فایل ورد کامل پیوند تصویر برداری طیف سنجی و لیدار با ترکیب گیاهی و ساختار جنگلی در پاناما

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل پیوند تصویر برداری طیف سنجی و لیدار با ترکیب گیاهی و ساختار جنگلی در پاناما،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۵ صفحه

چکیده
تصویر برداری لندست و انتشار توپوگرافیکی رادار شاتل (SRTM) اخیرا برای شناسایی واحدهای گیاهی در مقیاس گسترده در جنگل های بارانی امریکای جنوبی و نواحی گرمسیری امریکای شمالی استفاده شده است، که مطابق با شکل گیری زمین شناسی و ویژگی های خاکی است. با این حال، در مورد تنوع ساختاری و عملکردی بین واحدهای گیاهی دانش کمی وجود دارد . داده های لندست و SRTM فاقد قدرت تفکیک طیفی و مکانی برای فراهم اوردن این اطلاعات هستند. تصویر برداری طیف سنجی و لیدار (نوریاب و مسافت یاب) برای سنجش عملکرد و ساختار تاج پوشش در انواعی از اکوسیستم ها استفاده شده است، اما توانایی این تکنولوژی ها برای سنجش تفاوت های بین انواع جنگلی گرمسیری از نظر ترکیب متمایز اما یکنواخت ناشناس باقی مانده است. ما ۱۶ اندازه گیری درخت را از پاناما مرکزی با تصویر برداری طیف سنجی و داده های ارتفاعی لیدار از رصدخانه هوایی Carnegie ترکیب کردیم تا توانایی مان جهت شناسایی الگوهای ترکیب گونه های گیاهی را بیازماییم، و تفاوت های طیفی و ساختاری بین انواع جنگلی گرمسیری تاج پوشش – بسته مجاور را بسنجیم. ما دریافتیم که تغییرات در تصویر برداری طیف سنجی و داده های لیدار، پیش بینی کننده های قویی از گردش مکانی ترکیب گونه های گیاهی هستند. همچنین ما دریافتیم که این الگوهای ترکیبی، شیمیایی، و ساختاری مطابق با شکل گیری های زمین شناسی زیربنایی و ویژگی های ژئومورفولوژی است. ما نتیجه گیری کردیم که تصویر برداری طیف سنجی و داده های لیدار می توانند برای تفسیر الگوهای شناسایی شده در سنسورهای رزولوشن پایین تر استفاده شوند، تا اطلاعات جدید در مورد عملکرد و ساختار جنگل فراهم شود، و عوامل زیربنایی این الگوها شناسایی شود.

عنوان انگلیسی:Linking imaging spectroscopy and LiDAR with floristic composition and forest structure in Panama~~en~~

Abstract

Landsat and Shuttle Radar Topography Mission (SRTM) imagery have recently been used to identify broad-scale floristic units in Neotropical rain forests, corresponding to geological formations and their edaphic properties. Little is known about the structural and functional variation between these floristic units, however, and Landsat and SRTM data lack the spectral and spatial resolution needed to provide this information. Imaging spectroscopy and LiDAR (Light Detection and Ranging) have been used to measure canopy structure and function in a variety of ecosystems, but the ability of these technologies to measure differences between compositionally-distinct but otherwise uniform tropical forest types remains unknown. We combined 16 tree inventories from central Panama with imaging spectroscopy and LiDAR elevation data from the Carnegie Airborne Observatory to test our ability to identify patterns in plant species composition, and to measure the spectral and structural differences between adjacent closed-canopy tropical forest types. We found that variations in spectroscopic imagery and LiDAR data were strong predictors of spatial turnover in plant species composition. We also found that these compositional, chemical, and structural patterns corresponded to underlying geological formations and their geomorphological properties. We conclude that imaging spectroscopy and LiDAR data can be used to interpret patterns identified in lower resolution sensors, to provide new information on forest function and structure, and to identify underlying determinants of these patterns.

$$en!!