Mappatura delle dinamiche di Wilpattu Sri Lanka attraverso il telerilevamento
Versandkostenfrei!
Versandfertig in 6-10 Tagen
32,99 €
inkl. MwSt.
PAYBACK Punkte
16 °P sammeln!
I parchi nazionali e le riserve forestali possono essere considerati il cuore della rete biologica di un Paese. Entrambi questi importanti fenomeni geografici sono soggetti a decadimento. Questo decadimento è un'entità vaga chiamata deforestazione e uno dei compiti più difficili da stimare utilizzando dati satellitari multi spettrali. La deforestazione è innescata principalmente dalla produzione di legname e dai nuovi insediamenti nello Sri Lanka. Questo studio cerca di identificare e analizzare la copertura forestale e i suoi cambiamenti nel parco nazionale di Wilpattu, in Sri Lanka, che ...
I parchi nazionali e le riserve forestali possono essere considerati il cuore della rete biologica di un Paese. Entrambi questi importanti fenomeni geografici sono soggetti a decadimento. Questo decadimento è un'entità vaga chiamata deforestazione e uno dei compiti più difficili da stimare utilizzando dati satellitari multi spettrali. La deforestazione è innescata principalmente dalla produzione di legname e dai nuovi insediamenti nello Sri Lanka. Questo studio cerca di identificare e analizzare la copertura forestale e i suoi cambiamenti nel parco nazionale di Wilpattu, in Sri Lanka, che ha raggiunto un livello di crisi nazionale. Il rapido utilizzo dei satelliti e delle tecniche di telerilevamento ha fornito una possibilità affidabile, efficace e quasi in tempo reale per caratterizzare le proprietà degli ecosistemi terrestri. In questo studio sono state utilizzate serie temporali di immagini Landsat (1977-2015) per l'analisi collaborando con i concetti teorici di classificazione della copertura del suolo basati su Support vector machine e indici di vegetazione separatamente per estrarre le condizioni di vegetazione, superficie, acqua e chioma. Infine, le catene di Markov sono state utilizzate per prevedere e modellare la copertura forestale in altri 30 anni utilizzando i risultati delle serie temporali della Support vector machine.
Andere Kunden interessierten sich für
