CN115994618A - 一种基于亚热带森林火烧烈度的评价模型构建与预测方法 - Google Patents

一种基于亚热带森林火烧烈度的评价模型构建与预测方法 Download PDF

Info

Publication number
CN115994618A
CN115994618A CN202211656160.2A CN202211656160A CN115994618A CN 115994618 A CN115994618 A CN 115994618A CN 202211656160 A CN202211656160 A CN 202211656160A CN 115994618 A CN115994618 A CN 115994618A
Authority
CN
China
Prior art keywords
index
intensity
remote sensing
model
fire
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211656160.2A
Other languages
English (en)
Inventor
吴志伟
李顺
郭灵灵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi Normal University
Original Assignee
Jiangxi Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangxi Normal University filed Critical Jiangxi Normal University
Priority to CN202211656160.2A priority Critical patent/CN115994618A/zh
Publication of CN115994618A publication Critical patent/CN115994618A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Remote Sensing (AREA)
  • Astronomy & Astrophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于亚热带森林火烧烈度的评价模型构建与预测方法，包括：获取亚热带森林野外火烧烈度的调查样本数据及遥感图像；基于遥感图像计算获得遥感光谱指数；根据调查样本数据建立综合燃烧指数回归模型和遥感光谱指数的关系模型；根据预设评价指标评估关系模块的拟合效果，确定最优关系模型和最优遥感光谱指数，绘制火烧烈度等级分布图；采用混淆矩阵评估火烧烈度等级的精度，采用随机森林模型评估环境因素对林火烈度空间分布格局的相对影响。本发明补充了对亚热带地区不同林火烈度的研究空白，通过对林火烈度的等级进行准确评估对于火后植被的恢复和管理工作具有一定指导意义。

