هایپریون

شناسایی و اکتشاف کانی های مناطق به روش سنتی از طریق عملیات زمینی و کارهای میدانی انجام می شود. این روش، زمان و هزینه و نیروی انسانی فراوان می طلبد و گاه نیز با خطا همراه است. امروزه علم سنجش از دور با بهره گیری از رفتارهای طیفی منحصر به فرد کانی ها، به عنوان روشی جدید، مورد استفادة علم اکتشاف معدن و زمین شناسی قرار گرفته است. با پیشرفت علم سنجش از دور و پیدایش سنجش از دور فراطیفی، امکان دریافت تصاویر با قابلیت و توانایی طیفی بسیار بالا و دسترسی به اطلاعات وسیع تر و دقیق تر در این زمینه فراهم شده است. در پژوهش حاضر از تصاویر Hyperion ماهواره 1-EO که در تاریخ 4 سپتامبر 2004 دریافت شده، برای شناسایی نواحی دارای طلا در منطقه مشکین شهر واقع در شمال غرب ایران استفاده شده است. دلیل انتخاب طلا، اهمیت و ارزش و کمیاب بودن آن است. انتخاب اعضای مرجع این تحقیق، از عملیات میدانی قبلی در منطقه و اعضای مرجع حاصل از پیاده سازی الگوریتم PPI صورت گرفته است. سپس الگوریتم های SAM و LSU با اعضای مرجع انتخاب شده روی تصویر اجرا شدند. در نهایت نقشه طبقه بندی شدة حاصل از این روش ها با نقشه های موجود و داده های زمینی مقایسه شد و میزان صحت آنها بررسی گردید. دقت پیاده سازی روش SAM با انتخاب اعضای مرجع حاصل از PPI، به بیشترین میزان 94 (درصد) بوده است، که خود نشان از اهمیت تصاویر فراطیفی و روش SAM در استخراج نواحی دارای پتانسیل و آنومالی های طلا دارد.

در سال های اخیر با رشد سریع فناوری سنجش از دور در زمینة سنجنده های ابرطیفی، افزایش قابلیت تصویربرداری در صدها باند فراهم شده است. به منظور شناسایی و اکتشاف کانی های هر منطقه با بهره گیری از رفتارهای طیفی منحصربه فرد کانی ها، آشکارسازی طیفی به وسیلة این نوع از سنجنده ها که روشی نو محسوب می شود، در اکتشاف معدن و زمین شناسی استفاده شده است. بنابراین، در این تحقیق از تصاویر هایپریون ماهوارة EO-1 برای شناسایی نواحی دارای مس در منطقة قزل داش شهرستان خوی واقع در شمال غرب ایران استفاده شد. در این پژوهش، پس از پیش پردازش های لازم بر روی تصویر، کانی های مس در منطقة پژوهش که در عملیات میدانی در تحقیقات پیشین استخراج شده بود، مشخص شد. سپس برای تطبیق امضای طیفی این کانی ها با امضای طیفی موجود در کتابخانة طیفی USGS از نمونه گیری مجدد استفاده شد. در نهایت، با به کارگیری الگوریتم های SAM و SID نقشه ها استخراج و با نقشه های موجود مقایسه شد. نتایج نشان داد که کارایی الگوریتم SAM با صحت کلی 85 درصد و ضریب کاپای 80 درصد از الگوریتم SID با صحت کلی 76 درصد و ضریب کاپای 68 درصد بیشتر است. همچنین، می توان از تصاویر ابرطیفی هایپریون با استفاده از الگوریتم SAM در شناسایی نواحی دارای فلز مس استفاده کرد.

بکارگیری ویژگی های بهینه در الگوریتم های مختلف طبقه بندی، بر دقت نتایج حاصل از طبقه بندی تأثیرگذار می باشد. هدف از پژوهش حاضر بررسی قابلیت های تصاویر هایپریون و لندست و مقایسه کارایی الگوریتم های بهینه سازی ازدحام ذرات و جستجوی گرانشی جهت تعیین ویژ گی های بهینه برای تفکیک اراضی فضای سبز و شالیزار می باشد. در این مطالعه از تصاویر ماهواره ای لندست، هایپریون و مجموعه داده های واقعی مربوط به منطقه ای در شمال ایران استفاده شده است. در این مطالعه کارایی الگوریتم های بهینه سازی ازدحام ذرات و جستجوی گرانشی جهت تعیین ویژ گی های بهینه و قابلیت تصاویر لندست و هایپریون برای تفکیک اراضی فضای سبز و شالیزار با استفاده از مجموعه ی داده های واقعی مقایسه گردید. برای ارزیابی نتایج از پارامترهای دقت کاربر، دقت تولید کننده، دقت کلی و ضریب کاپا استفاده شده است. نتایج پژوهش بیانگر این است که دقت کلی تفکیک اراضی فضای سبز و شالیزار با تصویر هایپریون 15 درصد بالاتر از تصویر لندست می باشد. بکارگیری شاخص های طیفی در فرایند طبقه بندی، سبب بهبود دقت تفکیک اراضی فضای سبز و شالیزار در هر دو داده لندست و هایپریون می گردد. همچنین استفاده از الگوریتم بهینه سازی برای تعیین ویژگی های بهینه و استفاده از ویژگی های بهینه در فرایند طبقه بندی سبب افزایش دقت تفکیک اراضی فضای سبز و شالیزار می گردد. با توجه به مقادیر دقت کلی، کارایی الگوریتم بهینه سازی جستجوی گرانشی برای تفکیک اراضی فضای سبز و شالیزار 2 درصد بهتر از الگوریتم ازدحام ذرات می باشد.