مقایسه روش‌های مختلف طبقه بندی نظارت شـده با نگاه ویژه به کارآیی آن ها در مـطالعات زمین شناسی: مطالعه موردی در منطقه اسکوق، آذربایجان شرقی

نویسندگان

1 گروه زمین‌شناسی، دانشگاه پیام‌نور، تهران، ایران

2 گروه زمین‌شناسی، دانشگاه دامغان، دامغان

چکیده

محدوده­ی مورد مطالعه­ی اسکوق در غرب کمربند چین­خورده البرز-آذربایجان و شهرستان میانه واقع شده است. سنگ­های غالب در این منطقه شامل سنگ­های آتشفشانی و آتشفشانی – رسوبی با سن ائوسن – الیگوسن بوده که قسمت اعظم منطقه را پوشانده است. هم­چنین توده­های نفوذی الیگوسن پسین با ترکیب حدواسط، واحدهای سنگی منطقه را قطع کرده­اند. کانی­زایی فلزی عموماً شامل مس و منگنز در محدوده­ اسکوق اغلب در سنگ­های آتشفشانی و آتشفشانی – رسوبی ائوسن رخ داده است. تصاویر ماهواره­ایSentinel2  و  Landsat8به منظور انجام روش­های مختلف طبقه­بندی نظارت شده، و تهیه نقشه زمین­شناسی در این پژوهش استفاده شده است. در این مطالعه پس از انجام پیش پردازش­های لازم به طبقه­بندی نظارت شده تصاویر با روش­های مختلف انجام شد و در نهایت با انجام مطالعات میدانی بهترین روش بر اساس شواهد زمین­شناسی انتخاب شد. در نهایت پس از محاسبه ماتریس خطا، میزان صحت داده­ها، ضریب کاپا و با مقایسه با نمونه­های شاهد و نمونه­برداری­ها و مقاطع نازک زمین­شناسی به اعتبارسنجی روش­ها پرداخته شد. پس از نمونه­برداری­ها و تجزیه­های آماری، مشخص شد که روش نقشه­برداری زاویه طیفی بهترین تطابق را با واحدهای زمین­شناسی منطقه نشان می­دهد.

کلیدواژه‌ها


عنوان مقاله [English]

Comparison of different methods of supervised classification with a special view on their effectiveness in geological studies: A case study in the Skavagh, eastern Azarbaijan

نویسندگان [English]

  • mahdy safary 1
  • mahya manouchehrinia 2
1 Associate Professor, Department of Geology, Payam Noor, University of Tehran, IRAN
2 Kusha Madan Consultant Engineers Co.tehran
چکیده [English]

The Skavagh study area is located in the western of the Alborz-Azarbaijan folded belt. The dominant rocks in this area are volcanic and volcanic-sedimentary rocks with the Eocene-Oligocene age which have covered most of the area. As well, the late Oligocene intrusive bodies with intermediate composition have cut the rocky units of the area. Generally, metal mineralization in the Skavagh area is copper and manganese which has occurred in the Eocene volcanic and volcanic-sediments rocks. In this research, satellite images of Sentinel 2 and Landsat 8 have been used to perform different methods of supervised classification and prepare a geological map. In this study, after performing the necessary pre-processing, the supervised classification of the images was carried out in different ways, and finally, by conducting field studies, the best method was selected based on the geological evidence. Finally, after calculating the error matrix, the accuracy of the data, Kappa coefficient and by comparing with the index samples and sampling and the thin sections of the geology, the method was validated. After sampling and statistical analysis, it was determined that the spectral angle mapping method showed the best match with the geological units of the region.

کلیدواژه‌ها [English]

  • Supervised classification
  • spectral angle mapping
  • most likely method
  • Skavagh
  • eastern Azarbaijan
Al-Ahmadi, F. S., Hames, A. S (2008) Comparison of Four Classification Methods to Extract Land Use and Land Cover from Raw Satellite Images for Some Remote Arid Areas, Kingdom of Saudi Arabia. JKAU; Earth Sci, 20(1): 167-191
Alavi, M (1991) Tectonic map of middle east; 1:5000000, G.S.l., one sheet.
Aqanbati. A (2004) Geology of Iran. Geological Survey of Iran, p: 640
Bolstad, P. V., Lillesand, T. M (1991) Rapid maximum likelihood classification. Photogrammetric Engineering and Remote Sensing, 57: 67–74.
Congalton, R. G (1991) A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37: 35–46.
Faridy, M., Anvary, A (1982) Geological map of Hashtjin; 1:5000000
Geng, Ji, L., Sun, X.; K., Zhao, Y., Gong, P (2015) Target Detection Method for Water Mapping Using Landsat 8 OLI/TIRS Imagery. Water, 7: 794–817.
Geological survey of Iran (1993) Geological Quadrangle Map of Iran, No. K9
Khatami, R., Giorgos Mountrakis, a., Stephen, V., Stehman, b (2016) A meta-analysis of remote sensing research on supervised pixel-based land-cover image classification processes: General guidelines for practitioners and future research. Remote Sensing of Environment, 177: 89–100
Kruse, F. A., Lefkoff, A. B., Boardman, J. B., Heidebrecht, K. B., Shapiro, A. T., Barloon, P. J. Goetz, A.F.H (1993) The Spectral Image Proces sing System (SIPS)– Interactive Visualization and analysis of imaging spectrometer data. Remote Sensing of the Environment, 44: 145 -16 .
Matthew, M. W., Adler-Golden, S. M., Berk, A., Richtsmeier, S. C., Levine, R. Y., Bernstein, L. S., Acharya, P. K., Anderson, G.  P., Felde, G. W., Hoke, M. P., Ratkowski, A., Burke, H. H., Kaiser, R. D., Miller, D. P (2000) Status of Atmospheric Correction Using a MODTRAN 4-based Algorithm. In proceedings of algorithms for multispectral, hyper spectral, and ultra-spectral imagery, SPIE, 4049: 199 -207.
Ninomiya, N., Fu, B., Cudahy, T. J  (2005) Detecting Lithology with Advanced Spaceborne Thermal and Reflection Radiometer (ASTER) multispectral thermal infrared radiance-at-sensor data. Remote Sensing of Environment, 99: 127−135.
Richards (1999) Remote sensing digital Image Analysis, Springer – verleg, Berlin, p: 240.
RSI., (Research System Incorporation), (2003) ENVI Tutorial.
Satellite Imaging Corporation is an official Value Added Reseller (VAR) of imaging and geospatial data products (www. satimagingcorp.com(
Shataee, S., and Abdi, O (2007) Land Cover Mapping in Mountainous Lands of Zagros Using ETM+ Data (Case Study: Sorkhab Watershed, Lorestan Province) J., Agri. Sci. Natural Resources, 14 (1): 129-139.
Stuckens, J., Coppin, P. R. Bauer, M. E (2000) Integrating contextual information with per-pixel classification for improved land cover classification. Remote Sensing of Environment, 71: 282–298.
Zhou, Y., Dong, J., Xiao, X., Xiao, T., Yang, Z., Zhao, G., Zou, Z., Qin, Y (2017) Open Surface Water Mapping Algorithms: A Comparison of Water-Related Spectral Indices and Sensors. Water, 256: 32-48.