TY - JOUR T1 - Real-time detection of wildlife using NOAA/AVHRR data Study area :(Kayamaki Wildlife Refuge) TT - شناسایی بلادرنگ آتش سوزی جنگل و مراتع با استفاده از داده های NOAA/AVHRR منطقه مورد مطالعه(پناهگاه حیات وحش کیامکی) JF - jsaeh JO - jsaeh VL - 7 IS - 1 UR - http://jsaeh.khu.ac.ir/article-1-2916-fa.html Y1 - 2020 SP - 1 EP - 14 KW - Real-time fire detection KW - fire algorithms KW - NOAA / AVHRR KW - Kayamaki Wildlife Refuge. N2 - آتش سوزی جنگل در سال های اخیر توجه زیادی به تغییرات اقلیمی و اکوسیستم داشته است. سنجش از دور، یک روش سریع و ارزان برای تشخیص و نظارت بر آتش سوزی جنگل ها در مقیاس وسیع است. هدف از این پژوهش شناسایی آتش­سوزی جنگل و مراتع با استفاده از سنجنده­ NOAA/AVHRR در پناهگاه حیات وحش کیامکی می­باشد.جهت انجام تحقیق، ابتدا تاریخ آتش­سوزی­های رخ داده از محصولات MODIS استخراج گردید. سپس تصاویر سنجنده مورد نظر براساس تاریخ­ آتش­سوزی­های رخ داده تهیه شد. بعد از انجام پیش پردازش تصاویر، با استفاده از الگوریتم­های توسعه یافته، گیگلیو و IGBP اقدام به شناسایی آتش­سوزی گردید. نتایج الگوریتم­های شناسایی آتش­سوزی با محصولات MODIS مورد ارزیابی قرار گرفتند. نتایج نشان داد که شناسایی آتش­سوزی با استفاده از الگوریتم IGBP نسبت به الگوریتم­های توسعه یافته و گیگلیو بهتر است. بدین صورت که الگوریتم IGBP با تعداد آتش­سوزی شناسایی شده برابر با 6 پیکسل از 7 پیکسل آتش­سوزی شناسایی شده توسط محصولات MODIS، الگوریتم گیگلیو با تعداد آتش­سوزی شناسایی شده برابر با 5 پیکسل از 7 پیکسل آتش­سوزی شناسایی شده توسط محصولات MODIS و الگوریتم توسعه یافته تعداد آتش­سوزی شناسایی شده برابر با 3 پیکسل از 7 پیکسل آتش­سوزی شناسایی شده توسط محصولات MODIS را شناسایی کرد. همچنین الگوریتم IGBP با میزان خطای 14% و با تعداد آتش­سوزی شناسایی 86%، الگوریتم گیگلیو با میزان خطای 28% و تعداد آتش­سوزی شناسایی شده 72% و الگوریتم توسعه یافته با میزان خطای 57% و تعداد آتش­سوزی شناسایی شده 43% را نشان داد. M3 10.29252/jsaeh.7.1.2 ER -