نقشه مزارع درخت کاج در جنوب شرقی آمریکا با استفاده از داده‌های سنجش از راه دور ساختاری، طیفی و وابسته به زمان
واتساپ:09141077352 همراه: 09141077352 ثابت: 35250068-041 سفارش سمینار و مقاله سفارش ترجمه تخصصی
 

دانلود فایل با شمار فاکتور

لطفا شماره فاکتور خود را درج نمایید


جدیدترین لغات واژه‌نامه

آمار بازدیدکنندگان

بازدید امروز :58
بازدید روز گذشته :117
بازدید این هفته :470
بازدید این ماه :3236
مجموع آمار بازدید ها :675417

عنوان محصول: نقشه مزارع درخت کاج در جنوب شرقی آمریکا با استفاده از داده‌های سنجش از راه دور ساختاری، طیفی و وابسته به زمان

دسته‌بندی: مقالات ترجمه شده رشته عمران
تاریخ انتشار: شنبه 21 مهر 1398
نقشه مزارع درخت کاج در جنوب شرقی آمریکا با استفاده از داده‌های سنجش از راه دور ساختاری، طیفی و وابسته به زمان نقشه مزارع درخت کاج در جنوب شرقی آمریکا با استفاده از داده‌های سنجش از راه دور ساختاری، طیفی و وابسته به زمان
توضیحات مختصر: هرساله جنوب شرقی آمریکا، بیشترین چوب گرد صنعتی در آمریکا را تولید می‌کند که بخش بزرگی از آن‌ها از مزارع کاج تجاری به دست می‌آیند. وسعت جنگل‌های کشت و پویایی مدیریت می‌تواند منجر به ایجاد مشکلاتی برای تعیین موجودی جنگل‌های دوره‌ای شود، بااین‌حال کاشت درخت‌هایی با دوره بهره‌برداری کوتاه مدت نیز می‌توا...
نقشه مزارع درخت کاج در جنوب شرقی آمریکا با استفاده از داده‌های سنجش از راه دور ساختاری، طیفی و وابسته به زمان نقشه مزارع درخت کاج در جنوب شرقی آمریکا با استفاده از داده‌های سنجش از راه دور ساختاری، طیفی و وابسته به زمان


قیمت قیمت : 30000 تومان
تخفیف تخفیف: 5000 تومان
تخفیف تخفیف ویژه : 10 درصد
قیمت نهایی قیمت نهایی: 22000 تومان
154 بازدید
کد مقاله: TTC- 3807
نوع فایل : docx
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Journal: Elsevier 2018,

Mapping pine plantations in the southeastern U.S. using structural, spectral, and temporal remote sensing data
Abstract
The southeastern U.S. produces the most industrial roundwood in the U.S. each year, largely from commercial pine plantations. The extent of plantation forests and management dynamics can be difficult to ascertain from periodic forest inventories, yet short-rotation tree plantations also present challenges for remote sensing. Here, we integrated spectral, temporal, and structural information from airborne and satellite platforms to distinguish pine plantations from natural forests and evaluate the contribution from planted forests to regional forest cover in the southeastern U.S. Within flight lines from NASA Goddards Lidar, Hyperspectral, and Thermal (G-LiHT) Airborne Imager, lidar metrics of forest structure had the highest overall accuracy for pine plantations among single-source classifications (90%), but the combination of spectral and temporal metrics from Landsat generated comparable accuracy (91%). Combined structural, temporal, and spectral information from G-LiHT and Landsat had the highest accuracy for plantations (92%) and natural forests (88%). At a regional scale, classifications using Landsat spectral and temporal metrics had between 74 and 82% mean class accuracy for plantations. Regionally, plantations accounted for 28% of forest cover in the southeastern U.S., a result similar to plot-based estimates, albeit with greater spatial detail. Regional maps of plantation forests differed from existing map products, including the National Land Cover Database. Combining plantation extent in 2011 with Landsatbased forest change data identified strong regional gradients in plantation dynamics since 1985, with distinct spatial patterns of rotation age (east-west) and plantation expansion (interior). Our analysis demonstrates the potential to improve the characterization of dynamic land cover classes, including economically important timber plantations, by integrating diverse remote sensing datasets. Critically, multi-source remote sensing provides an approach to leverage periodic forest inventory data for annual monitoring of managed forest landscapes.
Keywords: Plantations, Lidar, Forestry, Reforestation, G-LiHT, Landsat, Disturbance

چکیده
هرساله جنوب شرقی آمریکا، بیشترین چوب گرد صنعتی در آمریکا را تولید می‌کند که بخش بزرگی از آن‌ها از مزارع کاج تجاری به دست می‌آیند. وسعت جنگل‌های کشت و پویایی مدیریت می‌تواند منجر به ایجاد مشکلاتی برای تعیین موجودی جنگل‌های دوره‌ای شود، بااین‌حال کاشت درخت‌هایی با دوره بهره‌برداری کوتاه مدت نیز می‌تواند منجر به ایجاد چالش‌هایی برای سنجش از راه دور شود. در این مقاله، ما اطلاعات ساختاری، زمانی و طیفی به‌دست‌آمده از پلت فرم‌های ماهواره‌ای و هوایی را جهت تشخیص مزارع کاج از جنگل‌های طبیعی و ارزیابی سهم جنگل‌های کاشته شده برای پوشش مناطق جنگلی در جنوب شرق آمریکا، مورد استفاده قرار می‌دهیم. در راستای خطوط پرواز لیدار NASA Goddard و تصویرگر هوایی حرارتی (G-LiHT)، پارامترهای ساختار جنگل‌ها دارای بالاترین میزان دقت برای مزارع کاج در بین دسته‌بندی منابع واحد هستند. اما ترکیب پارامترهای طیفی و زمانی به‌دست‌آمده از Landsat دقت 91 درصدی را فراهم می‌سازند. اطلاعات طیفی، زمانی و ساختاری ترکیبی به‌دست‌آمده از LiHT و Landsat دارای بالاترین دقت برای جنگل‌های طبیعی (88 درصد) و مزارع غیر طبیعی (92 درصد) هستند. در مقیاس منطقه‌ای، دسته‌بندی با استفاده از پارامترهای زمانی و طیفی Landsat در محدوده 74 الی 82 درصد است که بیانگر میزان دقت برای کشت و زرع است. به صورت منطقه‌ای، میزان کشت زرع محاسبه شده برای 28 درصد از پوشش جنگلی در جنوب شرقی آمریکا منجر به ارائه یک تخمین مبتنی بر نمودار مشابه شده است. البته با این تفاوت که جزییات فضایی (فاصله) دارای تفاوت‌هایی هستند. نقشه منطقه‌ای جنگل‌های کشت شده متفاوت از نقشه‌های موجود در پایگاه داده‌های پوشش زمین‌های ملی هستند. ترکیب وسعت مزارع در 2011 با داده‌های به‌دست‌آمده از تغییر جنگل‌های Landsat نشان‌دهنده تغییر محسوس در شیب پویایی کشت و زرع از سال 1958 است. البته تفاوت‌هایی در الگوهای فضایی سن بهره‌برداری (شرق- غرب) و توسعه مزارع (داخلی) وجود دارد. آنالیزهای ما نشان می‌دهند که پتانسیل بالایی برای بهبود مشخصه‌های پوشش زمین وجود دارد که شامل ایجاد مزارع زراعی مهم اقتصادی از طریق یکپارچه سازی مجموعه داده‌های سنجش از راه دور است. در کل، سنجش از راه دور با استفاده از منابع چندگانه، می‌تواند رویکردی برای تعیین دوره‌ای داده‌های مربوط به موجودی جنگل جهت نظارت سالیانه برای مناطق جنگلی مدیریت شده فراهم سازد.
کلمات کلیدی: مزراع (کشت و زرع)، Lidar، جنگلداری، احیای جنگل، LiHT، Landsat، اختلال.

تعداد صفحات انگلیسی تعداد صفحات انگلیسی:12 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:28 صفحه

  • آدرس: تبریز، خیابان خاقانی، پاساژ خاقانی، پلاک 119
  • تلفن  تماس: 09016347107
  • تلفن  ثابت : 35250068-041
  •  Mailttcenterاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس  ایمیل
  • @zoodyab :آدرس تلگرام
مرکز  تخصصی  تلاش ترجمه از  سال  1385 شروع به کار نموده است  و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام  شده  است.

تمامی ترجمه‌های انجام شده توسط موسسه تخصصی تلاش ترجمه، به صورت دستی (غیرماشینی) بوده و توسط مترجمین با سابقه انجام می‌شوند. ترجمه‌های انجام شده توسط موسسه تلاش ترجمه در قالب فایل Word و به صورت کاملا روان و بازخوانی شده و با ضمانت بازگشت وجه 72 ساعته (در صورت عدم رضایت از ترجمه) خدمت مشتریان محترم ارائه می‌شود.