آشکارسازی تغییرات ناشی از سیل با تاکید بر سطح اتوماسیون بالای تفسیر تصاویر و مبتنی بر تولید خودکار داده آموزشی

سیل یکی از اصلی ترین بلایای طبیعی در دنیاست که به علت های مختلفی مانند تجاوز انسان ها به حریم رودخانه ها و تخریب پوشش گیاهی رخ می دهد. هدف این پژوهش، ارائه روشی خودکار برای تهیه داده های آموزشی برای کلاسه بندی نظارت شده تصاویر و استفاده از قابلیت های شاخص های ترکیبی برای شناسایی پهنه های سیل زده است. به این منظور، چندین رویکرد بر سیل استان گلستان در سال ۱۳۹۸ با داده های لندست-۸ پیاده سازی و نتایج هر یک بررسی شد. بدین سبب، الگوریتم خوشه بندی Kmeans، حدآستانه گذاری های Otsu، Multi و Adaptive برای تهیه داده های آموزشی خودکار به کار رفت که هر یک مبتنی بر شاخص های مختلف آب اجرا شد؛ پس از آن، به اجرای طبقه بندی های ANN، SVM، ML، MD و BE، برای پایش تغییرات سیل اقدام شد. نتایج در مقایسه با روش طبقه بندی مبتنی بر کاربر، نشان یداد که رویکرد مورد مطالعه علاوه بر تامین سطح اتوماسیون بالا در پایش تغییرات، کارایی و دقت زیادی نیز داشت. در رویکرد توسعه ای دیگر، به ترکیب شاخص های مختلف آب و شاخص رطوبت با هدف بهبود روند تولید داده های آموزشی خودکار اقدام شد که در میان ۸۵ آزمایش انجام شده، رویکردهای ترکیبی، بیشترین دقت را داشت. به علت ماهیت شاخص های مختلف آب، انتخاب و ترکیب مناسب آنها علاوه بر کاهش نویزهای موجود در تصویر شاخص آب، در افزایش قابلیت شناسایی پهنه های آبی ناخالص نیز موثر واقع بود. درنهایت، تحلیل قیاسی جامعی از روش های خودکار و شاخص های ترکیبی انجام شده که در مدیریت بحران سیل کارآمد بوده و به سهولت و تسریع روند آن کمک می کند.

Keywords:

مدیریت بحران , سیل , طبقه بندی نظارت شده , داده آموزشی خودکار , شاخص ترکیبی