|
|
تهیه نقشه «گنبد نمکی جهانی» و مناطق متاثر از گنبد نمکی با استفاده از مدل شبکه عصبی مصنوعی و دادههای ماهواره لندست 8
|
|
|
|
|
نویسنده
|
کاوسی فرهاد ,رنگزن کاظم ,سامانی بابک ,صابری عظیم
|
منبع
|
پژوهش هاي ژئومورفولوژي كمي - 1400 - دوره : 10 - شماره : 3 - صفحه:57 -72
|
چکیده
|
از پدیده های مهم و قابل توجه در امر زمینشناسی میتوان به تشکیلات تبخیری از جمله گنبدهای نمکی اشاره کرد. تشکیلات تبخیری از جمله سازندهای زمینشناسی هستند که از نظر جغرافیایی دارای گسترش چشمگیری میباشند. گنبدهای نمکی و رسوبات مجاور آن نمونهای از یک محیط زمین شناسی پیچیده است. مطالعه آنها به خاطر ویژگیهای منحصر به فرد نمک از لحاظ تکتونیکی و سنگ شناسی، برهمکنش های قوی میان جریانهای حرکتی و حرارتی، وجود منابع مهم از لحاظ جنبه اقتصادی و تاثیرگذاری این حوزههای تبخیری در کیفیت منابع مناطق پیرامون گنبدهای نمکی از اهمیت شایانی در زمین شناسی، مدیریت و برنامهریزی منابع انسانی برخوردار است. فناوری سنجش از دور در سالهای اخیر نقش پررنگی در کسب اطلاعات از این پدیدههای منحصر به فرد بر عهده دارد. هدف از پژوهش استفاده از روش شبکه عصبی مصنوعی و تحلیل مولفههای اصلی(pca) برای طبقهبندی و تهیه نقشه گنبدنمکی جهانی و مناطق متاثر از گنبد نمکی با استفاده از تصاویر سنجندههای oli ماهواره لندست8، جهت تحلیل و بررسی از لحاظ پوشش و نوع کانیهای تشکیل دهنده آن میباشد. نتایج در هشت کلاس مجزا طبقهبندی شده نشانداده شد که کلاس ماسه نمک با 100 درصد صحت، رس، 96.05 درصد، گچ نمک 99.03 درصد، سنگ آهک 100 درصد، گیاهان 96.73 درصد، ماسه سنگ 94.67 درصد، صخره های نمکی 96.09 درصد، خاکهای گچی 93.58 درصد، شیل 86.73 طبقه بندی شدند. در این پژوهش روش شبکه عصبی به ترتیب با صحت کل 95.3501 درصد و ضریب کاپا 94.37 درصد عملکرد مناسبی در طبقهبندی، تهیه نقشه محدوده مورد مطالعه داشته است.
|
کلیدواژه
|
سنجش از دور، لندست8، گنبدنمکی، طبقهبندی، شبکه عصبی مصنوعی
|
آدرس
|
دانشگاه شهید چمران اهواز, دانشکده علوم زمین, گروه سنجش از دور و gis, ایران, دانشگاه شهید چمران اهواز, دانشکده علوم زمین, گروه سنجش از دور و gis, ایران, دانشگاه شهید چمران اهواز, دانشکده علوم زمین, گروه زمین شناسی, ایران, دانشگاه شهید چمران اهواز, دانشکده علوم زمین, گروه سنجش از دور و gis, ایران
|
|
|
|
|
|
|
|
|
|
|
remote sensing, landsat 8, salt dome, classification, artificial neural network
|
|
|
Authors
|
kavoosi farhad ,rangzan kazem ,babak samani babak ,saberi azim
|
Abstract
|
introductionat the present time, remote sensing can provide the opportunity for mapping lithology, mineralogy, altered rocks, and environmental pollution, and is a useful tool for acquiring basic information, particularly on a regional scale. significant phenomena in the field of geology are evapotranspiration, including salt domes. evaporative structures are geological formations that are geographically expansive. one of the important morphological phenomena associated with this evapotranspiration is the structural development of salt domes. salt domes the structures of geology are a dome of the shape formed by the movement of salt and its ascent in the diaphysmic mechanism. salt domes and adjacent sediments are examples of a complex geological environment. their study is due to the unique tectonic and lithological properties of salt, the existence of important resources in terms of the economic aspect and the effect of these evapotranspiration zones on the quality of resources around the salt domes is of great importance in geology, management, and human resource planning. remote sensing technology in recent years has taken a strong role in obtaining information from these unique phenomena.
|
|
|
|
|
|
|
|
|
|
|
|
|