ارائه یک الگوریتم چندمرحله‌ای برای شناسایی و تفکیک زون‌های دگرسانی گرمابی در محدوده استان کرمان ماهواره ای ASTER
پردازش تصاویر سنجش از دور به منظور تفکیک دگرسانی‌های هیدروترمال، در صورت در دسترس نبودن طیف اولیه‌ی پیکسل‌ها، یکی از بحث‌های چالش برانگیز برای محققان است. تحقیق‌های قبلی نشان داده‌اند که تفکیک دقیق زون‌های دگرسانی‌های هیدروترمال از یکدیگر با استفاده از روش‌های مرسوم پردازش تصاویر مبتنی بر خصوصیات طی...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Iranian Society of Mining Engineering
2022-03-01
|
| Series: | نشریه مهندسی معدن |
| Subjects: | |
| Online Access: | https://ijme.iranjournals.ir/article_246386_e8076fdafe6bc9f782ef296a87f2e9a8.pdf |
| _version_ | 1797790270654251008 |
|---|---|
| author | نسترن استادمهدی عراق امید اصغری سعید مجدی فر سجاد طالش حسینی |
| author_facet | نسترن استادمهدی عراق امید اصغری سعید مجدی فر سجاد طالش حسینی |
| author_sort | نسترن استادمهدی عراق |
| collection | DOAJ |
| description | پردازش تصاویر سنجش از دور به منظور تفکیک دگرسانی‌های هیدروترمال، در صورت در دسترس نبودن طیف اولیه‌ی پیکسل‌ها، یکی از بحث‌های چالش برانگیز برای محققان است. تحقیق‌های قبلی نشان داده‌اند که تفکیک دقیق زون‌های دگرسانی‌های هیدروترمال از یکدیگر با استفاده از روش‌های مرسوم پردازش تصاویر مبتنی بر خصوصیات طیفی پیکسل‌ها، امکان‌پذیر نمی‌باشد. لذا این تحقیق با ارائه یک الگوریتم چند مرحله‌ای در تلاش است تا زون های دگرسانی هیدروترمال موجود در محدوده غربی استان کرمان را با دقت بالایی شناسایی و تفکیک نماید. جهت رسیدن به این هدف، روش آنالیز مولفه‌های اصلی، مدل فرکتال غلظت- مساحت و مدل زمین آماری کریجینگ شاخص کامل (FIK) به صورت ترکیبی به کار رفته‌اند. نتایج نشان دهنده دقت بالای مدل FIK در شناسایی و تفکیک هر کدام از دگرسانی‌های فیلیک، آرژیلیک و پروپیلیتیک در منطقه مورد مطالعه است. همچنین به‌منظور ارزیابی خطای طبقه‌بندی، ماتریس درهم آمیختگی بررسی شد. نتایج ماتریس در هم آمیختگی بیان‌گر آن است که مدل FIK عملکرد خوبی را در رابطه با طبقه‌بندی تصویر داشته است و صحت کل آن برابر با 30/89 درصد می‌باشد. همچنین با توجه به تعداد بالای پیکسل‌های آموزشی زون فیلیک، مدل FIK به خوبی توانسته است این نوع دگرسانی را شناسایی نماید. |
| first_indexed | 2024-03-13T02:02:17Z |
| format | Article |
| id | doaj.art-64b1a01519284ac48be83b1fb2e45702 |
| institution | Directory Open Access Journal |
| issn | 1735-7616 2676-4482 |
| language | English |
| last_indexed | 2024-03-13T02:02:17Z |
| publishDate | 2022-03-01 |
| publisher | Iranian Society of Mining Engineering |
| record_format | Article |
| series | نشریه مهندسی معدن |
| spelling | doaj.art-64b1a01519284ac48be83b1fb2e457022023-07-01T19:41:57ZengIranian Society of Mining Engineeringنشریه مهندسی معدن1735-76162676-44822022-03-011754283910.22034/ijme.2021.139214.1838246386ارائه یک الگوریتم چندمرحله‌ای برای شناسایی و تفکیک زون‌های دگرسانی گرمابی در محدوده استان کرمان ماهواره ای ASTERنسترن استادمهدی عراق0امید اصغری1سعید مجدی فر2سجاد طالش حسینی3دانشجوی دکتری دانشکده مهندسی معدن، پردیس دانشکده های فنی، دانشگاه تهراندانشیار دانشکده مهندسی معدن، پردیس دانشکده های فنی، دانشگاه تهراناستادیار دانشگاه صنعتی اراک، دانشکده مهندسی معدن، اراک، ایراندانشجوی دکتری دانشکده مهندسی معدن، پردیس دانشکده های فنی، دانشگاه