پهنه‌بندی ریسک حریق در مناطق شهری با استفاده از روش رگرسیون لجستیک (مطالعه موردی: شهر کاشان)

محورهای موضوعی : زیرساخت اطلاعات مکانی و طبقه بندی

محمد امین وکیل الرعایا ¹ (دانشجوی دکترای محیط زیست – آمایش محیط زیست، دانشکده علوم و فنون دریایی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران)
سعید ملماسی ² (استادیار گروه علوم محیط زیست، دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران)
مژگان زعیم دار ³ (استادیار گروه علوم محیط زیست، دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران)
مهناز میرزا ابراهیم‌طهرانی ⁴ (استادیار گروه علوم محیط زیست، دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران)

تاریخ دریافت : 1400/04/26 تاریخ پذیرش : 1400/07/12 تاریخ انتشار : 1401/08/01

کلید واژه: پهنه‌بندی ریسک آتش‌سوزی, رگرسیون ‌لجستیک, تحلیل ارتباط فضایی, اعتبارسنجی, فازی,

چکیده مقاله :

پیشینه و هدف مدیریت خطر آتش‌سوزی یک مسئله جهانی است، جایی که سیاست‌های ایمنی شهری باید این موضوع را جدی بگیرند. یکی از زمینه های پژوهش برای کنترل آتش سوزی های شهری، شناسایی نقاط بحرانی آتش سوزی در منطقه است؛ زیرا عدم شناخت کافی این نقاط باعث وقوع و گسترش آتش در مناطق و کاربری‌های مختلف، تأخیر در مهار آن و وارد آمدن خسارات مالی و صدمه جانی و همچنین آلودگی‌های محیطی را در پی خواهد داشت. پهنه‌بندی ریسک حریق باهدف به‌کارگیری در برنامه‌ریزی و مدیریت در کنترل و حرائق شهری تاکنون در منطقه مطالعاتی این تحقیق موردتوجه نبوده و در قالب طرح تحقیقاتی و مطالعاتی، پژوهشی در این زمینه صورت نگرفته است. هدف از مطالعه حاضر تعیین و شناسایی معیارهای شاخص جهت پهنه‌بندی ریسک آتش‌سوزی در منطقه موردمطالعه، ایجاد نقشه خطر آتش‌سوزی بر اساس روش رگرسیون لجستیک و تطابق با نقشۀ واقعیت آتش و همچنین ارائه برنامه‌های مدیریتی و مدیریت بحران آتش‌سوزی در شهر کاشان است.مواد و روش ها مراحل وتکنیک‌های مورداستفاده در این تحقیق در شش گام انجام گردید. اولین گام شناسایی معیارها و شاخص‌های تأثیرگذار است. با استفاده از مطالعات کتابخانه‌ای، اطلاعات به‌دست‌آمده از مقالات معتبر و همچنین از طریق روش دلفی به‌منظور گردآوری نظر کارشناسان از مقیاس لیکرت استفاده شد. در گام دوم غربال‌گری معیارها متناسب باهدف انجام گرفت که معیارهای تأثیرگذار در این تحقیق عبارت‌اند از عوامل آسیب‌پذیر شامل (تراکم جمعیت، واحدهای صنعتی، تجاری- انبار، ساختمان مرتفع، بافت قدیمی و جایگاه سوخت) و همچنین ظرفیت عوامل کاهش شامل (ایستگاه آتش‌نشانی، جاده‌ها و شیرهای هیدرانت) است. در گام سوم آماده‌سازی داده‌ها و لایه‌ها جهت تحلیل در سیستم اطلاعات جغرافیایی صورت گرفت. در مرحله بعد به استانداردسازی لایه‌ها با استفاده از منطق فازی پرداخته شد.در ابتدا تابع فاصله (Distance) بر روی معیارها در محیط ادریسی سلوا اجرا گردید تا فاصله از هر پدیده مشخص شود. در ادامه به روش فازی همه معیارهای تعیین‌شده در بازه صفرتا 255 استاندارد شدند. نوع تابع استفاده‌شده در رویکرد منطق فازی از نوع خطی (Linear) بوده که انتخاب نوع تابع و آستانه‌ها بر اساس مرور منابع و نظر کارشناسی انجام شد. به‌منظور تحلیل ارتباط فضایی بین حوادث آتش سوزی رخ‌داده در سطح شهر و نقش فاکتورهای مؤثر در وقوع آن تمامی نقاط آتش سوزی 10 سال گذشته در سطح شهر از سال 1389 تا سال 1399 استخراج و به نقشه رستری تبدیل شد. در گام پنجم نقشه خطر آتش‌سوزی با استفاده از رگرسیون لجستیک تهیه شد که پس از مشخص شدن اعتبار مدل رگرسیون لجستیک با استفاده از شاخص‌های تعیین‌شده، نقشه پهنه‌بندی ریسک حریق شهر کاشان ترسیم گردید. در گام آخر به‌منظور اعتبار سنجی مدل رگرسیون لجستیک از Chi Square, ROC و Pseudo R Square استفاده شد.نتایج و بحث مزایای استفاده از مدل رگرسیون لجستیک علاوه بر مدل‌سازی مشاهده‌ها، امکان پیش‌بینی احتمال تعلق هر فرد به هریک از سطوح متغیر وابسته و امکان محاسبه‌ی مستقیم نسبت به شانس متغیرها با استفاده از حداکثر درستنمایی بیشینه ضرایب مدل است. همچنین نسبت به سایر تکنیک‌های آماری، چند متغیره مانند آنالیز رگرسیون چندگانه و آنالیز تشخیصی، متغیر وابسته می‌تواند تنها دو متغیر داشته باشد که یکی احتمال وقوع حادثه و دیگری عدم وقوع آن است. به‌منظور تحلیل ارتباط فضایی بین حوادث آتش سوزی رخ‌داده در سطح شهر و نقش فاکتورهای مؤثر در وقوع آن تمامی نقاط آتش سوزی 10 سال گذشته در سطح شهر از سال 1389 تا سال 1399 استخراج و به نقشه رستری تبدیل شد. خروجی مدل رگرسیون لجستیک، ضریب‌هایی بین صفر و یک دارد که به احتمالات بالاتر از 0.5 ارزش یک (وقوع آتش‌سوزی) و به احتمالات پایین‌تر از 0.5 ارزش صفر (عدم وقوع آتش‌سوزی) می‌دهد و بدین ترتیب نقشه بولین ریسک تولید می‌گردد. این احتمال پیش‌بینی‌شده در دامنه ۰ تا 1 سبب می‌شود تغییر لگاریتمی پیوسته باشد و خروجی مدل به‌صورت یک نقشه پیش‌بینی مکانی احتمال تخریب ارائه شود. سپس در معادله رگرسیون لجستیک این لایه به‌عنوان متغیر وابسته و پارامترهای مؤثر در پهنه‌بندی حریق به‌عنوان متغیر مستقل معرفی گردید پس از ورود داده‌ها به مدل آماری رگرسیون لجستیک، با استفاده از پارامتر‌های مؤثر در نرم‌افزار IDRISI ، ضرایب مدل، استخراج گردید. پس از مشخص شدن اعتبار مدل رگرسیون لجستیک با استفاده از شاخص‌های تعیین‌شده، نقشه پهنه‌بندی ریسک حریق شهر کاشان ترسیم گردید. درنهایت منطقه موردمطالعه ازنظر پتانسیل ریسک حریق به 5 کلاس بسیار کم، ریسک کم، متوسط، بسیار زیاد، ریسک زیاد تقسیم گردید. مساحت هر یک از 5 کلاس به‌دست‌آمده به هکتار و درصد به ترتیب 8747.47، 4669.03، 132115، 1116.33، 788.96 هکتار و 90.94، 4.85، 2.19، 1.16، و 0.82 درصد به دست آمد.نتیجه گیری مقدار 0.95 به‌دست‌آمده از راک ROC نشان‌دهنده همبستگی بسیار بالای بین متغیر مستقل و وابسته است. مقدار شاخص چی دو برابر با 110836.07 است؛ با توجه به اینکه مقدار آن بسیار بیشتر از مقدار آستانه تعیین‌شده است درنتیجه فرض صفر تمام ضرایب نیز رد می‌گردد. مقدار آزمودن PR2 در این پژوهش 0.47 می باشد، بنابراین مدل رگرسیون لجستیک برازش قابل قبولی را داشته است.

چکیده انگلیسی:

Background and Objective Fire risk management is a global issue, and urban safety policies must take it seriously. One of the fields of research for controlling urban fires is to identify critical fire points in the region; Insufficient knowledge of these points will cause the occurrence and spread of fire in various areas and uses, delays in controlling it, and causing financial losses and personal injury as well as environmental pollution. Fire risk zoning with the aim of being used in planning and management in urban fire control has not been considered in the study area of this research and no research has been done in this field in the form of research and study plan. The purpose of this study is to determine and identify the criteria for fire risk zoning in the study area, to create a fire risk map based on the logistic regression method and compliance with the fire reality map, and also to present fire management programs and fire crisis management in Kashan.Materials and Methods The steps and techniques used in this study were performed in six steps. The first step is to identify the effective criteria and indicators. Using library studies, information obtained from authoritative articles, and also through the Delphi method in order to collect the opinions of experts, the Likert scale was used. In the second step, the screening of criteria was done in accordance with the purpose. The effective criteria in this study are vulnerable factors including (population density, industrial units, commercial-warehouse, high-rise buildings, old tissue, and fuel station) as well as the capacity of reducing factors. (Fire station, roads, and hydrant valves). In the next step, the layers were standardized using fuzzy logic. At first, the distance function was performed on the criteria in SELVA IDRISI to determine the distance from each phenomenon. Then, by the fuzzy method, all the criteria determined in the range of zero to 255 were standardized. The type of function used in the fuzzy logic approach is linear, and the selection of the function type and thresholds was based on a review of sources and expert opinion. In order to analyze the spatial relationship between fire incidents that occurred in the city and the role of effective factors in its occurrence, all fire points of the last 10 years in the city from 2010 to 2020 were extracted and turned into a raster map. In the fifth step, a Fire hazard map was prepared using logistic regression. After determining the validity of the logistic regression model using the specified indicators, the fire risk zoning map of Kashan was drawn. In the last step, Chi-Square, ROC, and Pseudo R Square were used to validate the logistic regression model.Results and Discussion Advantages of using the logistic regression model In addition to modeling observations, it is possible to predict the probability of each person belonging to each of the levels of dependent variables and the possibility of directly calculating the odds of variables using the maximum likelihood of maximum model coefficients. Also, compared to other statistical techniques, multivariate such as multiple regression analysis and diagnostic analysis, the dependent variable can have only two variables, one is the probability of an accident and the other is its non-occurrence. In order to analyze the spatial relationship between fire incidents that occurred in the city and the role of effective factors in its occurrence, all fire points of the last 10 years in the city from 2010 to 2020 were extracted and turned into a raster map. The output of the logistic regression model has coefficients between 0 and 1, with a probability higher than 0.5 of a value of one (occurrence of fire) and a probability of less than 0.5 of a value of zero (no occurrence of fire) and thus a boolean map of risk is generated. This logarithmic change causes the predicted probability to be continuous in the range of 0 to 1, and the output of the model to be presented as a spatial prediction map of the probability of destruction. Then, in the logistic regression equation, this layer was introduced as a dependent variable and the effective parameters in fire zoning were introduced as an independent variable. After entering the data into the logistic regression statistical model, model coefficients were extracted using effective parameters in IDRISI software. After determining the validity of the logistic regression model using the specified indicators, a fire risk zoning map of Kashan was drawn. Finally, in terms of fire risk potential, the study area was divided into 5 classes: very low, low risk, medium, very high, and high risk. The area of each of the 5 classes was obtained in hectares and the percentages were 87475.47, 4669.03, 132115, 1116.33, 788.96 hectares, and 90.94, 4.85, 2.19, 1.16, 0.82 percent, respectively.Conclusion The value of 0.95 obtained from ROC indicates a very high correlation between the independent and dependent variables. The value of the qi index is twice equal to 110836.07; Since its value is much higher than the threshold value, then the null hypothesis of all coefficients is also rejected. The value of the PR2 test in this study was 0.47, so the logistic regression model had an acceptable fit.

