نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانشجو

2 هیئت علمی

چکیده

تشخیص و شناسایی اعضای انتهایی یکی از موارد مهم در بالا بردن صحت روش‌های تجزیه طیفی در دورسنجی است. در سال‌های اخیر، روش‌هایی که متکی بر وجود تعدادی پیکسل خالص در تصویر هستند توسعه‌ی بیشتری داشته‌اند؛ حال آن که این روش‌ها در مطالعات کانی‌شناسی که احتمال وجود پیکسل‌های خالص در داخل تصویر پائین است، مشکلاتی را ایجاد می‌کنند.  هدف از این مطالعه، بررسی روش ORASIS برای تشخیص اعضای انتهایی موجود در داده‌های هایپریون منطقه آق داغ اردبیل و مقایسه‌ی نتایج  با روش اندیس خلوص پیکسلی (PPI) است. مزیت این روش با توجه به مشکل عدم حضور پیکسل خالص در دورسنجی اکتشافی، این است که شامل الگوریتم‌هایی است که به‌صورت هوشمندآن‌های عمل قیاس را با فضای خارج از مجموعه داده‌ها انجام می‌دهد و منجر به تولید اعضای انتهایی می‌شود که لزوماً داخل تصویر نیستند. با اعمال ORASIS روی داده‌های هایپریون منطقه، 23 عضو انتهایی تولید شدند. شناسایی اعضای انتهایی و اختصاص ترکیب‌های کانی‌شناسی مختلف از طریق آنالیز طیفی و مقایسه نمودار‌های طیفی آن‌ها با کتابخانه‌ی طیفی USGS با استفاده از تکنیک‌های SAM و SFF انجام شد. در نهایت 10 ترکیب کانی شناسی غالب هورنبلند، آرسنوپیریت، کائولینیت، ورمیکولیت، ژیپس، لپیدولیت، لیمونیت، آلونیت، چرت و مالاکیت در منطقه شناسایی شدند. در مقابل، روش PPI 5 ترکیب کانی‌شناسی غالب کائولینیت / اسمکتیت، کلینوپتیلولیت، سلسیان، موسکوویت و مونتموریونیت شناسایی کرد. نقشه‌های فراوانی و طبقه‌بندی حاصل از روش جداسازی طیفی خطی مربوط به دو روش ORASIS و PPI با گزارش‌های زمین‌شناسی منطقه‌ی مورد مطالعه و مشاهدات صحرایی تحت مقایسه و بررسی شدند که نتایج نشان از برتری و صحت عملکرد روش ORASIS در زمینه تشخیص اعضای انتهایی از دیدگاه کانی‌شناسی دارد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Detection of endmembers on a scene of Hyperion Data using ORASIS method in Agh-Dagh, Ardebil

نویسندگان [English]

  • Hamid Zekri 1
  • Majid Oskouei 2

2 Assistant Professor

چکیده [English]

 
Endmember detection in remote sensing is one of the significant factors to enhance the accuracy of spectral unmixing procedures. Because of highly mixed pixels in the case of mineral detection studies, the ordinary methods based on pure pixel occurrence assumption is not always applicable. The aim of this research is to detect the endmembers of Hyperion data using the ORASIS method in Agh-Dagh region of Ardebil, Iran and to compare the results with Pixel Purity Index method. ORASIS is a collection of algorithms that work together to produce a set of endmembers that are not necessarily inside the data set, therefore the pixel purity assumption is not vital for accurate results. Applying the consecutive algorithms of the ORASIS method on the Hyperion data of the study area has been generated 23 virtual endmembers. Spectral plots of these unknown endmembers were then compared to the USGS spectral library using SAM and SFF techniques; which resulted in recognition of ten minerals including alunite, kaolinite, hornblende, arsenopyrite, vermiculite, gypsum, lepidolite, chert, limonite and malachite, while the PPI method represented only 5 mineralogical compositions including kaolinite/smectite, clinoptilolite, celsian, muscovite and montmorillonite. Abundance maps of the detected minerals were generated by Linear Spectral Unmixing (LSU) technique for both ORASIS and PPI data. The results of ORASIS showed much better and reasonable coincidence with the geological settings according to the available exploration reports and direct field observations in the study area.
 

کلیدواژه‌ها [English]

  • Spectral Unmixing
  • hyperspectral remote sensing
  • endmembers
  • ORASIS
  • PPI