ورود
مقالات فارسیISIکنفرانسهاژورنالها

شناسایی بلادرنگ آتش سوزی جنگل و مراتع با استفاده از داده های NOAA/AVHRR منطقه مورد مطالعه(پناهگاه حیات وحش کیامکی)

Publish place: Journal of Spatial Analysis Environmental hazarts، Vol: 7، Issue: 1
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 285

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:
https://civilica.com/doc/1153742

شناسه ملی سند علمی:

JR_JSAEH-7-1_002

تاریخ نمایه سازی: 27 بهمن 1399

Abstract:

آتش سوزی جنگل در سال های اخیر توجه زیادی به تغییرات اقلیمی و اکوسیستم داشته است. سنجش از دور، یک روش سریع و ارزان برای تشخیص و نظارت بر آتش سوزی جنگل ها در مقیاس وسیع است. هدف از این پژوهش شناسایی آتش­سوزی جنگل و مراتع با استفاده از سنجنده­ NOAA/AVHRR در پناهگاه حیات وحش کیامکی می­باشد.جهت انجام تحقیق، ابتدا تاریخ آتش­سوزی­های رخ داده از محصولات MODIS استخراج گردید. سپس تصاویر سنجنده مورد نظر براساس تاریخ­ آتش­سوزی­های رخ داده تهیه شد. بعد از انجام پیش پردازش تصاویر، با استفاده از الگوریتم­های توسعه یافته، گیگلیو و IGBP اقدام به شناسایی آتش­سوزی گردید. نتایج الگوریتم­های شناسایی آتش­سوزی با محصولات MODIS مورد ارزیابی قرار گرفتند. نتایج نشان داد که شناسایی آتش­سوزی با استفاده از الگوریتم IGBP نسبت به الگوریتم­های توسعه یافته و گیگلیو بهتر است. بدین صورت که الگوریتم IGBP با تعداد آتش­سوزی شناسایی شده برابر با 6 پیکسل از 7 پیکسل آتش­سوزی شناسایی شده توسط محصولات MODIS، الگوریتم گیگلیو با تعداد آتش­سوزی شناسایی شده برابر با 5 پیکسل از 7 پیکسل آتش­سوزی شناسایی شده توسط محصولات MODIS و الگوریتم توسعه یافته تعداد آتش­سوزی شناسایی شده برابر با 3 پیکسل از 7 پیکسل آتش­سوزی شناسایی شده توسط محصولات MODIS را شناسایی کرد. همچنین الگوریتم IGBP با میزان خطای 14% و با تعداد آتش­سوزی شناسایی  86%، الگوریتم گیگلیو با میزان خطای 28% و تعداد آتش­سوزی شناسایی شده 72% و الگوریتم توسعه یافته با میزان خطای 57% و تعداد آتش­سوزی شناسایی شده 43% را نشان داد.

Keywords:

Real-time fire detection , fire algorithms , NOAA / AVHRR , Kayamaki Wildlife Refuge. , شناسایی آتش‌سوزی در زمان واقعی , الگوریتم‌های آتش‌سوزی , NOAA/AVHRR , پناهگاه حیات وحش کیامکی

Authors

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Amraoui, M., DaCamara, C.C., & Pereira, J.M.C. (2010). Detection and ...
  • Di Biase, V., & Laneve, G. (2018). Geostationary Sensor Based ...
  • Fuchs, E., Stein, E., Strunz, G., Strobl, C., & Frey, ...
  • Giglio, L., Kendall, J.D., & Justice C.O., (1999), Evaluation of ...
  • Jazirehi, M.D. (2005). Forest Protection, University of Tehran Press, Tehran. ...
  • Justice, C.O., Giglio, L., Korontzi, S., Owens, J., Morisette, J. ...
  • Martín, M.P., Ceccato, P., Flasse, S., & Downey, I. Fire ...
  • Movaghati, S., Samadzadegan, F., & Azizi, A. (2009). An Agent-Based ...
  • Na, L., Zhang, J., Bao, Y., Bao, Y., Na, R., ...
  • Nurdiana, A., & Risdiyanto, I. (2015). Indicator determination of forest ...
  • Philip, S. (2007, March). Active fire detection using remote sensing ...
  • Plank, S., Fuchs, E. M., & Frey, C. (2017). A ...
  • Pourshakouri. F., Darvishsefat, A.A., Samadzadegan, F., and Selyari. J. (2011). ...
  • Pu, R., Gong, P., Li, Z., & Scarborough, J. (2004). ...
  • Stroppiana, D., Pinnock, S., & Gregoire, J.M., (2000), The Global ...
  • Trambitckii, K., Anding, K., Musalimov, V., & Linss, G. (2015). ...
  • http://www.class.noaa.gov/nsaa/products ...
  • http://ladsweb.nascom.nasa.gov/data/search.html ...
  • https://earthdata.nasa.gov/labs/worldview ...
  • https://ladsweb.modaps.eosdis.nasa.gov/ ...
    • نمایش کامل مراجع