منابع و مأخذ:

Ahmai ardakani, M. et al (2014). Zoning of forest fire potential areas using multi-criteria decision making methods. Journal of Geography and Environmental Planning. 60 (4): p. 49-66. (in Persian).

Anton, Howard (1994), Elementary Linear Algebra (7th ed.), John Wiley & Sons, pp. 170–171 , ISBN 978-0-471-58742-2

Abedi Gheshlaghi, H., et al (2020). "GIS-based forest fire risk mapping using the analytical network process and fuzzy logic." Journal of Environmental Planning and Management 63(3): 481-499.

Borna, F., et al  (2016). "Habitat potential modeling of Astragalus gossypinus using ecological niche factor analysis and logistic regression (Case study: summer rangelands of Baladeh, Nour)". Journal of RS and GIS for Natural Resources, 7 (4): 45-61 (in Persian).

Chuvieco, E. and R.G. Congalton (1989). Application of remote sensing and geographic information systems to forest fire hazard mapping. Remote sensing of Environment. 29(2): p. 147-159.

Chuvieco, E. and J. Salas (1996).Mapping the spatial distribution of forest fire danger using GIS. International Journal of Geographical Information Science. 10(3): p. 333-345.

Chuvieco, E. et al (2010). Development of a framework for fire risk assessment using remote sensing and geographic information system technologies. Ecological Modelling. 221(1): p. 46-58.

Diefenbach, M.A. N.D. Weinstein, and J. O'reilly (1993). Scales for assessing perceptions of health hazard susceptibility. Health education research. 8(2): p. 181-192.

Del Hoyo, L. V., et al (2011). "Logistic regression models for human-caused wildfire risk estimation: analysing the effect of the spatial accuracy in fire occurrence data." European Journal of Forest Research 130(6): 983-996.

Eastman, J. Ronald (2003).IDRISI Kilimanjaro: guide to GIS and image processing, Worcester, MA: Clark Labs, Clark University, pp. 328

Erfani, M., and Ehsanzade, N (2016). " Recreation suitability zoning in part of the Oman sea coast". Journal of RS and GIS for Natural Resources, 12 (1): 107-123 (in Persian).

Habibi, A. A. Sarafrazi, and S. Izadyar (2014). Delphi technique theoretical framework in qualitative research. The International Journal of Engineering and Science. 3(4): p.8-13.

Hosmer DH, Lemeshow S (1989). Applied logistic regression. Wiley series in probability and mathematical statistics. Wiley, New York, 307 p

Jobson, J.D (2012). Applied multivariate data analysis: volume II: Categorical and Multivariate Methods: Springer Science & Business Media.

Juliá, P. B., et al (2021). "Post-earthquake fire risk assessment of historic urban areas: A scenario-based analysis applied to the Historic City Centre of Leiria, Portugal." International Journal of Disaster Risk Reduction 60: 102287.       

Jennings, C.R (2013). Social and economic characteristics as determinants of residential fire risk in urban neighborhoods: A review of the literature. Fire Saf. J. 62, 13–19. [CrossRef]

Kosravi, Y. Jabbari, M (2011). Basics of Geographic Information Systems (GIS) and ARC GIS10 tutorial. Azar Kelk Publications: p. 100-150. (in Persian).

Li, S.Y. Tao, G. and Zhang, L.J (2018), "Fire Risk Assessment of High-rise Buildings Based on Gray-FAHP Mathematical Model", Procedia Engineering, Vol 211 No, pp. 395-402.

Lee, S. and B. Pradhan (2006). Probabilistic landslide hazards and risk mapping on Penang Island, Malaysia. Journal of Earth System Science. 115(6): p. 661-672.

Lewis, J.R (1993). Multipoint scales: Mean and median differences and observed significance levels. International Journal of Human Computer Interaction. 5(4): p. 383-392.

Langlois, André (1987). "Clark, WAV et Hosking, PL (1986) Statistical Methods for Geographers. New York, John Wiley and Sons. Cahiers de géographie du Québec 31.82: 91-92.

Martı´nez J, Martı´nez J, Martı´n P (2004). El factor humano en los incendios forestales: Ana´lisis de factores socio-econo´micos relacionados con la incidencia de incendios forestales en Espan˜a. In: Chuvieco E, Martı´n P (eds) Nuevas tecnologı´as para la estimacio´n del riesgo de incendios forestales. CSIC, Instituto de Economı´a y Geografı´a, Madrid, pp 101–142

Martı´nez J, Vega-Garcı´a C, Chuvieco E (2009). Human-caused wildfire risk rating for prevention planning in Spain. J Environ Manag 90:1241–1252

Motavalli, S. Esmaili, R. Hosseinzadeh, M.M (2009), The Signification of Sensitive Regions in the Vaz Catchment by Logistic Regression, Journal of Physiography, Volume 2, Number 5, Autumn, PP. 73-83.

Mrówczyńska, M., et al (2021). "Scenarios as a tool supporting decisions in urban energy policy: The analysis using fuzzy logic, multi-criteria analysis and GIS tools." Renewable and Sustainable Energy Reviews 137: 110598

Papari fard, S. and S Kiani, (2018), Investigation of the vulnerability of the old texture of Bushehr (traditional market area) against fire, civil engineering, Architecture and modern and city administration, Tehran. https://civilica.com/doc/821578 (in Persian)

Sowmya, S. and R. Somashekar (2010). Application of remote sensing and geographical information system in mapping forest fire risk zone at Bhadra wildlife sanctuary, India. Journal of Environmental Biology. 31(6): p. 969.

Schneider, L.C. and R.G. Pontius Jr (2001). Modeling land-use change in the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems & Environment. 85(1-3): p. 83-94.

Taridala, S. et al (2017). Expert System Development for Urban Fire Hazard Assessment. Study Case: Kendari City, Indonesia. in IOP Conference Series: Earth and Environmental Science. IOP Publishing.

Vakilalroaya, M. and Zaeimdar, M (2107). The study of fire risk assessment models in urban areas, the third national conference on fire and urban safety. Third National Conference on Fire and Urban Safety, Tehran Municipality Fire and Safety Services. (in Persian).

World Health Organization (2011).  Burn Prevention, Success Stories Lessons Learned; World Health Organization: Geneva, Switzerland.

Wei, Y.Y. Zhang, J.Y. and Wang, J (2018). "Research on Building Fire Risk Fast Assessment Method Based on Fuzzy comprehensive evaluation and SVM", Procedia Engineering, Vol 211 No, pp. 1141-1150.

Wang, K., et al (2021). "A POIs based method for determining spatial distribution of urban fire risk." Process Safety and Environmental Protection.

Xin, J. and C. Huang (2013). Fire risk analysis of residential buildings based on scenario clusters and its application in fire risk management. Fire Safety Journal. 62: p. 72-78.

Xu, D. et al (2006). Mapping forest fire risk zones with spatial data and principal component analysis. Science in China Series E: Technological Sciences. 49(1): p. 140-149.

Yagoub, M. and A.M. Jalil (2014). Urban Fire Risk Assessment Using GIS: Case Study on Sharjah, UAE. International Geoinformatics Research and Development Journal, 5 (3): p. 1-8.

Yamagishi, H. and L. Ayalew (2005). "The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan." Geomorphology 65(1-2): 15-31.

Zhang, Y (2013). Analysis on comprehensive risk assessment for urban fire: The case of Haikou City. Procedia Engineering. 52: p. 618-623.

متن کامل:



 

عنوان مقاله: پهنه‌بندی ریسک حریق در مناطق شهری با استفاده از روش رگرسيون لجستيک (مطالعه موردی: شهر کاشان)

 

 

چکیده

با توجه به وقوع آتش­سوزي­هاي مكرر در مناطق شهری به‌ویژه در شهر کاشان، انجام پژوهش­هاي جديد برای کنترل و مهار آن‌ها بسیار ضروری است تا حتي­الامكان از بروز و گسترش آن­ها جلوگيري شده و با ارائه­ی راهكارهاي مديريتي صحيح، زمينه­هاي كنترل و مهار آن‌ها فراهم گردد. بدین منظور در تحقیق حاضر از مدل رگرسیون لجستیک به‌منظور تحلیل ارتباط فضایی بین حوادث آتش­سوزی رخ‌داده در سطح شهر کاشان و نقش فاکتورهای مؤثر در وقوع آن استفاده‌شده است. در این راستا تمامی نقاط آتش­سوزی 10 سال گذشته استخراج و به نقشه رستری تبدیل شد. سپس در معادله رگرسیون لجستیک این لایه به‌عنوان متغیر وابسته و پارامترهای مؤثر در پهنه‌بندی حریق که به روش دلفی شناسایی و به روش فازی کمی و نرمال شد به‌عنوان متغیر مستقل معرفی گردید. به‌منظور اعتبارسنجی مدل رگرسیون لجستیک از ROC, Pseudo R Square و Chi Square استفاده شد. پس از مشخص شدن اعتبار مدل رگرسیون لجستیک با استفاده از شاخص‌های فوق، نقشه پهنه‌بندی ریسک حریق شهر کاشان ترسیم شد که در آن پتانسیل ریسک حریق به 5 کلاس بسیار بالا، بالا، متوسط، پایین و بسیار پایین تقسیم گردید. بر اساس نتایج حاصل از پهنه‌بندی ریسک حریق شهر کاشان، از مجموع مساحت منطقه موردمطالعه 1116.33 هکتار معادل 1.161 درصد دارای ریسک زیاد و 788.96 هکتار معادل 0.820 درصد دارای ریسک بسیار زیاد است.

