[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 4، شماره 3 - ( 9-1395 ) ::
جلد 4 شماره 3 صفحات 87-77 برگشت به فهرست نسخه ها
به‌کارگیری الگوریتم ماشین بردار پشتیبان در تولید نقشه تخریب ساختمان‌ها با استفاده از داده لیدار پس از زلزله
فائزه اسلامی زاده، حیدر راستی ویس*
دانشگاه تهران
چکیده:   (2411 مشاهده)

بلایای طبیعی از قبیل سیل، زلزله، طوفان و سونامی همواره از بزرگترین مشکلات بشر بوده که در این بین زلزله به دلیل غیر قابل پیش‌بینی بودن و رخ دادن لحظه‌ای آن از اهمیت زیادی برخوردار می‌باشد. پس از وقوع زلزله، وجود اطلاعات از منطقه آسیب‌دیده نقش مهمی در هدایت گروه‌های امداد به منظور به حداقل رساندن میزان خسارات ناشی از زلزله دارد. در این بین، نقشه تخریب، که ساختمان‌های تخریب شده با درجه تخریب آن‌ها بر روی آن نشان داده شده است، به عنوان یکی از اطلاعات مهم مورد توجه مدیران بحران قرار دارد. هدف از این مقاله، ارائه یک روش برای تولید اتوماتیک نقشه تخریب ساختمان‌ها، با استفاده از داده‌‌ لیدار بعد از زلزله و نقشه می‌باشد. در روش پیشنهادی،به‌منظور پیدا کردن موقعیت همه ساختمان‌ها بر روی داده لیدار، در اولین مرحله، داده لیدار و نقشه با استفاده از چند نقطه کنترل هم مختصات می‌شوند. سپس، ناحیه مربوط به لایه ساختمان‌ها از داده لیدار استخراج و در مرحله بعد، با استفاده از روش طبقه‌بندی ماشین‌های بردار پشتیبان به دو کلاس "آوار" و "سالم" طبقه‌بندی می‌شوند. در نهایت، بر مبنای میزان مساحت قسمت آوار در محدوده هر ساختمان میزان تخریب آن برآورد می‌گردد. به‌منظور ارزیابی روش پیشنهادی، از داده‌های لیدار شهر پرتوپرینس، پایتخت هایتی، پس از زلزله 2010 استفاده شده است. نقشه تخریب بدست آمده از این مقاله با درجه تخریبی که با استفاده از دید بصری تصاویر ماهواره‌ای بعد از زلزله به دست آمده مقایسه شد. نتایج بدست آمده، توانایی روش پیشنهادی در تولید نقشه تخریب با استفاده از داده لیدار پس از زلزله را نشان می‌دهد.

واژه‌های کلیدی: زلزله، ساختمان، داده لیدار، ماشین بردار پشتیبان، نقشه تخریب.
متن کامل [PDF 924 kb]   (811 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری
دریافت: 1394/12/17 | پذیرش: 1395/4/21 | انتشار: 1395/12/10
فهرست منابع
1. [1] H. Rastiveis, F. Samadzadegan, and P. Reinartz, "A fuzzy decision making system for building damage map creation using high resolution satellite imagery," Natural Hazards and Earth System Sciences, vol. 13, p. 455, 2013. [DOI:10.5194/nhess-13-455-2013]
2. [2] H. Rastiveis, F. Eslamizade, and E. Hosseini-Zirdoo, "Building Damage Assessment After Earthquake Using Post-Event Lidar Data," Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., vol. XL-1-W5, pp. 595-600, 2015.
3. [3] X. Tong, Z. Hong, S. Liu, X. Zhang, H. Xie, Z. Li, S. Yang, W. Wang, and F. Bao, "Building-damage detection using pre-and post-seismic high-resolution satellite stereo imagery: a case study of the May 2008 Wenchuan earthquake," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 68, pp. 13-27, 2012. [DOI:10.1016/j.isprsjprs.2011.12.004]
4. [4] X. Tong, X. Lin, T. Feng, H. Xie, S. Liu, Z. Hong, and P. Chen, "Use of shadows for detection of earthquake-induced collapsed buildings in high-resolution satellite imagery," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 79, pp. 53-67, 2013. [DOI:10.1016/j.isprsjprs.2013.01.012]
5. [5] F. Samadzadegan, M. J. V. Zoj, and M. K. Moghaddam, "Fusion Of Gis Data And High-Resolution Satellite Imagery For Post-Earthquake Building Damage Assessment," 2007.
6. [6] Y. Maruyama, A. Tashiro, and F. Yamazaki, "Use of digital surface model constructed from digital aerial images to detect collapsed buildings during earthquake," Procedia Engineering, vol. 14, pp. 552-558, 2011. [DOI:10.1016/j.proeng.2011.07.069]
7. [7] A. Ben-Hur and J. Weston, "A user’s guide to support vector machines," in Data mining techniques for the life sciences: Springer, pp. 223-239.
8. [8] T. Joachims, "Introduction to support vector machines," Cambridge University Press, Cambridge, 2002.
9. [9] R. G. Pontius Jr and M. Millones, "Death to Kappa: birth of quantity disagreement and allocation disagreement for accuracy assessment," International Journal of Remote Sensing, vol. 32, pp. 4407-4429. A. P. M. Henriques, A. D. Dória Neto, and R. F. Amaral, "Classification of multispectral images in coral environments using a hybrid of classifier ensembles", Neurocomputing, vol. 73, pp. 1256-1264, 2010.
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Eslamizadeh F, Rastiveis H. Using Support Vector Machine to Generate Building Damage Map from Post-Event LiDAR Data. jgit. 2016; 4 (3) :77-87
URL: http://jgit.kntu.ac.ir/article-1-225-fa.html

اسلامی زاده فائزه، راستی ویس حیدر. به‌کارگیری الگوریتم ماشین بردار پشتیبان در تولید نقشه تخریب ساختمان‌ها با استفاده از داده لیدار پس از زلزله. مهندسی فناوری اطلاعات مکانی. 1395; 4 (3) :87-77

URL: http://jgit.kntu.ac.ir/article-1-225-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 4، شماره 3 - ( 9-1395 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.04 seconds with 29 queries by YEKTAWEB 4355