of fire on vegetation cannot be obs

of fire on vegetation cannot be observed. Class (1) is low:
Less than 50% of vegetation cover affected. Ground fuel
and low shrubs are the most affected. Less than 30% of trees
appear completely burned. Some of the affected trees have
only been scorched in the bottom part of their stems and
crowns. Unburned spots can be found. Class (2) is moderate:
Between 50 and 90% of vegetation cover affected.
Ground fuels and the branches of shrubs completely consumed,
even though some of them may retain the capacity
to sprout. Less than 75% of trees completely burned. Most
of smaller trees dead, dominant trees less affected although
their crowns can be scorched up to a 60%. Class (3) is high:
More than 90% of vegetation cover completely burned and
apparently dead, even though some plants may still be able
to sprout. Many stems of shrubs consumed by fire, with
only the lower stems remaining.
3.3. Methods Employed for Image Classification
[26] Coregistration was performed on the images and
the CLC2000 data layers. Landsat 5-TM digital numbers
were transformed into Top of Atmosphere reflectance data
[Chuvieco, 2000; Ruiz-Gallardo et al., 2004], but no atmospheric
or topographic corrections were applied, as this step
would have required a significant amount of processing, and
we wanted to evaluate how well the analysis methods
performed when these corrections were not applied. Both
MODIS and MERIS products were already corrected, as
they provide ‘‘surface reflectance’’ values.
3.3.1. Linear Spectral Unmixing (LSU)
[27] Spectral Unmixing [Smith et al., 1985; Settle and
Drake, 1993] aims at estimating the surface abundance of a
number of pure spectral components (or endmembers),
together causing the observed mixed spectral signature of
the pixel. A linear combination of spectral endmembers is
chosen to decompose the mixed reflectance spectrum of
each pixel into fractions of its endmembers [Van der Meer
and de Jong, 2000].
[28] The crucial, and most difficult, part of the LSU is the
actual process of selecting the endmembers [Reithmaier et
al., 2005]. A set of endmembers should allow the definition
of all spectral variability for all pixels, produce unique
results, and be of significance to the underlying scientific
objectives. The selection of endmembers can be achieved in
two ways: (1) selecting them from spectral libraries (reference
endmembers) or (2) deriving them from the purest
pixels in the image (image endmembers) [Van der Meer and
de Jong, 2000]. Kerdiles and Grondona [1995] affirms that
it is not advisable to use spectral libraries with vegetation
endmembers, because of spectral properties variation with
climatology, atmosphere and year, factors which are not
usually considered in spectral libraries. Because of all these
considerations, image endmembers were used in the present
study. Two sets of endmembers were considered:
[29] 1. Set1 is based on fire severity field data. Endmembers
were extracted from pixels where ‘‘Ground points’’
were located (during the field survey, see section 3.4). There
are three endmembers, where each one represents one of the
three levels of fire severity. It is assumed that every burned
pixel can be decomposed into fractions of high, moderate
and low fire severity. Linear Spectral Unmixing performed
using this set of endmembers will be referred to as LSU1.
The unburned state is not considered, as the LSU1 was
applied on images where unburned pixels had already been
masked. Further explanation on this point will be given in
section 3.5.
[30] 2. Set2 is based on landscape components. Three
endmembers were extracted from areas in the image representing
‘‘green vegetation,’’ ‘‘bare soil’’ and ‘‘burned surface.’’
Linear Spectral Unmixing performed using this set of
endmembers will be referred to as LSU2.
3.3.2. Matched Filtering (MF)
[31] The Matched Filtering technique [Boardman et al.,
1995] is a variation of the LSU method, where only one
endmember is considered. MF partially unmixes the spectral
data quantifying the abundance of the defined endmember
[Va´zquez et al., 2001].
[32] The endmember was extracted from the pixels where
‘‘Ground points’’ affected by high fire severity were located
(during the field survey; see section 3.4).
3.3.3. Normalized Burn Ratio Index (NBR)
[33] This index integrates the two bands that respond
most, but in opposite ways, to burning (Near Infrared NIR,

Results (Indonesian) 1:

api pada vegetasi tidak dapat diamati. Kelas (1) rendah:Kurang dari 50% dari Tutupan vegetasi yang terpengaruh. Tanah bahan bakardan semak-semak yang rendah adalah yang paling terpengaruh. Kurang dari 30% pohonmuncul benar-benar terbakar. Beberapa pohon terkenahanya telah hangus di bagian bawah dari tangkainya danmahkota. Pasanglah bisa ditemukan. Kelas (2) moderat:Antara 50 dan 90% vegetasi terpengaruh.Bahan bakar tanah dan cabang-cabang semak-semak benar-benar dikonsumsi,Meskipun beberapa dari mereka dapat mempertahankan kapasitasuntuk tumbuh. Kurang dari 75% dari pohon-pohon yang terbakar sepenuhnya. Sebagiankecil pohon mati, pohon dominan kurang terpengaruh meskipunmahkota-mahkota mereka akan hangus hingga 60%. Kelas (3) tinggi:Lebih dari 90% vegetasi terbakar sepenuhnya danRupanya mati, bahkan meskipun beberapa tanaman mungkin masih dapatuntuk tumbuh. Banyak batang semak-semak yang dikonsumsi oleh api, denganhanya bawah batang yang tersisa.3.3. metode yang digunakan untuk klasifikasi citra[26] coregistration dilakukan pada gambar danlapisan data CLC2000. Landsat 5-TM digital nomorbergeser ke atas suasana reflektansi data[Chuvieco, 2000; Ruiz-Gallardo et al., 2004], tetapi tidak atmosferatau topografi koreksi diaplikasikan, sebagai langkah inimemerlukan sejumlah besar pengolahan, danKami ingin untuk mengevaluasi seberapa baik metode analisisdilakukan ketika koreksi ini tidak diterapkan. KeduaMODIS dan MERIS produk yang sudah diperbaiki, sebagaimereka menyediakan nilai '' permukaan reflektansi ''.3.3.1. linier spektral Unmixing (LSU)[27] spektral Unmixing [Smith et al., 1985; Menetap danDrake, 1993] bertujuan untuk memperkirakan kelimpahan permukaanjumlah komponen spektral murni (atau endmembers),bersama-sama menyebabkan diamati campuran spektral tanda tanganpiksel. Kombinasi linear spektral endmembersdipilih untuk mengurai spektrum reflektansi campuransetiap pixel ke dalam pecahan yang endmembers [Van der Meerdan de Jong, 2000].[28] yang penting, dan paling sulit, Bagian dari LSU adalahsebenarnya proses pemilihan endmembers [Reithmaier etAl., 2005]. Satu set endmembers harus memungkinkan definisiSemua spektrum variabilitas untuk semua piksel, menghasilkan unikhasil, dan menjadi penting yang mendasari ilmiahtujuan. Pemilihan endmembers dapat dicapai dalamdua cara: (1) memilih mereka dari spektral Perpustakaan (referensiendmembers) atau (2) berasal mereka dari yang paling murnipiksel dalam gambar (gambar endmembers) [Van der Meer dande Jong, 2000]. Kerdiles dan Grondona [1995] menegaskan bahwaHal ini tidak dianjurkan untuk menggunakan spektrum Perpustakaan dengan vegetasiendmembers, karena sifat spektral variasi denganKlimatologi, suasana dan tahun, faktor-faktor yang tidakbiasanya dipertimbangkan dalam spektrum Perpustakaan. Karena semua inipertimbangan, endmembers gambar yang digunakan di masa kinistudi. Dua set endmembers dianggap:[29] 1. Set1 didasarkan pada data lapangan keparahan api. Endmembersdiambil dari piksel mana '' tanah poin ''berada (selama survei di lapangan, lihat bagian 3.4). Adaadalah tiga endmembers, dimana masing-masing mewakili salah satutiga tingkat keparahan api. Diasumsikan bahwa setiap dibakarpixel dapat didekomposisi ke pecahan tinggi, moderatdan tingkat keparahan rendah api. Linear spektral Unmixing dilakukanmenggunakan set endmembers akan dirujuk sebagai LSU1.Keadaan yang terbakar tidak dianggap, seperti LSU1diterapkan pada gambar yang mana pasanglah piksel sudahbertopeng. Penjelasan lebih lanjut mengenai hal ini akan diberikan dalamBagian 3.5.[30] 2. Set2 didasarkan pada lanskap komponen. Tigaendmembers diambil dari daerah dalam gambar yang mewakili'' tumbuh-tumbuhan hijau,'' '' telanjang tanah '' dan '' dibakar permukaan.''Linear spektral Unmixing dilakukan dengan menggunakan setendmembers akan disebut sebagai LSU2.3.3.2. cocok penyaringan (MF)[31] teknik Matched Filtering [Boardman et al.,1995] adalah variasi dari metode LSU, di mana hanya satuendmember dianggap. MF sebagian unmixes spektrumdata kuantifikasi kelimpahan endmember didefinisikan[Va´zquez et al., 2001].[32] endmember diambil dari pixel mana'' Tanah poin '' dipengaruhi oleh keparahan tinggi api berada(selama survei Lapangan; Lihat bagian 3.4).3.3.3. menormalkan membakar rasio indeks (NBR)[33] indeks ini mengintegrasikan dua band yang meresponsebagian besar, tapi dalam cara yang berlawanan, untuk membakar (dekat inframerah NIR,

Results (Indonesian) 2:

api pada vegetasi tidak dapat diamati. Kelas (1) rendah:
Kurang dari 50% dari tutupan vegetasi yang terkena dampak. BBM tanah
dan semak-semak rendah adalah yang paling terpengaruh. Kurang dari 30% dari pohon
muncul benar-benar terbakar. Beberapa pohon yang terkena telah
hanya telah hangus di bagian bawah mereka batang dan
mahkota. Bintik terbakar dapat ditemukan. Kelas (2) moderat:
. Antara 50 dan 90% dari tutupan vegetasi yang terkena
bahan bakar Ground dan cabang semak-benar dikonsumsi,
meskipun beberapa dari mereka mungkin mempertahankan kapasitas
untuk tumbuh. Kurang dari 75% dari pohon benar-benar terbakar. Sebagian besar
pohon yang lebih kecil mati, pohon dominan kurang terpengaruh meskipun
mahkota mereka dapat hangus hingga 60%. Kelas (3) tinggi:
Lebih dari 90% dari tutupan vegetasi benar-benar terbakar dan
tampaknya mati, meskipun beberapa tanaman mungkin masih bisa
tumbuh. Banyak batang semak dikonsumsi oleh api, dengan
hanya lebih rendah batang yang tersisa.
3.3. Metode Employed untuk Gambar Klasifikasi
[26] koregistrasi dilakukan pada gambar dan
lapisan data yang CLC2000. Nomor digital Landsat 5-TM
diubah menjadi Top data Suasana reflektansi
[Chuvieco, 2000; Ruiz-Gallardo et al., 2004], tapi tidak ada atmosfer
koreksi atau topografi yang diterapkan, sebagai langkah ini
akan diperlukan sejumlah besar pengolahan, dan
kami ingin mengevaluasi seberapa baik metode analisis
dilakukan ketika koreksi ini tidak diterapkan. Kedua
MODIS dan MERIS produk sudah dikoreksi, karena
mereka memberikan '' permukaan pantulan '' nilai-nilai.
3.3.1. Linear Spectral unmixing (LSU)
[27] Spectral unmixing [Smith et al., 1985; Settle dan
Drake, 1993] bertujuan memperkirakan kelimpahan permukaan
sejumlah komponen spektral murni (atau endmembers),
bersama-sama menyebabkan tanda tangan spektral campuran diamati
pixel. Kombinasi linear dari endmembers spektral
dipilih untuk menguraikan spektrum reflektansi campuran dari
setiap pixel ke fraksi endmembers nya [Van der Meer
dan de Jong, 2000].
[28] penting, dan paling sulit, bagian dari LSU adalah
yang sebenarnya proses pemilihan endmembers [Reithmaier et
al., 2005]. Satu set endmembers harus memungkinkan definisi
dari semua variabilitas spektral untuk semua piksel, menghasilkan unik
hasil, dan menjadi penting untuk ilmiah yang mendasari
tujuan. Pemilihan endmembers dapat dicapai dalam
dua cara: (1) memilih mereka dari perpustakaan spektral (referensi
endmembers) atau (2) berasal mereka dari yang paling murni
piksel dalam gambar (endmembers gambar) [Van der Meer dan
de Jong, 2000] . Kerdiles dan Grondona [1995] menegaskan bahwa
tidak dianjurkan untuk menggunakan perpustakaan spektral dengan vegetasi
endmembers, karena variasi sifat spektral dengan
klimatologi, atmosfer dan tahun, faktor yang tidak
biasanya dianggap di perpustakaan spektral. Karena semua ini
pertimbangan, endmembers gambar yang digunakan pada saat ini
studi. Dua set endmembers dianggap:
[29] 1. Set1 berdasarkan data lapangan api keparahan. Endmembers
diekstraksi dari piksel mana '' Tanah poin ''
terletak (selama survei lapangan, lihat bagian 3.4). Ada
tiga endmembers, di mana masing-masing mewakili satu dari
tiga tingkat keparahan api. Hal ini diasumsikan bahwa setiap dibakar
pixel dapat diuraikan ke dalam pecahan tinggi, sedang
dan rendah keparahan api. Linear Spectral unmixing dilakukan
menggunakan set endmembers akan disebut sebagai LSU1.
Negara tidak terbakar tidak dianggap, sebagai LSU1 itu
diterapkan pada gambar di mana piksel terbakar sudah
bertopeng. Penjelasan lebih lanjut tentang hal ini akan diberikan dalam
bagian 3.5.
[30] 2. Set2 berdasarkan komponen lansekap. Tiga
endmembers diekstraksi dari daerah di gambar yang mewakili
'' tumbuhan hijau, '' '' lahan gundul '' dan '' permukaan dibakar. ''
Linear Spectral unmixing dilakukan dengan menggunakan set
endmembers akan disebut sebagai LSU2.
3.3.2 . Cocok Filtering (MF)
[31] Teknik Filtering The cocok [Boardman et al.,
1995] adalah variasi dari metode LSU, di mana hanya satu
endmember dianggap. MF sebagian unmixes spektral
data yang mengukur kelimpahan endmember didefinisikan
[Va'zquez et al., 2001].
[32] endmember diekstraksi dari piksel mana
'' Tanah poin '' dipengaruhi oleh tingkat keparahan api tinggi berada
(selama survei lapangan; lihat bagian 3.4).
3.3.3. Normalisasi Bakar Ratio Index (NBR)
[33] Indeks ini mengintegrasikan dua band yang merespon
sebagian besar, tapi dengan cara yang berlawanan, untuk membakar (Near Infrared NIR,