 

واژه‌های کلیدی: پهنه‌بندی ریسک آتش‌سوزی، فازی، رگرسیون ‌لجستیک، تحلیل ارتباط فضایی، اعتبارسنجی

 

 

 

 

 

 

 

 

 

 

 

 

مقدمه

سازمان بهداشت جهانی (31) آتش‌سوزی را پس از تصادفات جاده‌ای، سقوط و غرق شدن، چهارمین علت آسیب‌دیدگی تصادفی در سطح جهان معرفی کرده است. جنینگز (16)، لی و همکاران (۱8) مدیریت خطر آتش‌سوزی را یک مسئله جهانی دانسته‌اند، که بایستی سیاست‌های ایمنی شهری این موضوع را جدی بگیرند. مطابق با نظر ونگ و همکاران (33) يكي از زمينه­هاي پژوهش براي كنترل آتش­سوزي­های شهری، شناسايي نقاط بحراني آتش­سوزي در منطقه است؛ زيرا عدم شناخت كافي اين نقاط باعث وقوع و گسترش آتش در مناطق و کاربری‌های مختلف، تأخیر در مهار آن و وارد آمدن خسارات مالی و صدمه جانی و همچنین آلودگی‌های محیطی را در پی خواهد داشت. خو و همکاران (35) تهیه نقشه پتانسیل خطر آتش­سوزی (مناطق بحراني آتش­سوزي) را در كاهش تعداد دفعات آتش­سوزي و جلوگيري از وقوع آتش‌سوزی‌های مشابه در یک منطقه شهری ضروری دانسته‌اند. با توجه به وقوع آتش­سوزي­هاي مكرر در مناطق شهری به‌ویژه در شهر کاشان، انجام پژوهش­هاي جديد برای کنترل و مهار آن‌ها بسیار ضروری است تا حتي­الامكان از بروز و گسترش آن­ها جلوگيري شده و با ارائه­ی راهكارهاي مديريتي صحيح، زمينه­هاي كنترل و مهار آن‌ها فراهم گردد.

ژانگ یونگ (38)، در مقاله خود، یک تجزیه‌وتحلیل جامع در مورد خطر آتش‌سوزی شهری از نظر خطر حوادث ناشی از آتش‌سوزی در مناطق شهری، آسیب‌پذیری شهری و قابلیت ضد حریق شهری بر اساس آنالیز فرآیند سلسله مراتبی تحلیلی (AHP) انجام داد. تاریدال و همکاران (29) نیز الگویی از خطر آتش‌سوزی شهری و ارزیابی محل ایستگاه آتش‌نشانی تهیه‌کرده‌اند. این مدل با استفاده از سیستم‌های خبره از طریق سیستم اطلاعات جغرافیایی (GIS) تهیه‌شده است. پهنه ریسک آتش‌سوزی در منطقه‌ای است که از نظر تراکم ساختمان زیاد با مواد قابل‌احتراق و بدون عبور جاده شریانی درجه‌یک است. یعقوب و احمد محمد جلیل (36) تحقیقی با عنوان ارزیابی خطر آتش‌سوزی شهری انجام دادند، در این مطالعه، محققان برای نقشه‌برداری از 220 حادثه آتش‌سوزی نمونه‌برداری در شهر شارجه امارات، از فناوری اطلاعات جغرافیایی (GIS) استفاده کردند. این حوادث به مدت 10 سال (2002 تا 2012) از روزنامه‌ها استخراج‌شده است. جینگ و همکاران (34) در مقاله خود با عنوان ارائه مدل تحلیل خطر آتش‌سوزی ساختمان‌های مسکونی بر اساس خوشه‌های سناریو و کاربرد آن در مدیریت ریسک‌های آتش‌سوزی ساختمان به بررسی تصمیم‌گیری در مورد سطح خطر آتش‌سوزی پرداختند با این هدف که آیا اقدامات مناسب مدیریت ریسک در این حوزه انجام‌شده است یا خیر؛ بنابراین، تجزیه‌وتحلیل خطر ریسک به‌عنوان پایه‌ای برای مدیریت ریسک‌های آتش‌سوزی عمل می‌کند. امیلیو چویکو و همکاران (7) در پژوهش خود که تحت حمایت وزارت علوم و فناوری اسپانیا انجام شد، روش‌های تولید متغیرهای ورودی و یکپارچگی ریسک آتش در نقشه پروژه برای خطر آتش‌سوزی برای چندین منطقه اسپانیا را بررسی کردند.

مرتضی احمدی اردکانی (1) با استفاده از روش‌های تصمیم‌گیری چند معیاره و تحلیل‌های مکانی موردنیاز، نسبت به پیش‌بینی مناطق با ریسک بالای آتش‌سوزی مطالعه‌ای انجام دادند. در این مقاله برای وزن دهی به معیارها از روش تحلیل سلسله مراتبی (AHP) و برای تلفیق لایه‌ها از دو روش فازی و میانگین وزنی مرتب‌شده (OWA) با کمیت سنج‌های مفهومی فازی، استفاده‌ شد. وکیل‌الرعایا و زعیم دار (30) در مقاله‌ای با عنوان بررسی مدل‌های ارزیابی ریسک آتش‌سوزی در حوزه شهری به‌منظور دستیابی به هدف اصلی تحقیق، ابتدا مدل‌های موجود ارزیابی ریسک آتش‌سوزی را شناسایی و با مقایسه این مدل‌ها به بررسی و کاربرد آن‌ها پرداخته است.

طبق پژوهش تاریدالا و جولیا (26 و 15) به‌طورکلی عوامل مختلف مؤثر در وقوع و گسترش آتش­سوزی شامل عوامل طبیعی و مصنوعی بوده که دارای درجه اهمیت متفاوت هست‌اند. برخی از این عوامل صرفاً در وقوع آتش­سوزی و برخی دیگر علاوه بر وقوع، در گسترش آتش­سوزی حوزه خدمات شهری نیز تأثیر دارند. تراکم جمعیت از مهم‌ترین عوامل مصنوعی مؤثر در آتش‌سوزی‌های شهری محسوب می­شود که ازنظر نوع تعداد جمعیت، تراکم ساختمان، بافت قدیم، به‌کارگیری اصول ایمنی در ساخت‌وساز در وقوع و گسترش آتش تأثیر دارد. سومیا و سوماسکار (27) عوامل مصنوعی (انسانی) مؤثر در وقوع آتش­سوزی را شامل فاصله تا جاده، فاصله تا مناطق صنعتی، مراکز پرخطر و مرتفع، مراکز تجاری و انبارها و سکونتگاه­ها بیان کرده‌اند.

هوزمر و مارتینز (13، 22 و 23) در مطالعه خود نشان داده است که تجزیه‌وتحلیل رگرسیون لجستیک اغلب برای پیش‌بینی و همچنین برای تعیین علت آتش‌سوزی ناشی از فعالیت‌های انسانی مورداستفاده قرار می‌گیرد. این روش یکی از محبوب‌ترین رویکردهای مدل‌سازی ریاضی است که می‌تواند برای توصیف رابطه چندین متغیر با یک متغیر وابسته استفاده شود. همچنین پژوهش چویکو و کنگالتون (5 و6) به منظور بررسی تنوع فاكتورهايي كه در شروع و گسترش آتش­سوزي تأثیر دارند، ضرورت استفاده از سيستم اطلاعات جغرافيايي را برای مکان­یابی مناطق بحرانی آتش‌سوزی روشن مي­سازد. مطابق با نظر وی (32) با تعیین پهنه‌هایی از شهر که درصد ریسک حریق بالاتری دارند، می‌توان در این مناطق از رشد جمعیت و ایجاد کاربری‌های پرخطر جلوگیری کرد و در صورت نیاز از ابتدا راهکارهای مدیریتی جهت توسعه و ساخت‌وساز در این مناطق لحاظ کرد. 

پهنه‌بندی ریسک حریق باهدف به‌کارگیری در برنامه‌ریزی و مدیریت در کنترل و حرائق شهری تاکنون در منطقه مطالعاتی این تحقیق موردتوجه نبوده و در قالب طرح تحقیقاتی و مطالعاتی، پژوهشی در این زمینه صورت نگرفته است. هدف از مطالعه حاضر تعیین و شناسایی معیارهای شاخص جهت پهنه‌بندی ریسک آتش‌سوزی در منطقه موردمطالعه، ایجاد نقشه خطر آتش‌سوزی بر اساس روش رگرسیون لجستیک و تطابق با نقشه­ی واقعیت آتش­ و همچنین ارائه برنامه‌های مدیریتی و مدیریت بحران آتش‌سوزی در شهر کاشان است.

مواد و روش‌ها

منطقه موردمطالعه

شهرستان كاشان از توابع استان اصفهان بوده که با وسعت 9647 کیلومترمربع و جمعيت 335878 نفر، ازنظر جمعيت دومين شهرستان استان به‌حساب می‌آید. 240 كيلومتري جنوب تهران، در فاصله 90 کیلومتری جنوب شرقی قم و 220 كيلومتري شمال اصفهان واقع‌شده و در بين طول 51 درجه و 30،52 و عرض‌های جغرافيايي 33 درجه و 34 درجه قرار دارد. شهر كاشان در پهنه اقليمي با زمستانهاي نسبتاً سرد و تابستانهاي خيلي گرم و خشك قرار گرفته و ميزان بارندگي متوسط ساليانه در ناحيه كوهستاني 175 ميليمتر و در دشت 139 ميلي‌متر است. حداقل ارتفاع از سطح دريا 800 متر و حداكثر ارتفاع 3617 متر و شهركاشان در ارتفاع 950 متري قرار دارد. نحوه توزیع پوشش گیاهی در مناطق کاشان بدین شکل است که در مناطق سه، چهار و پنج شهری بیشترین اراضی کشاورزی (زراعت و باغداری) و منطقه یک که بیشترین میزان بافت قدیمی و تاریخی را دارد و همچنین منطقه دو پوشش گیاهی کم تراکم و بعضا دست کاشت را به خود اختصاص داده‌اند. این شهر تشکیل‌شده از 5 منطقه و 16 ناحیه شهرداری که در منطقه دو با تعداد 117 هزار نفر و وسعت 08/15 کیلومترمربع دارای بیشترین جمعیت بین مناطق است؛ و همچنین منطقه یک با وسعت 14/5 کیلومترمربع دارای بیشترین مساحت بافت‌هاي تاریخی، قدیمی و فرسوده شهري است (شکل 1).

 

شکل1. موقعیت جغرافیایی شهر کاشان

Fig 1. Location of the studied city

 

ابزارهای تجزيه و تحليل داده‏ها 

به منظورآماده سازي لایه‌ها و استخراج نقشه‌ها و نمودارها و اجراي روش‌ها و مدل مورد استفاده دراین تحقیق، ازنرم افزارهاي متعددي استفاده شد. این نرم افزارها که برپایه  GISاستوارند، عبارتنداز: نرم‌افزارهاي Idrisi Taiga،ArcGIS15 ،ArcView3.2a  و ERDAS Imagine 2015 و توابع موجود درIdrisi .

همچنین در تحلیل آماری از نرم‌افزارهای 2016 Excel، SPSS 16 و graphpad prism 9 استفاده شد. تنظیم و طبقه‌بندی داده‌ها و نمایش ترسیمی با کمک روش آمار توصیفی انجام گرفت و سپس در بخش استنباطی، داده‌ها با استانداردهای ملی و بین‌المللی مقایسه شده و رابطه آنها با هم بدست آمد.

روش تحقیق:

جهت پهنه‌بندی ریسک آتش‌سوزی در شهر کاشان ابتدا مراحل و تکنیک‌های مورداستفاده در این تحقیق جهت ایجاد درک بهتر و منسجم به‌تفصیل در شش گام به شرح شکل 2 و جدول 1 تشریح شده است که در ادامه به بررسی هریک از این مراحل پرداخته می‌شود.

 

شکل2. فلودیاگرام گام‌های انجام تحقیق

 

Fig 1. Flow diagram Research steps

جدول1. مراحل و تکنیک‌های تحقیق

Table 1. Research steps and techniques

گام اول Step 1	گام دوم Step 2	گام سوم Step 3	گام چهارم Step 4	گام پنجم Step 5	گام ششم Step 6
جمع­آوری و انتخاب داده‌های موردنیاز Collect and select the required data	غربال‌گری معیارها متناسب باهدف Screening criteria according to purpose	GIS ready (آماده سازی داده­ها برای تحلیل­های فضایی) (Preparation of data for spatial analysis)	استانداردسازی لایه­ها با استفاده از منطق فازی Standardization of layers using fuzzy logic	شناسایی مناطق پرخطر Identify high risk areas	ارزیابی صحت Accuracy assessment
مطالعات کتابخانه‌ای Library Studies  مقالات معتبر Authentic articles روش دلفی Delphi method (نقشه جمعیت شهر کاشان مربوط به سال 1395) (Population map of Kashan related to 2016)	تراکم جمعیت population density واحدهای صنعتی industrial units تجاری- انبار Commercial - Warehouse مرتفع – پرخطر  High - high risk بافت قدیمی شهر  old texture of the city جایگاه سوخت  petrol station ایستگاه آتش‌نشانی station fire جاده‌ها  roads شیرهای هیدرانت Hydrant valves	1- زمین مرجع کردن لایه‌‌ها 1- Ground reference of layers 2- تبدیل سیستم مختصات به UTM و زون 39 2- Convert coordinate system to UTM and zone 39 3- تحلیل فاصله 3- Distance analysis 4- طبقه‌بندی 4- Classification	عملگرهای منطق فازی Linear Linear fuzzy logic operators الف (منطق کاهشی A(Decreasing logic ب( منطق افزایشی B) incremental logic	روی هم‌گذاری لایه‌ها Overlay layers رگرسیون لجستیک logistic regression	آزمون ROC آزمون Chi Square آزمون Pseudo R Squar

 

تعيين مجموعه‌ای از معيارهاي ارزيابی

اولین گام جهت پهنه‌بندی ریسک آتش‌سوزی در مناطق شهری، شناسایی معیارها و شاخص‌های تأثیرگذار است. در این تحقیق با استفاده از مطالعات کتابخانه‌ای، اطلاعات به‌دست‌آمده از مقالات معتبر و همچنین از روش دلفی که با تنظیم پرسشنامه و توزیع بین کارشناسان سازمان آتش‌نشانی و تعدادی از اعضای هیئت علمی دانشگاه‌ها (گروه آمایش شهری و برنامه‌ریزی‌ شهری) و ارزیابان محیط زیست شاغل در موسسات خصوصی تهران در سال 1399 با استفاده از مقیاس لیکرت به‌منظور گردآوری نظر کارشناسان استفاده شد. مقیاس لیکرت پنج امتیاز یا هفت نقطه مشترک است مقیاس 7 نقطه‌ای ارتباط مستقیمی با نتایج آزمون t دارد. (8 و 20) برای توسعه مقیاس هفت نقطه‌ای لیکرت، از دو مقیاس زبانی «کاملاً موافق» و «کاملاً مخالف» در هر دو انتهای طیف استفاده می‌شود. هيچ مقياسی به‌طور معني‌داری بهتر از مقياس طبقه‌بندي هفت نقطه‌اي در هر معيار انجام‌نشده است. برای مقیاس‌های هفت مرحله‌ای، معیارهایی با میانگین پایین‌تر از پنج حذف می‌شوند. (12)

جمع‌آوری داده‌ها و استانداردسازی آن‌ها

غربال‌گری معیارها متناسب باهدف انجام گرفت معيارهاي ارزيابي شناسایی‌شده از مرحله قبل را مي‌توان بر دو گروه عوامل آسیب‌پذیر شامل (تراکم جمعیت، واحدهای صنعتی، تجاری- انبار، ساختمان مرتفع – پرخطر، بافت قدیمی شهر و جایگاه سوخت) و همچنین ظرفیت عوامل کاهش شامل (ایستگاه آتش‌نشانی، جاده‌ها و شیرهای هیدرانت) تقسیم‌بندی كرد. به‌این‌ترتیب منبع تهيه لایه‌های نقشه‌اي کاربری‌های تجاری- انبار، بافت قدیمی، نقاط مرتفع- پرخطر و جمعیت از نقشه کاربری اراضی و جمعیت و لایه‌های شهرک صنعتی، جاده‌ها، شیرهای هیدرانت، ایستگاه‌های آتش‌نشانی و جایگاه‌های سوخت نیز از نقشه‌های موضوعی با مقیاس 25000/1 استخراج گردید. نقشه مکانی نقاط حریق طی 10 سال گذشته به‌وسیله GPS و اطلاعات موجود در سازمان آتش‌نشانی کاشان تهیه گردید. براي كليه لايه‌هاي نقشه‌اي اندازه پيكسل 10 * 10 متر در نظر گرفته شد.

آماده‌سازی داده‌ها و لایه‌ها جهت تحلیل در سیستم اطلاعات جغرافیایی صورت گرفت به‌این‌ترتیب عملیات زمین مرجع کردن لایه‌ها تبدیل سیستم مختصات لایه‌ها به utm و زون ۳۹ انجام شد. (17) جهت تحلیل فاصله در محیط GIS از روش فاصله اقلیدسی استفاده‌شده است. فاصله اقلیدسی از رابطه 1 قابل‌محاسبه است.

[1]                                                                                                    

رابطه بالا بیان‌کننده فاصله اقلیدسی دو بردار p و q برابر است با مجموع ریشه دوم اختلاف مختصات بردارها در دستگاه مختصات است. (2) خروجی این محاسبات یک لایه رستری است که فاصله پیکسل‌ها یا نقاط موردنظر بر روی نقشه را نمایش می‌دهد.

در مرحله بعد به استانداردسازی لایه‌ها با استفاده از منطق فازی پرداخته شد.  استفاده از سیستم‌های فازی به گروه‌های متخصص به عنوان تصمیم‌گیرنده اجازه می‌دهد تا نظرات خود را به صورت کیفی بیان کنند این رویکرد بیان عدم قطعیت نظرات به دست آمده را امکان‌پذیر می‌سازد(25) منطق فازی می تواند به عنوان یک پایه ریاضی برای بسیاری از متغیرها و سیستم ها مبهم و نادرست عمل کند. همچنین می تواند زمینه را برای استدلال ، تفسیر ، کنترل و تصمیم گیری در شرایط نامشخص فراهم آورد . (3)

در ابتدا تابع فاصله(Distance) بر روی معیارها در محيط ادريسي سلوا اجرا گردید تا فاصله از هر پديده مشخص شود. در ادامه به روش فازي همه معيارهاي تعیین‌شده در بازه صفرتا 255 استاندارد شدند. نوع تابع استفاده‌شده در رويكرد منطق فازي از نوع خطي(Linear) بوده كه انتخاب نوع تابع و آستانه‌ها بر اساس مرور منابع و نظر كارشناسي طبق جدول 2 انجام شد.(11)

این روش یک تابع خطی بین مقادیر کمینه و بیشینه ارزش­ها و مقادیر، بکار گرفته می­شود (رابطه 2). مقادیری که کمتر از ارزش کمینه باشند فاقد درجه عضویت خواهند بود و مقادیری که بالای ارزش بیشینه باشند درجه عضویت را به‌طور کامل می­گیرند و ارزش 1 دریافت می­کنند.

                                                                                                               [2]

 

جدول2. آستانه معیار، شکل و نوع تابع عضویت

Table 2. Criterion threshold, shape and type of membership function

معیارهای تاثیرگزار Influential criteria	شکل تابع عضویت Membership function form		استاندارسازی Standardization		مقدار عضویت Membership amount
جمعیت Population		خطی- افزایشی Linear- Additive		150> 700 – 150 700 <		0 255 - 0 255
صنعتی و کارگاهی Industrial and workshop		خطی- کاهشی Linear- Additive		40 – 0 1000 – 40 1000<		255 255 - 0 0
تجاری – انبار Commercial - Warehouse		خطی- کاهشی Linear- Additive		25 – 0 300 – 25 300 <		255 255 - 0 0
ساختمان مرتفع High-rise building		خطی- کاهشی Linear- Additive		15 – 0 500 – 15 500 <		255 255 - 0 0
بافت قدیمی old texture		خطی- کاهشی Linear- Additive		20 – 0 600 – 20 600<		255 255 - 0 0
جایگاه سوخت petrol station		خطی- کاهشی Linear- Additive		50 – 0 500 – 50 0=500 <		255 255 - 0 0
فاصله از ایستگاه آتش‌نشانی Distance from fire station		خطی- افزایشی Linear- Additive		2500 – 0 2500 <		0 255
فاصله از راه دسترسی Distance from access		خطی- افزایشی Linear- Additive		25 – 0 150 – 25 150<		0 255- 0 255
فاصله از هیدرانت Distance from hydrant		خطی- افزایشی Linear- Additive		60 – 0 800 – 60 800 <		0 255- 0 255

 

شناسایی نقاط آتش‌‌سوزی‌

به‌منظور تحلیل ارتباط فضایی بین حوادث آتش­سوزی رخ‌داده در سطح شهر و نقش فاکتورهای مؤثر در وقوع آن تمامی نقاط آتش‌سوزی 10 سال گذشته در سطح شهر از سال 1389 تا سال 1399 استخراج و به نقشه رستری تبدیل شد. (در شکل 3 تمامی نقاط آتش­سوزی جدول 3 که به تفکیک نوع کاربری و تعداد در یک سال مشخص گردیده عدد 1 و سایر نقاط وزن صفر دریافت نمودند).

این داده‌ها از "نرم افزار مهار" سازمان آتش‌نشانی شهر کاشان در سال 1399 استخراج گردیده است.

                        

 

 

 

 

 

 

شکل3. نقاط حریق 10 سال گذشته شهر کاشان

Fig 3. Fire spots of the last 10 years in Kashan

 

 

جدول3. تعداد حرائق سالانه در شهر کاشان (در طول مدت 10 سال)

Table 3. Number of annual fires in Kashan (during 10 years)

کاربری	1389	1390	1391	1392	1393	1394	1395	1396	1397	1398
کارخانه Factory	25	58	45	51	34	33	36	31	23	32
مسکونی Residential	86	76	89	112	64	113	109	106	72	177
تجمع Aggregation	11	9	5	5	5	4	3	9	7	19
تجاری Commercial	42	48	50	56	75	51	56	50	56	68
درمانی Therapeutic	1	2	1	1	4	1	2	2	*	1
انبار Store	14	23	9	26	22	10	8	3	12	12

 

 

 

 

 

 

 

 

 

تلفيق معيارها به روش رگرسیون لجستیک

رگرسیون لجستیک یک روش آماری است که متعلق به گروه مدل‌های آماری خطی تعمیم‌یافته است که با استفاده از متغیرهای مستقل احتمال وقوع یک رویداد را پیش‌بینی می‌کند. در رگرسیون لجستیک متغیر وابسته یک متغير دو حالته است بدین‌صورت که صفر به‌منزله عدم وقوع و یک به‌منزله وقوع رویداد است. خروجی مدل ضریب‌هایی بین صفر و یک دارد که به احتمالات بالاتر از 5/0 ارزش یک (وقوع آتش‌سوزی) و به احتمالات پایین‌تر از 5/0 ارزش صفر (عدم وقوع آتش‌سوزی) می‌دهد و بدین ترتیب نقشه بولین ریسک را تولید می‌کند. (رابطه 3) (10 و 4) 

[3]                                                                                                              p () =  

 

 

 

که در آن P احتمال 1 بودن متغیر وابسته، X متغیرهای مستقل و B مقدار ثابت برآورد شده و Y همان متغیر وابسته که در اینجا آتش‌سوزی است. به‌منظور خطی سازی رابطه بالا تغییر لگاریتمی روی آن صورت می‌گیرد و به‌صورت رابطه 4 بیان می‌شود.

 [4]                                                        Loge () = b0 + b1 x1 + b2 x2 + … + B3 x3 + error term

این تغییر لگاریتمی سبب می‌شود احتمال پیش‌بینی‌شده در دامنه ۰ تا 1 پیوسته باشد و خروجی مدل به‌صورت یک نقشه پیش‌بینی مکانی احتمال تخریب ارائه شود. سپس در معادله رگرسیون لجستیک این لایه به‌عنوان متغیر وابسته و پارامترهای مؤثر در پهنه‌بندی حریق به‌عنوان متغیر مستقل معرفی گردید. پس از ورود داده‌ها به مدل آماری رگرسیون لجستیک، با استفاده از پارامتر‌های مؤثر در نرم‌افزار IDRISI ، ضرایب مدل، مطابق با جدول 4 استخراج گردید.(10)

 

جدول4. ضرایب حاصل از رگرسیون لجستیک

Table 4. Coefficients obtained from logistic regression

ضرایب Coefficients	متغیرهای مستقل Independent variables
4.19804390-	عدد ثابت constant number	X0
0.01024877	جمعیت population	X1
0.00154454-	فاصله از ایستگاه آتش‌نشانی Distance from fire station	X2
0.00245561	صنعتی - کارگاهی Industrial and workshop	X3
0.01493538	تجاری – انبار Commercial - Warehouse	X4
0.00260885	بافت قدیمی old texture	X5
0.00191017-	فاصله از راه دسترسی Distance from access	X6
0.00029023-	جایگاه سوخت petrol station	X7
0.00397550	ساختمان مرتفع High-rise building	X8
0.0361687-	فاصله از شیر هیدرانت Distance from hydrant	X9

 

اعتبار سنجی با شاخص‌های Chi Square, ROC و Pseudo R Square

روش ROC درواقع روشی برای ارزیابی صحت یک نقشه پیوسته بر اساس نقشه خروجی از مدل به کار می‌رود. آماره ROC یک عامل نسبی است که برای ارزیابی صحت یک مدل‌سازی موقعیت وقوع از یک کلاس به‌وسیله مقایسه کردن با یک تصویر مناسب و عکس‌های خروجی که نشان می‌دهد دقیقا در کدام مناطق اتفاق افتاده است و درست نمایی آن را در کلاس مشخص می‌کند. در این مطالعه با استفاده از IDRISI انجام شده است . در تجزیه و تحلیلROC ، مساحت زیر منحنی (AUC) نشان دهنده قدرت تشخیص یا درستی نتایج یک آزمون است. مقدار عددی AUC  به وضوح عددی بین صفر تا یک است. اگر این عدد به یک نزدیک باشد، به معنای آن است که داده‌ها عموماً در بالای خط نیم‌ساز قرار گرفته‌اند و میزان نرخ مثبت صحیح بالا است و روش آزمون از قدرت تشخیص یا درستی مناسبی برخوردار است. (9و19) این آماره به شکل نموداری است و در آن نسبت پیکسل‌هایی که توسط مدل به‌درستی تغییر پیش‌بینی‌شده‌اند (True Positive) در برابر مقدار مکمل آن یعنی پیکسل‌هایی که به نادرست تغییر پیش‌بینی‌شده‌اند (False positive)، ترسیم می‌گردد. (28) آماره PseudoR2 برابر 2/0 به‌عنوان برازش خوب در نظر گرفته می‌شود. لانگلوا، کلارک (21) مقدار ROC از 5/0 تا 1 متغیر است؛ در این آزمون 1 بیانگر تطابق کامل و 5/0 نشان‌دهنده تطابق اتفاقی است. (24 و 37)

آزمون Chi Square، برای رگرسیون لجستیک آزمودن معتبر و معمول است که از اختلاف بین -2Ln(L) برای مدل بهترین برازش و -2Ln(L0) برای فرضیه صفر به دست می­آید. چنانچه این آماره در سطح 95 درصد معنی‌دار باشد (Chi Square > 14.1) فرضیه صفر (H0) رد می‌شود.

مقدار PR2 بر اساس رابطه 5 محاسبه می‌گردد.

PR2= 1- Ln(L)/ Ln(L0)                                                                                                                    [5]

آزمودن PR2 نشان می‌دهد که چگونه مدل لجستیک، مجموعه داده‌ها را برازش می‌دهد. چنانچه PR2 مساوی 1 باشد بیانگر برازش کامل و اگر مقدار آن مساوی صفر باشد نشان‌دهنده عدم رابطه متغیرهای مستقل با متغیر وابسته است. همچنین اگر این مقدار بزرگ‌تر از 2/0 باشد نشان‌دهنده برازش نسبتاً خوب مدل است. اعتبارسنجی تمامی نتایج بدست آمده از شاخص‌ها طبق جدول 5 مورد تحلیل قرار گرفت. (37) 

 

جدول 5. مقایسه اعتبارسنجی بدست آمده با استانداردها

Table 5. Comparison of validation obtained with standards

ارزش بدست آمده Value obtained	اعتبارسنجی Validation	استاندارد Standard	آزمون (شاخص) Test (index)
0.9509	تطابق کامل Full matching	ROC = 1	ROC
	تطابق اتفاقی Random matching	ROC = 0.5
0.74	قابل قبول acceptable	AUC > 0.7	AUC
	بدون قدرت تشخیص No discernment	AUC = 0
110836.0713	(H0) رد شدن فرضیه صفر Rejection of Hypothesis Zero (H0)	Chi Square > 14.1	Chi Square)-2Ln(L0))(-2Ln(L))
0.4789	(Perfect fit)  برازش کامل	PR2 =1	Pseudo R Squar)PR2)
	عدم رابطه Lack of relationship	PR2 = 0
	برازش نسبتاً خوب Relatively good fit	PR2 > 0.2

 

نتایج

مزایای استفاده از مدل رگرسیون لجستیک علاوه بر مدل‌سازی مشاهده‌ها، امکان پیش‌بینی احتمال تعلق هر فرد به هریک از سطوح متغیر وابسته و امکان محاسبه‌ی مستقیم نسبت به شانس متغیرها با استفاده از حداکثر درستنمایی بیشینه ضرایب مدل است. (14) همچنین نسبت به سایر تکنیک‌هایی آماری، چند متغیره مانند آنالیز رگرسیون چندگانه و آنالیز تشخیصی، متغیر وابسته با بکارگیری احتمال وقوع حادثه و دیگری عدم وقوع آن می‌تواند تنها دو متغیر داشته باشد. (19)

این روش داری یک تابع خطی مثبت و یک تابع خطی منفی است. درروش مثبت، مقادیر زیر کمینه فاقد عضویت هستند و درروش خطی منفی، مقادیر بالای بیشینه فاقد درجه عضویت هستند. برای مثال ازآنجاکه شهرک­های صنعتی یک شاخص با احتمال خطر بالا برای آتش­سوزی محسوب می­گردد و بافاصله از این مناطق احتمال خطر کاهش می‌یابد، درنتیجه منطق فازی که برای این لایه استفاده می­شود منطق فازی Linear در حالت معکوس است. سپس پارامترهای تأثیرگذار در نرم‌افزار ArcGIS و IDRISI مطابق با شکل 4 آماده‌سازی و نمودارهای تابع عضویت استانداردسازی هر یک از فاکتورهای مؤثر در ریسک آتش‌سوزی در شکل 5 نمایش داده شد.

