شناسایی دگرسانی های مرتبط با کانسارهای مس پورفیری با استفاده از الگوریتم شبکه های عصبی خودسازمانده کوهونن SOM

عموماً یک تصویر ماهواره ای در برگیرنده عوارض مختلف با ویژگیهای طیفی متفاوت می باشد. هدف از طبقه بندی یک تصویر ماهواره ای تقسیم تصویر به نواحی مختلف است بطوری که پیکسل های هر ناحیه دارای خصوصیات طیفی مشابه باشند. در این تحقیق توانایی شبکه عصبی خودسازماندهSOM در بررسیهای دورسنجی و بویژه طبقه بندی طیفی مناطقی که اطلاعات زیادی در مورد ساختار زمین شناسی و نوع پوشش های سطحی آنها موجودنمی باشد، مورد بررسی قرار گرفته است. از آنجایی که اغلب کانسارهای مس پورفیری ایران با ویژگیهای طیفی شناخته شده در کمان ماگمایی ارومیه-دختر قرار گرفته اند، ناحیه مورد مطالعه در این تحقیق از بخش جنوبی اینکمان در جنوب غرب استان کرمان که در بر گیرنده کانسارهای پورفیری مهمی همچون کوه پنج و دره زار می باشد)بخشهائی از برگه 9:900000 پاریز(، انتخاب شده است. در این تحقیق با استفاده از داده های تلفیقی ماهواره ای سنجنده هایALI و ASTER و استفاده از الگوریتم شبکه عصبی خود سازمانده کوهونن بوسیلهی برنامه نویسی در محیط نرم افزار متلب، نواحی حاوی دگرسانی های گرمابی که در رابطه با کانسار های مس پرفیری هستند، شناسایی و به نقشه در آورده شده اند

کلیدواژه ها:

دورسنجی ، شبکه های عصبی خودسازمانده کوهوننASTER ، ALI مس پورفیری