بخشی از مقاله
چکیده :
آشکارسازی راه های تخریب شده و سالم و ارزیابی درجه ی تخریب راه ها یکی از اساسی ترین قسمت های امداد و نجات بعد از وقوع زلزله می؛باشد. آگاهی سریع و دقیق از موقعیت راهها و میزان تخریب راه ها اطلاعات ارزشمندی برای امداد و نجات و عملیات بازسازی پس از وقوع زلزله در اختیار ما می گذارد. هدف از این تحقیق ارائه و پیاده سازی یک روش اتوماتیک به منظور تشخیص
جاده های سالم از غیر سالم با استفاده از تصویر بهدست آمده از ابر نقطه ای لیدار بعد از حادثه می باشد.
در روش پیشنهادی، ناحیه ی جاده ها به 2 کلاس طبقه بندی، و با استخراج توصیفگرهای بافتی هارالیک و یک باند از تصویر لیدار بهدست آمده از ابر نقطه ای لیدار فضای توصیف ناحیه ی راه ها ایجاد شد، و در گام بعدی با استفاده از الگوریتم ماشین بردار فضای توصیف به دو کلاس آوار و سالم طبقه بندی شد. در این تحقیق، جهت ارزیابی روش پیشنهادی، از ابر نقطه ای لایدار بعد از زلزله سال 2010 هایتی و نقشه قبل از زلزله استفاده شد.
الگوریتم بر روی منطقه ای به ابعاد P328×2712 اعمال شد و پس از طبقه بندی با صحت کلی بهدست آمده از الگوریتم ماشین بردار 93/74 درصد و ضریب کاپا 85 درصد گزارش شد. الگوریتم پیشنهادی بر روی 33 جاده اعمال شد، که طبق نقشه مرجع از این تعداد 16 جاده مسدود شده و 17 جاده سالم گزارش شده است که الگوریتم پیشنهادی از این تعداد 17 جاده را سالم و 16 جاده را مسدود شده تشخیص داده است.
-1 مقدمه
در طول زندگی بشر بلایای طبیعی همواره موجب تهدید جان، مال و زندگی انسانها بوده است، که در این بین زلزله یکی از این موارد خاص میباشد، که وقتی در منطقهای رخ میدهد، خسارات جبران ناپذیری از لحاظ مالی، جانی، امنیتی و فرهنگی به آن منطقه زلزله زده وارد میشود. در هنگام وقوع زمینلرزه مهمترین و بیشترین محدودهای از شهر که مورد اصابت زلزله قرار میگیرد، ساختمانها میباشد، که به تبع آن راهها دچار تخریب و خسارت میشوند، به گونهای که هر چقدر تخریب وارده به ساختمانها بیشتر به همان اندازه راهها دچار خسارت میشوند، علاوه بر این راهها به طور مستقیم بر اثر زلزله و رانش زمین دچار شکستگی و تخریب میشوند، این تخریب میتواند ناشی از آوار ساختمانها در سطح راه یا حضوری از درختان شکسته و ماشینهای از کار افتاده در محدوده راه باشد.
به همین خاطر آگاهی سریع و دقیق از موقعیت راههای تخریب شده و تعیین و تشخیص میزان خسارت راهها اطلاعات ارزشمندی را در اختیار نیروهای امداد و نجات برای کمک رسانی به آسیب دیدگان قرار میدهد. این اطلاعات به صورت نقشه تخریب راهها تولید میشود. نقشه تخریب حاوی اطلاعاتی از قبیل سالم بودن و ناسالم بودن راه و همچنین درجه تخریب راه را نشان میدهد. هدف از این تحقیق ارایه و پیادهسازی یک الگوریتم جهت تعیین اتوماتیک میزان تخریب ناشی از راهها با استفاده از تصویر لایدار بعد از حادثه میباشد. در ادامه، مقاله در چند بخش ارائه شده که پس از بررسی اجمالی تحقیقات پیشین، روش پیشنهادی در چند بخش توضیح داده شده و در آخر نتایج مورد بررسی و ارزیابی قرار میگیرد.
-2 پیشینه ی تحقیق
تحقیقات زیادی در زمینه تهیه نقشه تخریب بعد از زلزله در سه دهه اخیر ارائه شده است. به طور کلی، بیشتر این تحقیقات به منظور بهبود امداد رسانی بعد از زلزله بودهاست، که در ادامه مرور مختصری بر روی تحقیقات تهیه نقشه تخریب راهها از نظر خواهد گذشت. در روش صمدزادگان و همکاران، دادههای مورد استفاده نقشه قبل از زلزله و تصاویر QuickBird بعد از زلزله بم میباشد. در این مقاله، از اطلاعات طیفی و بافتی برای تعیین عوارض سطح راه شامل سایه، اشیاء اضافی، پوشش گیاهی و انسداد با استفاده از الگوریتمهای طبقه بندی بهدست آمدند، که در نهایت بر مبنای میزان وجود این عوارض در سطح راه نسبت به مسدود یا سالم بودن این راه تصمیمگیری شده است.
[3] در روش لی و همکاران، درجات تخریب را براساس ترافیک قابل عبور در سه سطح تعریف کرد. در این مقاله ابتدا با استفاده از اختلاف راههای قبل و بعد از زلزله راههای آسیبدیده شناسایی و قطعهبندی شدند، که با استفاده از الگوریتم رشد ناحیهای به قسمتهای کوچکتری تقسیم شدند. در نهایت با استفاده از پنج شاخص طول، عرض، مساحت بلوک، تعداد بلوکهای تخریب و تعداد بلوکها با تخریب کامل برای ارزیابی سه سطح تخریب استفاده شد.
مزیت این روش در تعیین سطحی از درجه تخریب میباشد، که تعداد سطوح تخریب مناسب و باعث کمک به امداد رسانان در سطح منطقه می شود.[4] در تحقیق Kawamura و همکاران، دادههای مورد استفاده تصاویر ماهواره spot_5 میباشد، که برای تعیین خسارت ناشی از زلزله سال 2004 ،Niigata-ken Chuetsu با استفاده از شاخص NDVI و آنالیز بافت اقدام به تعیین خسارتی از جاده و راه آهن کرد، همچنین با استفاده از تجزیه و تحلیل جیایاس مبتنی بر هزینه - تابع فاصله وزن هزینه - مسیرهای حمل و نقل اضطراری تعیین شد. این رویکرد میتواند در تصمیم گیری فوری بعد از حادثه و در تشخیص وسعتی از حادثه مفید باشد.[5]
در روش حقیقت طلب و همکاران، دادههای مورد استفاده برای ارزیابی شریانهای حیاتی تصاویر ماهوارهای با قدرت تفکیک بالای QuickBird، قبل و بعد از زلزله بم ، و دادههای برداری قبل از زلزله میباشد. در تحقیق حقیقت طلب، هدف ارائه روشی جدید برای شناسایی خودکار و ارزیابی راههای آسیبدیده در مناطق شهری بر اساس روشهای طبقه بندی شیگرا میباشد، که با استفاده از روش تقسیمبندی اقدام به استخراج ناحیه تصویر میکند.
تشخیص راه های سالم و تخریب شده ناشی از زلزله ...
عمادالدین حسینی زیردو، حیدر راستی ویس سپس طبقهبندی با استفاده از نزدیکترین همسایگی با استفاده از اطلاعات بافتی انجام میگیرد و سپس یک سیستم استنتاج فازی برای ارزیابی خسارت جاده پیشنهاد شدهاست. در پایان، جادهها به درستی به عنوان جادههای مسدود شده و سالم برچسب گذاری شدند، و درنهایت بررسی تصویری ازنتایج بدست آمده نشان میدهد، که نتایج بدست آمده موثر است.[6] در روش گنگ و همکاران، داده مورد استفاده تصاویر ماهوارهای سنجش از دور و نقشه قبل از زلزله میباشد، که در ابتدا با استفاده از طبقهبندی شیئگرا بر روی تصویر بعد از حادثه، راههای مناسب شناسایی و با روی هم انداختن نقشه و تصویر طبقهبندی شده پولیگون راه را ایجاد کرده، که این پلیگون به معنای تصویر قبل از حادثه میباشد، و در نهایت با تفریق تصویر و پلیگونها از هم، مناطق تخریبشده را مشخص کردند.