 

         

         

                          

         

 

شکل4. نقشه‌های فازی تأثیرگذار در وقوع و کنترل آتش‌سوزی‌های شهری (a جمعیت (b واحد صنعتی (c تجاری – انبار (d ساختمان مرتفع (e بافت قدیمی (f جایگاه سوخت (g فاصله از ایستگاه آتش‌نشانی (h فاصله از جاده (i فاصله از شیر هیدرانت

fig 2. Effective fuzzy maps in the occurrence and control of urban fires a( population b) industrial unit c( commercial - warehouse d) high-rise building e( old texture f) fuel station g( distance from the fire station h) distance from the road i( distance from the hydrant valve

 

 

 

شکل 5. نمودارهای تابع عضویت استانداردسازی فاکتورهای مؤثر در ریسک آتش‌سوزی

Fig 3. Membership function diagrams for standardization of fire risk factors

        

 

شکل 6. آماره ROC به‌دست‌آمده جهت صحت سنجی روش رگرسیون لجستیک

Fig 5. ROC statistics obtained to validate the logistic regression method

 

 

درنهایت نقشه خطر آتش‌سوزی با استفاده از رگرسیون لجستیک در نرم‌افزار IDRISI و ArcGIS تهیه شد. پس از مشخص شدن اعتبار مدل رگرسیون لجستیک با استفاده از شاخص‌های مورداستفاده (شکل 6)، نقشه پهنه‌بندی ریسک حریق شهر کاشان ترسیم گردید.(شکل 7) درنهایت منطقه موردمطالعه ازنظر پتانسیل ریسک حریق به 5 کلاس بسیار بالا، بالا، متوسط، پایین و بسیار پایین تقسیم گردید. مساحت به هکتار و درصد هر یک از 5 کلاس با توجه به جدول 5 تعیین گردید.

 

 

 

 

شکل7. پهنه‌بندی ریسک حریق با روش لجستیک

Fig 4. Fire risk zoning by logistic method

 

 

جدول 5. نتایج پهنه‌بندی ریسک حریق با روش لجستیک

Table 5. Results of fire risk zoning by logistic method

 

 

ارزش VALUE	مساحت به هکتار Area per hectare	درصد Percentage
ریسک بسیار کم Very low risk	87475.47	90.964
ریسک کم Low risk	4669.03	4.855
خنثی Neutral	2115.13	2.199
ریسک زیاد Neutral High risk	1116.33	1.161
ریسک بسیار زیاد risk Too much	788.96	0.820
مجموع Total	96164.92	100

 

 

 

نتیجه‌گیری و پیشنهاد‌ها

رگرسیون لجستیک یک مدل تحلیلی چند متغیره از گروه مدل‌های آماری خطی تعمیم‌یافته است که هدف اصلی از آن، مدل‌سازی احتمال وقوع یک رویداد دوحالتی متداول، حضور و عدم حضور عوامل مختلف و معنی‌داری این حضور یا عدم حضور است (4). در این تحقیق از مدل رگرسیون لجستیک به‌منظور تحلیل ارتباط فضایی بین حوادث آتش­سوزی رخ‌داده در سطح شهر و نقش فاکتورهای مؤثر در وقوع آن استفاده‌ گردید. استفاده از ضرایب حاصل از رگرسیون لجستیک با توجه به کاهش نظر کارشناسی، دقت الگوی افزایش خوبی داشت. این تکنیک یکی از مشهورترین رویکردهای مدل‌سازی ریاضی است که می‌تواند برای توصیف رابطه چندین متغیر با یک متغیر وابسته باینری مورد استفاده قرار گیرد. این تحقیق نشان می‌دهد که مدل رگرسیون لجستیک و سیستم اطلاعات جغرافیایی برای تعیین منطقه خطر آتش‌سوزی شهری و در نتیجه مدیریت آن مناسب است. تجزیه و تحلیل نشان داده است که جمعیت، فاصله از ایستگاه آتش‌نشانی، مراکز صنعتی، مراکز تجاری – انبار، بافت قدیمی و فاصله تا جاده ارتباط زیادی با ایجاد و گسترش آتش سوزی دارند. پاپی فرد و کیانی (26) هم در مطالعه‌ی خود به  بررسی آسیب پذیری بافت قدیم بوشهر (محدوده‌ی بازار سنتی) در برابر آتش سوزی پرداختند. یافته‌های این پژوهش با مطالعه حاضر همخوانی دارد و لزوم توجه به نکات ایمنی و تدوین دستورالعمل‌ها و آیین‌نامه‌های جدید برای توجه به بخش فرسوده شهرها را متذکر می‌شود. تاریدالا و همکارانش (29) نیز در مقاله خود در شهر کندری اندوزی با توسعه سیستم‌های خبره و سیستم اطلاعات جغرافیایی به بررسی خطر آتش‌سوزی شهری پرداختند. یافته‌های آنها حاکی از آن بود که خطر بالای آتش‌سوزی در ساختمان‌های با تراکم بالا و مناطق پرجمعیت، عدم دسترسی به جاده درجه یک است و بایستی این نکته در محل احداث ایستگاه‌های آتش‌نشانی مورد توجه قرار گیرد.

 .. پس از مشخص شدن اعتبار مدل رگرسیون لجستیک با استفاده از شاخص‌های مختلف، نقشه پهنه‌بندی ریسک حریق شهر کاشان ترسیم گردید. بدین منظور تمامی نقاط آتش­سوزی در سطح شهر از سال 1388 تا سال 1399 استخراج و به نقشه رستری تبدیل شد. در این نقشه تمامی نقاطی که در آن آتش­سوزی رخ‌داده است عدد 1 و سایر نقاط وزن صفر دریافت نمودند. سپس در معادله رگرسیون لجستیک این لایه به‌عنوان متغیر وابسته و پارامترهای مؤثر در پهنه‌بندی حریق به‌عنوان متغیر مستقل معرفی گردید. درنهایت منطقه مورد مطالعه ازنظر پتانسیل ریسک حریق به 5 کلاس بسیار بالا، بالا، متوسط، پایین و بسیار پایین تقسیم گردید. نتایج نشان داد که از مجموع 96164.92 هکتار مساحت منطقه موردمطالعه، 87475.47 هکتار معادل 90.964 درصد دارای ریسک بسیار کم و 4669.03 هکتار معادل 4.199 درصد دارای ریسک کم و  1116.33 هکتار معادل 1.161 درصد دارای ریسک زیاد و 788.96 هکتار معادل 0.820 درصد دارای ریسک بسیار زیاد برای ریسک حریق شهری هستند.

با مقایسه برآورد مدل‌ها از میزان ریسک حریق با یکدیگر و با نقاط باسابقه آتش­سوزی در منطقه موردمطالعه و همچنین نتایج به‌دست‌آمده از آزمون‌های می‌توان دید که مدل رگرسیون لجستیک برآورد مناسب‌تری نسبت به سایر مدل‌ها از منطقه داشته است. نتایج اعتبار سنجی با شاخص‌های مورداستفاده بیانگر آن است که مقدار 0.9509 به‌دست‌آمده از آزمون ROC نشان‌دهنده همبستگی بسیار بالای بین متغیر مستقل و وابسته است. سطح زیر منحنی (AUC) آزمون ROC در این مطالعه 0.74 است. به معنای آن است که داده‌ها عموماً در بالای خط نیم‌ساز قرار گرفته‌اند و میزان نرخ مثبت صحیح بالا است و روش آزمون از قدرت تشخیص یا درستی مناسبی برخوردار است. این مقادیر با مطالعه دل هویو و همکارانش (9) مطابقت دارد.

 

مقدار شاخص چی دو به‌دست‌آمده از آزمونChiSquare  برابر با 110836.0713 است؛ درنتیجه فرض صفر تمام ضرایب نیز با توجه به اینکه مقدار آن بسیار بیشتر از مقدار آستانه تعیین‌شده است رد می‌گردد. در آزمون (PR2) Pseudo R Squarبا استناد به توضیحات چون مقدار آزمودنPR2  در این پژوهش 0.4789 بوده بنابراین مدل رگرسیون لجستیک برازش قابل قبولی را داشته است.

- با توجه به نقشه خروجی از مدل رگرسیون لجستیک با وجود اسکان 12 درصد از جمعیت شهری درمنطقه یک، تراکم بالای جمعیت در وسعت کمتر نسبت به سایر مناطق و وجود مراکز تجاری، اداری، فرهنگی و هم‌چنین وجود بافت فرسوده دراین منطقه از شهر، از دلایل بالا بودن ریسک حریق در این منطقه است. پیشنهاد می‌شود جهت پوشش مناسب و رعایت زمان استاندارد کمتر از 5 دقیقه‌ای حضور خودروهای آتش‌نشانی به محل آتش‌سوزی، ایستگاه آتش‌نشانی در مرکز شهر احداث گردد. 

- طبق آمار بدست آمده از تعداد آتش‌سوزی‌های بوجود آمده در واحد صنایع طی بازه زمانی 10 ساله، 67 درصد در کارگاه‌ها و کارخانجات خارج از شهرک‌های صنعتی و حاشیه شهر و جاده‌های اصلی روی داده است. جلوگیری از پراکندگی احداث کارخانه‌ها و کارگاه‌ها با اختصاص مکان‌هایی به‌عنوان شهرک صنعتی در خارج از محدوده شهری می تواند در مدیریت و نظارت این کاربری‌ها کمک کند.

- با توجه به وسعت پهنه‌های ریسک آتش‌سوزی از نقشه خروجی در حاشیه شهر کاشان، بیشتر نواحی در این قسمت واقع شده‌اند که ترکیب جمعیتی آنها یک‌دست و یکسان نبوده و اکثریت جمعیت این نواحی را تبعه افغانی و یا خانواده‌های کم بضاعت مهاجر از سایر نقاط کشور و یا روستاهای اطراف تشکیل می‌دهند و مشکلات عدیده‌ای در این نواحی در زمینه‌های فرهنگی، اجتماعی و اقتصادی وجود دارد که می توانند از دلایل غیرمستقیم رخداد آتش سوزی  باشند.

- اجرای طرح های آموزشی مختلف ایمنی برای شهروندان جهت ارتقاء سطح آگاهی آن‌ها در خصوص خطرات مختلف و راه‌های پیشگیری از حریق و شیوه‌های اطفاء حریق..

