نمایش مختصر رکورد

dc.contributor.authorحسین‌زاده ده‌آبادی, علی اصغرfa_IR
dc.contributor.authorارگانی, میثمfa_IR
dc.contributor.authorدرویشی بلورانی, علیfa_IR
dc.date.accessioned1399-07-09T04:23:16Zfa_IR
dc.date.accessioned2020-09-30T04:23:16Z
dc.date.available1399-07-09T04:23:16Zfa_IR
dc.date.available2020-09-30T04:23:16Z
dc.date.issued2019-09-23en_US
dc.date.issued1398-07-01fa_IR
dc.date.submitted2019-08-25en_US
dc.date.submitted1398-06-03fa_IR
dc.identifier.citationحسین‌زاده ده‌آبادی, علی اصغر, ارگانی, میثم, درویشی بلورانی, علی. (1398). بررسی و استخراج تخریب‌های ساختمانی ناشی از وقوع زلزله با استفاده از تصاویر ماهواره‌ای با توان تفکیک زیاد. مدیریت مخاطرات محیطی, 6(3), 239-257. doi: 10.22059/jhsci.2019.287833.496fa_IR
dc.identifier.issn2423-415X
dc.identifier.issn2423-4168
dc.identifier.urihttps://dx.doi.org/10.22059/jhsci.2019.287833.496
dc.identifier.urihttps://jhsci.ut.ac.ir/article_74089.html
dc.identifier.urihttps://iranjournals.nlai.ir/handle/123456789/260474
dc.description.abstractزلزله 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.fa_IR
dc.format.extent1067
dc.format.mimetypeapplication/pdf
dc.languageفارسی
dc.language.isofa_IR
dc.publisherدانشگاه تهرانfa_IR
dc.relation.ispartofمدیریت مخاطرات محیطیfa_IR
dc.relation.ispartofEnvironmental Management Hazardsen_US
dc.relation.isversionofhttps://dx.doi.org/10.22059/jhsci.2019.287833.496
dc.subjectروش الگوریتم ماشین بردار پشتیبان (SVM)fa_IR
dc.subjectزلزلهfa_IR
dc.subjectسیستم استنتاج عصبی- فازی سازگار (ANFIS)fa_IR
dc.subjectشبکۀ عصبی پرسپترون چندلایه (MLP)fa_IR
dc.subjectنقشۀ تخریب ساختمانfa_IR
dc.titleبررسی و استخراج تخریب‌های ساختمانی ناشی از وقوع زلزله با استفاده از تصاویر ماهواره‌ای با توان تفکیک زیادfa_IR
dc.typeTexten_US
dc.typeپژوهشی کاربردیfa_IR
dc.contributor.departmentکارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهرانfa_IR
dc.contributor.departmentاستادیار، دانشکدۀ جغرافیا، دانشگاه تهرانfa_IR
dc.contributor.departmentدانشیار، دانشکدۀ جغرافیا، دانشگاه تهرانfa_IR
dc.citation.volume6
dc.citation.issue3
dc.citation.spage239
dc.citation.epage257


فایل‌های این مورد

Thumbnail

این مورد در مجموعه‌های زیر وجود دارد:

نمایش مختصر رکورد