توسعه روشی نوین به منظور شناسایی سریع و خودکار درجات تخریب ساختمان ها از تصاویر و ابرنقاط پهپادی بعد از زلزله (مطالعه موردی: منطقه سرپل ذهاب)

طی سه دهه اخیر، تولید نقشه تخریب ساختمانها پس از زلزله، یکی از مهمترین چالش های مطرح در حوزه مدیریت بحران می باشد. در اکثر مطالعات پیشین از داده های ماهواره ای برای تولید نقشه های تخریب ساختمان ها استفاده شده است ولی به دلیل هندسه ضعیف این نوع داده ها و نویز بالا، اخیرا تمایل زیادی جهت بکارگیری داده های پهپادی به منظور شناسایی درجات تخریب ساختمان ها طبق استاندارد EMS98  ایجاد شده است. لذا در این تحقیق، داده های اخذ شده پس از زلزله سرپل ذهاب به منظور شناسایی درجات تخریب ساختمان- ها در چهار کلاس، شامل " تخریب نشده یا تخریب جزیی " ،"تخریب کم "،" تخریب شدید " و "ویران شده" مورد استفاده قرار گرفته است. در روش پیشنهادی، ابتدا داده های خام به ابر نقاط و تصاویر اورتوفتو تبدیل شد. سپس  روش نوینی مبتنی بر تصمیم گیری درختی و به صورت حذفی ارایه گردید که با درجه اتوماسیون بالایی اقدام به تفکیک و شناسایی کلاس های تخریب بیان شده می نماید. همچنین به منظور سرعت بخشی به تولید ویژگی مهم مدل رقومی سطح  نرمال شده  حاصل از ابرنقاط،روش جدیدی ارایه شده است. علاوه بر این جهت شناسایی کامل ساختمانهای ویران شده ، شاخص لبه نوینی در این تحقیق پیشنهاد گردیده است. از مهمترین ویژگی روش ارایه شده در نظر گرفتن همزمان سه رکن مهم در مدیریت بحران شامل سرعت، دقت و هزینه در طراحی روش پیشنهادی می باشد. نتایج بدست آمده بر روی دو محدوه در شهر سرپل ذهاب، حاکی از حصول دقت کلی و ضریب کاپا به ترتیب 86% و81% و نیز مدت زمان پردازش حدود 15 ثانیه ای در منطقه ای با 142 ساختمان می باشد و این نشان دهنده کارایی بالای روش پیشنهادی است.