The growing recognition of biomass burning as a widespread andsignific translation - The growing recognition of biomass burning as a widespread andsignific Indonesian how to say

The growing recognition of biomass

The growing recognition of biomass burning as a widespread and
significant agent of change in the Earth system has led to an ongoing
need for long-term fire data at the regional, continental, and global
scale. In part this demand has been met with a substantial body of
satellite-based active fire observations made using a number of
coarse- and medium-resolution sensors, initially the Advanced Very
High Resolution Radiometer (AVHRR) (Dozier, 1981; Matson and
Dozier, 1981), followed by the Geostationary Operational Environmental
Satellite (GOES) Imager (Prins and Menzel, 1992), the Defense
Meteorological Satellite Program (DMSP) Operational Linescan System
(OLS) (Elvidge et al., 1996), the Along-Track Scanning Radiometer
(ATSR) (Arino and Rosaz,1999), the Visible and Infrared Scanner (VIRS)
(Giglio et al., 2000), the Moderate Resolution Imaging Spectroradiometer
(MODIS) (Justice et al., 2002), and the Spinning Enhanced
Visible and Infrared Imager (SEVIRI) (Roberts et al., 2005).
While active fire products capture information about the location
and timing of fires burning at the time of the satellite overpass, they
do not generally permit burned area to be reliably (or at least directly)
estimated (Scholes et al., 1996; Eva and Lambin, 1998b; Kasischke
et al., 2003; Giglio et al., 2006). Yet reliable, large-scale (usually global)
maps of burned area are essential for many applications, in particular
the estimation of pyrogenic gaseous and aerosol emissions. This need
has consequently prompted the development of numerous satellitebased
methods for mapping burned areas, the majority of which
operate without exploiting active fire information. Kasischke and
French (1995), for example, applied differencing to 15-day AVHRR
Normalized Difference Vegetation Index (NDVI) composite imagery to
detect burns in Alaskan boreal forests during 1990 and 1991.
Fernández et al. (1997) mapped large forest fires in Spain during
1993 and 1994 with 10-day AVHRR maximum-NDVI composites using
separate regression and differencing techniques. Eva and Lambin
(1998a) mapped burns in central Africa during the 1994–1995 dry
season using 1-km ATSR imagery by matching decreases in shortwave
infrared (SWIR) reflectance with increases in surface temperature.
Barbosa et al. (1999) used daily 5-km AVHRR imagery to map
burned areas in Africa based on changes occurring in reflectance,
brightness temperature, and a vegetation index (VI). Pereira et al.
(2000) used classification trees to map burned area in central Africa
and Iberia with AVHRR thermal, albedo, and VI imagery; Stroppiana
et al. (2003) applied a similar technique in Australian woodland
savannas using 10-day SPOT VEGETATION (VGT) composites. Fraser et
al. (2003) developed an approach for mapping burned boreal forest at
the continental scale using 10-day VGT VI composites and a logistic
regression model. The GLOBSCAR global burned area product (Simon
et al., 2004) was produced for the year 2000 using two different
algorithms, one contextual and one fixed-threshold, applied to ATSR-2
and AATSR imagery. The GBA-2000 global burned area product was
independently produced by Tansey et al. (2004) using a combination
Remote Sensing of Environment 113 (2009) 408–420
⁎ Corresponding author. Science Systems and Applications, Inc., Lanham, Maryland,
USA.
E-mail address: louis_giglio@ssaihq.com (L. Giglio).
0034-4257/$ – see front matter © 2008 Elsevier Inc. All rights reserved.
doi:10.1016/j.rse.2008.10.006
Contents lists available at ScienceDirect
Remote Sensing of Environment
journal homepage: www.elsevier.com/locate/rse
of nine different regional algorithms applied to 1-km VGT daily
surface reflectance imagery. Roy et al. (2002, 2005b) developed a
predictive bi-directional reflectance modeling approach to map
burned areas on a daily basis using 500-m MODIS imagery. Most
recently, Tansey et al. (2008) modified one of the regional GBA-2000
algorithms for global use to produce the L3JRC 1-km global burned
area product for 2000–2007.
