بررسی و استخراج تخریب‌های ساختمانی ناشی از وقوع زلزله با استفاده از تصاویر ماهواره‌ای با توان تفکیک زیاد

[1].       باقری، میلاد؛ جلوخانی نیارکی، محمدرضا؛ و باقری، کیوان (1396). «بررسی پتانسیل اراضی استان کرمانشاه جهت کشت گندم دیم با استفاده از شبکۀ عصبی مصنوعی (کاربرد سنجش از دور و Gis در علوم منابع طبیعی)»، دانشگاه آزاد اسلامی واحد بوشهر، دورۀ 8، ، ش 4، ص 48-36.

[2].       جعفرآبادی، محمد؛ سلطانی، اکبر؛ و محمدی، سیده مؤمنه (1392). «سری آمار: همبستگی و رگرسیون»، مجلۀ دیابت و لیپید ایران، ش 6، ص 506-479.

[3].       شریفی، آرش؛ علیاری شوره‌دلی، مهدی؛ و تشنه‌لب، محمد (1389). «معرفی سیستم فازی شبه‌چندجمله‌ای تاکاگی-سوگنو-کانگ با کاربرد در شناسایی سیستم و کلاس‌بندی الگو». مجلۀ کنترل، دانشگاه خواجه نصیرالدین طوسی، ج4، ش 3، ص  28-15.

[4].       مختاری، محمدحسین؛ و نجفی، احمد (1394). «مقایسۀ روش‌های طبقه‌بندی ماشین بردار پشتیبان و شبکۀ عصبی مصنوعی در استخراج کاربری‌های اراضی از تصاویر ماهواره‌ای لندست TM»، مجلۀ علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، ج 19، ش 72، ص 45-35.

[5].              منهاج، محمدباقر (1397). مبانیشبکه‌هایعصبیمصنوعی، چ 12، تهران: انتشارات دانشگاه صنعتی امیرکبیر.

[6].       ویس، حیدر؛ و صمدزادگان، فرهاد (1392). «تعیین میزان تخریب ناشی از زلزله در ساختمان‌ها با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک بالا»، علوم و فنون نقشه‌برداری، سال 2، ش 2، ص 191-106.

[7]. Agency, F. E. M.; Security, U. D. O. H.; & America, U. S. O. (2001). Guide for All-Hazard Emergency Operations Planning.

[8]. Brunner, D.; Lemoine, G.; & Bruzzone, L. (2010). “Earthquake Damage Assessment of Buildings Using VHR Optical and SAR Imagery”, IEEE TRANSACTION ON GEOSCIENCE AND REMOTE SENSING.

[9]. Cotrufo, S.; Sandu, C.; Giulio Tonolo, F.; & Boccardo, P. (2018). “Building damage assessment scale tailored to remote sensing vertical imagery”, European Journal of Remote Sensing, 51(1), pp: 991-1005.

[10].            Dong, L.; & Shan, J. (2013). “A comprehensive review of earthquake-induced building damage detection with remote sensing techniques”, ISPRS Journal Of Photogrammetry and RemoteSensing, 84(0), 85-99. doi: http://dx.doi.org/10.1016/j.isprsjprs.2013.06.011.

[11].            EMS-98.2019.https://www.gfz-potsdam.de/en/section/seismic-hazard-andrisk-dynamics/data-products-services/ems-98-european-macroseismic-scale.

[12].            Faradars. https://blog.faradars.org/understaing-support-vector-machine-example-code/ .

[13].            Menderes, A.; Erener, A.; & Sarp, G. (2015). “Automatic detection of damaged buildings after earthquake hazard by using remote sensing and information technologies”, Procedia Earth and Planetary Science, 15, pp: 257-262.

[14].            Mizutani, E.; Jang, J. S. R.; & Sun, C. T. (1997). Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence.

[15].            Yamazaki, F.; Miura, H.; & Matsuoka, M. (2007). “Identification of damaged areas due to the 2006 Central Java, Indonesia earthquake using satellite optical images”, Paper presented at the Urban Remote Sensing Joint Event.

[16].            Yamazaki, Fumio; & Kehiyama, Masayuki (2003). “Detection of Damage Due To The 2003 Bam, Iran Earthquake Using Terra- Aster imaging”, Workshop an Application of Remote Sensing Technologist for Disaster Response, University of California, Septemer 12Th,.