مقایسه الگوریتم‌های ماشین برداری پشتیبان و نقشه‌بردار زاویه طیفی در جداسازی دگرسانی‌های منطقه پاریز، استان کرمان

یکی از روش‌های اکتشاف منابع معدنی، استفاده از نقشه‌های پتانسیل کانی‌زایی است، این نقشه‌ها عمدتا با استفاده از تلفیق نقشه‌های نشانگر حاصل از داده‌های سنجش از دور، ژئوشیمی و ژئوفیزیک تهیه می‌‌شوند. نقشه‌های نشانگر حاصل از داده‌های سنجش از دور عمدتا با توجه به پراکندگی دگرسانی‌های موجود در منطقه تهیه می‌شوند، به همین دلیل مشخص کردن نوع و پراکندگی دگرسانی‌های موجود در منطقه نقش مهمی را در تهیه نقشه‌های پتانسیل کانی‌زایی ایفا می‌کند و با توجه به استفاده روز­افزون ذخایر مس پورفیری در صنعت و همچنین اهمیت مناطق دگرسانی مرتبط با کانسارهای پورفیری در اکتشاف این تیپ از کانسارها، در این مطالعه به بررسی روش‌های نقشه‌برداری و تفکیک مناطق دگرسانی با استفاده از الگوریتم‌های ماشین برداری پشتیبان و نقشه‌بردار زاویه طیفی در ذخایر مس پورفیری پرداخته شد. تفکیک مناطق دگرسانی در ذخیره‌های معدنی با توجه به مقایسه بین نمودار طیفی آزمایشگاهی کانی‌های مشخصه مناطق دگرسانی، با نمودار طیفی آن‌ها که از تصاویر سنجنده‌ها به دست آمده است، انجام می‌شود. در این مطالعه از اطلاعات سنجنده استر برای کلاسه‌بندی و جداسازی مناطق دگرسانی استفاده شده است که پس از انجام پیش‌پردازش‌ها بر روی اطلاعات و تصاویر سنجنده، از روش‌های نسبت باندی و آنالیز مولفه‌های اصلی برای نمایش و مشخص کردن مناطق دگرسانی استفاده و بعد از مشخص کردن مناطق دگرسانی، از الگوریتم‌های ماشین برداری پشتیبان و نقشه‌بردار زاویه طیفی برای جداسازی و طبقه‌بندی مناطق دگرسانی استفاده شد. از نتایج مربوط به روش نسبت ‌باندی برای آموزش و طبقه‌بندی الگوریتم‌های ماشین برداری پشتیبان با تابع هسته پایه شعاعی و الگوریتم نقشه‌بردار زاویه طیفی استفاده شد، سپس برای مقایسه دو مدل و طبقه‌بندهای انجام شده با الگوریتم‌ها، از نتایج روش آنالیز مولفه‌های اصلی استفاده شد. مقایسه انجام شده بین مدل‌های ماشین برداری پشتیبان و نقشه‌بردار زاویه طیفی نشان داد که مدل تهیه شده با الگوریتم نقشه بردار زاویه طیفی دارای میزان مشابهت 89 درصد و الگوریتم ماشین برداری پشتیبان دارای میزان شباهت 81 درصد است. در نهایت با توجه به نتایج به دست آمده، برای تهیه نقشه‌های نشانگر حاصل از دگرسانی‌های پروپلیتیک و آرژیلیک از مناطق مشخص شده به وسیله الگوریتم ماشین برداری پشتیبان و برای تهیه نقشه نشانگر حاصل از دگرسانی فیلیک از مناطق مشخص شده با الگوریتم نقشه‌بردار زاویه طیفی استفاده شد.

Comparison of support vector machines and spectral angle mapper algorithms for Alteration mapping in Pariz area, Kerman province

Exploration of mineral resources by using remote sensing techniques is done in different ways. One way is to use alteration mapping. In this study, Spectral angle mapper and Support vector machine algorithms were used to separate alterations of porphyry copper deposit. ASTER is an advanced multispectral imager that covers a wide spectral region from the visible to the thermal infrared with high spatial, spectral and radiometric resolution. In this study Aster data and spectral angle mapper and support vector machine algorithms were used to classify the alteration zones. The support vector machine (SVM) is a supervised classification increasingly used in geological mapping. It aims to assign the pixels of the image to classes through an optimal hyperplane and separating them, so that the margin between the two classes becomes maximal. Band ratio and principal component methods used to highlight the alteration zones. Th results of the band ratio method were used as training data and the result of principal component analysis were used as testing data . The similarities of support vector machine and spectral angle mapper algorithm with principal component analysis results are equal to 81% and 89%, respectively.