Although the majority of existing burned-area mapping methods
do not exploit active fire information, a minority are hybrid algorithms
which supplement the “standard” remotely-sensed indicators used for
burn mapping (surface reflectance, surface temperature, NDVI, etc.)
with active fire maps. Roy et al. (1999), for example, used AVHRR data
to map savanna burns in southern Africa from a temporal composite of
the range of a spectral index. Burned and unburned pixels were
differentiated using a threshold based on the mean and standard
deviation of the range of this index for pixels where active fires were
detected. Similarly, in the Fraser et al. (2000) HANDS algorithm, which
was designed for mapping boreal forest burns with AVHRR data, the
expected change in successive 10-day NDVI composites for burned
pixels was derived using an AVHRR active fire mask. A similar method
was developed by Pu et al. (2004) for mapping burned areas in
California, again with AVHRR data. Georg
0/5000
From: -
To: -
Results (Indonesian) 1: [Copy]
Copied!
Meningkatnya pengakuan biomassa membakar sebagai luas dansignifikan agen perubahan dalam sistem bumi telah menyebabkan berkelanjutanperlu untuk jangka panjang data api di daerah, kontinental, dan globalskala. Dalam bagian permintaan ini telah bertemu dengan tubuh yang besarapi aktif berbasis satelit pengamatan yang dibuat menggunakan sejumlahkasar dan media-resolusi sensor, awalnya maju sangatResolusi tinggi Radiometer (AVHRR) (Dozier, 1981; Matson danDozier, 1981), diikuti oleh lingkungan operasional geostasionerSatelit (berjalan) Imager (Prins dan Menzel, 1992), pertahananSistem Linescan Meteorological satelit Program (hari) operasional(OLS) (Elvidge et al., 1996), sepanjang jalur pemindaian Radiometer(ATSR) (Arino dan Rosaz, 1999), terlihat dan inframerah Scanner (VIRS)(Giglio et al., 2000), resolusi moderat Imaging SpectroRadiometer (Misr)(MODIS) (Keadilan et al., 2002), dan berputar ditingkatkanTerlihat dan inframerah Imager (SEVIRI) (Roberts et al, 2005).Sementara aktif api produk menangkap informasi tentang lokasidan waktu api pembakaran pada saat jembatan satelit, merekaumumnya tidak mengizinkan daerah dibakar menjadi dapat diandalkan (atau setidaknya langsung)perkiraan (Scholes et al, 1996; Eva dan Lambin, 1998b; Kasischkeet al., 2003; Giglio et al., 2006). Namun dapat diandalkan, besar-besaran (biasanya global)Peta wilayah terbakar penting untuk banyak aplikasi, khususnyaperkiraan pyrogenic emisi gas dan aerosol. Kebutuhan iniAkibatnya telah mendorong perkembangan berbagai satellitebasedmetode untuk pemetaan dibakar daerah, mayoritas yangberoperasi tanpa mengeksploitasi informasi aktif api. Kasischke danPerancis (1995), misalnya, diterapkan pembedaan untuk 15 hari AVHRRMenormalkan perbedaan vegetasi Index (NDVI) citra komposit untukmendeteksi luka bakar di hutan boreal Alaska selama tahun 1990 dan 1991.Fernández et al. (1997) dipetakan kebakaran hutan besar di Spanyol selamatahun 1993 dan 1994 dengan 10-hari AVHRR maksimum-NDVI komposit menggunakanregresi terpisah dan pembedaan teknik. Eva dan Lambin(1998a) dipetakan luka bakar di Afrika Tengah selama tahun 1994-1995musim menggunakan 1-km ATSR citra dengan mencocokkan penurunan gelombang pendekinframerah reflektansi (SWIR) dengan kenaikan suhu permukaan.Barbosa et al. (1999) digunakan sehari-hari 5-km AVHRR citra untuk petadibakar daerah di Afrika yang didasarkan pada perubahan yang terjadi di reflektansi,kecerahan suhu, dan indeks vegetasi (VI). Pereira et al.pohon digunakan klasifikasi (2000) untuk peta daerah dibakar di Afrika Tengahdan Iberia dengan AVHRR termal, albedo dan citra VI; Stroppianaet al. (2003) diterapkan teknik serupa di Australia woodlandSabana menggunakan komposit SPOT VEGETASI (VGT) 10 hari. Fraser etAl. (2003) mengembangkan suatu pendekatan untuk pemetaan kebakaran hutan boreal diskala kontinental menggunakan 10 hari VGT VI komposit dan logistikmodel regresi. GLOBSCAR daerah dibakar global Produk (Simonet al., 2004) diproduksi untuk tahun 