نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانشگاه صنعتی سهند تبریز

2 هیئت علمی/دانشگاه صنعتی سهند

3 دانشگاه صنعتی اصفهان

چکیده

 با توجه به هدف اساسی فناوری سنجش از دور مبنی برشناسایی و تفکیک پدیده‏های زمینی، طبقه بندی یکی از مهمترین روش‏های استخراج اطلاعات از تصاویر دورسنجی است. هدف از این مطالعه، تعمیم نتایج پردازش داده‌های ماهواره‌ای هایپریون به تصاویر ماهواره ای استر است. با این کار می‏توان تلفیقی از داده‏های هایپریون با دقت بالا در تشخیص عوارض و داده‏های استر با گسترش بالا در مرحله طبقه‏بندی استفاده کرد. شرط لازم برای این کار ارزیابی قدرت تفکیک داده‏های استر برای کلاس‏های آموزشی حاصل از آنالیز تصاویر هایپریون است که می‏توان با محاسبه امتیاز تفکیک‏پذیری مناطق انتخابی به این هدف رسید. درتحقیق حاضر، 10 کانی تشخیص داده شده از داده‏های هایپریون به روش فیلترینگ تطبیقی میزان‌شده با مخلوط MTMF)) به‌عنوان کلاس‏های آموزشی برروی تصاویراستر فراخوانی و میزان تفکیک‏پذیری طیفی بین کلاس‏های مختلف بررسی شده و در نهایت کلاس‏های مشابه (با تفکیک‏پذیری پایین) با هم ادغام شدند. به این ترتیب 6 کلاس با تفکیک‌پذیری قابل قبول برای انجام طبقه‏بندی تعیین شدند. نقشه طبقه‏بندی در منطقه مورد مطالعه به سه روش پارامتریک حداکثر درست‏نمایی، حداقل فاصله و فاصله ماهالانوبیس تهیه شد و به منظور بررسی میزان کارآیی نقشه‏های به‌دست آمده و مقایسه بین روش‏ها، از ماتریس درهمی بر پایه استفاده از کل پیکسل‏های تصاویر هایپریون به‌عنوان کلاس‌های مبنا استفاده شد. پس از ارزیابی، روش حداکثر درست‏نمایی بهترین عملکرد را نسبت به دو روش پارامتریک دیگر داشت. نقشه فراوانی کانی‌ها با روش‌های به کار گرفته شده در این مطالعه با اطلاعات زمین شناسی منطقه تطابق دارد؛ به نحوی که گسترش بالای کانی‌های سولفاته مانند ژیپس و پلی‌هالیت، نشانه‌های اندکی از کانی مالاکیت با پراکندگی باریک و کم در اطراف کانی‌های زئولیت و گسترش فراوان کانی‌های زئولیتی آنالسیم و مزولیت بر اساس گزارش زمین‌شناسی منطقه قابل توجیه می‌باشند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Application of Hyperion data to classify ASTER image for mineral detection in Lahroud, Iran

نویسندگان [English]

  • Hadi Moghaddam 1
  • Majid Oskouei 2
  • Hamid Zekri 3

1 Sahand University of Technology

2 Assistant Professor

3 Sahand University of Technology

چکیده [English]

The classification of remote sensing images is one of the important parts of the image analysis.  This study aims to extend the results of Hyperion data processing to ASTER images of Lahrud area for achieving a broader mineralogical distribution map. This method uses the high accuracy Hyperion data as training data set and high coverage ASTER scene for classification purposes. Because of the differences in spectral resolution between ASTER and Hyperion data, the ability of ASTER data to identify the training classes was evaluated and the separability score for the selected areas were calculated. In this study, ten minerals detected by the Mixture Tuned Matched Filtering (MTMF) method on Hyperion image were therefore used as training classes for separability computation. The classes with high similarity (low separability) were combined (six classes were distinguishable). The classification was then performed using three parametric methods of maximum likelihood, minimum distance, mahalonobis distance. The accuracy of the results of each classifier was evaluated by constructing the related confusion matrix. The matrix was computed using the consisted pixels in each training class before and after classification. The maximum likelihood revealed best performance in comparison to the other methods. The abundance maps of the minerals resulted by the mentioned method revealed a high coincidence with geological reports of the area. The widespread sulphate minerals (Gypsum and Polyhalite), the minor occurrences of Malachite around zeolite minerals as a narrow strip, and invasive presence of zeolite minerals like Analcime and Mesolite all are compatible with the geological literatures of the region.
 

کلیدواژه‌ها [English]

  • Remote Sensing
  • ASTER
  • Hyperion
  • Classification
  • MTMF
  • confusion matrix
  • Kappa coefficient