CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Surface soil moisture retrieval using a regression method applied on polarimetric SAR images

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۱۶۸ | نظرات: ۰
سرفصل ارائه مقاله: Civil Engineering
سال انتشار: ۱۳۹۱
نوع ارائه: پوستر
کد COI مقاله: SASTECH06_062
زبان مقاله: انگلیسی
حجم فایل: ۲۸۰.۳۳ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Surface soil moisture retrieval using a regression method applied on polarimetric SAR images

  M Moradizadeh - Remote Sensing Division, Surveying and Geomatics Engineering Department, College of Engineering, University of Tehran, Tehran, Iran
M.R Saradjian -
D Akbari -

چکیده مقاله:

Soil moisture plays a critical role in many hydrological processes including infiltration, evaporation, and runoff. Satellite-based passive microwave sensors are sensitive to soil moisture content, (Cashiona et al., 2005), but the spatial resolution of these sensors is much lower than visible/infrared (VIS/IR) satellite data. However, soil moisture estimates from VIS/IR sensors usually require surface micro-meteorological and atmospheric information that is not routinely available. To overcome these problems, radar remote sensing technology has been widely used for soil moisture retrieving because of its capability to operate in all weather conditions (Xiao et al., 2005). This study is concerned with retrieving percentage of soil moisture content using polarimetric PALSAR data in Iran. Scattering matrix decomposition has been used to find optimum features that have higher correlation with soil moisture content. Therefore, a regression based method has been used to estimate the soil moisture content based on these features. According to the validation, as expected, the retrieved soil moistures were consistent with those of field measurements. It can be concluded in this study that proposed method is appropriate in mapping soil moisture content as a suitable alternative to sparsely distributed meteorological stations measurements.

کلیدواژه‌ها:

Soil moisture, SAR, scattering matrix decomposition, feature extraction, regression method

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-SASTECH06-SASTECH06_062.html
کد COI مقاله: SASTECH06_062

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Moradizadeh, M; M.R Saradjian & D Akbari, ۱۳۹۱, Surface soil moisture retrieval using a regression method applied on polarimetric SAR images, ششمین کنفرانس بین المللی پیشرفتهای علوم و تکنولوژی, مشهد, موسسه آموزش عالی خاوران, https://www.civilica.com/Paper-SASTECH06-SASTECH06_062.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Moradizadeh, M; M.R Saradjian & D Akbari, ۱۳۹۱)
برای بار دوم به بعد: (Moradizadeh; Saradjian & Akbari, ۱۳۹۱)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • sAsTech 2012, Malaysia, Kuala Lumpur. 24-25 March, 2012. Organized by ...
  • Yamaguchi Y., A. Sato, W.M. Boerner, R. Sato, H. Yamada. ...
  • Yisok O., _ Kyung-Yup, J. Geba. (2009). New Unsupervised Classification ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۵۰۸۱۷
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.