این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحلیل فضایی مخاطرات محیطی، جلد ۷، شماره ۱، صفحات ۱-۱۴
عنوان فارسی شناسایی بلادرنگ آتش سوزی جنگل و مراتع با استفاده از داده های NOAA/AVHRR منطقه مورد مطالعه(پناهگاه حیات وحش کیامکی)
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Real-time detection of wildlife using NOAA/AVHRR data Study area :(Kayamaki Wildlife Refuge)
چکیده انگلیسی مقاله Forest fire in recent years has paid great attention to climate change and ecosystems. Remote sensing is a quick and inexpensive way to detect and monitor forest fires on a large scale. The purpose of this study was to identify forest and rangeland fire hazards using NOAA / AVHRR in Kayamaki Wildlife Refuge. For the purpose of this study, the history of the fire-burns occurred in MODIS products. Then, the sensor images were prepared based on the date of fire burning. After preprocessing the images, Giglio and IGBP developed algorithms that detected fire. The results of fire detection detection algorithms were evaluated with MODIS products. The results showed that fire detection using the IGBP algorithm is better than the developed algorithms and Giglia. In this way, the IGBP algorithm with the detected fire number of 6 pixels from the 7-pixel fire detection detected by the MODIS product, the Giglio algorithm with the detected fire number is 5 pixels from the 7-pixel fire detection detected by The MODIS and extended algorithm detected the detected fire detected firefight number of 3 pixels from the 7 pixels of fire detection detected by MODIS products. Also IGBP algorithm with error rate of 14% and with fire detection number of 86%, Giglio algorithm with error rate of 28% and number of fire detected 72%, and developed algorithm with 57% error rate and detected fire number 43%.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فیروز آقازاده | firuz aghazadeh
Tabriz University
دانشگاه تبریز

هاشم رستم زاده | hashem rostamzadeh
Tabriz University
دانشگاه تبریز

خلیل ولیزاده کامران | khalil valizadeh kamran
Tabriz University
دانشگاه تبریز

نشانی اینترنتی http://jsaeh.khu.ac.ir/browse.php?a_code=A-10-828-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات