پیوند تصویر برداری طیف سنجی و لیدار با ترکیب گیاهی و ساختار جنگلی در پاناما
عنوان انگلیسی
Linking imaging spectroscopy and LiDAR with floristic composition and forest structure in Panama
صفحات مقاله فارسی
19
صفحات مقاله انگلیسی
10
سال انتشار
2014
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
5008
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه نشده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
رشته های مرتبط با این مقاله
محیط زیست، زیست شناسی و مهندسی فناوری اطلاعات IT
گرایش های مرتبط با این مقاله
علوم گیاهی، مهندسی جنگل، مدیریت سیستم های اطلاعاتی
مجله
سنجش محیط زیست از دور (Remote Sensing of Environment)
دانشگاه
گروه بوم شناسی جهانی، موسسه کارنگی برای علوم، دانشگاه استنفورد، ایالات متحده آمریکا
۰.۰(بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1. مقدمه
2. مواد و روش های تحقیق
2.1. منطقه ی مورد مطالعه
2.2. داده های CAO-AToMS
2.3. داد های فهرست موجود درخت
2.4. تحلیل داده های CAO
2.5. تحلیل داده های فهرست موجودی درخت
2.6. روابط بین ترکیب گونه های درختی، متغیرهای VSWIR، و متغیرهای لیدار
3. نتایج
3.1. الگوها در داده های CAO-AToMS
3.2. الگوها در داده های فهرست موجودی درخت
3.3. روابط بین ترکیب گونه های درخت، متغیرهای VSWIR، و متغیرهای لیدار
4. بحث
نمونه چکیده متن اصلی انگلیسی
Abstract Abstract Landsat and Shuttle Radar Topography Mission (SRTM) imagery have recently been used to identify broad-scale floristic units in Neotropical rain forests, corresponding to geological formations and their edaphic properties. Little is known about the structural and functional variation between these floristic units, however, and Landsat and SRTM data lack the spectral and spatial resolution needed to provide this information. Imaging spectroscopy and LiDAR (Light Detection and Ranging) have been used to measure canopy structure and function in a variety of ecosystems, but the ability of these technologies to measure differences between compositionally-distinct but otherwise uniform tropical forest types remains unknown. We combined 16 tree inventories from central Panama with imaging spectroscopy and LiDAR elevation data from the Carnegie Airborne Observatory to test our ability to identify patterns in plant species composition, and to measure the spectral and structural differences between adjacent closed-canopy tropical forest types. We found that variations in spectroscopic imagery and LiDAR data were strong predictors of spatial turnover in plant species composition. We also found that these compositional, chemical, and structural patterns corresponded to underlying geological formations and their geomorphological properties. We conclude that imaging spectroscopy and LiDAR data can be used to interpret patterns identified in lower resolution sensors, to provide new information on forest function and structure, and to identify underlying determinants of these patterns.
نمونه چکیده ترجمه متن فارسی
چکیده
تصویر برداری لندست و انتشار توپوگرافیکی رادار شاتل (SRTM) اخیرا برای شناسایی واحدهای گیاهی در مقیاس گسترده در جنگل های بارانی امریکای جنوبی و نواحی گرمسیری امریکای شمالی استفاده شده است، که مطابق با شکل گیری زمین شناسی و ویژگی های خاکی است. با این حال، در مورد تنوع ساختاری و عملکردی بین واحدهای گیاهی دانش کمی وجود دارد . داده های لندست و SRTM فاقد قدرت تفکیک طیفی و مکانی برای فراهم اوردن این اطلاعات هستند. تصویر برداری طیف سنجی و لیدار (نوریاب و مسافت یاب) برای سنجش عملکرد و ساختار تاج پوشش در انواعی از اکوسیستم ها استفاده شده است، اما توانایی این تکنولوژی ها برای سنجش تفاوت های بین انواع جنگلی گرمسیری از نظر ترکیب متمایز اما یکنواخت ناشناس باقی مانده است. ما 16 اندازه گیری درخت را از پاناما مرکزی با تصویر برداری طیف سنجی و داده های ارتفاعی لیدار از رصدخانه هوایی Carnegie ترکیب کردیم تا توانایی مان جهت شناسایی الگوهای ترکیب گونه های گیاهی را بیازماییم، و تفاوت های طیفی و ساختاری بین انواع جنگلی گرمسیری تاج پوشش – بسته مجاور را بسنجیم. ما دریافتیم که تغییرات در تصویر برداری طیف سنجی و داده های لیدار، پیش بینی کننده های قویی از گردش مکانی ترکیب گونه های گیاهی هستند. همچنین ما دریافتیم که این الگوهای ترکیبی، شیمیایی، و ساختاری مطابق با شکل گیری های زمین شناسی زیربنایی و ویژگی های ژئومورفولوژی است. ما نتیجه گیری کردیم که تصویر برداری طیف سنجی و داده های لیدار می توانند برای تفسیر الگوهای شناسایی شده در سنسورهای رزولوشن پایین تر استفاده شوند، تا اطلاعات جدید در مورد عملکرد و ساختار جنگل فراهم شود، و عوامل زیربنایی این الگوها شناسایی شود.