Description

一种基于亚热带森林火烧烈度的评价模型构建与预测方法
技术领域
本发明属于火烧烈度评价领域，特别是涉及一种基于亚热带森林火烧烈度的评价模型构建与预测方法。
背景技术
林火烈度是指火灾对森林生态系统的影响或破坏程度，直接影响各种生态过程，如植被的演替和恢复过程、C和N循环过程、枯枝落叶的分解过程等。定量评价林火烈度，有助于揭示林火干扰后森林生态系统各种生态过程的发展变化和森林景观格局的形成机制。
林火烈度在景观上通常表现出空间异质性，深刻影响着森林景观中的多种生态过程。通常认为区域尺度上的林火烈度通常受气象因素影响，而局部尺度的林烈度主要受到地形和植被类型的影响。定量分析林火烈度的空间格局，有助于为森林防火和林火管理提供一定理论依据和数据支持。目前火烧烈度空间格局都是在寒温带林区开展的，这些地区火灾面积较大，强度高。相反，在亚热带常绿阔叶林区火灾面积相对较小，火烧强度更低。研究表明在不同地理环境和植被条件下，火烧烈度的空间格局往往不同。但是在亚热带林区火烧烈度的空间格局是怎么样的，植被和地形对其相对影响如何很少报道。
发明内容
为对亚热带森林的火烧烈度进行评估，获取亚热带森林林火烈度空间分布格局的影响因素，本发明提供了如下方案：一种基于亚热带森林火烧烈度的评价模型构建与预测方法，包括：
获取亚热带森林野外火烧烈度的调查样本数据及初始遥感图像；将所述调查样本数据按照7:3的比例进行随机分组，获得第一组调查样本数据和第二组调查样本数据；对所述初始遥感图像进行辐射定标和大气校正处理，获得目标遥感图像；
基于所述目标遥感图像计算获得遥感光谱指数；根据所述第一组调查样本数据建立综合燃烧指数回归模型和所述遥感光谱指数的关系模型；
根据预设评价指标评估所述关系模块拟合综合燃烧指数回归模型和遥感光谱指数的拟合效果，确定最优关系模型和最优遥感光谱指数；
根据所述最优关系模型和最优遥感光谱指数绘制火烧烈度等级分布图；通过所述第二组调查样本数据，采用混淆矩阵评估火烧烈度等级的精度；
采用随机森林模型评估环境因素对林火烈度空间分布格局的相对影响，并综合所述环境因素对林火烈度空间分布格局进行预测，获得预测结果。
优选地，所述调查样本数据包括地表可燃物和土壤层，草本、低矮灌木和乔木幼苗，高大灌木和乔木层，林冠层。
优选地，对所述初始遥感图像进行辐射定标和大气校正处理，获得目标遥感图像之后还包括对所述目标遥感图像计算反射指数、热指数、混合指数；
所述反射指数包括归一化燃烧比率、差分归一化燃烧比率、相对差分归一化燃烧比率、相对化燃烧比率、归一化植被指数、差分归一化植被指数、增强植被指数、差值增强植被指数；
所述热指数包括地表温度、差值地表温度。
优选地，所述评价指标包括决定系数、残差标准差。
优选地，所述关系模块包括线性模型、二次多项式模型、三次多项式模型、对数模型和饱和增长模型。
优选地，所述火烧烈度等级基于综合燃烧指数划分为未燃烧区、低烈度、中烈度、高烈度。
优选地，采用随机森林模型评估环境因素对林火烈度空间分布格局的相对影响的过程包括，
采集火烧迹地的海拔、坡度和坡向的测量值，计算火前归一化植被指数值；采用随机森林模型，相对化燃烧比率作为因变量，海拔、坡向、坡度和火前归一化植被指数作为自变量，针对控制火烧烈度空间格局的因素进行建模，评估每个变量对火烧烈度空间格局的相对影响。
优选地，所述坡度包括平坡、缓坡、斜坡、陡坡；
所述坡向包括平地、阴坡、阳坡。
本发明公开了以下技术效果：
本发明提供的一种基于亚热带森林火烧烈度的评价模型构建与预测方法，通过遥感影像计算遥感光谱指数，评价亚热带地区林火烈度及其空间分布影响因素，补充了对亚热带地区不同林火烈度的研究空白，通过对林火烈度的等级进行准确评估对于火后植被的恢复和管理工作具有一定指导意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供了一种基于亚热带森林火烧烈度的评价模型构建与预测方法，包括：
获取亚热带森林野外火烧烈度的调查样本数据及初始遥感图像；其中，调查样本数据包括地表可燃物和土壤层，草本、低矮灌木和乔木幼苗，高大灌木和乔木层，林冠层。
进一步地，地表可燃物和土壤层包括枯枝落叶的死可燃物消耗、半腐殖质、粗可燃物、新生裸露岩石的盖度、土壤的颜色；草本、低矮灌木和乔木幼苗包括叶片变化百分比、存活率、植物定植、物种组成；高大灌木和乔木层包括叶片变化百分比、存活率、盖度变化百分比、物种组成；林冠层包括绿色林冠百分比、黑色林冠百分比、棕色林冠百分比、林冠死亡率、熏黑高度。
将调查样本数据按照7:3的比例进行随机分组，获得第一组调查样本数据和第二组调查样本数据；70％的第一组调查样本数据用于构建回归模型，剩余30％的第二组调查样本数据用于精度验证。使不同的综合燃烧指数阈值均有样点分布，来满足模型构建和精度验证需要。对初始遥感图像进行辐射定标和大气校正处理，获得目标遥感图像；对目标遥感图像计算反射指数、热指数、混合指数；
其中，反射指数包括归一化燃烧比率、差分归一化燃烧比率、相对差分归一化燃烧比率、相对化燃烧比率、归一化植被指数、差分归一化植被指数、增强植被指数、差值增强植被指数；热指数包括地表温度、差值地表温度。
基于目标遥感图像计算获得遥感光谱指数；根据第一组调查样本数据建立综合燃烧指数回归模型和遥感光谱指数的关系模型；关系模块包括线性模型、二次多项式模型、三次多项式模型、对数模型和饱和增长模型。
线性模型：y＝a(x)+b
二次多项式模型：y＝a(x)2+b(x)+c
三次多项式模型：y＝a(x)3+b(x)2+c(x)+d
对数模型：y＝aln(x)+b
