TY - JOUR ID - 74089 TI - بررسی و استخراج تخریب‌های ساختمانی ناشی از وقوع زلزله با استفاده از تصاویر ماهواره‌ای با توان تفکیک زیاد JO - مدیریت مخاطرات محیطی JA - JHSCI LA - fa SN - 2423-415X AU - حسین‌زاده ده‌آبادی, علی اصغر AU - ارگانی, میثم AU - درویشی بلورانی, علی AD - کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران AD - استادیار، دانشکدۀ جغرافیا، دانشگاه تهران AD - دانشیار، دانشکدۀ جغرافیا، دانشگاه تهران Y1 - 2019 PY - 2019 VL - 6 IS - 3 SP - 239 EP - 257 KW - روش الگوریتم ماشین بردار پشتیبان (SVM) KW - زلزله KW - سیستم استنتاج عصبی- فازی سازگار (ANFIS) KW - شبکۀ عصبی پرسپترون چندلایه (MLP) KW - نقشۀ تخریب ساختمان DO - 10.22059/jhsci.2019.287833.496 N2 - 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. UR - https://jhsci.ut.ac.ir/article_74089.html L1 - https://jhsci.ut.ac.ir/article_74089_318e463db7d9b22d383310305e566f2a.pdf ER -