شناسايي ساختمان هاي تخريب شده بعد از زلزله سرپل ذهاب با استفاده از آناليز چند سنسوري و يادگيري ماشيني

ارزيابي سريع مناطق تخريب شده بعد از هر فاجعه طبيعي مخصوصاً زلزله از اهميت ويژه اي در پاسخ به بحران برخوردار است كه در صورت استفاده از الگوريتم هاي مناسب با چشم انداز ماهواره هاي بلادرنگ مي تواند كمك شايان توجهي در كاهش تلفات زلزله داشته باشد. زيرا كه گسيل نيروهاي امداد و نجات هدفمند به سمت و سوي ساختمان هاي تخريب شده خواهد بود و در نتيجه زمان بلاتكليفي آنها كاهش خواهد يافت. در اين مطالعه از 3 تصوير رادار با گشودگي مصنوعي (SAR) اخذ شده از ماهواره ALOS2 با قدرت تفكيك مكاني 10 متر در دو پلاريزاسيون HH و HV و همچنين 2 تصوير اپتيكي مرتبط با ماهواره WorldView-2 با قدرت تفكيك مكاني 0.46 متر در چهار باند براي ارزيابي تخريب لرزه اي ناشي از زلزله سرپل ذهاب (اِزگله) سال 1396 شمسي با پنج الگوريتم naive Bayes (NB)، knearest neighbors (KNN)،support vector machine (SVM) ، regression tree (RT) و random forests (RDF) مورد بررسي قرار گرفتند. مجموعاً 24 پارامترهاي در روش يادگيري ماشيني براي داده هاي SAR از آناليز بافت، مقادير ضريب بازپراكنش و همدوسي توليد شده تداخل سنجي راداري (InSAR) مورد استفاده قرار گرفتند. در تصاوير اپتيكي نيز 20 پارامتر صرفاً از مؤلفه هاي مستخرج از آناليز بافت استفاده شدند. كلاسه بندي نتايج بر اساس دو گروه ساختمان هاي تخريب شده و ساختمان هاي تخريب نشده انجام پذيرفت كه صحت كلي كلاسه بندي براي هر دو دسته نشان مي دهد كه الگوريتم RDF قابليت و صحت بالاتري براي ارزيابي تخريب ارائه مي نمايد.