استخراج نواحی دارای پتانسیل اکسید آهن با استفاده از تصاویر LANDSAT8(منطقه مورد مطالعه:کرفس همدان)
- سال انتشار: 1395
- محل انتشار: دومین کنگره بین المللی زمین، فضا و انرژی های پاک با محوریت مدیریت منابع طبیعی ، کشاورزی و توسعه پایدار
- کد COI اختصاصی: ATTITTDE02_421
- زبان مقاله: فارسی
- تعداد مشاهده: 510
نویسندگان
کارشناس ارشد سنجش از دور و GIS ،دانشگاه آزاد اسلامی واحد یزد
استادیار دانشکده منابع طبیعی دانشگاه یز د
دانشیار آموزشکده نقشهبرداری کشور
چکیده
اکتشافات معدنی با استفاده از سنجش از دور در دو دهه اخیر پیشرفت قابل ملاحظهای داشته است، بطوریکه جهت بررسی پتانسیل معدنی یک ناحیه مشخص، با تلفیق دادههای ژیوفیزیکی و ژیوشیمیایی و تصاویر ماهوارهای نتایج قابل استنادی بدست آمده است.در این تحقیق پتانسیل معدنی ناحیه کرفس همدان از جهت توزیع کانیهای مختلف اکسیدهای آهن با استفاده ازسنجش از دور مورد ارزیابی قرار گرفت. در استفاده از ماهواره لندست 8 از ترکیب نسبتهای مختلف استفاده شد و پس از رفع خطاهای موجود پردازش شد. الگوریتمهای زیرپیکسلی ACE ,CEM و MF و پیکسلی SAM در پردازش تصاویر استفاده شد و در نهایت سه الگوریتم CEM ،ACE و MF روی نقشههای نهایی اعمال شد که دو نوع طیف اکسیدآهن از شش طیف موجود در منطقه مورد مطالعه بر اساس سه الگوریتم فوق بارزسازی شد. و دقت طبقهبندی آنها با یکدیگر مقایسه شد. نمونهبرداریهای انجام شده از منطقه مورد مطالعه توسط دستگاههای آزمایشگاهی FTIR و آنالیز الگوی پراش(XRD (برای شناسایی نوع کانی و آنالیز عنصری (XRF ( آنالیز شد و با نتایج حاصل از اعمال تصحیحات باندی و پردازش تصاویر ماهوارهای تطبیق داده شد و در نهایت توزیع کانیهای اکسیدآهن که عمدتا کانی گوتیت وهماتیت بوده در معدن مورد بررسی بدست آمد.کلیدواژه ها
سنجشازدور، اکسیدآهن، تصاویر ماهوارهای، مدل رقومی ارتفاع، 8 Landsat ، FTIRمقالات مرتبط جدید
- آلودگی هوا: چالشی جهانی بر سلامت انسان و راهکارهای راهبردی مقابله با آن
- آلودگی رادیواکتیوی ناشی از گاز رادون
- آسیب پذیری اکوسیستم های جنگلی مانگرو نسبت به مخاطرات چند گانه آب و هوایی
- استفاده از سیستم های هوشمند مبتنی بر هوش مصنوعی و IoT برای پایش و پیش بینی آلودگی هوا در مناطق شهری
- ارزیابی معادل آلایندگی هوای فلرها در مقایسه با سایر منابع انتشار
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.