Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی مناطق با ریسک بالای آتش سوزی در جنگل ها با استفاده از سنجش از دور و شبکه های عصبی مصنوعی

همایش ژئوماتیک 90
سال انتشار: 1390
محل انتشار: همایش ژئوماتیک 90
کد COI مقاله: GEO90_083
زبان مقاله: فارسیمشاهده این مقاله: 1,211
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

چکیده مقاله:

آتش یکی از مخربترین عوامل زیانبار شناخته شده در جنگلها می باشد. طی آمارهای منتشر شده از سوی سازمانهای بین المللی سالانه میلیون ها هکتار از جنگل های دنیا به طور طبیعی طعمه حریق می شوند. درروش های سنتی از پارامترهای تاثیرگذار در شروع آتش سوزی به صورت طبیعی جهت پیش بینی استفاده می شده است. همانند دما، رطوبت، میزان پوشش گیاهی، شیب. در این مقاله امکان پیش بینی مناطق با ریسک بالای آتش سوزی در آینده با استفاده از شبکه های عصبی مصنوعی و تصاویر دوره ای سنجندهMODISارزیابی شده است. پیش فرض اولیه در این روش منحصر بفرد بودن منحنی طیفی بازتابشی مناطقی است که مستعد آتش سوزی در آینده می باشند. بر مبنای همین پیش فرض به شناسایی این مناطق از سایر مناطق پرداختیم. شبکه عصبی استفاده شده از نوع جلو رونده 1 و یادگیری شبکه با استفاده از الگوریتمپس انتشار 2 انجام شده است. تمامی این مراحل در نرم افزارMATLABانجام پذیرفته است. داده های ورودی در این روش منحنی تغییراتNDVI پیکسل های داده های آموزشی برای یک دوره دو ماهه قبل از وقوع پیک آتش سوزی در جنگل می باشد. نتایج حاصل از شبکه عصبی با تصویر ماهواره ای که در زمان پیک آتش سوزی گرفته شده و مناطق سوخته شده در آن نشان داده شده است مورد ارزیابی قرار گرفت. همچنین برای ارزیابی از شاخص های آماری استفاده شد که نتایج حاصل از آن صحت و کارایی این روش را تایید می نماید

کلیدواژه ها:

شبکه های عصبی مصنوعی ، آتش سوزی در جنگل ها ، منحنی تغییراتNDVI سنجندهMODIS

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا GEO90_083 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/151252/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
،1390،پیش بینی مناطق با ریسک بالای آتش سوزی در جنگل ها با استفاده از سنجش از دور و شبکه های عصبی مصنوعی،همایش ژئوماتیک 90،تهران،https://civilica.com/doc/151252

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: ()
برای بار دوم به بعد: ()
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :

  • Almeida Filho, R., Shimabukuro, Y.E., 2004. Monitoring biomass burning in ...
  • Alves, D.S., 2002. Space-time dynamics of deforestation in Brazilian Amazonia. ...
  • Arima, E.Y., Simmons, C.S., Walker, R.T., Cochrane, M.A., _ Fire ...
  • Morton, D.C., DeFries, R.S., Shimabukuro, Y.E., Anderson, L.O., Espu rito-Santo, ...

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی