تخمین اندممبرهای کانی شناسی در دادههای ابرطیفی منطقه آق داغ مشکین-شهر با استفاده از روشهای مبتنی بر عدم نیاز به پیکسلهای خالص ORASIS : و یک روش فراابتکاری مناسب
نام عام مواد
[پایاننامه]
نام نخستين پديدآور
/توحید نوری جگرکندی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهنسدی معدن
تاریخ نشرو بخش و غیره
، ۱۳۹۵
مشخصات ظاهری
نام خاص و کميت اثر
۱۴۷
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
کتابنامه در آخر پایان نامه
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
اکتشاف
زمان اعطا مدرک
۱۳۹۵/۰۶/۰۰
کسي که مدرک را اعطا کرده
صنعتی سهند
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
در سالهای اخیر دورسنجی نقش عمدهای را در شناخت بهتر سطح زمین ایفا کرده است که دادههای ابرطیفی در این زمینه، به دلیل اینکه توانایی ارائه طیفهای پیوسته را دارند، بیشتر حائز اهمیت بودهاند .جداسازی طیفی بخش جدایی ناپذیر پردازش دادههای ابرطیفی است که نوع خطی آن بیشتر معمول است .شناسایی اندممبرها( اعضای انتهایی) مهمترین مرحله از فرآیند جداسازی طیفی خطی است .در سالهای اخیر، روشهایی که بر اساس حضور پیکسلهای خالص در تصویر استوارند بیشتر توسعه یافتهاند .با توجه به قدرت تفکیک مکانی دادههای معمول ابرطیفی که در حد چند ده متر است، احتمال وجود پیکسلی که تماما از یک کانی خاص تشکیل یافته باشد بسیار پایین بوده و این امر سبب بروز مشکلاتی در روشهایی که بر اساس حضور پیکسل خالص بنا شدهاند میگردد .در نتیجه استفاده از روشهای غیر مبتنی بر فرض حضور پیکسل خالص در اولویت قرار دارد .از طرف دیگر دادههای هایپریون که از طریق ماهواره EO-۱ سازمان ناسا اخذ میگردند، به صورت گسترده و برای مناطق زیادی از سطح زمین قابل دسترس میباشند که کاربرد روشهای کارآمد برای پردازش آنها میتواند در شناخت بهتر سطح زمین بسیار مفید باشد .ایراد اساسی این نوع دادهها سیگنال به نوفه پایین آنها در مقایسه با دادههای هوابرد مانند AVIRIS و HyMap است .بنابراین کاربرد روشهایی که حساسیت کمتری در برابر نوفه دارند در پردازش این دادهها کارایی بیشتری خواهد داشت .در مطالعه حاضر قسمتی از یک سین هایپریون واقع در غرب استان اردبیل پردازش گردید .ابتدا از روش ORASIS که تشکیل یافته از چهار الگوریتم پی در پی شامل پیشغربالگر، انتخاب مبنا، انتخاب اعضای انتهایی و جداسازی یا محاسبه فراوانی اعضای انتهایی است استفاده گردید .عمده مزیت این روش بر اساس عدم حضور پیکسلهای خالص استوار بوده و اعضای انتهایی تخمین زده شده توسط آن جزو دادهها نیستند .اما عیب آن عدم کارایی مناسب در مواجهه با دادههای نوفه دار از جمله هایپریون است .بنابراین در ادامه اقدام به جایگزینی الگوریتم انتخاب اعضای انتهایی این روش توسط روشهای مقاوم در برابر نوفه شامل MVC-NMF و بهینه سازی انبوه ذرات گردیده و به ترتیب دو روش ترکیبی اول و دوم ایجاد شد MVC-NMF روشی است که در بین تمامی روشهای غیر مبتنی بر فرض حضور پیکسلهای خالص، بهترین عملکرد را در شرایط نوفه بالا دارا است .با این وجود این روش به دلیل پیچیدگیهای محاسباتی بالایی که دارد توانایی پردازش دادههای حجیم را نداشته و در اجرای آن بر روی این نوع دادهها مشکل کمبود حافطه کامپیوتر پیش میآید .با رقیق سازی دادهها توسط الگوریتم انتخاب سرمشق ORASIS این مشکل تا حدودی حل میشود به این صورت که به جای کل دادهها، مجموعه سرمشقها به عنوان ورودی MVC-NMF مورد استفاده قرار میگیرند .روشبهینه سازی انبوه ذرات یک روش فراابتکاری است که عمده مزیت آن سادگی و پیچیدگیهای محاسباتی کم آن است .بنابراین توانایی اجرا بر روی دادههای حجیم را نیز دارد .تابع هدف مورد استفاده در MVC-NMF توسط این روش نیز بهینه سازی گردید .روش ORASIS و دو روش ترکیبی بر روی دادههای مصنوعی و هایپریون غرب استان اردبیل اجرا گردیده و نتایج آنها با هم مقایسه شد .برای اعتبارسنجی نتایج ۲۰ نمونه سطحی از منطقه برداشت گردید و برای آنالیز طیف سنجی و XRD ارسال شد .برای طیف سنجی از دستگاه ASD FieldSpec استفاده شد که طیفهای اندازهگیری شده با آن برای ساخت کتابخانه طیفی منطقه مورد استفاده قرار گرفت که همراه با کتابخانه طیفی استاندارد USGS برای شناسایی پروفیلهای طیفی اعضای انتهایی تخمین زده شده استفاده گردید .بنابراین نوعی اعتبارسنجی طیفی بین دادههای طیفی زمینی و ماهوارهای به عمل آمد .نمودارهای طیفی اعضای انتهایی تخمینی توسط دو روش ترکیبی به نحو مطلوبی با طیفهای کتابخانهای انطباق یافتند در صورتیکه این انطباق در ORASIS ضعیفتر بود .ترکیب کانیشناسی نمونهها نیز با آنالیز XRD تعیین شد .یک نوع اعتبار سنجی کمی نقشههای فراوانی استخراج شده برای اعضای انتهایی با استفاده از نتایج XRD از طریق محاسبه نسبت میانگین فراوانیها (AAR) انجام شد که برای هر دو روش ترکیبی مطلوب ارزیابی گردید .در حالت کلی نتایج هر دو روش ترکیبی بهتر از ORASIS بوده و تقریبا مشابه باهم بود .با توجه به پیچیدگیهای محاسباتی کمتر در روش ترکیبی دوم این روش به روش ترکیبی اول ترجیح داده میشود
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
PSO
موضوع مستند نشده
MVC-NMF
موضوع مستند نشده
ORASIS
موضوع مستند نشده
فرض عدم حضور پیکسل های خالص
موضوع مستند نشده
اعضای انتهایی
موضوع مستند نشده
هایپراسپکترال
موضوع مستند نشده
جداسازی طیفی
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )