بهبود نقشهبرداری سنگشناسی با به کارگیری الگوریتمهای یادگیری ماشین بر پایه پیکسل و شیء بر اساس دادههای Sentinel-2 وPRISMA : مطالعه موردی همتافت افیولیتی رمشک– مختارآباد
نویسندگان
1 گروه زمینشناسی، دانشکده علوم، دانشگاه شهید باهنر کرمان، کرمان، ایران
2 سازمان زمینشناسی و اکتشافات معدنی کشور، تهران، ایران
3 گروه زمینشناسی، دانشکده علوم، دانشگاه شهید باهنر کرمان، کرمان، ایران
doi
10.22071/gsj.2025.551653.2227چکیده
الگوریتمهای یادگیری ماشین و تفسیر سنگشناسی بر پایه سنجش از دور نقش مهمی در مطالعات زمینشناسی ناحیهای بازی میکنند، با این حال نقش تفسیر تخصصی زمینشناس با تجربه همچنان غیر قابل جایگزین است. این پژوهش، از دادههای چند طیفی ماهواره سنتینل-2 و دادههای فراطیفی ماهواره پریسما برای آزمون نقشهبرداری سنگشناسی همتافت افیولیتی رمشک–مختارآباد واقع در مکران شمالی، جنوبخاور ایران، استفاده میکند و بر ترکیب فناوریهای سنجش از دور با الگوریتمهای یادگیری ماشین برای بهبود نقشهبرداری زمینشناسی و تقویت مطالعات میدانی تمرکز دارد. انتخاب ورودیهای بهینه برای طبقهبندی کنندهها از اهداف کلیدی این پژوهش بهشمار میرود و بدین منظور از فناوریهای بهبود تصویر شامل تحلیل طیفی، ترکیب و نسبت باندی، تحلیل مولفههای اصلی، ترکیب نسبت رنگی و تبدیل حداقل کسر نوفه استفاده شد. در ادامه، الگوریتمهای شبکه عصبی، ماشین بردار پشتیبان و نزدیکترین همسایگی برای طبقهبندی دادهها به کار گرفته شدند. نتایج ارزیابی صحت کلی و ضریب کاپا نشان داد که رویکرد بر پایه شیء در تصاویر چندطیفی سنتینل-2 نقشههایی همگنتر و با دقت بالاتر تولید میکند، در حالی که رویکرد بر پایه پیکسل برای دادههای فراطیفی پریسما عملکرد مناسبتری دارد. نتایج نشان میدهد استفاده از دادههای سنتینل-2 و پریسما ابزاری توانمند برای نقشهبرداری سنگشناسی در پهنههای افیولیتی فراهم میکند.