تعيين ميزان تخريب ساختمان‏ها پس از زلزله با به‌كارگيري مدل ANFIS و تصاوير سنجش از راه دور

Buildings’ Damage Determination after the Earthquake by using ANFIS Model and Remote sensing Imagery

امدادرساني سريع پس از وقوع زلزله‏هاي شديد در مناطق شهري يكي از وظايف امدادرسانان است. نقشه‏ي تخريب ساختمان‏ها مي‏تواند اولويت امدادرساني را مشخص كند. يكي از منابع اصلي در تهيه‌ي نقشه‌ي تخريب، علم سنجش از دور است. تحقيقات زيادي در بحث ارزيابي خسارت با استفاده از داده‏هاي سنجش از دور انجام شده است. در اين تحقيق اطلاعات كلاس‏ها با استفاده از طبقه‏بندي در سطح پيكسل از تصاوير ماهواره‏اي بعد از زلزله استخراج شد. با استفاده از اطلاعات كلاس‏ها و به كمك مدل ANFIS يك شبكه‌ي فازي طراحي شد كه با استفاده از درصد پيكسل‏هاي ساختمان، سايه و آوار، ميزان تخريب ساختمان‏ها را تشخيص مي‏دهد. نتايج ارزيابي شبكه‌ي فازي عصبي طراحي شده نشان مي‏دهد كه اين شبكه در دسته‏‏‏‏‏‏‏‏‏‏‏‏بندي ساختمان‏ها به 3 كلاس تخريب از صحت كلي 92 % برخوردار است. ساختمان‏ها در اين تحقيق در كلاس‏هاي آسيب‏نديده، تخريب سنگين و ويران دسته‏بندي شده‌اند.

Fast relief and response is one of the responders’ tasks after the vigorous earthquakes in urban areas. Building damage maps can specify the relief and response priority. Remote sensing is one of the main sources in damage map production. Various research has been carried out on damage assessment using remote sensing data. In this research, the information about the classes has been extracted using pixel based classification from post-earthquake satellite image. By using the information about the classes and ANFIS model, a fuzzy system was designed that determines the rate of damage to the buildings using the percentage of the pixels engaged by building, shadow and debris in the buildingʹs polygon. The results of this study show that designed neuro-fuzzy system achieved the overall accuracy equal 0.92 in classifying buildings to the three damage level. Buildings were classified to undamaged, heavy damage and destroyed levels.