بررسی انتقادی روش‌های تلفیق داده‌های ماهواره‌ای راداری و اپتیکی با یادگیری عمیق برای پایش بلایای طبیعی در مناطق شهری

بررسی انتقادی روش‌های تلفیق داده‌های ماهواره‌ای راداری و اپتیکی با یادگیری عمیق برای پایش بلایای طبیعی در مناطق شهری

امید غفای علی آباد1

1) استادیادر گروه نقشه برداری، دانشکده مهندسی دانشگاه زنجان

کد IOI مقاله : AAHF-ABHDDD
محل انتشار : کنفرانس ملی فناوری های معماری و هنر، شهر هوشمند، صنایع نرم وخلاق و فرهنگ فناوری (icact.ir)
چکیده :
    پایش بلایای طبیعی در مناطق شهری به مسئله‌ای چندلایه تبدیل شده است؛ زیرا شهرها هم‌زمان تراکم کالبدی، تنوع کاربری، پیچیدگی اجتماعی، زیرساخت‌های حیاتی و الگوهای ناهمگون آسیب‌پذیری را در خود جای می‌دهند. داده‌های اپتیکی ماهواره‌ای، با غنای طیفی و تفسیرپذیری بصری بالا، برای تشخیص تغییرات سطح زمین، پوشش گیاهی، آب‌گرفتگی و آسیب‌های کالبدی سودمندند؛ اما وابستگی آن‌ها به روشنایی و شرایط جوی، به‌ویژه در زمان بحران، کارایی عملیاتی آن‌ها را محدود می‌کند. در مقابل، داده‌های راداری دهانه ترکیبی، با قابلیت تصویربرداری شبانه‌روزی و نفوذ نسبی از ابر، برای پایش بحران‌های سریع‌الوقوع اهمیت راهبردی دارند، هرچند تفسیر آن‌ها به‌دلیل نویز لکه‌ای، هندسه تصویربرداری و حساسیت به زبری و رطوبت سطح دشوارتر است. این مقاله با رویکرد مرور ساختاریافته و سنتز انتقادی، روش‌های تلفیق داده‌های راداری و اپتیکی با یادگیری عمیق را برای پایش بلایای طبیعی در مناطق شهری بررسی می‌کند. تمرکز مقاله بر سیلاب شهری، آسیب ساختمان پس از زلزله، آتش‌سوزی در حاشیه شهرها و برخی رخدادهای لغزشی مؤثر بر محیط‌های شهری است. یافته‌ها نشان می‌دهد که تلفیق داده‌ها تنها زمانی به بهبود تصمیم‌پذیری می‌انجامد که مسئله هم‌مرجعی مکانی، ناهمزمانی تصویربرداری، کیفیت برچسب‌ها، نبود یکی از مدالیته‌ها، عدم‌قطعیت خروجی و قابلیت انتقال مدل میان شهرها به‌صورت صریح مدیریت شود. مقاله نشان می‌دهد که بخش مهمی از ادبیات موجود هنوز میان دقت عددی مدل و ارزش عملیاتی نقشه بحران تمایز کافی قائل نیست. در پایان، چارچوبی پیشنهادی ارائه می‌شود که تلفیق چندوجهی، یادگیری مقاوم نسبت به نبود داده، برآورد عدم‌قطعیت و اتصال به سامانه‌های مدیریت بحران شهری را در یک زنجیره تحلیلی واحد قرار می‌دهد.

کلمات کلیدی : تلفیق داده‌های راداری و اپتیکی یادگیری عمیق پایش بلایای طبیعی سنجش‌ازدور شهری سیلاب شهری آشکارسازی تغییرات داده‌های sentinel مدیریت بحران شهری