در مطالعات زمین شناسی و کانی شناسی، وجود پوشش گیاهی سالم و خشک در پیکسل های حاوی اطلاعات طیفی اجتناب ناپذیر است. بنابراین، بازیابی اطلاعات در حد زیرپیکسل، مانند برآورد میزان حضور یک کانی در یک پیکسل از تصاویر سنجش از دور ابرطیفی، مسئله ای مهم محسوب می شود. در این پژوهش، روش عمق پیوستار اصلاح شده اثر پوشش گیاهی (VCCD)، برای کاهش اثر پوشش گیاهی سالم و خشک در تخمین میزان کانی های هدف، با استفاده از داده های طیف سنجی، آزمایشگاهی کانی شناسی و تصاویر هایپریون (Hyperion) اصلاح و در منطقه اوغلانسر در شمال غرب ایران مورد صحت سنجی قرار گرفت. تخمین پوشش گیاهی سالم و خشک در سطح پیکسل، به ترتیب، با شاخص SAVI و عمق عارضه جذبی در ۲۱۰۲ نانومتر انجام شد. اصلاح عمق حذف پیوستارشده (CRBD)، با روش VCCD، تا آستانه حداکثری حضور پوشش گیاهی سالم برابر با ۶۰ و برای گیاه خشک در بازه 60-56 و ترکیب گیاه سالم و خشک در بازه ۷6-۷2% امکان پذیر است. تأثیر وجود نویزهای تصادفی و تغییر نوع پوشش گیاهی در عملکرد روش اصلاح شده بررسی شد و نتایج نشان داد که روش VCCD توسعه یافته، در مقایسه با وجود نویزهای تصادفی در طیف ها و تغییر نوع پوشش گیاهی، حساسیت بیشتری ندارد. بعد از اصلاح ضرایب مدل و پس از تأیید کارآیی آن، روش پیشنهادی برای اصلاح CRBD و کاهش اثر پوشش گیاهی، روی تصویر Hyperion، اجرا شد. طبق نتایج، حضور پوشش گیاهی سالم و خشک در کانی های کائولینیت و مسکویت منجر به تخمین کمتر از مقدار واقعی می شود. میزان بهبود در صحت برآورد کانی با اعمال روش VCCD درمورد کانی های کائولینیت و مسکویت، به ترتیب، معادل 0.25 و 0.13 ضریب تعیین و میزان خطا 0.0108 و 0.0125 است.
