AbstractRecent advances in instrument design have led to considerable  translation - AbstractRecent advances in instrument design have led to considerable  Indonesian how to say

AbstractRecent advances in instrume

Abstract
Recent advances in instrument design have led to considerable improvements in wildfire mapping at regional and global scales. Global and
regional active fire and burned area products are currently available from various satellite sensors. While only global products can provide
consistent assessments of fire activity at the global, hemispherical or continental scales, the efficiency of their performance differs in various
ecosystems. The available regional products are hard-coded to the specifics of a given ecosystem (e.g. boreal forest) and their mapping accuracy
drops dramatically outside the intended area. We present a regionally adaptable semi-automated approach to mapping burned area using Moderate
Resolution Imaging Spectroradiometer (MODIS) data. This is a flexible remote sensing/GIS-based algorithm which allows for easy modification
of algorithm parameterization to adapt it to the regional specifics of fire occurrence in the biome or region of interest. The algorithm is based on
Normalized Burned Ratio differencing (dNBR) and therefore retains the variability of spectral response of the area affected by fire and has the
potential to be used beyond binary burned/unburned mapping for the first-order characterization of fire impacts from remotely sensed data. The
algorithm inputs the MODIS Surface Reflectance 8-Day Composite product (MOD09A1) and the MODIS Active Fire product (MOD14) and
outputs yearly maps of burned area with dNBR values and beginning and ending dates of mapping as the attributive information. Comparison of
this product with high resolution burn scar information from Landsat ETM+ imagery and fire perimeter data shows high levels of accuracy in
reporting burned area across different ecosystems. We evaluated algorithm performance in boreal forests of Central Siberia, Mediterranean-type
ecosystems of California, and sagebrush steppe of the Great Basin region of the US. In each ecosystem the MODIS burned area estimates were
within 15% of the estimates produced by the high resolution base with the R2 between 0.87 and 0.99. In addition, the spatial accuracy of large
burn scars in the boreal forests of Central Siberia was also high with Kappa values ranging between 0.76 and 0.79.
© 2007 Elsevier Inc. All rights reserved.
0/5000
From: -
To: -
Results (Indonesian) 1: [Copy]
Copied!
AbstrakKemajuan terbaru dalam desain instrumen telah menyebabkan banyak perbaikan dalam pemetaan kebakaran pada skala regional dan global. Global danapi aktif regional dan dibakar area produk yang saat ini tersedia dari berbagai sensor satelit. Sementara hanya produk-produk global dapat memberikankonsisten penilaian dari aktivitas kebakaran pada skala global, setengah bola, atau kontinental, efisiensi kinerja mereka berbeda dalam berbagaiekosistem. Tersedia produk daerah keras-kode untuk spesifikasi ekosistem yang diberikan (misalnya hutan boreal) dan akurasi pemetaan merekaturun secara dramatis di luar daerah yang dimaksudkan. Kami menyajikan pendekatan semi-otomatis Regional beradaptasi untuk pemetaan daerah dibakar menggunakan moderatData Imaging Spectroradiometer (MODIS) resolusi. Ini adalah fleksibel remote sensing/berbasis GIS algoritma yang memungkinkan untuk mudah modifikasidari algoritma demikian untuk beradaptasi spesifik daerah terjadinya kebakaran di biome atau kepentingan daerah. Algoritma didasarkan padaDinormalisasi dibakar rasio pembedaan (dNBR) dan karena itu mempertahankan variabilitas spektral respon dari daerah yang terkena oleh api dan memilikipotensi untuk digunakan melampaui biner dibakar/terbakar pemetaan untuk karakterisasi urutan pertama api dampak dari data penginderaan jauh. Thealgoritma input MODIS permukaan reflektansi 8-hari Composite Produk (MOD09A1) dan produk MODIS aktif api (MOD14) danoutput tahunan peta daerah dibakar dengan nilai-nilai dNBR dan awal dan tanggal akhir dari pemetaan sebagai informasi atributif. PerbandinganProduk ini dengan resolusi tinggi membakar bekas luka informasi dari Landsat ETM + citra dan api perimeter data menunjukkan tingkat tinggi akurasi dalampelaporan daerah dibakar di ekosistem berbeda. Kami dievaluasi algoritma kinerja di hutan boreal Siberia Central, Mediterania-jenisekosistem California, dan sagebrush stepa Basin besar wilayah AS. Dalam setiap ekosistem MODIS area adalah perkiraan yang terbakardalam jarak 15% dari perkiraan yang diproduksi oleh resolusi tinggi dasar dengan R2 antara 0,87 dan 0,99. Selain itu, spasial keakuratan besarbekas luka bakar di hutan boreal pusat Siberia ini juga tinggi dengan nilai-nilai Kappa berkisar antara 0,76 dan 0.79.© 2007 Elsevier Inc Semua Hak, milik.
Being translated, please wait..
Results (Indonesian) 2:[Copy]
Copied!
Abstrak
Kemajuan terbaru dalam desain instrumen telah membawa perbaikan yang cukup besar dalam pemetaan api pada skala regional dan global. Global dan
regional yang api yang aktif dan produk daerah yang terbakar saat ini tersedia dari berbagai sensor satelit. Sementara hanya produk global yang dapat memberikan
penilaian yang konsisten dari aktivitas kebakaran di skala global, hemispherical atau benua, efisiensi kinerja mereka berbeda dalam berbagai
ekosistem. Produk regional yang tersedia yang keras-kode untuk spesifik dari ekosistem yang diberikan (seperti hutan boreal) dan akurasi pemetaan mereka
turun secara dramatis di luar daerah yang dituju. Kami menyajikan regional beradaptasi pendekatan semi-otomatis untuk pemetaan daerah yang terbakar menggunakan Moderate
Resolution Imaging Spectroradiometer (MODIS) data. Ini adalah penginderaan / GIS berbasis algoritma jarak jauh yang fleksibel yang memungkinkan untuk mudah modifikasi
dari algoritma parameterisasi untuk beradaptasi dengan spesifik daerah terjadinya kebakaran di bioma atau daerah bunga. Algoritma ini didasarkan pada
Normalized Ratio Terbakar differencing (DNBR) dan oleh karena itu mempertahankan variabilitas respon spektral daerah yang terkena dampak kebakaran dan memiliki
potensi untuk digunakan di luar biner dibakar / pemetaan yang tidak terbakar untuk karakterisasi orde pertama dari dampak kebakaran dari jarak jauh Data merasakan. The
algoritma masukan the-8 Hari produk MODIS Permukaan reflektansi Composite (MOD09A1) dan Active produk MODIS Api (MOD14) dan
peta tahunan output dari daerah yang terbakar dengan nilai-nilai DNBR dan awal dan tanggal akhir dari pemetaan sebagai informasi atributif. Perbandingan
produk ini dengan resolusi tinggi membakar informasi bekas luka dari Landsat ETM + citra dan api perimeter Data menunjukkan tingkat akurasi yang tinggi di
pelaporan area yang terbakar di ekosistem yang berbeda. Kami mengevaluasi kinerja algoritma di hutan boreal dari Central Siberia, Mediterania-jenis
ekosistem dari California, dan semak-semak padang rumput dari wilayah Great Basin dari AS. Dalam setiap ekosistem perkiraan daerah MODIS terbakar berada
dalam 15% dari perkiraan yang dihasilkan oleh basis resolusi tinggi dengan R2 antara 0,87 dan 0,99. Selain itu, akurasi spasial besar
bekas luka bakar di hutan boreal dari Central Siberia juga tinggi dengan nilai Kappa berkisar antara 0,76 dan 0,79.
© 2007 Elsevier Inc All rights reserved.
Being translated, please wait..
 
