قابلیت سنجی کارآمدی روش‌های ترکیب و تلفیق داده های رادار و اپتیک با هدف شناسایی مناطق دگرسانی

سنجش از دور اپتیک ، یک روش کم هزینه و کارآمد در شناسایی مناطق دگرسانی است. با این وجود در مناطق پوشیده از پوشش‌های گیاهی و رسوبات کواترنر، شناسایی این مناطق تنها توسط تصاویر اپتیک از دقت بالایی برخوردار نیست. به همین دلیل تلفیق داده‌های سنجنده اپتیکی aster و سنجنده میکروویو palsar با روش‌های hsv، hsl، بیشترین شباهت و شبکه عصبی فازی به منظور شناسایی دقیق‌تر زون‌های دگرسانی در غرب استان قزوین مورد توجه قرار گرفته است. بدین منظور ابتدا شناسایی دگرسانی‌های آرژیلیک و پروپیلیتیک توسط تصویر aster انجام گرفت. سپس بر اساس اطلاعات زمین‌شناسی و داده‌های میدانی جمع‌آوری شده، برخی از مناطق دارای دگرسانی‌های پوشیده شده رسوبات کواترنر، که توسط تصاویر aster قابل شناسایی نیستند، مشخص گردید. در ادامه تلفیق داده‌های باند lسنجنده palsar و باندهای مادون قرمز میانی سنجنده aster به روش‌های hsv، hsl، بیشترین شباهت و شبکه عصبی مصنوعی انجام گرفت. نتایج تحقیق نشان داد که تلفیق تصاویر رادار و اپتیک به روش‌های hsv و hsl باعث افزایش تفکیک‌پذیری مناطق دارای رخنمون دگرسانی آرژیلیک از سایر مناطق می‌شوند. همچنین ترکیب تصاویر رادار و اپتیک به روش‌های بیشترین شباهت و شبکه عصبی علاوه بر افزایش تفکیک‌پذیری زون‌های دگرسانی، باعث شناسایی بخشی از ذخایر پوشیده شده توسط رسوبات کواترنر می‌شوند

capability assessment for RADAR and OPTIC data fusion and integrating methods to identify alteration areas

Optical Remote Sensing is a lowcost and efficient method to alteration zone detection. However in the area that have been covered by vegetation or alluvial, the identification of these areas is not very accurate with optical images. In this study fusion and integrating of ALOSPALSAR Lband and ASTER data by HSV, HSL, Maximum Likelihood and Artificial Neural Network has been done to discover and enhance the Argilic and Propylitic Alteration zones over the west part of Qazvin province in IRAN. For this purpose, Argilic and Propylitic alterations were primary identified unseeing ASTER image. Then based on geological data and field study, some areas with alterations covered by quaternary sediments, not detectable by ASTER images, were identified. In the following, the integration of the ALOS PALSAR Lband data and the ASTER SWIR bands with HSV, HLS, Maximum Likelihood and Artificial Neural Network were performed. The results of this study showed that the radar and optics data fusion, using HSV and HLS methods, increases the enhancement of visible argillic alteration zones in the study area. Also, the integration of radar and optics data with the Maximum Likelihood and the Artificial Neural Network methods,