تهیه نقشه گنبد نمکی جهانی و مناطق متأثر از گنبد نمکی با استفاده از مدل شبکه عصبی مصنوعی و دادههای ماهواره لندست 8
نویسندگان
1 استاد، گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
2 استادیار، گروه زمین شناسی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
3 مربی، گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
4 دانشجوی کارشناسی ارشد، گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز
doi
10.22034/gmpj.2021.157522.0چکیده
از پدیده های مهم و قابل توجه در امر زمینشناسی میتوان به تشکیلات تبخیری از جمله گنبدهای نمکی اشاره کرد. تشکیلات تبخیری از جمله سازندهای زمینشناسی هستند که از نظر جغرافیایی دارای گسترش چشمگیری میباشند. گنبدهای نمکی و رسوبات مجاور آن نمونهای از یک محیط زمین شناسی پیچیده است. مطالعه آنها به خاطر ویژگیهای منحصر به فرد نمک از لحاظ تکتونیکی و سنگ شناسی، برهمکنش های قوی میان جریانهای حرکتی و حرارتی، وجود منابع مهم از لحاظ جنبه اقتصادی و تأثیرگذاری این حوزههای تبخیری در کیفیت منابع مناطق پیرامون گنبدهای نمکی از اهمیت شایانی در زمین شناسی، مدیریت و برنامهریزی منابع انسانی برخوردار است. فناوری سنجش از دور در سالهای اخیر نقش پررنگی در کسب اطلاعات از این پدیدههای منحصر به فرد بر عهده دارد. هدف از پژوهش استفاده از روش شبکه عصبی مصنوعی و تحلیل مؤلفههای اصلی(PCA) برای طبقهبندی و تهیه نقشه گنبدنمکی جهانی و مناطق متأثر از گنبد نمکی با استفاده از تصاویر سنجندههای OLI ماهواره لندست8، جهت تحلیل و بررسی از لحاظ پوشش و نوع کانیهای تشکیل دهنده آن میباشد. نتایج در هشت کلاس مجزا طبقهبندی شده نشانداده شد که کلاس ماسه-نمک با 100 درصد صحت، رس، 05/96 درصد، گچ- نمک 03/99 درصد، سنگ آهک 100 درصد، گیاهان 73/96 درصد، ماسه سنگ 67/94 درصد، صخره های نمکی 09/96 درصد، خاکهای گچی 58/93 درصد، شیل 73/86 طبقه بندی شدند. در این پژوهش روش شبکه عصبی به ترتیب با صحت کل 3501/95 درصد و ضریب کاپا 37/94 درصد عملکرد مناسبی در طبقهبندی، تهیه نقشه محدوده مورد مطالعه داشته است.