حمیدرضا رنجبر - دانشجوی دکتری سیستم اطلاعات جغرافیایی، دانشگاه صنعتی مالک اشتر
علیرضا آزموده اردلان - استاد، گروه مهندسی نقشه برداری، قطب علمی مهندسی نقشه برداری در مقابله با سوانح طبیعی، پردیس دانشکد ههای فنی، دانشگاه تهران
حمید دهقانی - استادیار، دانشگاه صنعتی مالک اشتر
محمدرضا سراجیان - دانشیار، گروه مهندسی نقشه برداری، قطب علمی مهندسی نقشه برداری در مقابله با سوانح طبیعی، پردیس دانشکد ههای فنی، دانشگاه تهران

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 تع یین 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 م یگردد. تکنیک های سنجش از دور بدلیل دارا بودن قابلی تهایی از جمله واکنش سریع، عدم تماس فیزیکی، هزینه پا یین و دید وسیع، نقش ارزشمندی را در استخراج اطلاعات فیزیکی ساختما نها دارا م یباشند. امروزه بدلیل دسترسی به انواع داده های سنجش از دور، روش های متعددی برای ارزیابی خسارت ساختما نها 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 برداری و تصاویر و همچنین ارائه و پیاده سازی یک روش خودکار به منظور تع یین 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 تع یین توصیفگرهای بهینه، یک سیستم استنتاج فازی عصبی برای تع یین وضعیت ساختما نها 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 م یباشد.

ساختمان های تخریب شده، نقشه تخریب، آنالیز بافت، الگوریتم ژنتیک، سیستم استنتاج فازی عصبی