[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 317
نرخ پذیرش: 63
نرخ رد: 37
میانگین داوری: 209 روز
میانگین انتشار: 347 روز
..
:: دوره 9، شماره 4 - ( 12-1400 ) ::
جلد 9 شماره 4 صفحات 85-63 برگشت به فهرست نسخه ها
نقشه‌برداری دگرسانی‌های مرتبط با کانسارهای مس پورفیری با استفاده از تصاویر چند طیفی استر بر مبنای یادگیری عمیق
احمد رجبی ، رضا شاه حسینی*
دانشگاه تهران
چکیده:   (2385 مشاهده)
یکی از کاربردهای سنجش از دور، بررسی نواحی دگرسانی و طبقه‏بندی آن‏ها است که یکی از سریعترین روش‏ها برای اکتشاف سامانه مس پورفیری، تعیین مرکز تجمع آن و جانمایی نقاط حفاری هستند. هدف از این تحقیق شناسایی دگرسانی‏های آرژیلیک، فیلیک و پروپیلیتیک (مرتبط با سامانه) در محدوده‏‏های اکتشافی با ابعاد کوچک و تعیین محدوده تجمع مس پورفیری است. در این راستا، یک الگوریتم برمینای شبکه‏های عصبی‏ کانولوشنی عمیق طراحی شد. در الگوریتم پیشنهادی ابتدا پیش‏پردازش‏‏‏‏‏‏هایی نظیر تصحیح و ترمیم هندسی و طیفی و تقویت داده‏های آموزشی برای آماده‏سازی داده‏های مادون قرمز طول موج کوتاه (SWIR) و رنگی (RGB) سنجنده استر (ASTER) برای ورود به شبکه انجام شد. شبکه عصبی‏ کانوولوشنی (CNN) پیشنهادی دارای ساختاری کدگذار-کدگشا می‏باشد که در مرحله کدگذاری ویژگی‏های مختلف و کارآمد در مقیاس‏های متفاوت استخراج شده و در مرحله کدگشایی ویژگی‏های تولید شده برای تخمین مناطق دگرسانی با یکدیگر تلفیق می‏گردند. سپس شبکه مورد نظر برای تصاویر محدوده اکتشافی مورد مطالعه به نام "دهانه گمرکان" واقع در شهرستان جیرفت اجرا شده و مناطق دگرسانی منطقه استخراج شد. برای ارزیابی میدانی نتایج بدست آمده از روش سنگ‏‏شناسی و ژئوشیمیایی روی 84 نمونه استفاده شد. با ادغام نتایج شبکه و استخراج ساختار هندسی دگرسانی‏ها، مکان آن روی نقشه درونیابی عیاری مس و طلای منطقه جانمایی شد. در نتیجه، شناسایی دگرسانی‏های منطقه با دقت آماری پارامترحساسیت: 0.943 ، امتیاز F1: 0.472 ، شاخص اشتراک روی اجتماع (IoU): 0.896 و دقت تشخیص سنگ92 درصد و میانگین عیاری مس بالای 4 درصد در منطقه مورد مطالعه، انجام شد. بر اساس محل حلقه‏های دگرسانی‏های شناسایی شده، نقشه ترانشه‏‏های حفاری جهت استخراج مواد معدنی بدست آمد.
واژه‌های کلیدی: کانسار مس پورفیری، ساختارهای هندسی، دگرسانی، سنجش‌ازدور، یادگیری عمیق
متن کامل [PDF 3233 kb]   (1123 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: 1400/6/11 | پذیرش: 1400/11/30 | انتشار الکترونیک پیش از انتشار نهایی: 1400/12/1 | انتشار: 1400/12/16
فهرست منابع
1. [1] J. D. Lowell, J. M. Guilbert, "Lateral and vertical alteration-mineralization zoning in porphyry ore deposits". Economic Geology, 65 (4), 373-408,1970. [DOI:10.2113/gsecongeo.65.4.373]
2. [2] H. Ranjbar, M. Honarmand & Z. Moezifar, "Application of the Crosta technique for porphyry copper alteration mapping, using ETM data in the southern part of the Iranian volcanic sedimentary belt". Journal of Asian Earth Sciences, 24: 237-243, 2004. [DOI:10.1016/j.jseaes.2003.11.001]
3. [3] M. H. Tangestani, N. Mazhari, B. Agar, F. Moore, "Evaluating Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) data for alteration zone enhancement in a semiarid area, northern Shahr-e-Babak, SE Iran". International Journal of Remote Sensing . 29: 2833-2850, 2008. [DOI:10.1080/01431160701422239]
4. [4] M. H. Tangestani, "Abundance and spatial distribution of clay minerals fraction detected using sub-pixel classification data mining Esther Abade independence". Journal of Economic Geology, Volume 2, Issue 1, Pages 39-49, 2010.
5. [5] S. Salati, "Lithological mapping and fuzzy set theory: Automated extraction of lithological boundary from ASTER imagery by template matching and spatial accuracy assessment". International Journal of Applied Earth Observation and Geoinformation 13, 753-765, 2011. [DOI:10.1016/j.jag.2011.05.004]
6. [6] A. Beiranvand Pour, H. Mazlan, "The application of ASTER remote sensing data to porphyry copper and epithermal gold deposits", Ore Geology Reviews 44, 1-9,2012. [DOI:10.1016/j.oregeorev.2011.09.009]
7. [7] S. S. Matar and A.O. Bamousa, "Integration of the ASTER thermal infra-red bands imageries with geological map of Jabal Al Hasir area, Asir Terrane, the Arabian Shield". Journal of Taibah University for Science, 7 (1), 1-7. doi:10.1016/j.jtusci.2013.01.001. 2013. [DOI:10.1016/j.jtusci.2013.01.001]
8. [8] H. Moghaddam, M. Oskouei, H. Zekri, "Application of Hyperion data to classify ASTER image for mineral detection in Lahroud, Iran". Iranian Journal of Mining Engineering, 9(25), 97-108, 2015.
