اکتشاف نواحی دارای مس در منطقه قزل داش شهرستان خوی با استفاده از تصاویر هایپریون
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 310
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPHGR-47-2_008
تاریخ نمایه سازی: 26 آذر 1400
چکیده مقاله:
در سال های اخیر با رشد سریع فناوری سنجش از دور در زمینه 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 وسیله 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 ماهواره EO-۱ برای شناسایی نواحی دارای مس در منطقه 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 منطقه 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 کتابخانه 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 ۸۵ درصد و ضریب کاپای ۸۰ درصد از الگوریتم SID با صحت کلی ۷۶ درصد و ضریب کاپای ۶۸ درصد بیشتر است. همچنین، می توان از تصاویر ابرطیفی هایپریون با استفاده از الگوریتم SAM در شناسایی نواحی دارای فلز مس استفاده کرد.
کلیدواژه ها:
نویسندگان
مهدی بلواسی
کارشناسی ارشد سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تبریز
صیاد اصغری سراسکانرود
استادیار گروه ژئومورفولوژی، دانشکده ادبیات و علوم انسانی، دانشگاه ارومیه
بتول زینالی
استادیار گروه اقلیم شناسی، دانشکده ادبیات و علوم انسانی، دانشگاه محقق اردبیلی
سعیده صاحبی وایقان
دانشجوی کارشناسی ارشد سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه خوارزمی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :