علی صادقی؛ علی درویشی؛ عطاالله عبدالهی؛ سید کاظم علوی پناه؛ سعید حمزه
چکیده
در مطالعات زمین‌شناسی و کانی‌شناسی، وجود پوشش گیاهی سالم و خشک در پیکسل‌های حاوی اطلاعات طیفی اجتناب‌ناپذیر است. بنابراین، بازیابی اطلاعات در حد زیرپیکسل، مانند برآورد میزان حضور یک کانی در یک پیکسل از تصاویر سنجش از دور ابرطیفی، مسئله‌ای مهم محسوب می‌شود. در این پژوهش، روش عمق پیوستار اصلاح‌شدة اثر پوشش گیاهی (VCCD)، برای کاهش ...
بیشتر
در مطالعات زمین‌شناسی و کانی‌شناسی، وجود پوشش گیاهی سالم و خشک در پیکسل‌های حاوی اطلاعات طیفی اجتناب‌ناپذیر است. بنابراین، بازیابی اطلاعات در حد زیرپیکسل، مانند برآورد میزان حضور یک کانی در یک پیکسل از تصاویر سنجش از دور ابرطیفی، مسئله‌ای مهم محسوب می‌شود. در این پژوهش، روش عمق پیوستار اصلاح‌شدة اثر پوشش گیاهی (VCCD)، برای کاهش اثر پوشش گیاهی سالم و خشک در تخمین میزان کانی‌های هدف، با استفاده از داده‌های طیف‌سنجی، آزمایشگاهی کانی‌شناسی و تصاویر هایپریون (Hyperion) اصلاح و در منطقة اوغلانسر در شمال‌غرب ایران مورد صحت‌سنجی قرار گرفت. تخمین پوشش گیاهی سالم و خشک در سطح پیکسل، به‌ترتیب، با شاخص SAVI و عمق عارضة جذبی در ۲۱۰۲ نانومتر انجام شد. اصلاح عمق حذف‌پیوستارشده (CRBD)، با روش VCCD، تا آستانة حداکثری حضور پوشش گیاهی سالم برابر با ۶۰ و برای گیاه خشک در بازة 60-56 و ترکیب گیاه سالم و خشک در بازة ۷6-۷2% امکان‌پذیر است. تأثیر وجود نویزهای تصادفی و تغییر نوع پوشش گیاهی در عملکرد روش اصلاح‌شده بررسی شد و نتایج نشان داد که روش VCCD توسعه‌یافته، در مقایسه با وجود نویزهای تصادفی در طیف‌ها و تغییر نوع پوشش گیاهی، حساسیت بیشتری ندارد. بعد از اصلاح ضرایب مدل و پس از تأیید کارآیی آن، روش پیشنهادی برای اصلاح CRBD و کاهش اثر پوشش گیاهی، روی تصویر Hyperion، اجرا شد. طبق نتایج، حضور پوشش گیاهی سالم و خشک در کانی‌های کائولینیت و مسکویت منجر به تخمین کمتر از مقدار واقعی می‌شود. میزان بهبود در صحت برآورد کانی با اعمال روش VCCD درمورد کانی‌های کائولینیت و مسکویت، به‌ترتیب، معادل 0.25 و 0.13 ضریب تعیین و میزان خطا 0.0108 و 0.0125 است.
