طريقة لتقسيم مناطق مهام مكافحة حرائق الغابات تعتمد على خوارزمية SW-DBSCAN

لماذا تهم خطوط النار الذكية

عندما يندلع حريق غابات كبير، يتسابق رجال الإطفاء ليس فقط مع النيران بل مع الفوضى أيضاً. قد تمتد حلقة النار الواحدة لعدة كيلومترات، مع أجزاء تتقدم بسرعة، وأخرى تخبو، وبعضها يهدد منازل أو خطوط كهرباء. تحديد أين يجب أن تذهب كل فرقة هو مسألة حياة أو موت. تقدم هذه الدراسة طريقة جديدة لتقسيم حافة النار الطويلة والمتغيرة تلقائياً إلى مناطق عمل عملية، بحيث يمكن إرسال الفرق والطائرات المروحية والطائرات بدون طيار إلى المكان المناسب في الوقت المناسب.

تحويل حريق متحرك إلى أجزاء قابلة للإدارة

يركز المؤلفون على خطوة أساسية في الاستجابة لحرائق الغابات: تقسيم حافة الحريق إلى مجموعة من مناطق المهام المستمرة، لكل منها ظروف متشابهة. على طول أي خط حريق، بعض الأجزاء أكثر خطورة من غيرها. رأس الحريق يتقدم أسرع وله لهيب مكثف، والذيل يزحف ببطء أكبر، والجوانب تقع بينهما. بالإضافة إلى ذلك، قد توجد منازل أو مواقع ثقافية أو قطع غابات ثمينة يجب حمايتها أولاً. الهدف هو تجميع نقاط متجاورة على حافة الحريق تشترك في سلوك وتضاريس وطقس واحتياجات حماية متشابهة، بحيث يصبح كل مجموعة مهمة متماسكة لفريق الإطفاء.

من بيانات المحاكاة الخام إلى خريطة ذكية

لاختبار طريقتهم، استخدم الباحثون محاكاة حريق مفصلة لمنطقة أوك نول في مقاطعة ناپا بولاية كاليفورنيا. استخرجوا عشرة خطوط حريق منفصلة، تغطي معاً نحو 282 كيلومتراً، من محاكي الحريق FlamMap. لكل نقطة على هذه الخطوط، جمعوا وصفاً مكوناً من عشرة عناصر شمل اتجاه وسرعة الرياح، شدة الحريق، اتجاه وانحدار المنحدر، كثافة مظلة الغابة، نوع الوقود، ما إذا كان الحريق يتحرك صعوداً، ما إذا كانت النقطة رأساً أو ذيلاً أو جانباً، وما إذا كان هناك هدف حماية رئيسي. جُمعت جميع هذه القيم وتم تحويلها إلى مدى مشترك حتى لا يهيمن عامل واحد لمجرد أنه يستخدم أرقاماً أكبر.

أداة تجميع مخصصة لواجهة الحريق

جوهر العمل هو تقنية تجميع محسّنة تسمى SW-DBSCAN. DBSCAN القياسية هي طريقة شائعة للعثور على مجموعات كثيفة من نقاط البيانات مع تجاهل الضوضاء المتفرقة، لكنها تعاني من عيبين في هذا السياق: يمكنها ربط أجزاء بعيدة من خط الحريق التي تشترك في أرقام متشابهة، ولا تعامل المواقع الرئيسية — مثل رأس الحريق أو مبنى محمي — باعتبارها أكثر أهمية. النسخة الجديدة تضيف تغييرين. أولاً، تستخدم "نافذة انزلاقية" تقصر كل نقطة على النظر فقط إلى جيرانها على امتداد قصير من خط الحريق، مما يساعد على بقاء مناطق المهام الناتجة متصلة مكانياً. ثانياً، تعطي وزنًا رقمياً إضافياً للميزات التي تمثل الأجسام الرئيسية ونوع جزء الحريق، مما يزيد المسافة الفعالة بين، على سبيل المثال، رأس الحريق وذيل الحريق حتى لو كانا متشابهين في الباقي. هذا يجعل فصل المقاطع الحرجة التي يجب أن تتلقى تكتيكات مختلفة أسهل.

