از پدیده های مهم و قابل توجه در امر زمین شناسی میتوان به تشکیلات تبخیری از جمله گنبدهای نمکی اشاره کرد. تشکیلات تبخیری از جمله سازندهای زمین شناسی هستند که از نظر جغرافیایی دارای گسترش چشمگیری میباشند. گنبدهای نمکی و رسوبات مجاور آن نمونه ای از یک محیط زمین شناسی پیچیده است. مطالعه آنها به خاطر ویژگیهای منحصر به فرد نمک از لحاظ تکتونیکی و سنگ شناسی، برهم کنش های قوی میان جریان های حرکتی و حرارتی، وجود منابع مهم از لحاظ جنبه اقتصادی و تأثیرگذاری این حوزه های تبخیری در کیفیت منابع مناطق پیرامون گنبد های نمکی از اهمیت شایانی در زمین شناسی، مدیریت و برنامه ریزی منابع انسانی برخوردار است. فناوری سنجش از دور در سالهای اخیر نقش پررنگی در کسب اطلاعات از این پدیده های منحصر به فرد بر عهده دارد. هدف از پژوهش استفاده از روش شبکه عصبی مصنوعی و تحلیل مؤلفه های اصلی(PCA) برای طبقه بندی و تهیه نقشه گنبد نمکی جهانی و مناطق متأثر از گنبد نمکی با استفاده از تصاویر سنجنده های OLI ماهواره لندست8، جهت تحلیل و بررسی از لحاظ پوشش و نوع کانی های تشکیل دهنده آن می باشد. نتایج در هشت کلاس مجزا طبقه بندی شده نشان داده شد که کلاس ماسه-نمک با 100 درصد صحت، رس، 05/96 درصد، گچ- نمک 03/99 درصد، سنگ آهک 100 درصد، گیاهان 73/96 درصد، ماسه سنگ 67/94 درصد، صخره های نمکی 09/96 درصد، خاک های گچی 58/93 درصد، شیل 73/86 طبقه بندی شدند. در این پژوهش روش شبکه عصبی به ترتیب با صحت کل 3501/95 درصد و ضریب کاپا 37/94 درصد عملکرد مناسبی در طبقه بندی، تهیه نقشه محدوده مورد مطالعه داشته است.
