مهسا جهانبخش

در سال های اخیر شاهد تقاضای بالا برای لیتیم به دلیل کاربردهای فراوانش هستیم، به عنوان مثال لیتیم در تولید باتری های قابل شارژ و عمدتاً در بازارهای جهانی ساخت وسایل نقلیه الکتریکی و در راستای دستیابی به محیط زیست سالم و حمل ونقل مناسب به کار می رود، از این رو شناسایی ذخایر لیتیم بسیار مهم است. بهره گیری از داده ها و تکنیک های سنجش از دور در تشخیص منابع لیتیم به دلیل کاهش هزینه های اکتشاف میدانی می تواند مفید واقع شود. در این تحقیق، از تصاویر سنجنده سنتینل-2 در محدوده 12 معدن شناخته شده لیتیم در سراسر جهان، به عنوان مناطق حضور لیتیم، استفاده شد و طی مراحلی، از این داده ها، متغیرهای مناسب برای مدل سازی تولید شد. در محدوده ی این معادن، نمونه هایی تولید و به عنوان ورودی الگوریتم مدل سازی استفاده شدند. برای مدل سازی توزیع نمونه های حضور لیتیم، از الگوریتم بیشینه انتروپی استفاده شد. از آنجا که وجود همبستگی میان متغیرهای ورودی باعث کاهش عملکرد مدل می شود و تفسیر نتایج مدل سازی را دشوار می نماید، ابتدا توسط شاخص VIF، همبستگی میان متغیرهای ورودی محاسبه و متغیرهایی که همبستگی بالایی داشتند حذف شدند. در نهایت یک مدل مناسب با معیار AUC برابر با 0.706 به دست آمد و توسط آن، منطقه مطالعاتی دق پترگان، واقع در استان خراسان جنوبی، ایران پهنه بندی شد که به موجب آن، دو منطقه محتمل حاوی منابع لیتیم شناسایی شدند. سپس با تکنیک های کلاسیک سنجش از دور شامل ترکیب رنگی و نسبت باندی و تجزیه و تحلیل مؤلفه اصلی و SAM نیز پهنه بندی انجام شد. نتایج پهنه بندی بررسی و توانایی بالای الگوریتم بیشینه آنتروپی مشخص شد،  این روش به عنوان یک رویکرد هوشمند و کلّی می تواند در مناطق دور افتاده و یا مناطق با مشکل دسترسی برای پتاسیل یابی های معدنی(خصوصاً لیتیم) به کار برده شود و در کاهش هزینه های نقشه برداری میدانی مفید واقع شود.