Other languages
The translation tool support: Afrikaans, Albanian, Amharic, Arabic, Armenian, Azerbaijani, Basque, Belarusian, Bengali, Bosnian, Bulgarian, Catalan, Cebuano, Chichewa, Chinese, Chinese Traditional, Corsican, Croatian, Czech, Danish, Detect language, Dutch, English, Esperanto, Estonian, Filipino, Finnish, French, Frisian, Galician, Georgian, German, Greek, Gujarati, Haitian Creole, Hausa, Hawaiian, Hebrew, Hindi, Hmong, Hungarian, Icelandic, Igbo, Indonesian, Irish, Italian, Japanese, Javanese, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Korean, Kurdish (Kurmanji), Kyrgyz, Lao, Latin, Latvian, Lithuanian, Luxembourgish, Macedonian, Malagasy, Malay, Malayalam, Maltese, Maori, Marathi, Mongolian, Myanmar (Burmese), Nepali, Norwegian, Odia (Oriya), Pashto, Persian, Polish, Portuguese, Punjabi, Romanian, Russian, Samoan, Scots Gaelic, Serbian, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenian, Somali, Spanish, Sundanese, Swahili, Swedish, Tajik, Tamil, Tatar, Telugu, Thai, Turkish, Turkmen, Ukrainian, Urdu, Uyghur, Uzbek, Vietnamese, Welsh, Xhosa, Yiddish, Yoruba, Zulu, Language translation.

Copyright ©2024 I Love Translation. All reserved.

E-mail: