where: m is the number of fires use

where: m is the number of fires used to calculate the Common
thresholds (i.e., all fires, m = 9), Species specific thresholds (i.e. fires
in coniferous forest, m = 5, and eucalypt forest, m = 3) and Environmental
conditions thresholds (i.e. dry m = 3, and wet m = 3, for
eucalypt forests only).
The last step was computing the standardized RBR cut thresholds
for fire severity mapping by averaging the upper and respectively
lower limits of adjacent fire severity classes. One should notice that
wet conditions scores were based on data from Kinglake fire and
therefore applicable only to eucalypt forests.
3.3.3. Applying standardized RBR cut thresholds without a priori
information — standardized models (SM)
Once common standardized RBR cut thresholds are defined, a
straightforward process allows for mapping fire severity across
landscapes by applying the cut thresholds to the standardized RBR
pixel values. The most problematic step is determining μ and σ for standardizationwithout
a priori information on fire severity fromfield plots.
Thiswas achieved by extracting RBR values for all pixelswithin each fire
perimeter, filtering the values by eliminating outliers i.e., values below
and above the 1st and the 99th percentile, and computing the mean
values of five intervals equally spaced between the minimum and
the maximum RBR. Such intervals might not correspond directly to
pre-defined severity classes (e.g., from CBI data) but they would
correspond to different severity levels due to the linear relationship
between RBR and fire severity as shown in the following sections. The
advantage of such an approach is that the mean of these interval
means (fire-wide μ) and standard deviation (σ) are not area dependent
(i.e., usually fire severity classes are not equally represented and thus
the mean backscatter values over a fire perimeter depends on the number
of pixels fallingwithin each severity class). Using μ and σ, each pixel
was standardized (as in Eq. (1)) and the previously computed standardized
RBR cut thresholds were applied to estimate the fire severity class
at each pixel. The agreement between the fire severity class computed
through the standardized model was cross-checked against field data
using Cohen's weighted kappa after reclassifying the continuous CBI
interval into five severity classes (see Section 3.3.1).

ผลลัพธ์ (ไทย) 1:

ที่: m คือ จำนวนของไฟที่ใช้ในการคำนวณทั่วไปการขีดจำกัด (เช่น หมดไฟ m = 9), ขีดจำกัดบางชนิด (เช่นไฟไหม้ในป่าเริ่ม m = 5 และป่า eucalypt, m = 3) และสิ่งแวดล้อมเงื่อนไขขีดจำกัด (เช่นแห้ง m = 3 และเปียก m = 3 สำหรับeucalypt ป่าเท่านั้น)ขั้นตอนสุดท้ายถูกคำนวณ RBR มาตรฐานตัดขีดจำกัดสำหรับการแม็ปความรุนแรงไฟโดยหาค่าเฉลี่ยบน และตามลำดับขีดจำกัดล่างของการติดไฟประเภทความรุนแรง หนึ่งควรสังเกตที่คะแนนสภาพเปียกได้ตามข้อมูลจาก Kinglake และดังนั้นสามารถใช้ได้เฉพาะกับป่า eucalypt3.3.3 การใช้มาตรฐาน RBR ตัดขีดจำกัดโดยไม่มี prioriข้อมูลแบบมาตรฐานรุ่น (SM)เมื่อกำหนด RBR มาตรฐานทั่วไปที่ตัดขีดจำกัด การกระบวนการที่ตรงไปตรงมาให้สำหรับการแม็ปความรุนแรงไฟข้ามภูมิทัศน์ โดยใช้ขีดจำกัดตัด RBR มาตรฐานค่าพิกเซล ขั้นตอนมีปัญหามากที่สุดคือการกำหนดμและσสำหรับ standardizationwithoutข้อมูล priori ความ fromfield ความรุนแรงของไฟลงจุดทำได้ โดยแยกค่า RBR สำหรับ pixelswithin ทั้งหมดไฟแต่ละ Thiswasขอบเขต การกรองค่า โดยตัด outliers คือ ค่าด้านล่างไปที่ 1 และ percentile 99 และค่าเฉลี่ยการใช้งานค่า 5 ช่วงระยะห่างเท่า ๆ กันระหว่างต่ำสุด และRBR สูงสุด ช่วงเวลาดังกล่าวอาจไม่สอดคล้องโดยตรงกับความรุนแรงที่กำหนดไว้ล่วงหน้าชั้นเรียน จากข้อมูล CBI) แต่พวกเขาจะสอดคล้องกับระดับความรุนแรงแตกต่างกันเนื่องจากความสัมพันธ์เชิงเส้นระหว่าง RBR และไฟความรุนแรงตามที่แสดงไว้ในส่วนต่อไปนี้ ที่ข้อดีของวิธีการดังกล่าวคือค่าเฉลี่ยของช่วงเวลาเหล่านี้หมายความว่า (ทั้งไฟμ) และส่วนเบี่ยงเบนมาตรฐาน (σ) ไม่ตั้งขึ้น(เช่น มักจะสอนความรุนแรงของไฟไม่เท่ากันแสดงและค่าเฉลี่ย backscatter ผ่านขอบเขตไฟไหม้ขึ้นกับจำนวนของ fallingwithin พิกเซลแต่ละระดับความรุนแรง) ใช้μ และσ แต่ละพิกเซลที่เป็นมาตรฐาน (ใน Eq. (1)) และมาตรฐานการคำนวณก่อนหน้านี้RBR ตัดขีดจำกัดถูกนำไปใช้ในการประเมินระดับความรุนแรงไฟในแต่ละพิกเซล ข้อตกลงระหว่างระดับความรุนแรงไฟคำนวณผ่านแบบจำลองมาตรฐานได้ตรวจสอบข้ามกับข้อมูลของเขตข้อมูลใช้ของโคเฮนกัปปะถ่วงน้ำหนักหลังประเภท CBI อย่างต่อเนื่องช่วงเข้าเรียนความรุนแรง 5 (ดูหัวข้อ 3.3.1)

