[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 10، شماره 3 - ( 12-1399 ) ::
دوره 10 شماره 3 صفحات 27-39 برگشت به فهرست نسخه ها
شناسایی ساختمان های تخریب شده بعد از زلزله سرپل ذهاب با استفاده از آنالیز چند سنسوری و یادگیری ماشینی
صدرا کریم زاده*
چکیده:   (834 مشاهده)
ارزیابی سریع مناطق تخریب شده بعد از هر فاجعه طبیعی مخصوصاً زلزله از اهمیت ویژه ای در پاسخ به بحران برخوردار است که در صورت استفاده از الگوریتم های مناسب با چشم انداز ماهواره های بلادرنگ می تواند کمک شایان توجهی در کاهش تلفات زلزله داشته باشد. زیرا که گسیل نیروهای امداد و نجات هدفمند به سمت و سوی ساختمان های تخریب شده خواهد بود و در نتیجه زمان بلاتکلیفی آنها کاهش خواهد یافت. در این مطالعه از 3 تصویر رادار با گشودگی مصنوعی (SAR) اخذ شده از ماهواره ALOS-2 با قدرت تفکیک مکانی 10 متر در دو پلاریزاسیون HH و HV و همچنین 2 تصویر اپتیکی مرتبط با ماهواره WorldView-2 با قدرت تفکیک مکانی 0.46 متر در چهار باند برای ارزیابی تخریب لرزه ای ناشی از زلزله سرپل ذهاب (اِزگله) سال 1396 شمسی با پنج الگوریتم naive Bayes (NB)،  k-nearest neighbors (KNN)،support vector machine (SVM) ، regression tree (RT) و random forests (RDF) مورد بررسی قرار گرفتند. مجموعاً 24 پارامترهای در روش یادگیری ماشینی برای داده های SAR از آنالیز بافت، مقادیر ضریب بازپراکنش و همدوسی تولید شده تداخل سنجی راداری (InSAR) مورد استفاده قرار گرفتند. در تصاویر اپتیکی نیز 20 پارامتر صرفاً از مؤلفه های مستخرج از آنالیز بافت استفاده شدند. کلاسه بندی نتایج بر اساس دو گروه ساختمان های تخریب شده و ساختمان های تخریب نشده انجام پذیرفت که صحت کلی کلاسه بندی برای هر دو دسته نشان می دهد که الگوریتم RDF قابلیت و صحت بالاتری برای ارزیابی تخریب ارائه می نماید.
واژه‌های کلیدی: رادار با گشودگی مصنوعی، ارزیابی تخریب، یادگیری ماشینی، آنالیز بافت
متن کامل [PDF 1987 kb]   (177 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری و سنجش از دور
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Karimzadeh S. Identifying Collapsed Buildings after Sarpol-e Zahab Earthquake Using Multisensor Analysis and Machine Learning. JGST. 2021; 10 (3) :27-39
URL: http://jgst.issge.ir/article-1-904-fa.html

کریم زاده صدرا. شناسایی ساختمان های تخریب شده بعد از زلزله سرپل ذهاب با استفاده از آنالیز چند سنسوری و یادگیری ماشینی. نشریه علمی پژوهشی علوم و فنون نقشه برداری. 1399; 10 (3) :27-39

URL: http://jgst.issge.ir/article-1-904-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 10، شماره 3 - ( 12-1399 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology