[47] As can be observed in Table 2,

[47] As can be observed in Table 2, most points are
located in areas of high fire severity, and there are only a
few points affected by low fire severity. This is a consequence
of the real situation after the fire, with most areas
sustaining high damage. It is worth pointing out that the
visual classification employed for fire severity evaluation
was found very practical, as the different classes could be
identified on the field quite clearly.
3.5. Image Classification Process
[48] Once the field data had been collected, the image
classification process was carried out. This process can be
divided in three phases.
[49] 1. First of all, a MF file was obtained from the TM
image using high fire severity ‘‘Ground points’’ to define
the endmember. A new ‘‘burned area mask’’ was made from
the resulting MF file, by choosing burned pixels according
to those with an MF value of over the minimum relative of
the MF histogram (the same process as followed in the field
survey design, see section 3.4). This mask was applied to
the three images in order to filter unburned pixels for the
classification process. The mask also provided a second
estimation of burned area based on field data.
[50] 2. The techniques for image processing explained in
section 3.3 were applied to the masked images. The three
methods (LSU, MF and NBR) were applied to the masked
TM and MODIS images. Only MF and LSU were applied to
the masked MERIS image, as its spectral range does not
include bands in the SWIR, which are necessary to perform
the NBR index. Fire severity information from ‘‘Ground
points’’ was used to define the endmembers for the LSU and
MF techniques.
[51] 3. In the postprocessing phase, maps depicting fire
severity of three levels were obtained by: (1) applying the
reclassification techniques explained in section 3.3, and
(2) filtering the resulting classifications obtained from the
TM image with Median filters so as to avoid the ‘‘salt and
pepper’’ effect. No filter was applied to the MERIS and
MODIS images, owing to their coarse spatial resolution. A
summary of the different classifications with three levels
of fire severity obtained during the process is shown in
Table 3.
[52] 4. Information from the ‘‘verification set’’ (34 points,
see section 3.4) was used to verify the resulting fire severity
maps. Contingency tables were obtained in order to compare
classification results with ground truth information.
The Chi-square test was performed to check that both data
sets were not independent, and the Overall Accuracy, the
Kappa coefficient and the Kendall’s (tc) correlation coefficient
were obtained to analyze the degree of association
between the two sets of data. Kappa varies between 0 and
+1, where +1 means that the variables match perfectly. tc
ranges from 1 (complete disagreement) to +1 (perfect
agreement). For both indexes, 0 value means that the
variables are independent.
4. Results
[53] Estimations of burned area were obtained applying
the MF method to the TM image, and classifications of fire
severity were performed by applying the LSU, MF and
NBR techniques to the TM, MERIS and MODIS images
(see section 3.3). Results for both burned area and fire
severity estimations are described in this section.
4.1. Burned Area Estimation
[54] Two estimations of burned area were performed
applying the MF method to the TM image. The first one
was obtained during the field survey design (see section 3.4).
The resulting affected area was 34473 ha. A second
estimation was made following the same process, but using
field information to define the endmember (see section 3.5).
The obtained affected area was 32058 ha.
4.2. Fire Severity Estimation
[55] Only the best classifications obtained from the analyzed
images are described below (see also Table 3).
[56] 1. The best results obtained from the Landsat 5-TM
were for the classification LanTM1, which is the result of

Results (Indonesian) 1:

[47] seperti dapat diamati dalam tabel 2, poin terbanyak adalahTerletak di daerah tinggi api keparahan, dan hanya adabeberapa poin yang terkena dampak rendah api keparahan. Ini merupakan konsekuensisituasi nyata setelah api, dengan sebagian besar wilayahmempertahankan kerusakan tinggi. It's worth menunjukkan bahwaklasifikasi visual yang digunakan untuk api keparahan evaluasiditemukan sangat praktis, karena kelas yang berbeda bisadiidentifikasi di bidang cukup jelas.3.5. gambar klasifikasi proses[48] sekali bidang data yang telah dikumpulkan, gambarklasifikasi proses dilaksanakan. Proses ini dapatdibagi dalam tiga tahap.[49] 1. Pertama-tama MF file Diperoleh dari TMgambar menggunakan tinggi api keparahan '' tanah poin '' untuk menentukanendmember. Baru '' dibakar area topeng '' terbuat dariMF file yang dihasilkan, dengan memilih dibakar piksel menurutbagi mereka dengan MF nilai atas kerabat minimalhistogram MF (proses yang sama seperti yang diikuti dalam bidangsurvei Desain, lihat bagian 3.4). Topeng ini diaplikasikan kepadatiga gambar untuk menyaring pasanglah piksel untukproses klasifikasi. Masker juga disediakan keduaEstimasi dibakar daerah berdasarkan data lapangan.[50] 2. Teknik untuk pengolahan gambar yang dijelaskan dalamBagian 3.3 diterapkan ke gambar bertopeng. Tigametode (LSU, MF dan NBR) diterapkan untuk bertopengTM dan MODIS gambar. Hanya MF dan LSU diaplikasikan kepadathe masked MERIS image, as its spectral range does notinclude bands in the SWIR, which are necessary to performthe NBR index. Fire severity information from ‘‘Groundpoints’’ was used to define the endmembers for the LSU andMF techniques.[51] 3. In the postprocessing phase, maps depicting fireseverity of three levels were obtained by: (1) applying thereclassification techniques explained in section 3.3, and(2) filtering the resulting classifications obtained from theTM image with Median filters so as to avoid the ‘‘salt andpepper’’ effect. No filter was applied to the MERIS andMODIS images, owing to their coarse spatial resolution. Asummary of the different classifications with three levelsof fire severity obtained during the process is shown inTable 3.[52] 4. Information from the ‘‘verification set’’ (34 points,see section 3.4) was used to verify the resulting fire severitymaps. Contingency tables were obtained in order to compareclassification results with ground truth information.The Chi-square test was performed to check that both datasets were not independent, and the Overall Accuracy, theKappa coefficient and the Kendall’s (tc) correlation coefficientwere obtained to analyze the degree of associationbetween the two sets of data. Kappa varies between 0 and+1, where +1 means that the variables match perfectly. tcranges from 1 (complete disagreement) to +1 (perfectPerjanjian). Untuk indeks kedua, nilai 0 berarti bahwavariabel independen.4. hasil[53] estimasi dibakar daerah yang diperoleh dengan menerapkanmetode MF gambar TM dan klasifikasi apikeparahan dilakukan dengan menerapkan LSU, MF danNBR teknik untuk TM, MERIS dan MODIS gambar(Lihat bagian 3.3). Hasil untuk daerah terbakar dan kebakarankeparahan estimasi dijelaskan dalam bagian ini.4.1. membakar Area estimasi[54] dua estimasi dibakar daerah dilakukanmenerapkan metode MF gambar TM. Yang pertamaDiperoleh selama survei Lapangan desain (Lihat bagian 3.4).Daerah yang terkena dampak yang dihasilkan adalah 34473 ha. KeduaEstimasi dibuat mengikuti proses yang sama, tetapi menggunakanbidang informasi untuk menentukan endmember (Lihat bagian 3.5).Daerah yang terkena diperoleh adalah 32058 ha.4.2. api keparahan estimasi[55] hanya klasifikasi terbaik Diperoleh dari dianalisisgambar yang dijelaskan di bawah ini (Lihat juga Tabel 3).[56] 1. Hasil terbaik yang Diperoleh dari Landsat 5-TMuntuk klasifikasi LanTM1, yang merupakan hasil dari

Results (Indonesian) 2:

[47] Seperti dapat diamati pada Tabel 2, poin yang
terletak di daerah keparahan api tinggi, dan hanya ada
beberapa poin yang terkena keparahan api rendah. Hal ini merupakan konsekuensi
dari situasi nyata setelah kebakaran, dengan sebagian besar wilayah
mengalami kerusakan tinggi. Perlu menunjukkan bahwa
klasifikasi visual yang digunakan untuk evaluasi api keparahan
ditemukan sangat praktis, sebagai kelas yang berbeda dapat
diidentifikasi di lapangan cukup jelas.
3,5. Proses citra Klasifikasi
[48] Setelah data lapangan telah dikumpulkan, gambar
proses klasifikasi dilakukan. Proses ini dapat
dibagi dalam tiga tahap.
[49] 1. Pertama-tama, file MF diperoleh dari TM
gambar menggunakan api tinggi keparahan '' Tanah poin '' untuk menentukan
endmember tersebut. A '' dibakar daerah topeng 'baru' dibuat dari
berkas MF yang dihasilkan, dengan memilih piksel dibakar sesuai
untuk orang-orang dengan nilai MF lebih relatif minimal
histogram MF (proses yang sama seperti diikuti di bidang
desain survei, lihat bagian 3.4). Topeng ini diaplikasikan
tiga gambar untuk menyaring piksel yang tidak terbakar untuk
proses klasifikasi. Topeng ini juga menyediakan kedua
estimasi daerah yang terbakar berdasarkan data lapangan.
[50] 2. Teknik-teknik untuk pengolahan citra dijelaskan dalam
bagian 3.3 yang diterapkan pada gambar bertopeng. Tiga
metode (LSU, MF dan NBR) yang diterapkan pada bertopeng
TM dan MODIS gambar. Hanya MF dan LSU yang diterapkan untuk
gambar MERIS bertopeng, sebagai rentang spektral tidak
termasuk band di SWIR, yang diperlukan untuk melakukan
indeks NBR. Api informasi keparahan dari '' Tanah
poin '' digunakan untuk menentukan endmembers untuk LSU dan
. MF teknik
[51] 3. Pada tahap postprocessing, peta yang menggambarkan api
keparahan tiga tingkat diperoleh dengan: (1) menerapkan
reklasifikasi teknik dijelaskan dalam bagian 3.3, dan
(2) penyaringan klasifikasi yang dihasilkan diperoleh dari
citra TM dengan filter Median sehingga untuk menghindari '' garam dan
merica '' efek. Tidak ada filter diaplikasikan pada MERIS dan
MODIS gambar, karena resolusi spasial kasar mereka. Sebuah
ringkasan dari klasifikasi yang berbeda dengan tiga tingkat
keparahan api yang diperoleh selama proses ditunjukkan pada
Tabel 3.
[52] 4. Informasi dari '' verifikasi set '' (34 poin,
lihat bagian 3.4) digunakan untuk memverifikasi yang dihasilkan api keparahan
peta. Tabel kontingensi diperoleh untuk membandingkan
hasil klasifikasi dengan informasi dasar kebenaran.
Uji Chi-square dilakukan untuk memeriksa bahwa kedua data yang
set tidak independen, dan Akurasi keseluruhan,
koefisien Kappa dan (tc) koefisien korelasi Kendall
diperoleh untuk menganalisis tingkat hubungan
antara dua set data. Kappa bervariasi antara 0 dan
1, di mana 1 berarti bahwa variabel cocok dengan sempurna. tc
berkisar dari? 1 (lengkap perselisihan) ke 1 (sempurna
perjanjian). Untuk kedua indeks, nilai 0 berarti bahwa
variabel independen.
4. Hasil
[53] Perkiraan dari daerah yang terbakar diperoleh menerapkan
metode MF ke gambar TM, dan klasifikasi kebakaran
keparahan dilakukan dengan menerapkan LSU, MF dan
teknik NBR ke TM, MERIS dan MODIS gambar
(lihat bagian 3.3). Hasil untuk kedua daerah dan api membakar
estimasi keparahan dijelaskan dalam bagian ini.
4.1. Dibakar di Area Estimasi
[54] Dua estimasi dari daerah yang terbakar dilakukan
menggunakan metode MF ke gambar TM. Yang pertama
diperoleh selama desain survei lapangan (lihat bagian 3.4).
Daerah yang terkena dampak yang dihasilkan adalah 34.473 ha. Kedua
estimasi dibuat mengikuti proses yang sama, tetapi menggunakan
informasi lapangan untuk menentukan endmember (lihat bagian 3.5).
Daerah yang terkena dampak yang diperoleh adalah 32.058 ha.
4.2. Api Severity Estimasi
[55] Hanya klasifikasi terbaik yang diperoleh dari analisis
gambar yang dijelaskan di bawah (lihat juga Tabel 3).
[56] 1. Hasil terbaik yang diperoleh dari Landsat 5-TM
adalah untuk klasifikasi LanTM1, yang hasilnya dari