ผลลัพธ์ (ไทย) 2:

ที่อยู่: ม.
คือจำนวนของการเกิดเพลิงไหม้ที่ใช้ในการคำนวณทั่วไปเกณฑ์(เช่นไฟไหม้ทั้งหมด m = 9) สายพันธุ์ใกล้เคียงที่เฉพาะเจาะจง
(เช่นไฟไหม้ในป่าต้นสนm = 5 และป่า eucalypt, m = 3)
และสิ่งแวดล้อมเงื่อนไขเกณฑ์ (เช่นม. = 3 แห้งและเปียก m = 3
สำหรับป่าeucalypt เท่านั้น).
ขั้นตอนสุดท้ายได้รับการคำนวณเกณฑ์มาตรฐาน RBR
ตัดความรุนแรงไฟการทำแผนที่โดยเฉลี่ยบนและตามลำดับข้อ
จำกัด ล่างของไฟที่อยู่ติดกันเรียนความรุนแรง หนึ่งควรจะสังเกตเห็นว่าคะแนนสภาพเปียกอยู่บนพื้นฐานของข้อมูลจากไฟ Kinglake และดังนั้นเฉพาะป่าeucalypt. 3.3.3 การประยุกต์ใช้มาตรฐาน RBR เกณฑ์โดยไม่ต้องตัดเบื้องต้นข้อมูล- รุ่นมาตรฐาน (SM) ร่วมกันเมื่อตัด RBR เกณฑ์มาตรฐานที่กำหนดไว้ซึ่งเป็นกระบวนการที่ซับซ้อนช่วยให้ความรุนแรงไฟทำแผนที่ทั่วภูมิทัศน์โดยใช้เกณฑ์การตัดกับRBR มาตรฐานค่าพิกเซล ขั้นตอนที่มีปัญหามากที่สุดคือการกำหนดμและσสำหรับ standardizationwithout ข้อมูลเบื้องต้นกับความรุนแรงไฟ fromfield แปลง. Thiswas ประสบความสำเร็จโดยแยกค่า RBR สำหรับทุก pixelswithin แต่ละไฟปริมณฑลกรองค่าโดยการกำจัดเช่นค่าผิดปกติค่าด้านล่างและด้านบนที่1 และ 99 ของ เปอร์เซ็นต์และการคำนวณค่าเฉลี่ยค่าห้าช่วงระยะห่างเท่าๆ กันระหว่างต่ำสุดและสูงสุดRBR ช่วงเวลาดังกล่าวอาจจะไม่สอดคล้องโดยตรงกับที่กำหนดไว้ล่วงหน้าเรียนความรุนแรง (เช่นจากข้อมูล CBI) แต่พวกเขาจะสอดคล้องกับระดับความรุนแรงที่แตกต่างกันเนื่องจากความสัมพันธ์เชิงเส้นระหว่างRBR และความรุนแรงไฟที่แสดงในส่วนต่อไปนี้ ประโยชน์จากวิธีการดังกล่าวคือการที่ค่าเฉลี่ยของช่วงเวลาเหล่านี้หมายถึง (μไฟกว้าง) และค่าเบี่ยงเบนมาตรฐาน (σ) ไม่ได้พื้นที่ขึ้นอยู่กับ (กล่าวคือมักจะยิงชั้นเรียนความรุนแรงจะไม่แสดงอย่างเท่าเทียมกันและทำให้ค่า backscatter เฉลี่ยมากกว่าไฟไหม้ ปริมณฑลขึ้นอยู่กับจำนวนของพิกเซลfallingwithin ระดับความรุนแรงแต่ละครั้ง) และการใช้μσแต่ละพิกเซลเป็นมาตรฐาน (ในขณะที่สม. (1)) และคำนวณก่อนหน้านี้ที่ได้มาตรฐานเกณฑ์การตัดRBR ถูกนำไปใช้ในการประเมินระดับความรุนแรงการเกิดไฟไหม้ในแต่ละพิกเซล ข้อตกลงระหว่างระดับความรุนแรงไฟคำนวณผ่านรูปแบบที่เป็นมาตรฐานก็ข้ามการตรวจสอบกับข้อมูลภาคสนามโดยใช้คัปปาถ่วงน้ำหนักของโคเฮนหลังจากreclassifying เชื่ออย่างต่อเนื่องในช่วงเวลาเป็นห้าชั้นเรียนความรุนแรง(ดูมาตรา 3.3.1)

