ConclusionsIn this work, the potent

Conclusions
In this work, the potential of a new trend analysis technique of satellite time series to map
burned areas and monitor post-fire vegetation recovery was investigated. The BFAST (Breaks
For Additive Seasonal and Trend) method decomposes time series into seasonal, trend and
noise components, enabling the detection of sudden and gradual changes. The BFAST
application to derived vegetation indices resulted in the detection of the time and direction of
the sudden changes, that occurred due to the fire event. Spatial comparison of the produced
fire perimeters with validated data was found to be quite high, with the GEMI index performing
slightly better than the other indices. Moreover, the slope of the gradual change observed in
the trend component revealed post-fire vegetation recovery in every VI time series that was
analyzed. However, more work is needed in order to provide more complete and precise
estimations of the vegetation recovery. It should be mentioned, that although BFAST provides
the time, number and range of changes, one should combine this information in order to
characterize the type of change, otherwise misleading results could be yielded. Finally, BFAST succeeded in estimating changes in the trend component, without being influenced by seasonal
variations or noise.

Hasil (Bahasa Indonesia) 1:

KesimpulanDalam karya ini, potensi teknik analisis tren baru seri waktu satelit untuk petadibakar daerah dan monitor pemulihan pasca api vegetasi diselidiki. BFAST (istirahatUntuk aditif musiman dan tren) metode terurai seri waktu ke musiman, tren dankebisingan komponen, memungkinkan deteksi perubahan mendadak dan bertahap. BFASTaplikasi untuk tumbuh-tumbuhan berasal indeks mengakibatkan deteksi waktu dan arahperubahan tiba-tiba, yang terjadi karena acara api. Perbandingan spasial diproduksiapi strategis dengan data divalidasi ditemukan untuk menjadi cukup tinggi, dengan indeks GEMI melakukansedikit lebih baik daripada indeks yang lain. Selain itu, perubahan bertahap lereng diamati padakomponen tren mengungkapkan pemulihan pasca api vegetasi di setiap seri VI waktu itudianalisis. Namun, bekerja lebih diperlukan untuk memberikan lebih lengkap dan tepatEstimasi pemulihan vegetasi. Itu harus disebutkan, itu meskipun BFAST menyediakanwaktu, nomor dan berbagai perubahan, salah satu harus menggabungkan informasi ini dalam rangka untukmenandai jenis perubahan, jika tidak menyesatkan hasil dapat dihasilkan. Akhirnya, BFAST berhasil memperkirakan perubahan dalam tren komponen, tanpa dipengaruhi oleh musimanvariasi atau kebisingan.

Hasil (Bahasa Indonesia) 2:

Kesimpulan
Dalam karya ini, potensi teknik analisis tren baru time series satelit untuk memetakan
daerah terbakar dan memantau pasca-kebakaran pemulihan vegetasi diselidiki. Bfast (Breaks
Untuk Additive musiman dan Trend) metode terurai time series menjadi musiman, trend dan
kebisingan komponen, memungkinkan deteksi perubahan mendadak dan bertahap. Bfast
aplikasi untuk indeks vegetasi berasal mengakibatkan deteksi waktu dan arah
perubahan yang tiba-tiba, yang terjadi karena peristiwa kebakaran. Perbandingan spasial yang dihasilkan
perimeter api dengan data divalidasi ditemukan menjadi cukup tinggi, dengan indeks GEMI melakukan
sedikit lebih baik dari indeks lainnya. Selain itu, kemiringan perubahan bertahap diamati dalam
komponen tren mengungkapkan pasca-kebakaran pemulihan vegetasi di setiap time series VI yang
dianalisis. Namun, banyak pekerjaan yang diperlukan untuk memberikan yang lebih lengkap dan tepat
estimasi pemulihan vegetasi. Perlu disebutkan, bahwa meskipun bfast menyediakan
waktu, jumlah dan berbagai perubahan, kita harus menggabungkan informasi ini untuk
mencirikan jenis perubahan, jika hasil yang menyesatkan bisa dihasilkan. Akhirnya, bfast berhasil memperkirakan perubahan komponen tren, tanpa dipengaruhi oleh musim
variasi atau kebisingan.