بومی‌سازی الگوریتم بویان جهت شناسایی آتش سوزی جنگل ها از تصاویر ماهواره ای سنجنده مادیس

وقوع آتش‌سوزی از جمله پدیده ‌هایی است که همه ساله خسارات زیاد و جبران ناپذیری بر جنگل ها و منابع طبیعی اقصی نقاط جهان از جمله ایران وارد می کند و موجب نابودی هزاران هکتار از جنگل‌ها و پوشش‌های گیاهی می‌شود. باتوجه به احتمال زیاد وقوع آتش سوزی در اکثر مناطق جهان، نظارت کامل و مداوم روی این پدیده طبیعی، مهم و ضروری است. استفاده از فناوری سنجش از دور راهکاری مناسب برای شناسایی و مدیریت آتش‌ سوزی هاست. در این پژوهش، توسعه و بهبود الگوریتم بویان و مقایسه آن با برخی الگوریتم های آشکارسازی آتش بااستفاده از تصاویر سنجنده مادیس مدنظر است. به‌ این منظور علاوه بر الگوریتم توسعه یافته، الگوریتم های بویان در سال 2007، لینگلی وانگ در سال 2008 و جینگ وانگ در سال 2011 برای منطقه جنگلی استان گلستان بومی سازی و پیاده سازی شده اند. برای ارزیابی نتایج به‌دست آمده از الگوریتم های مذکور، از ماتریس ابهام و داده های زمینی اخذ شده از سازمان جنگل ها و منابع طبیعی استان گلستان استفاده شده است. همچنین نرخ شناسایی آتش، مقدار آلارم اشتباه و ضریب کاپا برای هر الگوریتم محاسبه و با یکدیگر مقایسه شدند که مقدار نرخ شناسایی آتش برای الگوریتم‌های بویان، لینگلی وانگ، جینگ وانگ و الگوریتم توسعه یافته به ترتیب 78.95، 53.84، 46.15 و 72.22 درصد و مقدار ضریب کاپا نیز به ترتیب 81.02، 32.37، 28.37 و 81.11 درصد به‌دست آمد که نشان از برتری عملکرد الگوریتم توسعه یافته در منطقه مطالعاتی دارد.

Localization Boyan algorithm to detect forest fires from MODIS sensor images

Of phenomena which much damage and irreparable import to forests and natural resources is the fire that each year, more than 100 fires occur in Iran and thousands of hectares of trees and plants eliminates. Given that fire risk is high in most parts of the world, full and continuous monitoring on this natural phenomenon, is essential. Use remote sensing is a way to identify and manage fire. Ahead goal in the study, development and improvment, Byun algorithm and compare it with some fire detection algorithms using the MODIS sensor images. Therefore, in addition to the developed algorithm, algorithms Byun in 2007, Lingli Wang in 2008 and Jing Wang in 2011 for the forest area in Golestan Province is localized and implemented. To evaluate the results, the matrix ambiguity and ground data collected from the forests and natural resources in Golestan province has been used that for each algorithm, fire detection rate, false alarm rate and Kappa statistics were calculated and compared which Fire detection rate for Byun algorithms, Ling Wang, Jing Wang and development algorithm by 78.95, 53.84, 46.15 and 72.22 percent respectively and kappa coefficient, 81.02, 32.37 , 28.37 and 81.11 percent have been achieved which shows the superiority of the algorithm is developed in the study area.