- تهیه و اجرای طرح‌های ایمنی شهر در برابر حریق و طرح‌های موضعی علی‌الخصوص برای بافت‌های فرسوده و ناکارآمد تاریخی منطقه یک شهرداری کاشان

 

 

 

 

 

 

 

 

 

 

 

 

منابع مورداستفاده ­

1. Ahmai ardakani, M. et al ( 2014). Zoning of forest fire potential areas using multi-criteria decision making methods. Journal of Geography and Environmental Planning. 60 (4): p. 49-66. (in Persian).

2. Anton, Howard (1994), Elementary Linear Algebra (7th ed.), John Wiley & Sons, pp. 170–171 , ISBN 978-0-471-58742-2

3. Abedi Gheshlaghi, H., et al (2020). "GIS-based forest fire risk mapping using the analytical network process and fuzzy logic." Journal of Environmental Planning and Management 63(3): 481-499.

4. Borna, F., et al  (2016). "Habitat potential modeling of Astragalus gossypinus using ecological niche factor analysis and logistic regression (Case study: summer rangelands of Baladeh, Nour)". Journal of RS and GIS for Natural Resources, 7 (4): 45-61 (in Persian). 

5. Chuvieco, E. and R.G. Congalton (1989). Application of remote sensing and geographic information systems to forest fire hazard mapping. Remote sensing of Environment. 29(2): p. 147-159.

6. Chuvieco, E. and J. Salas (1996).Mapping the spatial distribution of forest fire danger using GIS. International Journal of Geographical Information Science. 10(3): p. 333-345.

7. Chuvieco, E. et al (2010). Development of a framework for fire risk assessment using remote sensing and geographic information system technologies. Ecological Modelling. 221(1): p. 46-58.

8. Diefenbach, M.A. N.D. Weinstein, and J. O'reilly (1993). Scales for assessing perceptions of health hazard susceptibility. Health education research. 8(2): p. 181-192.

9. Del Hoyo, L. V., et al (2011). "Logistic regression models for human-caused wildfire risk estimation: analysing the effect of the spatial accuracy in fire occurrence data." European Journal of Forest Research 130(6): 983-996.

10. Eastman, J. Ronald (2003).IDRISI Kilimanjaro: guide to GIS and image processing, Worcester, MA: Clark Labs, Clark University, pp. 328

11. Erfani, M., and Ehsanzade, N (2016). " Recreation suitability zoning in part of the Oman sea coast". Journal of RS and GIS for Natural Resources, 12 (1): 107-123 (in Persian).

12. Habibi, A. A. Sarafrazi, and S. Izadyar (2014). Delphi technique theoretical framework in qualitative research. The International Journal of Engineering and Science. 3(4): p.8-13.

13. Hosmer DH, Lemeshow S (1989). Applied logistic regression. Wiley series in probability and mathematical statistics. Wiley, New York, 307 p

14. Jobson, J.D (2012). Applied multivariate data analysis: volume II: Categorical and Multivariate Methods: Springer Science & Business Media.

15. Juliá, P. B., et al (2021). "Post-earthquake fire risk assessment of historic urban areas: A scenario-based analysis applied to the Historic City Centre of Leiria, Portugal." International Journal of Disaster Risk Reduction 60: 102287.        

16. Jennings, C.R (2013). Social and economic characteristics as determinants of residential fire risk in urban neighborhoods: A review of the literature. Fire Saf. J. 62, 13–19. [CrossRef]

17. Kosravi, Y. Jabbari, M (2011). Basics of Geographic Information Systems (GIS) and ARC GIS10 tutorial. Azar Kelk Publications: p. 100-150. (in Persian).

18. Li, S.Y. Tao, G. and Zhang, L.J (2018), "Fire Risk Assessment of High-rise Buildings Based on Gray-FAHP Mathematical Model", Procedia Engineering, Vol 211 No, pp. 395-402.

19. Lee, S. and B. Pradhan (2006). Probabilistic landslide hazards and risk mapping on Penang Island, Malaysia. Journal of Earth System Science. 115(6): p. 661-672.

20. Lewis, J.R (1993). Multipoint scales: Mean and median differences and observed significance levels. International Journal of Human Computer Interaction. 5(4): p. 383-392.

21. Langlois, André (1987). "Clark, WAV et Hosking, PL (1986) Statistical Methods for Geographers. New York, John Wiley and Sons. Cahiers de géographie du Québec 31.82: 91-92.

22. Martı´nez J, Martı´nez J, Martı´n P (2004). El factor humano en los incendios forestales: Ana´lisis de factores socio-econo´micos relacionados con la incidencia de incendios forestales en Espan˜a. In: Chuvieco E, Martı´n P (eds) Nuevas tecnologı´as para la estimacio´n del riesgo de incendios forestales. CSIC, Instituto de Economı´a y Geografı´a, Madrid, pp 101–142

23. Martı´nez J, Vega-Garcı´a C, Chuvieco E (2009). Human-caused wildfire risk rating for prevention planning in Spain. J Environ Manag 90:1241–1252

24. Motavalli, S. Esmaili, R. Hosseinzadeh, M.M (2009), The Signification of Sensitive Regions in the Vaz Catchment by Logistic Regression, Journal of Physiography, Volume 2, Number 5, Autumn, PP. 73-83.

25. Mrówczyńska, M., et al (2021). "Scenarios as a tool supporting decisions in urban energy policy: The analysis using fuzzy logic, multi-criteria analysis and GIS tools." Renewable and Sustainable Energy Reviews 137: 110598

26. Papari fard, S. and S Kiani, (2018), Investigation of the vulnerability of the old texture of Bushehr (traditional market area) against fire, civil engineering, Architecture and modern and city administration, Tehran. https://civilica.com/doc/821578 (in Persian)

27. Sowmya, S. and R. Somashekar (2010). Application of remote sensing and geographical information system in mapping forest fire risk zone at Bhadra wildlife sanctuary, India. Journal of Environmental Biology. 31(6): p. 969.

28. Schneider, L.C. and R.G. Pontius Jr (2001). Modeling land-use change in the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems & Environment. 85(1-3): p. 83-94.

29. Taridala, S. et al (2017). Expert System Development for Urban Fire Hazard Assessment. Study Case: Kendari City, Indonesia. in IOP Conference Series: Earth and Environmental Science. IOP Publishing.

30. Vakilalroaya, M. and Zaeimdar, M (2107). The study of fire risk assessment models in urban areas, the third national conference on fire and urban safety. Third National Conference on Fire and Urban Safety, Tehran Municipality Fire and Safety Services. (in Persian).

31. World Health Organization (2011).  Burn Prevention, Success Stories Lessons Learned; World Health Organization: Geneva, Switzerland.

32. Wei, Y.Y. Zhang, J.Y. and Wang, J (2018). "Research on Building Fire Risk Fast Assessment Method Based on Fuzzy comprehensive evaluation and SVM", Procedia Engineering, Vol 211 No, pp. 1141-1150.

33. Wang, K., et al (2021). "A POIs based method for determining spatial distribution of urban fire risk." Process Safety and Environmental Protection.

34. Xin, J. and C. Huang (2013). Fire risk analysis of residential buildings based on scenario clusters and its application in fire risk management. Fire Safety Journal. 62: p. 72-78.

35. Xu, D. et al (2006). Mapping forest fire risk zones with spatial data and principal component analysis. Science in China Series E: Technological Sciences. 49(1): p. 140-149.

36. Yagoub, M. and A.M. Jalil (2014). Urban Fire Risk Assessment Using GIS: Case Study on Sharjah, UAE. International Geoinformatics Research and Development Journal, 5 (3): p. 1-8.

37. Yamagishi, H. and L. Ayalew (2005). "The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan." Geomorphology 65(1-2): 15-31.

38. Zhang, Y (2013). Analysis on comprehensive risk assessment for urban fire: The case of Haikou City. Procedia Engineering. 52: p. 618-623.

 

 

 

 

 

 

Fire risk zoning in urban areas using logistic regression method

(Case study: Kashan city)

 

 

Abstract

Due to the occurrence of frequent fires in urban areas, especially in Kashan city, new research is essential to control and inhibit them, In order to prevent their occurrence and spread of them as much as possible and by presenting proper management solutions, the conditions for their control and inhibition of them should be provided. For this purpose, in the present study, logistic regression model has been used to analyze the spatial relationship between fire incidents that occurred in Kashan city and the role of effective factors in its occurrence. In this regard, all fire points of the last 10 years were extracted and turned into a raster map. Then, in the logistic regression equation, this layer was introduced as a dependent variable and the effective parameters in fire zoning, which were identified by Delphi method and quantified and normalized by fuzzy method, were introduced as an independent variable. ROC, Pseudo R Square and Chi Square were used to validate the logistic regression model. After determining the validity of the logistic regression model using the above indicators, a fire risk zoning map of Kashan was drawn in which the fire risk potential was divided into 5 classes: very high, high, medium, low and very low. Based on the results of fire risk zoning in Kashan city, from the total area of ​​the study area, 1116.33 hectares equal to 1.161% has a high risk and 788.96 hectares equals 0.820% has a very high risk.

 

Keywords: Fire risk zoning, fuzzy, logistic regression, spatial relationship analysis, validation

 

 

 

 

 

 

 

 

 

 

 

عنوان مقاله: پهنه‌بندی ریسک حریق در مناطق شهری با استفاده از روش رگرسيون لجستيک (مطالعه موردی: شهر کاشان)

 

پیشینه و هدف: مدیریت خطر آتش‌سوزی یک مسئله جهانی است، جایی که سیاست‌های ایمنی شهری باید این موضوع را جدی بگیرند. يكي از زمينه­هاي پژوهش براي كنترل آتش­سوزي­های شهری، شناسايي نقاط بحراني آتش­سوزي در منطقه است؛ زيرا عدم شناخت كافي اين نقاط باعث وقوع و گسترش آتش در مناطق و کاربری‌های مختلف، تأخیر در مهار آن و وارد آمدن خسارات مالی و صدمه جانی و همچنین آلودگی‌های محیطی را در پی خواهد داشت. پهنه‌بندی ریسک حریق باهدف به‌کارگیری در برنامه‌ریزی و مدیریت در کنترل و حرائق شهری تاکنون در منطقه مطالعاتی این تحقیق موردتوجه نبوده و در قالب طرح تحقیقاتی و مطالعاتی، پژوهشی در این زمینه صورت نگرفته است. هدف از مطالعه حاضر تعیین و شناسایی معیارهای شاخص جهت پهنه‌بندی ریسک آتش‌سوزی در منطقه موردمطالعه، ایجاد نقشه خطر آتش‌سوزی بر اساس روش رگرسیون لجستیک و تطابق با نقشه­ی واقعیت آتش­ و همچنین ارائه برنامه‌های مدیریتی و مدیریت بحران آتش‌سوزی در شهر کاشان است.

