ارایه رویکرد قطعه‌بندی فازی- آماری تصاویر ماهواره سنتینل 2 با هدف مشخص کردن آلودگی معدنی زغال‌سنگ در محدوده دامغان

تصاویر ماهواره‌ای و عکس‌های هوایی ابزار مهمی در پروژه‌های اکتشاف مواد معدنی، بررسی‌های زیست محیطی و پایش آلودگی‌اند. از آن‌ها می‌توان به روش‌های مختلفی استفاده کرد زیرا دسترسی زمین‌شناسان و دیگر متخصصان را به مسیرها، جاده‌ها، مناطق صعب‌العبور و مناطق مسکونی فراهم می‌کنند. همچنین این تصاویر برای نقشه‌برداری معدن و دسترسی بالقوه به مناطق اکتشافی و در نظر گرفتن تاثیرات زیست‌محیطی یک پروژه، گام بزرگی است. تصاویر ماهواره‌‌های سنتینل به دلیل باندهای فرکانسی متعددی که ماهواره برداشت می‌کند و به زمین‌شناسان، دانشمندان و متخصصان امکان تفسیر طول موج هایی را می‌دهد که توسط چشم انسان قابل مشاهده نیستند، بسیار مفید است. خاک به عنوان یک منبع ارزشمندِ تولید منابع غذایی در طبیعت محسوب می‌شود و پایش آلودگی آن هنگام فعالیت‌های معدنی بسیار مهم است. به دلیل مشکلات و هزینه‌های روش‌های سنتی مانند زمین‌آمار و ژئوفیزیک و با توجه به پتانسیل بالای فناوری سنجش از دور و داده‌‌های ماهوار‌ه‌ای چندطیفی این امکان فراهم است تا ویژگی‌های خاک و آلودگی آن را در سطح وسیع‌تر، با هزینه و زمان کمتر برآورد شود. با توجه به توضیحات فوق در این تحقیق از تصاویر ماهواره سنتینل 2 برای تهیه نقشه آلودگی سطحی و فیزیکی معدن زغال‌سنگ در منطقه دامغان، استفاده شده است. روش استفاده شده در این تحقیق ترکیب گرادیان سوبل و خوشه‌بندی فازی با توجه به قابلیت‌های عملگر گرادیان در نشان دادن مرزهای تغییرات و خوشه‌بندی فازی در دسته‌بندی مرزها بوده است. نتایج بدست آمده نشان داد، روش پیشنهادی می‌تواند با خطای حدود ده متر، مرزهای مناطق آلوده و سایر قسمت‌های منطقه را از یکدیگر تفکیک کند.

a fuzzy-statistical segmentation of sentinel 2 satellite images to determine the mineral pollution of coal in damghan

human activities, such as mining, constructing highways, and building infrastructures like dams and industrial facilities, have caused significant damage to many natural ecosystems. in addition to disrupting the balance of these ecosystems, some of these activities have led to considerable pollution. traditional methods, such as geostatistics and geophysics, while helpful info helpful in identifying contaminated areas and measuring the extent of pollution, are often costly, time-consuming, and come with helpful in identifying areas and measuring the extent of pollution, are often expensive, time-consuming and come with various limitations. to address these limitations, remote sensing data can provide an effective solution. the foundation of remote sensing lies in the spectral frequencies or images captured through satellite or drone equipment. remote sensing data processing methods for identifying the type and estimating the extent of soil contamination fall into three main categories: physical models, mathematical models, and physics-based mathematical models. given the various challenges associated with remote sensing of pollution in mining areas and their surroundings and the limited research conducted—particularly in iran—this study addresses a critical important important important necessary conducted undertaken—particularly in iran—this study addresses the essential gap. iran hosts numerous mining sites in or near critical environmental ecosystems, making pollution management in these areas a pressing issue. this research proposes a method combining fuzzy clustering and edge-based features to identify surface and physical soil contamination caused by mining activities and coal-washing waste from the eastern alborz coal preparation plant. this approach uses sentinel-2 satellite imagery at a 1:100,000 scale for the studied mining area. the study focuses on the eastern alborz coal mining region in semnan province, iran. this area lies 140 kilometers from the provincial capital, 25 kilometers northeast of damghan, and 75 kilometers from shahroud.