9. [9] F. D. Boissieua, B. Sevinb, T. Cudahyc, M. Mangeasa, S. Chevreld, C. Ongc, A. Rodgerc, P. Maurizotb, C. Laukampc, I. Lauc, T. Touraivanee, D. Cluzele, M. Despinoy, "Regolith-geology mapping with support vector machine: A case study over weathered Ni-bearing peridotites, New Caledonia". Int. J. Appl. Earth Observ.Geoinform, 64, 377-385, 2017. [DOI:10.1016/j.jag.2017.05.012]
10. [10] M. Keykhay-Hosseinpoor, A. H. Kohsari, A. Hossein-Morshedy, A. Porwal, "A machine learning-based approach to exploration targeting of porphyry Cu-Au deposits in the Dehsalm district, eastern Iran". Ore Geology Reviews, 116(2020): 103234, 2020. [DOI:10.1016/j.oregeorev.2019.103234]
11. [11] S. D. Khan, K. Mahmood, "The application of remote sensing techniques to the study of ophiolites". Earth-Science Reviews, 89, 135-143, 2008. [DOI:10.1016/j.earscirev.2008.04.004]
12. [12] S. Yousefifar, B. Rashidi, "Introducing Dali Cu-Au deposit as the first type of diorite porphyry deposit in central Iran". 34th International Geological Congress,2009.
13. [13] B. K. Bhadra, S. Pathak, G. Karunakar, "ASTER Data Analysis for Mineral Potential Mapping Around Sawar-Malpura Area, Central Rajasthan". J Indian Soc Remote Sens 41, 391-404, 2013. [DOI:10.1007/s12524-012-0237-0]
14. [14] M. Hosseinjani Zadeha, M. H. Tangestani, F. V. Roldan, I. Yustac, "Spectral characteristics of minerals in alteration zones associated with porphyry copper deposits in the middle part of Kerman copper belt, SE Iran". Ore Geology Reviews, 62, 191-198, 2014. [DOI:10.1016/j.oregeorev.2014.03.013]
15. [15] M. Hosseinjani Zadeh, M. Honarmand, "A remote sensingbased discrimination of high- and low-potential mineralization for porphyry copper deposits; a case study from Dehaj-Sarduiyeh copper belt, SE Iran". European Journal of Remote Sensing, 50:1, 332-342, 2017. [DOI:10.1080/22797254.2017.1328646]
16. [16] A. B. Pour, M. Hashim, "Application of Landsat-8 and ALOS-2 data for structural and landslide hazard mapping in Kelantan, Malaysia, Nat". Hazards Earth Syst, Sci, 17, 1285-1303, 2017. [DOI:10.5194/nhess-17-1285-2017]
17. [17] H. Fereydooni, S. Mojeddifar, "A directed matched filtering algorithm (DMF) for discriminating hydrothermal alteration zones using the ASTER remote sensing data". International Journal of Applied Earth Observation and Geoinformation, 61, 1-13, 2017. [DOI:10.1016/j.jag.2017.04.010]
18. [18] A. Shirazi, A. Shirazy, J. Karami, "Remote Sensing to Identify Copper Alterations and Promising Regions, Sarbishe, South Khorasan, Iran". International Journal of Geology and Earth Sciences, 4, 36-52, 2018.
19. [19] N. Rani, T. Singh, V.R. Mandla, "Mapping hydrothermal alteration zone through aster data in Gadag Schist Belt of Western Dharwar Craton of Karnataka, India". Environ Earth Sci 79, 526, 2020. [DOI:10.1007/s12665-020-09269-9]
20. [20] S. L. Phung, and A. Bouzerdoum, "MATLAB Library for Convolutional Neural Networks, Technical Report‖". Visual and Audio Signal Processing Lab, University of Wollongong, 2009.
21. [21] Y. LeCun, Y. Bengio, and G. Hinton, "Deeplearning". Nature, vol. 521, pp. 436-444,2015. [DOI:10.1038/nature14539]
22. [22] S. Ioffe and C. Szegedy, "Batch normalization: Accelerating deep network training by reducing internal covariate shift", arXiv preprint arXiv:1502.03167,2015.
23. [23] S. Wager, S. Wang, and P. S. Liang, "Dropout training as adaptive regularization", Advances in neural information processing systems, pp. 351-359, 2013.
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rajabi A, Shahhoseini R. Mapping Alterations associated with Porphyry Copper Ores using ASTER Multispectral Imaging Based on Deep Learning. jgit 2022; 9 (4) :63-85
URL: http://jgit.kntu.ac.ir/article-1-852-fa.html

رجبی احمد، شاه حسینی رضا. نقشه‌برداری دگرسانی‌های مرتبط با کانسارهای مس پورفیری با استفاده از تصاویر چند طیفی استر بر مبنای یادگیری عمیق. مهندسی فناوری اطلاعات مکانی. 1400; 9 (4) :63-85

URL: http://jgit.kntu.ac.ir/article-1-852-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 9، شماره 4 - ( 12-1400 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4660