بررسی ماهواره Sentinel_ ۲ در شناسایی واحد های سنگی و زون های دگرسانی در معدن مس سرچشمه با بهره گیری از الگوریتم های طبقه بندی نظارت شده
Publish place: The 44th Geosciences Congress
Publish Year: 1405
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 34
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GSI44_070
تاریخ نمایه سازی: 24 مرداد 1405
Abstract:
در این تحقیق معدن مس سرچشمه به عنوان محدوده ی هدف جهت تفکیک واحد های سنگی و زون های دگرسانی انتخاب شده است. تهیه نقشه زمین شناسی، دگرسانی در معادن بزرگ و در حال استخراج یکی از مهمترین لایه های هدف در عملیات برداشت و اکتشافات تکمیلی است. معدن مس سرچشمه یکی از ارزشمند ترین معادن مس پورفیری ایران به شمار می رود که در این تحقیق با بهره گیری از تصویر ماهواره ای Sentinel ۲، نقشه های زمین شناسی و دگرسانی ۱:۵۰۰۰ محدوده مورد مطالعه (به عنوان لایه هدف جهت استخراج نقاط آزمایشی و صحت سنجی تحقیق) به تفکیک واحد های سنگی و زون های دگرسانی با استفاده از روش های شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) بپردازیم. لازم به ذکر است که در این تحقیق از باندهای Visible، Near Infrared و Short Infrared تصویر Sentinel ۲ به عنوان داده های ورودی جهت انجام روش آنالیز مولفه های اصلی (PCA) استفاده شده است. در این تحقیق علاوه بر سه مولفه اصلی نخست از ۷ باند انتخاب شده Sentinel ۲ به عنوان داده های ورودی جهت پردازش الگوریتم های طبقه بندی نظارت شده (SVM و ANN) استفاده گردید. زمینه و هدف: در این تحقیق هدف بررسی تصویر Sentinel ۲ در تهیه نقشه های زمین شناسی و دگرسانی تهیه شده از معدن مس سرچشمه با انجام پردازش آنالیز مولفه ی اصلی (PCA) و الگوریتم های طبقه بندی نظارت شده شامل ماشین بردار پشتیبان و شبکه عصبی مصنوعی بوده است. روش بررسی: در این تحقیق از تصویر Sentinel ۲ با قدرت تفکیک مکانی ۲۰ متر، روش های آنالیز مولفه اصلی (PCA)، الگوریتم های طبقه بندی نظارت شده (SVM و ANN) با بهره گیری از نرم افزار Envi۵.۶، Arc gis ۱۰.۸، Google Earth و فیلدهای میدانی جهت انجام هدف موردنظر استفاده شده است. یافته ها: یافته های حاصل از این تحقیق نشان می دهد استفاده از ۷ باند منتخب تصویر Sentinel ۲ (با قدرت تفکیک ۲۰ متر) نسبت به سه مولفه اصلی نخست در هر دو روش طبقه بندی (SVM و ANN) نتایج به نسبت بهتری داشته است همچنین بارزسازی زون های دگرسانی با روش SVM امکان پذیر بوده است. نتیجه گیری کلی: در تصویر Sentinel ۲ ادغام روش SVM و ANN با استفاده از ۷ باند طیفی می تواند نتایج مطلوبی را در تفکیک واحدهای سنگی و زون های دگرسانی داشته باشد.
Keywords:
تصویر ماهواره ای Sentinel ۲ , ماشین بردار پشتیبان(SVM) , شبکه عصبی مصنوعی(ANN) , تحلیل مولفه اصلی(PCA)
Authors
شیوا زمانی
دانشجو کارشناسی ارشد سنجش از دور زمین شناختی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران
مهدی هنرمند
عضو هیئت علمی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران
هادی شهریاری
عضو هیئت علمی، دانشگاه ولی عصر (عج) رفسنجان، کرمان، ایران
مهدیه حسینجانی زاده
عضو هیئت علمی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران