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

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 1.7 درصد در rmse بهتر بود.

Investigation and Extraction of Building Demolitions Due To Earthquake Using High Resolution Satellite Images

Earthquake is one of the natural disasters that if occurs strongly in high population areas, will create great human catastrophe. Earthquake can provide considerable life and financial devastating effects, especially in urban regions. Observation of damaged buildings map is crucial for crisis management experts and helps them guide rescue teams to damaged locations in short period of time. Remote sensing and geographic information system is an efficient tool of rapid survey of condition of damaged buildings after the earthquake in urban regions. This research has been conducted with the aim of identification of demolished buildings due to earthquake by very high resolution satellite images and comparison of available efficient methods. To achieve these goals, very high resolution satellite images of Bam city, before and after the earthquake, and the observed damage map of the region were used. In this study, the best and the most appropriate textural indices were chosen after calculation of textural features of images by statistical analysis of logistic regression and correlation. Then, the condition of buildings demolition was classified by optimum obtained textural values and implementing Multilayer Perceptron (MLP) neural network systems, Adaptive NeuroFuzzy Inference System (ANFIS), and Support Vector Machines (SVM). Finally, the accuracy of all the presented techniques were compared with each other and the best proposed technique was selected and presented. According to the results, all the three MLP, SVM and ANFIS methods were good for classification of degrees of buildings demolition, but ANFIS method was better with 1% in overall accuracy, 4% in kappa coefficient, and 1.7% in RMSE.