فایل ورد کامل ترجمه مقاله مدل سازی شدت آتش‌سوزی در جنگل‌های چند لایه‌ای با استفاده از داده‌های Land sat TM 40 صفحه در word

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

 فایل ورد کامل ترجمه مقاله مدل سازی شدت آتش‌سوزی در جنگل‌های چند لایه‌ای با استفاده از داده‌های Land sat TM 40 صفحه در word دارای ۴۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل ترجمه مقاله مدل سازی شدت آتش‌سوزی در جنگل‌های چند لایه‌ای با استفاده از داده‌های Land sat TM 40 صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل ترجمه مقاله مدل سازی شدت آتش‌سوزی در جنگل‌های چند لایه‌ای با استفاده از داده‌های Land sat TM 40 صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل ترجمه مقاله مدل سازی شدت آتش‌سوزی در جنگل‌های چند لایه‌ای با استفاده از داده‌های Land sat TM 40 صفحه در word :

دانلود ترجمه مقاله مدل سازی شدت آتش‌سوزی در جنگل‌های چند لایه‌ای با استفاده از داده‌های Land sat TM
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:۲۰۱۱
تعداد صفحه ترجمه:۲۸
تعداد صفحه فایل انگلیسی:۷

موضوع انگلیسی :Modeling of multi-strata forest fire severity using Landsat TM Data
موضوع فارسی:دانلود ترجمه مقاله مدل سازی شدت آتش‌سوزی در جنگل‌های چند لایه‌ای با استفاده از داده‌های Land sat TM
چکیده انگلیسی:Most of fire severity studies use field measures of composite burn index (CBI) to represent forest fire
severity and fit the relationships between CBI and Landsat imagery derived differenced normalized burn
ratio (dNBR) to predict and map fire severity at unsampled locations. However, less attention has been
paid on the multi-strata forest fire severity, which represents fire activities and ecological responses at
different forest layers. In this study, using field measured fire severity across five forest strata of dominant
tree, intermediate-sized tree, shrub, herb, substrate layers, and the aggregated measure of CBI as response
variables, we fit statistical models with predictors of Landsat TM bands, Landsat derived NBR or dNBR,
image differencing, and image ratioing data. We model multi-strata forest fire in the historical recorded
largest wildfire in California, the Big Sur Basin Complex fire.Weexplore the potential contributions of the
post-fire Landsat bands, image differencing, image ratioing to fire severity modeling and compare with
the widely used NBR and dNBR. Models using combinations of post-fire Landsat bands perform much
better than NBR, dNBR, image differencing, and image ratioing. We predict and map multi-strata forest
fire severity across the whole Big Sur fire areas, and find that the overall measure CBI is not optimal to
represent multi-strata forest fire severity.
چکیده فارسی:

در اغلب تحقیقاتی که در مورد شدت حریق در جنگل‌ها صورت گرفته‌اند از مقیاس CBI برای نشان دادن شدت آتش‌سوزی در جنگل استفاده می‌شود روابط میان CBI و تصاویر استفاده شده نیز بررسی می‌شود تا مقدار سوختگی (dNBR) تعیین شود و با کمک آن بتوانند نقشه‌ی مربوط به شدت آتش‌سوزی در مناطق نمونه‌برداری نشده را پیش‌بینی کنند به هر حال توجه اندکی به شدت آتش‌سوزی در جنگل‌های چند لایه‌ای مبذول داشته شده است که نشان‌دهنده‌ی فعالیت‌های حریق و واکنش‌های اکولوژیکی در لایه‌های مختلف جنگل است.

ما در این تحقیق با استفاده از مقیاس‌های میدانی شدت آتش‌سوزی در جنگل‌هایی که شامل درختانی با اندازه‌ی متوسط، درختچه، بوته و لایه‌های زیرین هستند و با کمک مقیاس ‍CBI به عنوان متغیر واکنش، مدل‌های آماری را با شاخص‌های گروههای TM تطابق داده‌ایم. پایگاه اطلاعاتی Landsat توانسته است اطلاعات مربوط به مقیاس‌گذاری تصاویر و تمایز آنها و dNBR و NBR را به دست آورد. ما آتش‌سوزی در جنگل‌های چند اشکوبه و بزرگترین حیات‌وحشی در کالیفرنیا را مدل‌سازی کرده‌ایم. ما نقش‌های بالقوه گروههای Land sat پس از آتش‌سوزی‌ و تمایز تصاویر و تقسیم‌بندی تصویر به منظور الگوبرداری از شدت آتش‌سوزی را ارزیابی کرده‌ایم و آن را با NBR و dNBR مقایسه کرده‌ایم مدل‌هایی که شامل ترکیبی از گروههای Landsat پس از آتش‌سوزی هستند عملکرد بهتری نسبت به NBR و dNBR و تمایز تصاویر و تقسیم آنها دارتد ما نقشه شدت آتش‌سوزی را در جنگل‌های چنداشکوبه را در سراسر این منطقه پیش‌بینی کرده‌ایم و دریافتیم که مقیاس کلی CBI برای نشان دادن شدت آتش‌سوزی در این جنگل‌ها مناسب نیست.