Algorithm performanceTo date, four principal methods have been used to translation - Algorithm performanceTo date, four principal methods have been used to Indonesian how to say

Algorithm performanceTo date, four

Algorithm performance
To date, four principal methods have been used to
assess algorithm performance and evaluate the MODIS
fire products. First, based on earlier work done by Dowty
(1993) and Giglio et al. (1999), simulated MODIS imagery
was used to quantify algorithm detection and false
alarm rates under a wide range of environmental conditions
within different biomes. Second, fire maps generated
from high-resolution scenes acquired with the
Advanced Spaceborne Thermal Emission and Reflection
Radiometer (ASTER) have been compared to fires identified
by versions 3 and 4 algorithms. Third, the U.S.
Forest Service Fire Sciences Laboratory, which has undertaken
an independent validation of the MODIS fire
product, has found good correspondence between MODIS
fire locations and fire perimeters measured by the Forest
Service. Finally, in a more qualitative approach, unambiguous
fire pixels and obvious false alarm sources were
identified through visual inspection of MODIS 250-, 500-
m, and 1-km imagery, permitting the output from the
original and improved algorithms to be compared to
‘‘expert’’-derived fire masks. Although this approach is
in general greatly inferior to the more rigorous approaches
mentioned above, it does allow obvious problems to be
diagnosed and corrected.
In Section 3.1, we will describe our simulation approach
and then discuss the theoretical algorithm performance
established by way of the simulation. In Section
3.2, we will briefly report on the recent results of Morisette,
Giglio, Csiszar, and Justice (2003), who have completed
the first of many planned regional MODIS fire
validation activities. (Ultimately, the MODIS fire products
will be validated globally through this process.) Finally, in
Section 3.3, we will present two examples of obvious
cases in which a simple visual analysis and comparison is
appropriate.
0/5000
From: -
To: -
Results (Indonesian) 1: [Copy]
Copied!
Algoritma kinerjaSampai saat ini, empat metode utama telah digunakan untukmenilai kinerja algoritma dan mengevaluasi MODISapi produk. Pertama, didasarkan pada karya sebelumnya yang dilakukan oleh Dowty(1993) dan Giglio et al. (1999), simulasi citra MODISdigunakan untuk mengukur algoritma Deteksi dan palsuAlarm tarif di bawah berbagai kondisi lingkungandalam bioma yang berbeda. Kedua, api maps yang dihasilkandari adegan-adegan resolusi tinggi yang diperoleh denganMaju Spaceborne termal emisi dan refleksiRadiometer (ASTER) telah dibandingkan dengan kebakaran diidentifikasioleh algoritma versi 3 dan 4. Ketiga, Amerika SerikatLaboratorium ilmu hutan Layanan api, yang telah dilakukanvalidasi independen api MODISproduk, telah menemukan baik korespondensi antara MODISapi lokasi dan api strategis yang diukur oleh hutanLayanan. Akhirnya, pada pendekatan yang lebih kualitatif, jelasapi piksel dan jelas alarm palsu sumberdiidentifikasi melalui inspeksi visual dari MODIS 250-, 500-m, dan citra 1-km, memungkinkan output darialgoritma yang asli dan peningkatan dibandingkan dengan'' ahli ''-berasal api masker. Meskipun pendekatan ini sangatpada umumnya sangat rendah untuk semakin ketat pendekatandisebutkan di atas, itu memungkinkan jelas masalah harusdidiagnosis dan diperbaiki.Pada bagian 3.1, kami akan menjelaskan pendekatan simulasi kamidan kemudian mendiskusikan kinerja teoritis algoritmadidirikan dengan simulasi. Di bagian3.2, kita akan secara singkat melaporkan hasil hari Morisette,Giglio, Csiszar, dan keadilan (2003), yang telah menyelesaikanyang pertama dari banyak direncanakan regional MODIS apikegiatan validasi. (Pada akhirnya, MODIS api produkakan disahkan secara global melalui proses ini.) Akhirnya, pada3.3 bagian, kami akan menyajikan dua contoh jelaskasus di mana analisis visual yang sederhana dan perbandingantepat.
Being translated, please wait..
Results (Indonesian) 2:[Copy]
Copied!
Kinerja Algoritma
Untuk saat ini, empat metode utama telah digunakan untuk
menilai kinerja algoritma dan mengevaluasi MODIS
produk api. Pertama, berdasarkan pekerjaan sebelumnya yang dilakukan oleh Oleomatic
(1993) dan Giglio et al. (1999), simulasi citra MODIS
digunakan untuk mengukur deteksi algoritma dan palsu
tarif alarm di bawah berbagai kondisi lingkungan
dalam bioma yang berbeda. Kedua, peta api yang dihasilkan
dari adegan-resolusi tinggi diperoleh dengan
Spaceborne Advanced Thermal Emisi dan Reflection
Radiometer (ASTER) telah dibandingkan dengan kebakaran diidentifikasi
oleh versi 3 dan 4 algoritma. Ketiga, AS
Dinas Kehutanan Ilmu Kebakaran Laboratorium, yang telah melakukan
validasi independen dari api MODIS
produk, telah menemukan korespondensi yang baik antara MODIS
lokasi kebakaran dan perimeter api diukur oleh Forest
Service. Akhirnya, dalam pendekatan yang lebih kualitatif, tidak ambigu
piksel kebakaran dan sumber alarm palsu yang jelas yang
diidentifikasi melalui inspeksi visual dari MODIS 250, 500
m, dan 1-km citra, memungkinkan output dari
algoritma asli dan ditingkatkan untuk dibandingkan dengan
' 'ahli' '- berasal topeng api. Meskipun pendekatan ini
secara umum sangat rendah dengan pendekatan yang lebih ketat
yang disebutkan di atas, hal ini memungkinkan masalah yang jelas untuk
didiagnosis dan diperbaiki.
Pada Bagian 3.1, kami akan menjelaskan pendekatan simulasi kami
dan kemudian membahas kinerja algoritma teoritis
didirikan dengan cara simulasi . Dalam Bagian
3.2, kita akan secara singkat melaporkan hasil terbaru dari Morisette,
Giglio, Csiszar, dan Keadilan (2003), yang telah menyelesaikan
yang pertama dari banyak kebakaran MODIS daerah direncanakan
kegiatan validasi. (Pada akhirnya, produk api MODIS
akan divalidasi secara global melalui proses ini.) Akhirnya, di
Bagian 3.3, kami akan menyajikan dua contoh yang jelas
kasus di mana analisis visual yang sederhana dan perbandingan
yang tepat.
Being translated, please wait..
 