饱和增长模型：y＝x(a|x|+b)-1
上式中，X代表综合燃烧指数CBI，y代表火烧烈度评价指数。
根据决定系数、残差标准差评估关系模块拟合综合燃烧指数回归模型和遥感光谱指数的拟合效果，确定最优关系模型和最优遥感光谱指数；
根据最优关系模型和最优遥感光谱指数绘制火烧烈度等级分布图；火烧烈度等级基于综合燃烧指数划分为未燃烧区(CBI≤0.25)、低烈度(0.25＜CBI≤1.25)、中烈度(1.25＜CBI≤2.25)、高烈度(CBI＞2.25)。通过第二组调查样本数据，采用混淆矩阵评估火烧烈度等级的精度；混淆矩阵用于评价火烧烈度自动识别的准确性。评价指标包括总体精度(0A)、kappa。总体准确率是分类器正确分类的总像素数与总像素数的比值。Kappa是一个综合了生产准确度和用户准确度的指标。OA和kappa值越大，分类结果与实际值的差异越小，分类器的分类精度越高。
采用随机森林模型评估环境因素对林火烈度空间分布格局的相对影响，具体包括，采集火烧迹地的海拔(分为3类，＜300m，300-600m，>600m)、坡度(5°、15°、25°)和坡向的测量值，计算火前归一化植被指数值；其中，坡度包括平坡(<5°)、缓坡(5-15°)、斜坡(15-25°)、陡坡(25-35°)；坡向包括平地(-1°)、阴坡(0-135°、315-360°)、阳坡(135-315°)。采用随机森林模型，相对化燃烧比率作为因变量，海拔、坡向、坡度和火前归一化植被指数作为自变量，针对控制火烧烈度空间格局的因素进行建模，评估每个变量对火烧烈度空间格局的相对影响。并综合环境因素对林火烈度空间分布格局进行预测，获得预测结果。
随机森林模型的计算公示如下：
Figure BDA0004011545540000071
式中，GIm为节点m的基尼指数，K表示有K个类别，pmk表示节点m中类别k所占比例。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种基于亚热带森林火烧烈度的评价模型构建与预测方法，其特征在于，包括：
获取亚热带森林野外火烧烈度的调查样本数据及初始遥感图像；将所述调查样本数据按照7:3的比例进行随机分组，获得第一组调查样本数据和第二组调查样本数据；对所述初始遥感图像进行辐射定标和大气校正处理，获得目标遥感图像；
基于所述目标遥感图像计算获得遥感光谱指数；根据所述第一组调查样本数据建立综合燃烧指数回归模型和所述遥感光谱指数的关系模型；
根据预设评价指标评估所述关系模块拟合综合燃烧指数回归模型和遥感光谱指数的拟合效果，确定最优关系模型和最优遥感光谱指数；
根据所述最优关系模型和最优遥感光谱指数绘制火烧烈度等级分布图；通过所述第二组调查样本数据，采用混淆矩阵评估火烧烈度等级的精度；
采用随机森林模型评估环境因素对林火烈度空间分布格局的相对影响，并综合所述环境因素对林火烈度空间分布格局进行预测，获得预测结果。
2.根据权利要求1所述的基于亚热带森林火烧烈度的评价模型构建与预测方法，其特征在于，
所述调查样本数据包括地表可燃物和土壤层，草本、低矮灌木和乔木幼苗，高大灌木和乔木层，林冠层。
3.根据权利要求1所述的基于亚热带森林火烧烈度的评价模型构建与预测方法，其特征在于，对所述初始遥感图像进行辐射定标和大气校正处理，获得目标遥感图像之后还包括对所述目标遥感图像计算反射指数、热指数、混合指数；
所述反射指数包括归一化燃烧比率、差分归一化燃烧比率、相对差分归一化燃烧比率、相对化燃烧比率、归一化植被指数、差分归一化植被指数、增强植被指数、差值增强植被指数；
所述热指数包括地表温度、差值地表温度。
4.根据权利要求1所述的基于亚热带森林火烧烈度的评价模型构建与预测方法，其特征在于，所述评价指标包括决定系数、残差标准差。
5.根据权利要求1所述的基于亚热带森林火烧烈度的评价模型构建与预测方法，其特征在于，
所述关系模块包括线性模型、二次多项式模型、三次多项式模型、对数模型和饱和增长模型。
6.根据权利要求1所述的基于亚热带森林火烧烈度的评价模型构建与预测方法，其特征在于，所述火烧烈度等级基于综合燃烧指数划分为未燃烧区、低烈度、中烈度、高烈度。
7.根据权利要求1所述的基于亚热带森林火烧烈度的评价模型构建与预测方法，其特征在于，采用随机森林模型评估环境因素对林火烈度空间分布格局的相对影响的过程包括，
采集火烧迹地的海拔、坡度和坡向的测量值，计算火前归一化植被指数值；采用随机森林模型，相对化燃烧比率作为因变量，海拔、坡向、坡度和火前归一化植被指数作为自变量，针对控制火烧烈度空间格局的因素进行建模，评估每个变量对火烧烈度空间格局的相对影响。
8.根据权利要求7所述的基于亚热带森林火烧烈度的评价模型构建与预测方法，其特征在于，
所述坡度包括平坡、缓坡、斜坡、陡坡；
所述坡向包括平地、阴坡、阳坡。
CN202211656160.2A 2022-12-22 2022-12-22 一种基于亚热带森林火烧烈度的评价模型构建与预测方法 Pending CN115994618A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211656160.2A CN115994618A (zh) 2022-12-22 2022-12-22 一种基于亚热带森林火烧烈度的评价模型构建与预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211656160.2A CN115994618A (zh) 2022-12-22 2022-12-22 一种基于亚热带森林火烧烈度的评价模型构建与预测方法

