TY - JOUR JF - kntu-jgit JO - jgit VL - 9 IS - 4 PY - 2022 Y1 - 2022/3/01 TI - Mapping Alterations associated with Porphyry Copper Ores using ASTER Multispectral Imaging Based on Deep Learning TT - نقشه‌برداری دگرسانی‌های مرتبط با کانسارهای مس پورفیری با استفاده از تصاویر چند طیفی استر بر مبنای یادگیری عمیق N2 - 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. SP - 63 EP - 85 AU - Rajabi, Ahmad AU - Shahhoseini, Reza AD - University of Tehran KW - Porphyry copper deposit KW - Geometric structures KW - Alteration KW - Remote sensing KW - Deep Learning UR - http://jgit.kntu.ac.ir/article-1-852-fa.html DO - 10.52547/jgit.9.4.63 ER -