ผลลัพธ์ (ไทย) 3:

สถานที่ : M คือจำนวนของไฟใช้ในการคำนวณเกณฑ์ทั่วไป
( เช่นไฟไหม้ , M = 9 ) , สายพันธุ์ที่เฉพาะเจาะจง ( เช่น ไฟ ซึ่งในป่าต้นสน
, M = 5 และป่ายูคาลิปตัส , M = 3 ) เงื่อนไขและเกณฑ์สิ่งแวดล้อม
( เช่นแห้งและเปียก M M = 3 , = 3 ,

อ่าวป่าเท่านั้น ) ขั้นตอนสุดท้ายคือการคำนวณเกณฑ์มาตรฐาน rbr
ตัดแผนที่โดยเฉลี่ยความรุนแรงของไฟบนและไฟล่างติดกันตามลำดับ
ขีดจำกัดของความรุนแรงในชั้นเรียน ควรสังเกตว่า
คะแนนตามข้อมูลจากสภาพเปียกคิงเลกไฟและ
จึงใช้ได้เฉพาะต้นยูคาลิปตัสป่า
3.3.3 . การใช้เกณฑ์มาตรฐาน rbr ตัดโดยไม่ต้องโมเดลมาตรฐาน priori
-
( SM ) ข้อมูลเมื่อพบ rbr ตัดเกณฑ์มาตรฐานจะถูกกำหนดเป็นขั้นตอนตรงไปตรงมาช่วยให้การทำแผนที่ไฟ

ความรุนแรงทั่วภูมิประเทศ โดยใช้เกณฑ์การตัดพิกเซล rbr
มาตรฐานค่า ขั้นตอนที่มีปัญหามากที่สุด คือ การกำหนดและμσสำหรับ standardizationwithout
ข้อมูลระหว่างความรุนแรง fromfield
ไฟไหม้แปลงหลังจากนั้นจะได้รับโดยการแยก rbr ค่าทั้งหมด pixelswithin แต่ละไฟ
ปริมณฑลการกรองค่า โดยขจัดผิดปกติเช่น ค่าด้านล่าง
ขึ้นไป 1 และ 99% และการคำนวณค่าเฉลี่ยของห้าช่วงเวลากันค่า

เว้นระยะห่างระหว่าง rbr ต่ำสุดและสูงสุด ช่วงเวลาดังกล่าวอาจจะไม่สอดคล้องกับความรุนแรงโดยตรง

เรียนที่กำหนดไว้ล่วงหน้า ( เช่นข้อมูลจาก CBI ) แต่พวกเขาจะ
สอดคล้องกับระดับความรุนแรงที่แตกต่างกันเนื่องจาก
ความสัมพันธ์เชิงเส้นระหว่าง rbr และไฟความรุนแรงดังที่แสดงในส่วนต่อไปนี้
ประโยชน์จากวิธีการดังกล่าวก็คือค่าเฉลี่ยของช่วงเวลา
( หมายถึงไฟμกว้าง ) และส่วนเบี่ยงเบนมาตรฐาน ( σ ) ไม่ใช่พื้นที่ขึ้นอยู่กับ
( เช่น ปกติไฟไม่แสดงความรุนแรงในชั้นเรียนจึง
เท่าๆ กันค่าเฉลี่ยกระเจิงกลับค่าผ่านไฟปริมณฑลขึ้นอยู่กับจำนวนของพิกเซลแต่ละระดับความรุนแรง fallingwithin
) และใช้μσแต่ละพิกเซล
เป็นมาตรฐาน ( ในอีคิว ( 1 ) เคยคำนวณมาตรฐาน
rbr ตัดเกณฑ์ที่ใช้ประเมินความรุนแรงระดับ
ไฟในแต่ละพิกเซล ข้อตกลงระหว่างไฟความรุนแรงชั้นคำนวณ
ผ่านแบบมาตรฐานได้ข้ามเขตข้อมูลการตรวจสอบกับ
Cohen ถ่วงน้ำหนัก Kappa หลังจาก reclassifying ช่วงเวลา CBI
ต่อเนื่องในห้าความรุนแรงเรียน ( ดูมาตรา 3.3.1 )