جداسازی طیفی داده‌های هایپریون با هدف تشخیص کانی‌های شاخص منطقه خوی با استفاده از یک روش دوخطی

مهم‌ترین هدف از مطالعه تصاویر ابرطیفی، استخراج امضاهای طیفی عناصر تشکیل‌دهنده پیکسل‌های تصویر (اعضای انتهایی) و تخمین فراوانی آن‌ها است. در مدل‌های خطی اختلاط طیف انعکاسی سطح به عنوان یک ترکیب خطی از طیف‌های اعضای انتهایی در نظر گرفته می‌شود. در شرایطی که اختلاط داخلی نیز مهم است، مدل خطی جوابگو نبوده و باید از الگوریتم‌های غیر‌خطی استفاده کرد. روشی که در این تحقیق به کار گرفته شد، تعمیم و بهبود یافته مدل‌های دوخطی ناسیمنتو و فان است که با عنوان مدل اختلاط دوخطی تعمیم یافته (bpogm) شناخته می‌شود. هدف از این مطالعه، بکارگیری و ارزیابی این روش در مواجهه با داده‌های با اختلاط بالا و حجم داده زیاد است. بنابراین، داده‌های به کار گرفته شده در این تحقیق، داده‌های ابرطیفی هایپریون مربوط به منطقه خوی است که شاخص های معدنی و کانیایی خوبی در منطقه دارد. ابتدا طیف‌های خالص موجود به وسیله روش n-findr که سازگاری خوبی با مدل‌های دوخطی دارد، استخراج شد. علاوه بر سازگاری خوب روش n-finder، نسبت به روش اندیس خلوص پیکسلی که در جداسازی خطی استفاده می‌شود، دارای قدرت بیشتری در استخراج اعضای انتهایی است. به این ترتیب، کانی استیلبیت (نماینده گروه زئولیت‌ها)، ورمیکولیت (نماینده گروه میکا)، سرپانتین (نماینده اولیوین‌های هارزبورژیت و سنگ‌های اولترامافیک سرپانتینی شده)، کلریت (نماینده گروه کلریت) و کوارتز شناسایی شد. سپس با استفاده از روش bpogm که روش حلی برای مدل دوخطی gbm است، فراوانی هر عضو انتهایی محاسبه شد و نقشه فراوانی به دست آمد. نتایجی که از روش غیرخطی بدست آمد، انطباق خوبی با نقشه زمین‌شناسی منطقه بر اساس تفسیرهای کانی‌شناسی رخساره‌های سنگ‌شناسی (میانگین صحت 78/25) داشت که در این مرحله از کارهای اکتشافی کاملا قابل قبول است.

spectral unmixing of hyperion data to identify the indicator minerals of khoy region using a bilinear method

the hyperspectral images are studied to extract the spectral signatures of the elements that comprise the image pixels (end members) and estimate their frequency. the surface reflectance spectrum is considered a linear combination of endmember spectra in linear mixing models. when internal mixing is also important, the linear model is not the answer, and non-linear algorithms should be used. the method used in this research is the generalization and improvement of nascimento and fan’s bilinear models, known as the generalized bilinear mixing model (bpogm). this study aims to apply and evaluate this method in the face of data with high mixing and large volumes. therefore, the data used in this research are hyperion data of khoi region, which has good mineral and mineralogical indicators. first, the available pure spectra were extracted using the n-findr method. in addition to the excellent compatibility of the n-finder method, it has more ability to extract endmembers than the pixel purity index method used in linear separation. in this way, stilbite mineral (representative of zeolite group), vermiculite (representative of mica group), serpentine (representative of olivines of harzburgite and serpentinized ultramafic rocks), chlorite (representative of chlorite group), and quartz were identified. then, using the bpogm method, which is a solution method for the bilinear gbm model, the frequency of each end member was calculated, and the distribution map was obtained. the results of the non-linear method comply well with the geological map of the region based on mineralogical interpretations of the lithological facies (average accuracy of 78.25), which is completely acceptable at this stage of exploration work.