عنوان

طبقه‌بندی داده‌های چند طیفی منطقه بیرجند با استفاده از نتایج پردازش داده‌های هایپریون

Number

۴۹۸۳پ

.Language of Text, Soundtrack etc

فارسی

Title Proper

طبقه‌بندی داده‌های چند طیفی منطقه بیرجند با استفاده از نتایج پردازش داده‌های هایپریون

General Material Designation

[پایان نامه]

First Statement of Responsibility

جبار حبشی

Name of Publisher, Distributor, etc.

صنعتی سهند

Date of Publication, Distribution, etc.

۱۴۰۲

Specific Material Designation and Extent of Item

۱۴۹ص.

Other Physical Details

مصور، جدول، نمودار

Accompanying Material

CD

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی معدن- اکتشاف

Date of degree

۱۴۰۲/۰۶/۰۱

Text of Note

ناحیه سر‌چاه‌شور در شرق ایران و در مجاورت بلوک لوت واقع شده است. این ناحیه از ایران، به دلیل رخداد فرورانش دارای قابلیت بالا برای تشکیل انواع مواد معدنی به‌ویژه کانی‌سازی‌های مس است. به دلیل گستردگی مناطق دگرسانی مرتبط با مس و نیز پوشش ضعیف گیاهی منطقه، می‌توان از داده‌های دورسنجی برای تفکیک این مناطق به طور مؤثر استفاده کرد. سنجنده استر با پوشش محدوده نسبتاً وسیعی از طیف الکترومغناطیسی و ذخیره اطلاعات سطح زمین در سه محدوده طیفی مرئی، مادون‌قرمز موج‌کوتاه و گرمایی، شرایط مطلوبی را برای آشکارسازی زون‌های دگرسانی ایجاد کرده است. در این پژوهش، از داده‌های این سنجنده برای تفکیک دگرسانی‌های آرژیلیک، سرسیتیک، پروپلیتیک و اکسید آهن مرتبط با کانه‌زایی مس موجود در نقشه 1:100000 سر چاه‌شور که در جنوب غربی بیرجند واقع است، استفاده شده است. در بررسی حاضر با استفاده از نسبت‌های باندی مرتبط با دگرسانی‌های مس پورفیری، آرژیلیک پیشرفته و آلتراسیون‌های آهن اقدام به ایجاد ترکیب رنگی کاذب و خوشه‌های کلاسی داده‌های تمرینی نموده‌ایمهمچنین کلاس‌های تمرینی دیگری را با استفاده از نتایج پردازش دادههای ابرطیفی (هایپریون و های‌مپ) ایجاد کرده که منجر به بهره جستن از دقت بالای دادههای ابرطیفی در تعیین مکانهای آموزشی همراه با پوشش بالای دادههای چند طیفی می‌گردد. درواقع به کمک این کلاس‌های ورودی با استفاده از الگوریتم‌های طبقه‌بندی کنند شامل: فاصله ماهالانوبیس - برآورد درست‌نمایی بیشینه - کمترین فاصله از میانگین - متوازی السطوح - نقشه‌برداری زاویه طیفی - واگرایی اطلاعات طیفی و شبکه‌های عصبی محدوده ای را به وسعت 2617 کیلومترمربع را طبقه‌بندی نموده‌ایم

Text of Note

Sar-e-Châh-e-Shoor region is located in eastern Iran, adjacent to the Lut Block. This region in Iran has a high potential for the formation of various mineral deposits, especially copper mineralization, due to tectonic events. Given the extensive tectonic zones associated with copper and the region's weak vegetation cover, remote sensing data can be effectively utilized for distinguishing these areas. The Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) sensor, with its relatively wide spectral range and the ability to capture surface information in three spectral bands, visible, shortwave infrared, and thermal, has created favorable conditions for detecting alteration zones.In this study, ASTER data were used to discriminate argillic, sericitic, propylitic, and iron oxide alterations related to copper mineralization in the 1:100,000-scale Chah-e Shoor map, located in the southwest of Birjand. In this investigation, by using spectral ratios associated with porphyry copper alterations, advanced argillic, and iron alterations, false-color composites and class clusters of training data were created. Furthermore, other training classes were generated using hyperspectral data processing (Hyperion and Hymap), which resulted in harnessing the high spectral accuracy of hyperspectral data in determining training sites along with the broad coverage of multispectral data. Using these input classes, various classification algorithms, including Mahalanobis Distance, Maximum Likelihood Estimation, Minimum Distance to Mean, Parallel Planes, Spectral Angle Mapping, and Spectral Information Divergence, classified an area of 2617 square kilometers.This research aims to improve the results obtained from multispectral data processing using the technique of combining sensor images. The results of the classification of ASTER data, (ASTER-Sentinel-2) data and (ASTER-Sentinel-2-Landsat 8) indicate that increasing spectral resolution through the addition of more spectral bands improves the separability of training classes and enhances the accuracy of the classification algorithm, ultimately resulting in increased precision and accuracy in the final detection.In this thesis, to evaluate the accuracy of the classification results, the Kappa coefficient and overall accuracy were calculated using an error matrix, providing several important factors for assessing the accuracy of classification. Among the most important of these factors are overall accuracy and the Kappa coefficient, which were calculated for each of the performed classifications. Finally, to assess the credibility of the performed classifications, the Normalized Score (NS) equation was used. Using this equation, the qualitative components of conformity and estimation were quantified into quantitative metrics, leading to a better understanding of the validation level.Considering the results obtained, cluster classes such as As-3-NN1 and A-2-NN1, representing advanced argillic and porphyry copper alteration maps, achieved scores of 2.25 out of 4, indicating a 56.25% match with the geological map of the area. Furthermore, the cluster class LSA-4-NN2, representing advanced argillic alterations, obtained the highest score (3.5 out of 4), indicating an 87.5% match with the geological map of the area. Additionally, the results of hyperspectral data processing (Hyperion and HyMap) in multispectral images using neural network algorithms achieved a score of 2.43 out of 4, indicating a 61% match with the geological map of the area.

Variant Title

Multispectral Data Classification of the Birjand Region Using Hyperion Data Processing Results

سنجش ‌از دور

ترکیب تصاویر

نسبت‌های باندی

طبقه‌بندی

امتیاز نرمال

Subject Term

سنجش ‌از دور، ترکیب تصاویر، نسبت‌های باندی، طبقه‌بندی، شبکه عصبی، مس پورفیری، آرژیلیک پیشرفته، امتیاز نرمال

Subject Term

Remote Sensing, Combine images, Band Ratios, Classification, Neural Network, Porphyry Copper, Advanced Argillic, Normalized Score

حبشی، جبار

Entry Element

محمدی اسکویی

Entry Element

جمشید مقدم

Part of Name Other than Entry Element

، مجید

Part of Name Other than Entry Element

، هادی

Relator Code

استاد راهنما

Relator Code

استاد مشاور

Entry Element

صنعتی سهند

Country

ایران

Agency

دانشگاه صنعتی سهند

Call Number

معدن، ۵۰۳۱۶، ۱۴۰۲

p

TF

92029

a

Y