آتش از مهمترین مخاطرات طبیعی بوده که تاثیر بسزائی بر ساختار و پویایی اکوسیستم‌های طبیعی دارد. با توجه به قرارگیری ایران در کمربند خشک و نیمه‌خشک جهان، هر ساله تعداد زیادی آتش‌سوزی عمدی و غیر عمدی در مناطق مختلف کشور به وقوع می‌پیوندد. به همین دلیل تعیین مناطق حساس به وقوع آتش نقش مهمی در مدیریت آتشسوزی در منابع طبیعی دارد. به همین دلیل تحقیق حاضر در صدد است تا با استفاده از دو روش یادگیری ماشینی جنگل تصادفی (Random Forest) و ماشین بردار پشتیبان (Support Vector Machine) و 2024 نقطه وقوع آتش، مناطق حساس به وقوع آتش را در شهرستان دره شهر در استان ایلام را تعیین نماید. عوامل محیطی در چهار گروه اصلی شامل عوامل توپوگرافی (ارتفاع، جهت شیب، تند شیب)، عوامل اقلیمی (بارش، رطوبت نسبی، باد، درجه حرارت)، عوامل زیستی (پوشش گیاهی و رطوبت خاک) و عوامل انسان ساخت (فاصله از مناطق مسکونی، فاصله از جاده، فاصله از اراضی کشاورزی، فاصله از آبراهه) تهیه شدند. ارزیابی دقت مدل‌های مورد استفاده با استفاده سطح زیر نمودار (AUC) در منحنی ROC و آماره‌های ارزیابی متقاطع (Cross-validation) انجام شد. بررسی شاخص AUC نشان داد که هر دو مدل دارای دقت مناسبی بوده هرچند مدل جنگل تصادفی (AUC = 0.97) دارای دقت بالاتری نسبت به مدل ماشین بردار پشتیبان (AUC = 0.86) بود. بر اساس نتایج مدل جنگل تصادفی، حدود 60 درصد در کلاس کم خطر و حدود 20 درصد در کلاس خطر زیاد آتش قرار دارد. بررسی سهم عوامل تاثیرگذار بر وقوع آتش نشان داد که عوامل انسان ساخت (فاصله از مناطق مسکونی) و عوامل اقلیمی (درجه حرارت) نقش مهمتری در نقاط دارای سابقه آتش داشتند. بنابراین افزایش فرهنگ عمومی و کاهش رفتارهای خطرناک در طبیعت می‌تواند موجب کاهش وقوع آتش در این منطقه شده و سهم زیادی در حفاظت از محیط زیست و حفظ منابع طبیعی داشته باشد.