روش تحقیق: مراحل وتکنیک‌های مورداستفاده در این تحقیق در شش گام انجام گردید. اولین گام شناسایی معیارها و شاخص‌های تأثیرگذار است. با استفاده از مطالعات کتابخانه‌ای، اطلاعات به‌دست‌آمده از مقالات معتبر و همچنین از طریق روش دلفی به‌منظور گردآوری نظر کارشناسان از مقیاس لیکرت استفاده شد. در گام دوم غربال‌گری معیارها متناسب باهدف انجام گرفت که معیارهای تأثیرگذار در این تحقیق عبارت‌اند از عوامل آسیب‌پذیر شامل (تراکم جمعیت، واحدهای صنعتی، تجاری- انبار، ساختمان مرتفع، بافت قدیمی و جایگاه سوخت) و همچنین ظرفیت عوامل کاهش شامل (ایستگاه آتش‌نشانی، جاده‌ها و شیرهای هیدرانت) است. در گام سوم آماده‌سازی داده‌ها و لایه‌ها جهت تحلیل در سیستم اطلاعات جغرافیایی صورت گرفت. در مرحله بعد به استانداردسازی لایه‌ها با استفاده از منطق فازی پرداخته شد. در ابتدا تابع فاصله (Distance)  بر روی معیارها در محيط ادريسي سلوا اجرا گردید تا فاصله از هر پديده مشخص شود. در ادامه به روش فازي همه معيارهاي تعیین‌شده در بازه صفرتا 255 استاندارد شدند. نوع تابع استفاده‌شده در رويكرد منطق فازي از نوع خطي (Linear) بوده كه انتخاب نوع تابع و آستانه‌ها بر اساس مرور منابع و نظر كارشناسي انجام شد. به‌منظور تحلیل ارتباط فضایی بین حوادث آتش­سوزی رخ‌داده در سطح شهر و نقش فاکتورهای مؤثر در وقوع آن تمامی نقاط آتش­سوزی 10 سال گذشته در سطح شهر از سال 1389 تا سال 1399 استخراج و به نقشه رستری تبدیل شد. در گام پنجم نقشه خطر آتش‌سوزی با استفاده از رگرسیون لجستیک تهیه شد که پس از مشخص شدن اعتبار مدل رگرسیون لجستیک با استفاده از شاخص‌های تعیین‌شده، نقشه پهنه‌بندی ریسک حریق شهر کاشان ترسیم گردید. در گام آخر به‌منظور اعتبار سنجی مدل رگرسیون لجستیک از Chi Square, ROC و Pseudo R Square استفاده شد.

نتایج و بحث: مزایای استفاده از مدل رگرسیون لجستیک علاوه بر مدل‌سازی مشاهده‌ها، امکان پیش‌بینی احتمال تعلق هر فرد به هریک از سطوح متغیر وابسته و امکان محاسبه‌ی مستقیم نسبت به شانس متغیرها با استفاده از حداکثر درستنمایی بیشینه ضرایب مدل است. همچنین نسبت به سایر تکنیک‌های آماری، چند متغیره مانند آنالیز رگرسیون چندگانه و آنالیز تشخیصی، متغیر وابسته می‌تواند تنها دو متغیر داشته باشد که یکی احتمال وقوع حادثه و دیگری عدم وقوع آن است. به‌منظور تحلیل ارتباط فضایی بین حوادث آتش­سوزی رخ‌داده در سطح شهر و نقش فاکتورهای مؤثر در وقوع آن تمامی نقاط آتش­سوزی 10 سال گذشته در سطح شهر از سال 1389 تا سال 1399 استخراج و به نقشه رستری تبدیل شد. خروجی مدل رگرسیون لجستیک، ضریب‌هایی بین صفر و یک دارد که به احتمالات بالاتر از 5/0 ارزش یک (وقوع آتش‌سوزی) و به احتمالات پایین‌تر از 5/0 ارزش صفر (عدم وقوع آتش‌سوزی) می‌دهد و بدین ترتیب نقشه بولین ریسک تولید می‌گردد. این احتمال پیش‌بینی‌شده در دامنه ۰ تا 1 سبب می‌شود تغییر لگاریتمی پیوسته باشد و خروجی مدل به‌صورت یک نقشه پیش‌بینی مکانی احتمال تخریب ارائه شود. سپس در معادله رگرسیون لجستیک این لایه به‌عنوان متغیر وابسته و پارامترهای مؤثر در پهنه‌بندی حریق به‌عنوان متغیر مستقل معرفی گردید پس از ورود داده‌ها به مدل آماری رگرسیون لجستیک، با استفاده از پارامتر‌های مؤثر در نرم‌افزار IDRISI ، ضرایب مدل، استخراج گردید. پس از مشخص شدن اعتبار مدل رگرسیون لجستیک با استفاده از شاخص‌های تعیین‌شده، نقشه پهنه‌بندی ریسک حریق شهر کاشان ترسیم گردید. درنهایت منطقه موردمطالعه ازنظر پتانسیل ریسک حریق به 5 کلاس بسیار کم، ریسک کم، متوسط، بسیار زیاد، ریسک زیاد تقسیم گردید. مساحت هر یک از 5 کلاس به‌دست‌آمده به هکتار و درصد به ترتیب 87475.47، 4669.03، 2115.13، 1116.33، 788.96 هکتار و90.946، 4.855، 2.199، 1.161، 0.820 درصد به دست آمد.

نتیجه­گیری: مقدار 0.9509 به‌دست‌آمده از ROC نشان‌دهنده همبستگی بسیار بالای بین متغیر مستقل و وابسته است. مقدار شاخص چی دو برابر با 110836.0713 است؛ با توجه به اینکه مقدار آن بسیار بیشتر از مقدار آستانه تعیین‌شده است درنتیجه فرض صفر تمام ضرایب نیز رد می‌گردد. مقدار آزمودنPR2  در این پژوهش 0.4789 بوده بنابراین مدل رگرسیون لجستیک برازش قابل قبولی را داشته است. 

 

واژگان کلیدی: پهنه‌بندی ریسک آتش‌سوزی، فازی، رگرسیون ‌لجستیک، تحلیل ارتباط فضایی، اعتبارسنجی

 

 

 

 

 

 

 

 

 

 

 

 

 

Fire risk zoning in urban areas using logistic regression method

(Case study: Kashan city)

 

Abstract

Background and Objective: Fire risk management is a global issue, and urban safety policies must take it seriously. One of the fields of research for controlling urban fires is to identify critical fire points in the region; Insufficient knowledge of these points will cause the occurrence and spread of fire in various areas and uses, delays in controlling it and causing financial losses and personal injury as well as environmental pollution. Fire risk zoning with the aim of being used in planning and management in urban fire control has not been considered in the study area of ​​this research and no research has been done in this field in the form of research and study plan. The purpose of this study is to determine and identify the criteria for fire risk zoning in the study area, to create a fire risk map based on logistic regression method and compliance with the fire reality map and also to present fire management programs and fire crisis management in Kashan.

Materials and Methods: The steps and techniques used in this study were performed in six steps. The first step is to identify the effective criteria and indicators. Using library studies, information obtained from authoritative articles and also through the Delphi method in order to collect the opinions of experts, the Likert scale was used. In the second step, screening of criteria was done in accordance with the purpose. The effective criteria in this study are vulnerable factors including (population density, industrial units, commercial-warehouse, high-rise building, old tissue and fuel station) as well as the capacity of reducing factors. (Fire station, roads and hydrant valves). In the next step, the layers were standardized using fuzzy logic. At first, the distance function was performed on the criteria in SELVA IDRISI to determine the distance from each phenomenon. Then, by fuzzy method, all the criteria determined in the range of zero to 255 were standardized. The type of function used in the fuzzy logic approach is linear, and the selection of the function type and thresholds was based on a review of sources and expert opinion. In order to analyze the spatial relationship between fire incidents that occurred in the city and the role of effective factors in its occurrence, all fire points of the last 10 years in the city from 1389 to 1399 were extracted and turned into a raster map. In the fifth step, Fire hazard map was prepared using logistic regression. After determining the validity of the logistic regression model using the specified indicators, the fire risk zoning map of Kashan was drawn. In the last step, Chi Square, ROC and Pseudo R Square were used to validate the logistic regression model.

Results and discussion: Advantages of using logistic regression model In addition to modeling observations, it is possible to predict the probability of each person belonging to each of the levels of dependent variables and the possibility of directly calculating the odds of variables using maximum likelihood of maximum model coefficients. Also, compared to other statistical techniques, multivariate such as multiple regression analysis and diagnostic analysis, the dependent variable can have only two variables, one is the probability of an accident and the other is its non-occurrence. In order to analyze the spatial relationship between fire incidents that occurred in the city and the role of effective factors in its occurrence, all fire points of the last 10 years in the city from 1389 to 1399 were extracted and turned into a raster map. The output of the logistic regression model has coefficients between 0 and 1, with a probability higher than 0.5 of a value of one (occurrence of fire) and a probability of less than 0.5 of a value of zero (no occurrence of fire) and thus a boolean map of risk is generated. This logarithmic change causes the predicted probability to be continuous in the range 0 to 1, and the output of the model to be presented as a spatial prediction map of the probability of destruction. Then, in the logistic regression equation, this layer was introduced as a dependent variable and the effective parameters in fire zoning were introduced as an independent variable. After entering the data into the logistic regression statistical model, model coefficients were extracted using effective parameters in IDRISI software. After determining the validity of the logistic regression model using the specified indicators, a fire risk zoning map of Kashan was drawn. Finally, in terms of fire risk potential, the study area was divided into 5 classes: very low, low risk, medium, very high, and high risk. The area of each of the 5 classes was obtained in hectares and the percentages were 87475.47, 4669.03, 2115.13, 1116.33, 788.96 hectares and 90.946, 4.855, 2.199, 1.161, 0.820 percent, respectively. 

Conclusion: The value of 0.9509 obtained from ROC indicates a very high correlation between the independent and dependent variables. The value of the qi index is twice equal to 110836.0713; Since its value is much higher than the threshold value, then the null hypothesis of all coefficients is also rejected. The value of PR2 test in this study was 0.4789, so the logistic regression model had an acceptable fit.

 

 

Keywords: Fire risk zoning, fuzzy, logistic regression, Spatial relationship analysis, validation

 

 

---