از معایب این روش میتوان به این دو مورد اشاره کرد -1 از سیستم فازی در سطح تصمیمگیری استفاده نشده است -2 این روش تنها در مناطقی که عریض و دارای پیچیدگی نباشد جوابگو است.[7] Liu و همکاران، از تصاویر ماهوارهای spot_5 و تصاویر هوایی بدون سرنشین از شهر لوشان چین اقدام به تشخیص جاده و تعیین خسارت جادهای کردند. در این مطالعه روشی شیگرا برای تشخیص جاده و تعیین خسارت جادهای ناشی از زلزله با استفاده از ویژگی مصنوعی تصاویر و ترکیب با اطلاعات برداری قبل از زلزله استفاده شده است.
روش با بهرهگیری از شکلهای موثر، بافت، شاخص فضایی، برای از بین بردن اشیاء غیرجاده ای میپردازد، و پس از آن اطلاعات هندسی و توصیفی مانند: طول، عرض، مساحت، نسبت خسارت، موقعیت خسارتی از جاده خسارت دیده، محاسبه میشود. با ثبت جاده برداری قبل از حادثه و نتایج طبقهبندی، سرانجام تکنیکها در استخراج بخش جادهای خسارتدیده برای منطقه wenchuan بهکار گرفته میشود. نتیجه نشان میدهد، که این روش میتواند به بهبود سرعت و بهرهوری از تشخیص آسیب جاده کمک کندWang .[8] و همکاران ، برای تعیین و ارزیابی خسارت ناشی از زلزله از تصاویر ماهوارهای با قدرت تفکیک بالا استفاده کردند. در این روش ابتدا خط مرکزی جادهها با استفاده از سید پوینتهای - - seed point از قبل تعیین شده استخراج میشوند.
پس از آن ویژگیهایی از قبیل روشنایی جاده، انحراف استاندارد، مستطیلی و نسبت، به شکل یک مدل اگاهی انتخاب میشود. در نهایت، تحت هدایت مرکزی جاده، جادهها پس از فاجعه استخراج شده و جادههای آسیب دیده با استفاده از مدل دانشی که تعیین شد، شناسایی می-شوند. در این تحقیق از تصاویر بعد از حادثه world view1 از شهر حادثه دیدهی wenchuan_chin که در تاریخ 15 می 2008 مورد اصابت زلزله قرار گرفت، استفاده شده است. در این تحقیق، p1a - 90% - و u2a - 85% - موفقیت این روش را در تشخیص و ارزیابی جادههای خسارت دیده نشان میدهد. یکی از مزیتهای این روش این است، که به طور قابل توجهی نیاز به دادههای سنجش از دور قبل از حادثه را کاهش میدهد[9]
در تحقیق Sghaier و همکاران، دادههای مورد استفاده تصاویر ماهوارهای GeoEyes 1 قبل و بعد از زلزله از شهر Port-au-Prince هایتی میباشد. در تحقیق Sghaier، هدف ارائه روشی جدید برای شناسایی استخراج سریع جادههای آسیبدیده بر اساس روشهای تقسیمبندی شیگرا میباشد. آقای Sghaier در ایتدای کار شبکه جادهها را از تصاویر قبل و بعد از زلزله استخراج کرد. سپس یک تقسیمبندی چند مقیاس بر اساس wavelate و watershade بر روی سطح جادهها بعد از حادثه را انجام داد، و نتیجه را با اطلاعات بافتی تلفیق کرد، و در گام بعدی با استفاده از الگوریتم KLD اقدام به مقایسه و تشخیص تغییرات میکند.
سرانجام از تئوریه دمپستر شافر برای درجه عضویت هر شی به کلاس مورد نظر در سطح تصمیم گیری استفاده میکند. مزیت این روش -1 استفاده از الگوریتم موجک در کنار الگوریتم حوضه بندی میباشد، که ضعف الگوریتم حوضهبندی را درمحاسبات مربوط به شیب که نسبت به نویز حساس است را میپوشاند. -2 استفاده از طبقه بندی DST در بالا بردن دقت طبقه بندی، از جمله معایب این روش میتوان به ارائه ندادن یک نقش تخریب جامع اشاره کرد.[10]