Other languages
The translation tool support: Afrikaans, Albanian, Amharic, Arabic, Armenian, Azerbaijani, Basque, Belarusian, Bengali, Bosnian, Bulgarian, Catalan, Cebuano, Chichewa, Chinese, Chinese Traditional, Corsican, Croatian, Czech, Danish, Detect language, Dutch, English, Esperanto, Estonian, Filipino, Finnish, French, Frisian, Galician, Georgian, German, Greek, Gujarati, Haitian Creole, Hausa, Hawaiian, Hebrew, Hindi, Hmong, Hungarian, Icelandic, Igbo, Indonesian, Irish, Italian, Japanese, Javanese, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Korean, Kurdish (Kurmanji), Kyrgyz, Lao, Latin, Latvian, Lithuanian, Luxembourgish, Macedonian, Malagasy, Malay, Malayalam, Maltese, Maori, Marathi, Mongolian, Myanmar (Burmese), Nepali, Norwegian, Odia (Oriya), Pashto, Persian, Polish, Portuguese, Punjabi, Romanian, Russian, Samoan, Scots Gaelic, Serbian, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenian, Somali, Spanish, Sundanese, Swahili, Swedish, Tajik, Tamil, Tatar, Telugu, Thai, Turkish, Turkmen, Ukrainian, Urdu, Uyghur, Uzbek, Vietnamese, Welsh, Xhosa, Yiddish, Yoruba, Zulu, Language translation.

Copyright ©2025 I Love Translation. All reserved.

E-mail: