شناسایی گستره سیل در تصاویر ماهواره ای سنتینل -۱ با استفاده از یک رویکرد یادگیری عمیق جدید (مطالعه موردی : شهرستان باوی در استان خوزستان)

چکیده مقاله

شناسایی سیل نقش بسیار مهمی در مدیریت بحران و کاهش آسیب های جبران ناپذیر ناشی از آن ایفا می کند اخیرا، دادههای سنجش از دوری بویژه دادههای سنتینل ۱ به دلیل پوشش مکانی مناسب و قابلیت اخذ داده در تمام شرایط آب و هوایی به عنوان یک ابزار کلیدی در مدیریت بحران سیل شناخته می شود در این مطالعه ، یک رویکرد یادگیری عمیق جدید مبتنی بر شبکه های عصبی کانولوشن CNNs برای نگاشت گستره سیل از تصاویر ماهواره ای سنتینل ۱ توسعه داده می شود به منظور ارزیابی عملکرد شبکه پیشنهادی ، نتایج حاصل از آن در منطقه باوی از استان خوزستان با روشهای جنگل تصادفی ، شاخص نسبت ، پرسپترون چند لایه و شبکه عصبی کانولوشن مقایسه شده است بر اساس نتایج حاصله ، شاخص نسبت ضعیف ترین عملکرد را با ضریب کاپای برابر با ۴۲ درصد داشته است ، در حالیکه شبکه یادگیری عمیق پیشنهادی بهترین عملکرد را با ضریب کاپای برابر با ۸۴ درصد از خود نشان داد بنابراین ، می توان نتیجه گرفت که معماری یادگیری عمیق پیشنهادی از پتانسیل بالایی در شناسایی گسترده سیل دارد

کلیدواژه‌ها

نویسندگان

سهند طاهرمنش

دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

امین محسنی فر

دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

علی محمدزاده

دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

�اهرمنش، سهند و محسنی فر، امین و محمدزاده، علی،1403،شناسایی گستره سیل در تصاویر ماهواره ای سنتینل -۱ با استفاده از یک رویکرد یادگیری عمیق جدید (مطالعه موردی : شهرستان باوی در استان خوزستان)،بیست و هشتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۳)،تهران

ارائه‌شده در

مجموعه مقالات بیست و هشتمین همایش ملی مهندسی نقشه برداری و اطلاعات مکانی (ژئوماتیک ۱۴۰۳)9 اردیبهشت 1403 · تهران