|
تمایز واحدهای سنگ شناسی براساس تصاویر ماهواره ای مبتنی بر روش های یادگیری ماشین و یادگیری عمیق در منطقه هندودر استان مرکزی
|
مهرتاش منافی فرد*   ، مصطفی یوسفی راد |
| دانشگاه صنعتی اراک |
|
|
چکیده: (15 مشاهده) |
| تصاویر سنجش از دور در کاربردهای مختلف زمی نشناسی نظیر شناسایی انواع سنگها مورد استفاده قرار می گیرند. در این پژوهش، از روشهای هوش مصنوعی شامل جنگل تصادفی، یادگیری عمیق، XGBoost وLightGBM در تمایز چهار واحد زمینشناسی فیلیت، تراسهای آبرفتی قدیمی، گرانیت تا گرانودیوریت و میگماتیت در منطقه هندودر استان مرکزی استفاده شده است. ورودی مدلهای هوش مصنوعی شامل اطلاعات مستخرج از تصاویر ماهوارهای نظیر لندست، استر و سنتینل-2، دادههای توپوگرافی حاصل از مدل رقومی ارتفاع شامل ارتفاع، شیب، شاخص رطوبت توپوگرافی و جهت شیب، بههمراه دادههای مکانی و نمونههای صحرایی مربوط به واحدهای زمینشناسی منطقه است. بهمنظور آماده سازی دادههای ورودی، پیشپردازشهای لازم شامل تصحیحات رادیومتریک و اتمسفری، پردازش و طبقهبندی اولیه تصاویر ماهوارهای انجام شد. سپس، مجموعهای از ویژگیها براساس باندهای طیفی تصاویر ماهوارهای و نیز تصاویر حاصل از اعمال روشهای تحلیل مؤلفههای اصلی و حداقل نویز کسری استخراج گردید. نتایج ارزیابی نشان داد که بهترین عملکرد مربوط به الگوریتم جنگل تصادفی است که با استفاده از داده های طیفی تصاویر استر، بههمراه اطلاعات ارتفاعی و مکانی، به دست آمده است؛ بهطوریکه مقادیر ضریب کاپا (Kappa)، صحت کلی (Overall Accuracy) و امتیاز (F-score) بهترتیب برابر با 0.74، 0.82 و 0.82 حاصل شدند. |
|
| واژههای کلیدی: زمین شناسی، سنگ شناسی، تصاویر ماهواره ای، یادگیری ماشین، یادگیری عمیق |
|
|
|
نوع مطالعه: كاربردي |
موضوع مقاله:
سنجش از دور
دریافت: 1404/8/9 | پذیرش: 1405/3/20 | انتشار الکترونیک پیش از انتشار نهایی: 1405/3/27
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
