Using correlative data analysis to develop weather index that estimates the risk of forest fires in Lebanon & Mediterranean: Assessment versus prevalent meteorological indices

آتش سوزی جنگل یکی از خطرناکترین تهدیدات طبیعی است که باعث ایجاد مصیبت برای یک جامعه می شود و می تواند آن را به طور کامل به حالت عادی برگرداند. در این مقاله، برای ایجاد یک مکانیزم پیشگیرانه، ما به تجزیه و تحلیل تکیه می کنیم تا یک مدل جدید شاخص خطر آتش سوزی ایجاد کنیم که خطر آتش سوزی در شمال لبنان را پیش بینی می کند. با استفاده از روشهای همبستگی، از جمله رگرسیون آماری، همبستگی پیرسون، اسپیرمن و کندال تاو برای شناسایی پارامترهای مؤثر بر احتراق آتش در طی شش سال گذشته در شمال لبنان استفاده شده است. همبستگی این صفات با آتش سوزی به منظور توسعه شاخص خطر آتش سوزی مورد بررسی قرار گرفته است. سپس صفات قوی همبسته به دست می آید. ما بر رگرسیون خطی تکیه می کنیم تا مدل آتش را به عنوان تابع تعدادی از پارامترهای آب و هوایی که برای اندازه گیری آسان است، مدل کنیم. این بسیار مهم است زیرا کاربرد چنین مدلهای پیشگیری در کشورهای در حال توسعه مانند لبنان را تسهیل می کند. نتایج حاصل از آزمون های معتبر شاخص پیشنهادی عملکرد بالا در مناطق لبنان را نشان می دهد. پس از آن یک ارزیابی در مقایسه با مدل های معمول آب و هوایی گسترده ساخته شده و نشانگر اهمیت پارامترهای انتخاب شده است. به شدت بر این باور است که این شاخص به بهبود توانایی اقدامات پیشگیری از آتش سوزی در منطقه حوضه دریای مدیترانه کمک خواهد کرد.