تعداد نشریات | 27 |
تعداد شمارهها | 557 |
تعداد مقالات | 5,743 |
تعداد مشاهده مقاله | 8,019,527 |
تعداد دریافت فایل اصل مقاله | 5,391,045 |
ارزیابی قابلیت محصولات آتش سنجنده مادیس در شناسایی آتشسوزیها در استان گلستان | ||
مخاطرات محیط طبیعی | ||
مقاله 1، دوره 10، شماره 30 - شماره پیاپی 4، اسفند 1400، صفحه 1-16 اصل مقاله (2.64 MB) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22111/jneh.2021.34138.1661 | ||
نویسندگان | ||
طوبی شریف نژاد1؛ حسن خاوریان نهزک ![]() | ||
1دانشجوی کارشناسی ارشد،گروه جغرافیای طبیعی، دانشکده ادبیات و علوم انسانی، دانشگاه محقق اردبیلی | ||
2استادیار سنجش از دور و GIS ، گروه جغرافیای طبیعی، دانشکده ادبیات و علوم انسانی، دانشگاه محقق اردبیلی | ||
3استادیار گروه منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی | ||
چکیده | ||
استفاده از سنجش از دور به دلیل پوشش وسیع مکانی و فراهم کردن اطلاعات در زمانهای مختلف، در شناسایی مناطق آتشگرفته اهمیت ویژه ای دارد. امروزه از محصولات آتش مادیس بهصورت گستردهای برای این امر استفاده میشود. هدف از این تحقیق ارزیابی قابلیت محصولات آتش سنجنده مادیس MOD14, MOD14A2 (Terra) و MYD14, MYD14A2 (Aqua) و شناسایی مناطق آتشسوزی در استان گلستان است. ابتدا نقشهی نقطهای مربوط بهتمامی تصاویر تولید شد سپس جهت ارزیابی صحت محصولات آتش، نقشهی نقطهای تهیه شده برای محصولات با دادههای واقعیت زمینی مقایسه شد. در صورت انطباق موقعیت مکانی هرکدام از آتشهای گزارششده با آتشهای شناساییشده بهوسیلهی محصولات، آن موقعیت بهعنوان آتش شناساییشده بهصورت صحیح در نظر گرفته شد. جهت ارزیابی دقت تصاویر مادیس از تصاویر لندست به عنوان نقشهی صحت زمینی استفاده شد. نتایج ارزیابی صحت محصولات نشان داد که شش منطقهی آتشسوزی شده توسط محصولات آتش فعال سطح دو روزانه و هشت منطقه توسط محصولات سطح سه هشتروزه شناسایی شدند. نتایج ارزیابی دقت تصاویر ضریب R^2 برابر 0.94 و ضریب RMSE برابر 426.12 هکتار را نشان میدهد. بررسیهای صورت گرفته در این تحقیق نشان میدهد به منظور کارایی بهتر الگوریتم متنی کشف آتش، پیشنهاد میشود این الگوریتم برای جنگلهای استان گلستان و متناسب با شرایط و ویژگیهای منطقهی آتشسوزی، شدت و مساحت آن توسعه داده شود تا نتایج بهتری را ارائه دهد. | ||
کلیدواژهها | ||
شناسایی آتش؛ صحت سنجی؛ سنجنده مادیس؛ محصول آتش؛ استان گلستان | ||
مراجع | ||
پورشکوریالهده، فرخ؛ درویشصفت، علی اصغر؛ صمدزادگان، فرهاد؛ عطارد، پدرام. (1392). صحت سنجی محصول آتش MODIS در جنگلهای شمال ایران در سال 1388، همایش ملی ژئوماتیک، 20 (2)، 90-81. پورشکوریاله ده،فرخ؛ درویشصفت؛ علی اصغر؛ صمدزادگان، فرهاد؛ عطارد، پدرام؛ سلیاری، جواد، ارزیابی الگوریتم جهانی کشف آتش فعال در عرصههای منابع طبیع به کمک تصاویر سنجنده مادیس (مطالعهی موردی: پارک ملی گلستان). (1392). نشریه پژوهشهای علوم و فناوری چوب و جنگل، جلد بیستم، شماره چهارم، 97-81 پورشکوریالهده، فرخ؛ درویشصفت، علی اصغر؛ صمدزادگان، فرهاد؛ عطارد، پدرام. (1393)،کارایی تصاوبر سنجندهی MODIS و الگوریتم جهانی کشف آتش برای شناسایی آتش فعال در جنگلهای زاگرس، نشریه جنگل و فرآورد های چوب، مجله منابع طبیعی ایران، دورة 67 ، شمارة 2، 213-201 .10.22059/jfwp.2014.51541. سرکارگراردکانی ، علی.، ولدانزوج، محمد جواد.، محمدزاده، علی؛ منصوریان، علی. (1388). تجزیه و تحلیل طیفی آتش به منظور شناسایی و برآورد وسعت مناطق دچار حریق با استفاده از تصاویر ماهوارهای، سنجش از دور و GIS ایران ،سال اول، شماره سوم، 80-65 سرکارگراردکانی ، علی.، ولدانزوج ، محمد جواد.، محمدزاده، علی؛ منصوریان ، علی. 1389. ارزیابی دقت مکانی و زمانی تصاویر سنجنده MODIS در شناسایی نقاط آتشسوزی، سنجش از دور و GIS ایران ، سال دوم، شماره یکم. 47-39 سالنامه آماری استان گلستان. (1395) سایت سازمان مدیریت و برنامهریزی استان گلستان، معاونت آمار و اطلاعات غضنفرپور، حسین؛ حسنزاده، سمیرا؛ حامدی، محدثه. (1395). مدیریت مقابله با آتشسوزی جنگلهای شمال ایران (مطالعه موردی: جنگل گلستان)، مجله مخاطرات محیط طبیعی، سال پنجم، شماره دهم.78-61. 10.22111/jneh.2017.2962 Bailey. A.W and Anderson. M.L.