[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 7، شماره 3 - ( 9-1398 ) ::
جلد 7 شماره 3 صفحات 137-157 برگشت به فهرست نسخه ها
جدایش سازندهای زمین‌شناسی بر اساس مورفولوژی آنها با استفاده از تصاویر SAR و پیاده‌سازی هندسه فرکتالی در مدل پس‌پراکندگی IEM (مطالعه موردی: کمربند کوهزایی زاگرس)
علی غفوری، جلال امینی، مجتبی دهملائیان، محمدعلی کاووسی
دانشگاه تهران
چکیده:   (275 مشاهده)
تمایز مورفولوژیک سازندهای زمین‌شناسی فرآیند تکمیلی در طی مراحل به نقشه درآوردن سازندهای زمین‌شناسی است که نیازمند انجام بازدیدهای میدانی توأم با اتلاف هزینه و زمان قابل توجه است. به‌علاوه، باتوجه به پرتگاه‌های گسلی و نقاط صعب العبور، امکان عملیات صحرایی برای بازدید همه نواحی در محدوده یک نقشه زمین‌شناسی وجود ندارد. سنجش از دور مایکروویو یا رادار، از طریق تصاویر رادار روزنه مصنوعی (SAR) قابلیت فراهم نمودن اطلاعات مورفولوژی و شناسایی و جدایش واحدهای زمین‌شناسی بر اساس بافت سنگ شناسی را داراست. برای این منظور لازم است پس‌پراکندگی سیگنال راداری از سطح مورد مدلسازی واقع شود. مدل معادله انتگرالی (IEM) رایجترین و پرکاربردترین مدل از این حیث به شمار می‌رود که زبری سطح را با استفاده از پارامتر آماری جذر متوسط مربع ارتفاعی زبری (RMS-height) محاسبه می نماید. حال آنکه این پارامتر به اندازه کافی میزان زبری سطح را اندازه‌گیری نمی نماید، چرا که زبری را صرفاً در راستای قائم اندازه‌گیری می کند و پراکندگی زبری در سطح را در اختیار نمی‌گذارد. لذا در این مقاله از طریق محاسبه ورودی‌های هندسی مدل IEM با استفاده از دو پارامتر فرکتالی، میزان تشخیص مورفولوژی سطح ارتقاء یافته است. برای این منظور نقشه زبری سطح از روش پیشنهادی برای تاقدیس اناران (واقع در استان ایلام) با استفاده از تصاویر ALOS-PALSAR وTerraSAR  محاسبه شد. اندازه‌گیری میدانی زبری سطح در سه سایت که هرکدام لیتولوژیهای اصلی منطقه مورد مطالعه را داشتند، بوسیله دوربین توتال استیشن انجام پذیرفت. در مقایسه نقشه واقعیتهای زمینی عملیات میدانی با نقشه زبری سطح محاسبه شده با استفاده از پارامترهای هندسه فرکتالی در محاسبه مدل IEM، مشخص شد متوسط انحراف معیار برآورد جذر متوسط مربع ارتفاعی زبری و ضریب پس‌پراکندگی در مقایسه با روش IEM کلاسیک بیش از 10% کاهش یافته است. همچنین بر اساس نتایج ارزیابی ماتریس تطابق، صحت و دقت نقشه‌های تهیه شده با روش پیشنهادی بیش از 80% می‌باشد. علاوه بر این، در این مقاله مقایسه‌ای میان نتایج بدست آمده با مقاله دیگری از نویسندگان همین مقاله صورت پذیرفته است که برتری 10 تا 15 درصدی روش این مقاله را نشان می‌دهد.
واژه‌های کلیدی: نقشه‌های زمین شناسی، رادار روزنه مصنوعی، مدل معادله انتگرالی.
متن کامل [PDF 2209 kb]   (74 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: ۱۳۹۶/۹/۲۹ | پذیرش: ۱۳۹۷/۱۰/۱۶ | انتشار: ۱۳۹۸/۹/۳۰
فهرست منابع
1. [1] Z. Li et al., "A review on the geological applications of hyperspectral remote sensing technology," in Hyperspectral Image and Signal Processing: Evolution in Remote Sensing (WHISPERS), 2012 4th Workshop on, 2012, pp. 1-4.
2. [2] A. Ghafouri, "Top-Geological Formations Surface RoughnessModeling in SAR Image," Geomatics Engineering, School of Surveying and Geospatial Engineering, Faculty of Engineering, University of Tehran, Iran, PhD. Thesis, 2017.
3. [3] F. K. Lutgens, ESSENTIALS OF GEOLOGY/FREDERICK LUTGENS, EDWARD J. TARBUCK. 2006.
4. [4] C. Du, F. Yang, X. Xu, X. Xu, and M. Peng, "Coal mine geological hazardous body detection using surface ground penetrating radar velocity tomography," in Ground Penetrating Radar (GPR), 2014 15th International Conference on, 2014, pp. 339-344: IEEE.
5. [5] N. E. Verhoest, H. Lievens, W. Wagner, J. Álvarez-Mozos, M. S. Moran, and F. Mattia, "On the soil roughness parameterization problem in soil moisture retrieval of bare surfaces from synthetic aperture radar," Sensors, vol. 8, no. 7, pp. 4213-4248, 2008. [DOI:10.3390/s8074213]
