ارزیابی قابلیت داده‌های msi سنتینل2 و oli لندست‌ 8 در تفکیک واحدهای سنگی‌ و کانی‌های دگرسان منطقه کانسار فسفات اسفوردی، ایران مرکزی

سنجنده‌های دوقلوی msi سنتینل‌2، از لحاظ توان تفکیک مکانی، شباهت بسیاری به سنجنده oli لندست 8 دارند که آژانس فضایی اروپا، با هدف افزایش داده‌های ادامه‌دار برای پایش سطح زمین، آنها را به فضا پرتاب کرد. در این مطالعه، قابلیت این داده‌ها در تفکیک واحدهای سنگی و دگرسانی، در محدوده کانسار فسفات اسفوردی، ارزیابی و با داده‌های لندست 8 و لندست 8 تلفیق‌شده، مقایسه شد. برای بارزکردن واحدهای سنگی منطقه، از روش بسط عدم همبستگی استفاده شد. به‌منظور مقایسه‌های آماری، واحدهای سنگی با استفاده از اجرای روش ماشین بردار پشتیبان و جنگل تصادفی روی دسته داده‌ها، رده‌بندی و صحت آنها با استفاده از ماتریس آشفتگی بررسی شد. علاوه‌بر آن، نسبت‌های باندی متناظر با آنچه درمورد سنجنده لندست 5 tm تعریف شده است، برای آشکارسازی نواحی دگرسان‌شده در منطقه، روی هر سه دسته داده اجرا و مساحت‌ پهنه‌های بارزشده محاسبه و مقایسه شد. همچنین، نمودارهای پراکندگی برای تصاویر نسبت باندی تولیدشده تهیه شد. داده‌های msi، در رده‌بندی ماشین بردار پشتیبان و جنگل تصادفی، صحت کلی و ضریب کاپای بیشتری را در مقایسه با دو دسته داده‌ دیگر نشان دادند. نتایج نسبت باندی نیز نشان داد که داده‌های msi و oli تلفیق‌شده بیشترین همبستگی و مشابهت را به هم دارند. این مطالعه مشخص کرد که استفاده از داده‌های msi در تهیه نقشه‌های سنگ‌شناختی و کانی‌شناختی، مطلوب‌تر از داده‌های oli است. همچنین استفاده از داده‌های oli تلفیق‌شده، در تاریخ‌هایی که تصاویر msi در دسترس نیست، و یا برای تهیه نقشه‌های زمین شناسی پیوسته در مقیاس‌های قاره‌ای، به‌همراه داده‌های msi کارآمد است.

The Capability of Sentinel2 MSI and Landsat8 OLI Data for Discrimination of Lithological Units and Alteration Minerals of Esfordi Phosphate Deposit Area, Central Iran

Twin Sentinel2 MSI sensors are spatially like the Landsat8 OLI super spectral instrument, aiming to additional data continuity for land surface monitoring were launched by European Space Agency. In this paper, the potential of these data was evaluated for discrimination of lithological units and alterations in the Esfordi phosphate deposit area and was compared with OLI and fused OLI data. Decorrelation stretch method was used for enhancing the lithological units of the study area, and all of the 3 datasets acceptably discriminated the rock units. Among these, MSI data could produce the lithological map with high resolution and highest level of reality owing to its high spatial resolution. For statistical comparison, Support Vector Machine and Random Forest methods were applied on datasets for classification of the lithological units and their accuracy was assessed using confusion matrices. Furthermore, the corresponding band ratios to which were defined for Landsat5 TM, were applied on datasets for detecting the altered areas. Then the areas of each highlighted alteration zones were estimated for comparison. Furthermore, the scatterplots of band ratio images were prepared. MSI dataset revealed the highest overall accuracy and Kappa coefficient in Support Vector Machine and Random Forest classification. Also, the results of band ratioing showed that MSI and fused OLI data have the most correlation and similarities. This study demonstrated that MSI data are more optimal than OLI data for lithological and alteration mapping. Also, using fused OLI data in dates which there is no MSI data acquisition or for producing seamless geological maps in continental scale besides to MSI data, is efficient.