(1980). Fire Temperatures in Forest Communities Grass, Shrub and Aspen of Central Alberta. Journal of Range Managemen, 33(1): 37-40. Boles, S. H; D. L. Verbyla (2000). "Comparison of three AVHRR-based fire detection algorithms for interior Alaska." Remote Sensing of Environment 72(1): 1-16. https://doi.org/10.1016/S0034-4257(99)00079-6 Comert, R; Mantic, D and Avdan, U. (2019). Object-Based Burned Area Mapping With Random Forest Algorithm, International Journal of Engineering and Geosciences (IJEG), 4 (2): 78-87. DOI: 10.26833/ijeg.455595. Flassh, S.P, and Ceccato, P. 1996. A contextual algorithm for AVHRR fire detection. Remote sensing 17 (2). 419-424. https://doi.org/10.1080/01431169608949018 Fornacca, D; Ren, G and Xiao, W.(2017). Performance of Three MODIS Fire Products,(MCD45A1, MCD64A1, MCD14ML), and ESA Fire_CCI in a Mountainous Area of Northwest Yunnan, China, Characterized by Frequent Small Fires, Remote Sensing, 9(11): 1-20. https://doi.org/10.3390/rs9111131. Giglio, L; (2015). MODIS Collection 6 Active Fire Product User’s Guide Revision A, Department of Geographical Sciences University of Maryland.1-64. Giglio, L., Descloitres, J; Christopher, O and Kaufmam, Y. J.(2003). An Enhance Contextual Fire Detection Algorithm for MODIS, Remote sensing of Environment, 87 (2):273-282 https://doi.org/10.1016/S0034-4257(03)00184-6. Gandhi, S.R and Singh, T.P. (2014).Automatization of Forest Fire Detection Using Geospatial Technique, Open Journal of Forestry, 4 (4): 302-309. doi:10.4236/ojf.2014.44036 Hawbaker, T. J; Radeloff, V. C; Syphard, A. D and Zhu, Z.(2008). Detection Rates of The MODIS Active Fire Product In The United States, Remote Sensing of Environment. 112 (5):2656-2664. https://doi.org/10.1016/j.rse.2007.12.008 Justice, C.O.; Giglio, L; Korontzi, S; Owens, G; Morisette, G.T and Roy, D.2002.The MODIS fire products, Remote Sensing of Environment, 83 (2): 244–262. https://doi.org/10.1016/S0034-4257(02)00076-7 Justice, C.O.; Giglio, L; Boschetti, L; Roy, D; Csiszar, I; Morisette, G.T and Kaufman, Y.(2006). Algorithm Technical Background Document, Version2.3, 1 October 2006 Kaufman, G.Y; Justice, O. C; Flynn, P. L; Kendal, D. G; Prins, M. E; Giglio, L. et.al .(1998). Potential global fire monitoring from EOS-MODIS, Journal of Geophysical Research, 103 (24): 32215-32238. Kant, Y; Badarinath, K, (2002). "Sub-pixel fire detection using Landsat-TM thermal data." Infrared Physics & technology 43(6): 383-387 https://doi.org/10.1016/S1350-4495(02)00128-7. Li, Z; Kaufman, Y.J; Ichoku, C; Fraser, R. (2000). A review of AVHRR-based active fire detection algorithms: principles, limitations, and recommendations. In ‘Global and regional vegetation fire monitoring from space: planning and coordinated international effort.199-225. Liming, HE; Zanqing, L.I. 2012. Enhancement of a fire detection algorithm by eliminating solar reflection in the mid-IR band: application to AVHRR data. International Journal of Remote Sensing.. 33(22): 7047-7059. https://doi.org/10.1080/2150704X.2012.699202 Movaghati, S; Samadzadegan, F, and Azizi, A. (2008). A Comparative Study Of Three Algorithms For Forest Fire Detection in Iran, In The International Archives of the Photogrammetry. Remote Sensing and Spatial Information Sciences. 37: 379-382. Masocha, M; Dobe, T; Mpofu, T.N and Chimuhu, S. (2017). Accuracy Assessment Of Active Modis Fire Products In Southern African Savannah Woodlands, African Journal Ecology, 56 (3): 563-571. https://doi.org/10.1111/aje.12494 Veraverbeke, S; Sedano, F; Hook, S.J and Randerson, J.T. (2014). Mapping The Daily Progression Of Large Wildland Fires Using MODIS Active Fire Data, International Journal of Wildland Fire, 23 (5): 655-667. https://doi.org/10.1071/WF13015 Wang, W., Qu, J., Hao, X., Liu, Y and Sommers, W. T. (2007). An improved algorithm for small and cool fire detection using MODIS data: A preliminary study in the southeastern United States. Remote Sensing of Environment, 108 (2): 163-170. https://doi.org/10.1016/j.rse.2006.11.009. | ||
آمار تعداد مشاهده مقاله: 202 تعداد دریافت فایل اصل مقاله: 181 |