Publications (1)

Publication Number Publication Date
CN115994618A true CN115994618A (zh) 2023-04-21

Family

ID=85991570

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211656160.2A Pending CN115994618A (zh) 2022-12-22 2022-12-22 一种基于亚热带森林火烧烈度的评价模型构建与预测方法

Country Status (1)

Country Link
CN (1) CN115994618A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116704212A (zh) * 2023-08-04 2023-09-05 西南林业大学 基于机器学习及多光谱影像的林木火灾受损信息提取方法
CN117436003A (zh) * 2023-12-15 2024-01-23 中国科学院、水利部成都山地灾害与环境研究所 考虑火烧严重度的火烧迹地土壤侵蚀遥感动态监测方法
CN118155080A (zh) * 2024-05-10 2024-06-07 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) 一种基于指数回归模型的浒苔覆盖面积预测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016132161A1 (en) * 2015-02-16 2016-08-25 Kontoes Charalampos Method that detects areas of active fire hotspots in real-time, calculates the most probable ignition point and assesses fire probability indicators, using satellite images and fuel data.
CN110058262A (zh) * 2019-05-22 2019-07-26 电子科技大学 一种植被辐射传输模型反演森林火灾燃烧烈度的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016132161A1 (en) * 2015-02-16 2016-08-25 Kontoes Charalampos Method that detects areas of active fire hotspots in real-time, calculates the most probable ignition point and assesses fire probability indicators, using satellite images and fuel data.
CN110058262A (zh) * 2019-05-22 2019-07-26 电子科技大学 一种植被辐射传输模型反演森林火灾燃烧烈度的方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
VICTOR等: "Burn severity metrics in fire-prone pine ecosystems along a climatic gradient using Landsat imagery", REMOTE SENSE IF ENVIRONMENT, 27 December 2017 (2017-12-27), pages 205 - 217 *
付婧婧: "气候、植被和地形对大兴安岭林火烈度空间格局的影响", 生态学报, pages 1672 - 1682 *
付婧婧;吴志伟;闫赛佳;张宇婧;顾先丽;杜林翰;: "气候、植被和地形对大兴安岭林火烈度空间格局的影响", 生态学报, no. 05, 31 March 2020 (2020-03-31), pages 1676 - 1677 *
宫大鹏等: "草原火烧严重度燃烧指数的适用性比较分析", 《生态学报》, 4 January 2018 (2018-01-04), pages 1 - 8 *
谭柳霞;曾永年;郑忠;: "林火烈度遥感评估指数适应性分析", 国土资源遥感, no. 02, pages 85 - 87 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116704212A (zh) * 2023-08-04 2023-09-05 西南林业大学 基于机器学习及多光谱影像的林木火灾受损信息提取方法
CN116704212B (zh) * 2023-08-04 2023-10-27 西南林业大学 基于机器学习及多光谱影像的林木火灾受损信息提取方法
CN117436003A (zh) * 2023-12-15 2024-01-23 中国科学院、水利部成都山地灾害与环境研究所 考虑火烧严重度的火烧迹地土壤侵蚀遥感动态监测方法
CN117436003B (zh) * 2023-12-15 2024-03-15 中国科学院、水利部成都山地灾害与环境研究所 考虑火烧严重度的火烧迹地土壤侵蚀遥感动态监测方法
CN118155080A (zh) * 2024-05-10 2024-06-07 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) 一种基于指数回归模型的浒苔覆盖面积预测方法

