|
تمایز واحدهای سنگ شناسی در تصاویر ماهواره ای با استفاده از روش های یادگیری ماشین و یادگیری عمیق در منطقه هندودر استان مرکزی
|
مهرتاش منافی فرد*   ، مصطفی یوسفی راد |
| دانشگاه صنعتی اراک |
|
|
چکیده: (302 مشاهده) |
| تصاویر سنجش از دور در کاربردهای مختلف زمینشناسی نظیر شناسایی انواع سنگها مورد استفاده قرار میگیرند. 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 آمادهسازی 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 دادههای 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 |
|
|
متن کامل [PDF 1353 kb]
(32 دریافت)
|
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 | انتشار: 1405/4/9
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
