فهرست نشریات علمی دسترسی آزاد ایران

سیل از جمله مخاطرات طبیعی است که در بسیاری از نقاط جهان به وقوع پیوسته و خسارات جبران ناپذیری را بر جای می-گذارد. شناسایی دقیق مناطق تحت سیلاب از جمله نکات حائز اهمیت در روند کنترل این بحران به شمار می‌آید. همچنین پیش‌بینی مناطق سیل‌خیز می‌تواند گامی اساسی در پیش-گیری و کاهش خسارات مالی و تلفات جانی تلقی گردد. در این مقاله به کمک تصاویر ماهواره‌ای Sentinel-1 و شبکه یادگیری عمیق کدگذار-کدگشا پدیده‌ی سیل در تصاویر، شناسایی و قطعه‌بندی شده‌است. تصاویر این ماهواره در باند C به صورت تک پلاریزه (HH و VV) و یا به صورت پلاریزاسیون (VV+VH و HH+HV) موجودند. این تصاویر متعلق به مناطق Nebraska، North Alabama، Bangladesh، Red River North و Florence بوده و نقشه واقعیت زمینی هر تصویر که در آن کلاس هدف و غیرهدف به صورت 0 و 1 نشان داده شده‌اند، در سال 2021 توسط سازمان ناسا در اختیار شرکت‌کنندگان مسابقه ETCI قرار گرفته‌است. در این مقاله به کمک شبکه عصبی کانوولوشنی کدگذار-کدگشا و تصاویر ماهواره‌ای مذکور، فرایند شناسایی و قطعه‌بندی مناطق متاثر از سیلاب صورت گرفته‌است. در این شبکه هریک‌ از مسیرهای کدگذار و کدگشا متشکل از لایه‌های کانوولوشنی ‌است که به ترتیب فرایند استخراج ویژگی و هم‌چنین بازیابی این ویژگی‌ها را برعهده دارند. نحوه عملکرد این روش توسط معیارهای ارزیابی شامل صحت، IoU، F1-Score و کاپا مورد بررسی قرار گرفته‌است. میزان IoU به دست آمده در روند ارزیابی برابر 96.04 درصد بوده که نسبت به سایر روش‌های مورد بررسی در سایر مطالعات موجود(که حداکثر برابر 76.81 درصد بوده‌است) بالاتر است.