ترکیب داده های ماهواره ای، پهپاد و هوش مصنوعی برای ارزیابی خسارات زلزله

زلزله از پیچیده ترین مخاطرات طبیعی به شمار می رود که ارزیابی دقیق پیامدهای کالبدی آن، مستلزم شناسایی هم زمان تغییرات هندسی ساختمان ها، الگوهای فضایی تخریب و تفاوت های مکانی شدت آسیب است. محدودیت روش های متعارف برداشت میدانی در پوشش سریع پهنه های گسترده و دشواری تشخیص آسیب های پنهان، ضرورت بهره گیری از داده های چندمنبعی سنجش ازدور و روش های هوشمند تحلیل داده را برجسته می سازد. پژوهش حاضر با هدف تبیین قابلیت های تلفیق تصاویر ماهواره ای، داده های پهپادی و الگوریتم های هوش مصنوعی در ارزیابی چندمقیاسی خسارات لرزه ای، از روش کتابخانه ای و مرور تحلیلی مطالعات علمی مرتبط بهره می گیرد. در این چارچوب، پژوهش ها و رویکردهای موجود از منظر استخراج ویژگی های هندسی، بازسازی سه بعدی ساختمان ها، تشخیص تغییرات پس از زلزله، همجوشی داده های ناهمگون، یادگیری ماشین مکانی و برآورد عدم قطعیت بررسی و مقایسه می شوند. یافته های تحلیلی نشان می دهند که تصاویر ماهواره ای برای شناسایی الگوهای منطقه ای تخریب و داده های پهپادی برای آشکارسازی جزئیات موضعی آسیب، قابلیت های مکمل دارند؛ بااین حال، ناهم زمانی برداشت، تفاوت تفکیک مکانی، خطای هم مرجع سازی و محدودیت برچسب های مرجع، بر اعتبار خروجی مدل ها اثر مستقیم می گذارند. همچنین، ترکیب ویژگی های هندسی ساختمان، مشخصات بافت شهری، شرایط ساختگاه و شدت حرکت زمین، در صورت کنترل وابستگی فضایی و اعتبارسنجی مستقل، امکان برآورد دقیق تر طبقات آسیب را فراهم می کند. نتایج پژوهش بر ضرورت ارزیابی احتمالاتی، تحلیل حساسیت، سنجش قابلیت تعمیم مکانی و تطبیق پیش بینی ها با شواهد مهندسی تاکید دارند. بر این اساس، توسعه چارچوب های تلفیقی تفسیرپذیر و برخوردار از سنجش صریح عدم قطعیت، مبنایی علمی برای بهبود ارزیابی خسارات، اولویت بندی بازرسی های میدانی و پشتیبانی از تصمیم گیری مهندسی پس از زلزله فراهم می سازد.

کلیدواژه ها:

ارزیابی خسارات لرزه ای ، داده های چندمنبعی ، سنجش ازدور ، هوش مصنوعی