چارچوب یکپارچه شناسایی آسیب و انتخاب مکان پناهگاه اضطراری پس از حوادث طبیعی با استفاده از تصاویر ماهواره‌ای و یادگیری عمیق

مدیریت سریع و هوشمند بحران پس از وقوع بلایای طبیعی، نقشی حیاتی در کاهش تلفات انسانی و سامان‌دهی عملیات امداد دارد. در ساعات اولیه پس از وقوع زلزله، سیل یا طوفان، کمبود داده‌های میدانی دقیق باعث تاخیر در شناسایی مناطق ایمن برای استقرار پناهگاه‌های اضطراری می‌شود. در این پژوهش، چارچوبی خودکار و داده‌محور برای شناسایی آسیب و انتخاب مکان پناهگاه ارائه شده است که صرفاً بر پایه تصاویر ماهواره‌ای قبل و بعد از حادثه و مجموعه داده عمومی xbd عمل می‌کند. در این روش، نقشه‌های آسیب ساختمان با استفاده از مدل‌های یادگیری عمیق تولید و شاخص‌های مکانی مانند چگالی ساختمان، نسبت سازه‌های سالم به آسیب‌دیده و میانگین مساحت ساختمان‌ها استخراج می‌شود. سپس این شاخص‌ها در قالب شاخص جامع مناسبت مکانی پناهگاه (ssi) تلفیق و با استفاده از مدل‌های بهینه‌سازی p-median و حداکثر پوشش برای تعیین مکان بهینه پناهگاه‌ها و مراکز امدادی به‌کار گرفته می‌شود. ارزیابی چارچوب بر سه رویداد واقعی شامل تورنادوی جاپلین 2011، زمین‌لرزه کرمانشاه 1396 و سیل موزامبیک 2019 نشان داد که مدل پیشنهادی دقت طبقه‌بندی 0٫77 را به‌دست آورده است. نتایج این پژوهش نشان می‌دهد که تنها با تکیه بر یک منبع داده جهانی و الگوریتم‌های یادگیری عمیق می‌توان سامانه‌ای سریع، خودکار و قابل‌انتقال برای تصمیم‌سازی در شرایط بحران ایجاد کرد که کاربردی مستقیم در صنعت مدیریت بحران و برنامه‌ریزی شهری دارد.