تهرانپردازش تصاویر سنجش از دور به منظور تفکیک دگرسانی‌های هیدروترمال، در صورت در دسترس نبودن طیف اولیه‌ی پیکسل‌ها، یکی از بحث‌های چالش برانگیز برای محققان است. تحقیق‌های قبلی نشان داده‌اند که تفکیک دقیق زون‌های دگرسانی‌های هیدروترمال از یکدیگر با استفاده از روش‌های مرسوم پردازش تصاویر مبتنی بر خصوصیات طیفی پیکسل‌ها، امکان‌پذیر نمی‌باشد. لذا این تحقیق با ارائه یک الگوریتم چند مرحله‌ای در تلاش است تا زون های دگرسانی هیدروترمال موجود در محدوده غربی استان کرمان را با دقت بالایی شناسایی و تفکیک نماید. جهت رسیدن به این هدف، روش آنالیز مولفه‌های اصلی، مدل فرکتال غلظت- مساحت و مدل زمین آماری کریجینگ شاخص کامل (FIK) به صورت ترکیبی به کار رفته‌اند. نتایج نشان دهنده دقت بالای مدل FIK در شناسایی و تفکیک هر کدام از دگرسانی‌های فیلیک، آرژیلیک و پروپیلیتیک در منطقه مورد مطالعه است. همچنین به‌منظور ارزیابی خطای طبقه‌بندی، ماتریس درهم آمیختگی بررسی شد. نتایج ماتریس در هم آمیختگی بیان‌گر آن است که مدل FIK عملکرد خوبی را در رابطه با طبقه‌بندی تصویر داشته است و صحت کل آن برابر با 30/89 درصد می‌باشد. همچنین با توجه به تعداد بالای پیکسل‌های آموزشی زون فیلیک، مدل FIK به خوبی توانسته است این نوع دگرسانی را شناسایی نماید.https://ijme.iranjournals.ir/article_246386_e8076fdafe6bc9f782ef296a87f2e9a8.pdfدگرسانی‌های هیدروترمالالگوریتم چند مرحله‌ایآنالیز مولفه های اصلیمدل فرکتال غلظت- مساحتکریجینگ شاخص کامل |
| spellingShingle | نسترن استادمهدی عراق امید اصغری سعید مجدی فر سجاد طالش حسینی ارائه یک الگوریتم چندمرحله‌ای برای شناسایی و تفکیک زون‌های دگرسانی گرمابی در محدوده استان کرمان ماهواره ای ASTER نشریه مهندسی معدن دگرسانی‌های هیدروترمال الگوریتم چند مرحله‌ای آنالیز مولفه های اصلی مدل فرکتال غلظت- مساحت کریجینگ شاخص کامل |
| title | ارائه یک الگوریتم چندمرحله‌ای برای شناسایی و تفکیک زون‌های دگرسانی گرمابی در محدوده استان کرمان ماهواره ای ASTER |
| title_full | ارائه یک الگوریتم چندمرحله‌ای برای شناسایی و تفکیک زون‌های دگرسانی گرمابی در محدوده استان کرمان ماهواره ای ASTER |
| title_fullStr | ارائه یک الگوریتم چندمرحله‌ای برای شناسایی و تفکیک زون‌های دگرسانی گرمابی در محدوده استان کرمان ماهواره ای ASTER |
| title_full_unstemmed | ارائه یک الگوریتم چندمرحله‌ای برای شناسایی و تفکیک زون‌های دگرسانی گرمابی در محدوده استان کرمان ماهواره ای ASTER |
| title_short | ارائه یک الگوریتم چندمرحله‌ای برای شناسایی و تفکیک زون‌های دگرسانی گرمابی در محدوده استان کرمان ماهواره ای ASTER |
| title_sort | ارائه یک الگوریتم چندمرحله‌ای برای شناسایی و تفکیک زون‌های دگرسانی گرمابی در محدوده استان کرمان ماهواره ای aster |
| topic | دگرسانی‌های هیدروترمال الگوریتم چند مرحله‌ای آنالیز مولفه های اصلی مدل فرکتال غلظت- مساحت کریجینگ شاخص کامل |
| url | https://ijme.iranjournals.ir/article_246386_e8076fdafe6bc9f782ef296a87f2e9a8.pdf |
| work_keys_str_mv | AT nstrnạstạdmhdyʿrạq ạrạỷhyḵạlgwrytmcẖndmrḥlhạybrạysẖnạsạyywtfḵyḵzwnhạydgrsạnygrmạbydrmḥdwdhạstạnḵrmạnmạhwạrhạyaster AT ạmydạṣgẖry ạrạỷhyḵạlgwrytmcẖndmrḥlhạybrạysẖnạsạyywtfḵyḵzwnhạydgrsạnygrmạbydrmḥdwdhạstạnḵrmạnmạhwạrhạyaster AT sʿydmjdyfr ạrạỷhyḵạlgwrytmcẖndmrḥlhạybrạysẖnạsạyywtfḵyḵzwnhạydgrsạnygrmạbydrmḥdwdhạstạnḵrmạnmạhwạrhạyaster AT sjạdṭạlsẖḥsyny ạrạỷhyḵạlgwrytmcẖndmrḥlhạybrạysẖnạsạyywtfḵyḵzwnhạydgrsạnygrmạbydrmḥdwdhạstạnḵrmạnmạhwạrhạyaster |