2000 menggunakan dua berbedaalgoritma, satu kontekstual dan satu tetap-ambang, diterapkan ATSR-2dan AATSR citra. GBA-2000 daerah dibakar global produkindependen oleh Tansey et al. (2004) menggunakan kombinasiPenginderaan jauh lingkungan 113 (2009) 408-420⁎ Sesuai penulis. Ilmu sistem dan aplikasi, Inc, Lanham, Maryland,USA.Alamat e-mail: louis_giglio@ssaihq.com (L. Giglio).0034-4257 / $ – Lihat depan masalah © 2008 Elsevier Inc Semua Hak, milik.Doi:10.1016/j.rse.2008.10.006Isi daftar tersedia di ScienceDirectPenginderaan jauh dari lingkungansitus web jurnal: www.elsevier.com/locate/rsesembilan algoritma daerah yang berbeda, diterapkan 1-km VGT setiap haripermukaan reflektansi citra. Roy et al. (2002, 2005b) dikembangkanprediktif bi-directional reflektansi model pendekatan untuk petadibakar daerah setiap hari menggunakan citra MODIS 500-m. SebagianBaru-baru ini, Tansey et al. (2008) diubah salah satu daerah GBA-2000algoritma untuk global digunakan untuk menghasilkan L3JRC 1-km global dibakardaerah produk untuk 2000-2007.Meskipun sebagian besar metode yang ada pemetaan daerah dibakartidak mengeksploitasi informasi aktif api, minoritas hibrida algoritmayang menambah jarak jauh merasakan indikator "standar" digunakan untukmembakar pemetaan (reflektansi permukaan, suhu permukaan, NDVI, dll.)dengan aktif api maps. Roy et al. (1999), misalnya, menggunakan AVHRR datauntuk memetakan Sabana membakar di Afrika Selatan dari gabungan fosil darikisaran spektral indeks. Yang dibakar dan pasanglah pikseldibedakan menggunakan ambang berdasarkan mean dan standarpenyimpangan jangkauan indeks ini untuk piksel yang mana kebakaran aktif ituterdeteksi. Demikian pula, dalam algoritma tangan Fraser et al. (2000), yangdirancang untuk pemetaan hutan boreal luka bakar dengan AVHRR data,diharapkan perubahan dalam 10 hari berturut-turut NDVI komposit untuk dibakarpiksel berasal menggunakan masker aktif api AVHRR. Metode yang serupadikembangkan oleh Pu et al. (2004) untuk pemetaan daerah dibakar diCalifornia, lagi dengan AVHRR data. Georg
Being translated, please wait..
Results (Indonesian) 2:[Copy]
Copied!
Pengakuan tumbuh dari pembakaran biomassa sebagai luas dan
agen yang signifikan dari perubahan dalam sistem Bumi telah menyebabkan berkelanjutan
kebutuhan data kebakaran jangka panjang di daerah, benua, dan global
skala. Pada bagian permintaan ini telah bertemu dengan tubuh besar
pengamatan api yang aktif berbasis satelit buatan menggunakan sejumlah
coarse- dan menengah-resolusi sensor, awalnya Advanced Very
High Resolution Radiometer (AVHRR) (Dozier, 1981; Matson dan
Dozier, 1981), diikuti oleh geostasioner Operasional Lingkungan
satelit (GOES) Imager (Prins dan Menzel, 1992), Pertahanan
Program Meteorologi satelit (DMSP) Operasional Linescan Sistem
(OLS) (Elvidge et al., 1996), yang Seiring-track Scanning Radiometer
(ATSR) (Arino dan Rosaz, 1999), yang Terlihat dan Infrared Scanner (VIRS)
(Giglio et al., 2000), Moderate Resolution imaging Spectroradiometer
(MODIS) (Peradilan et al., 2002), dan berputar Enhanced
terlihat dan Infrared Imager (SEVIRI) (Roberts et al., 2005).
Sementara produk api yang aktif menangkap informasi tentang lokasi
dan waktu kebakaran terbakar pada saat jalan layang satelit, mereka
umumnya tidak mengizinkan daerah yang terbakar menjadi andal (atau setidaknya secara langsung)
diperkirakan (Scholes et al., 1996; Eva dan Lambin, 1998b; Kasischke
et al., 2003; Giglio et al., 2006). Namun dapat diandalkan, skala besar (biasanya global)
peta wilayah terbakar sangat penting untuk banyak aplikasi, khususnya
estimasi pirogenik gas dan aerosol emisi. Kebutuhan ini
telah akibatnya mendorong pengembangan berbagai satellitebased
metode untuk pemetaan dibakar daerah, yang sebagian besar
beroperasi tanpa mengeksploitasi informasi api yang aktif. Kasischke dan
Perancis (1995), misalnya, diterapkan differencing untuk 15-hari AVHRR
Normalized Difference Vegetation Index (NDVI) citra komposit untuk
mendeteksi luka bakar di hutan boreal Alaska pada tahun 1990 dan 1991.
