ترکیب و ادغام داده های چند طیفی و راداری به منظور شناسایی بهتر سیماهای زمین‌شناسی

امروزه با بکارگیری روش های متنوع پردازش تصویر، امکان بررسی بخش عمده ای از ویژگی های زمین شناختی مانند نوع لیتولوژی، دگرسانی گرمابی، زمین لغزش، ساختارهای زمین‌شناسی و غیره، وجود دارد. هر کدام از ویژگی های زمین شناختی را می توان با بهره گیری از یک یا ترکیب چند دسته داده ماهواره ای بررسی کرد. برای شناسایی سنگ‌ها بیش‌تر ازویژگی‌های طیفی استفاده می‌شود. اما ویژگی بافتی سنگ‌ها نیز اهمیت خاصی دارد که داده‌های راداری در اختیار می‌گذارند. در این مقاله سعی شده است با تلفیق داده های چندطیفی و راداری روشی برای بهبود تهیه نقشه زمین‌شناسی ارایه شود. به‌همین منظور با به‌کارگیری دو روش ترکیب داده مبتنی بر ihs و کنارهم گذاری داده ها، تصاویر طیفی سنجنده های استر و لندست هفت با داده های پلاریزه سنجنده alos (مربوط به بخشی از ناحیۀ معدنی کمربند مس کرمان) ترکیب شدند. اطلاعات راداری مربوط به پلاریزاسیون های مختلف در یک باند جدید به‌روش برآیندگیری متمرکز و سپس با داده‌های چند طیفی ترکیب شده است. نتایج ترکیب این دو نوع داده ماهواره‌ای نشان داده است که بارزسازی گسل ها، دایک ها، دگرسانی گرمابی و تفکیک لیتولوژی بهتر از زمانی است که تنها از داده‌های چندطیفی استفاده می‌شود.

combining and fusion of multispectral and radar data for better identification of geological features

remote sensing techniques allow scientists to study many parameters and features of the earth’s surface such as geologic units, hydrothermal alterations, landslide, geologic structures, etc. it is possible to study every geologic parameter using single or multi dataset. spectral features of the earth’s surface are mainly used to investigate rock units, while rock textures are important parameters which are investigated using radar images. in this paper it was tried to find out a way to improve geologic mapping based on multi-spectral and radar data fusion. a part of kerman copper belt (kcb) was selected to evaluate the efficiency of aster, etm+ and alos data fusion using two methods (layer stacking and pca and ihs transform). two polarized alos images were integrated to a new layer (with more information) using resultant vector method and injected to multi-spectral dataset. results of both methods confirmed the ability of multi-spectral and radar data fusion to improve the detection of faults, dykes, hydrothermal alterations and geologic units discrimination in comparison with the multi-spectral data alone.