بومي‌سازي الگوريتم بويان جهت شناسايي آتش سوزي جنگل ها از تصاوير ماهواره اي سنجنده ماديس

وقوع آتش‌سوزي از جمله پديده­‌هايي است كه همه ساله خسارات زياد و جبران­ناپذيري بر جنگل­ها و منابع طبيعي اقصي نقاط جهان از جمله ايران وارد مي­كند و موجب نابودي هزاران هكتار از جنگل‌ها و پوشش‌هاي گياهي مي‌شود. باتوجه به احتمال زياد وقوع آتش­سوزي­ در اكثر مناطق جهان، نظارت كامل و مداوم روي اين پديده طبيعي، مهم و ضروري است. استفاده از فناوري سنجش­از­دور راهكاري مناسب براي شناسايي و مديريت آتش‌­سوزي­ هاست. در اين پژوهش، توسعه و بهبود الگوريتم بويان و مقايسه آن با برخي الگوريتم­هاي آشكارسازي آتش بااستفاده از تصاوير سنجنده ماديس مدنظر است. به‌ اين منظور علاوه بر الگوريتم توسعه يافته، الگوريتم­هاي بويان در سال 2007، لينگلي وانگ در سال 2008 و جينگ وانگ در سال 2011 براي منطقه جنگلي استان گلستان بومي­سازي و پياده­سازي شده­اند. براي ارزيابي نتايج به‌دست آمده از الگوريتم­هاي مذكور، از ماتريس ابهام و داده­هاي زميني اخذ شده از سازمان جنگل­ها و منابع طبيعي استان گلستان استفاده شده­است. همچنين نرخ شناسايي آتش، مقدار آلارم اشتباه و ضريب كاپا براي هر الگوريتم محاسبه و با يكديگر مقايسه شدند كه مقدار نرخ شناسايي آتش براي الگوريتم‌هاي بويان، لينگلي وانگ، جينگ وانگ و الگوريتم توسعه يافته به ترتيب 95/78، 84/53، 15/46 و 22/72 درصد و مقدار ضريب كاپا نيز به ترتيب 02/81، 37/32، 37/28 و 11/81 درصد به‌دست آمد كه نشان از برتري عملكرد الگوريتم توسعه يافته در منطقه مطالعاتي دارد.

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.