48 YANGIN VE GÜVENLİK • OCAK - ŞUBAT / 2025 MAKALE likleri tanımladık. Taylor ve arkadaşları (2022) tarafından derlenen günlük büyüme çevrelerini kullanarak, bunlara karşılık gelen mekansal poligonları tanımladık ve ateş operasyonlarını gösterecek mekansal ve zamansal olarak anormal yanma desenlerini (ayrılmış ve/veya garip şekilli parmaklar veya yamalar gibi) belirledik. Bu günlük büyüme çevreleri, uçaklarla yapılan kızılötesi haritalamadan türetilmiş olup, çoğu durumda operasyon sınırlarını belirlemek için kullanıldı. Günlük IAP’lerden, ICS-209 raporlarından ve kaydedilen olay brifinglerinden gelen anlatılar, haritalanan gözlemleri doğrulamak ve operasyonel taktikler, stratejiler ve ekip atamaları hakkında ek bilgi sağlamak için değerlendirildi. Bu bilgiler, başlangıçta net olmayan operasyonel desenleri daha da çözmek için kullanıldı. Sonrasında, Dixie Yangını'na atanan yangın yönetimi personeliyle (operasyonel veya planlama rollerinde) (tablo S1) görüşerek operasyonların mekansal çözünürlüğünü ve bu operasyonların yangın büyümesi üzerindeki etkilerini iyileştirdik: (a) başlangıç haritalamasını bağımsız olarak doğrulamak, (b) boşlukları ve belirsizlik alanlarını tanımlamak, ve (c) birinci elden gözlemleri ve olay verilerini birleştirerek haritaları iyileştirmek ve son halini vermek. Personelle bağımsız ve grup halinde görüşmeler yaparak bir uzlaşmaya varıldı. Danışmanlıkları yapan yazar (C.A. Farris) Dixie Yangını'na atanan bir yönetici olup, bilim ile yönetim arasındaki köprü rolünü üstlenmiştir. Bu oturumlar, her gün yangını personelle birlikte gözden geçirmek ve onların birinci elden gözlemlerini olay verileri ve günlük büyüme çevreleriyle birleştirerek belirli günlerde ve yerlerde hangi tür operasyonların yapıldığını belirlemeyi içermektedir. Bu danışmanlık süreci, yangın şiddeti analizinden bağımsız olarak ve ondan önce gerçekleşti. Bazı durumlarda, sadece bir veya iki kişi, belirli bir günde faaliyetlerin türünü ve mekansal konumunu doğrulamak için gerekli birinci elden bilgiye sahipti (örneğin, bir savunma ateşi sırasında bulunan bir kişi veya yangının bir kısmını yerden veya havadan izleyen ve ateş hattı ile ateşin nerede birleştiğini yaklaşık olarak tanımlayabilen bir kişi). Çoğu durumda ise, birden fazla kişi farklı yangın söndürme operasyonlarının mekansal yerlerini doğrulayabildi. 2.4. Yangın Şiddeti Modeli Dixie Yangını'ndaki CBI (Composite Burn Index) varyasyonuna katkıda bulunan faktörleri nicelendirmek için Harris et al. (2021a) yöntemini izleyerek bir Random Forest modeli (Breiman 2001) geliştirdik. Tekil 30 m'lik pikseller, predictor değişkenlerinin (tablo 1) rasterlerinden, 450 m aralıklarla yerleştirilmiş ızgara noktalarında örneklenmiştir (n = 6358 örnek), bu da mekansal otokorelasyonun potansiyel etkisini ele almayı amaçlamaktadır. Piksel örnekleme, yangın şiddetine etki eden faktörlerin modellenmesinde mekansal otokorelasyon sorunlarını ele almak için yaygın bir tekniktir (Dillon et al. 2011, Birch et al. 2015, Parks et al. 2018), ancak alternatif bir teknik mekansal otokorelasyonu açıkça dahil etmektir (Wimberly et al. 2009, Povak et al. 2020). Örnekler arasındaki mesafenin seçimi, yangın şiddeti analizlerinde önemlidir çünkü verilen bir veri seti için mesafeler çok kısa kullanıldığında, model doğruluğu artabilir ve aşırı uyum (overfitting) meydana gelebilir (van Mantgem et al. 2001, Kane et al. 2015). Harris et al. (2021a) 120 m'lik daha yakın bir mesafenin, mekansal otokorelasyon etkisini azaltmak için yeterli olduğunu bulmuşken, çalışma alanımızın büyüklüğü nedeniyle daha korumacı bir yaklaşım olan geniş bir mesafe kullanarak da yeterli örnek büyüklüğü elde ettik. Model kalıntılarının incelenmesi (Şekil S1), mekansal otokorelasyonun model üzerinde önemli bir etkisi olmadığını doğrulamıştır. Sonrasında, çoklu doğrusal bağlantı (multicollinearity) ele alınarak, |rs| > 0.7 olan değişken çiftleri tanımlanmış ve daha büyük öneme sahip olan değişken (Model Improvement Ratio [MIR] ölçüsüne göre, Murphy et al. 2010) seçilmiştir. Daha sonra, VSURF algoritmasının yorumlama prosedürü (Genuer et al. 2015) kullanılarak, modele anlamlı katkı sağlamayan değişkenler kaldırılmıştır. Bir değişkenin dahil edilmesi için, çıkarılmasının, dışarıda hata (OOB) oranını önceki OOB hatasından ve standart sapmasından daha yüksek bir değere yükseltmesi gerekmiştir (Genuer et al. 2010). Son olarak, seçilen değişkenlerle (n = 13) 2000 ağaç kullanarak ve ‘randomForest’ R paketinin varsayılan değerleriyle son bir model çalıştırılmıştır (v 4.7–1.1, Liaw ve Wiener 2002). Bireysel değişkenlerin Dixie Yangını şiddetine olan göreli önemi ve ilişkileri, değişken önemi (MIR) ve kısmi bağımlılık grafikleri (Friedman 2001) kullanılarak değerlendirilmiştir ve ‘pdp’ R paketiyle (Greenwell 2017) uygulanmıştır. 2.5. Operasyonlar ve Önceki Yangınlar İçin Karşıfaktüel Senaryoların Geliştirilmesi Yangın şiddetine operasyonların ve önceki yangınların etkisini karşıfaktüel senaryolar kullanarak nicelendirdik ve haritaladık. Operasyonların ve önceki yangının yokluğunda yangın şiddetini değerlendirmek için, "operasyon yok" katmanı oluşturulmuş ve burada tüm değerler
RkJQdWJsaXNoZXIy MTcyMTY=