Fernández et al. (1997) dipetakan kebakaran hutan besar di Spanyol selama
tahun 1993 dan 1994 dengan 10-hari AVHRR maksimum-NDVI komposit menggunakan
regresi terpisah dan teknik differencing. Eva dan Lambin
(1998a) dipetakan luka bakar di Afrika Tengah selama 1994-1995 kemarau
musim menggunakan citra ATSR 1-km dengan mencocokkan penurunan gelombang pendek
inframerah (SWIR) reflektansi dengan peningkatan suhu permukaan.
Barbosa et al. (1999) yang digunakan sehari-hari citra AVHRR 5-km ke map
daerah di Afrika berdasarkan perubahan yang terjadi di reflektansi, dibakar
suhu kecerahan, dan indeks vegetasi (VI). . Pereira et al
(2000) menggunakan pohon klasifikasi untuk memetakan daerah terbakar di Afrika tengah
dan Iberia dengan AVHRR termal, albedo, dan citra VI; Stroppiana
et al. (2003) menerapkan teknik yang sama di hutan Australia
sabana menggunakan 10-hari SPOT VEGETASI (VGT) komposit. Fraser et
al. (2003) mengembangkan pendekatan untuk pemetaan terbakar hutan boreal di
skala benua menggunakan 10-hari komposit VGT VI dan logistik
model regresi. The GLOBSCAR produk global area yang terbakar (Simon
et al., 2004) diproduksi untuk tahun 2000 menggunakan dua yang berbeda
algoritma, satu kontekstual dan satu tetap threshold, diterapkan ATSR-2
dan AATSR citra. Produk daerah terbakar global yang GBA-2000
secara independen diproduksi oleh Tansey et al. (2004) menggunakan kombinasi
Remote Sensing Lingkungan Hidup 113 (2009) 408-420
⁎ penulis Sesuai. Sistem dan Aplikasi Sains, Inc., Lanham, Maryland,
USA.
E-mail address:. Louis_giglio@ssaihq.com (L. Giglio)
. 0034-4257 / $ - melihat hal depan © 2008 Elsevier Inc All rights reserved
doi: 10,1016 / j.rse.2008.10.006
Isi daftar tersedia di ScienceDirect
remote Sensing Lingkungan Hidup
homepage jurnal: www.elsevier.com/locate/rse
sembilan algoritma daerah yang berbeda diterapkan untuk 1-km VGT harian
citra reflektansi permukaan. Roy et al. (2002, 2005b) mengembangkan
pendekatan pemodelan pemantulan bi-directional prediksi untuk memetakan
daerah terbakar setiap hari menggunakan 500-m MODIS citra. Kebanyakan
baru-baru ini, Tansey et al. (2008) yang dimodifikasi salah satu GBA-2000 daerah
algoritma untuk penggunaan global untuk menghasilkan L3JRC 1-km dibakar global yang
produk daerah untuk 2000-2007.
Meskipun sebagian besar metode pemetaan dibakar-daerah yang ada
tidak mengeksploitasi informasi api yang aktif, minoritas algoritma hybrid
yang melengkapi "standar" indikator jarak jauh-merasakan digunakan untuk
membakar pemetaan (reflektansi permukaan, suhu permukaan, NDVI, dll)
dengan peta api yang aktif. Roy et al. (1999), misalnya, menggunakan data AVHRR
untuk memetakan luka bakar savana di Afrika bagian selatan dari komposit temporal
kisaran indeks spektral. Dibakar dan piksel yang tidak terbakar yang
dibedakan dengan menggunakan ambang batas berdasarkan mean dan standar
deviasi dari kisaran indeks ini untuk piksel mana api aktif yang
terdeteksi. Demikian pula, di Fraser et al. (2000) algoritma TANGAN, yang
dirancang untuk hutan boreal pemetaan membakar dengan data AVHRR, yang
perubahan yang diharapkan dalam berturut-turut 10 hari komposit NDVI untuk dibakar
piksel berasal menggunakan AVHRR aktif api masker. Sebuah metode yang sama
dikembangkan oleh Pu et al. (2004) untuk pemetaan dibakar area di
California, lagi dengan data AVHRR. Georg
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 ©2025 I Love Translation. All reserved.

E-mail: