aghazadeh F, rostamzadeh H, valizadeh kamran K. Real-time detection of wildlife using NOAA/AVHRR data Study area :(Kayamaki Wildlife Refuge). Journal of Spatial Analysis Environmental Hazards 2020; 7 (1) :1-14
URL:
http://jsaeh.khu.ac.ir/article-1-2916-fa.html
آقازاده فیروز، رستم زاده هاشم، ولیزاده کامران خلیل. شناسایی بلادرنگ آتش سوزی جنگل و مراتع با استفاده از داده های NOAA/AVHRR منطقه مورد مطالعه(پناهگاه حیات وحش کیامکی). تحلیل فضایی مخاطرات محیطی. 1399; 7 (1) :1-14
URL: http://jsaeh.khu.ac.ir/article-1-2916-fa.html
1- دانشگاه تبریز ، f.aghazadeh95@ms.tabrizu.ac.ir
2- دانشگاه تبریز
چکیده: (3923 مشاهده)
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.
نوع مطالعه:
كاربردي |
موضوع مقاله:
تخصصي دریافت: 1397/12/3 | پذیرش: 1398/9/15 | انتشار: 1399/3/27