• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Modeling habitat type selection of songbirds using Landsat Thematic Mapper imagery and ancillary data in a geographic information system.
【24h】

Modeling habitat type selection of songbirds using Landsat Thematic Mapper imagery and ancillary data in a geographic information system.

机译：使用Landsat Thematic Mapper影像和地理信息系统中的辅助数据对鸣禽的栖息地类型选择进行建模。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Certain songbird species have declined throughout the United States over the past several decades. In most cases, this decline is directly correlated with loss of critical habitat. To prevent further loss of songbird species, an understanding of habitat needs is critical to species preservation. The development of geospatial methodologies and models that can effectively delineate areas of critical habitat on a variety of spatial scales is needed to help reduce the further loss of avian species and diversity. In this research effort, I used 30m Landsat Thematic Mapper (TM) satellite imagery and digital elevation models (DEMs) to create a predictive model of songbird distribution on an isolated mountain range in southeastern Utah. The question addressed in this study was: can songbird presence be predicted effectively using remotely sensed imagery and DEMs in a geographic information system (GIS)? The model showed a strong correlation between avian species, which were more specialized in their habitat selection and both elevation and remotely sensed spectral data.
机译：在过去的几十年中，某些鸣禽物种在美国各地都在下降。在大多数情况下，这种下降与关键栖息地的丧失直接相关。为了防止鸣禽物种进一步流失，了解栖息地的需求对于物种保护至关重要。需要开发能够在各种空间尺度上有效划定关键栖息地区域的地理空间方法和模型，以帮助减少禽类物种和多样性的进一步丧失。在这项研究工作中，我使用了3000万个Landsat Thematic Mapper（TM）卫星图像和数字高程模型（DEM）在犹他州东南部偏僻的山脉上创建了鸣禽分布的预测模型。这项研究解决的问题是：在地理信息系统（GIS）中使用遥感图像和DEM可以有效地预测鸣禽的存在吗？该模型显示了鸟类物种之间的密切相关性，这些鸟类物种在生境选择上更加专业化，同时还涉及海拔和遥感光谱数据。

著录项

  • 作者

    Black, Todd A.;

  • 作者单位

    Utah State University.;

  • 授予单位 Utah State University.;
  • 学科 Agriculture Forestry and Wildlife.; Remote Sensing.
  • 学位 M.S.
  • 年度 2007
  • 页码 83 p.
  • 总页数 83
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 森林生物学;遥感技术;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号