetic algorithm. Subsequently, spread of the forest fire was modeled using the cellular automata (CA), markov chain, and multi-objective land allocation (MOLA) with various neighborhood filters for calibration of transition rules of the CA. Moreover, a combination of the CA and logistic regression was used&nbsp; to compare with the results of the method mentioned above. Results showed that for the fire that happened&nbsp; on the study area on November 17, 2010, the proposed CA algorithm using Markov chain and MOLA with a 3&times;3 neighborhood filter and 30 m pixel size is more precise than those of the other neighborhood filters and pixel sizes. In this case, the kappa index, the overall accuracy, and the relative operating characteristic (ROC) were equalled to 88.8 %, 95.1 %, and 89.0 %, respectively. Also, comparison of two proposed methods of this research indicated that the CA algorithm using the Markov chain and MOLA reached more precise and accurate results than those achieved by the CA algorithm using the logistic regression. گسترش آتش‌سوزی جنگل, رگرسیون وزن‌دار جغرافیایی, اتوماتای سلولی, زنجیره مارکوف, MOLA, رگرسیون لجستیک Spreading of Forest Fire, Geographically Weighted Regression, Cellular Automata, Markov Chain, MOLA, Logistic Regression 99 122 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-495-2&slc_lang=fa&sid=1 Parham Pahlavani پرهام پهلوانی pahlavani@ut.ac.ir 10031947532846004958 10031947532846004958 Yes University of Tehran دانشگاه تهران Hamid Reza Sahraiian حمیدرضا صحرائیان 10031947532846004959 10031947532846004959 No University of Tehran دانشگاه تهران Amin Raei امین راعی 10031947532846004960 10031947532846004960 No University of Tehran دانشگاه تهران