SW-DBSCAN algoritmasına dayalı orman yangını müdahale görev alanı bölme yöntemi

Neden daha akıllı yangın hatları önemli

Büyük bir orman yangını çıktığında itfaiyeciler yalnızca alevlere değil aynı zamanda karışıklığa karşı da yarışır. Tek bir yangın cephesi kilometrelerce uzanabilir; bazı bölümler hızla ilerler, bazıları sönümlenir ve bazıları evleri veya enerji hatlarını tehdit eder. Hangi ekiplerin nereye gönderileceğine karar vermek yaşam ve ölüm meselesidir. Bu çalışma, uzun ve değişken yangın kenarını uygulamaya uygun çalışma bölgelerine otomatik olarak bölmenin yeni bir yolunu sunar; böylece insanlar, helikopterler ve insansız hava araçları doğru zamanda doğru yere yönlendirilebilir.

Hareketli bir yangını yönetilebilir parçalara dönüştürmek

Yazarlar, orman yangını müdahalesinde kilit bir adıma odaklanıyor: yangın cephesini benzer koşullara sahip sürekli görev alanlarına bölmek. Herhangi bir yangın hattında bazı bölümler diğerlerinden daha tehlikelidir. Yangın başı yoğun alevlerle en hızlı ilerler, kuyruğu daha yavaş sürünür ve kanatlar bunların arasında yer alır. Ayrıca korunması öncelikli evler, kültürel alanlar veya değerli orman gövdeleri de olabilir. Amaç, yangın hattı üzerindeki komşu noktaları davranış, arazi, hava koşulları ve koruma gereksinimleri bakımından gruplayarak her grubun bir itfaiye ekibi için tutarlı bir görev ataması haline gelmesini sağlamaktır.

Ham simülasyon verilerinden akıllı bir haritaya

Yöntemlerini test etmek için araştırmacılar California, Napa County’deki Oak Knoll bölgesi için ayrıntılı bir yangın simülasyonu kullandılar. FlamMap yangın simülatöründen yaklaşık 282 kilometreyi kapsayan on ayrı yangın hattı çıkardılar. Bu hatlar üzerindeki her nokta için rüzgar yönü ve hızı, yangın yoğunluğu, eğim yönü ve dikliği, orman örtüsü yoğunluğu, yakıt tipi, yangının yokuş yukarı hareket edip etmediği, o noktanın baş, kuyruk veya kanat olup olmadığı ve kilit bir koruma hedefinin varlığı dahil olmak üzere on parçalı bir tanımlama derlediler. Tüm bu değerler, hiçbir tek faktörün daha büyük sayılar kullandığı için baskın olmaması için ortak bir aralığa ölçeklendirildi.

Yangın cephesi için uyarlanmış bir kümeleme aracı

Çalışmanın özünü geliştirilmiş bir kümeleme tekniği olan SW-DBSCAN oluşturuyor. Standart DBSCAN, dağınık gürültüyü görmezden gelerek yoğun veri gruplarını bulmak için popüler bir yöntemdir, ancak bu bağlamda iki sakıncası vardır: benzer sayılara sahip olduğu için yangın hattının uzak bölümlerini birleştirebilir ve bir yangın başı ya da korunan bir bina gibi kilit konumları özellikle önemli olarak ele almaz. Yeni sürüm iki değişiklik ekler. İlk olarak, her noktanın yalnızca yangın hattı boyunca kısa bir komşuluk aralığını dikkate almasını sağlayan bir “kaydırmalı pencere” kullanır; bu, ortaya çıkan görev alanlarının mekânsal sürekliliğini korumaya yardımcı olur. İkincisi, kilit nesneleri ve yangın parça türlerini işaretleyen özelliklere ekstra sayısal ağırlık verir; bu, örneğin baş yangın ile kuyruk yangın arasındaki etkili mesafeyi diğer açıdan benzer olsalar bile artırır. Bu sayede farklı taktik gerektiren kritik segmentleri ayırmak kolaylaşır.

Performansı test etmek ve ayarları yapmak

Yazarlar, algoritmalarının davranışını şekillendiren birkaç ayarın nasıl etkilediğini incelediler. Kilit nesneler ve yangın parça türleri üzerindeki ağırlıkları artırarak yöntemin başları, kuyrukları, kanatları ve korunacak bölgeleri doğru şekilde işaretleme konusunda çok daha iyi olduğunu, ancak bunun aynı zamanda bir miktar daha izole noktanın aykırı olarak muamele görmesine yol açtığını buldular. Kaydırmalı pencerenin uzunluğunu ayarlamak bir takası ortaya koydu: çok kısa olursa birçok nokta izole hale geliyor; çok uzun olursa kümeler yangın hattı boyunca sürekliliğini kaybediyordu. Ayrıca komşuluk yarıçapını ve bir çekirdek grubun oluşması için gereken minimum komşu sayısını da değiştirdiler; bunların her biri yangın hattının ne kadar ince bölündüğünü ve kaç noktanın gürültü olarak atıldığını etkiledi. En iyi ayarlar tanınabilirlik, süreklilik ve düşük aykırı oranı arasında bir denge sağlıyordu.

Yeni yöntem diğerleriyle nasıl karşılaştırılıyor

SW-DBSCAN’in pratikte gerçekten yardımcı olup olmadığını değerlendirmek için araştırmacılar onu üç diğer mekânsal kümeleme yöntemiyle karşılaştırdı: standart DBSCAN, OPTICS ve HDBSCAN. Her kümenin yangın hattı boyunca ne kadar sürekli olduğu, kilit bölgelerin ne kadar doğru tespit edildiği, kaç noktanın aykırı kaldığı, kümelerin ne kadar kompakt ve iyi ayrılmış olduğu ve algoritmaların çalışmasının ne kadar sürdüğü ölçüldü. SW-DBSCAN, diğer yöntemlere göre çok daha sürekli kümeler üretti ve hemen hemen tüm kilit nesneleri ve yangın parçalarını doğru şekilde tanımlamayı sürdürdü. Alternatiflere göre daha hızlı çalıştı ve on farklı yangın hattı boyunca kararlı davranış sergiledi. Aykırı oranı standart DBSCAN’den biraz daha yüksekti, ancak yazarların bu uygulama için kabul edilebilir gördüğü yaklaşık yüzde onun altında kaldı.

Yangın hattındaki insanlar için bunun anlamı

Basitçe söylemek gerekirse, bu çalışma bir yangın haritasında sınır çizmenin daha akıllı bir yolunu sunuyor. Mühendislerin deneyime ve kaba muhakemeye dayanarak yangın kenarını elle bölmesi yerine SW-DBSCAN yöntemi sürekli, net ayırt edilebilir görev alanlarını otomatik olarak önerebilir; hızlı hareket eden cepheleri ve hassas konumları vurgular. Bu da sırayla ekiplerin, hava araçlarının ve donanımın daha hassas konuşlandırılmasını destekleyebilir; potansiyel olarak zararı azaltıp hayat kurtarabilir. Yazarlar, sistemin tam olarak operasyonel hale gelmesinden önce daha fazla gerçek dünya verisine, daha fazla bölgeye ve korunan nesne türlerini tanıma ile değişen yangın hatlarını zaman içinde ele alma gibi gelecekteki iyileştirmelere ihtiyaç duyulacağını belirtiyorlar. Yine de bu, tehlikeli karmaşıklığı yönetilebilir tutan veri odaklı yalın yangın taktiklerine doğru atılmış önemli bir adımdır.

Atıf: 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

Anahtar kelimeler: orman yangını yönetimi, yaban hayatı yangını görev planlaması, kümeleme algoritması, DBSCAN, acil müdahale