Similar Documents

Publication Publication Date Title
Meng et al. Measuring short-term post-fire forest recovery across a burn severity gradient in a mixed pine-oak forest using multi-sensor remote sensing techniques
CN115994618A (zh) 一种基于亚热带森林火烧烈度的评价模型构建与预测方法
Key et al. Landscape assessment (LA)
Vicente-Serrano et al. Assessment of radiometric correction techniques in analyzing vegetation variability and change using time series of Landsat images
Cialella et al. Predicting soil drainage class using remotely sensed and digital elevation data
Wu et al. Ecological environment quality evaluation of the Sahel region in Africa based on remote sensing ecological index
Descloux et al. Co-assessment of biomass and soil organic carbon stocks in a future reservoir area located in Southeast Asia
CN110308097A (zh) 一种卫星图像云检测方法及系统
Potter et al. Analysis of sapling density regeneration in Yellowstone National Park with hyperspectral remote sensing data
Pocewicz et al. The relationship between effective plant area index and Landsat spectral response across elevation, solar insolation, and spatial scales in a northern Idaho forest
Zhao et al. Estimating and Validating Wheat Leaf Water Content wi th Three MODIS Spectral Indexes: A Case Study in Ningx ia Plain, China
Du et al. Estimating and analyzing the spatiotemporal pattern of aboveground carbon in bamboo forest by combining remote sensing data and improved biome-bgc model
CN112381133A (zh) 一种森林地上生物量遥感估测中合理样本数的确定方法
Pang et al. Identifying spectral features of characteristics of Sphagnum to assess the remote sensing potential of peatlands: a case study in China.
Menon Remote sensing applications in agriculture and forestry
Ait El Haj et al. Monitoring land use and land cover changes using remote sensing techniques and the precipitation-vegetation indexes in Morocco
Rajapakse et al. Spectral characterization and LAI modelling for the tea (Camellia sinensis (L.) O. Kuntze) canopy
Baynes Assessing forest canopy density in a highly variable landscape using Landsat data and FCD Mapper software
Sims et al. Assessing the health of Pinus radiata plantations using remote sensing data and decision tree analysis
Lima Rua et al. Meteorological Influence on Space-Time Distribution of Tomé-Açu (Eastern Amazon) Vegetation Cover Using MODIS Products.
Khanh et al. Identification of vegetation change of Lower U Minh National Park of Vietnam from 1975 to 2015
Dindaroglu et al. The Effects of clear-cutting on ground thermal regimes after a wildfire using hand-held thermal imaging camera in a semi-arid forest ecosystems
Ter Borg Effects of afforestation and crop systems on the water balance in the highlands of Ethiopia
Akensous et al. Climate Change Impact On Vegetation Dynamics In Tensift Region, Morocco
Ahmad et al. ESTIMATING THE STATUS OF FOREST COVER IN ALMORA DISTRICT BY USING FOREST CANOPY DENSITY: A GEOGRAPHICAL STUDY

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination