بهبود دقت نقشه برداری سنگ شناسی از طریق روش های یادگیری ماشین اعمال شده بر داده های چندطیفی Sentinel-۲ و فراطیفی PRISMA

تفسیر سنگ شناسی مبتنی بر سنجش از دور در بررسی های زمین شناسی مدرن اهمیت بسیاری دارد. سنجش از دور ابزاری ضروری در زمینه تهیه نقشه های زمین شناسی است. تکنیک های سنجش از دور از جمله طبقه بندی تصاویر ماهواره ای به منظور نقشه برداری زمین شناسی و برای تکمیل کار میدانی مورد استفاده قرار می گیرند. این پژوهش، از داده های چندطیفی ماهواره سنتینل-۲ و داده های فراطیفی ماهواره پریسما برای نقشه برداری سنگ شناسی همتافت افیولیتی رمشک–مختارآباد واقع در مکران شمالی، جنوب شرق ایران، استفاده می کند و بر ترکیب فناوری های سنجش از دور با الگوریتم های یادگیری ماشین برای بهبود نقشه برداری زمین شناسی و تقویت مطالعات میدانی تمرکز دارد. انتخاب ورودی های بهینه برای طبقه بندی کننده ها از اهداف کلیدی این پژوهش محسوب می شود. بدین منظور از فناوری های بهبود تصویر شامل تحلیل طیفی، ترکیب و نسبت باندی، تحلیل مولفه های اصلی، ترکیب نسبت رنگی و تبدیل حداقل کسر نوفه استفاده شد. در ادامه، الگوریتم های شبکه عصبی، ماشین بردار پشتیبان و نزدیک ترین همسایگی برای طبقه بندی داده ها به کار گرفته شدند. نتایج ارزیابی صحت کلی و ضریب کاپا نشان داد که رویکرد بر پایه شیء در تصاویر چندطیفی سنتینل-۲ نقشه هایی همگن تر و با دقت بالاتر تولید می کند، در حالی که رویکرد بر پایه پیکسل برای داده های فراطیفی پریسما عملکرد مناسب تری دارد. نتایج نشان می دهد استفاده از داده های سنتینل-۲ و پریسما ابزاری توانمند برای نقشه برداری سنگ شناسی در پهنه های افیولیتی فراهم می کند. با این حال نقش تفسیر تخصصی زمین شناس با تجربه هم چنان غیر قابل جایگزین است.

کلیدواژه ها:

نقشه برداری سنگ شناسی ، یادگیری ماشین ، تحلیل بر پایه شیء و بر پایه پیکسل ، پریسما ، سنتینل-۲ ، همتافت افیولیتی رمشک-مختارآباد ، مکران