ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

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

Surface soil moisture retrieval using a regression method applied on polarimetric SAR images

سال انتشار: 1391
کد COI مقاله: SASTECH06_062
زبان مقاله: انگلیسیمشاهده این مقاله: 1,336
فایل این مقاله در 8 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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Surface soil moisture retrieval using a regression method applied on polarimetric SAR images

M Moradizadeh - Remote Sensing Division, Surveying and Geomatics Engineering Department, College of Engineering, University of Tehran, Tehran, Iran
M.R Saradjian
D Akbari

چکیده مقاله:

Soil moisture plays a critical role in many hydrological processes including infiltration, evaporation, and runoff. Satellite-based passive microwave sensors are sensitive to soil moisture content, (Cashiona et al., 2005), but the spatial resolution of these sensors is much lower than visible/infrared (VIS/IR) satellite data. However, soil moisture estimates from VIS/IR sensors usually require surface micro-meteorological and atmospheric information that is not routinely available. To overcome these problems, radar remote sensing technology has been widely used for soil moisture retrieving because of its capability to operate in all weather conditions (Xiao et al., 2005). This study is concerned with retrieving percentage of soil moisture content using polarimetric PALSAR data in Iran. Scattering matrix decomposition has been used to find optimum features that have higher correlation with soil moisture content. Therefore, a regression based method has been used to estimate the soil moisture content based on these features. According to the validation, as expected, the retrieved soil moistures were consistent with those of field measurements. It can be concluded in this study that proposed method is appropriate in mapping soil moisture content as a suitable alternative to sparsely distributed meteorological stations measurements.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا SASTECH06_062 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/158948/

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:
Moradizadeh, M and Saradjian, M.R and Akbari, D,1391,Surface soil moisture retrieval using a regression method applied on polarimetric SAR images,6th Symposium on Advances in Science and Technology (5thsastech,https://civilica.com/doc/158948

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: (1391, Moradizadeh, M؛ M.R Saradjian and D Akbari)
برای بار دوم به بعد: (1391, Moradizadeh؛ Saradjian and Akbari)
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 :

  • sAsTech 2012, Malaysia, Kuala Lumpur. 24-25 March, 2012. Organized by ...
  • Yamaguchi Y., A. Sato, W.M. Boerner, R. Sato, H. Yamada. ...
  • Yisok O., _ Kyung-Yup, J. Geba. (2009). New Unsupervised Classification ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

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

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 70,065
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    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