fa به‌کارگیری الگوریتم ماشین بردار پشتیبان در تولید نقشه تخریب ساختمان‌ها با استفاده از داده لیدار پس از زلزله فتوگرامتری Aerial Photogrammetry پژوهشي Research <p dir="RTL" style="margin-right:7.1pt;">بلایای طبیعی از قبیل سیل، زلزله، طوفان و سونامی همواره از بزرگترین مشکلات بشر بوده که در این بین زلزله به دلیل غیر&nbsp;قابل&nbsp;پیش‌بینی&nbsp;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&nbsp;تخریب، که&nbsp;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&nbsp;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&nbsp;نقطه کنترل هم مختصات می‌شوند. سپس، ناحیه مربوط به لایه ساختمان‌ها از داده لیدار استخراج و در مرحله بعد، با استفاده از روش&nbsp;طبقه‌بندی ماشین‌های بردار پشتیبان به دو کلاس &quot;آوار&quot; و &quot;سالم&quot; طبقه‌بندی می‌شوند. در نهایت، بر مبنای میزان مساحت قسمت آوار در محدوده هر ساختمان میزان تخریب آن برآورد می‌گردد. به‌منظور ارزیابی روش پیشنهادی، از&nbsp;داده‌های لیدار شهر پرتوپرینس، پایتخت&nbsp;هایتی، پس از زلزله 2010 استفاده شده است. نقشه تخریب بدست آمده از این مقاله با درجه تخریبی که با&nbsp;استفاده از دید بصری تصاویر ماهواره‌ای بعد از زلزله به دست آمده مقایسه شد. نتایج بدست آمده، توانایی روش پیشنهادی در تولید&nbsp;نقشه تخریب با استفاده از داده&nbsp;لیدار پس از زلزله را نشان می‌دهد.</p> <p>Natural disasters such as floods, earthquakes, hurricanes and tsunamis have always been the greatest human problems. Among them, the earthquakes, because of its unpredictability, are more important than the others. &nbsp;After an earthquake, damage assessment plays an important role in leading rescue teams in order to minimize the damages. Meanwhile, damage map, a map that demonstrates collapsed buildings with their degree of damage count as one of the most important information sources for crisis management. In this paper, we propose an algorithm for automatic generation of damage map after an earthquake using post-event LiDAR data and pre-event vector map. In the proposed method, in order to find the location of all buildings on LiDAR data, in the first step, LiDAR data and vector map are registered by using a few numbers of ground control points. Then, the buildings, in vector map, are overlaid on the LiDAR data to extract all the pixels inside buildings area. After that, Using SVM classification algorithm all the extracted pixels are classified into two classes of &ldquo;debris&rdquo;, &ldquo;intact&rdquo;. Next, damage degree for every building is estimated based on the relation between the numbers of pixels labeled as &ldquo;debris&rdquo; class to the whole building area. To evaluate the ability of the proposed method in generating damage map, a dataset from Port-au-Prince, Haiti&rsquo;s capital after the 2010 Haiti earthquake was used. In this case, after calculating all buildings in the tested area using the proposed method, the results were compared to the damage degree which estimated through visual interpretation of post-event satellite image. Obtained results proved the reliability of the proposed method in damage map generation using LiDAR data.</p> زلزله, ساختمان, داده لیدار, ماشین بردار پشتیبان, نقشه تخریب. Earthquake, Building, Support vector machine, LiDAR data, Damage map 77 87 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-353-1&slc_lang=fa&sid=1 Fayezeh Eslamizadeh فائزه اسلامی زاده f.eslamizadeh@ut.ac.ir 10031947532846004799 10031947532846004799 No University of Tehran دانشگاه تهران Heidar Rastiveis حیدر راستی ویس hrasti@ut.ac.ir 10031947532846004800 10031947532846004800 Yes University of Tehran دانشگاه تهران