Iranian Jornal of Watershed Management Science&Engineering

fa استفاده از تصاویر سنتینل-1 جهت پایش خسارت سیلاب فروردین 1399، جنوب استان کرمان براساس الگوریتم جنگل تصادفی Utilizing Sentinel 1 Images for Monitoring Damage of Flood Event in March 2020, the South of Kerman Province Based on Random Forest Algorithm تخصصي Special پژوهشي Research ارزیابی خسارت سیل، جهت مدیریت زود هنگام سیل امری ضروریست. در این مقاله چارچوبی جهت برآورد سریع خسارات سیلاب و شناسایی مناطق سیلزده در فروردین 1399، با استفاده از داده های ماهواره ای  Sentinel-1   ارائه شده است. در پژوهش حاضر بعد از اعمال پیشپردازش های لازم در نرم افزار SNAP 6     ضریب پراکنش سیگما صفر هر دو تصویر مربوط به قبل و بعد از وقوع سیل استخراج شد. جهت تفکیک تصویر به دو طبقه آب و غیر آب، از هیستوگرام ضریب پراکنش تصویر استفاده و حدآستانه 01/ 0 به دست آمد. سپس با اعمال عملیات ریاضی روی هر دو تصویر ضریب پراکنش، تصویر باینری آب و غیر آب به صورت صفر و یک تهیه و براساس اختلاف دو تصویر، منطقه سیل زده مشخص گردید. پس از آشکار‌سازی مناطق سیلزده، تصاویر سنتینل با استفاده از الگوریتم های طبقه بندی نظارت شده به سه کلاس پهنه آبی قبل از سیل، مناطق سیل زده و سایر اراضی طبقه بندی شد. نتایج حاکی از صحت بالای روش طبقه بندی جنگل تصادفی (ضریب کاپا=92/ 0) نسبت به سایر الگوریتم ها بود. با روی هم گذاری نقشه کاربری اراضی و مناطق سیل زده، درصد آبگرفتگی هریک از کاربری ها مشخص شد. بر طبق نتایج، اراضی بایر، مسکونی و مرتع به‌ترتیب با میزان 9/ 27، 16 و 12 درصد دارای بیشترین درصد آبگرفتگی بودند. <div style="text-align: justify;">Flood damage assessment is often necessary for early flood management. To this end, this paper provides a framework of rapid estimation of flood damage and identification the flooded areas in March 2020 using Sentinel-1 satellite data. To this end, in the present study, after applying the necessary pre-processing in SNAP6 software, the backscattering coefficient, or sigma naught for two images related to before and after the flood occurrence was extracted. The backscattering coefficient histogram was used to separate the image into two classes including water and non-water and the threshold of 0.01 was obtained based on it. Then, by applying mathematical operations on both backscattering images, the binary image of water and non-water was prepared and the flooded areas were determined based on the difference between the two images. After detecting the flooded areas, Sentinel images were classified into three classes including waterbody before flood, flooded area and other lands using supervised classification algorithms. The results indicated the high accuracy of the Random Forest algorithm with kappa of 0.92 compared to other algorithms. By overlaying the land use and flooded areas maps, the inundation percentage for each land use was determined. According to the results, bare lands with 27.9 percent, residential land with 16 percent and rangelands with 12 percent had the highest inundation percentage, respectively.</div> Radar images, Flood, Damage, Sentinel-1, Random Forest algorithm. 23 32 http://jwmsei.ir/browse.php?a_code=A-10-785-1&slc_lang=fa&sid=1 Farshad Soleimani Sardoo فرشاد سلیمانی ساردو f.soleimani@ujiroft.ac.ir 100319475328460014692 100319475328460014692 No Assistant Professor, Department of Ecological Engineering, Faculty of Natural Resources, University of Jiroft, Kerman, Iran. استادیار گروه مهندسی طبیعت، دانشکده منابع طبیعی، دانشگاه جیرفت، کرمان، ایران. Elham Rafiei Sarooi الهام رفیعی ساردوئی ellrafiei@ujiroft.ac.ir 100319475328460014693 100319475328460014693 Yes Assistant Professor, Department of Ecological Engineering, Faculty of Natural Resources, University of Jiroft, Kerman, Iran. استادیار گروه مهندسی طبیعت، دانشکده منابع طبیعی، دانشگاه جیرفت، کرمان، ایران. Tayyebeh Mesbahzadeh طیبه مصباح زاده tmesbah@ut.ac.ir 100319475328460014694 100319475328460014694 No Associate Professor, Department of Reclamation of Arid and Mountainous Regions, Faculty of Natural Resources, University of Tehran, Karaj, Iran. دانشیار، گروه احیا مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران Ali Azareh علی آذره aliazareh@ujiroft.ac.ir 100319475328460014695 100319475328460014695 No Assistant Professor, Department of Geography, Faculty of Literature and Humanities, University of Jiroft, Kerman, Iran. استادیار گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه جیرفت، کرمان، ایران.