تعیین مقدار کربن آلی کل با استفاده از تصویر ماهواره ای و مدل شبکه عصبی مصنوعی (منطقه مورد مطالعه: کوه میش شهرستان گچساران) (مقاله پژوهشی دانشگاه آزاد)
درجه علمی: علمی-پژوهشی (دانشگاه آزاد)
آرشیو
چکیده
مقدار کربن آلی کل موجود در سنگ منشاء منابع هیدروکربن یکی از پارامتر های حائز اهمیت در ارزیابی آن است. بنابراین لازم است تا با روشی خصوصیات سنگ منشاء برآورد گردد. برای برآورد خصوصیات سنگ منشاء روش های مختلفی وجود دارد. یکی از ابتدایی ترین روش ها استفاده از روش سنتی است که بسیار هزینه بر و زمان بر می باشد، لذا محققان به دنبال روش های کاراتر می باشند. با توجه به پتانسیل بالای سنجش از دور و محدوده های طیفی VIR,VNIR این امکان فراهم تا خصوصیات سنگ منشاء را در سطح وسیع تری و با هزینه کمتر برآورد نمود. روش های کمی و کیفی مختلفی جهت ایجاد ارتباط بین مقدار غلظت عناصر سنگ منشاء و طیف حاصل از داده های سنجش از دور موجود می باشد. که در این تحقیق سعی در برآورد مقدار غلظت کربن آلی کل سنگ منشاء با استفاده از تصویرسنجنده OLI لندست 8 و با بهره گیری از مدل شبکه عصبی مصنوعیMLP شده است.بدین منظور باند 5 محدوده طیفی(885/0-845/0) با ضریب همبستگی پیرسون 62/0 بهترین ورودی برای شبکه عصبی انتخاب شده است. شبکه عصبی مصنوعی با تعداد 5 نورون در لایه مخفی با 79/0R2= و0081/0 RMSE= برای تهیه نقشه کربن آلی کل انتخاب گردید.Determining the amount of total organic carbon using satellite imagery and artificial neural network model (Case study area: Mountain Mish, Gachsaran city)
The amount of Total Organic Carbon (TOC) is one of the most important parameter in evaluating hydrocarbon source rocks. Therefore, it is necessary to estimate of source rock by a method. There are several methods for estimating the of source rocks. One of the earliest methods is the traditional method, which is very expensive and time consuming, so researchers are looking for more efficient methods. Given the high potential of remote sensing and spectral VIR spectra, the VNIR makes it possible to estimate the characteristics of the origin rock at a lower cost basis. Different quantitative and qualitative methods are used to establish a relationship between the concentration of rock elements and the spectrum obtained from remote sensing data. In this study, we tried to estimate the total organic carbon content of the total origin rock using the OLI Landsat 8 image sensor and using the MLP artificial neural network model. For this purpose, the band of 5 spectral ranges (0.845-0.8585) with Pearson correlation coefficient of 0.62 was chosen for the neural network. An artificial neural network with neurons in the secret layer with R2 = 0.79 and RMSE = 0.0008 were selected to generate a total organic carbon map.
تبلیغات
