Multi-temporal change detection is

Multi-temporal change detection is commonly used in the detection of changes to ecosystems. Differencing single band indices derived from
multispectral pre- and post-fire images is one of the most frequently used change detection algorithms. In this paper we examine a commonly used
index used in mapping fire effects due to wildland fire. Subtracting a post-fire from a pre-fire image derived index produces a measure of absolute
change which then can be used to estimate total carbon release, biomass loss, smoke production, etc. Measuring absolute change however, may be
inappropriate when assessing ecological impacts. In a pixel with a sparse tree canopy for example, differencing a vegetation index will measure a
small change due stand-replacing fire. Similarly, differencing will produce a large change value in a pixel experiencing stand-replacing fire that
had a dense pre-fire tree canopy. If all stand-replacing fire is defined as severe fire, then thresholding an absolute change image derived through
image differencing to produce a categorical classification of burn severity can result in misclassification of low vegetated pixels. Misclassification
of low vegetated pixels also happens when classifying severity in different vegetation types within the same fire perimeter with one set of
thresholds. Comparisons of classifications derived from thresholds of dNBR and relative dNBR data for individual fires may result in similar
classification accuracies. However, classifications of relative dNBR data can produce higher accuracies on average for the high burn severity
category than dNBR classifications derived from a universal set of thresholds applied across multiple fires. This is important when mapping
historic fires where precise field based severity data may not be available to aid in classification. Implementation of a relative index will also allow
a more direct comparison of severity between fires across space and time which is important for landscape level analysis. In this paper we present a
relative version of dNBR based upon field data from 14 fires in the Sierra Nevada mountain range of California, USA. The methods presented may
have application to other types of disturbance events.

ผลลัพธ์ (ไทย) 1:

การตรวจจับขมับหลายเป็นที่นิยมใช้ในการตรวจสอบการเปลี่ยนแปลงระบบนิเวศ Differencing หลังดัชนีวงเดียวมาจากภาพก่อน และหลังไฟ multispectral เป็นหนึ่งของอัลกอริทึมการตรวจจับการเปลี่ยนแปลงที่ใช้บ่อยที่สุด ในเอกสารนี้ เราตรวจสอบใช้กันทั่วไปดัชนีที่ใช้ในการแมปผลไฟเนื่องจากไฟไหม้สม่ำเสมอ wildland ลบไฟหลังจากรูปไฟก่อนมาผลิตดัชนีการวัดสัมบูรณ์เปลี่ยนแล้วสามารถนำมาใช้เพื่อประเมินการปล่อยคาร์บอนรวม ขาดทุนชีวมวล การผลิตควัน ฯลฯ วัดความเปลี่ยนแปลงอย่างไรก็ตาม อาจจะเหมาะสมเมื่อประเมินผลกระทบต่อระบบนิเวศ ในพิกเซลที่มีความห่างต้นไม้หลังคา เช่น differencing ดัชนีพืชจะวัดเป็นเปลี่ยนแปลงเล็กน้อยครบกำหนดเปลี่ยนขาตั้งไฟ ในทำนองเดียวกัน differencing จะก่อให้เกิดการเปลี่ยนแปลงขนาดใหญ่ไฟค่าในพิกเซลพบยืนแทนที่มีความหนาแน่นก่อนไฟไหม้ต้นไม้หลังคา ถ้าไฟยืนแทนทั้งหมดถูกกำหนดให้เป็นไฟไหม้อย่างรุนแรง แล้ว thresholding ภาพเปลี่ยนแปลงแน่นอนมาจากการภาพ differencing การผลิตการจัดประเภทความรุนแรงเขียนแน่ชัดจะส่งผลในการจัดประเภทต่ำค้นพิกเซล การจัดประเภทพิกเซลค้นต่ำยังเกิดขึ้นเมื่อแบ่งประเภทของความรุนแรงในชนิดต่าง ๆ ภายในขอบเขตไฟเดียวกับหนึ่งชุดขีดจำกัด เปรียบเทียบจากเกณฑ์ของ dNBR และ dNBR สัมพันธ์ข้อมูลสำหรับไฟแต่ละประเภทอาจคล้ายกันการจัดประเภทแม่น อย่างไรก็ตาม การจำแนกประเภทข้อมูลญาติ dNBR สามารถผลิตความแม่นสูงโดยเฉลี่ยสำหรับความรุนแรงสูงเขียนประเภทกว่ามาจากชุดสากลของขีดจำกัดใช้ไฟหลายประเภท dNBR นี้เป็นสิ่งสำคัญเมื่อการแมปประวัติศาสตร์ไฟที่แม่นยำฟิลด์ตามข้อมูลความรุนแรงอาจไม่มีเพื่อช่วยในการจัดประเภท ยังช่วยให้การดำเนินงานของดัชนีสัมพันธ์การเปรียบเทียบโดยตรงมากขึ้นของความรุนแรงระหว่างไฟทั่วทั้งพื้นที่และเวลาซึ่งเป็นสิ่งสำคัญสำหรับการวิเคราะห์ระดับแนวนอน ในเอกสารนี้ เรานำเสนอเป็นรุ่นญาติของ dNBR ตามฟิลด์ข้อมูลจากไฟ 14 ในเทือกเขาเซียร์ราเนวาดาที่ของรัฐแคลิฟอร์เนีย สหรัฐอเมริกา วิธีการนำเสนอที่พฤษภาคมมีโปรแกรมไปรบกวนกิจกรรมประเภทอื่น ๆ

ผลลัพธ์ (ไทย) 2:

การตรวจสอบการเปลี่ยนแปลงหลายชั่วเป็นที่นิยมใช้ในการตรวจสอบการเปลี่ยนแปลงของระบบนิเวศ ความแตกต่างของดัชนีวงเดียวที่ได้มาจาก
multispectral ก่อนและหลังการเกิดไฟไหม้ภาพเป็นหนึ่งในผู้ที่ใช้บ่อยที่สุดขั้นตอนวิธีการตรวจสอบการเปลี่ยนแปลง ในบทความนี้เราตรวจสอบที่ใช้กันทั่วไป
ดัชนีที่ใช้ในการทำแผนที่ผลกระทบไฟเนื่องจากไฟป่า ลบโพสต์ไฟจากดัชนีภาพก่อนเกิดเพลิงไหม้มาผลิตตัวชี้วัดของแน่นอน
การเปลี่ยนแปลงซึ่งจากนั้นจะสามารถใช้ในการประเมินการปล่อยคาร์บอนรวมการสูญเสียชีวมวลผลิตควันเป็นต้นการวัดการเปลี่ยนแปลงแน่นอน แต่อาจจะ
ไม่เหมาะสมเมื่อมีการประเมินผลกระทบต่อระบบนิเวศ . ในพิกเซลพร้อมหลังคาต้นไม้เบาบางเช่น, differencing ดัชนีพืชจะวัด
การเปลี่ยนแปลงขนาดเล็กเนื่องจากยืนแทนที่ไฟ ในทำนองเดียวกันความแตกต่างจะผลิตค่าการเปลี่ยนแปลงขนาดใหญ่ในพิกเซลประสบไฟยืนแทนที่ที่
มีความหนาแน่นสูงก่อนไฟไหม้หลังคาต้นไม้ หากทุกยืนแทนที่ไฟถูกกำหนดให้เป็นไฟไหม้อย่างรุนแรงแล้ว Thresholding ภาพการเปลี่ยนแปลงแน่นอนมาผ่าน
ความแตกต่างของภาพในการผลิตการจัดหมวดหมู่เด็ดขาดของการเผาไหม้รุนแรงได้ผลในการจำแนกพิกเซลโซต่ำ จำแนก
พิกเซลโซต่ำนอกจากนี้ยังเกิดขึ้นเมื่อการจำแนกความรุนแรงในรูปแบบที่แตกต่างกันภายในพืชปริมณฑลไฟเดียวกันกับหนึ่งในชุดของ
เกณฑ์ การเปรียบเทียบการจำแนกประเภทได้มาจากเกณฑ์ของ dNBR และข้อมูล dNBR ญาติไฟแต่ละคนอาจมีผลในการที่คล้ายกัน
ถูกต้องการจัดหมวดหมู่ อย่างไรก็ตามการจำแนกประเภทของข้อมูล dNBR ญาติสามารถผลิตความถูกต้องสูงขึ้นโดยเฉลี่ยสำหรับความรุนแรงเผาไหม้สูง
หมวดหมู่กว่าการจำแนกประเภท dNBR มาจากชุดสากลของเกณฑ์ที่ใช้ทั่วไฟไหม้หลาย นี้เป็นสิ่งสำคัญเมื่อการทำแผนที่
การเกิดเพลิงไหม้ในประวัติศาสตร์ที่แม่นยำฟิลด์ตามข้อมูลความรุนแรงอาจจะไม่พร้อมที่จะช่วยในการจัดหมวดหมู่ การดำเนินงานของดัชนีญาติยังจะช่วยให้
การเปรียบเทียบโดยตรงมากขึ้นของความรุนแรงระหว่างไฟไหม้ทั่วทั้งพื้นที่และเวลาซึ่งเป็นสิ่งสำคัญสำหรับการวิเคราะห์ระดับภูมิทัศน์ ในบทความนี้เรานำเสนอ
รุ่นญาติของ dNBR ขึ้นอยู่กับข้อมูลจากการลงสนาม 14 เกิดเพลิงไหม้ในเทือกเขาเซียร์ราเนวาดารัฐแคลิฟอร์เนียประเทศสหรัฐอเมริกา วิธีการที่นำเสนออาจ
มีการประยุกต์ใช้กับประเภทอื่น ๆ ของเหตุการณ์ความวุ่นวาย

ผลลัพธ์ (ไทย) 3:

การตรวจหาการเปลี่ยนแปลงหลายและเป็นที่นิยมใช้ในการตรวจหาการเปลี่ยนแปลงระบบนิเวศวิทยา ข้อมูลดัชนีที่ได้จากวงเดียว3 ก่อนและหลังภาพไฟเป็นหนึ่งในขั้นตอนวิธีการเปลี่ยนใช้บ่อยที่สุด . ในบทความนี้เราจะตรวจสอบ ใช้กันทั่วไปดัชนีที่ใช้ในการทำแผนที่ไฟผลกระทบจากไฟป่า . ลบเสาไฟจากไฟก่อนดัชนีผลิตภาพและการวัดสัมบูรณ์การเปลี่ยนแปลงที่สามารถใช้ในการประเมินการปล่อยปริมาณคาร์บอนชีวมวลการสูญเสียการผลิตควัน ฯลฯ วัดแน่นอน อาจจะเปลี่ยนแปลงอย่างไรก็ตามไม่เหมาะสมเมื่อการประเมินผลกระทบสิ่งแวดล้อม ในพิกเซลที่มีทรงพุ่มต้นไม้เบาบางตัวอย่างเช่นข้อมูลดัชนีพืชพรรณจะวัดเป็นการเปลี่ยนแปลงขนาดเล็กเนื่องจากยืนแทนไฟ ในทํานองเดียวกัน ปกติจะผลิตมูลค่าการเปลี่ยนแปลงขนาดใหญ่ในพิกเซลประสบยืนแทนไฟมีหนาแน่นก่อนไฟเรือนยอดต้นไม้ . ถ้ายืนแทนไฟ เช่นไฟที่รุนแรง แล้วปรับเปลี่ยนภาพที่ได้มาผ่านสัมบูรณ์ภาพการนำผลิตการจำแนกเด็ดขาดของความรุนแรงเผาสามารถผลผิดพลาดต่ำ vegetated พิกเซล ผิดพลาดต่ำ vegetated พิกเซลยังเกิดขึ้นเมื่อจำแนกความรุนแรงในชนิดพืชที่แตกต่างกันภายในบริเวณเดียวกันกับชุดไฟธรณีประตู การเปรียบเทียบการจำแนกประเภทมาจากเกณฑ์ของ dnbr และข้อมูล dnbr ญาติไฟแต่ละอาจส่งผลให้คล้ายหมวดหมู่ความถูกต้อง . อย่างไรก็ตาม เรื่องของข้อมูล dnbr ญาติสามารถผลิตความถูกต้องสูงกว่าเฉลี่ยสำหรับความรุนแรงเผาสูงประเภทกว่า dnbr หมวดหมู่มาจากชุดของเกณฑ์สากลที่ใช้ในหลายครั้ง นี้เป็นสิ่งสำคัญเมื่อแผนที่ไฟในประวัติศาสตร์ที่ฟิลด์แม่นยำตามข้อมูลความรุนแรงอาจไม่สามารถใช้ได้เพื่อช่วยในการจำแนก การใช้ดัชนีจะยังอนุญาตให้ญาติการเปรียบเทียบโดยตรงของความรุนแรงระหว่างไฟทั่วทั้งพื้นที่และเวลาซึ่งเป็นสิ่งสำคัญสำหรับการวิเคราะห์ระดับแนวนอน ในกระดาษนี้เรา ปัจจุบันรุ่นของญาติ dnbr ขึ้นอยู่กับข้อมูลภาคสนามจาก 14 ไฟในเซียร่าเนวาดาเทือกเขาแคลิฟอร์เนีย สหรัฐอเมริกา วิธีการนำเสนอ อาจมีโปรแกรมประเภทอื่น ๆของเหตุการณ์วุ่นวาย