اختبار الأداء وضبط المعاملات

فحص المؤلفون كيف تشكل عدة إعدادات سلوك خوارزميتهم. بزيادة الأوزان على الأجسام الرئيسية وأنواع أجزاء الحريق، وجدوا أن الطريقة أصبحت أفضل بكثير في تمييز رؤوس الحرائق والذيول والجوانب والمناطق المحمية بشكل صحيح، رغم أن ذلك أدى أيضاً إلى ظهور نقاط معزولة أكثر قليلاً اعتُبرت قيم شاذة. أظهر تعديل طول النافذة الانزلاقية موازنة: قصيرة جداً فتصبح العديد من النقاط معزولة؛ طويلة جداً فتفقد المجموعات تواصلها على طول خط الحريق. كما تفاوتوا في نصف القطر المجاور والحد الأدنى لعدد الجيران المطلوب لتشكيل مجموعة نواة، وكل منهما أثر على مدى تقسيم خط الحريق وعدد النقاط التي تُستبعد كضوضاء. أفضل الإعدادات كانت توازن بين قابلية التعرّف والاستمرارية ومعدل منخفض للقيم الشاذة.

كيف تقارن الطريقة الجديدة بالآخرين

لحكم ما إذا كانت SW-DBSCAN مفيدة عملياً، قارنها الباحثون بثلاث طرق تجميع مكانية أخرى: DBSCAN القياسية، OPTICS، وHDBSCAN. قاسوا مدى استمرارية كل مجموعة على طول خط الحريق، ودقة تحديد المناطق الرئيسية، وعدد النقاط المتبقية كقيم شاذة، ومدى تماسك وفصل المجموعات، ومدة تشغيل الخوارزميات. أنتجت SW-DBSCAN مجموعات أكثر استمرارية بكثير من الطرق الأخرى، مع الحفاظ على تحديد ما يقرب من جميع الأجسام والمقاطع الرئيسية بشكل صحيح. عملت أسرع من البدائل وأظهرت سلوكاً ثابتاً عبر عشرة خطوط حريق مختلفة. رغم أن معدل القيم الشاذة لديها كان أعلى قليلاً من DBSCAN القياسية، فقد بقي أقل من نحو عشرة بالمئة، وهو ما يعتبره المؤلفون مقبولاً لهذا التطبيق.

ما الذي يعنيه هذا لفرق العمل على خط النار

بعبارات بسيطة، يقدم هذا العمل طريقة أذكى لرسم خطوط على خريطة الحريق. بدلاً من أن يقطع المهندسون يدويًا حافة الحريق إلى مناطق بناءً على الخبرة والحكم التقريبي، يمكن لطريقة SW-DBSCAN أن تقترح تلقائياً مناطق مهام مستمرة وذات تمييز واضح تبرز الجبهات سريعة الحركة والمواقع الحساسة. وهذا بدوره يمكن أن يدعم نشراً أدق للفرق والطائرات والمعدات، ما قد يقلل الأضرار وينقذ الأرواح. يشير المؤلفون إلى أن الحاجة قائمة لمزيد من البيانات الواقعية، ومناطق جغرافية إضافية، وتحسينات مستقبلية — مثل التعرف على أنواع مختلفة من الأجسام المحمية ومعالجة خطوط النار المتغيرة عبر الزمن — قبل أن يصبح النظام عملياً بالكامل. ومع ذلك، يمثل هذا خطوة مهمة نحو تكتيكات حرائق برية مدفوعة بالبيانات تحافظ على تعقيد الخطر ضمن حدود يمكن إدارتها.

الاستشهاد: Huang, Q., Huang, Y. A forest firefighting task area division method based on the SW-DBSCAN algorithm. Sci Rep 16, 14089 (2026). https://doi.org/10.1038/s41598-026-42407-0

الكلمات المفتاحية: إدارة حرائق الغابات, تخطيط مهام حرائق البرية, خوارزمية التجميع, DBSCAN, الاستجابة للطوارئ