[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 7، شماره 3 - ( 9-1398 ) ::
جلد 7 شماره 3 صفحات 1-16 برگشت به فهرست نسخه ها
بومی‌سازی الگوریتم بویان جهت شناسایی آتش سوزی جنگل ها از تصاویر ماهواره ای سنجنده مادیس
امید آذری، علی محمدزاده
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (302 مشاهده)
وقوع آتش‌سوزی از جمله پدیده­‌هایی است که همه ساله خسارات زیاد و جبران­ناپذیری بر جنگل­ها و منابع طبیعی اقصی نقاط جهان از جمله ایران وارد می­کند و موجب نابودی هزاران هکتار از جنگل‌ها و پوشش‌های گیاهی می‌شود. باتوجه به احتمال زیاد وقوع آتش­سوزی­ در اکثر مناطق جهان، نظارت کامل و مداوم روی این پدیده طبیعی، مهم و ضروری است. استفاده از فناوری سنجش­از­دور راهکاری مناسب برای شناسایی و مدیریت آتش‌­سوزی­ هاست. در این پژوهش، توسعه و بهبود الگوریتم بویان و مقایسه آن با برخی الگوریتم­های آشکارسازی آتش بااستفاده از تصاویر سنجنده مادیس مدنظر است. به‌ این منظور علاوه بر الگوریتم توسعه یافته، الگوریتم­های بویان در سال 2007، لینگلی وانگ در سال 2008 و جینگ وانگ در سال 2011 برای منطقه جنگلی استان گلستان بومی­سازی و پیاده­سازی شده­اند. برای ارزیابی نتایج به‌دست آمده از الگوریتم­های مذکور، از ماتریس ابهام و داده­های زمینی اخذ شده از سازمان جنگل­ها و منابع طبیعی استان گلستان استفاده شده­است. همچنین نرخ شناسایی آتش، مقدار آلارم اشتباه و ضریب کاپا برای هر الگوریتم محاسبه و با یکدیگر مقایسه شدند که مقدار نرخ شناسایی آتش برای الگوریتم‌های بویان، لینگلی وانگ، جینگ وانگ و الگوریتم توسعه یافته به ترتیب 95/78، 84/53، 15/46 و 22/72 درصد و مقدار ضریب کاپا نیز به ترتیب 02/81، 37/32، 37/28 و 11/81 درصد به‌دست آمد که نشان از برتری عملکرد الگوریتم توسعه یافته در منطقه مطالعاتی دارد.
واژه‌های کلیدی: آتش‌سوزی جنگل، الگوریتم شناسایی آتش، بهبود الگوریتم، سنجنده مادیس
متن کامل [PDF 1245 kb]   (135 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: ۱۳۹۴/۱۱/۳ | پذیرش: ۱۳۹۶/۸/۱۰ | انتشار: ۱۳۹۸/۹/۳۰
فهرست منابع
1. [1] Kaufman, Y.J., et al.,"Potential global fire monitoring from EOS‐MODIS". Journal of Geophysical Research: Atmospheres (1984-2012), 1998. 103(D24): p. 32215-32238. [DOI:10.1029/98JD01644]
2. [2] Giglio, L., et al., "An enhanced contextual fire detection algorithm for MODIS". Remote sensing of environment, 2003. 87(2): p. 273-282. [DOI:10.1016/S0034-4257(03)00184-6]
3. [3] Wang, W., et al.," An improved algorithm for small and cool fire detection using MODIS data: A preliminary study in the southeastern United States". Remote sensing of Environment, 2007. 108(2): p. 163-170. [DOI:10.1016/j.rse.2006.11.009]
4. [4] Movaghati, S., F. Samadzadegan, and A. Azizi, "A comparative study of three algorithms for forest fire detection in Iran". The International Archives of the Photogrammetry. Remote Sensing and Spatial Information Sciences. Jul, 2008: p. 3-11.
5. [5] Ardakani, A.S., Valadan Zoej, M.J., Mansourian, A. and Mohammadzadeh, A., "Spectral analysis of fire to detection and estimate the extent of fire affected areas using satellite imagery". Iranian Remote Sensing and GIS, 2009. 1.
6. [6] Wang, L., J.J. Qu, and X. Hao, "Forest fire detection using the normalized multi-band drought index (NMDI) with satellite measurements". Agricultural and forest meteorology, 2008. 148(11): p. 1767-1776. [DOI:10.1016/j.agrformet.2008.06.005]
7. [7] Wang, J., et al." A new algorithm for Forest fire smoke detection based on MODIS data in Heilongjiang province". in Remote Sensing, Environment and Transportation Engineering (RSETE), 2011 International Conference on. 2011. IEEE.
8. [8] Xie, Y., et al. Smoke plume detecting using MODIS measurements in eastern United States. in EastFIRE Conference Proceedings. 2005.
9. [9] Byun, Y.G., et al. Evaluation of graph-based analysis for forest fire detections. in Proceedings of world academy of science, engineering and technology. 2005.
10. [10] Gwet, K.L., The definitive guide to measuring extent of agreement among multiple raters. 2010, Gaithersburg (MD): Advanced Analytics, LLC.
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Azari O, Mohammadzadeh A. Localization Boyan algorithm to detect forest fires from MODIS sensor images. jgit. 2019; 7 (3) :1-16
URL: http://jgit.kntu.ac.ir/article-1-738-fa.html

آذری امید، محمدزاده علی. بومی‌سازی الگوریتم بویان جهت شناسایی آتش سوزی جنگل ها از تصاویر ماهواره ای سنجنده مادیس. مهندسی فناوری اطلاعات مکانی. 1398; 7 (3) :1-16

URL: http://jgit.kntu.ac.ir/article-1-738-fa.html



دوره 7، شماره 3 - ( 9-1398 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.08 seconds with 31 queries by YEKTAWEB 4106