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

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.

کلیدواژه ها:

سنجش از دور ، شبکه عصبی کانولوشن ، پایش سیل ، مدیریت بحران ، یادگیری عمیق