TY - JOUR T1 - Utilizing Sentinel 1 Images for Monitoring Damage of Flood Event in March 2020, the South of Kerman Province Based on Random Forest Algorithm TT - استفاده از تصاویر سنتینل-1 جهت پایش خسارت سیلاب فروردین 1399، جنوب استان کرمان براساس الگوریتم جنگل تصادفی JF - ijwmse JO - ijwmse VL - 15 IS - 53 UR - http://jwmsei.ir/article-1-976-fa.html Y1 - 2021 SP - 23 EP - 32 KW - Radar images KW - Flood KW - Damage KW - Sentinel-1 KW - Random Forest algorithm. N2 - 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. M3 ER -