%0 Journal Article %A Soleimani Sardoo, Farshad %A Rafiei Sarooi, Elham %A Mesbahzadeh, Tayyebeh %A Azareh, Ali %T Utilizing Sentinel 1 Images for Monitoring Damage of Flood Event in March 2020, the South of Kerman Province Based on Random Forest Algorithm %J Iranian Jornal of Watershed Management Science&Engineering %V 15 %N 53 %U http://jwmsei.ir/article-1-976-fa.html %R %D 2021 %K Radar images, Flood, Damage, Sentinel-1, Random Forest algorithm., %X 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. %> http://jwmsei.ir/article-1-976-fa.pdf %P 23-32 %& 23 %! %9 Research %L A-10-785-1 %+ Assistant Professor, Department of Ecological Engineering, Faculty of Natural Resources, University of Jiroft, Kerman, Iran. %G eng %@ 2008-9554 %[ 2021