6. [6] A. Ghafouri, J. Amini, M. Dehmollaian, and M. Kavoosi, "Random Fractals Geometry in Surface Roughness Modeling of Geological Formations using Synthetic Aperture Radar Images," Journal of Geomatics Science And Technology, Iranian Society for Surveying & Geomatics Engineering, vol. 5, no. 2, pp. 97-108, 2015.
7. [7] A. Ghafouri, J. Amini, M. Dehmollaian, and M. A. Kavoosi, "Better Estimated IEM Input Parameters Using Random Fractal Geometry Applied on Multi-Frequency SAR Data," Remote Sensing, vol. 9, no. 5, p. 445, 2017. [DOI:10.3390/rs9050445]
8. [8] A. Aghanabati, Geology of Iran. Geological Survey & Mineral Explorations of Iran (GSI), 2004.
9. [9] H. Motiei, Stratigraphy of Zagros (Treatise on the Geology of Iran, no. 1). Geological Survey & Mineral Explorations of Iran (GSI), 1993, pp. 60-151.
10. [10] A. K. Fung, Microwave Scattering and Emission Models and Their Applications. Artech House, 1994.
11. [11] H. Irena, "Inversion of surface parameters using Polarimetric SAR," Ph. D. thesis, 2001, Germany, 2001.
12. [12] A. Ghafouri, J. Amini, M. Dehmollaian, and M. Kavoosi, "Measuring Surface Roughness of Geological Rock Surfaces in SAR Data using Fractal Geometry," Comptes Rendues Geosciences, 2017. [DOI:10.1016/j.crte.2017.04.003]
13. [13] G. Franceschetti, A. Iodice, M. Migliaccio, and D. Riccio, "Scattering from natural rough surfaces modeled by fractional Brownian motion two-dimensional processes," IEEE transactions on antennas and propagation, vol. 47, no. 9, pp. 1405-1415, 1999. [DOI:10.1109/8.793320]
14. [14] A. K. Fung and K. S. Chen, "An update on the IEM surface backscattering model," Geoscience and Remote Sensing Letters, IEEE, vol. 1, no. 2, pp. 75-77, 2004. [DOI:10.1109/LGRS.2004.826564]
15. [15] A. Martinez and A. P. Byrnes, Modeling dielectric-constant values of geologic materials: An aid to ground-penetrating radar data collection and interpretation. Kansas Geological Survey, University of Kansas, 2001.
16. [16] A. Ghafouri, J. Amini, M. Dehmollaian, and M. A. Kavoosi, "Morphological discrimination amongst geological rock surfaces of Zagros thrust belt via SAR backscattering modelling," Earth Observation and Geomatics Engineering, vol. 1, no. 2, pp. 131-141, 2017.
17. [17] H. Mazaheri Tehrani, "Soil Moisture Estimation with Polarimetric SAR Data," Geomatics Engineering, University of Calgary, Calgary, Alberta, Canada, PhD. Thesis, 2014.
18. [18] B. W. Barrett, E. Dwyer, and P. Whelan, "Soil moisture retrieval from active spaceborne microwave observations: An evaluation of current techniques," Remote Sensing, vol. 1, no. 3, pp. 210-242, 2009. [DOI:10.3390/rs1030210]
19. [19] K. Chen, W. Kao, and Y. Tzeng, "Retrieval of surface parameters using dynamic learning neural network," Remote Sensing, vol. 16, no. 5, pp. 801-809, 1995. [DOI:10.1080/01431169508954444]
20. [20] N. Baghdadi, J. A. Chaaya, and M. Zribi, "Semiempirical calibration of the integral equation model for SAR data in C-band and cross polarization using radar images and field measurements," Geoscience and Remote Sensing Letters, IEEE, vol. 8, no. 1, pp. 14-18, 2011. [DOI:10.1109/LGRS.2010.2050054]
21. [21] S. Panchev, Random Functions and Turbulence: International Series of Monographs in Natural Philosophy. Elsevier, 2013.
22. [22] J. E. Summers, R. J. Soukup, and R. F. Gragg, "Mathematical modeling and computer-aided manufacturing of rough surfaces for experimental study of seafloor scattering," Oceanic Engineering, IEEE Journal of, vol. 32, no. 4, pp. 897-914, 2007. [DOI:10.1109/JOE.2007.906403]
23. [23] E. V. Vázquez, J. Miranda, and A. P. González, "Describing soil surface microrelief by crossover length and fractal dimension," Nonlinear Processes in Geophysics, vol. 14, no. 3, pp. 223-235, 2007. [DOI:10.5194/npg-14-223-2007]
24. [24] M. Zribi, "Développement de nouvelles méthodes de modélisation de la rugosité pour la rétrodiffusion hyperfréquence de la surface du sol," 1998.
25. [25] P. J. Durst, G. L. Mason, B. McKinley, and A. Baylot, "Predicting RMS surface roughness using fractal dimension and PSD parameters," Journal of Terramechanics, vol. 48, no. 2, pp. 105-111, 2011. [DOI:10.1016/j.jterra.2010.05.004]
26. [26] O. Yordanov and I. Atanasov, "Self-affine random surfaces," The European Physical Journal B-Condensed Matter and Complex Systems, vol. 29, no. 2, pp. 211-215, 2002. [DOI:10.1140/epjb/e2002-00288-4]
27. [27] O. I. Yordanov and N. I. Nickolaev, "Self-affinity of time series with finite domain power-law power spectrum," Physical Review E, vol. 49, no. 4, p. R2517, 1994. [DOI:10.1103/PhysRevE.49.R2517]
28. [28] K. Falconer, Fractal geometry: mathematical foundations and applications. John Wiley & Sons, 2004. [DOI:10.1002/0470013850]
29. [29] I. S. Atanasov and O. I. Yordanov, "Approximate self-affinity and autocovariance function models of ballistic deposits," in Nano-Crystalline and Thin Film Magnetic Oxides: Springer, 1999, pp. 293-300. [DOI:10.1007/978-94-011-4493-3_24]
30. [30] O. I. Yordanov and N. I. Nickolaev, "Approximate, saturated and blurred self-affinity of random processes with finite domain power-law power spectrum," Physica D: Nonlinear Phenomena, vol. 101, no. 1, pp. 116-130, 1997. [DOI:10.1016/S0167-2789(96)00222-9]
31. [31] G. Leclerc, N. Beaulieu, and F. Bonn, "A simple method to account for topography in the radiometric correction of radar imagery," International Journal of Remote Sensing, vol. 22, no. 17, pp. 3553-3570, 2001. [DOI:10.1080/01431160010007060]
32. [32] C. C. W. Fadzal et al., "Welch power spectral density of EEG signal generated from dyslexic children," in Region 10 Symposium, 2014 IEEE, 2014, pp. 560-562: IEEE. [DOI:10.1109/TENCONSpring.2014.6863097]
33. [33] C.-h. Huang and J. M. Bradford, "Applications of a Laser Scanner to Quantify Soil Microtopography," (in English), Soil Science Society of America Journal, vol. 56, no. 1, 1992. [DOI:10.2136/sssaj1992.03615995005600010002x]
34. [34] G. Franceschetti and D. Riccio, Scattering, Natural Surfaces, and Fractals. Academic Press, 2006. [DOI:10.1016/B978-012265655-2/50000-3]
35. [35] G. Franceschetti, A. Iodice, S. Perna, and D. Riccio, "Efficient simulation of airborne SAR raw data of extended scenes," Geoscience and Remote Sensing, IEEE Transactions on, vol. 44, no. 10, pp. 2851-2860, 2006. [DOI:10.1109/TGRS.2006.875786]
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


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

Ghafouri A, Amini J, Dehmollaian M, Kavoosi M A. Discrimination of Geological Top-Formations by their Morphology through SAR Images and via Fractal Geometry implementation in IEM Backscattering Model(Case Study: Zagros Thrust Belt). jgit. 2019; 7 (3) :137-157
URL: http://jgit.kntu.ac.ir/article-1-746-fa.html

غفوری علی، امینی جلال، دهملائیان مجتبی، کاووسی محمدعلی. جدایش سازندهای زمین‌شناسی بر اساس مورفولوژی آنها با استفاده از تصاویر SAR و پیاده‌سازی هندسه فرکتالی در مدل پس‌پراکندگی IEM (مطالعه موردی: کمربند کوهزایی زاگرس). مهندسی فناوری اطلاعات مکانی. 1398; 7 (3) :137-157

URL: http://jgit.kntu.ac.ir/article-1-746-fa.html



دوره 7، شماره 3 - ( 9-1398 ) 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 0.06 seconds with 31 queries by YEKTAWEB 4106