بررسی و استخراج تخریب‌های ساختمانی ناشی از وقوع زلزله با استفاده از تصاویر ماهواره‌ای با توان تفکیک زیاد

Abstract

زلزله یکی از بلایای طبیعی است که در صورت شدت داشتن در مناطق پرجمعیت، فاجعۀ انسانی بزرگی را ایجاد خواهد کرد. زلزله ممکن است آثار ویرانگر جانی و مالی چشمگیری را به‌ویژه در مناطق شهری داشته باشد. مشاهدۀ نقشۀ ساختمان‌های آسیب‌دیده برای متخصصان مدیریت بحران حیاتی است و به آنها کمک می‌کند تا گروه‌های نجات را در کوتاه‌مدت به محل‌های آسیب‌دیده هدایت کنند. سنجش از دور و سیستم اطلاعات جغرافیایی، ابزاری کارامد برای بررسی سریع وضعیت ساختمان‌های آسیب‌دیده در مناطق شهری پس از زلزله محسوب می‌شود. این پژوهش با هدف تشخیص ساختمان‌های تخریب‌شدۀ ناشی از زلزله با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک بسیار زیاد و مقایسۀ روش‌های پربازده موجود انجام گرفته است. برای رسیدن به این اهداف از تصاویر ماهواره‌ای با قدرت تفکیک بسیار زیاد مربوط به قبل و بعد از زلزله در شهر بم و نقشۀ تخریب مشاهده‌شده از منطقه استفاده شده است. در این پژوهش پس از محاسبۀ ویژگی‌های بافتی تصاویر با استفاده از تحلیل آماری رگرسیون لجستیک و همبستگی، بهترین و مناسب‌ترین شاخص‌های بافتی انتخاب شدند. سپس با استفاده از مقادیر بافتی بهینۀ به‌دست‌آمده و پیاده‌سازی سیستم‌های شبکۀ عصبی پرسپترون چندلایه (MLP)، سیستم استنتاج عصبی- فازی سازگار (ANFIS)، روش الگوریتم ماشین بردار پشتیبان (SVM)، وضعیت تخریب ساختمان‌ها طبقه‌بندی شد. در نهایت، دقت همۀ روش‌های ارائه‌شده با یکدیگر مقایسه و بهترین روش پیشنهادی انتخاب و معرفی شد. با توجه به نتایج، هر سه روش MLP، SVM و ANFIS برای طبقه‌بندی درجات تخریب ساختمان‌ها خوب بود، اما روش ANFIS با اختلاف 1 درصد در دقت کلی و 4 درصد در ضریب کاپا و 7/1 درصد در RMSE بهتر بود.