تركيب و ادغام داده هاي چند طيفي و راداري به منظور شناسايي بهتر سيماهاي زمين‌شناسي

Combining and Fusion of Multispectral and RADAR Data for Better Identification of Geological Features

امروزه با بكارگيري روش­هاي متنوع پردازش تصوير، امكان بررسي بخش عمده ­اي از ويژگي­هاي زمين ­شناختي مانند نوع ليتولوژي، دگرساني گرمابي، زمين­لغزش، ساختارهاي زمين‌شناسي و غيره، وجود دارد. هر كدام از ويژگي­هاي زمين ­شناختي را مي­توان با بهره ­گيري از يك يا تركيب چند دسته داده ماهواره­اي بررسي كرد. براي شناسايي سنگ‌ها بيش‌تر ازويژگي‌هاي طيفي استفاده مي‌شود. اما ويژگي بافتي سنگ‌ها نيز اهميت خاصي دارد كه داده‌هاي راداري در اختيار مي‌گذارند. در اين مقاله سعي شده است با تلفيق داده ­هاي چندطيفي و راداري روشي براي بهبود تهيه نقشه زمين‌شناسي ارايه شود. به‌همين منظور با به‌كارگيري دو روش تركيب داده مبتني بر IHS و كنارهم گذاري داده­ها، تصاوير طيفي سنجنده­هاي استر و لندست هفت با داده­ هاي پلاريزه سنجنده ALOS (مربوط به بخشي از ناحيۀ معدني كمربند مس كرمان) تركيب شدند. اطلاعات راداري مربوط به پلاريزاسيون­هاي مختلف در يك باند جديد به‌روش برآيندگيري متمركز و سپس با داده‌هاي چند طيفي تركيب شده است. نتايج تركيب اين دو نوع داده ماهواره‌اي نشان داده است كه بارزسازي گسل­ ها، دايك­ها، دگرساني گرمابي و تفكيك ليتولوژي بهتر از زماني است كه تنها از داده‌هاي چندطيفي استفاده مي‌شود.

Remote sensing techniques allow scientists to study many parameters and features of the Earth’s surface such as geologic units, hydrothermal alterations, landslide, geologic structures, etc. It is possible to study every geologic parameter using single or multi dataset. Spectral features of the Earth’s surface are mainly used to investigate rock units, while rock textures are important parameters which are investigated using RADAR Images. In this paper it was tried to find out a way to improve geologic mapping based on multi-spectral and RADAR data fusion. A part of Kerman Copper Belt (KCB) was selected to evaluate the efficiency of ASTER, ETM+ and ALOS data fusion using two methods (layer stacking and PCA and IHS transform). Two polarized ALOS images were integrated to a new layer (with more information) using resultant vector method and injected to multi-spectral dataset. Results of both methods confirmed the ability of multi-spectral and RADAR data fusion to improve the detection of faults, dykes, hydrothermal alterations and geologic units discrimination in comparison with the multi-spectral data alone.