نقشه تخریب

زمین لرزه ها از بلایای ویرانگر طبیعی تهدید کننده بشر می باشند. از جمله مشکلات بعد از وقوع یک زمین لرزه می توان به موضوع ارزیابی خسارت اشاره کرد. ناحیه، میزان، نرخ و نوع آسیب، اطلاعات ارزشمندی را به منظور فعالیت های بشردوستانه، امداد و بازسازی در منطقه آسیب دیده در اختیار قرار می دهد. عوامل اصلی تعیین کننده هزینه کلی یک بحران، هم به لحاظ آسیب های اقتصادی و هم به لحاظ تلفات جانی، روشن شدن این مسئله است که با چه سرعتی رویداد مورد پاسخ قرار گرفته و با چه کیفیتی اقدامات واکنشی سازماندهی می گردد. تکنیک های سنجش از دور بدلیل دارا بودن قابلیت هایی از جمله واکنش سریع، عدم تماس فیزیکی، هزینه پایین و دید وسیع، نقش ارزشمندی را در استخراج اطلاعات فیزیکی ساختمان ها دارا می باشند. امروزه بدلیل دسترسی به انواع داده های سنجش از دور، روش های متعددی برای ارزیابی خسارت ساختمان ها طراحی و گزارش شده است. هدف از این تحقیق، مروری بر این روش ها بر مبنای بکارگیری تصاویر نوری در سه دسته: رویکرد تصاویر تک زمانه، چند زمانه و تلفیق داده های بُرداری و تصاویر و همچنین ارائه و پیاده سازی یک روش خودکار به منظور تعیین ساختمان های تخریب شده ناشی از زلزله با استفاده از تصاویر ماهواره ای با قدرت تفکیک بالا و لایه های GIS می باشد. در روش پیشنهادی، پس از استخراج توصیفگرهای بافتی از تصاویر قبل و بعد از زلزله برای هر ساختمان و تعیین توصیفگرهای بهینه، یک سیستم استنتاج فازی عصبی برای تعیین وضعیت ساختمان ها در چهار کلاس «سالم تا تخریب ناچیز»، «تخریب متوسط»، «تخریب سنگین» و «ویران» طراحی شد. نتایج نشان می دهد که این سیستم، صحت کلی 89%در دسته بندی ساختمان ها به 4 کلاس تخریب را دارا می باشد.

با توجه به رشد جمعیت و افزایش شهرنشینی، وقوع حوادث طبیعی مثل زلزله می تواند خسارات و تلفات سنگینی را ایجاد نموده و توسعه شهرها و کشورها را دچار وقفه نماید. پس از وقوع زلزله، مدیران بحران برای به حداقل رساندن خسارات، اعم از جانی و مالی، به اطلاعات سریع از منطقه آسیب دیده نیاز دارند. یکی از اطلاعاتی که می تواند در امدادرسانی سریع و صحیح مورد استفاده قرار گیرد نقشه موقعیت ساختمان های تخریب شده و میزان تخریب آن ها می باشد که به آن نقشه تخریب می گویند. از این رو هدف از این تحقیق ارائه یک روش جدید به منظور ارزیابی میزان تخریب ناشی از زلزله با استفاده از تلفیق تصویر ماهواره ای و داده لیدار بعد از زلزله به همراه نقشه قبل از زلزله می باشد. روش پیشنهادی، پس از پیش پردازش های لازم بر روی تصویر ماهواره ای و داده لیدار بعد از زلزله، توصیف گرهای بافتی مختلف تصویر و داده لیدار استخراج می شوند. در مرحله بعد، با استفاده از لایه ساختمان ها که از نقشه استخراج می شود نواحی مربوط به ساختمان ها از تصویر ماهواره ای و داده لیدار، همچنین از توصیف گرهای تصویر ماهواره ای و داده لیدار استخراج می شود. در ادامه، توصیف گرهای بافتی استخراج شده از تصویر ماهواره ای و داده لیدار با هم تلفیق می شوند. سپس نقاط داخل این ناحیه، با روش طبقه بندی ماشین بردار پشتیبان به دو کلاس آوار و سالم طبقه بندی می شوند. در نهایت، بر اساس مساحت کلاس آوار هر ساختمان، با در نظر گرفتن یک حد آستانه، ساختمان های تخریب شده و ساختمان های تخریب نشده مشخص می گردد. در این مقاله، تصویر ماهواره ای WorldView پرتوپرینس، پایتخت هایتی،پس از زلزله 2010 به همراه داده لیدار استفاده شده است. صحت کلی بدست آمده 97 % و ضریب کاپا به دست آمده 92 % نشان دهنده توانایی الگوریتم در تولید نقشه تخریب پس از زلزله می باشد.